基于UKF-LSSVM的燃煤机组NO_x排放浓度预测方法

目前,燃煤机组广泛采用选择性催化还原(SCR)脱硝技术。对燃煤机组NO_x排放浓度进行准确预测,不但有利于进一步提高SCR控制系统的调节品质,而且可以评估现场所收集到的数据是否真实准确,为环保部门对电厂排放NO_x浓度进行监管执法提供依据。提出一种基于无迹卡尔曼滤波最小二乘支持向量机(UKF-LSSVM)的NO_x排放浓度预测方法。基于现场数据和理论分析,确定了脱硝系统动态模型的输入和输出变量。采用无迹卡尔曼滤波(UKF)不断更新核参数σ和其他模型参数α、b,并采用样本更新策略对支持向量进行更新,提高了模型的自适应能力。将该方法用于某300 MW机组脱硝系统的NO_x排放浓度预测。仿真结果表明,所建模型能够准确预测燃煤机组NO_x排放浓度。与原有基于批量最小二乘支持向量机(LSSVM)建立的稳态模型相比,该方法具有更高的预测精度和自适应能力,为进一步研究脱硝系统动态优化控制奠定了基础。