基于时空注意力图卷积网络的锅炉NOx预测方法
周永清1
郝大伟2
樊昱晨1
温昕彤2
韦昌1
刘欣3
张文振3
王赫阳1
1.天津大学机械工程学院,天津 3000002.国能三河发电有限责任公司,河北廊坊 0652013.天津大学机械工程学院,天津 300000;烟台龙源电力技术股份有限公司,山东烟台 264000
摘要：在可再生能源大规模并网背景下,火电机组的调峰运行大幅增加了锅炉NOx排放控制的难度.锅炉NOx排放的实时预测,对于指导火电机组调峰工况下的高效、清洁运行具有重要意义.CFD计算方法涉及多个物理场的耦合迭代计算,计算量巨大,难以实时地建立锅炉运行参数与NOx排放质量浓度之间复杂的非线性映射关系.随着大数据分析和人工智能技术的快速发展,数据驱动建模为锅炉NOx的实时预测与控制提供了新方法.锅炉调峰运行状态下的运行数据具有明显的时序特征,同时亦存在着复杂的空间关联特征.然而,目前所普遍采用的深度神经网络等方法无法有效地识别运行数据的时-空关联特征,因此限制了其准确预测NOx排放的能力.针对上述问题,提出一种基于时空注意力图卷积网络(AST-GCN)的锅炉NOx预测模型.该模型不仅可以在空间维度挖掘运行参数间的关联特征,还能捕捉历史运行数据与NOx排放质量浓度的动态映射关系.此外,模型中所嵌入的注意力机制能够进一步提高对运行数据中时空相关特征的动态提取能力,并增加了模型的可解释性,从而可用于指导锅炉在调峰运行下对关键运行参数的优化调整.基于某 600 MW锅炉实际运行数据的预测结果表明,相较于传统神经网络模型,AST-GCN模型由于可有效提取锅炉运行参数间的空间关联与时序动态特性,显著提升了模型的预测精度和泛化性能.
关键词：NOx排放注意力机制时序图神经网络燃煤锅炉优化调整
分类号：X773(动力工业污染、废物处理与综合利用)TP183(自动化基础理论)
论文发表日期：2024-10-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：11( 4127-4137 )
英文信息