[發明專利]基于時間序列集成學習的吸收塔入口SO2

在審

• 申請號: 202111492932.9
• 申請日: 2021-12-08
• 公開（公告）號: CN114492918A
• 公開（公告）日: 2022-05-13
• 發明（設計）人: 葉翔;王燕明;趙天亮;王建東;唐勇;張艷賓;王勇;李忠;張強;馬文濤;張彥軍;崔健;楊磊
• 申請（專利權）人: 天津大唐國際盤山發電有限責任公司;中國大唐集團科學技術研究院有限公司火力發電技術研究院
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06N20/20;G06N3/08
• 代理公司: 北京中南長風知識產權代理事務所(普通合伙) 11674
• 代理人: 李青

本發明涉及一種基于時間序列集成學習的吸收塔入口SO₂濃度預測方法，包括如下步驟：步驟1，基于經驗模態分解方法，將吸收塔入口SO₂濃度時間序列分解為頻率成分相對單一的子序列；步驟2，基于小波分析法對吸收塔入口SO₂濃度的每個子序列進行特征提取，并將具有相似周期或頻率的成分進行合并；步驟3，根據吸收塔入口SO₂濃度的不同子時間序列的特征，基于隨機時間序列算法ARIMA，得到各個子時間序列的預測結果；步驟4，基于非線性集成學習方法，將吸收塔入口SO₂濃度不同子時間序列的預測結果進行集成，得到原始時間序列對應的預測結果。本發明使用時間序列集成學習算法來對吸收塔入口SO₂濃度進行實時預測，能夠實現脫硫系統優化運行，降低脫硫設備能耗。

技術領域

本發明涉及脫硫系統優化技術領域，尤其涉及一種基于時間序列集成學習的吸收塔入口SO₂濃度預測方法。

背景技術

為了實現脫硫系統優化運行，降低脫硫設備能耗，需要實時地對吸收塔入口SO₂濃度進行精準預測，做到有的放矢地優化控制。

由于在脫硫塔前端提前估計煤質的含硫量非常困難，并且該應用屬于單變量非線性非平穩時間序列的預測問題，因此，不能采用單一模型來預測吸收塔入口的SO₂濃度。

發明內容

本發明的目的是提供一種基于時間序列集成學習的吸收塔入口SO₂濃度預測方法，使用時間序列集成學習算法來對吸收塔入口SO₂濃度進行實時預測。

本發明提供了一種基于時間序列集成學習的吸收塔入口SO₂濃度預測方法，包括如下步驟：

步驟1，基于經驗模態分解方法，將吸收塔入口SO₂濃度時間序列分解為頻率成分相對單一的子序列，分解出來的各個本征模函數分量包含原信號的不同時間尺度的局部特征信息；

步驟2，基于小波分析法對吸收塔入口SO₂濃度的每個子序列進行特征提取，并將具有相似周期或頻率的成分進行合并；

步驟3，根據吸收塔入口SO₂濃度的不同子時間序列的特征，基于隨機時間序列算法ARIMA，得到各個子時間序列的預測結果；

步驟4，基于非線性集成學習方法，將吸收塔入口SO₂濃度不同子時間序列的預測結果進行集成，得到原始時間序列對應的預測結果。

進一步地，所述步驟1包括：

1)獲取吸收塔入口SO₂濃度信號序列的全部極大值和極小值；

2)通過極大值和極小值，經過三次樣條插值法擬合得到入口SO₂濃度的上包絡線和下包絡線；

3)將兩條極致曲線平均獲得入口SO₂濃度的平均包絡線；

4)入口SO₂濃度的原始信號減均值包絡線，得到中間信號；

5)判斷本征模函數；

本征模函數符合兩個條件：

(1)在整個數據段內，極值點的個數和過零點的個數必須相等或相差最多不能超過一個；

(2)在任意時刻，由局部極大值點形成的上包絡線和由局部極小值點形成的下包絡線的平均值為零，即上、下包絡線相對于時間軸局部對稱；

用原信號減去平均包絡線即為所獲得的新信號，若新信號中還存在負的局部極大值和正的局部極小值，繼續進行篩選。