[發(fā)明專利]一種煙氣SCR脫硝系統(tǒng)不良數(shù)據(jù)辨識方法

在審

• 申請?zhí)枺?/td>: 202010900256.3
• 申請日: 2020-08-31
• 公開（公告）號: CN112016250A
• 公開（公告）日: 2020-12-01
• 發(fā)明（設(shè)計）人: 陸強;馬善為;曲艷超;陳晨;吳洋文;張鎮(zhèn)西;徐明新
• 申請（專利權(quán)）人: 華北電力大學
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06N3/04;G06N3/08
• 代理公司: 北京中濟緯天專利代理有限公司 11429
• 代理人: 陸薇薇

本發(fā)明提出一種基于BP神經(jīng)網(wǎng)絡(luò)預測和辨識不良數(shù)據(jù)的方法。針對從SCR脫硝系統(tǒng)獲取的原始數(shù)據(jù)樣本，通過構(gòu)建BP神經(jīng)網(wǎng)絡(luò)并進行學習訓練，然后從原始樣本隨機抽樣進行預測和檢驗，計算樣本BP神經(jīng)網(wǎng)絡(luò)預測值與真實值的相對誤差，篩選相對誤差較大的樣本添加至不良樣本集。重復執(zhí)行上述過程直至滿足一定要求。統(tǒng)計不良樣本集中取值相同樣本的出現(xiàn)頻次，將出現(xiàn)頻次超過預設(shè)值的樣本標記為不良樣本。剔除不良樣本重新構(gòu)建并訓練BP神經(jīng)網(wǎng)絡(luò)，對剔除的不良樣本進行檢驗，若誤差超過一大值則確定為不良數(shù)據(jù)，若誤差小于一小值，則重新將此樣本歸結(jié)為正常數(shù)據(jù)，其余情況重構(gòu)神經(jīng)網(wǎng)絡(luò)重新檢驗，直至完成所有不良樣本校驗，從而確保不良樣本辨識的準確性。

技術(shù)領(lǐng)域

本發(fā)明屬于氮氧化物治理領(lǐng)域，具體涉及一種煙氣SCR脫硝系統(tǒng)不良數(shù)據(jù)辨識方法。

背景技術(shù)

隨著經(jīng)濟社會的發(fā)展，氮氧化物的排放所造成的嚴重大氣污染問題逐漸受到國內(nèi)外的重視，對燃煤電廠、鋼鐵冶煉、水泥加工等行業(yè)的煙氣污染物排放控制日益嚴格，煙氣氮氧化物脫除日益普及。目前，國內(nèi)外普遍采用選擇性催化還原（SCR）進行煙氣脫除以滿足環(huán)保排放要求。在SCR脫硝系統(tǒng)的設(shè)計和運行過程中會形成大量數(shù)據(jù)包括系統(tǒng)組成、催化劑設(shè)計、煙氣運行工況等，通過對這些數(shù)據(jù)的采樣、收集和分析不僅可以輔助SCR脫硝系統(tǒng)的設(shè)計，同時對于SCR脫硝系統(tǒng)的穩(wěn)定運行和優(yōu)化具有重要意義。然而，由于數(shù)據(jù)檢測、統(tǒng)計、傳遞等過程中存在的不可控因素，樣本中往往存在一些不良數(shù)據(jù)，嚴重影響分析結(jié)果的準確性。因此，如何對不良數(shù)據(jù)進行辨識和剔除是SCR脫硝系統(tǒng)優(yōu)化設(shè)計中不可避免的問題。

不良數(shù)據(jù)辨識與處理一直有學者進行研究，也提出了很多相關(guān)辨識方法，傳統(tǒng)的不良數(shù)據(jù)辨識方法主要包括零殘差法、新息圖法、估計辨識法和非二次準則法等，這些方法都具有一定局限性且大多數(shù)應用于電力系統(tǒng)領(lǐng)域。隨著數(shù)據(jù)挖掘技術(shù)、機器學習和人工智能領(lǐng)域的發(fā)展，不良數(shù)據(jù)辨識取得了新的進展。中國專利申請CN201810059612.6和中國專利申請CN201811440318.6分別提出了基于BP神經(jīng)網(wǎng)絡(luò)和改進BP神經(jīng)網(wǎng)絡(luò)的狀態(tài)估計不良數(shù)據(jù)的辨識方法，提高了電力系統(tǒng)狀態(tài)估計中不良數(shù)據(jù)辨識的精度。SCR脫硝技術(shù)發(fā)展的起步較晚，目前尚未發(fā)現(xiàn)關(guān)于SCR脫硝系統(tǒng)不良數(shù)據(jù)辨識方法的報道。

發(fā)明內(nèi)容

本發(fā)明的目的在于克服現(xiàn)有技術(shù)的缺乏，提供一種煙氣SCR脫硝系統(tǒng)不良數(shù)據(jù)辨識方法。

該方法首先獲取原始數(shù)據(jù)樣本，從原始樣本隨機抽樣訓練的BP神經(jīng)網(wǎng)絡(luò)，然后利用神經(jīng)網(wǎng)絡(luò)預測結(jié)果預篩選不良樣本，通過反復執(zhí)行以上操作建立不良樣本集，緊接著對不良樣本集進行統(tǒng)計分析確定不良樣本，隨后從原始樣本中剔除不良樣本，重新構(gòu)建訓練BP神經(jīng)網(wǎng)絡(luò)，利用重構(gòu)的BP神經(jīng)網(wǎng)絡(luò)對不良樣本進行檢驗，防止錯誤辨識，從而提高神經(jīng)網(wǎng)絡(luò)對不良數(shù)據(jù)辨識的準確性。

為了實現(xiàn)上述目的，達到上述技術(shù)效果，本發(fā)明通過以下技術(shù)方案實現(xiàn)：一種煙氣SCR脫硝系統(tǒng)不良數(shù)據(jù)辨識方法，包括以下步驟：

步驟一、獲取SCR脫硝系統(tǒng)原始數(shù)據(jù)樣本；

步驟二、建立BP神經(jīng)網(wǎng)絡(luò)模型，主要內(nèi)容包括BP神經(jīng)網(wǎng)絡(luò)拓撲結(jié)構(gòu)、激勵函數(shù)和學習訓練算法；

步驟三、隨機從原始數(shù)據(jù)樣本選取一定數(shù)量樣本作為訓練樣本進行BP神經(jīng)網(wǎng)絡(luò)訓練，其余樣本作為預測樣本進行BP神經(jīng)網(wǎng)絡(luò)預測，計算預測值與真實值之間的相對誤差；所述一定數(shù)量樣本是指原始樣本容量的70%～95%；

步驟四、篩選相對誤差大于預設(shè)值的樣本，添加至不良樣本集，重復執(zhí)行步驟三和步驟四至一定次數(shù)；

步驟五、統(tǒng)計不良樣本集相同樣本的出現(xiàn)頻次，篩選出現(xiàn)頻次超過預設(shè)值的樣本標記為不良樣本；

步驟六、剔除標記不良樣本，針對優(yōu)化后的樣本重新構(gòu)建和訓練BP神經(jīng)網(wǎng)絡(luò)，利用訓練好的神經(jīng)網(wǎng)絡(luò)預測所標記的不良樣本，計算相對誤差；