[发明专利]基于智能化KNN机制的燃煤锅炉NOx

权利要求书

1.一种基于智能化KNN机制的燃煤锅炉NO_x排放预测方法，其特征是，包括如下步骤：

a、构建知识库；具体是：从现有燃煤电厂存储的数据中选取若干元组数据，每一元组数据均包括30维的燃烧输入参数以及锅炉A侧和B侧的NO_x输出浓度；从30维燃烧输入参数中选取单位负荷、总风量和炉膛温度3个参数，并以这3个参数为坐标轴建立直角坐标系，将直角坐标系空间平均划分成M³个小长方体空间，8≤M≤15；并使所选取的若干元组数据分别分布于对应的小长方体空间中，从而构建形成知识库；

b、依据锅炉A侧的NO_x输出浓度对知识库中元组数据进行分类；具体是：针对A侧NO_x输出浓度，采用上限函数将A侧NO_x输出浓度的范围[minA,maxA]划分为s个区间，将每一区间的元组数据集合起来形成一个聚类，获得包含s个聚类的集合cSetA＝{C₁,…,C_s}；集合cSetA中每一聚类包含若干元组数据，各聚类C_i中元组数据互不相交，且所有聚类的元组数据取并集构成知识库中元组数据；minA指在知识库的元组数据中，A侧NO_x输出浓度的最小值，maxA指在知识库的元组数据中，A侧NO_x输出浓度的最大值；s为整数；1≤i≤s；

c、对于待测新元组t，首先根据新元组t的30维的燃烧输入参数，判定新元组t所属的聚类，得到至少一个候选聚类；当候选聚类为多个时，使候选聚类对应的单位负荷、总风量和炉膛温度3个输入参数的区间与新元组t在知识库小长方体空间对应的区间取交集，将交集最大的一个或多个对应的候选聚类记为关键聚类；当候选聚类为一个时，该候选聚类即为关键聚类；

d、从关键聚类中寻找待测新元组t的K个最近邻元组t₁,…,t_K，依据如下公式计算各最近邻元组t_i的权重w_i；i＝1,…,K；

a_i＝log₂((c_c+1)(c_r+1))/(d(t,t_i)+d_mean)

c_c表示与最近邻元组t_i在同一个关键聚类的K个最近邻元组t₁,…,t_K的数目，c_r表示与最近邻元组t_i在知识库中属于同一个小长方体的K个最近邻元组t₁,…,t_K的数目；d(t,t_i)表示待测新元组t与最近邻元组t_i之间的距离；

e、依据如下公式计算待测新元组t的A侧的NO_x输出浓度；

t.y'₁＝w₁t₁.y₁+…+w_Kt_K.y₁

其中，t.y'₁即为预测得出的新元组t的A侧的NO_x输出浓度；t₁.y₁为最近邻元组t₁的A侧的NO_x输出浓度，t_K.y₁为最近邻元组t_K的A侧的NO_x输出浓度；

f、按照步骤b-e计算出新元组t的B侧的NO_x输出浓度。

2.根据权利要求1所述的基于智能化KNN机制的燃煤锅炉NO_x排放预测方法，其特征是，步骤c中，

判断新元组t是否属于某一聚类，具体是：根据新元组t的30维输入参数，判断各维输入参数是否均落入聚类所对应的30维数据中，如果是，则表示新元组t属于该聚类，将该聚类记为候选聚类；否则表示新元组t不属于该聚类。