排序方式: 共有4条查询结果,搜索用时 15 毫秒
1
1.
2.
3.
为了充分挖掘电站锅炉NO_(x)排放数据中时序性特征联系,提高NO_(x)排放预测精度,提出一种基于卷积神经网络(CNN)和长短期记忆网络(LSTM)的NO_(x)排放预测方法。以某300 MW电站锅炉历史数据为样本,采用K-means聚类方法对NO_(x)排放训练样本集进行分组,再基于CNN网络的卷积层和池化层提取NO_(x)排放变量的高维映射关系,构造高维时序特征向量,将抽象化的特征集输入到LSTM网络,通过训练LSTM网络参数建立基于CNN-LSTM的NO_(x)排放预测模型。通过某电站锅炉实际数据验证,所提预测模型对训练和测试样本的平均相对百分比误差分别为1.76%和3.85%,远低于其他模型。结果表明所提模型在预测精度和泛化能力方面具有显著优势。 相似文献
4.
为了满足热电机组在供热期运行时要通过热电解耦,力争实现单日6 h最小发电出力达到40%额定负荷的调峰能力要求,提出供热机组配置电锅炉进行调峰的方案。以某330 MW机组为例,结合机组供热特性试验数据和设计供热工况图,绘制了机组的实际运行供热特性曲线,并以其中的最大抽汽工况曲线为依据,分别确定了不同供热面积和不同调峰目标下所需配置的电锅炉容量。结果表明:当单台机组对应供热面积分别为600万平方米、800万平方米和1000万平方米时,分别配置10.5 MW、40.6 MW、70 MW的电锅炉即可满足40%额定负荷调峰的要求;调峰目标每提高10%,所需配置电锅炉平均容量增大约21.5 MW,供热面积每增加100万平方米,所需配置的电锅炉容量增大约14 MW。该结果可为同类型机组进行电锅炉改造提供参考。 相似文献
1