[发明专利]飞灰浓度预测模型的训练方法、装置、计算机设备

说明书

本申请涉及飞灰浓度预测模型的训练方法、装置、计算机设备。所述方法包括：获取训练样本数据；将历史飞灰浓度时间序列输入时间序列处理层，得到飞灰浓度处理结果，以及，将关键特征数据输入特征数据处理层，得到关键特征处理结果：将飞灰浓度处理结果和关键特征处理结果输入融合层，得到数据融合结果；将数据融合结果输入输出层，得到预测飞灰浓度时间序列；输出层包括根据飞灰浓度预测模型的输出目标所配置的预测头；基于预测飞灰浓度时间序列和标签飞灰浓度时间序列，对时间序列处理层、特征数据处理层、融合层、输出层进行训练，得到训练后飞灰浓度预测模型。采用本方法能够有效预测飞灰浓度，优化了飞灰浓度预测模型，提升了预测的准确度。

技术领域

本申请涉及计算机技术领域，特别是涉及一种飞灰浓度预测模型的训练方法、装置、计算机设备。

背景技术

目前，燃煤电厂通过采用除尘设备，并使用除尘设备的最大功率来吸附电厂排放气体中的飞灰。但实际应用中大部分时间飞灰的排放量并不是很高，不需要使用到除尘设备的最大功率。

为了削减除尘设备能耗，通常是采用传统的基于领域知识搭建的物理模型作为预测模型，以对飞灰进行相应的处理和控制。但建立传统的基于领域知识的物理模型时，需要对不同电站的运行模式进行详细调研，还需分析大量的相关输入物理数据的关系，建立模型的周期长、成本高，难以满足实际应用的需求。

发明内容

基于此，有必要针对上述技术问题，提供一种能够解决上述问题的一种飞灰浓度预测模型的训练方法、装置、计算机设备。

一种飞灰浓度预测模型的训练方法，所述飞灰浓度预测模型包括时间序列处理层、特征数据处理层、融合层、输出层，所述方法包括：

获取训练样本数据；其中，所述训练样本数据包括标签飞灰浓度时间序列、历史飞灰浓度时间序列、与飞灰浓度相关的关键特征数据；

将所述历史飞灰浓度时间序列输入所述时间序列处理层，得到飞灰浓度处理结果，以及，将所述关键特征数据输入所述特征数据处理层，得到关键特征处理结果：

将所述飞灰浓度处理结果和所述关键特征处理结果输入所述融合层，得到数据融合结果；

将所述数据融合结果输入所述输出层，得到预测飞灰浓度时间序列；所述输出层包括根据所述飞灰浓度预测模型的输出目标所配置的预测头；

基于所述预测飞灰浓度时间序列和所述标签飞灰浓度时间序列，对所述时间序列处理层、所述特征数据处理层、所述融合层、所述输出层进行训练，得到训练后飞灰浓度预测模型。

在一个实施例中，所述将所述历史飞灰浓度时间序列输入所述时间序列处理层，得到飞灰浓度处理结果，包括：

将所述历史飞灰浓度时间序列输入所述时间序列处理层，得到历史飞灰浓度数据；

对所述历史飞灰浓度数据进行外置权重放大处理，得到所述飞灰浓度处理结果；所述飞灰浓度处理结果在模型网络中传递的影响力大于所述历史飞灰浓度数据在模型网络中传递的影响力。

在一个实施例中，在所述获取训练样本数据的步骤之前，还包括：

获取电厂采样数据；所述电厂采样数据为针对多个时间点的采样数据，每一时间点对应一飞灰浓度值和多个特征数据；

对所述电厂采样数据进行归一化处理，根据归一化处理后的电厂采样数据，得到模型训练数据和模型测试数据。

在一个实施例中，所述获取训练样本数据，包括：

根据预设的时间选取信息，建立所述标签飞灰浓度时间序列与所述历史飞灰浓度时间序列之间的关系；

基于所述标签飞灰浓度时间序列与所述历史飞灰浓度时间序列之间的关系，从所述模型训练数据中，确定所述标签飞灰浓度时间序列和所述历史飞灰浓度时间序列。