[发明专利]一种面向火电厂脱硝装置的NOx排放浓度软测量方法

权利要求书

1.一种面向火电厂脱硝装置的NOx排放浓度软测量方法，其特征在于包括如下步骤:

步骤1、收集火电厂脱销系统的历史数据，对数据进行预处理，为LSTM模型的训练做准备；

步骤2、通过历史数据训练LSTM模型，基于LSTM模型设计注意力机制自适应算子，在此基础上引入LASSSO算法执行输入变量选择；引入蒙特·卡罗方法被引入作为LASSO算法求解的辅助算法；

步骤3、通过“滑窗法”交叉检验法求解LASSO收缩参数，从而得到一个调整后的软测量模型；

步骤4、将测量模型应用火电厂脱销系统的工控机中，获取脱销系统在线运行状态下的实时数据，在线预测脱销系统的NOx排放浓度。

2.根据权利要求1所述面向火电厂脱硝装置的NOx排放浓度软测量方法，其特征在于，

步骤2中，LSTM结构由一个记忆细胞和三个门组成。在t时刻，细胞状态c_t负责维持输入序列的时间依赖性，遗忘门f_t决定c_t-1对当前c_t的影响程度，输入门i_t决定t时刻序列输入值x_t对c_t的影响程度，输出门o_t是用来控制c_t对r时刻LSTM的输出h_r的影响程度，给定输入序列X＝(x₁,x₂,…,x_T)，LSTM计算公式如下所示:

f_t＝σ_g(W_f[h_t-1；x_t]+b_f) (1)

i_t＝σ_g(W_i[h_t-1；x_t]+b_i) (2)

o_t＝σ_g(W_o[h_t-1；x_t]+b_o) (3)

c_t＝f_t⊙c_t-1+i_t⊙σ_c(W_c[h_t-1；x_t]+b_c) (4)

h_t＝o_t⊙σ_c(c_t) (5)

式中W_f,W_i,W_o,W_c∈R^m×(m+n)，b_f,b_i,b_o,b_c∈R^m是需要学习的参数，m是LSTM隐藏层神经元个数，[h_t-1；x_t]∈R^m+n是前一个LSTM单元的隐藏状态h_t-1与当前输入x_t的连接，⊙为向量的点乘运算，σ_g和σ_c分别表示sigmod和tanh激活函数。