[发明专利]基于LSTM的锅炉NOx排放量预测模型的建模方法及装置

权利要求书

1.一种基于LSTM的锅炉NOx排放量预测模型的建模方法，其特征在于，包括：

S1：根据预置的锅炉运行输入变量，从电站实时监控系统中获取与锅炉运行输入变量相对应的锅炉运行数据，其中，锅炉运行输入变量包括：机组负荷、磨煤机给煤量、风门开度、燃烧器摆角、风箱与炉膛的压差、炉膛出口氧量；其中，运行数据获取的采样周期为1min；

S2：根据数据的采集时间，对锅炉运行数据进行排序，得到锅炉参数矩阵，然后根据LSTM模型的数据格式要求，对锅炉参数矩阵进行数据重组，得到模型参数矩阵，并以模型参数矩阵为变量，构建LSTM锅炉排放量初始预测模型；

S3：对LSTM锅炉排放量初始预测模型中的超进行参数优化，以优化后的超参数作为控制量，对LSTM锅炉排放量初始预测模型进行训练，得到LSTM锅炉NOx排放量动态预测模型；

其中，步骤S2具体包括：

S21：根据数据的采集时间，以相同时刻采集的锅炉运行数据为行向量，以相同的锅炉运行数据为列向量，对锅炉运行数据进行排序，得到锅炉参数矩阵X；

S22：对锅炉参数矩阵X中的锅炉运行数据进行归一化计算，得到锅炉参数归一化矩阵X^*，其中，归一化计算的计算公式为：

其中，x_ik代表锅炉参数矩阵X中第i行第k列的锅炉运行数据，代表锅炉参数矩阵X中x_ik归一化后的锅炉运行数据，为锅炉参数矩阵X中第k列的锅炉运行数据的均值，为锅炉参数矩阵X中第k列的锅炉运行数据的方差，ε为非零常数；

S23：根据LSTM模型的数据格式要求，对锅炉参数矩阵进行数据重组，得到模型参数矩阵X_t，并以模型参数矩阵X_t为变量，构建LSTM锅炉排放量初始预测模型，其中，模型参数矩阵X_t为：

其中，T为LSTM锅炉排放量初始预测模型的超参数中的时间步数，代表在t-(T-a)时刻得到的锅炉参数归一化矩阵X^*数据，其中参数a的取值范围为1≤a≤T，y_t为LSTM模型的输出参数，代表t时刻锅炉脱硝系统入口的NOx浓度。

2.根据权利要求1所述的一种基于LSTM的锅炉NOx排放量预测模型的建模方法，其特征在于，步骤S3具体包括：

S31：初始化LSTM锅炉排放量初始预测模型中的超参数，然后对LSTM锅炉排放量初始预测模型中的超参数进行优化，得到优化后的超参数；

S32：以优化后的超参数作为控制量，对LSTM锅炉排放量初始预测模型进行训练，得到LSTM锅炉NOx排放量动态预测模型。

3.根据权利要求1至2任意一项所述的一种基于LSTM的锅炉NOx排放量预测模型的建模方法，其特征在于，风门开度具体包括：一次风量、二次风量和SOFA风量。