张 健，顾晨恺，李瑞阳，金 晶

(上海理工大学 能源与动力工程学院，上海 200093)

0 引言

我国燃煤工业锅炉的设计效率一般为72%～84%，但实际热效率远低于这个值，造成了低效高污染的情况，能源浪费十分严重[1]。燃煤工业锅炉除了运行效率低外，还有烟气中的污染物排放问题。当前燃煤工业锅炉烟气处理技术对于二氧化硫排放已经得到很好的控制，但对于氮氧化物的生成控制技术还有待提高[2-3]。目前我国的绝大部分燃煤工业锅炉为达到大气污染物排放标准，一般采用低氧燃烧技术，从而牺牲部分锅炉热效率来满足NOx排放指标，因此锅炉热效率与NOx排放之间的耦合性对锅炉品质评价具有重要意义。

朱跃[4]通过某电厂600 MW燃煤锅炉进行燃烧调整试验研究，以排烟和固体未完全燃烧热损失为目标对象，利用改进的BP神经网络构建了燃煤成分、燃煤粒径、过量空气系数和排烟温度等各因素与目标对象的预测模型，但运行精度尚不能满足实时在线计算锅炉热效率的目的。李茹萍和王科[5-6]等在数值模拟方面对燃烧热效率和氮氧化物的预测进行了研究，但都存在计算过程费时、很难精准预测的问题。周昊和梁怀涛等[7-8]将人工神经网络引入NOx与热效率的预测和优化研究中。近年来对于锅炉热效率与NOx排放的预测模型也越来越多，其中包括长短时记忆(LSTM) 神经网络、广义回归神经网络、深度置信神经网络、卷积神经网络等[9-15]；杨青认为LSTM神经网络在预测变工况运行时具有较高的准确性；……