[发明专利]数据预测方法、模型训练方法、装置、设备

说明书

本发明的实施例提供了一种数据预测方法、模型训练方法、装置、设备。该方法包括：获取设备工况数据，设备工况数据包括热工变量数据与设备运行数据；采用设备工况数据对热工变量预测模型进行训练，设备运行数据用于训练第一单预测模型，历史热工变量数据用于训练第二单预测模型；通过第一单预测模型和第二单预测模型融合得到的热工变量预测模型对目标热工变量数据进行预测。该方法通过训练热工变量单预测模型，将热工变量单预测模型融合为热工变量预测模型，使热工变量预测模型具有更强的泛化性和抗噪性，解决设备工况数据发生时间不同步的问题，从而，预测出更准确的目标热工变量数据，以优化机组能源利用率，降低污染物排放，减少运行成本。

技术领域

本发明涉及能源技术领域，更具体地，本发明涉及一种数据预测方法、模型训练方法、装置、设备。

背景技术

目前，化石能源在消费能源中仍处于主导地位。但随着新能源电力大量并网，火电机组多参与到调峰调频中，使火电机组的工况负荷产生波动，为火电机组中热工变量数据的预测带来挑战。

以燃煤发电为主的火电厂来说，燃煤机组排放的烟气中主要污染物是氮氧化物(NOx)。为应对来自经济效益和环保政策的双重压力，达到标准排放量，需要对烟气中的NOx的排放量进行预测，以基于预测结果优化机组能源利用率，降低NOx的排放量。但目前的预测方案均无法准确地对变负荷工况下的NOx排放数据进行预测。

因此，如何预测热工变量数据，成为亟待解决的技术问题。

发明内容

本发明实施例提供一种数据预测方法、模型训练方法、装置、设备，用以预测热工变量数据。比如，预测火电机组污染物的排放数据。

第一方面，本发明实施例提供一种数据预测方法，该方法包括：

获取设备工况数据，该设备工况数据包括热工变量数据以及与热工变量数据相关的设备运行数据；

采用设备工况数据对热工变量预测模型进行训练，其中，设备运行数据用于训练第一单预测模型，历史热工变量数据用于训练第二单预测模型，热工变量预测模型是基于第一单预测模型和第二单预测模型进行融合得到的；

通过热工变量预测模型对目标热工变量数据进行预测。

第二方面，本发明实施例提供一种数据预测装置，包括：

数据获取模块，用于获取设备工况数据，该设备工况数据包括热工变量数据以及与热工变量数据相关的设备运行数据；

训练模块，用于采用设备工况数据对热工变量预测模型进行训练，其中，设备运行数据用于训练第一单预测模型，历史热工变量数据用于训练第二单预测模型，热工变量预测模型是基于第一单预测模型和第二单预测模型进行融合得到的；

预测模块，用于通过热工变量预测模型对目标热工变量数据进行预测。

第三方面，本发明实施例提供一种电子设备，其中包括处理器和存储器，其中，存储器上存储有可执行代码，当可执行代码被处理器执行时，使处理器至少可以实现第一方面中的数据预测方法。

第四方面，本发明实施例提供了一种非暂时性机器可读存储介质，非暂时性机器可读存储介质上存储有可执行代码，当可执行代码被电子设备的处理器执行时，使处理器至少可以实现第一方面中的数据预测方法。

第五方面，本发明实施例提供一种模型训练方法，该方法包括：

获取设备工况数据，该设备工况数据包括热工变量数据以及与热工变量数据相关的设备运行数据；

基于设备运行数据训练第一单预测模型；

基于历史热工变量数据训练第二单预测模型；