基于GBDT的锅炉建模方法及装置制造方法及图纸

本发明专利技术提供一种基于GBDT的锅炉建模方法及装置，属于锅炉建模领域。方法包括：获取待建模锅炉历史运行过程中的工况数据；对所述工况数据进行筛选，得到对所述待建模锅炉进行建模所需的建模参考数据；通过GBDT算法对所述建模参考数据进行处理，得到针对所述待建模锅炉的预测模型。本发明专利技术通过GBDT算法所构建的预测模型能够全方位满足锅炉预测模型为庞大的非线性、多变量、大延迟和大滞后系统的要求，从而不仅能够使得构建的模型的稳定性更强，在短时间完成建模的要求下获得较高精度的模型，不易陷入局部最优等，而且所构建的模型的精度比较高。

Boiler modeling method and device based on gbdt

【技术实现步骤摘要】
基于GBDT的锅炉建模方法及装置
本专利技术涉及锅炉建模
，特别涉及一种基于GBDT的锅炉建模方法及装置。
技术介绍
目前火力发电方式仍然占据发电量的最大份额，而火力发电方式需要使用煤作为能源，因此实现煤的节能最能提高火电厂的效益。通过对锅炉进行建模，即建立锅炉的预测模型，能够准确地反映锅炉各运行参数与优化目标值之间的映射关系，从而可以指导锅炉运行，进而达到提高效率和节约能源的目的。目前对锅炉进行建模的方式主要有机理建模和神经网络建模等方法。然而，由于锅炉运行过程中首先是给煤机将煤粉送入磨煤机，磨煤机经过研磨、干燥、分离最后由一次风最后送出至炉膛几个过程，这几个过程是惯性与延迟的环节。锅炉燃烧、加热，使汽包变成蒸汽的过程是一个大惯性与延迟的环节。因此，通过建模获得的锅炉的预测模型是一个庞大的非线性、多变量、大延迟和大滞后系统。而机理模型不能完全表达大非线性系统的运行特征，对这些非线性、多变量、大延迟、大滞后系统并不是最好的解决方案，容易导致精度不高。神经网络建模方式属于黑箱模型，训练随机性强，建模不够稳定，在短时间完成建模的要求下本文档来自技高网...

【技术保护点】
1.一种基于GBDT的锅炉建模方法，其特征在于，包括：/n获取待建模锅炉历史运行过程中的工况数据；/n对所述工况数据进行筛选，得到对所述待建模锅炉进行建模所需的建模参考数据；/n通过GBDT算法对所述建模参考数据进行处理，得到针对所述待建模锅炉的预测模型。/n

【技术特征摘要】
1.一种基于GBDT的锅炉建模方法，其特征在于，包括：
获取待建模锅炉历史运行过程中的工况数据；
对所述工况数据进行筛选，得到对所述待建模锅炉进行建模所需的建模参考数据；
通过GBDT算法对所述建模参考数据进行处理，得到针对所述待建模锅炉的预测模型。


2.根据权利要求1所述的基于GBDT的锅炉建模方法，其特征在于，所述对所述工况数据进行筛选，包括：
从所述工况数据中选择所述待建模锅炉在停机状态下的工况数据；
剔除所述停机状态下的工况数据，得到所述待建模锅炉的运行工况数据，将所述运行工况数据作为建模参考数据。


3.根据权利要求2所述的基于GBDT的锅炉建模方法，其特征在于，所述剔除所述停机状态下的工况数据，得到所述待建模锅炉的运行工况数据之后，还包括：
对所述运行工况数据进行特征筛选；
根据特征筛选结果剔除无效特征对应的运行工况数据，得到有效特征对应的运行工况数据，将所述有效特征对应的运行工况数据作为建模参考数据。


4.根据权利要求3所述的基于GBDT的锅炉建模方法，其特征在于，所述根据特征筛选结果剔除无效特征对应的运行工况数据，得到有效特征对应的运行工况数据之后，还包括：
剔除所述有效特征对应的运行工况数据中的多重共线性工况数据，得到建模参考数据。


5.根据权利要求1所述的基于GBDT的锅炉建模方法，其特征在于，所述工况数据至少包括阀门开度、燃煤量、通风量和进口温度...

【专利技术属性】
技术研发人员：谢春甫，闫小东，富辰瑶，曹凯，
申请(专利权)人：北京航天智造科技发展有限公司，
类型：发明
国别省市：北京;11