一种垃圾焚烧炉烟气中CO排放量预测模型构建方法及应用.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113065765A(43)申请公布日2021.07.02(21)申请号202110356937.2(22)申请日2021.04.01(71)申请人瀚蓝绿电固废处理（佛山）有限公司地址528225广东省佛山市南海区狮山林场大榄分场(72)发明人郭光召曾晓东仇志超龚千代吴宗菠(74)专利代理机构佛山市禾才知识产权代理有限公司44379代理人罗凯欣曹振(51)Int.Cl.G06Q10/06(2012.01)G06Q50/26(2012.01)权利要求书2页说明书10页附图3页(54)发明名称一种垃圾焚烧炉烟气中CO排放量预测模型构建方法及应用(57)摘要本发明公开了一种垃圾焚烧炉烟气中CO排放量预测模型构建方法及应用，一种垃圾焚烧炉烟气中CO排放量预测模型构建方法，包括以下步骤：步骤S1，数据获取和处理：选取数据区间，获取垃圾焚烧炉设备测点的历史数据，对所获取的历史数据进行预处理，得到样本数据；步骤S2，选取特征变量，所述特征变量包括原始特征变量和重构特征变量，具体包括以下步骤：步骤S21，原始特征变量的确定：根据CO的生成机理和对历史数据的分析，确定影响CO排放量的影响因素。所述垃圾焚烧炉烟气中CO排放量预测模型构建方法，构建得到的预测模型能够对垃圾焚烧炉烟气中CO的排放量进行实时预测。所述的垃圾焚烧炉烟气中CO排放量预测模型的应用，预测效果的显示直观方便。CN113065765ACN113065765A权利要求书1/2页1.一种垃圾焚烧炉烟气中CO排放量预测模型构建方法，其特征在于，包括以下步骤：步骤S1，数据获取和处理：选取数据区间，获取垃圾焚烧炉设备测点的历史数据，对所获取的历史数据进行预处理，得到样本数据；步骤S2，选取特征变量，所述特征变量包括原始特征变量和重构特征变量，具体包括以下步骤：步骤S21，原始特征变量的确定：根据CO的生成机理和对历史数据的分析，确定影响CO排放量的影响因素，根据影响因素确定原始特征变量包括第一辐射通道烟温、一次风量、二次风量、省煤器出口烟气含氧量、炉排下漏斗风压、蒸汽流量和引风机出口烟气流量；步骤S22，根据CO的生成机理和对历史数据的分析，对所述原始特征变量进行特征重构，确定重构特征变量；步骤S3，预测模型建立：用所述样本数据计算重构特征变量的数据值，与原始特征变量对应的历史数据一起形成预测训练样本，采用预测训练引擎进行数据建模训练，生成预测模型；步骤S4，模型效果验证：对训练生成的预测模型进行效果验证，依据预测模型报警次数的正确性来评估模型应用于实际的效果。2.根据权利要求1所述的垃圾焚烧炉烟气中CO排放量预测模型构建方法，其特征在于，所述步骤S21中，所述第一辐射通道烟温具体包括第一辐射通道左侧烟温、第一辐射通道右侧烟温和第一辐射通道出口右侧烟温，所述省煤器出口烟气含氧量具体包括省煤器出口左侧烟气含氧量和省煤器出口右侧烟气含氧量，所述炉排下漏斗风压具体包括炉排下漏斗左侧风压和炉排下漏斗右侧风压。3.根据权利要求2所述的垃圾焚烧炉烟气中CO排放量预测模型构建方法，其特征在于，所述步骤S22中，所述重构特征变量具体包括：一次风量/省煤器出口左侧烟气含氧量、一次风量/省煤器出口右侧烟气含氧量、(一次风量+二次风量)/省煤器出口左侧烟气含氧量和(一次风量+二次风量)/省煤器出口右侧烟气含氧量。4.根据权利要求1所述的垃圾焚烧炉烟气中CO排放量预测模型构建方法，其特征在于，所述步骤S22确定重构特征变量之后，还包括步骤S23，用所述样本数据对各特征变量进行相关性分析以及重要性计算；其中，具体采用皮尔森相关系数对各特征变量进行相关性分析，以及采用集成决策树的方式对各特征变量进行重要性计算。5.根据权利要求1所述的垃圾焚烧炉烟气中CO排放量预测模型构建方法，其特征在于，所述步骤S1中，对所获取的历史数据进行预处理具体指对所获取的历史数据中的不合理数据进行清洗，所述不合理数据包括错误数据、异常数据和时间间隔不规范数据。6.根据权利要求1所述的垃圾焚烧炉烟气中CO排放量预测模型构建方法，其特征在于，所述步骤S3中，采用预测训练引擎进行数据建模训练之前还包括对数据进行对时间的一阶、二阶和三阶导数的高维变换。7.根据权利要求1所述的垃圾焚烧炉烟气中CO排放量预测模型构建方法，其特征在于，所述步骤S3中，采用预测训练引擎进行数据建模训练后，确定的训练特征参数具体为特征数据时长300s、预测时长120s、测试数据占比10％、模型深度10层和预测执行周期10s。8.根据权利要求1所述的垃圾焚烧炉烟气中CO排放量预测模型构建方法，其特征在于，2CN113065765A权利要求书2/2页所述步骤S4中，对训练生成的预测模型进行验证的具体