[发明专利]一种锅炉烟气含氧量的预测方法及装置

权利要求书

1.一种锅炉烟气含氧量的预测方法，其特征在于，包括：

获取源锅炉的特征数据、所述源锅炉的特征数据对应的历史烟气含氧量和目标锅炉的特征数据，所述源锅炉的特征数据为非共享数据；

确定所述源锅炉的特征数据的概率分布模型和所述目标锅炉的特征数据的概率分布模型；

根据所述源锅炉的特征数据的概率分布模型和所述目标锅炉的特征数据的概率分布模型，确定所述源锅炉的特征数据的权重；

根据所述源锅炉的特征数据、所述源锅炉的特征数据的权重以及所述源锅炉的特征数据对应的历史烟气含氧量，确定烟气含氧量预测软测量模型；

根据所述烟气含氧量预测软测量模型，预测所述目标锅炉的烟气含氧量。

2.根据权利要求1所述的方法，其特征在于，所述根据所述源锅炉的特征数据概率分布模型和所述目标锅炉的特征数据的概率分布模型，确定所述源锅炉的特征数据的权重；

根据所述源锅炉的特征数据的概率分布模型，确定所述源锅炉的特征数据相对于所述源锅炉的分布概率；

根据所述目标锅炉的特征数据的概率分布模型，确定所述源锅炉的特征数据相对于所述目标锅炉的分布概率；

将所述源锅炉的特征数据相对于所述目标锅炉的分布概率和相对于所述源锅炉的分布概率的比值，确定为所述源锅炉的特征数据的权重。

3.根据权利要求1所述的方法，其特征在于，所述确定所述源锅炉的特征数据的概率分布模型，包括：

根据参数模型计算所述源锅炉的特征数据的数据分布，并将确定好模型参数的参数模型确定为所述源锅炉的特征数据的概率分布模型。

4.根据权利要求3所述的方法，其特征在于，所述参数模型包括混合高斯模型。

5.根据权利要求1所述的方法，其特征在于，所述确定所述目标锅炉的特征数据的概率分布模型，包括：

根据混合高斯模型计算所述目标锅炉的特征数据的数据分布，并将确定好模型参数的混合高斯模型确定为所述目标锅炉的特征数据的概率分布模型。

6.根据权利要求1所述的方法，其特征在于，所述根据所述源锅炉的特征数据、所述源锅炉的特征数据的权重以及所述源锅炉的特征数据对应的历史烟气含氧量，确定烟气含氧量预测软测量模型，包括：

根据所述源锅炉的特征数据相对于所述目标锅炉的权重以及所述源锅炉的特征数据对应的历史烟气含量对预设模型进行模型训练，将训练好的预设模型确定为烟气含氧量预测软测量模型，所述烟气含氧量预测软测量模型指示了所述目标锅炉的特征数据和烟气含氧量之间的关系。

7.根据权利要求6所述的方法，其特征在于，所述预设模型包括神经网络模型或回归模型。

8.一种锅炉烟气含氧量的预测装置，其特征在于，包括：

数据获取模块，用于获取源锅炉的特征数据、所述源锅炉的特征数据对应的历史烟气含氧量和目标锅炉的特征数据，所述源锅炉的特征数据为非共享数据；

概率分布模型确定模块，用于确定所述源锅炉的特征数据的概率分布模型和所述目标锅炉的特征数据的概率分布模型；

权重确定模块，用于根据所述源锅炉的特征数据的概率分布模型和所述目标锅炉的特征数据的概率分布模型，确定所述源锅炉的特征数据的权重；

软测量模型确定模块，用于根据所述源锅炉的特征数据、所述源锅炉的特征数据的权重以及所述源锅炉的特征数据对应的历史烟气含氧量，确定烟气含氧量预测软测量模型；

预测模块，用于根据所述烟气含氧量预测软测量模型，预测所述目标锅炉的烟气含氧量。

9.一种可读介质，包括执行指令，当电子设备的处理器执行所述执行指令时，所述电子设备执行如权利要求1至7中任一所述的方法。

10.一种电子设备，包括处理器以及存储有执行指令的存储器，当所述处理器执行所述存储器存储的所述执行指令时，所述处理器执行如权利要求1至7中任一所述的方法。