[发明专利]基于LSTM深度学习的燃机NOx超标预警方法与装置

权利要求书

1.一种基于LSTM深度学习的燃机NOx超标预警方法，其特征在于：包括以下步骤：

步骤一：获取燃机历史运行数据，并对历史数据进行预处理；

步骤二：根据预处理后的历史数据划分模型训练集与测试集，并以训练集为基础，构造NOx排放为输出的LSTM预测模型；

步骤三：利用测试集数据输入到燃机NOx排放模型，对比NOx排放实际值与预测值偏差是否在合理范围内，并判断模型是否有效；若无效则进行步骤四；若有效满足则保存模型结束；

步骤四：调节LSTM的网络层数、学习率等超参数，调节后重新利用训练数据进行建模预测，直到NOx预测值与实际值偏差在合理范围内；

步骤五：利用LSTM预测模型对实时数据进行预测，当NOx含量达到50ppm时，提前发出NOx环保预警。

2.如权利要求1所述的基于LSTM深度学习的燃机NOx超标预警方法，其特征在于，所述的步骤一中获取燃机历史运行数据，并对历史数据进行缺失值处理，相关参数至少包括燃机负荷、转速、TCS供热蒸汽温度、控制供油压力、燃机燃气供应压力控制阀出口温度、1号轴承垫金属温度、推力轴承垫金属温度-1(涡轮侧)、#5轴承排油温度。

3.如权利要求1所述的基于LSTM深度学习的燃机NOx超标预警方法，其特征在于，所述的步骤一还包括对历史数据进行归一化处理，

x为某一燃机运行参数，x_min为某一燃机运行参数最小值，x_max为某一燃机运行参数最大值，X1为归一化后燃机运行参数。

4.如权利要求1所述的基于LSTM深度学习的燃机NOx超标预警方法，其特征在于，所述的步骤二，包括以下步骤：

步骤2-1，对归一化后的数据构造燃机参数矩阵X_i,k，i表示行，为按时间索引，间隔时间为1秒，k表示列，为测点索引，k＝1～199，表示燃机时的运行相关参数共计199个特征，y为输出，代表每个时刻的燃机NOx浓度含量；

步骤2-2，对燃机参数矩阵划分按时间划分为训练集和测试集矩阵；

步骤2-3，对选取的训练集燃机参数矩阵输入到LSTM模型训练输入中，构造以燃机NOx排放为预测目标的燃机预测模型，并预测训练集燃机参数矩阵对应的NOx含量输出值。

5.如权利要求1所述的基于LSTM深度学习的燃机NOx超标预警方法，其特征在于，所述的步骤一，从燃气轮机的监测软件中选择主要测点数据，测点数据包括：燃机负荷、转速、TCS供热蒸汽温度、控制供油压力、燃机燃气供应压力控制阀出口温度、1号轴承垫金属温度、推力轴承垫金属温度-1(涡轮侧)、#5轴承排油温度、GT IGV位置、空气湿度、燃气轮机压缩机进气温度、燃气轮机进气过滤器压差测点、燃气轮机进气过滤器内部压力、燃气轮机进气静压、燃气轮机压缩机进气温度测点、燃气轮机压缩机出口空气温度、燃气轮机燃烧室壳体压力测点、燃机燃料A母管压力、燃机燃料先导母管压力、燃机主燃料母管压力、燃机燃料顶部母管压力、燃气轮机燃烧室旁路阀位置、燃气轮机叶片通道最高温度、燃气轮机叶片通道最低温度、燃气轮机叶片通道最大温度变化、燃气轮机叶片通道最低温度变化、燃机排气温度最大值、燃机排气温度最小值。

6.如权利要求5所述的基于LSTM深度学习的燃机NOx超标预警方法，其特征在于，所述的燃气轮机进气过滤器压差测点、GT IGV位置测点、燃气轮机压缩机进气温度测点和燃气轮机燃烧室壳体压力测点均设置2个以上测点。

7.一种安装有权利要求1-6所述基于LSTM深度学习的燃机NOx超标预警装置，其特征在于，包括电气连接的存储有以上方法实现程序的存储器、处理器、I/O设备和报警装置，I/O设备连接安装燃气轮机的监测软件的计算机和/或网络，访问并且取得实时测点数据。

8.根据权利要求5所述的基于LSTM深度学习的燃机NOx超标预警装置，其特征在于，所述的处理器通过无线传输连接手持用户端。