基于随机森林算法的对冲锅炉出口NO<sub>x</sub>排放量预测模型研究

王伟同; 范海东; 梁成思; 赵中阳; 邵宇浩; 谭畅; 郑成航

doi:10.19666/j.rlfd.202110220

English

您当前的位置：

首页 >

文章列表页 >

基于随机森林算法的对冲锅炉出口NO_x排放量预测模型研究

热力发电 2022年51卷第4期页码：96-104

污染物控制专栏 | 更新时间：2025-09-28

- 基于随机森林算法的对冲锅炉出口NO_x排放量预测模型研究
- Predictive modeling of NO_x outlet of hedged boiler based on random forest
- 作者机构：
  
  1. 浙江大学能源清洁利用国家重点实验室国家环境保护燃煤大气污染控制工程技术中心
  2. 浙江浙能技术研究院有限公司
- 作者简介：
- 基金信息：
  
  国家重点研发计划项目(2020YFB0606203-4)~~
- DOI：10.19666/j.rlfd.202110220
  中图分类号： X701;TP181
- 纸质出版：2022
- 稿件说明：
移动端阅览
王伟同, 范海东, 梁成思, 等. 基于随机森林算法的对冲锅炉出口NO_x排放量预测模型研究[J]. 热力发电, 2022,51(4):96-104.

WANG Weitong, FAN Haidong, LIANG Chengsi, et al. Predictive modeling of NO_x outlet of hedged boiler based on random forest[J]. Thermal Power Generation, 2022, 51(4): 96-104.
王伟同, 范海东, 梁成思, 等. 基于随机森林算法的对冲锅炉出口NO_x排放量预测模型研究[J]. 热力发电, 2022,51(4):96-104. DOI： 10.19666/j.rlfd.202110220.

WANG Weitong, FAN Haidong, LIANG Chengsi, et al. Predictive modeling of NO_x outlet of hedged boiler based on random forest[J]. Thermal Power Generation, 2022, 51(4): 96-104. DOI： 10.19666/j.rlfd.202110220.

摘要

对冲锅炉中的仪器测量具有滞后性，导致控制系统作用始终落后于被控对象。为了提前了解对冲锅炉出口NO_x排放量随工况变化的趋势，需要对对冲锅炉出口的NO_x排放量进行快速并准确地预测。以实际运行的机组数据为基础，采用随机森林（random forest

RF）算法建立1 000 MW对冲锅炉机组的出口NO_x排放量预测模型，并使用Spearman系数对对冲锅炉特征进行筛选，进一步降低模型计算时间。结果表明，随机森林模型预测结果的均方根误差为10.182 mg/m~3，决定系数为0.913，可见基于特征选取的随机森林模型结构能实现对冲锅炉出口NO_x趋势的提前预测。

Abstract

The instrument measurement in hedging boiler has hysteresis

which causes the control system always lag behind the controlled object. Therefore

in order to understand the trend of NO_x at outlet of the hedge boiler in advance with changes in working conditions

it is necessary to quickly and accurately predict the NO_x at outlet of the hedge boiler. Based on the actual operating unit data

this paper uses Random Forest algorithm(random forest)to establish a 1 000 MW hedged boiler unit outlet NO_x prediction model

and uses Spearman coefficient to filter the features of the hedged boiler to further reduce the model calculation time. The results show that

the root mean square error of the prediction results of the random forest model is 10.182 mg/m~3

and the coefficient of determination is 0.913. Therefore

the model structure of the random forest based on feature selection can realize the forecast of the NO_x trend at outlet of the hedging boiler in advance.

关键词

Keywords

references

浏览量

588

下载量

CSCD

文章被引用时，请邮件提醒。

提交

关联资源

基于大数据和并行随机森林算法火电机组供电煤耗计算模型

基于随机森林变量选择的飞灰含碳量预测模型

基于半监督学习方法的磨煤机故障预警

基于随机森林的600 MW直接空冷机组背压运行优化

基于机器学习的飞灰含碳量预测模型比较研究

基于随机森林算法的对冲锅炉出口NOx排放量预测模型研究

Predictive modeling of NOx outlet of hedged boiler based on random forest

DOI：10.19666/j.rlfd.202110220

摘要

Abstract

关键词

Keywords

references

基于随机森林算法的对冲锅炉出口NO_x排放量预测模型研究

Predictive modeling of NO_x outlet of hedged boiler based on random forest