[发明专利]一种NOx浓度预测模型的训练方法、预测方法和装置

权利要求书

1.一种NOx浓度预测模型的训练方法，其特征在于，包括：

获取从SCR脱硝系统的分散控制系统采集的训练数据；

基于XGBoost算法和相关性分析，从所述训练数据中进行特征选择，得到用于训练的训练特征集和用于验证的验证特征集；

将所述训练特征集中的训练特征作为输入参数、所述训练特征对应的训练NOx预测浓度作为输出结果，对预置神经网络进行训练，得到初始预测模型；

将所述验证特征集中的验证特征作为输入参数输入至所述初始预测模型，得到所述初始预测模型输出的验证NOx预测浓度；

计算所述验证特征对应的验证NOx实际浓度和所述验证NOx预测浓度之间的预测误差；

根据所述预测误差对所述初始预测模型进行调整，得到训练好的目标预测模型。

2.根据权利要求1所述的NOx浓度预测模型的训练方法，其特征在于，所述预置神经网络为LSTM神经网络。

3.根据权利要求2所述的NOx浓度预测模型的训练方法，其特征在于，所述LSTM神经网络包括：输入层、隐层和输出层；

所述输入层、所述隐层和所述输出层均包含128个节点。

4.根据权利要求1所述的NOx浓度预测模型的训练方法，其特征在于，根据所述预测误差对所述初始预测模型进行调整，得到训练好的目标预测模型具体包括：

基于Adam算法和所述预测误差，确定用于调整所述初始预测模型的调整参数；

基于所述调整参数对所述初始预测模型进行调整，得到训练好的目标预测模型。

5.根据权利要求1所述的NOx浓度预测模型的训练方法，其特征在于，所述训练特征集中的训练特征包括：喷氨质量流量、锅炉负荷、SCR入口烟气温度、SCR入口烟气含氧量、SCR入口NOx质量浓度、SCR脱硝效率。

6.一种NOx浓度预测模型的预测方法，其特征在，所述NOx浓度预测模型为通过如权利要求1至5中任一项所述的NOx浓度预测模型的训练方法训练得到的；

获取用于预测的待分析特征；

将所述待分析特征输入至所述NOx浓度预测模型中，得到所述NOx浓度预测模型输出的预测NOx浓度。

7.一种NOx浓度预测模型的训练装置，其特征在于，包括：

获取单元，用于获取从SCR脱硝系统的分散控制系统采集的训练数据；

选择单元，用于基于XGBoost算法和相关性分析，从所述训练数据中进行特征选择，得到用于训练的训练特征集和用于验证的验证特征集；

训练单元，用于将所述训练特征集中的训练特征作为输入参数、所述训练特征对应的训练NOx预测浓度作为输出结果，对预置神经网络进行训练，得到初始预测模型；

验证单元，用于将所述验证特征集中的验证特征作为输入参数输入至所述初始预测模型，得到所述初始预测模型输出的验证NOx预测浓度；

计算单元，用于计算所述验证特征对应的验证NOx实际浓度和所述验证NOx预测浓度之间的预测误差；

调整单元，用于根据所述预测误差对所述初始预测模型进行调整，得到训练好的目标预测模型。

8.根据权利要求7所述的NOx浓度预测模型的训练装置，其特征在于，所述预置神经网络为LSTM神经网络。

9.根据权利要求8所述的NOx浓度预测模型的训练装置，其特征在于，所述LSTM神经网络包括：输入层、隐层和输出层；

所述输入层、所述隐层和所述输出层均包含128个节点。

10.一种NOx浓度预测模型的预测装置，其特征在，所述NOx浓度预测模型为通过如权利要求7至9中任一项所述的NOx浓度预测模型的训练装置训练得到的；

获取单元，用于获取用于预测的待分析特征；

预测单元，用于将所述待分析特征输入至所述NOx浓度预测模型中，得到所述NOx浓度预测模型输出的预测NOx浓度。