[发明专利]建立锅炉燃烧过程模型的方法和装置

权利要求书

1.一种建立锅炉燃烧过程模型的方法，其特征在于，所述方法包括：

获取锅炉燃烧历史样本数据；

根据锅炉燃烧过程的特性，从所述锅炉燃烧历史样本数据中提取N组样本数据；其中，所述N为自然数；

为每组所述样本数据设置一个对应的云服务器组和一个对应的第一遗传编程GP算法；

将每组所述样本数据分别作为每个所述第一遗传编程GP算法的输入变量，将锅炉效率、氮氧化物NOx排放量分别作为每个所述第一遗传编程GP算法的输出变量，通过每个所述云服务器组分别运行每个所述第一遗传编程GP算法，得到N组特征模型；

将所述N组样本数据作为预设的第二遗传编程GP算法的输入变量，将所述锅炉效率、所述氮氧化物NOx排放量分别作为所述第二遗传编程GP算法的输出变量，将所述N组特征模型作为所述第二遗传编程GP算法的初始种群中的个体，运行所述第二遗传编程GP算法，得到锅炉燃烧过程模型。

2.如权利要求1所述的方法，其特征在于，所述N取值为6，所述N组样本数据分别为：一次风系统样本数据、二次风系统样本数据、风烟系统样本数据、运行参数样本数据、燃烧器二次风门系统样本数据和磨煤机系统样本数据；

相应地，所述N组特征模型分别为：一次风系统模型、二次风系统模型、风烟系统模型、运行参数模型、燃烧器二次风门系统模型和磨煤机系统模型。

3.如权利要求1所述的方法，其特征在于，将每组所述样本数据分别作为每个所述第一遗传编程GP算法的输入变量，将锅炉效率、氮氧化物NOx排放量分别作为每个所述第一遗传编程GP算法的输出变量，通过每个所述云服务器组分别运行每个所述第一遗传编程GP算法，得到N组特征模型，包括：

将每组所述样本数据分别作为每个所述第一遗传编程GP算法的输入变量；

根据每个所述第一遗传编程GP算法的输入变量的个数、每个所述第一遗传编程GP算法的种群中包括的预设个体数量M，随机产生每个所述第一遗传编程GP算法的初始种群，其中，每个所述初始种群中包括随机产生的M个个体，每个个体是一个由输入变量表示的计算输出变量的表达式；

从所述锅炉燃烧历史样本数据中提取锅炉效率真值、氮氧化物NOx排放量真值；

根据所述锅炉效率真值、所述氮氧化物NOx排放量真值，分别计算每个所述初始种群中的每个个体的适应度；

根据每个所述初始种群中的每个个体的适应度、预设的遗传算子概率，从每个所述初始种群中选择个体进行遗传计算，得到每个所述初始种群对应的新种群；

判断是否满足遗传编程终止条件；

如果不满足遗传编程终止条件，则将每个所述新种群作为每个所述初始种群，然后执行根据所述锅炉效率真值、所述氮氧化物NOx排放量真值，分别计算每个所述初始种群中的每个个体的适应度的步骤；

如果满足遗传编程终止条件，则将所述锅炉效率、所述氮氧化物NOx排放量分别作为每个所述第一遗传编程GP算法的输出变量，从每个所述新种群中选择满足预设条件的最优个体作为每个所述第一遗传编程GP算法的特征模型。

4.如权利要求1所述的方法，其特征在于，将所述N组样本数据作为预设的第二遗传编程GP算法的输入变量，将所述锅炉效率、所述氮氧化物NOx排放量分别作为所述第二遗传编程GP算法的输出变量，将所述N组特征模型作为所述第二遗传编程GP算法的初始种群中的个体，运行所述第二遗传编程GP算法，得到锅炉燃烧过程模型，包括：

将所述N组样本数据作为预设的第二遗传编程GP算法的输入变量，将所述N组特征模型作为所述第二遗传编程GP算法的初始种群中的个体；

从所述锅炉燃烧历史样本数据中提取锅炉效率真值、氮氧化物NOx排放量真值；

根据所述锅炉效率真值、所述氮氧化物NOx排放量真值，分别计算所述初始种群中的每个个体的适应度；

根据所述初始种群中的每个个体的适应度、预设的遗传算子概率，从所述初始种群中选择个体进行遗传计算，得到所述初始种群对应的新种群；

判断是否满足遗传编程终止条件；

如果不满足遗传编程终止条件，则将所述新种群作为所述初始种群，然后执行根据所述锅炉效率真值、所述氮氧化物NOx排放量真值，计算所述初始种群中的每个个体的适应度的步骤；

如果满足遗传编程终止条件，则将所述锅炉效率、所述氮氧化物NOx排放量分别作为所述第二遗传编程GP算法的输出变量，从所述新种群中选择满足预设条件的最优个体作为锅炉燃烧过程模型。