能源知識庫

重點摘述

本研究利用國內某化工廠所提供的製程廢氣燃燒爐現場運轉數據，建構出一套智能控制模型，藉由監督式學習的方式( Supervised Learning )使數據集中，並採用迴歸分析的方法建立模型來對蒸汽量與後端煙氣排放組成(O₂、NO_x、CO與SO_x)等特徵進行預測。研究程序分為資料清洗、特徵工程、模型建立、模型預測以及模型驗證等五個階段。在資料清洗階段，異常數據會被排除以提升數據的純度；在特徵工程階段，透過資料分布及觀察統計數據的資料型態來決定對於離群值(Outlier)的處理方式，並執行關聯性分析，探討特徵彼此間的線性相關程度；在模型建立方面，本研究選用神經網路(neural networks)、廣義加性模型(Generalized Additive Model)、隨機森林(Random Forest)及多元適應性雲形迴歸 (Multivariate Adaptive Regression Splines)等四種模型，最後，通過四種不同模型的比較結果篩選出準確度最佳的模型，以達到具備精準預測特徵值的能力，並針對此模型來進行燃燒爐操作參數優化，達成提升燃燒爐燃燒效能之目的。