[发明专利]一种燃气轮机NOX

说明书

本发明公开了一种燃气轮机NO_X排放浓度预测方法及装置，所述方法包括：建立样本数据集DATA并将样本数据集DATA转换为向量形式，得到向量集合；对向量集合进行预处理，得到预处理后的数据集D^*；分别采用偏互信息PMI、决策树CART、套索回归LASSO对预处理后的数据集D^*进行特征选择，并根据变量排序原则得到各算法进行特征选择后的重要信息排序，选择每个重要信息排序的前10个特征分别构成新的样本集利用非线性多特征选择组合预测模型进行NO_X排放浓度预测；本发明的优点在于：预测精度较高。

技术领域

本发明涉及NO_X浓度预测领域，更具体涉及一种燃气轮机NO_X排放浓度预测方法及装置。

背景技术

煤炭发电以低廉的经济优势占据着我国能源结构的主要部分，煤炭发电过程中会释放大量NO_X污染物，随着严格的环境法规的推进，加大了煤电环保工作的难度。与煤炭发电相比，燃气蒸汽联合循环机组以天然气为介质燃料，发电产物清洁，NO_X排放浓度仅为煤炭电厂的1/10。

燃机NO_X排放浓度能够反映燃机的燃烧健康水平，是建立燃烧调整模型的重要变量。异常的排放特性影响机组燃烧效率，燃烧脉动不稳定，触发负荷超驰机制。准确的预测NOx可以对异常工况进行预警，消除安全隐患。

构造准确预测模型的核心是针对研究问题找到适合的建模方法。在已有研究中，建模方法以传统物理分析方法、统计学方法和数据驱动的先进智能方法三种。其中，曹军等发表文献《F级燃气-蒸汽联合循环机组高精度全范围仿真系统的开发》，利用APROS软件对燃机热力过程进行质量、动量分析，遵循能量守恒法则对F级燃气蒸汽机组全范围过程进行实时动态仿真。然而，该机理方法在建模精度方面有提升空间。厂级数据监控系统(Supervisory Information System，SIS)作为智慧电厂控制的子系统实现了机组过程控制中大量参数数据状态的监测记录与实时访问，为先进智能建模控制策略提供了保障。其中，李景轩等发表《燃气轮机机理-数据混合建模方法研究》，设计了一种以智能算法作为机理模型误差补偿的混合模型控制器方法，并对不同组合方式的设计进行了基于分布式控制系统(Distributed Control System,DCS)数据的验证实验，将预测精度提高。云世豪等发表《基于RS-RBF的燃气轮机控制系统传感器故障诊断研究》，将传感器故障征兆属性通过改进的等频离散方法处理构建粗糙集，并进行下一步RBF网络的建立减少传感器故障的误判率。已有研究在电站参数建模方面取得了成功，然而以上研究均为浅层机器学习方法，不能够捕捉隐藏在数据底层的深层次有用信息，导致预测精度不够高。

发明内容

本发明所要解决的技术问题在于现有技术NO_X浓度预测方法预测精度不够高的问题。

本发明通过以下技术手段实现解决上述技术问题的：一种燃气轮机NO_X排放浓度预测方法，所述方法包括：

步骤一：TCS数据采集系统中获取与NO_X排放浓度相关的燃烧状态参数与控制参数原始数据，建立样本数据集DATA并将样本数据集DATA转换为向量形式，得到向量集合；

步骤二：对向量集合进行预处理，得到预处理后的数据集D^*；

步骤三：分别采用偏互信息PMI、决策树CART、套索回归LASSO对预处理后的数据集D^*进行特征选择，并根据变量排序原则得到各算法进行特征选择后的重要信息排序，选择每个重要信息排序的前10个特征分别构成新的样本集

步骤四：基于深度置信网络DBN对PMI、CART、LASSO算法下构成的样本集分别进行建模预测，并采用DNN算法构建非线性多特征选择组合预测模型，利用非线性多特征选择组合预测模型进行NO_X排放浓度预测。