[发明专利]一种脱硫优化方法、装置、电子设备及存储介质

权利要求书

1.一种脱硫优化方法，其特征在于，包括：

获取脱硫设备在脱硫过程中产生的多种时序数据，所述时序数据是影响所述脱硫设备的脱硫效果的时间序列数据；

在所述多种时序数据中的每种时序数据的变动范围内生成多个操作数据；

使用神经网络模型对所述多个操作数据和所述多种时序数据进行预测，获得多个预测指标数据；

从所述多个预测指标数据筛选出最优指标数据，并根据所述最优指标数据确定出用于优化所述脱硫效果的操作数据。

2.根据权利要求1所述的方法，其特征在于，在所述使用神经网络模型对所述多个操作数据和所述多种时序数据进行预测之前，还包括：

获取多种指标影响数据和脱硫指标数据，所述指标影响数据是影响脱硫效果的时间序列数据，所述脱硫指标数据是表征脱硫效果的时间序列数据；

从所述多种指标影响数据从筛选出至少一种与所述脱硫指标数据具有相关关系的指标影响数据；

获取所述相关关系的指标影响数据对应的优化操作数据；

以所述优化操作数据和所述相关关系的指标影响数据为训练数据，以所述脱硫指标数据为训练标签，对神经网络进行训练，获得所述神经网络模型。

3.根据权利要求2所述的方法，其特征在于，在所述从所述多种指标影响数据从筛选出至少一种与所述脱硫指标数据具有相关关系的指标影响数据之前，还包括：

对所述多种指标影响数据和所述脱硫指标数据进行预处理，所述预处理包括：异常值识别剔除、缺失值填补和降噪处理。

4.根据权利要求2所述的方法，其特征在于，所述从所述多种指标影响数据从筛选出至少一种与所述脱硫指标数据具有相关关系的指标影响数据，包括：

对所述多种指标影响数据的其中一种指标影响数据与所述脱硫指标数据进行非线性相关性分析，获得互信息熵值；

若所述互信息熵值大于预设阈值，则将所述互信息熵值对应的指标影响数据确定为所述相关关系的指标影响数据。

5.根据权利要求1所述的方法，其特征在于，所述使用神经网络模型对所述多个操作数据和所述多种时序数据进行预测，包括：

从所述多种时序数据中的每种时序数据对应的多个操作数据筛选出一个候选操作数据，获得由多个候选操作数据构成的操作组合；

使用神经网络模型对所述操作组合和所述操作组合对应的多种时序数据进行预测。

6.根据权利要求1所述的方法，其特征在于，所述从所述多个预测指标数据筛选出最优指标数据，包括：

根据预设条件从所述多个预测指标数据筛选出最优指标数据，所述预设条件包括：根据所述预测指标数据对应的操作数据计算出的操作成本最低，且所述预测指标数据对应的操作数据不存在异常数据。

7.根据权利要求1-6任一所述的方法，其特征在于，在所述根据所述最优指标数据确定出用于优化所述脱硫效果的操作数据之后，还包括：

根据所述最优指标数据对应的操作数据生成优化操作建议，并输出所述优化操作建议；

或者，根据所述最优指标数据对应的操作数据生成优化操作指令，并向所述脱硫设备发送所述优化操作指令，所述优化操作指令用于被所述脱硫设备执行并优化脱硫效果。

8.一种脱硫优化装置，其特征在于，包括：

时序数据获取模块，用于获取脱硫设备在脱硫过程中产生的多种时序数据，所述时序数据是影响所述脱硫设备的脱硫效果的时间序列数据；

操作数据生成模块，用于在所述多种时序数据中的每种时序数据的变动范围内生成多个操作数据；

指标数据获得模块，用于使用神经网络模型对所述多个操作数据和所述多种时序数据进行预测，获得多个预测指标数据；

优化数据确定模块，用于从所述多个预测指标数据筛选出最优指标数据，并根据所述最优指标数据确定出用于优化所述脱硫效果的操作数据。