[发明专利]脱硝系统NOx浓度预测方法、装置、计算机设备和存储介质

说明书

本发明涉及火力发电技术领域，特别是涉及一种脱硝系统NOx浓度预测方法、装置、计算机设备和存储介质，所述脱硝系统NOx浓度预测方法包括：获取运行参数并对所述运行参数进行去噪处理；基于随机森林算法，根据所述运行参数与NOx浓度的相关度选取若干个所述运行参数作为输入变量；将所述输入变量输入到预训练的深度学习双向长短时记忆神经网络进行处理以输出NOx浓度预测值。本发明实施例提供的脱硝系统NOx浓度预测方法通过对火力发电系统相关运行参数进行去噪处理并确定与NOx浓度最相关的若干个运行参数作为输入变量输入到预训练的模型，通过模型处理输入NOx的预测浓度，可以使脱硝系统紧密跟随输入气体中NOx的变化。

技术领域

本发明涉及火力发电技术领域，特别是涉及一种脱硝系统NOx浓度预测方法、装置、计算机设备和存储介质。

背景技术

随着大气污染问题的日益凸出，我国对火电机组的大气污染物排放进行了严格监管。精准的实现SCR(Selective Catalytic Reduction，选择性催化还原)系统入口NOx浓度预测，进而实现污染物的超低排放，不仅关系到电厂的经济效益，还与我国甚至世界人民的健康息息相关。

目前，国内外燃煤电站都采用SCR脱硝技术，其主要核心是喷氨系统的控制。为了实现NOx超低排放，有效地对SCR系统入口NOx的浓度进行预测可以实现超前控制，解决系统的延迟问题。目前火电厂SCR系统入口NOx浓度预测的方法主要分为两类，机理建模和数据建模。由于火电厂SCR脱硝系统机理复杂，难以建立准确的预测模型，而利用历史大数据建立的神经网络模型，能够较精确的实现NOx浓度的短期预测。

神经网络是对数据进行特征提取，并与精确的响应值匹配，形成的一套有监督学习系统。以往的学习网络大多是基于种类问题，对于有时序性质的数据无法充分挖掘数据中所包含的时序信息。因此，为了实现NOx污染气体的超低排放，充分挖掘历史数据中的时序信息，需要建立更加精确的预测模型。

发明内容

基于此，有必要针对上述的问题，提供一种脱硝系统NOx浓度预测方法、装置、计算机设备和存储介质。

本发明实施例是这样实现的，一种脱硝系统NOx浓度预测方法，所述脱硝系统NOx浓度预测方法包括：

获取运行参数并对所述运行参数进行去噪处理；

基于随机森林算法，根据所述运行参数与NOx浓度的相关度选取若干个所述运行参数作为输入变量；

将所述输入变量输入到预训练的深度学习双向长短时记忆神经网络进行处理以输出NOx浓度预测值。

在其中一个实施例中，还提供了一种脱硝系统NOx浓度预测装置，所述脱

硝系统NOx浓度预测装置包括：

数据获取模块，用于获取运行参数并对所述运行参数进行去噪处理；

选取模块，用于基于随机森林算法，根据所述运行参数与NOx浓度的相关度选取若干个所述运行参数作为输入变量；

处理模块，用于将所述输入变量输入到预训练的深度学习双向长短时记忆神经网络进行处理以输出NOx浓度预测值。

本发明实施例还提供了一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行上述脱硝系统NOx浓度预测方法的步骤。

本发明实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行上述脱硝系统NOx浓度预测方法的步骤。