[發(fā)明專利]基于LSTM深度學(xué)習(xí)的燃機(jī)NOx超標(biāo)預(yù)警方法與裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 201910806972.2
• 申請(qǐng)日: 2019-08-29
• 公開(kāi)（公告）號(hào): CN110618610A
• 公開(kāi)（公告）日: 2019-12-27
• 發(fā)明（設(shè)計(jì)）人: 俞利鋒;李勇輝;方繼輝
• 申請(qǐng)（專利權(quán)）人: 杭州華電江東熱電有限公司
• 主分類號(hào): G05B13/04
• 分類號(hào): G05B13/04
• 代理公司: 37268 濟(jì)南瑞宸知識(shí)產(chǎn)權(quán)代理有限公司
• 代理人: 徐健

本發(fā)明屬于電廠安全控制系統(tǒng)領(lǐng)域，尤其涉及一種基于LSTM深度學(xué)習(xí)的燃機(jī)NOx超標(biāo)預(yù)警方法與裝置。本專利在于將LSTM預(yù)測(cè)模型應(yīng)用于燃機(jī)NOx預(yù)測(cè)，由于NOx的排放需要收到多種因素的影響，主要是煙氣溫度、燃?xì)獾牟煌约把趿康纫蛩亍Ｒ虼?，這些因素通過(guò)一系列反應(yīng)經(jīng)過(guò)相關(guān)設(shè)備最終導(dǎo)致NOx排放一般有有一段時(shí)間，通過(guò)實(shí)時(shí)模型計(jì)算，如果發(fā)現(xiàn)NOx含量值到達(dá)50ppm則可用提前發(fā)出污染預(yù)測(cè)，提前制定減排措施，做到NOx排放的智能監(jiān)控，提前預(yù)警。利用LSTM方法對(duì)原始數(shù)據(jù)進(jìn)行處理，可以自適應(yīng)找出與NOx排放相關(guān)聯(lián)的特征參數(shù)，避免傳統(tǒng)機(jī)器學(xué)習(xí)方法人工選擇特征帶來(lái)的遺漏或錯(cuò)誤本發(fā)明采集數(shù)據(jù)量大，分析誤差小，預(yù)警結(jié)果準(zhǔn)確率高。

技術(shù)領(lǐng)域

本發(fā)明屬于電廠安全控制系統(tǒng)領(lǐng)域，尤其涉及一種基于LSTM深度學(xué)習(xí)的燃機(jī)NOx超標(biāo)預(yù)警方法與裝置。

背景技術(shù)

現(xiàn)有技術(shù)中，對(duì)于燃?xì)廨啓C(jī)異常的檢測(cè)方法大致可以劃分為兩類。一類是采用機(jī)理模型的方法，通過(guò)基于氣體的熱力學(xué)性質(zhì)和熱力學(xué)原理建立物理模型，并用該模型計(jì)算燃?xì)廨啓C(jī)的各項(xiàng)KPI指標(biāo)，并與實(shí)測(cè)值進(jìn)行對(duì)比。如果實(shí)測(cè)值與理論值有較大偏差，則認(rèn)為燃?xì)廨啓C(jī)存在異常。機(jī)理模型的主要問(wèn)題在于運(yùn)用物理學(xué)原理建立分析模型時(shí)，存在大量的前提假設(shè)和簡(jiǎn)化條件，不適合真實(shí)情況下的復(fù)雜系統(tǒng)。

隨著設(shè)備運(yùn)行過(guò)程中獲得的設(shè)備檢測(cè)數(shù)據(jù)越來(lái)越多樣和設(shè)備自身結(jié)構(gòu)以及運(yùn)行環(huán)境的越來(lái)越復(fù)雜，充分理解設(shè)備的運(yùn)行機(jī)理并且提取設(shè)備故障狀態(tài)相關(guān)的數(shù)據(jù)特征難度越來(lái)越高，為此另一類異常檢測(cè)技術(shù)嘗試運(yùn)用數(shù)據(jù)分析和機(jī)器學(xué)習(xí)的方法來(lái)建立數(shù)理模型，自動(dòng)化、智能化的尋找數(shù)據(jù)特征與異常模式之間的映射關(guān)系，提升異常檢測(cè)方法的準(zhǔn)確性。常用的機(jī)器學(xué)習(xí)方法包括模糊邏輯、支持向量機(jī)(SVM)、人工神經(jīng)網(wǎng)絡(luò)等等。機(jī)器學(xué)習(xí)的方法能夠充分挖掘信息本身的數(shù)據(jù)，最大程度的實(shí)現(xiàn)數(shù)據(jù)驅(qū)動(dòng)，減少人為干預(yù)。然而，由于燃?xì)廨啓C(jī)在火電得以應(yīng)用的時(shí)間較短，故障類型復(fù)雜多樣且重復(fù)案例較少，故障機(jī)理難以充分理解，導(dǎo)致了很難準(zhǔn)確的抽取并定義用于異常檢測(cè)的相關(guān)特征，難以保證異常檢測(cè)的準(zhǔn)確性。

中國(guó)專利申請(qǐng)201410677543.7本發(fā)明公開(kāi)了一種基于神經(jīng)網(wǎng)絡(luò)的燃煤機(jī)組氮氧化物排放濃度預(yù)測(cè)方法，先對(duì)燃煤機(jī)組的關(guān)鍵運(yùn)行參數(shù)機(jī)組負(fù)荷、SCR入口NOx折算濃度、SCR入口煙氣溫度、噴氨流量、排口NOx折算濃度進(jìn)行預(yù)處理，然后建立BP神經(jīng)網(wǎng)絡(luò)，將機(jī)組負(fù)荷、SCR入口NOx折算濃度、SCR入口煙氣溫度、噴氨流量作為輸入值，將排口NOx折算濃度作為輸出值，得到燃煤機(jī)組氮氧化物排放濃度預(yù)測(cè)值。本發(fā)明極大地降低了工作人員的工作量，降低了維護(hù)成本。其存在的不足是選取的特征為與輸出測(cè)點(diǎn)NOx含量有明顯關(guān)聯(lián)性的參數(shù)，需要對(duì)建模的輸入選擇關(guān)鍵的影響因素特征，如負(fù)荷、NOx入口濃度、SCR入口煙氣溫度等，且該申請(qǐng)是針對(duì)燃煤機(jī)組的，其檢測(cè)數(shù)據(jù)值較大，預(yù)測(cè)誤差較大，對(duì)后續(xù)控制有較大影響。

發(fā)明內(nèi)容

針對(duì)現(xiàn)有技術(shù)存在的問(wèn)題，本發(fā)明提供了一種針對(duì)燃?xì)鈾C(jī)組的誤差小、準(zhǔn)確率高的基于LSTM深度學(xué)習(xí)的燃機(jī)NOx超標(biāo)預(yù)警方法，以及利用該方法的裝置。

本發(fā)明是這樣實(shí)現(xiàn)的，一種基于LSTM深度學(xué)習(xí)的燃機(jī)NOx超標(biāo)預(yù)警方法，其特征在于：包括以下步驟：

步驟一：獲取燃機(jī)歷史運(yùn)行數(shù)據(jù)，并對(duì)歷史數(shù)據(jù)進(jìn)行預(yù)處理；

步驟二：根據(jù)預(yù)處理后的歷史數(shù)據(jù)劃分模型訓(xùn)練集與測(cè)試集，并以訓(xùn)練集為基礎(chǔ)，構(gòu)造NOx排放為輸出的LSTM預(yù)測(cè)模型；

步驟三：利用測(cè)試集數(shù)據(jù)輸入到燃機(jī)NOx排放模型，對(duì)比NOx排放實(shí)際值與預(yù)測(cè)值偏差是否在合理范圍內(nèi)，并判斷模型是否有效；若無(wú)效則進(jìn)行步驟四；若有效滿足則保存模型結(jié)束；

步驟四：調(diào)節(jié)LSTM的網(wǎng)絡(luò)層數(shù)、學(xué)習(xí)率等超參數(shù)，調(diào)節(jié)后重新利用訓(xùn)練數(shù)據(jù)進(jìn)行建模預(yù)測(cè)，直到NOx預(yù)測(cè)值與實(shí)際值偏差在合理范圍內(nèi)；

步驟五：利用LSTM預(yù)測(cè)模型對(duì)實(shí)時(shí)數(shù)據(jù)進(jìn)行預(yù)測(cè)，當(dāng)NOx含量達(dá)到50ppm時(shí)，提前發(fā)出NOx環(huán)保預(yù)警。

其中優(yōu)選方案是：