[發(fā)明專利]一種基于LSTM的SCR出口氮氧化物濃度預(yù)測方法

在審

• 申請?zhí)枺?/td>: 202110801059.0
• 申請日: 2021-07-15
• 公開（公告）號: CN113435584A
• 公開（公告）日: 2021-09-24
• 發(fā)明（設(shè)計）人: 李健;王東;王瑞;尚星宇;柳磊;馬國偉;馬彪
• 申請（專利權(quán)）人: 國家能源集團(tuán)科學(xué)技術(shù)研究院有限公司
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06N3/08
• 代理公司: 南京匯盛專利商標(biāo)事務(wù)所(普通合伙) 32238
• 代理人: 張立榮;裴詠萍

1.一種基于LSTM的SCR出口氮氧化物濃度預(yù)測方法，其特征在于，所述SCR出口氮氧化物濃度預(yù)測方法采用改進(jìn)的互信息特征選擇算法，考慮相關(guān)性和冗余性進(jìn)行輔助變量篩選，基于最終確定的輔助變量建立LSTM預(yù)估模型。

2.根據(jù)權(quán)利要求1所述的SCR出口氮氧化物濃度預(yù)測方法，其特征在于，所述改進(jìn)的互信息特征選擇算法在循環(huán)挑選輔助變量過程中，考慮已選變量個數(shù)|S|，將1/|S|作為權(quán)重，同時將待選變量和主導(dǎo)變量之間的關(guān)聯(lián)性加入到待選變量之間的關(guān)聯(lián)性當(dāng)中。

3.根據(jù)權(quán)利要求2所述的SCR出口氮氧化物濃度預(yù)測方法，其特征在于，所述改進(jìn)的互信息特征選擇算法的表達(dá)式如下：

上式中，|S|表示已選特征變量個數(shù)；MR是在已選變量集S中，f_i相對S_j的最小冗余量，其公式如下：

如果I(f_i；c)＝0，則該特征變量f_i將被剔除；如果f_i和S_j同主導(dǎo)變量之間均存在較大關(guān)聯(lián)性，但f_i和S_j之間也存在高度冗余性，則f_i也會被剔除。

4.根據(jù)權(quán)利要求3所述的SCR出口氮氧化物濃度預(yù)測方法，其特征在于，所述改進(jìn)的互信息特征選擇算法在循環(huán)挑選輔助變量過程中，先預(yù)先設(shè)定閾值TH＝0和G_MI比較，倘若G_MI≤0，則認(rèn)為當(dāng)前變量f_i和主導(dǎo)變量之間沒有多大關(guān)聯(lián)，故剔除；倘若G_MI≥0，則會保留此f_i進(jìn)入待選變量集。

5.根據(jù)權(quán)利要求4所述的SCR出口氮氧化物濃度預(yù)測方法，其特征在于，所述改進(jìn)的互信息特征選擇算法最終確認(rèn)的輔助變量為：鍋爐負(fù)荷、總煤量、一次風(fēng)總量、二次風(fēng)總量、AB層二次風(fēng)門擋板開度、煙氣含氧量、煙氣溫度。

6.根據(jù)權(quán)利要求1至5任一所述的SCR出口氮氧化物濃度預(yù)測方法，其特征在于，所述LSTM預(yù)估模型的建立使用Keras框架，并采用Adam優(yōu)化算法。

7.根據(jù)權(quán)利要求6所述的SCR出口氮氧化物濃度預(yù)測方法，其特征在于，所述LSTM預(yù)估模型網(wǎng)絡(luò)層數(shù)為2，隱層的神經(jīng)元個數(shù)為100。

8.根據(jù)權(quán)利要求7所述的SCR出口氮氧化物濃度預(yù)測方法，其特征在于，所述Adam優(yōu)化算法的學(xué)習(xí)率η＝0.003，訓(xùn)練次數(shù)為2000次。

9.根據(jù)權(quán)利要求8所述的SCR出口氮氧化物濃度預(yù)測方法，其特征在于，所述LSTM預(yù)估模型的批量樣本個數(shù)b＝50。

10.根據(jù)權(quán)利要求9所述的SCR出口氮氧化物濃度預(yù)測方法，其特征在于，所述LSTM預(yù)估模型將輸入樣本數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，并將處理后的數(shù)據(jù)按8：2劃分為訓(xùn)練集和測試集。