[发明专利]垃圾焚烧炉的燃烧决策方法和自动燃烧控制方法及系统

权利要求书

1.一种垃圾焚烧炉的燃烧决策方法，其特征在于，步骤如下：

S1、获取目标垃圾焚烧炉和其他垃圾焚烧炉在正常运行和非正常运行情况下的历史数据，并根据历史数据得到有效数据样本；

S2、利用有效数据样本构建支持向量机，由支持向量机得到燃烧决策模型；

S3、实时获取目标垃圾焚烧炉的当前数据，根据当前数据判断目标垃圾焚烧炉是否需要进行调节，

若是，则将当前数据输入燃烧决策模型，得到用于调节目标垃圾焚烧炉的燃烧决策。

2.根据权利要求1所述的垃圾焚烧炉的燃烧决策方法，其特征在于，正常运行具体为：垃圾焚烧炉不发生故障，燃烧效率和出口温度达到要求，且污染物排放在指标范围内；

非正常运行具体为：垃圾焚烧炉发生故障、燃烧效率和出口温度未达到要求或者污染物排放超过指标范围；

垃圾焚烧炉的数据包括条件变量、控制变量和其他变量，其中，

条件变量包括垃圾水分、热值；

控制变量包括一次风风量与风速、二次风风量与风速、炉排速度、一次风各级配比以及二次风风口角度与开度；

其他变量包括水平烟道出口烟温、氮氧化物浓度、一氧化碳浓度、硫氧化物浓度及氯化氢浓度。

3.根据权利要求2所述的垃圾焚烧炉的燃烧决策方法，其特征在于，在步骤S1中，根据历史数据得到有效数据样本，具体如下：

利用其他垃圾焚烧炉在正常运行和非正常运行情况下的历史数据，构建得到原始数据库；

根据目标垃圾焚烧炉在正常运行和非正常运行情况下的历史数据，得到其他变量的临界值；

从原始数据库中选取出条件变量的相关性大于相关性阈值的历史数据，将选取出来的历史数据作为有效数据样本。

4.根据权利要求3所述的垃圾焚烧炉的燃烧决策方法，其特征在于，在步骤S2中，利用有效数据样本构建支持向量机，由支持向量机得到燃烧决策模型，具体如下：

针对于m个有效数据样本，从每个有效数据样本中提取出控制变量和其他变量并由控制变量和其他变量构成个体特征向量，以此得到m个个体特征向量；

利用One-versus-rest SVM分类算法生成n个支持向量机，并由支持向量机得到燃烧决策模型，具体为：

将m个个体特征向量随机分成k个大小相等且互斥的子集，并将其中一个子集作为测试集，剩余的k-1个子集并集为样本集；

在样本集中，将其中一个个体特征向量以及与其相似的其他个体特征向量归为同一类别，同时得到剩余的个体特征向量；

在剩余的个体特征向量中，将其中一个个体特征向量以及与其相似的其他个体特征向量归为同一类别，同时对剩余个体特征向量进行更新；

针对于更新后的剩余个体特征向量，重复进行上述归类过程，直至完成所有个体特征向量的归类，以此产生n个类别s1、s2…sn；

依次将其中任意一个类别的个体特征向量归为一类，剩余的其他样本归为另一类，以此得到n个训练集，具体如下：

s1所对应的向量为正集，s2、s3…sn所对应的向量为负集；

s2所对应的向量为正集，s1、s3…sn所对应的向量为负集；

s3所对应的向量为正集，s1、s2…sn所对应的向量为负集；

……

sn所对应的向量为正集，s1、s2…sn-1所对应的向量为负集；

其中，类别所对应的向量具体是由每个类别中的所有个体特征向量所构成；

将n个训练集作为输入，分别训练得到n个支持向量机；将得到的n个支持向量机组成燃烧决策模型；

将测试集分别输入n个支持向量机，并将支持向量机所输出的结果最大值作为燃烧决策模型的测试结果；

针对于k个子集，轮流将其中一个子集作为测试集，通过交叉验证法对燃烧决策模型进行验证，验证完成后的燃烧决策模型即为最终的燃烧决策模型。