本发明专利技术公开的实施例公开了燃气轮机的排烟含氧量确定方法、装置、设备和介质。该方法包括：获取训练样本集，其中，所述训练样本集包括燃气轮机的历史数据样本、与所述燃气轮机的数据样本对应的燃气轮机的历史排烟含氧量数据样本；根据所述训练样本集，对待训练模型进行训练，得到预测模型；获取所述燃气轮机的实时数据；将所述实时数据输入至所述预测模型，得到所述燃气轮机的排烟含氧量数据。该实施方式实现了对燃气轮机的更加智能化，更加简单的维护，提升工作效率。提升工作效率。提升工作效率。
【技术实现步骤摘要】
燃气轮机的排烟含氧量确定方法、装置、设备和介质
[0001]本专利技术公开的实施例涉及计算机
，具体涉及燃气轮机的排烟含氧量确定方法、装置、设备和介质。
技术介绍
[0002]目前，工业中一般使用氧化锆氧量传感器来测量烟气含氧量，这种传感器存在成本高、测量滞后大、维护困难、测量误差大、寿命短等许多缺点，不适合在分布式能源以中小型燃气轮机为主的场景中使用。
技术实现思路
[0003]本专利技术公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本专利技术公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
[0004]本专利技术公开的实施例提出了燃气轮机的排烟含氧量确定方法、装置、设备和介质，来解决以上
技术介绍
部分提到的技术问题。
[0005]第一方面，本专利技术公开的实施例提供了一种燃气轮机的排烟含氧量确定方法，该方法包括：获取训练样本集，其中，所述训练样本集包括燃气轮机的历史数据样本、与所述燃气轮机的数据样本对应的燃气轮机的历史排烟含氧量数据样本；根据所述训练样本集，对待训练模型进行训练，得到预测模型；获取所述燃气轮机的实时数据；将所述实时数据输入至所述预测模型，得到所述燃气轮机的排烟含氧量数据。
[0006]第二方面，本专利技术公开的实施例提供了一种燃气轮机的排烟含氧量确定装置，装置包括：第一获取单元，被配置成获取训练样本集，其中，所述训练样本集包括燃气轮机的历史数据样本、与所述燃气轮机的数据样本对应的燃气轮机的历史排烟含氧量数据样本；训练单元，被配置成根据所述训练样本集，对待训练模型进行训练，得到预测模型；第二获取单元，被配置成获取所述燃气轮机的实时数据；确定单元，被配置成将所述实时数据输入至所述预测模型，得到所述燃气轮机的排烟含氧量数据。
[0007]第三方面，本专利技术公开的实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面中所描述的方法。
[0008]第四方面，本专利技术公开的实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现如第一方面中所描述的方法。
[0009]本专利技术公开的上述各个实施例中的一个实施例具有如下有益效果：首先，获取训练样本集，而后根据训练样本集对待训练模型进行训练，得到预测模型。因为上述训练样本集中的历史数据样本和上述训练样本集中的历史排烟含氧量数据样本相匹配，所以经过训练得到的预测模型更具有准确性。再获取燃气轮机的实时数据，并将实时数据输入至预测模型，以得到燃气轮机的排烟含氧量。使用模型确定燃气轮机的排烟含氧量的方式使得到
的数据更加准确，减少运维成本，从而本专利技术公开实现了对燃气轮机的更加智能化，更加简单的维护，提升工作效率。本专利技术公开提出一种基于机器学习的燃气轮机烟气含氧量的预测方法，需要少量燃气轮机烟气含氧量的标签数据，利用已有易获取的其它数据，通过机器学习模型预测燃气轮机排烟含氧量，能够克服使用实际传感器测量的缺点。
附图说明
[0010]结合附图并参考以下具体实施方式，本专利技术公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，元件和元素不一定按照比例绘制。
[0011]图1是根据本专利技术公开的实施例的燃气轮机的排烟含氧量确定方法的一个应用场景的示意图；
[0012]图2是根据本专利技术公开的燃气轮机的排烟含氧量确定方法的实施例的流程图；
[0013]图3是根据本专利技术公开的燃气轮机的排烟含氧量确定装置的实施例的结构示意图；
[0014]图4是适于用来实现本专利技术公开的实施例的电子设备的结构示意图。
具体实施方式
[0015]下面将参照附图更详细地描述本专利技术公开的实施例。虽然附图中显示了本专利技术公开的某些实施例，然而应当理解的是，本专利技术公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本专利技术公开的附图及实施例仅用于示例性作用，并非用于限制本专利技术公开的保护范围。
[0016]另外还需要说明的是，为了便于描述，附图中仅示出了与有关专利技术相关的部分。在不冲突的情况下，本专利技术公开中的实施例及实施例中的特征可以相互组合。
[0017]需要注意，本专利技术公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
[0018]需要注意，本专利技术公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
[0019]本专利技术公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
[0020]下面将参考附图并结合实施例来详细说明本公开。
[0021]图1是根据本专利技术公开一些实施例的燃气轮机的排烟含氧量确定方法的一个应用场景的示意图。
[0022]在图1的应用场景中，首先，计算设备101可以获取训练样本集102。然后，计算设备101可以根据所述训练样本集102，对待训练模型103进行训练，得到预测模型104。之后，计算设备101可以获取所述燃气轮机的实时数据105。最后，计算设备101可以将所述实时数据105输入至所述预测模型104，得到所述燃气轮机的排烟含氧量数据106。
[0023]需要说明的是，上述计算设备101可以是硬件，也可以是软件。当计算设备为硬件
时，可以实现成多个服务器或终端设备组成的分布式集群，也可以实现成单个服务器或单个终端设备。当计算设备体现为软件时，可以安装在上述所列举的硬件设备中。其可以实现成例如用来提供分布式服务的多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。
[0024]应该理解，图1中的计算设备的数目仅仅是示意性的。根据实现需要，可以具有任意数目的计算设备。
[0025]继续参考图2，示出了根据本专利技术公开的燃气轮机的排烟含氧量确定方法的实施例的流程200。该方法可以由图1中的计算设备101来执行。该燃气轮机的排烟含氧量确定方法，包括以下步骤：
[0026]步骤201，获取训练样本集。
[0027]在实施例中，燃气轮机的排烟含氧量确定方法的执行主体(如图1所示的计算设备101)可以通过有线连接方式或无线连接方式获取上述训练样本集。在这里，所述训练样本集包括燃气轮机的历史数据样本、与所述燃气轮机的数据样本对应的燃气轮机的历史一氧化碳排放量样本。作为示例，上述历史数据样本可以是燃气轮机历史的燃气流量、燃气温度、燃气压力、空气温度、空气流量、给水流量、给水温度、主蒸汽压力本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种燃气轮机的排烟含氧量确定方法，其特征在于，包括：获取训练样本集，其中，所述训练样本集包含燃气轮机的历史数据样本、与所述燃气轮机的数据样本对应的燃气轮机的历史排烟含氧量数据样本；根据所述训练样本集，对待训练模型进行训练，得到预测模型；获取所述燃气轮机的实时数据；将所述实时数据输入至所述预测模型，得到所述燃气轮机的排烟含氧量数据。2.根据权利要求1所述的一种燃气轮机的排烟含氧量确定方法，其特征在于，所述获取训练样本集，包括：获取所述燃气轮机的历史数据信息、与所述历史数据信息对应的历史排烟含氧量数据信息；对所述历史数据信息和所述历史排烟含氧量数据信息进行数据清洗，得到清洗后数据；对所述清洗后数据进行处理，得到目标数据；将所述目标数据中的历史数据信息确定为历史数据样本，将所述目标数据中的历史排烟含氧量数据信息确定为历史排烟含氧量数据样本，得到训练样本集。3.根据权利要求2所述的一种燃气轮机的排烟含氧量确定方法，其特征在于，所述对所述历史数据信息和所述历史排烟含氧量数据信息进行数据清洗，得到清洗后数据，包括：根据以下公式对所述历史数据信息和所述历史排烟含氧量数据信息进行数据清洗，得到清洗后数据：其中，表示第j个变量所有采样数据的均值；Var(A
j
)表示第j个变量的所有采样数据的方差；表示经过数据清洗后的第i个采样点第j个变量的清洗后数据；i表示第i个采样点；j表示第j个变量；表示第i个采样点第j个变量的数据。4.根据权利要求2所述的一种燃气轮机的排烟含氧量确定方法，其特征在于，所述对所述清洗后数据进行处理，得到目标数据，包括：对所述清洗后数据进行异常数据剔除，得到剔除后数据；对所述剔除后数据中的每个数据进行延时补偿，得到补偿后数据以组成目标数据。5.根据权利要求1
‑
【专利技术属性】
技术研发人员：余真鹏，杨杰，刘胜伟，
申请(专利权)人：新智数字科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。