[發明專利]一種鍋爐氮氧化物生成濃度的預測方法

在審

• 申請號: 202210673340.5
• 申請日: 2022-06-14
• 公開（公告）號: CN115146833A
• 公開（公告）日: 2022-10-04
• 發明（設計）人: 陽賽;南玉澤;王棟
• 申請（專利權）人: 北京全應科技有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06N3/08;G06N3/04;G06K9/62
• 代理公司: 北京律譜知識產權代理有限公司 11457
• 代理人: 黃云鐸

1.一種鍋爐氮氧化物生成濃度的預測方法，其特征在于，所述預測方法包括以下步驟：

步驟S1，通過NOx生成原理，構建待選特征集合；

步驟S2，通過相關性分析確定待選特征集合中鍋爐NOx生成濃度的主要影響因子和主要影響因子特征集；

步驟S3，通過對主要影響因子進行延時分析，確定特征集影響NOx生成濃度的歷史時長；

步驟S4，通過特征集影響NOx生成濃度的歷史時長和主要影響因子特征集構建LSTM輸入數據集，并對LSTM輸入數據集做最大最小歸一化處理；

步驟S5，通過歸一化的LSTM輸入數據集建立基于LSTM的NOx生成濃度的預測模型，進行精確的預測。

2.根據權利要求1所述鍋爐氮氧化物生成濃度的預測方法，其特征在于，在步驟S1中包括以下步驟：

步驟S11，采集鍋爐歷史多天的相關數據構建特征集合，所述相關數據包括鍋爐負荷，過剩空氣系數，總風量，總給煤量，一次風量，爐膛壓差，料層壓差，排煙溫度，一次風率，風煤比，二次風量，熱二次風溫，爐膛溫度，排煙溫度，熱一次風溫，引風機頻率，煙道壓差；

步驟S12，對特征集合進行降采樣，生成降采樣特征集合；

步驟S13，對降采樣特征集合進行清洗，生成待選特征集合。

3.根據權利要求1所述鍋爐氮氧化物生成濃度的預測方法，其特征在于，在步驟S2中包括以下步驟：

步驟S21，分別獲取基于相關性分析的特征選擇、基于搜索的特征選擇和基于學習器選擇中任意一種或多種選擇方法輸出特征子集；

步驟S22，獲取選中特征選擇方法生成特征子集的并集作為主要影響因子特征集。

4.根據權利要求3所述鍋爐氮氧化物生成濃度的預測方法，其特征在于，在步驟S21中，所述基于相關性分析的特征選擇步驟：

分別計算待選特征集合中各參數與NOx生成濃度的相關系數，兩個變量X和Y的皮爾遜相關系數定義為兩個變量之間的協方差和標準差的商，其計算公式為：

其中，X表示待選特征集合中參數，Y表示NOx生成濃度，μ_X表示變量X的均值，μ_Y表示變量Y的均值，σ_Xσ_Y表示變量XY的標準差，E表示計算均值；對相關系數進行排序后選擇相關系數大于預設的參數作為相關性分析特征子集。

5.根據權利要求3所述鍋爐氮氧化物生成濃度的預測方法，其特征在于，在步驟S21中，所述基于搜索的特征選擇步驟：

從空集開始，每次從待選特征集合中加入一個特征，訓練基于LSTM神經網絡模型的NOx預測模型，若模型誤差降低，則保留加入的特征，反之丟棄該特征，得到搜索特征子集。

6.根據權利要求3所述鍋爐氮氧化物生成濃度的預測方法，其特征在于，在步驟S21中，所述基于學習器的特征選擇步驟：

將待選特征集合全部輸入到隨機森林模型中預測NOx的生成濃度，根據模型輸出的排名前8名特征作為學習器特征子集。

7.根據權利要求1所述鍋爐氮氧化物生成濃度的預測方法，其特征在于，在步驟S3中包括以下步驟：

步驟S31，設置數據時間區間為Ts～Te，對其進行劃分，使得每段數據長度為N，第m段NOx數據所在時間區間為Ts+m*(N-1)～Ts+m*N，向前取Td(TdN)時間長度作為窗口的滑動范圍，窗口大小為N，窗口在Ts+m*N-Td～Ts+m*N的一段數據中從左向右滑動，窗口的滑動步伐為Tt，每滑動一次，計算一次窗口內的特征變量數據段與第m段NOx數據段的相關性系數，同時記錄窗口所在位置與第m段NOx的時間距離；

步驟S32，對每一段長度為N的NOx進行窗口滑動后，得到一系列的時間距離和相關性系數，繪制相關性系數隨時間距離的變化的曲線，取其峰值所對應的時間距離即為該特征影響NOx生成濃度的歷史時長；

步驟S33，計算全部特征影響NOx生成濃度的歷史時長后，選取特征影響NOx生成濃度的歷史時長中最大的歷史時長作為特征集影響NOx生成濃度的歷史時長T。