基于深度神经网络的燃煤电站SCR脱硝系统时序建模研究

选择性催化还原(SCR)脱硝系统可以通过控制氨的注入,有效减少氮氧化物的排放,但能源结构、负荷波动、反应器动态特性和系统延迟等因素均会影响氨注入量的精确控制。为了实现高精度的氮氧化物排放预测,提出基于时间序列特征的深度神经网络建模方法,用于预测反应器动态特性和系统延迟。以1台660 MW燃煤锅炉为例,利用连续3 d的50 000多个采样数据建立深度神经网络。结果显示：模型实现了对t+1时刻SCR出口NO_x的精确估算,测试集上的最大绝对误差仅为1.6 mg/m³。