[发明专利]一种裤衩腿型循环流化床锅炉机组床压预测方法

权利要求书

1.一种裤衩腿型循环流化床锅炉机组床压预测方法，其特征在于，包括以下步骤：

S1数据清洗：对历史数据库进行数据清洗，保证数据的可靠性，利用神经网络插补法对缺值、坏点数据进行补全，并对数据进行归一化；

S2数据分析筛选：利用输入变量进行数据相关性分析，然后根据机理分析及数据相关性系数进行筛选；

S3聚类处理：设定欧氏距离权重对S2中筛选后的上述输入变量进行无监督聚类，形成划分数据库以及不同数据分类；

S4模型训练：对S3中每一个分类中单独进行神经网络模型的训练，形成预测模型库；

S5实时预测结果：实时数据通过聚类模型进行判别，根据判别结果选择预测模型进行预测。

2.根据权利要求1所述的裤衩腿型循环流化床锅炉机组床压预测方法，其特征在于：所述步骤中的S1中，针对单值点，神经网络插补法主要采用正常数据作为训练，利用双向LSTM模型学习前后数据的变化对缺失值、坏点数据进行填补；针对连续多值点，采用其他变量预测的方式，对该段数据进行填补，若坏点的其他变量都为坏点或缺值，则删除该时间段数据。

3.根据权利要求1所述的裤衩腿型循环流化床锅炉机组床压预测方法，其特征在于：所述步骤中的S1中，归一化方式采用最大最小归一化方法。最大最小归一化方法为：其中x_min和x_max数据中的最小值和最大值；y_i代表标准化之后的数据；x_i表述处理之前的数据。

4.根据权利要求1所述的裤衩腿型循环流化床锅炉机组床压预测方法，其特征在于：所述步骤中的S2中，所述输入变量包括AGC指令，一次风风量，二次风上部风量、二次风下部风量、总燃料量、排渣量以及回料阀开度。

5.根据权利要求1所述的裤衩腿型循环流化床锅炉机组床压预测方法，其特征在于：所述步骤中的S2中，通过床压变化机理分析对输入变量进行第一次筛选，采用动态时间规整方法(即DTW算法)对经过机理分析所得出的变量进行二次筛选。

6.根据权利要求1所述的裤衩腿型循环流化床锅炉机组床压预测方法，其特征在于：所述步骤中的S3中，根据专家经验、机理分析对每个变量的欧式距离赋予相应权重。

7.根据权利要求1所述的裤衩腿型循环流化床锅炉机组床压预测方法，其特征在于：所述步骤中的S3中，所述聚类采用K-means聚类方法且该方法中距离d采用带权重的欧氏距离。

8.根据权利要求1所述的裤衩腿型循环流化床锅炉机组床压预测方法，其特征在于：所述步骤中的S4中，采用LSTM算法模型对每一类数据进行预测模型的构建。

9.根据权利要求1-8任一所述的裤衩腿型循环流化床锅炉机组床压预测方法，其特征在于：所述步骤S3中用于聚类的数据采用大间隔数据。

10.根据权利要求9所述的裤衩腿型循环流化床锅炉机组床压预测方法，其特征在于：模型训练阶段采用30s作为间隔对历史数据进行聚类，选择一个完整工况周期作为聚类范围；实际进行预测时采用1s作为数据间隔，对实时数据采用在线输入的方式。