[发明专利]燃烧优化控制方法、装置、存储介质及电子设备

说明书

本申请涉及信息与控制技术领域，具体涉及一种燃烧优化控制方法、装置、存储介质及电子设备，解决了相关技术中无法对燃烧数据进行有效优化的技术问题。该方法包括：步骤S110：获取燃烧原始数据集；步骤S120：通过机器学习算法对原始数据集进行处理，得到目标数据集；步骤S130：获取机器学习算法的最优超参数，将机器学习算法的原始超参数替换为最优超参数，完成对超参数的更新；步骤S140：判断超参数的更新次数是否达到预设次数，当超参数的更新次数未达到预设次数时，基于更新的超参数返回执行步骤S120，S130和S140；当超参数的更新次数达到预设次数时，执行步骤S150；步骤S150：基于更新后的超参数和机器学习算法对目标数据集进行处理，从而对燃烧进行优化。

技术领域

本申请涉及信息与控制技术领域，特别地涉及一种燃烧优化控制方法、装置、存储介质及电子设备。

背景技术

由于我国新能源发电技术的迅猛发展，以及煤电产能的过剩，燃煤机组在电网中的使用越来越广泛，而目前燃煤机组在电网中主要起到调峰作用。因为燃煤机组运行工况多变，使得燃煤机组运行数据在采集和传输过程中存在数据失真、缺失、受噪声干扰等问题，此外，燃煤机组DCS系统(Distributed Control System，分散控制系统)采集燃烧数据量较大，且燃烧数据是以模拟量为主的连续数据。

而传统预处理主要采用(高频、卡尔曼等)滤波和平滑等方法去除燃烧数据中缺失、超限和突变数据，存在维度灾难和过拟合的问题。而随着机器学习技术的发展，机器学习算法在解决传统方法无法解决的工业问题中发挥越来越重要的作用，如通过建立机器学习模型表征难以用机理模型解释的燃烧过程，而工业数据库中的数据不能直接应用于建立燃烧模型，缺少燃烧优化建模数据获取方法，无法对燃烧数据进行有效优化。

发明内容

针对上述问题，本申请提供一种燃烧优化控制方法、装置、存储介质及电子设备，解决了相关技术中无法对燃烧数据进行有效优化的技术问题。

第一方面，本申请提供了一种燃烧优化控制方法，所述方法包括：

步骤S110：获取燃烧原始数据集；

步骤S120：通过机器学习算法对所述原始数据集进行处理，得到目标数据集；

步骤S130：获取所述机器学习算法的最优超参数，将所述机器学习算法的原始超参数替换为所述最优超参数，完成对超参数的更新；

步骤S140：判断所述超参数的更新次数是否达到预设次数，当所述超参数的更新次数未达到预设次数时，基于更新的所述超参数返回执行步骤S120，S130和S140；

当所述超参数的更新次数达到预设次数时，执行步骤S150；

步骤S150：基于更新后的超参数和所述机器学习算法对所述目标数据集进行处理，从而对燃烧进行优化。

根据本申请的实施例，可选的，所述原始数据集包括：燃煤机组的负荷、烟气量、煤量、一次风量、二次风量。

根据本申请的实施例，可选的，上述燃烧优化控制方法中，所述步骤S120：通过机器学习算法对所述原始数据集进行处理，得到目标数据集，包括：

通过机器学习算法对所述原始数据集进行缺失数据填补、稳态分析、特征提取以及噪声过滤，得到目标数据集。

根据本申请的实施例，可选的，上述燃烧优化控制方法中，所述通过机器学习算法对所述原始数据集进行缺失数据填补，包括：

通过KNNI算法确定所述原始数据集中的缺失和失真数据，并利用相似工况数据填充所述缺失数据和失真数据。

根据本申请的实施例，可选的，上述燃烧优化控制方法中，所述通过机器学习算法对所述原始数据集进行稳态分析，包括：