[发明专利]一种火电机组NOX

说明书

本发明公开了一种火电机组NO_X排放建模方法及系统，所述方法包括：基于影响火电机组NO_X排放的基本参数获取火电机组历史运行数据，建立训练集D₀；利用密度聚类算法和稀疏贪婪矩阵对训练集D₀进行约简，得到样本代表集D₂；基于样本代表集D₂构建半参数支持向量回归机模型，基于迭代重加权最小二乘法求解半参数支持向量回归机模型的权重；基于训练集D₀，利用Apache Spark并行计算框架进行并行化设计，得到半参数支持向量回归机模型的最终权重；基于最终权重，利用Apache Spark并行化半参数支持向量回归机模型，得到火电机组NO_X排放模型。本发明处理大规模火电厂数据时，能够缩短建模时间，满足工业要求。

技术领域

本发明涉及一种火电机组NO_X排放建模方法及系统，属于火电机组排放技术领域。

背景技术

随着全国对环保问题的重视，降低有害气体的排放成为企业面临的重要问题。其中火电厂燃烧排放的氮氧化物NO_X对生态环境污染危害最大，且难以处理,因此，研究火电机组NO_X排放建模具有重要环保意义。

近年来，支持向量机SVM(Support Vector Machine)因具有理论完备、适应性强、全局优化、训练时间短、泛化性能好等优点，在火电机组燃烧过程建模中得到广泛应用。已有文献(周建新,司风琪,仇晓智,等.基于SVR和GA的锅炉运行氧量基准值的优化确定[J].东南大学学报(自然科学版),2008(06):1061-1066.)利用全参数支持向量机建立了某锅炉煤耗率和NO_X的预测模型，并用现场数据验证了模型具有较好的预测性能；已有文献(Gu Y,Zhao W,Wu Z.Online adaptive least squares support vector machine and itsapplication in utility boiler combustion optimization systems[J].Journal ofProcess Control,2011,21(7):1040-1048.)提出了一种基于电厂实时运行数据的自适应最小二乘支持向量机的锅炉燃烧过程建模方法；已有文献(张晓宇,付林,沈炯,等.基于在线支持向量机的锅炉动态建模方法研究[J].中国电机工程学报,2017(S1):123-128.)提出了一种基于在线支持向量机的锅炉动态建模方法，建立了反应锅炉燃烧特性的数学模型，并利用某电厂锅炉现场运行数据对模型进行验证；已有文献(顾燕萍,赵文杰,吴占松.基于最小二乘支持向量机的电站锅炉燃烧优化[J].中国电机工程学报,2010(17):7.)提出基于最小二乘支持向量机(LS-SVM)，实现了电厂锅炉效率和NO_X排放等关键生成物的模型；已有文献(吕游,刘吉臻,杨婷婷,等.基于PLS特征提取和LS-SVM结合的NOx排放特性建模[J].仪器仪表学报,2013,34(11):2418-2424.)提出将偏最小二乘(partial least squares，PLS)方法与最小二乘支持向量机(LS-SVM)相结合，基于某电站锅炉现场运行数据建立了NO_X排放模型；已有文献(周昊,丁芳,黄燕,周康.核心向量机的电站锅炉NO_x排放特性大数据建模[J].中国电机工程学报,2016,36(3):717-722.)提出了一种基于核心向量机(core vectormachine,CVM)的NO_X排放建模方法，针对某超临界锅炉，选择磨煤机一次风量、一次风温和出口温度、给煤机给煤量等运行参数作为模型输入参数，建立了NO_X排放特性模型，并验证了模型的泛化能力。

但上述文献中的支持向量回归建模方法都基于小样本数据集，当样本数目过大时，会产生大量的支持向量，导致支持向量机模型结构过于复杂。另外，上述支持向量机训练过程都采用串行机制，处理大规模火电厂数据时，建模时间过长，甚至难以收敛，精度差，难以满足工业要求。

发明内容