一種基于緩沖塊時(shí)序設(shè)計(jì)的熱工軟測(cè)量模型更新方法
【專(zhuān)利摘要】本發(fā)明提供一種基于緩沖塊時(shí)序設(shè)計(jì)的熱工軟測(cè)量模型更新方法，屬于熱工技術(shù)和人工智能交叉【技術(shù)領(lǐng)域】。該方法選擇輔助變量作為模型的輸入，要預(yù)測(cè)的關(guān)鍵變量作為模型的輸出，選取歷史運(yùn)行數(shù)據(jù)建立初始軟測(cè)量模型；利用緩沖塊來(lái)設(shè)計(jì)更新時(shí)序，將最新采樣的數(shù)據(jù)樣本暫存入緩沖塊中，當(dāng)緩沖塊存儲(chǔ)滿(mǎn)后，再判斷模型性能，決定是否進(jìn)行更新模型；在模型更新時(shí)并非針對(duì)當(dāng)前時(shí)刻的樣本進(jìn)行，而是對(duì)緩沖塊中的樣本進(jìn)行逐個(gè)更新。本發(fā)明提出的緩沖塊時(shí)序設(shè)計(jì)更新方法，減少了測(cè)量噪聲以及離群樣本對(duì)模型性能的影響，從而避免因采集樣本中的噪聲和干擾而觸發(fā)模型更新，同時(shí)使更新模塊在實(shí)際工程中應(yīng)用成為可能，而且也降低了更新頻率，減少了計(jì)算時(shí)間。
【專(zhuān)利說(shuō)明】一種基于緩沖塊時(shí)序設(shè)計(jì)的熱工軟測(cè)量模型更新方法
【技術(shù)領(lǐng)域】:
[0001]本發(fā)明涉及一種熱工軟測(cè)量模型更新方法，特別是基于緩沖塊時(shí)序設(shè)計(jì)的熱工軟測(cè)量模型更新方法，屬于熱工技術(shù)和人工智能交叉【技術(shù)領(lǐng)域】。
【背景技術(shù)】:
[0002]為了保證電站鍋爐的安全和優(yōu)化運(yùn)行，常常需要獲取一些關(guān)鍵熱工參數(shù)的相關(guān)信息。目前，這些參數(shù)常利用硬件傳感器來(lái)測(cè)量，例如:常常需要獲取鍋爐尾部煙氣中飛灰含碳量和NOx排放等參數(shù)的相關(guān)信息。目前，這些參數(shù)常利用飛灰測(cè)碳儀和煙氣連續(xù)監(jiān)測(cè)系統(tǒng)(continuous emission monitoring system,CEMS)等硬件傳感器來(lái)測(cè)量,但是這些儀器的安裝和維護(hù)成本較高，而且由于工作環(huán)境惡劣，經(jīng)常需要離線(xiàn)維修。因此，基于運(yùn)行數(shù)據(jù)利用偏最小二乘回歸、神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)等方法對(duì)這些關(guān)鍵變量進(jìn)行軟測(cè)量預(yù)測(cè)，具有重要的工程意義。在選取具有代表性的數(shù)據(jù)建立初始軟測(cè)量模型后，由于熱工過(guò)程特性的變遷會(huì)使模型的預(yù)測(cè)精度逐漸下降，需要采用更新策略來(lái)改善其預(yù)測(cè)性能。軟測(cè)量模型的更新時(shí)序?qū)δＰ托阅艿母纳朴兄卮蟮挠绊懀Ｓ玫母路椒ㄊ遣杉叫聵颖緯r(shí)立刻執(zhí)行模型更新策略，但在實(shí)際工程應(yīng)用中，這種更新方法存在著很大問(wèn)題，在對(duì)模型實(shí)施更新之前需要先對(duì)新樣本進(jìn)行預(yù)處理，去除離群點(diǎn)的影響。離群點(diǎn)不僅會(huì)引起模型的誤更新，而且還會(huì)誤導(dǎo)模型的改善精度的預(yù)測(cè)方向，迅速惡化模型的預(yù)測(cè)性能。然而，只根據(jù)當(dāng)前單個(gè)樣本無(wú)法判斷該樣本是屬于正常工況還是離群點(diǎn)。針對(duì)上述問(wèn)題，本發(fā)明提出緩沖塊的概念，設(shè)計(jì)一種基于緩沖塊時(shí)序的軟測(cè)量模型更新方法。本發(fā)明中熱工領(lǐng)域的主要應(yīng)用對(duì)象是火力發(fā)電站。

【發(fā)明內(nèi)容】
:
[0003]本發(fā)明為了保證電站鍋爐的安全和優(yōu)化運(yùn)行，其目的在于設(shè)計(jì)一種基于緩沖塊時(shí)序的模型更新方法，提出利用緩沖塊來(lái)暫時(shí)存儲(chǔ)最新收集的樣本，當(dāng)緩沖塊存儲(chǔ)滿(mǎn)后，再判斷模型性能，決定是否進(jìn)行更新模型；在模型更新時(shí)并非針對(duì)當(dāng)前時(shí)刻的樣本進(jìn)行，而是對(duì)緩沖塊中的樣本進(jìn)行更新。
[0004]緩沖塊唯一的屬性就是緩沖塊寬度L，寬度L越大，則更新的頻率越慢，計(jì)算量越小，同時(shí)在緩沖塊內(nèi)對(duì)離群樣本的預(yù)處理就越好，然而緩沖塊寬度越大，會(huì)使更新不及時(shí)，從而會(huì)使模型的預(yù)測(cè)精度降低。
[0005]模型詳細(xì)的更新時(shí)序如附圖1所示，在h時(shí)刻，采集當(dāng)前樣本后正好使緩沖塊存儲(chǔ)滿(mǎn)，此時(shí)開(kāi)始檢測(cè)模型的性能，判斷是否需要更新。若預(yù)測(cè)精度超過(guò)給定的閾值便開(kāi)始執(zhí)行更新策略，同時(shí)新樣本采集后繼續(xù)存入下一緩沖塊。當(dāng)更新完成時(shí)(t2時(shí)刻)，下一緩沖塊尚未存儲(chǔ)滿(mǎn)(更新耗費(fèi)時(shí)間小于樣本存儲(chǔ)滿(mǎn)所需的時(shí)間)，并繼續(xù)存儲(chǔ)新的樣本，直至其存儲(chǔ)滿(mǎn)后再一次執(zhí)行更新策略?？梢钥闯觯Ｐ偷母陆Y(jié)合了塊式更新和性能監(jiān)測(cè)方法，當(dāng)緩沖塊收集滿(mǎn)后進(jìn)行性能判斷。這樣，通過(guò)數(shù)據(jù)緩沖塊的緩沖作用，減少了測(cè)量噪聲以及離群樣本對(duì)模型性能的影響，從而避免因采集樣本中的噪聲和干擾而觸發(fā)模型更新。[0006]本發(fā)明提出了基于緩沖塊時(shí)序設(shè)計(jì)的熱工軟測(cè)量模型更新方法，使更新模塊在實(shí)際熱工工程中應(yīng)用成為可能，而且也降低了更新頻率，減少了計(jì)算時(shí)間，使模型能夠迅速地完成自學(xué)習(xí)和自適應(yīng)過(guò)程。
[0007]基于緩沖塊時(shí)序設(shè)計(jì)的熱工軟測(cè)量模型更新方法，該方法步驟為:
[0008]步驟1:收集初始訓(xùn)練樣本來(lái)構(gòu)建初始模型，其中:選擇輔助變量作為模型的輸入，要預(yù)測(cè)的關(guān)鍵變量(待預(yù)測(cè)變量y)作為模型的輸出，從歷史運(yùn)行數(shù)據(jù)庫(kù)中選取覆蓋范圍大且具有代表性的若干段工況作為初始訓(xùn)練樣本，記為{(χ,,，其中Xi e Rp表示第i組輸入變量樣本，yi e R為第i組輸出樣本，η為樣本數(shù)量，利用訓(xùn)練樣本構(gòu)建初始軟測(cè)量模型，這里構(gòu)建初始模型可以采用偏最小二乘回歸、神經(jīng)網(wǎng)絡(luò)或支持向量機(jī)等數(shù)據(jù)建模方法，將建立的初始模型記為:
[0009]
【權(quán)利要求】
1.一種基于緩沖塊時(shí)序設(shè)計(jì)的熱工軟測(cè)量模型更新方法，所述更新方法選擇傳感器測(cè)量的輔助變量作為模型的輸入，要預(yù)測(cè)的關(guān)鍵變量作為模型的輸出，選取歷史運(yùn)行數(shù)據(jù)建立初始軟測(cè)量模型，其特征在于，所述更新方法利用緩沖塊來(lái)設(shè)計(jì)更新時(shí)序，將最新采樣的數(shù)據(jù)樣本暫存入緩沖塊中，當(dāng)緩沖塊存儲(chǔ)滿(mǎn)后，再判斷模型性能，決定是否進(jìn)行更新模型；在模型更新時(shí)并非針對(duì)當(dāng)前時(shí)刻的樣本進(jìn)行，而是對(duì)緩沖塊中的樣本進(jìn)行逐個(gè)更新；所述方法通過(guò)數(shù)據(jù)緩沖塊的緩沖作用，減少了測(cè)量噪聲以及離群樣本對(duì)所述模型性能的影響，從而避免因采集樣本中的噪聲和干擾而觸發(fā)所述模型的更新。
2.根據(jù)權(quán)利要求1所述的更新方法，其特征在于，所述方法包括:所述方法包括以下步驟: 1)收集初始訓(xùn)練樣本Ka，乃)Kl1來(lái)構(gòu)建初始模型h(x)，將此模型作為當(dāng)前模型來(lái)預(yù)測(cè)關(guān)鍵變量； 2)當(dāng)實(shí)際關(guān)鍵變量的傳感器測(cè)量值yn+1采集到后，將新得到的數(shù)據(jù)樣本(xn+1，yn+1)存入緩沖塊B中，設(shè)給定緩沖塊寬度為L(zhǎng) ； 3)判斷當(dāng)前緩沖塊是否存儲(chǔ)滿(mǎn)，存儲(chǔ)滿(mǎn)后的緩沖塊數(shù)據(jù)集應(yīng)為B= [(XirVy)Y^l ；若未存儲(chǔ)滿(mǎn)，則繼續(xù)執(zhí)行步驟2，否則執(zhí)行步驟4 ； 4)對(duì)緩沖塊的數(shù)據(jù)樣本O^y,)，利用當(dāng)前模型h(x)計(jì)算對(duì)應(yīng)的預(yù)測(cè)值久； 5)計(jì)算樣本(Xtl,yq)的預(yù)測(cè)誤差Er ； 6)判斷預(yù)測(cè)誤差:若Er〉Λ，Λ為誤差閾值，則執(zhí)行步驟7，否則執(zhí)行步驟8； 7)選擇合適的更新策略，更新當(dāng)前模型h(x)； 8)判斷當(dāng)前樣本是否為當(dāng)前緩沖塊最后一個(gè)樣本，若不是則執(zhí)行步驟4)，處理緩沖塊中下一個(gè)數(shù)據(jù)樣本，繼續(xù)進(jìn)行模型更新和關(guān)鍵變量的預(yù)測(cè)；否則執(zhí)行步驟9)； 9)判斷測(cè)試樣本是否結(jié)束，若結(jié)束則停止程序，否則執(zhí)行步驟2，對(duì)下一緩沖塊進(jìn)行操作處理。
3.根據(jù)權(quán)利要求2所述的更新方法，其特征在于，所述步驟I)具體是:選擇輔助變量作為模型的輸入，要預(yù)測(cè)的關(guān)鍵變量作為模型的輸出，從歷史運(yùn)行數(shù)據(jù)庫(kù)中選取覆蓋范圍大且具有代表性的若干段工況作為初始訓(xùn)練樣本，記為{(A, JOKL1，其中Xi e Rp表示第i組輸入變量樣本，yi e R為第i組輸出樣本，η為樣本數(shù)量，利用訓(xùn)練樣本構(gòu)建初始軟測(cè)量模型，將建立的軟測(cè)量初始模型記為:y=h(x)。
4.根據(jù)權(quán)利要求3所述的更新方法，其特征在于，所述步驟I)中的構(gòu)建模型的方法包括偏最小二乘回歸、神經(jīng)網(wǎng)絡(luò)或支持向量機(jī)的數(shù)據(jù)建模方法。
5.根據(jù)權(quán)利要求3所述的更新方法，其特征在于，傳感器新測(cè)得的輔助變量數(shù)據(jù)作為輸入變量χη+1，利用y=h (χ)得到關(guān)鍵變量的預(yù)測(cè)值> =KxnJ。
6.根據(jù)權(quán)利要求2所述的更新方法，其特怔在于，步驟5)中的預(yù)測(cè)誤差是 V-VEr='q /q χ 100%
7.根據(jù)權(quán)利要求2所述的更新方法，其特征在于，步驟7)中的更新策略包括增量更新和遞歸更新的方法。
【文檔編號(hào)】G06F19/00GK103714262SQ201410024860
【公開(kāi)日】2014年4月9日 申請(qǐng)日期:2014年1月20日 優(yōu)先權(quán)日:2014年1月20日
【發(fā)明者】呂游, 楊婷婷, 劉吉臻 申請(qǐng)人:華北電力大學(xué)