[發明專利]一種基于LSSVM的在線NOx預測方法

有效

• 申請號: 201811237111.9
• 申請日: 2018-10-23
• 公開（公告）號: CN109508818B
• 公開（公告）日: 2022-10-25
• 發明（設計）人: 宮立江;張揚
• 申請（專利權）人: 保定正德電力技術有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06K9/62
• 代理公司: 北京中海智圣知識產權代理有限公司 11282
• 代理人: 楊樹芬

本發明公開了一種基于LSSVM的在線NOx預測方法，包括以下步驟：1、使用歷史數據建立基于LSSVM的離線NOx預測模型；2、建立一個滑動數據窗口；3、計算在線更新預測模型中樣本的個體預測誤差；4、獲取新的數據并輸入在線更新預測模型和滑動窗口中；5、計算滑動窗口中的總體預測誤差與個體預測誤差；6、當總體預測誤差超過閾值ε，轉至步驟7；否則轉至步驟4；7、使用滑動窗口中個體預測誤差超過閾值的數據頂替在線更新預測模型樣本中依次最小的拉格朗日值的原數據；8、重新建立在線更新預測模型，轉到步驟3。本發明的優越效果是保證了計算機的穩定運行；降低了計算成本且在線更新預測模型能夠同時滿足實時性和預測精度的要求。

技術領域

本發明屬于發電廠技術領域，尤其涉及一種基于LSSVM的在線NOx預測方法。

背景技術

燃煤發電是NOx的主要來源，目前，世界各國嚴格控制NOx的排放濃度。特別是中國的NOx排放濃度限制在50mg/m3是美國的一半，因此，對燃煤機組進行NOx監測、控制NOx排放濃度是十分必要的，也是當務之急。

經檢索，目前正在廣泛使用的測量設備是煙氣自動監控系統(CEMS)存在許多缺點，CEMS需要定期的離線維護，成本相對較高，但這仍不能保證在實際運行中其測量值是始終精確有效。CEMS的另一個缺點是它需要較長的測量時間，因此導致控制系統難以使用滯后的CEMS測量值來控制NOx排放。為了克服上述缺點，近年來，提出了基于數據驅動的間接測量模型。這種方法也被稱為軟測量，該名稱來自于與基于硬件的測量相比，測量方法的差異。特別是在軟測量中，基于人工智能技術的模型是目前最有效的模型，例如人工神經網絡(ANN)和支持向量機(SVM)。這類模型也被稱為黑箱模型，它們不需要關于燃煤鍋爐機理的基本知識，但是，這些方法需要相當多的數據來建立和訓練模型。在過去，由于缺乏數據，黑箱模型是很難完成的，但隨著分布式控制系統(DCS)在火電機組的應用，現在大量的運行數據被記錄并存儲在數據庫中，可用于構建數據驅動黑箱模型。

SVM是一種基于統計學習理論的機器學習算法，其思想是通過非線性映射將輸入數據映射到高維空間并進行回歸。因此，SVM被廣泛用于模式分類和回歸估計。但是，SVM算法涉及相對復雜的計算。為了解決這個問題，Suykens在1999年提出了基于SVM的最小二乘支持向量機(LSSVM)。其本質為將二次規劃問題轉化為求解線性方程組，從而加速問題求解，提高了計算的收斂性?，F在，LSSVM已被廣泛應用于可靠性分析、時間序列預測的相關領域。在實際應用中，雖然LSSVM能夠較好地擬合歷史數據，但由于缺乏在線學習能力，泛化能力在很大程度上依賴于初始建模樣本選擇，同時如何提高支持向量的稀疏性并降低復雜度仍然是一個權衡問題。

發明內容

本發明針對上述現有技術的缺點，提出一種基于LSSVM的在線NOx預測方法，本發明所述方法包括以下步驟：

步驟1、使用歷史數據建立基于LSSVM的離線NOx預測模型：

步驟1.1、使用電廠的歷史數據并對歷史數據進行分析處理，SCR入口NOx即為SCR反應器入口NOx的測量值，輔助變量為：煙氣含氧量、總風量、總煤量、機組負荷、磨煤機(A～F)風煤比、爐膛中心溫度；磨煤機(A～F)風煤比為進入磨煤機的冷風和熱風與煤的比值，其中(A～F)則是從A到F的5臺磨煤機，SCR(Selective Catalytic Reduction)即為選擇性催化還原技術；

步驟1.2、樣本優化：使用基于相似度函數的方法，當兩個樣本之間的歐式距離小的情況下，兩個樣本將會被認定為是重復樣本；反之，則會認定為是非重復樣本，當產生的重復的樣本就舍棄一個重復的樣本并對全部的訓練樣本進行優化，原始數據中的數據量大且存在冗余數據即重復數據，通過樣本優化的方法將冗余數據提出并得到的新數據則能代表之前的原始數據；

選擇相似度函數：