基于高斯过程主动学习的燃煤锅炉NOx排放软测量建模方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN116029194A(43)申请公布日2023.04.28(21)申请号202211059238.2(22)申请日2022.08.31(71)申请人南京邮电大学地址210003江苏省南京市鼓楼区新模范马路66号(72)发明人林金星赵永耀汪源桢肖敏徐丰羽(74)专利代理机构南京纵横知识产权代理有限公司32224专利代理师董建林(51)Int.Cl.G06F30/27(2020.01)G06F18/20(2023.01)G06F18/214(2023.01)G06F113/08(2020.01)权利要求书3页说明书7页附图2页(54)发明名称基于高斯过程主动学习的燃煤锅炉NOx排放软测量建模方法(57)摘要本发明公开了一种基于高斯过程主动学习的燃煤锅炉NOx排放软测量建模方法，包括以下步骤：S1，采集锅炉运行数据并生成样本集，采用批量高斯过程主动学习从样本集中挑选样本构建训练集，对预先构建的软测量模型进行训练；S2，利用训练好的软测量模型预测某一采样时刻的NOx排放，并根据预测方差决定是否将采样值及其对应的样本输入添加到训练集；S3，若训练集容量未超过预设值，利用训练集重新训练软测量模型；S4，采用批量高斯过程主动学习进一步地缩减训练集规模，重新训练软测量模型。本发明的一种基于高斯过程主动学习的燃煤锅炉NOx排放软测量建模方法，能够有效降低建模过程中的计算负担以及克服软测量模型的过拟合问题。CN116029194ACN116029194A权利要求书1/3页1.一种基于高斯过程主动学习的燃煤锅炉NOx排放软测量建模方法，其特征在于：包括以下步骤：S1，采集锅炉运行数据并生成样本集，随后采用批量高斯过程主动学习从样本集中挑选样本构建训练集，再利用训练集对预先构建的NOx排放软测量模型进行训练，得到训练好的NOx排放软测量模型；S2，利用训练好的NOx排放软测量模型预测某一采样时刻的NOx排放，若预测方差小于预设值，则说明预测结果的可信度较高，将此时刻NOx排放的采样值及其对应的样本用于指导燃煤锅炉运行参数的优化，否则，将此时刻NOx排放的采样值及其对应的样本输入添加到训练集，并跳转到S3；S3，若训练集容量未超过预设值，利用训练集重新训练NOx排放软测量模型并跳转到S2，若训练集容量超过预设值，跳转到S4；S4，采用批量高斯过程主动学习进一步地缩减训练集规模，利用缩减后的训练集重新训练NOx排放软测量模型。2.根据权利要求1所述的基于高斯过程主动学习的燃煤锅炉NOx排放软测量建模方法，其特征在于：S1具体包括以下步骤：S11、根据给定的NOx采样周期T、m个与NOx排放浓度(记为y)相关的输入变量及其对应的时延与阶次采集燃煤锅炉历史运行数据，并生成样本集其中x(kT)∈Rd×1与y(kT)∈R分别为采样时刻kT的样本输入与样本输出，R表示实数域，N为样本数；NOx排放浓度的动态模型描述如下：公式(1)中，f(·)表示目标函数，im∈{i∈Z|dm≤i≤om}；S12、将样本集D划分为训练集DL、测试集DT与候选集DU三个部分；S13、基于训练集DL，采用k折交叉验证的方式建立NOx排放软测量模型；S14、基于NOx排放软测量模型，采用批量高斯过程主动学习选择一批样本更新NOx排放软测量模型，其具体过程如下：根据公式(2)从候选集DU中依次选择nu个样本，即添加到训练集中，并采用k折交叉验证的方式重新训练NOx排放软测量模型：公式(2)中，表示挑选出的第i个样本输入，SU是由候选集的样本输入组成的集合，为批量高斯过程主动学习挑选训练样本的性能指标，表示训练样本集中存在噪声的方差，从NOx排放软测量模型中获取，Xu表示已选出的样本输入与训练样本输入组成的矩阵；S15、重复S14直到NOx排放软测量模型在测试集上的误差达到最小，此时的NOx排放软2CN116029194A权利要求书2/3页测量模型即为最终求得的NOx排放软测量模型。3.根据权利要求2所述的基于高斯过程主动学习的燃煤锅炉NOx排放软测量建模方法，其特征在于：根据求得的NOx排放软测量模型最早能预测到当前采样时刻d*T后的NOx排放浓度，其中d*为给定时延的最小值，即基于NOx排放软测量模型，某样本输入x的预测结果y满足如下正态分布：y|x,X,y～N(μ(x),σ2(x))(3)公式(3)中，是由训练集的样本输入组成的矩阵，是由训练集的样本输出组成的列向量，μ(x)表示样本输入x的预测均值，其具体表示式为σ2(x)表示样本输入x的预测方差，其具体表示式为k(·,·)表示协方差函数；k表示X与x之间的协方差函数的列向量，K表示X的协方差函数矩阵，I表示与协方差矩阵K同阶的单位矩阵。4.根据权利要求3所述的基于高斯过