灵活性深度调峰下锅炉NOx排放的神经网络方法预报

摘要：利用MATLAB软件中自带的神经网络算法模块对经典文献所载数据和方法进行了校核。在该方法的基础上,将某330MW机组在深度调峰期间低负荷下的运行数据作为已知数据,就地实测的选择性催化还原技术(SCR)入口NOx排放值作为输出值,采用经典的Levenberg-Marquardt训练算法,建立了神经网络训练模型。训练结果表明,输出值和目标值的拟合R值接近0.98,MATLAB软件自带的神经网络算法可以预报SCR入口NOx的排放值,实现了在深度调峰低负荷运行期间达到降低试验工作量、减少试验成本的目的。