(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211034035.8 (22)申请日 2022.08.26 (71)申请人 华电电力科学研究院有限公司 地址 310000 浙江省杭州市西湖区三墩镇 西园一路10号 (72)发明人 冯前伟　江建平　郭栋　杜振　 张杨　杨用龙　 (74)专利代理 机构 杭州创智卓英知识产权代理 事务所(普通 合伙) 33324 专利代理师 唐超文 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 50/06(2012.01) G06Q 50/26(2012.01) G06K 9/62(2022.01)G06N 3/04(2006.01) G06N 3/08(2006.01) G06N 5/00(2006.01) G06N 20/20(2019.01) (54)发明名称 一种炉膛氮氧化物生成浓度的预测方法和 系统 (57)摘要 本申请涉及一种炉膛氮氧化物生成浓度的 预测方法和系统， 其中， 该方法包括： 经 获取处理 得到标准数据， 其中， 标准数据包括脱硝入口氮 氧化物浓度数据和关联指标数据， 关联指标影 响 炉膛氮氧化物的生成浓度； 采用灰度关联分析 法、 余弦相似度分析法和皮尔逊相关性分析法， 对脱硝入口氮氧化物浓度数据与关联指标数据 之间的影响度进行分析； 基于分析后的标准数 据， 采用网格搜索法对多模型集 成的组合模型进 行参数优化训练； 通过训练好的组合模型预测炉 膛内氮氧化物的生成浓度， 通过本申请， 解决了 如何精准预测炉膛内氮氧化物 生成浓度的问题， 实现了对氮氧化物生成浓度的实时精 准预测， 确 定实时工 况下的最佳喷氨量， 进而对氮氧化物进 行低能耗精准控制。 权利要求书2页 说明书9页 附图2页 CN 115496265 A 2022.12.20 CN 115496265 A 1.一种炉膛氮氧化物生成浓度的预测方法， 其特 征在于， 所述方法包括： 选取电厂数据库中的历史数据， 并进行数据 预处理得到标准数据， 其中， 所述标准数据 包括脱硝入口氮氧化物浓度数据和关联指标数据， 关联指标影响炉膛氮氧化物的生成浓 度； 采用灰度关联分析法、 余弦相似度分析法和皮尔逊相关性分析法， 分别对所述脱硝入 口氮氧化物浓度数据与所述关联指标 数据之间的影响度进行分析； 基于所述分析后的标准数据， 采用网格搜索 法对多模型集成的组合模型进行参数优化 训练； 实时采集机组运作中各关联指标的实时数据， 通过训练好的组合模型预测氮氧化物的 生成浓度。 2.根据权利要求1所述的方法， 其特征在于， 选取电厂数据库中的历史数据， 并进行数 据预处理得到标准数据包括： 选取电厂数据库中预设时间段内的历史数据， 将所述历史数据转化成机器学习建模所 需要的的格式数据； 通过3δ原则法、 箱型 图分析法、 Z ‑score法、 局部异常因子法剔除所述格式数据中的异 常数据， 得到标准数据。 3.根据权利要求1所述的方法， 其特征在于， 采用灰度关联分析法， 对所述脱硝入口氮 氧化物浓度数据与所述关联指标 数据之间的影响度进行分析包括： 采用灰度关联分析法， 分析所述脱硝入口氮氧化物浓度 数据与所述关联指标数据的非 线性关系， 得 出氮氧化物生成浓度与各关联指标之间的关联度； 按所述关联度由高到低的顺序， 对所述关联指标进行排序。 4.根据权利要求1所述的方法， 其特征在于， 采用余弦相似度分析法， 对所述脱硝入口 氮氧化物浓度数据与所述关联指标 数据之间的影响度进行分析包括： 采用余弦相似度分析法， 分析所述脱硝入口氮氧化物浓度 数据与所述关联指标数据间 的相似度关系， 得到氮氧化物生成浓度与各关联指标之间的相似度； 按所述相似度由高到低的顺序， 对所述关联指标进行排序。 5.根据权利要求1所述的方法， 其特征在于， 采用皮尔逊相关性分析法， 对所述脱硝入 口氮氧化物浓度数据与所述关联指标 数据之间的影响度进行分析包括： 采用皮尔逊相关性分析法， 分析所述脱硝入口氮氧化物浓度数据与 所述关联指标数据 的线性关系， 得 出氮氧化物生成浓度与各关联指标之间的相关性； 按所述相关性由高到低的顺序， 对所述关联指标进行排序。 6.根据权利要求1所述的方法， 其特征在于， 基于所述分析后的标准数据， 采用网格搜 索法对多模型集成的组合模型进行参数优化训练包括： 基于灰度关联分析法、 余弦相似度分析法和皮尔逊相关性分析法中一种或多种分析法 的分析结果， 对所述关联指标 数据中第一关联指标进行筛 选得到第二关联指标； 将所述第二关联指标对应的关联指标数据作为模型输入， 采用网格搜索 法对多模型集 成的组合模型进行参数优化训练。 7.根据权利要求1所述的方法， 其特征在于， 基于所述分析后的标准数据， 采用网格搜 索法对多模型集成的组合模型进行参数优化训练还 包括：权　利　要　求　书 1/2 页 2 CN 115496265 A 2基于灰度关联分析法、 余弦相似度分析法和皮尔逊相关性分析法中一种或多种分析法 的分析结果， 对所述关联指标 数据中的各关联指标分别设置 权重； 将基于所述权重加权后的关联指标数据作为模型输入， 采用网格搜索 法对多模型集成 的组合模型进行参数优化训练。 8.根据权利要求1、 6和7中任一项所述的方法， 其特征在于， 采用网格搜索法对多模型 集成的组合模型进行参数优化训练包括： 采用网格搜索 法对组合模型中各个模型的弱学习器的最大迭代次数， 以及特征划分的 最大特征数， 进行预设迭代次数的参数优化训练。 9.根据权利要求1所述的方法， 其特征在于， 所述多模型集成的组合模型包含随机森林 算法模型、 LightGBM算法模型、 XGboost算法模型、 GRU神经网络模型、 BP神经网络模型和 LSTM记忆网络模型中的一种或多种。 10.一种炉膛氮氧化物生成浓度的预测系统， 其特征在于， 所述系统包括数据处理模 块、 数据分析模块、 模型训练模块和浓度预测模块； 所述数据处理模块， 用于选取电厂数据库中的历史数据， 并进行数据预处理得到标准 数据， 其中， 所述标准数据包括脱硝入口氮氧化物浓度数据和关联指标数据， 关联指标影响 炉膛氮氧化物的生成浓度； 所述数据分析模块， 用于采用灰度关联分析法、 余弦相似度分析法和皮尔逊相关性分 析法， 分别对所述脱硝入口氮氧化物浓度数据与所述关联指标数据之间的影响度进行分 析； 所述模型训练模块， 用于基于所述分析后的标准数据， 采用网格搜索法对多模型集成 的组合模型进行参数优化训练； 所述浓度预测模块， 用于实时采集机组运作中各关联指标的实时数据， 通过训练好的 组合模型 预测氮氧化物的生成浓度。权　利　要　求　书 2/2 页 3 CN 115496265 A 3