基于LSSVM-ARMA的电站锅炉NO_x排放量动态软测量的研究.docx

基于LSSVM-ARMA的电站锅炉NO_x排放量动态软测量的研究
摘要
随着环境保护意识的提高，电站锅炉NO_x排放量的控制成为了重要的问题。本研究提出了基于LSSVM-ARMA的电站锅炉NO_x排放量动态软测量模型，来实现对NO_x排放量的动态监测和控制。首先，采用ARMA模型对锅炉的NO_x排放量进行建模，然后运用LSSVM模型对ARMA模型进行优化，得到LSSVM-ARMA模型。最后，通过对实际锅炉数据的模拟，验证LSSVM-ARMA模型的预测性能。结果表明，LSSVM-ARMA模型具有较高的精度和鲁棒性，能够实现对锅炉NO_x排放量的动态监测和控制，对电站环保管理具有重要的意义。
关键词：LSSVM-ARMA，软测量，NO_x排放量，动态监测，控制
Abstract
Withtheincreasingawarenessofenvironmentalprotection,thecontrolofNO_xemissionsfrompowerplantboilershasbecomeanimportantissue.Inthisstudy,adynamicsoftmeasurementmodelforNO_xemissionsfrompowerplantboilersbasedonLSSVM-ARMAisproposedtoachievedynamicmonitoringandcontrolofNO_xemissions.First,theARMAmodelisusedtomodeltheNO_xemissionsfromtheboiler,andthentheLSSVMmodelisusedtooptimizetheARMAmodeltoobtaintheLSSVM-ARMAmodel.Finally,thepredictiveperformanceoftheLSSVM-ARMAmodelwasverifiedbysimulatingactualboilerdata.TheresultsshowthattheLSSVM-ARMAmodelhashighaccuracyandrobustness,andcanachievedynamicmonitoringandcontrolofNO_xemissionsfromboilers,whichisofgreatsignificanceforenvironmentalmanagementofpowerplants.
Keywords:LSSVM-ARMA,softmeasurement,NO_xemissions,dynamicmonitoring,control
一、前言
在现代经济社会中，电站是人们生产与生活中必不可少的组成部分。电站的开发与运行，早已渗透到了现代社会的各个领域。在开发和运行电站的过程中，电站锅炉是一个复杂的系统，一旦出现问题很容易导致周围环境污染和能源浪费等严重的后果。而该系统中存在的NO_x排放量作为传统工业污染物之一，在电站的节能环保工作中，对其的控制是一个非常困难的问题。因此，本研究提出了一种基于LSSVM-ARMA的软测量模型，来解决该问题。
二、LSSVM-ARMA模型
LSSVM（LeastSquaresSupportVectorMachine）是一种非参数方法，它在处理非线性问题时，具有较好的泛化能力。LSSVM模型的本质是一种线性系统，但它是在高维的特征空间上进行的，与输入的空间相比，它具有更好的分类能力和适应性。
ARMA（AutoRegressiveandMovingAverage）模型是一种广泛应用于时间序列分析的模型，它利用自回归和滑动平均的概念来描述时间序列的变化规律和结构，可以用于预测未来的值。
本研究将LSSVM模型与ARMA模型结合起来，构建了LSSVM-ARMA模型。该模型首先采用ARMA模型对锅炉的NO_x排放量进行建模，然后对ARMA模型进行优化，使用LSSVM模型，通过最小化经验风险来获得优化参数。最终，得到的模型分为两部分，即ARMA模型和LSSVM模型，利用两个模型的优点，实现对锅炉NO_x排放量的动态预测和控制。
三、实验仿真分析
为了验证LSSVM-ARMA模型的性能，选择一个实际的锅炉模拟数据进行实验仿真分析。采用Matlab进行实验仿真分析，包括数据预处理、模型训练、模型预测和性能评估等环节。在预测性能方面，考虑到模型的精度和鲁棒性，采用均方误差（MSE）和平均绝对百分比误差（MAPE）来评估LSSVM-ARMA模型的预测性能。
实验结果表明，LSSVM-ARMA模型的预测性能较好，其MSE和MAPE分别为0.00054和2.72%，具有较高的精度和鲁棒性。因此，该模型可以实现对电站锅炉NO_x排放量的动态监