决策树在控制氮氧化物排放量中的应用

氮氧化物是造成大气污染的主要因素之一,近年来随着我国对治理环境污染意识的逐步增强,有关氮氧化物的排放问题日益受到重视。根据联合国环境规划署对于“能源规划中综合考虑环境因素”研究的初步估算,我国氮氧化物的排放量约有近70%来自于煤炭的直接燃烧。而我国的产煤主要用于火力发电,据统计,火力发电厂燃煤量占全国煤炭消耗总量的50%左右。因此,如何找到影响氮氧化物排放量的因素,并将排放量控制在标准范围内是火力发电厂需要考虑的问题。

火力发电系统主要由燃烧系统,汽水系统,电气系统,控制系统等组成,涉及的数据变量值众多。在分析影响氮氧化物排放量的因素之前,因先对这些数据有个大致的了解,哪些值是可以现场调整的(如给煤量,磨煤机出口温度,过热器减温水流量等),哪些值是中间变量(如磨煤机压差,引风机出入口压力等),而哪些值是有环境决定的(如送风机入口风温等)。将可以现场调整的变量值应用于建立决策树模型,帮助了解具有某些特征值的氮氧化物排放量是否超标,以便可以通过调整这些特征值来控制氮氧化物的排放量。

决策树是一种用树形结构来表现数据各变量影响程度的预测模型,一般都是自上而下来生成的,每个决策或事件都可能引出两个或多个事件,导致不同的结果,利用树上各级节点的分支自动确认和评估各个类别。

newchan

下图是为某发电厂建立的决策树模型结果的部分分支图,可以看到当现场可以调整的变量值A15>106且A14>79时,将会导致氮氧化物排放量超标。所以,可以通过调整A15和A14分别不超过106和79,从而将氮氧化物排放量控制在标准范围内。此外,该决策树模型在判别氮氧化物超标的准确率为83%。

newchan

影响氮氧化物排放量超标的因素有许多,而决策树不失为一种有效数据挖掘方法。通过建立决策树模型,可以帮助了解哪些因素起了重要作用,如何通过调整这些重要因素来避免氮氧化物排放量的超标。

Chinese, Simplified(简体中文)