基于随机森林的火电机组SCR脱硝反应器建模

火电机组选择性催化还原技术(SCR)脱硝反应器过程复杂多变,采用机理建模的SCR脱硝反应器出口NO_x质量浓度预测难以取得良好的效果。基于火电厂的历史运行数据,将主成分分析(PCA)和随机森林(RF)相结合建立了SCR脱硝反应器出口NO_x质量浓度预测模型。在建模过程中,采用主成分分析方法计算各个变量的贡献率来筛选变量,进而对随机森林模型进行试验验证,并与支持向量机(SVM)模型和BP神经网络模型的预测性能进行对比。结果表明:采用PCA变量选择方法确定SCR系统模型的输入变量是可行和有效的;与SVM和BP神经网络模型相比,RF算法得到的SCR系统模型具有更好的预测效果。