典型文献
基于多层感知器神经网络的燃煤电站SCR脱硝系统建模
文献摘要：
选择性催化还原(selective catalytic reduction,SCR)脱硝系统动态建模对优化喷氨控制、降低NOx排放和氨逃逸有着重要意义.以某660 MW亚临界燃煤锅炉为研究对象,利用其历史运行数据,建立了基于多层感知器神经网络(MLP)的SCR脱硝系统预测模型.结果表明,所建立的SCR脱硝系统模型在测试集上的均方误差为0.189,相关系数达到了0.99,同时当SCR喷氨阀门开度阶跃变化时出口NOx浓度响应合理.所建立的模型可用于SCR喷氨控制器设计与优化.
文献关键词：
燃煤锅炉;MLP神经网络;SCR脱硝系统;预测模型
中图分类号：
作者姓名：
黄镇柯;金志远;朱恒毅;刘宇浓;谭鹏
作者机构：
广东省能源集团有限公司沙角C电厂,广东 东莞 523900;华中科技大学能源与动力工程学院煤燃烧国家重点实验室,湖北 武汉 430074
文献出处：
引用格式：
[1]黄镇柯;金志远;朱恒毅;刘宇浓;谭鹏-.基于多层感知器神经网络的燃煤电站SCR脱硝系统建模)[J].湖北电力,2022(03):100-105
A类：
B类：
多层感知器神经网络,燃煤电站,SCR,脱硝系统,系统建模,选择性催化还原,selective,catalytic,reduction,动态建模,喷氨控制,NOx,氨逃逸,MW,亚临界,燃煤锅炉,历史运行数据,MLP,系统模型,测试集,均方误差,阀门开度,阶跃变化,浓度响应,控制器设计,设计与优化
AB值：
0.349259
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
