一种燃煤电站锅炉炉膛温度测量方法.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CN110532674A(43)申请公布日2019.12.03(21)申请号201910795401.3G06K9/62(2006.01)(22)申请日2019.08.27(71)申请人东北电力大学地址132012吉林省吉林市长春路169号(72)发明人唐振浩张宝凯曹生现赵波王恭(74)专利代理机构沈阳东大知识产权代理有限公司21109代理人李在川(51)Int.Cl.G06F17/50(2006.01)G06Q10/04(2012.01)G06Q50/06(2012.01)G01K13/00(2006.01)G06N3/08(2006.01)权利要求书4页说明书11页附图5页(54)发明名称一种燃煤电站锅炉炉膛温度测量方法(57)摘要本发明公开一种燃煤电站锅炉炉膛温度测量方法，属于火力发电技术领域，该方法将多模型智能组合软测量方法引入到燃煤电站锅炉炉膛温度的测量中。首先从历史数据监控信息系统中获取炉膛温度及影响温度变化的相关变量原始监控数据建立样本数据集，采用经验模态EMD与阈值去噪相结合的算法对原始数据进行降噪，并采用min-max方法对数据做归一化无纲量处理，然后采用随机森林RF对预处理后的数据集进行特征选择，选出重要性评分高的输入特征，形成新的数据样本，最后基于C4.5算法建立多模型智能组合锅炉温度预测模型对燃煤电站锅炉炉膛温度进行预测，不仅提高了炉膛温度预测的精度，而且满足了对炉温控制的要求。CN110532674ACN110532674A权利要求书1/4页1.一种燃煤电站锅炉炉膛温度测量方法，其特征在于，包括如下步骤：步骤1：从历史数据监控信息系统中获取包括炉膛温度及影响温度变化的相关变量在内的原始数据建立样本数据集DATA；步骤2：采用经验模态EMD与阈值去噪相结合的算法对原始数据进行降噪，并采用min-max方法将去噪数据映射到[0,1]区间做归一化无纲量处理，得到预处理后的数据集B*；步骤3：采用随机森林RF对预处理后的数据集进行特征选择，选出重要性大于设定阈值的输入特征与输出特征向量组成新的样本数据集B*’；步骤4：建立多模型智能组合锅炉温度预测模型；步骤5：对多模型智能组合锅炉温度预测模型进行验证。2.根据权利要求1所述的一种燃煤电站锅炉炉膛温度测量方法，其特征在于步骤1所述从历史数据监控信息系统中获取包括炉膛温度及影响温度变化的相关变量在内的原始数据建立样本数据集DATA＝X∪Y，其中N为采集的样本数量，中的每个样本中含有m个数值，记为m个特征维数；Y＝{y1,y2,...,yN}，Y中的每一个数值对应X中每个样本的炉膛温度输出，如3.根据权利要求1所述的一种燃煤电站锅炉炉膛温度测量方法，其特征在于，步骤2所述采用经验模态EMD与阈值去噪相结合的算法对原始数据进行降噪的过程如下：步骤2-1：构造输入输出矩阵将B记为由m+1个列向量构成的集合步骤2-2：利用经验模态EMD，分别对集合B中m+1个列向量进行分解；其中，imf为特征分解的本征固有模态函数，Res为残差，si表示特征列向量(i＝1,…,m,m+1)分解了si个本征固有模态函数；步骤2-3：计算特征分解的si个固有模态函数的归一化自相关函数，由于高斯白噪声信号为零均值，在零时刻其自相关函数取值为1，而其他点在0附近，一般信号在零时刻点时自相关函数值在0.9-1之间，其他点函数值在0-0.8范围内变化，因此可以通过比较一般信号与噪声信号自相关函数值在零时刻与其他时刻的明显不同找出噪声占主要部分的分界点，判断出噪声占主要部分的si'个imf；步骤2-4：采用软硬阈值折中函数imfj'，对噪声占主要部分的si'个imf固有模态函数进行降噪处理：2CN110532674A权利要求书2/4页其中，λ是阈值，sgn(x)为分段函数，imfi'为降噪后的模态函数；步骤2-5：将降噪后的si'个imf与剩余的si-si'个imf及残差项Res进行信号线性重构，最终获得降噪后数据集合B’。4.根据权利要求1所述的一种燃煤电站锅炉炉膛温度测量方法，其特征在于，步骤3所述采用随机森林RF对预处理后的数据集进行特征选择的过程如下：步骤3-1：计算出归一化处理后的数据集B*的特征的基尼系数Ginii：其中，pia代表第a个类别在特征中出现的概率，k表示特征中类别的数目，a＝1,…,k；步骤3-2：计算特征在节点t的重要性，即计算特征在节点t分枝前后的Gini指数变化量；VIMit＝Ginit-Ginil-Ginir(5)其中，Ginil与Ginir分别表示由节点t分裂的两个新节点的Gini指数；步骤3-3：假设特征在第j棵树中出现M次，那么在第j棵树重要性为；步骤3-4：假设RF中共有n棵数，则计算