[发明专利]基于LSTM的锅炉NOx排放量预测模型的建模方法及装置

摘要

本发明提供了一种基于LSTM(Long Short‑Term Memory，长短期记忆网络)的锅炉NOx排放预测模型的建模方法及装置。本发明通过燃煤电站的历史锅炉运行数据，构建基于LSTM递归神经网络的锅炉NOx排放量预测模型，并利用LSTM递归神经网络的序列依赖问题处理功能，解决了现有的预测燃煤电站锅炉NOx排放的机器学习建模方法所采用的建模数据均为锅炉稳态运行时的数据，忽略了NOx排放的动态特性，导致的在锅炉运行工况频繁变化时，模型的预测精度会大幅下降的技术问题。

主权项

1.一种基于LSTM的锅炉NOx排放量预测模型的建模方法，其特征在于，包括：S1：根据预置的锅炉运行输入变量，获取与锅炉运行输入变量相对应的锅炉运行数据；S2：根据数据的采集时间，对锅炉运行数据进行排序，得到锅炉参数矩阵，然后根据LSTM模型的数据格式要求，对锅炉参数矩阵进行数据重组，得到模型参数矩阵，并以模型参数矩阵为变量，构建LSTM锅炉排放量初始预测模型；S3：对LSTM锅炉排放量初始预测模型中的超参数进行优化，以优化后的超参数作为控制量，对LSTM锅炉排放量初始预测模型进行训练，得到LSTM锅炉NOx排放量动态预测模型。