火电机组烟气NOx生成量虚拟量测方法、系统、设备及介质与流程

本发明属于智慧电厂领域，涉及一种火电机组烟气nox生成量虚拟量测方法、系统、设备及介质。

背景技术：

1、nox是火电机组排放的主要污染物之一，如何降低nox排放量成为火电机组运行管理人员最迫切的需求之一。我国大部分现役火电机组采用scr技术进行烟气脱硝处理，然而scr系统对nox浓度的测量误差较大，且机组在变负荷、变煤质条件下运行导致nox生成量波动幅度较大，此外，喷氨控制量信号与管道内实际喷氨量存在延迟，上述因素导致无法有效实时的控制喷氨量，进而影响控制火电机组nox排放量。

2、为解决上述问题，国内外研究人员通常采用构建量测模型的方法量测nox生成量，主要的量测方法有：

3、通过ar模型、ma模型、arima模型等对nox历史数据进行建模，从而量测nox生成量。这些方法虽然可以快速量测nox生成量，但由于nox生成量受变负荷、变煤质等因素的影响，波动幅度较大，无明显的周期性规律，导致这些模型的量测精度通常较低。

4、基于决策树、支持向量机、线性回归等机器学习算法构建单个模型对nox生成量进行量测。这些方法通常具有较强的拟合能力，模型量测精度总体较高，但由于历史数据样本的有限性及算法本身的鲁棒性不足等原因，往往会导致模型量测精度不稳定。

5、基于神经网络构建nox生成量量测模型，该方法具备较高的量测精度和较好的泛化能力，但神经网络需要海量的数据样本，且神经网络的大规模参数导致量测速度较慢。

6、上述方法并不能完全满足实际生产情况的需求，nox生成量的影响因素众多，各个因素之间又有较强的耦合关系，而且受机组负荷、煤质等的影响，nox历史数据呈现变化范围广、类阶跃变化较多、无周期性规律等特点，arima等模型量测精度较差，决策树、支持向量机等模型的量测精度虽较高，但其稳定性较差。此外，深度学习虽在具备较好的量测精度和泛化能力，但其大规模参数导致量测时延较大，难以将其用于喷氨控制。

技术实现思路

1、本发明的目的在于克服上述现有技术的缺点，提供了一种火电机组烟气nox生成量虚拟量测方法、系统、设备及介质，该方法、系统、设备及介质能够快速、准确量测火电机组烟气nox生成量。

2、为达到上述目的，本发明所述火电机组烟气nox生成量虚拟量测方法，包括：

3、获取nox生成量相关影响因素中特征子集ff的实时数据；

4、对所述实时数据进行标准化处理，得标准化处理后的实时数据；

5、将所述标准化处理后的实时数据输入到训练后的nox生成量虚拟量测模型modelnox中，得到火电机组烟气nox生成量。

6、所述将所述标准化处理后的实时数据dps输入训练后的nox生成量虚拟量测模型modelnox中之前还包括：

7、获取火电机组烟气nox生成量及其nox生成量相关影响因素的历史数据，并以此构建原始数据集d0；

8、对原始数据集d0进行等距采样，利用等距采样得到的数据构建同频数据集d1；

9、对所述同频数据集d1进行标准化处理，得到标准化处理后的数据集d2；

10、对所述标准化处理后的数据集d2进行特征选择，并根据特征选择的结果构建标准数据集ds；

11、构建nox生成量虚拟量测模型；

12、利用标准数据集ds训练及测试所述nox生成量虚拟量测模型，得到训练后的nox生成量虚拟量测模型modelnox。

13、所述nox生成量虚拟量测模型基于分布式梯度提升算法构建而成。

14、所述对所述标准化处理后的数据集d2进行特征选择，并根据特征选择的结果构建标准数据集ds的具体过程为：

15、对标准化处理后的数据集d2，使用方差过滤的方法剔除方差变化小于预设值的特征，设剩余的特征子集为f1；

16、以scr烟气脱硝系统入口nox生成量为目标变量，以特征子集f1为影响变量，分别训练cart树基模型及随机森林基模型，分别选取cart树基模型及随机森林基模型的特征重要性排名前八的特征，分别记为特征子集f21及特征子集f22，最后取特征子集f21与特征子集f22的交集作为最终特征子集ff；

17、在标准化处理后的数据集d2中保留最终特征子集ff的数据，并剔除其他特征的数据，得到标准数据集ds。

18、所述利用标准数据集ds训练及测试所述n0x生成量虚拟量测模型，得到训练后的nox生成量虚拟量测模型modelnox的具体过程为：

19、以最终特征子集ff为影响变量，以火电机组烟气nox生成量为目标变量，将标准数据集ds按1∶4的比例分为测试数据集dtest及训练数据集dtrain；然后使用5折交叉验证法、10折交叉验证法及15折交叉验证法在训练数据集dtrain上训练三个nox生成量虚拟量测基模型model1、model2、model3，使用测试数据集dtest分别测试所述三个nox生成量虚拟量测基模型，选择均方根误差最小的nox生成量量测基模型作为训练后的nox生成量虚拟量测模型modelnox。

20、所述nox生成量相关影响因素包括机组负荷、总风量、风门开度、一次风流量、一次风压力、二次风流量、二次风压力、风/煤比、分离燃尽风门开度、烟气流量、烟气温度、总煤量及氧量。

21、所述对同频数据集d1进行标准化处理，得到标准化处理后的数据集d2的具体过程为：

22、对所述同频数据集d1中的每个属性，分别执行如下操作：

23、设当前属性x＝{x1，x2，…，xn}，计算其均值及标准差s，其中，

24、

25、

26、对属性x进行标准化变换，记标准化变换后的属性为y，其中，

27、

28、利用标准化变换后的属性y构建标准化处理后的数据集d2。

29、本发明所述火电机组烟气nox生成量虚拟量测系统，包括：

30、获取模块，用于获取nox生成量相关影响因素中特征子集ff的实时数据；

31、预处理模块，用于对所述实时数据进行标准化处理，得标准化处理后的实时数据；

32、量测模块，用于将所述标准化处理后的实时数据输入到训练后的nox生成量虚拟量测模型modelnox中，得到火电机组烟气nox生成量。

33、一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述火电机组烟气nox生成量虚拟量测方法的步骤。

34、一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现所述火电机组烟气nox生成量虚拟量测方法的步骤。

35、本发明具有以下有益效果：

36、本发明所述的火电机组烟气nox生成量虚拟量测方法、系统、设备及介质在具体操作时，获取nox生成量相关影响因素中特征子集ff的实时数据；对所述实时数据进行标准化处理，得标准化处理后的实时数据，通过对数据进行预处理，充分全面的筛选出影响nox生成量的各种相关因素，不仅提高了nox生成量虚拟量测模型对于复杂多变工况的适应性，而且排除了无关因素对模型的干扰，以提高测量的准确性及实时性，然后将所述标准化处理后的实时数据输入到训练后的nox生成量虚拟量测模型modelnox中，得到火电机组烟气nox生成量，以实现对火电机组烟气nox生成量的量测。

37、进一步，本发明采用k折交叉验证法训练多个nox生成量虚拟量测基模型，最终选取均方根误差最小的基模型作为训练后的nox生成量虚拟量测模型，提高了模型量测精度的同时，也提高了模型的稳定性。