[发明专利]基于大数据的脱硫系统运行优化方法和系统

权利要求书

1.一种基于大数据的脱硫系统运行优化方法，其特征在于，所述方法包括：

S1：基于能量平衡和物料守恒理论，根据燃煤电站实际设备组件创建脱硫系统理论模型，设定脱硫效率评价指标，提取燃煤电站在第一设定时间段内的运行数据作为建模数据；

S2：对建模数据进行预处理，以脱硫系统理论模型为基础，分析不同工况条件下对脱硫效率产生影响的若干种因素；

S3：对预处理后的建模数据进行大数据分析，以获取不同工况条件下的关键因素，创建数学预测模型，寻找数学预测模型在不同工况条件下的全局最优解，作为脱硫系统在不同工况条件下的运行优化策略；

S4：以脱硫系统理论模型为基础分析，验证所述运行优化策略的正确性，如果正确，导出所述运行优化策略，否则，重新寻找数学预测模型在不同工况条件下的全局最优解；

步骤S2中，所述对建模数据进行预处理，以脱硫系统理论模型为基础，分析不同工况条件下对脱硫效率产生影响的若干种因素的方法包括以下步骤：

S201：对建模数据进行预处理，包括：

可信度审核，以剔除其中的不合理数据；补充缺失数据；对波动频率超过设定频率阈值的参数数据进行去噪处理；

S202：以负荷为依据，划分不同工况条件；

S203：以不同工况条件为基础，对预处理后的建模数据进行回归计算，以获取不同工况条件下对脱硫效率产生影响的若干种因素；

步骤S3中，对预处理后的建模数据进行大数据分析，以获取不同工况条件下的关键因素，创建数学预测模型，寻找数学预测模型在不同工况条件下的全局最优解，作为脱硫系统在不同工况条件下的运行优化策略的方法包括以下步骤：

S301：对预处理后的建模数据进行大数据分析，以获取不同工况条件下的关键因素，利用不同工况条件下的关键因素以创建数学预测模型；

S302：提取燃煤电站在第二设定时间段内的运行数据作为审核数据，对数学预测模型进行审核，设置误差阈值，如果审核通过进入步骤S303，否则返回步骤S301；

S303：计算数学预测模型在不同工况条件下的最优解，以获取脱硫系统在不同工况条件下的运行优化策略；

所述方法还包括：采用遗传算法以计算数学预测模型在不同工况条件下的最优解；

所述方法还包括：采用灰关联法以获取对应工况条件下的关键因素。

2.根据权利要求1所述的基于大数据的脱硫系统运行优化方法，其特征在于，所述脱硫效率评价指标包括脱硫工序消耗的能源用量和物料用量。

3.根据权利要求2所述的基于大数据的脱硫系统运行优化方法，其特征在于，所述脱硫效率评价指标包括与脱硫工序消耗的能源和物料等效的货币值。

4.根据权利要求1所述的基于大数据的脱硫系统运行优化方法，其特征在于，所述方法还包括：

步骤S302中，如果审核不通过的次数达到设定次数阈值，发出警示。

5.根据权利要求1所述的基于大数据的脱硫系统运行优化方法，其特征在于，步骤S4中，利用不同工况条件下的关键因素，采用神经网络和/或向量机方法以创建对应的数学预测模型。

6.应用如权利要求1所述方法的基于大数据的脱硫系统运行优化系统，其特征在于，所述系统包括：

用于基于能量平衡和物料守恒理论，根据燃煤电站实际设备组件创建脱硫系统理论模型的模块；

用于设定脱硫效率评价指标的模块；

用于提取燃煤电站在第一设定时间段内的运行数据作为建模数据的模块；

用于对建模数据进行预处理的模块；

用于以脱硫系统理论模型为基础，分析不同工况条件下对脱硫效率产生影响的若干种因素的模块；

用于对预处理后的建模数据进行大数据分析，以获取不同工况条件下的关键因素的模块；

用于创建数学预测模型的模块；

用于寻找数学预测模型在不同工况条件下的全局最优解，作为脱硫系统在不同工况条件下的运行优化策略的模块；

用于以脱硫系统理论模型为基础分析，验证所述运行优化策略的正确性的模块，如果正确，导出所述运行优化策略，否则，重新寻找数学预测模型在不同工况条件下的全局最优解。