调峰燃煤机组选择性催化还原烟气脱硝的建模预测优化

调峰燃煤机组的运行对选择性催化还原烟气脱硝(SCR-DeNO_x)系统的性能提出了新的挑战。通过比较BP神经网络(BP)算法和遗传算法优化BP(GABP)算法的直接模型和间接模型,得到出口NO_x浓度和氨逃逸浓度预测的最佳模型。结果表明,对出口NO_x浓度和氨逃逸浓度预测的最佳模型均为GABP算法的间接模型。该模型不仅精度高,可以适应不同的负荷,而且可以同时预测出口NO_x浓度和氨逃逸浓度。对出口NO_x浓度预测的相对误差均在±10%以内,均方根误差和平均绝对百分比误差分别仅为2.76mg/m3和4.49%;对氨逃逸浓度预测的相对误差基本都在±50%以内,均方根误差和平均绝对百分比误差分别为0.13mg/m3和24.29%。