买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：南京工业大学

摘要：本发明提供了一种基于BMO‑LSSVM的火电厂SCR烟气脱硝控制系统的优化控制方法，包括如下步骤：Step1：动态采集包含SCR烟气脱硝系统模型的输入指标输出指标；Step2：对样本数据集进行去燥处理和归一化处理，分成训练集和测试集：Step3：建立LSSVM模型，以训练集LSSVM模型进行训练；Step4：使用BMO对LSSVM模型的核函数参数和惩罚系数进行寻优，并将获得的最优核函数参数σ以及惩罚系数C赋给LSSVM模型，得到BMO‑LSSVM模型；Step5：用训练集P01对BMO‑LSSVM模型进行训练；Stsp6：利用测试集检验，若超出设定的阈值，则重复Step4‑6；Step7：根据预测结果，及时调整SCR反应器出口的NOx浓度。本申请在保证脱硝效率的前提下，以解决现火电厂SCR脱硝出口NOx浓度波动过大，且短时刻时有超出最低排放标准的现象的问题。

主权项：1.一种基于BMO-LSSVM的火电厂SCR烟气脱硝控制系统的优化控制方法，其特征在于，包括如下步骤：Step1：动态采集包含SCR烟气脱硝系统模型的输入指标X和输出指标Y的样本数据集XYX，Y，动态收集的间隔时间为t；Step2：对样本数据集XYX，Y进行去噪处理，形成去噪数据集P，对去噪数据集P进行归一化处理形成归一化数据集P0，将归一化数据集P0分成训练集P01和测试集记为P02；Step3：建立LSSVM模型，以训练集P01对LSSVM模型进行训练，得到基于LSSVM的SCR烟气脱硝控制系统；Step4：使用BMO对LSSVM模型的核函数参数σ和惩罚系数C进行寻优，并将获得的最优核函数参数σ以及惩罚系数C赋给LSSVM模型，得到BMO-LSSVM模型；Step5：用训练集P01对BMO-LSSVM模型进行训练，得到基于BMO-LSSVM的SCR烟气脱硝控制模型；Stsp6：利用测试集P02对基于BMO-LSSVM的SCR烟气脱硝控制模型的预测效果进行检验，若SCR反应器出口NOx浓度的预测值与实际值之间的误差在设定的阈值内，将基于BMO-LSSVM的SCR烟气脱硝控制模型用于优化SCR烟气脱硝控制系统，若超出设定的阈值，则重复Step4-6；Step7：根据预测的SCR反应器出口NOx浓度y获取最佳喷氨控制量，及时调整SCR反应器出口的NOx浓度。

全文数据：

权利要求：

百度查询： 南京工业大学 一种基于BMO-LSSVM的火电厂SCR烟气脱硝控制系统的优化控制方法