[发明专利]一种基于LSSVM的在线NOx预测方法

摘要

本发明公开了一种基于LSSVM的在线NOx预测方法，包括以下步骤：1、使用历史数据建立基于LSSVM的离线NOx预测模型；2、建立一个滑动数据窗口；3、计算在线更新预测模型中样本的个体预测误差；4、获取新的数据并输入在线更新预测模型和滑动窗口中；5、计算滑动窗口中的总体预测误差与个体预测误差；6、当总体预测误差超过阈值ε，转至步骤7；否则转至步骤4；7、使用滑动窗口中个体预测误差超过阈值的数据顶替在线更新预测模型样本中依次最小的拉格朗日值的原数据；8、重新建立在线更新预测模型，转到步骤3。本发明的优越效果是保证了计算机的稳定运行；降低了计算成本且在线更新预测模型能够同时满足实时性和预测精度的要求。

主权项

1.一种基于LSSVM的在线NOx预测方法，其特征在于，包括以下步骤：步骤1、使用历史数据建立基于LSSVM的离线NOx预测模型：步骤1.1、使用电厂的历史数据并对历史数据进行分析处理，SCR入口NOx即为SCR反应器入口NOx的测量值，辅助变量为：烟气含氧量、总风量、总煤量、机组负荷、磨煤机风煤比、炉膛中心温度；磨煤机风煤比为是进入磨煤机的冷风和热风与煤的比值；步骤1.2、样本优化：使用基于相似度函数的方法，当两个样本之间的欧式距离小的情况下，两个样本将会被认定为是重复样本；反之，则会认定为是非重复样本；当产生的重复的样本就舍弃一个重复的样本并对全部的训练样本进行优化，原始数据中的数据量大且存在很多冗余数据即多余的重复数据，通过样本优化的方法将冗余数据提出并得到的新数据则能代表之前的原始数据；步骤2、建立一个滑动数据窗口，由式(9)计算的总预测误差来确定在线更新预测模型参数是否更新；步骤3、计算在线更新预测模型中样本的个体预测误差，定义预测误差为预测值和实际值之间的偏差：上式中，y_i为i时刻的实际值，为i时刻的预测值，e_i为i时刻的预测误差；步骤4、获取新的数据并输入在线更新预测模型和滑动窗口中，旧数据从滑动窗口删除；步骤5、计算滑动窗口中的总体预测误差与个体预测误差，在线更新预测模型总预测误差为：其中，上式中，m为在线更新预测模型训练样本数量；总体预测误差用于决定在线更新预测模型是否需要更新；步骤6、当总体预测误差超过阈值ε，转至步骤7；否则转至步骤4；步骤7、使用滑动窗口中个体预测误差超过阈值的数据顶替在线更新预测模型样本中依次最小的拉格朗日值的原数据；若总预测误差大于阈值ε需要更新时，插入滑动窗口中误差大于阈值的n组训练样本，删除拉格朗日值即公式5中的最小的n组训练样本，更新在线更新预测模型参数，生成新的在线更新预测模型以避免删除训练数据中的重要样本；步骤8、重新建立在线更新预测模型，转到步骤3。