一种基于模型融合的火电厂锅炉NOx排放预测方法

本发明涉及锅炉燃烧与污染物控制技术领域，具体涉及一种基于模型融合的火电厂锅炉NOx排放预测方法。本发明方法首先基于NOx生成机理建立锅炉炉膛出口NOx生成机理模型，采用De Soete模型，其次基于粒子群算法优化的长短时记忆神经网络LSTM建立火电厂锅炉炉膛出口NOx生成数据驱动模型，然后将机理模型（物理方程）与数据驱动模型（LSTM）结合，利用机理模型的物理可解释性弥补数据驱动模型的黑箱缺陷，同时利用数据驱动的动态适应性优化机理模型的静态误差。相比单一模型，融合模型在变工况、数据稀疏或噪声干扰下具有更高的鲁棒性和预测精度。