[發(fā)明專利]一種基于LSSVM的在線NOx預(yù)測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201811237111.9
• 申請(qǐng)日: 2018-10-23
• 公開(kāi)（公告）號(hào): CN109508818B
• 公開(kāi)（公告）日: 2022-10-25
• 發(fā)明（設(shè)計(jì)）人: 宮立江;張揚(yáng)
• 申請(qǐng)（專利權(quán)）人: 保定正德電力技術(shù)有限公司
• 主分類號(hào): G06Q10/04
• 分類號(hào): G06Q10/04;G06Q50/06;G06K9/62
• 代理公司: 北京中海智圣知識(shí)產(chǎn)權(quán)代理有限公司 11282
• 代理人: 楊樹(shù)芬

1.一種基于LSSVM的在線NOx預(yù)測(cè)方法，其特征在于，包括以下步驟：

步驟1、使用歷史數(shù)據(jù)建立基于LSSVM的離線NOx預(yù)測(cè)模型：

步驟1.1、使用電廠的歷史數(shù)據(jù)并對(duì)歷史數(shù)據(jù)進(jìn)行分析處理，SCR入口NOx即為SCR反應(yīng)器入口NOx的測(cè)量值，輔助變量為：煙氣含氧量、總風(fēng)量、總煤量、機(jī)組負(fù)荷、磨煤機(jī)風(fēng)煤比、爐膛中心溫度；磨煤機(jī)風(fēng)煤比為是進(jìn)入磨煤機(jī)的冷風(fēng)和熱風(fēng)與煤的比值；

步驟1.2、樣本優(yōu)化：使用基于相似度函數(shù)的方法，當(dāng)兩個(gè)樣本之間的歐式距離小的情況下，兩個(gè)樣本將會(huì)被認(rèn)定為是重復(fù)樣本；反之，則會(huì)認(rèn)定為是非重復(fù)樣本；當(dāng)產(chǎn)生的重復(fù)的樣本就舍棄一個(gè)重復(fù)的樣本并對(duì)全部的訓(xùn)練樣本進(jìn)行優(yōu)化，原始數(shù)據(jù)中的數(shù)據(jù)量大且存在很多冗余數(shù)據(jù)即多余的重復(fù)數(shù)據(jù)，通過(guò)樣本優(yōu)化的方法將冗余數(shù)據(jù)提出并得到的新數(shù)據(jù)則能代表之前的原始數(shù)據(jù)；

步驟2、建立一個(gè)滑動(dòng)數(shù)據(jù)窗口，由式(9)計(jì)算的總預(yù)測(cè)誤差來(lái)確定在線更新預(yù)測(cè)模型參數(shù)是否更新；

步驟3、計(jì)算在線更新預(yù)測(cè)模型中樣本的個(gè)體預(yù)測(cè)誤差，定義預(yù)測(cè)誤差為預(yù)測(cè)值和實(shí)際值之間的偏差：

上式中，y_i為i時(shí)刻的實(shí)際值，為i時(shí)刻的預(yù)測(cè)值，e_i為i時(shí)刻的預(yù)測(cè)誤差；

步驟4、獲取新的數(shù)據(jù)并輸入在線更新預(yù)測(cè)模型和滑動(dòng)窗口中，舊數(shù)據(jù)從滑動(dòng)窗口刪除；

步驟5、計(jì)算滑動(dòng)窗口中的總體預(yù)測(cè)誤差與個(gè)體預(yù)測(cè)誤差，在線更新預(yù)測(cè)模型總預(yù)測(cè)誤差為：

其中，上式中，m為在線更新預(yù)測(cè)模型訓(xùn)練樣本數(shù)量；總體預(yù)測(cè)誤差用于決定在線更新預(yù)測(cè)模型是否需要更新；

步驟6、當(dāng)總體預(yù)測(cè)誤差超過(guò)閾值ε，轉(zhuǎn)至步驟7；否則轉(zhuǎn)至步驟4；

步驟7、使用滑動(dòng)窗口中個(gè)體預(yù)測(cè)誤差超過(guò)閾值的數(shù)據(jù)頂替在線更新預(yù)測(cè)模型樣本中依次最小的拉格朗日值的原數(shù)據(jù)；若總預(yù)測(cè)誤差大于閾值ε需要更新時(shí)，插入滑動(dòng)窗口中誤差大于閾值的n組訓(xùn)練樣本，刪除拉格朗日值即公式5中的最小的n組訓(xùn)練樣本，更新在線更新預(yù)測(cè)模型參數(shù)，生成新的在線更新預(yù)測(cè)模型以避免刪除訓(xùn)練數(shù)據(jù)中的重要樣本；

步驟8、重新建立在線更新預(yù)測(cè)模型，轉(zhuǎn)到步驟3。

2.根據(jù)權(quán)利要求1所述的一種基于LSSVM的在線NOx預(yù)測(cè)方法，其特征在于，所述步驟1.2中，選擇相似度函數(shù)：

exp為以e為底的指數(shù)，e是自然常數(shù)，

其中，x_i∈Rⁿ,i＝1,2,3,…l，n為樣本的特征維數(shù)，l為樣本的個(gè)數(shù)，歸一化參數(shù)是δ，向量二范數(shù)為||·||₂，第i個(gè)樣本點(diǎn)和第j個(gè)樣本點(diǎn)之間的相似度值用F_ij表征，R為實(shí)域。

3.根據(jù)權(quán)利要求1所述的一種基于LSSVM的在線NOx預(yù)測(cè)方法，其特征在于，所述步驟1.2中，針對(duì)樣本的數(shù)據(jù)信息，選擇整體的歸一化參數(shù)δ，計(jì)算公式如下：

其中，C_i作為選擇樣本中的第i個(gè)特征的值，n是選擇樣本特征的維數(shù)；

當(dāng)兩個(gè)樣本的相似度越接近1，則說(shuō)明兩個(gè)樣本值越接近，則兩個(gè)樣本會(huì)含有很多相同的數(shù)據(jù)，這樣就會(huì)造成數(shù)據(jù)冗余，從而加大了計(jì)算量，使得計(jì)算時(shí)間變長(zhǎng)，所以選擇舍棄一組樣本數(shù)據(jù)；

存在訓(xùn)練集其中x_k∈R^d，y_k∈R^d，d是為輔助變量的數(shù)量，支持向量機(jī)的從k＝1到n的訓(xùn)練集。