公开(公告)号：CN113112072A

公开(公告)日：2021-07-13

申请号：CN202110398542.9

申请日：2021-04-12

Applicant: 上海电力大学

Inventor： 华文新 ,  钱玉良 ,  蔡可天 ,  方紫筠 ,  陈罗量 ,  陆星

IPC: G06Q10/04 ,  G06N3/04 ,  G06N3/08 ,  G06N3/12 ,  G01N33/00

Abstract: 本发明公开了一种基于深度双向LSTM的NOx排放含量预测方法，包括，通过遗传算法对发电机组动态工况的影响因素进行主元分析，选择影响氮氧化物排放含量的独立变量；将独立变量进行归一化处理，而后初始化深度双向长短期记忆网络的神经单元细胞状态，并将神经单元细胞状态输入到双向长短期记忆网络神经元的第一层，进而构建双向长短期记忆网络模型；通过双向长短期记忆网络模型计算出口氮氧化物含量的预测值P；根据预测值P计算损失函数值，并更新双向长短期记忆网络的参数，直至损失函数值降到最低时结束更新；本发明解决了长时间序列的梯度消失以及梯度爆炸问题，实现数据的深层次特征挖掘。

公开(公告)号：CN117291289A

公开(公告)日：2023-12-26

申请号：CN202310923025.8

申请日：2023-07-25

Applicant: 国能龙源环保有限公司 ,  上海电力大学

Inventor： 金鑫 ,  钱玉良 ,  姚宣 ,  彭道刚 ,  高立 ,  郑妍 ,  陆星

IPC: G06Q10/04 ,  G06N3/0442 ,  G06N3/08 ,  G06Q50/26 ,  G01N33/00

Abstract: 本发明提供一种烟气脱硫SO2浓度预测方法、装置、设备及存储介质，属于烟气脱硫技术领域，所述预测方法包括：获取烟气脱硫系统在运行预定周期后的采样数据集；基于采样数据集确定训练数据集，训练数据集中包含的参数数量小于样本数据集中包含的参数数量；基于训练数据集，训练非线性神经网络预测模型，所述非线性神经网络预测模型基于门控循环神经网络模型构建；将测试数据集输入至训练后的非线性神经网络预测模型，获得下一时刻的出口烟气SO2浓度预测值。通过本发明提供的方法，能够保证机组大范围变负荷运行时有效地追踪烟气脱硫系统出口处SO2浓度变化情况，利于烟气脱硫系统提高控制精度。