[发明专利]一种基于变量筛选的锅炉燃烧优化方法、装置及介质

权利要求书

1.一种基于变量筛选的锅炉燃烧优化方法，其特征在于，包括：

将锅炉燃烧过程的全局变量集分为可控变量集、不可控变量集和预测变量集，所述的预测变量集包括锅炉燃烧热效率和NO_x质量浓度；

利用PLS-VIP算法，根据锅炉燃烧热效率和不可控变量集的历史数据，对不可控变量集进行筛选，获得第一筛选变量集，根据NO_x质量浓度和不可控变量集的历史数据，对不可控变量集进行筛选，获得第二筛选变量集，将可控变量集分别跟第一筛选变量集和第二筛选变量集组合，分别获得第一优化变量集和第二优化变量集；

基于LightGBM算法构建第一预测模型和第二预测模型，并以第一优化变量集和第二优化变量集分别作为第一预测模型和第二预测模型的输入变量，锅炉燃烧热效率和NO_x质量浓度分别作为第一预测模型和第二预测模型的输出变量，进行训练；

利用训练好的第一预测模型和第二预测模型，通过改进的NSGA-Ⅱ算法完成对可控变量集的寻优，以提高锅炉燃烧过程的锅炉燃烧热效率和降低NO_x质量浓度。

2.根据权利要求1所述的一种基于变量筛选的锅炉燃烧优化方法，其特征在于，所述的第一筛选变量集和第二筛选变量集的筛选过程相同；

所述的第二筛选变量集的筛选过程包括：

21)所述的不可控变量集包含p类不可控变量，采集n组NO_x质量浓度和不可控变量集的历史数据，n组不可控变量集的历史数据构成X_NOx，X_NOx∈R^n×p，n组NO_x质量浓度的历史数据构成Y_NOx，Y_NOx∈R^n×1，n组NO_x质量浓度的历史数据构成X_NOx，X_NOx∈R^n×p；

22)利用PLS算法将X_NOx和Y_NOx分解为如下形式：

其中，T和U为包含了l个隐含向量的n×1得分矩阵，P和Q分别为p×l和1×l的载荷矩阵，E和F分别是n×p和n×1的残差矩阵；

23)通过构造权值向量提取T和U，所述的权值向量的表达式为：

W＝(w₁,w₂,…,w_i,…,w_k,…w_l)

所述的权值向量满足以下公式：

其中，t_i为T的第i列，u_i为U的第i列，cov(t_i,u_i)为隐向量t_i和u_i的协方差，根据E和F调整隐向量t_i和u_i，直到残差矩阵中元素的绝对值的满足设定精度；

24)计算不可控变量集中每个不可控变量的VIP得分，根据VIP得分筛选不可控变量，构成第二筛选变量集，所述的VIP得分V_j的计算公式为：

其中，w_jk为向量w_k的第j个元素，b_k为第k个隐变量的回归权重，

3.根据权利要求2所述的一种基于变量筛选的锅炉燃烧优化方法，其特征在于，所述的根据VIP得分筛选不可控变量的过程包括：

若VIP得分大于设定值，则保留对应的不可控变量，否则不保留。

4.根据权利要求1所述的一种基于变量筛选的锅炉燃烧优化方法，其特征在于，所述的训练过程包括：

采集第一优化变量集、锅炉燃烧热效率、第二优化变量集和NO_x质量浓度的历史数据，构成训练集，利用训练集，通过贝叶斯优化算法对第一预测模型和第二预测模型的超参数进行寻优。