[发明专利]燃烧优化控制方法、装置、存储介质及电子设备

权利要求书

1.一种燃烧优化控制方法，其特征在于，所述方法包括：

步骤S110：获取燃烧原始数据集；

步骤S120：通过机器学习算法对所述原始数据集进行处理，得到目标数据集；

步骤S130：获取所述机器学习算法的最优超参数，将所述机器学习算法的原始超参数替换为所述最优超参数，完成对超参数的更新；

步骤S140：判断所述超参数的更新次数是否达到预设次数，当所述超参数的更新次数未达到预设次数时，基于更新的所述超参数返回执行步骤S120，S130和S140；

当所述超参数的更新次数达到预设次数时，执行步骤S150；

步骤S150：基于更新后的超参数和所述机器学习算法对所述目标数据集进行处理，从而对燃烧进行优化。

2.根据权利要求1所述的方法，其特征在于，所述原始数据集包括：燃煤机组的负荷、烟气量、煤量、一次风量、二次风量。

3.根据权利要求1所述的方法，其特征在于，所述步骤S120：通过机器学习算法对所述原始数据集进行处理，得到目标数据集，包括：

通过机器学习算法对所述原始数据集进行缺失数据填补、稳态分析、特征提取以及噪声过滤，得到目标数据集。

4.根据权利要求3所述的方法，其特征在于，所述通过机器学习算法对所述原始数据集进行缺失数据填补，包括：

通过KNNI算法确定所述原始数据集中的缺失和失真数据，并利用相似工况数据填充所述缺失和失真数据。

5.根据权利要求3所述的方法，其特征在于，所述通过机器学习算法对所述原始数据集进行稳态分析，包括：

计算在预设长度的滑动窗口内所述原始数据集的时域信号的均值和方差，判断所述均值是否小于预设均值以及所述方差是否小于预设方差；

当所述均值小于预设均值且所述方差小于预设方差时，通过小波变换对所述滑动窗口内的所述原始数据集进行频域分析，去除突变的非稳态数据。

6.根据权利要求3所述的方法，其特征在于，所述通过机器学习算法对所述原始数据集进行特征提取，包括：

基于主成分分析算法和协方差矩阵对所述原始数据集进行处理，获取所述原始数据集的特征向量。

7.根据权利要求3所述的方法，其特征在于，所述通过机器学习算法对所述原始数据集进行特征提取，包括：

基于线性判别分析算法和散度矩阵对所述原始数据集进行处理，获取所述原始数据集的特征向量。

8.根据权利要求3所述的方法，其特征在于，所述通过机器学习算法对所述原始数据集进行噪声过滤，包括：

通过噪声过滤算法和回归树的模型对所述原始数据集进行噪声过滤。

9.根据权利要求1所述的方法，其特征在于，所述获取所述机器学习算法的最优超参数，包括：

生成机器学习算法的超参数的粒子群；

通过适应度方程对粒子群进行处理，得到最优超参数。

10.一种燃烧优化控制装置，其特征在于，包括：

数据获取模块，用于获取燃烧原始数据集；

处理模块，用于通过机器学习算法对所述原始数据集进行处理，得到目标数据集；

更新模块，用于获取所述机器学习算法的最优超参数，将所述机器学习算法的原始超参数替换为所述最优超参数，完成对超参数的更新；

判断模块，用于判断所述超参数的更新次数是否达到预设次数，当所述超参数的更新次数未达到预设次数时，发送更新指令给所述更新模块；

当所述超参数的更新次数达到预设次数时，发送优化指令给所述优化模块；

优化模块，用于基于更新后的超参数和所述机器学习算法对所述目标数据集进行处理，从而对燃烧进行优化。

11.一种存储介质，其特征在于，该存储介质存储的计算机程序，可被一个或多个处理器执行，可用来实现如权利要求1～9任意一项所述的燃烧优化控制方法。

12.一种电子设备，其特征在于，包括存储器和处理器，所述存储器上存储有计算机程序，所述存储器和所述处理器之间互相通信连接，该计算机程序被所述处理器执行时，执行如权利要求1～9任意一项所述的燃烧优化控制方法。