[发明专利]基于锅炉主汽压力历史数据的在线动态自回归预测方法

权利要求书

1.基于锅炉主汽压力历史数据的在线动态自回归预测方法，其特征在于，包括以下步骤：

1)获得预设时长和时间间隔的动态锅炉主汽压力历史数据；

2)对步骤1)的历史数据进行标准化处理；

3)对步骤2)的标准化历史数据进行自相关系数计算权重解算；

4)利用步骤3)的自相关系数计算权重预测未来数据。

2.根据权利要求1所述的基于锅炉主汽压力历史数据的在线动态自回归预测方法，其特征在于，步骤1)中，获得400s以内时长和时间间隔为0.5s～3s的动态历史数据。

3.根据权利要求2所述的基于锅炉主汽压力历史数据的在线动态自回归预测方法，其特征在于，步骤1)中，假设当前数据为U₀，其历史数据矩阵如下：

U[n]＝U₀e^-nTs

其中，U[n]为U₀的历史数据矩阵；s为拉普拉斯算子；n为历史数据矩阵中的数据编号；T为相邻历史数据的时间间隔；其中0≤n≤N，N为历史数据矩阵最大长度。

4.根据权利要求2所述的基于锅炉主汽压力历史数据的在线动态自回归预测方法，其特征在于，n的最大值为400，且T＝1s。

5.根据权利要求3所述的基于锅炉主汽压力历史数据的在线动态自回归预测方法，其特征在于，步骤2)中，对历史数据矩阵进行标准化处理，具体如下，

对历史数据矩阵进行一次差分：

U₁[n]＝U[n+1]-U[n] 1≤n≤N-1

其中U₁[n]为一次差分矩阵，U[n+1]和U[n]分别为第n+1步和第n步历史数据，将一次差分矩阵再进行差分，得到历史矩阵的二次差分矩阵U₂[n]，表达如下：

U₂[n]＝U₁[n+1]-U₁[n] 1≤n≤N-2

将二次差分矩阵求平均，得二次差分矩阵平均值U₂为：

将二次差分矩阵去平均化，得到残差矩阵U'₂[n]为：

求取残差矩阵的均方差b为：

将历史数据的二次差分矩阵转化为二次差分标准矩阵U_std[n]为：

6.根据权利要求5所述的基于锅炉主汽压力历史数据的在线动态自回归预测方法，其特征在于，历史数据的二次差分标准矩阵U_std的元素均分布在0～1之间。

7.根据权利要求5所述的基于锅炉主汽压力历史数据的在线动态自回归预测方法，其特征在于，步骤3)中，通过自相关系数计算解算权重，如下：

在当前数据的基础上向前进行6步预测，因此建立长度为4的一维自相关矩阵R，其中，

其中R₀为二次差分标准矩阵U_std的平均数，R[1]至R[4]分别为自相关矩阵元素；

建立如下的topelitz矩阵G：

则预测动态权重矩阵W为：

W＝G^-1R'

其中动态权重矩阵W是长度为5的一维矩阵。

8.根据权利要求7所述的基于锅炉主汽压力历史数据的在线动态自回归预测方法，其特征在于，步骤4)中，基于权重矩阵的未来数据预测，如下：

通过权重矩阵W和历史数据，对未来数据的预测如下：

其中Z[1]至Z[6]为基于历史数据的标准矩阵的未来6步预测数据，将其通过反差分和反标准化计算得，基于历史数据的U₀未来六步预测为：

其中矩阵ans[1]至ans[6]即为基于当前数据的未来6步预测数据。