[發明專利]基于多變量時序深度網絡模型的水泥煙囪NOX預測方法

有效

• 申請號: 202110560060.9
• 申請日: 2021-05-21
• 公開（公告）號: CN113268871B
• 公開（公告）日: 2023-04-07
• 發明（設計）人: 趙彥濤;閆歡;丁伯川;張玉玲;王正坤;張策;郝曉辰
• 申請（專利權）人: 燕山大學
• 主分類號: G06F30/20
• 分類號: G06F30/20;G06N3/045;G06N3/0442;G06N3/08
• 代理公司: 石家莊眾志華清知識產權事務所(特殊普通合伙) 13123
• 代理人: 張建

本發明公開了一種基于多變量時序深度網絡模型的水泥煙囪NOX預測方法，具體步驟包括：根據水泥NOX產生機理、脫硝過程以及排放流程工藝，選取13個變量作為水泥煙囪NOX預測的輸入變量，并對多變量時間序列統一進行歸一化處理；根據水泥NOX生成過程中多變量時間序列在時域上表現的特征，建立基于深度學習LSTM特征重構模型進行NOX生成過程的本質特征提取；依據水泥煙囪NOX整體工藝流程，建立一種基于多變量時間序列長短時神經網絡(LSTM)水泥煙囪NOX預測模型（MT?LSTMs）；確定模型的初始參數，并對網絡模型進行前向訓練，然后利用網絡主導代價函數誤差反向微調進行訓練，通過對誤差修正來優化模型參數。

技術領域

本發明涉及水泥煙囪NO_X預測領域，尤其涉及一種基于多變量時序深度網絡模型的水泥煙囪NO_X預測方法。

背景技術

我國是世界上最大的水泥生產國，占世界水泥總產量的60％以上，自上世紀90年代新型干法水泥生產線國產化之后，我國水泥生產規模迅速擴大。水泥工廠燃料煅燒主要以燃煤為主，造成空氣受氮氧化物或二氧化硫等氣體污染。隨著煤炭燃燒的不斷增加，我國空氣污染不容樂觀。為緩解空氣壓力，目前水泥行業NO_X的排放值濃度已經從800mg/Nm3降到400mg/Nm3，由此可看，我國對水泥廠NO_X排放要求越來越嚴格。為了將煙囪NO_X濃度值控制在合理的范圍下，大多數水泥廠采用噴氨技術進行脫硝。但當氨水過高時會導致氨逃逸，容易造成二次污染；氨水過低時會導致NO_X濃度過高，不符合排放標準。因此，為了合理控制氨水量，需要精準預測水泥煙囪NO_X含量值。由于水泥NO_X生成、脫銷及排放過程具有非線性、大時延性、強耦合等特性，從而傳統的靜態模型很難建立NO_X預測模型。Smrekar等人提出了一種基于最小二乘支持向量機(LS-?SVM)的循環流化床鍋爐床溫動態預測模型。Smrekar等人采用具有外部輸入的自回歸模型(ARX)實現了燃煤鍋爐NO_X排放的多步預測。同時針對強耦合且多維度的數據特征，傳統的特征提取方法很難提取到多變量時序序列的本質特征，大大降低預測模型的精度。因此建立水泥煙囪NO_X預測模型，不僅要考慮模型的動態性，還要考慮數據的多維性。

發明內容

針對上述存在的問題，本發明提供一種基于多變量時序深度網絡模型的水泥煙囪NO_X預測方法，從而減少變量維度，提取本質特征，降低耦合變量對水泥煙囪NO_X預測的影響。

為實現上述目的，本發明通過以下技術方案來實現：

一種基于多變量時序深度網絡模型的水泥煙囪NO_X預測方法，包括以下步驟：

步驟1，根據水泥NO_X產生機理、脫硝過程以及排放流程工藝，選用13個變量作為水泥煙囪NO_X預測的輸入變量，并對多變量時間序列統一進行歸一化處理；

步驟2，根據水泥NO_X生成過程中多變量時間序列在時域上表現的特征，建立基于深度學習LSTM特征重構模型，利用該模型提取反映水泥NO_X生成過程的本質特征；

步驟3，依據水泥煙囪NO_X整體工藝流程，將步驟2得到的特征與脫硝排放過程的特征融合,建立一種基于多變量時間序列長短時神經網絡LSTM水泥煙囪NO_X預測模型MT-LSTMs，確定模型的初始參數，并對網絡模型進行前向訓練；

步驟4，利用誤差反向微調進行有監督訓練，通過對誤差修正來優化模型參數；

步驟5，利用步驟3和步驟4中訓練好的MT-LSTMs模型對水泥煙囪NO_X進行預測。