一种燃煤锅炉NOx排放在线测量方法
专利汇可以提供一种燃煤锅炉NOx排放在线测量方法专利检索，专利查询，专利分析的服务。并且本 发明 基于 深度信念网络 和偏最小二乘 支持向量机 建立NOx在线测量计算模型。本发明中的DBN网络由两层受限 玻尔兹曼机 堆叠而成，每一个RBM包含一个可视层v和一个隐含层h，每层单元之间无连接，层与层之间全连接；利用DBN网络模型提取样本数据集的深层特征对进行训练，通过最小化回归器输出与NOx真实值之间的误差完成 预测模型 的建立；将DBN-LSSVM模型打包发布为动态链接库，编写 接口 程序实时获取 锅炉 侧输入参数，在 数据库 中调用动态链接库，计算结果输出至监测系统，实时在线测量NOx排放值。本发明所提供的NOX在线软测量方法无需增加额外的测量装置，投入成本低、运行可靠性高，单次测量时间为0.05s，实时性好。，下面是一种燃煤锅炉NOx排放在线测量方法专利的具体信息内容。
1.一种燃煤锅炉NOx排放在线测量方法，其特征在于：以深度信念网络(Deep Belief Network,DBN)和偏最小二乘支持向量机(least squares support veotor machine,LSSVM)为基础，建立NOx在线测量计算模型；建立基于测试数据、由测试数据、仿真优化数据和DCS数据组成的多工况样板数据集，实现对燃煤锅炉NOx排放在线测量，具体步骤如下：
(1)利用样本训练集对DBN神经网络模型进行训练，训练过程如下：
①初始化可见层单元的初始状态v1＝xt(t＝1,2,…N),随机初始化连接权重wi,j，隐含层单元偏置bj，可见层单元偏置ai，设定各层RBM最大训练迭代次数；
②对隐含层h1所有单元按照式1计算其激活概率P(h1j＝1|v1)(其中j代表隐含层第j个单元)；
③已知隐含层h1各单元状态，按照式2重构可见层信号v1’，即计算P(v1i’＝1|h1)；
④根据重构的可见层信号v1’，重构隐含层信号h1’，即按照式1计算P(h’1j＝1|v1’)；
⑤采用对比差异度CD(Contrastive Divergence)快速算法，更新各个参数：
⑥重复步骤2-5，直至达到最大训练迭代次数，结束该层RBM训练；
⑦第二层RBM可见层初始状态即为第一层RBM隐含层状态，其训练过程与第一层相同；
训练结束后，即得到完整的DBN网络模型；
⑧利用DBN网络模型提取样本集深层特征对LSSVM模型进行训练；
深度信念网络提取数据的深层特征，不断重构可见层和隐含层；将隐含层的输出作为LS-SVM回归模型(回归器)输入，回归器进行监督学习，通过最小化回归器输出与NOx真实值之间的误差完成预测模型的建立；
(2)利用样本测试集对所建模型进行检测与调优
将样本测试集输入到DBN-LSSVM模型中，检验模型测量精度，如测量精度满足要求，则将模型投入使用，若不满足要求，则改变模型参数设置，重新训练，直到满足精度要求。
(3)发布DBN-LSSVM模型为动态链接库
将DBN-LSSVM模型打包发布为动态链接库，编写接口程序实时获取锅炉侧输入参数，在数据库中调用动态链接库，计算结果输出至监测系统，实时在线测量NOx排放值。
2.根据权利要求1所述的一种燃煤锅炉NOx排放在线测量方法，其特征在于：所述深度信念网络是一种深层次的神经网络，由若干层受限玻尔兹曼机(Restricted Boltzmann Machine:RBM)堆叠而成，通过无监督学习逐层初始化网络参数；每个RBM由两层神经元组成，即第一层为可见层v，第二层为隐含层h，层内神经元之间无连接，层与层之间神经元全连接；
RBM作为一个系统所具备的能量定义为：
其中，vi表示第i个可见单元的状态，n表示可见层单元个数，hj表示第j个隐含单元的状态，m表示隐含层单元个数，wij为可见单元i与隐含单元j之间的连接权重，ai表示可见单元i的偏置，bj表示隐含单元j的偏置；
基于能量函数，可得到可见层与隐含层的联合概率分布：
则联合概率分布P(v,h|θ)的边际分布表示为：
隐含单元和可见单元的条件概率或激活概率的计算公式分别为：
P2(vi＝1|h,θ)＝σ(ai+∑wijhj)
其中，σ(x)＝1/(1+exp(-x))为Sigmoid激活函数；
参数θ可通过最大化对数边际分布得到：
式中，<.>p表示分布P的数学期望；P(h|v(t),θ)表示可见单元为已知的训练样本，v(t)是隐含层的概率分布，P(v,h|θ)表示可见单元与隐含单元的联合概率分布，式中第一项表示输入样本的能量函数偏导在样本本身分布下的期望值；第二项表示能量函数偏导在RBM模型分布下的期望值。
连接权重Wi,j、可见层单元偏置ai、隐含层单元偏置bj的更新公式分别为：
式中，<.>data代表偏导函数在数据集分布下的期望，<.>表示偏导函数在重构模型分布下的期望。
3.根据权利要求1所述的一种燃煤锅炉NOX排放在线测量方法，其特征在于：采用最小二乘支持向量机方法训练NOx预测模型。
4.根据权利要求1所述的一种燃煤锅炉NOX排放在线测量方法，其特征在于：模型输入的数据参数为电厂锅炉各台磨煤机给煤量、煤粉粒径、各磨煤机一次风风量、各磨煤机出口风粉混合物温度、炉膛二次风风量、一、二次风风温、煤粉粒径及燃尽风风率。
一种燃煤锅炉NOx排放在线测量方法
技术领域
背景技术
发明内容
①初始化可见层单元的初始状态v1＝xt(t＝1,2,…N),随机初始化连接权重wi,j，隐含层单元偏置bj，可见层单元偏置ai，设定各层RBM最大训练迭代次数；
②对隐含层h1所有单元按照式1计算其激活概率P(h1j＝1|v1)(其中j代表隐含层第j 个单元)；
③已知隐含层h1各单元状态，按照式2重构可见层信号v1’，即计算P(v1i’＝1|h1)；
④根据重构的可见层信号v1’，重构隐含层信号h1’，即按照式1计算P(h’1j＝1|v1’)；
⑤采用对比差异度CD(Contrastive Divergence)快速算法，更新各个参数：
⑥重复步骤2-5，直至达到最大训练迭代次数，结束该层RBM训练；
⑦第二层RBM可见层初始状态即为第一层RBM隐含层状态，其训练过程与第一层相同；
训练结束后，即得到完整的DBN网络模型；
⑧利用DBN网络模型提取样本集深层特征对LSSVM模型进行训练；
深度信念网络提取数据的深层特征，不断重构可见层和隐含层；将隐含层的输出作为LS-SVM回归模型(回归器)输入，回归器进行监督学习，通过最小化回归器输出与NOx真实值之间的误差完成预测模型的建立；
(2)利用样本测试集对所建模型进行检测与调优
将样本测试集输入到DBN-LSSVM模型中，检验模型测量精度，如测量精度满足要求，则将模型投入使用，若不满足要求，则改变模型参数设置，重新训练，直到满足精度要求。
(3)发布DBN-LSSVM模型为动态链接库
将DBN-LSSVM模型打包发布为动态链接库，编写接口程序实时获取锅炉侧输入参数，在数据库中调用动态链接库，计算结果输出至监测系统，实时在线测量NOx排放值。
隐含单元和可见单元的条件概率或激活概率的计算公式分别为：
其中，σ(x)＝1/(1+exp(-x))为Sigmoid激活函数。
附图说明
图3是NOX在线软测量技术示意图。
具体实施方式
数据集输入参数有：各台磨煤机给煤量、煤粉粒径、各磨煤机一次风风量、各磨煤机出口风粉混合物温度、炉膛二次风风量、一、二次风风温、煤粉粒径、燃尽风风率。样本数据集的输入参数记为xi，对应的NOX排放值为样本数据标签,记为yi，得到样本数据集将样本数据集分为测试集和训练集，其中训练集占所有数据集总
量的80％，测试集占20％。
(1)利用样本训练集对DBN神经网络模型进行训练
训练过程如下：
①初始化可见层单元的初始状态v1＝xt(t＝1,2,…N),随机初始化连接权重wi,j，隐含层单元偏置bj，可见层单元偏置ai，设定各层RBM最大训练迭代次数；
②对隐含层h1所有单元按照式1计算其激活概率P(h1j＝1|v1)(其中j代表隐含层第j 个单元)；
③已知隐含层h1各单元状态，按照式2重构可见层信号v1’，即计算P(v1i’＝1|h1)；
④根据重构的可见层信号v1’，重构隐含层信号h1’，即按照式1计算P(h’1j＝1|v1’)；
⑤采用对比差异度CD(Contrastive Divergence)快速算法，按照如下各式更新各个参数：
式中，ε为学习率；
⑥重复步骤2-5，直至达到最大训练迭代次数，结束该层RBM训练；
⑦第二层RBM可见层初始状态即为第一层RBM隐含层状态，其训练过程与第一层相同。
训练结束后，即得到完整的DBN网络模型，如图2所示；
⑧利用DBN网络模型提取样本集深层特征对LSSVM模型进行训练。
y＝wφ(x)+b (9)
其中，y为模型输出，x为模型输入，w、b均为模型参数， 为非线性映射函数。建立最优化函数：
约束条件为：
yt＝wTΦ(xt)+b+et (11)
其中，xt’为样本输入数据，yt为样本标签数据，γ为惩罚系数，e为误差，则优化问题的拉格朗日形式为：
其中，a为拉格朗日系数。
进一步推导既有:
优化问题转化为解线性方程：
核函数K(xt,x)＝exp[-(||xt-x||2/2σ2)]。求解线性方程即可得到a、b，则最终的LS- SVM回归模型为如下的决策函数：
其中x’为DBN网络输出，y为NOx测量值。
(2)DBN-LSSVM模型能够提取原始数据的深层表达，提高NOX在线软测量精度。
(3)本NOX在线软测量方法无需增加额外的测量装置，投入成本低、运行可靠性高，单次测量时间为0.05s，实时性好。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种煤粉炉炉膛防结焦装置 | 2020-05-08 | 728 |
| 一种精密铸造用型砂一体化制作设备及其制作方法 | 2020-05-08 | 384 |
| 一种燃煤耦合垃圾焚烧系统 | 2020-05-11 | 84 |
| 一种蓝色吸热浮法玻璃 | 2020-05-08 | 402 |
| 一种利用神经网络预测粉煤覆盖煤堆安全堆储时间的方法 | 2020-05-08 | 229 |
| 一种水泥生产中协同处置垃圾焚烧飞灰的方法及其装置 | 2020-05-11 | 487 |
| 一种利用超低压污氮气的系统及方法 | 2020-05-11 | 313 |
| SCR脱硝煤粉锅炉运行操作方法 | 2020-05-11 | 848 |
| 一种捣固机捣固锤新型锤头 | 2020-05-08 | 724 |
| 输送机带面自动冲洗及巷道全断面仰尘连锁装置 | 2020-05-08 | 364 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
