脱硫系统多源异构数据特征提取方法及装置.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CN113642658A(43)申请公布日2021.11.12(21)申请号202110953271.9(22)申请日2021.08.19(71)申请人大唐环境产业集团股份有限公司地址100097北京市海淀区紫竹院路120号(72)发明人袁照威王彦文孟磊谷小兵白玉勇曹书涛夏爽王力广田晨龙李广林杜明生李玉宇宁翔岳朴杰(74)专利代理机构北京八月瓜知识产权代理有限公司11543代理人秦莹(51)Int.Cl.G06K9/62(2006.01)G06Q50/06(2012.01)G06N3/04(2006.01)权利要求书3页说明书9页附图3页(54)发明名称脱硫系统多源异构数据特征提取方法及装置(57)摘要本发明公开了一种脱硫系统多源异构数据特征提取方法及装置，所述方法包括：获取包括一维时序数据以及二维图像数据的脱硫系统多源异构数据；建立1D‑CNN多源异构数据提取模型和2D‑CNN多源异构数据提取模型，其中，所述1D‑CNN多源异构数据提取模型用于进行脱硫系统一维时序数据的处理，所述2D‑CNN多源异构数据提取模型用于处理脱硫系统的二维图像数据；基于所述1D‑CNN多源异构数据提取模型和2D‑CNN多源异构数据提取模型，对脱硫系统种的所述多源异构数据进行特征提取，得到同构类型数据，并采用主成分分析方法融合新的同构类型数据，得到新的相同结构的融合特征。本发明能够从多个角度表征脱硫系统的运行情况，提高了数据建模的精度。CN113642658ACN113642658A权利要求书1/3页1.一种脱硫系统多源异构数据特征提取方法，其特征在于，包括：获取包括一维时序数据以及二维图像数据的脱硫系统多源异构数据；建立1D‑CNN多源异构数据提取模型和2D‑CNN多源异构数据提取模型，其中，所述1D‑CNN多源异构数据提取模型用于进行脱硫系统一维时序数据的处理，所述2D‑CNN多源异构数据提取模型用于处理脱硫系统的二维图像数据；基于所述1D‑CNN多源异构数据提取模型和2D‑CNN多源异构数据提取模型，对脱硫系统种的所述多源异构数据进行特征提取，得到同构类型数据，并采用主成分分析方法融合新的同构类型数据，得到新的相同结构的融合特征。2.根据权利要求1所述的方法，其特征在于，所述一维时序数据为从DCS采集的脱硫系统运行数据，具体包括以下至少之一：燃煤机组负荷、吸收塔入口烟气量、吸收塔入口SO2浓度、吸收塔入口温度、吸收塔入口氧量、浆液pH值、浆液循环泵电流、浆液供给量、浆液密度、液气比、钙硫比、吸收塔出口SO2浓度、吸收塔出口温度、吸收塔出口氧量；所述二维图像数据为现场安装摄像头采集的图像数据，具体包括以下至少之一：脱硫石膏拍摄图像、喷淋层及除雾器拍摄图像。3.根据权利要求1所述的方法，其特征在于，所述1D‑CNN多源异构数据提取模型和2D‑CNN多源异构数据提取模型均为深层前馈人工神经网络，均包括输入层、卷积层、以及池化层。4.根据权利要求1所述的方法，其特征在于，建立1D‑CNN多源异构数据提取模型和2D‑CNN多源异构数据提取模型具体包括：根据公式1构建对输入向量进行特征提取的卷积层，采用卷积核在输入向量上滑动实现输入向量的局部卷积，通过滑动卷积核提取不同类型的特征，将上述特征组合起来形成更高级别序列特征，构成特征图，用于下一层的输入：Tm×n定义输入量为X＝[x1,x2,L,xt,L,xm]∈R，其中，m为时间序列；n为特征值个数；xt为t时刻的特征值向量，维度为n的卷积操作为：其中，*表示一维卷积运算；c表示卷积层操作；k∈[1,p]为卷积核索引；p为卷积核个数；为第k个卷积核；s为卷积核尺寸，也即局部窗口宽度；表示由卷积核生成的第k个特征；b为偏置；f(x)为激活函数；构建用于二次提取特征减少所提取特征的维度的池化层，通过所述池化层在操作目标上滑动，提取出卷积结果中最主要的特征，采用池化函数实现所述池化的操作，其中，所述池化函数为最大池化操作，所述最大池化操作为提取池化区域内的最大值。具体为：其中，p表示池化层操作；为池化后的第d个特征，通过最大值池化后，其序列长度减半；在建立1D‑CNN多源异构数据提取模型时，进行卷积和池化时在x或者y方向上进行滑动窗口并相乘求和，在建立2D‑CNN多源异构数据提取模型时，进行卷积和池化时将一个特征2CN113642658A权利要求书2/3页图在x和y两个方向进行滑动窗口操作，对应位置进行相乘求和。5.根据权利要求1所述的方法，其特征在于，并采用主成分分析方法融合新的同构类型数据，得到新的相同结构的融合特征具体包括：在对脱硫系统的一维时序数据以及二维图像数据经过卷积和池化操作后，转换成相同结构的时序数据，并采用主成分分析方法将新