[发明专利]一种基于对比法的火电厂NOx预测模型变量特征提取方法

说明书

本发明公开了一种基于对比法的火电厂NOx预测模型变量特征提取方法，包括以下步骤：S1)收集目标锅炉的设计资料，结合实际运行环境对煤粉的燃烧过程进行机理分析，找出影响NO_X排放量的主要因素；S2)将S1处理完的数据基于互信息进行筛选，采用S‑MIFS算法选出NO_X浓度影响较大的输入变量；S3)将S2得到的数据进行主成分分析，选出累计贡献到达95％的成分；S4)将S3得到的结果分为两组，一组送入神经网络中进行训练，另一组送入神经网络中测试；S5)计算神经网络的输出值与原测试值的均方根误差；与现有技术相比，本发明本发明可用于火电厂NOx预测模型输入变量特征提取，能够在稍微降低精度的前提下减少输入变量的维数，减少计算耗时。

技术领域

本发明涉及火电厂NOx预测模型变量特征提取方法技术领域，具体为一种基于对比法的火电厂NOx预测模型变量特征提取方法。

背景技术

氮氧化物(主要是NO、和少量的NO₂，统称为NO_X)是化石燃料燃烧产生的主要大气污染物之一，据调查数据显示火电行业仍是NO_X排放量最多的行业。随着国家对环境保护的重视，新环保法规对电力生产环保性的要求也愈加严厉，NO_X的排放量成为衡量锅炉燃烧优劣的关键指标，是锅炉是否绿色运行的评判依据。因此NO_X排放量的精准测量尤为重要，然而NO_X排放量影响因素具有耦合性强、非线性等特点，面对这些特点，传统传感器无法得到有效应用。软测量是现代复杂过程工业中较难甚至无法由硬件在线检测参量实时估计的有效手段，利用能够测量或能够精确测量的过程参数作为辅助变量,基于辅助变量和主导变量的数学模型,实现传统仪表无法测量的过程参数的在线预测。因此一般利用软测量方法对NO_X排放量实现精准测量。

精确的输入变量选择是软测量模型建立的基础。输入变量的选择将会直接影响到软测量模型的测量精度、复杂程度以及运算速度。影响NO_X排放量的因素十分复杂：SOFA开度、烟气流量、炉膛出口烟气温度、总煤量、总风量等都会对NO_X排放浓度有影响。但在建模过程中如果全部考虑这些因素，将会增加信息冗余性，使模型过于复杂。因此，对输入变量进行精准筛选显得尤为重要。

近年来，对火电厂NO_X软测量模型中的辅助变量筛选方法有主成分分析法和在信息熵和互信息理论基础上的互信息筛选法等。经典的主成分分析方法是计算各个特征之间的相关,但是并不能评估变量间的非线性相关。而互信息则可用于衡量两个变量间相互依赖的强弱程度,不局限于线性相关。由于在锅炉运行过程中影响NO_X生成的因素非常多，其形成机理也十分复杂，使用一种方法特征提取效果不明显。鉴于此，本发明提出了一种基于互信息与主成分分析相结合的方法，对输入变量进行筛选，通过两种方法的结合，能够更加精准全面的对输入变量特征进行提取。

发明内容

本发明的目的在于提供一种基于对比法的火电厂NOx预测模型变量特征提取方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：

一种基于对比法的火电厂NOx预测模型变量特征提取方法，包括以下步骤：

S1)收集目标锅炉的设计资料，结合实际运行环境对煤粉的燃烧过程进行机理分析，找出影响NO_X排放量的主要因素，确定模型的输入变量，并导出一定量的历史数据，进行去噪、滤波预处理。确定的输入变量包括：1～5层SOFA开度、氨逃逸、喷氨流量、氨流量阀门开度、管道流量调节阀设定值、调节阀调节指令、反应器入口压力、烟气流量、炉膛出口烟气温度、总煤量、总风量、机组符合空气预热器出口二次风温度、A～F给煤机瞬时流量和磨煤机入口一次风流量及出口温度，共37个；输出变量：SCR入口NO_X浓度，共1个。