一种预测模型的训练方法、装置及相关设备制造方法及图纸

本申请提供一种预测模型的训练方法、装置及相关设备，其中，所述方法包括：获取第一训练数据集；基于扰动数据对所述第一训练数据集中的训练数据进行更新，得到第二训练数据集，其中，所述扰动数据用于表征脱硝机组在运行过程中遭遇的干扰因素；根据所述第二训练数据集对初始模型进行训练，获得目标模型，其中，所述目标模型用于预测所述脱硝机组的氨逃逸浓度和所述脱硝机组的脱硝效率中的至少一者。基于扰动数据对第一训练数据集中的训练数据进行更新，以在模型训练过程中引入对抗攻击环节，使得用于训练模型的训练数据集所模拟环境趋近于脱硝机组的实际运行环境，使训练得到的目标模型具备较强的鲁棒性。模型具备较强的鲁棒性。模型具备较强的鲁棒性。

【技术实现步骤摘要】
一种预测模型的训练方法、装置及相关设备


[0001]本申请涉及燃煤脱硝
，具体涉及一种预测模型的训练方法、装置及相关设备。

技术介绍

[0002]选择性催化还原方法是被广泛应用的一种脱硝工艺，该工艺以氨(NH3)为还原剂，氨气进入烟道后，与燃煤烟气充分混合并在多层催化剂作用下，可将烟气中的氮氧化物还原为N2和H2O。其中，脱硝效率和氨逃逸浓度是脱硝机组监控过程中需重点关注的两个指标。
[0003]由于直接测量氨逃逸浓度的难度较大，因此，相关技术会利用机器学习的方式，对脱硝机组的氨逃逸浓度进行间接测量，也即应用训练好的预测模型来预测脱硝机组的氨逃逸浓度，应用中发现，脱硝机组运行过程中会受到各类干扰，这使得训练好的预测模型无法准确预测脱硝机组实际的氨逃逸浓度。也就是说，应用相关技术训练得到的预测模型的鲁棒性弱。

技术实现思路

[0004]本申请实施例的目的在于提供一种预测模型的训练方法、装置及相关设备，用于解决相关技术训练得到的预测模型的鲁棒性弱的问题。
[0005]第一方面，本申请实施例提供一种预测模型的训练方法，包括：
[0006]获取第一训练数据集，其中，所述第一训练数据集中的训练数据根据脱硝机组在历史时段的第一烟气属性信息获得；
[0007]基于扰动数据对所述第一训练数据集中的训练数据进行更新，得到第二训练数据集，其中，所述扰动数据用于表征脱硝机组在运行过程中遭遇的干扰因素；
[0008]根据所述第二训练数据集对初始模型进行训练，获得目标模型，其中，所述目标模型用于预测所述脱硝机组的氨逃逸浓度和所述脱硝机组的脱硝效率中的至少一者。
[0009]可选的，所述基于扰动数据对所述第一训练数据集中的训练数据进行更新，得到第二训练数据集，包括：
[0010]根据第一对抗算法对所述第一训练数据集进行n次迭代处理，获得n个迭代数据集，其中，第一个迭代数据集为基于第一训练数据集和第一对抗算法生成的迭代数据集，第i+1个迭代数据集为基于第i个迭代数据集和所述第一对抗算法生成的迭代数据集，n为大于2的整数，i为小于或等于n
‑
1的正整数；
[0011]根据所述初始模型和所述n个迭代数据集，获得n个迭代损失值，所述n个迭代损失值与所述n个迭代数据集一一对应，所述迭代损失值根据第一预测信息和所述第一训练数据集对应的实际脱硝信息之间的差异确定，所述第一预测信息为所述初始模型处理对应的迭代数据集后输出的信息；
[0012]将所述n个迭代损失值中数值最大的迭代损失值对应的迭代数据集确定为所述第二训练数据集。
[0013]可选的，所述第二训练数据集对初始模型进行训练，获得目标模型，包括：
[0014]根据所述第二训练数据集对所述初始模型进行迭代训练，得到多个备选模型；
[0015]计算所述多个备选模型中每一备选模型的损失函数值，其中，所述损失函数值根据第二预测信息和所述第一训练数据集对应的实际脱硝信息之间的差异确定，所述第二预测信息为对应的备选模型处理所述第二训练数据集后输出的信息；
[0016]将多个损失函数值中数值最小的损失函数值对应的备选模型确定为所述目标模型。
[0017]可选的，所述第一烟气属性信息包括所述脱硝机组在历史运行时期的烟气量、总喷氨量、分区喷氨量、故障情况下的分区手动喷氨量、动态氨氮摩尔比、烟道同一截面上不同位置的气体流速差、反应器入口氮氧化物浓度、反应器出口氮氧化物浓度、氧气浓度中的至少一项。
[0018]可选的，所述基于扰动数据对所述第一训练数据集中的训练数据进行更新，得到第二训练数据集，包括：
[0019]获取目标训练数据对应的第一扰动数据和所述第一扰动数据对应的修正系数，其中，所述目标训练数据为所述第一训练数据集中的任一训练数据，所述第一扰动数据用于表征所述目标训练数据的干扰因素，所述更新系数用于表征所述干扰因素对所述目标训练数据的影响程度；
[0020]根据所述更新系数对所述第一扰动数据进行更新，获得第二扰动数据；
[0021]在所述目标训练数据中增加所述第二扰动数据，获得扰动训练数据，所述第二训练数据集包括所述扰动训练数据。
[0022]可选的，所述干扰因素包括脱硝机组对应的场景迁移干扰、设备故障干扰、外因干扰以及噪声干扰中的至少一项。
[0023]可选的，所述根据所述第二训练数据集对初始模型进行训练，获得目标模型之后，所述方法还包括：
[0024]获取所述脱硝机组目标时段的第二烟气属性信息；
[0025]将所述第二烟气属性信息输入所述目标模型进行预测，得到所述目标模型输出的所述脱硝机组的预测氨逃逸浓度和预测脱硝效率。
[0026]第二方面，本申请实施例提供一种预测模型的训练装置，包括：
[0027]样本获取模块，用于获取第一训练数据集，其中，所述第一训练数据集中的训练数据根据脱硝机组在历史时段的第一烟气属性信息获得；
[0028]样本更新模块，用于基于扰动数据对所述第一训练数据集中的训练数据进行更新，得到第二训练数据集，其中，所述扰动数据用于表征脱硝机组在运行过程中遭遇的干扰因素；
[0029]模型训练模块，用于根据所述第二训练数据集对初始模型进行训练，获得目标模型，其中，所述目标模型用于预测所述脱硝机组的氨逃逸浓度和所述脱硝机组的脱硝效率中的至少一者。
[0030]第三方面，本申请实施例还提供一种电子设备，包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现上述的预测模型的训练方法的步骤。
[0031]第四方面，本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述的预测模型的训练方法的步骤。
[0032]在本申请实施例中，基于扰动数据对第一训练数据集中的训练数据进行更新，以在模型训练过程中引入对抗攻击环节，使得用于训练模型的训练数据集所模拟环境趋近于脱硝机组的实际运行环境，使训练得到的目标模型具备较强的鲁棒性。
附图说明
[0033]图1是本申请实施例提供的一种预测模型的训练方法的流程图；
[0034]图2是本申请实施例提供的一种预测模型的训练装置的结构示意图；
[0035]图3是本申请实施例提供的一种电子设备的结构示意图
具体实施方式
[0036]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0037]本申请实施例提供一种预测模型的训练方法，参见图1，图1是本申请实施例提供的一种预测模型的训练方法的流程示意图，如图1所示，包括以下步骤：
[0038]步骤101、获取第一训练本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种预测模型的训练方法，其特征在于，所述方法包括：获取第一训练数据集，其中，所述第一训练数据集中的训练数据根据脱硝机组在历史时段的第一烟气属性信息获得；基于扰动数据对所述第一训练数据集中的训练数据进行更新，得到第二训练数据集，其中，所述扰动数据用于表征脱硝机组在运行过程中遭遇的干扰因素；根据所述第二训练数据集对初始模型进行训练，获得目标模型，其中，所述目标模型用于预测所述脱硝机组的氨逃逸浓度和所述脱硝机组的脱硝效率中的至少一者。2.根据权利要求1所述的方法，其特征在于，所述基于扰动数据对所述第一训练数据集中的训练数据进行更新，得到第二训练数据集，包括：根据第一对抗算法对所述第一训练数据集进行n次迭代处理，获得n个迭代数据集，其中，第一个迭代数据集为基于第一训练数据集和第一对抗算法生成的迭代数据集，第i+1个迭代数据集为基于第i个迭代数据集和所述第一对抗算法生成的迭代数据集，n为大于2的整数，i为小于或等于n
‑
1的正整数；根据所述初始模型和所述n个迭代数据集，获得n个迭代损失值，所述n个迭代损失值与所述n个迭代数据集一一对应，所述迭代损失值根据第一预测信息和所述第一训练数据集对应的实际脱硝信息之间的差异确定，所述第一预测信息为所述初始模型处理对应的迭代数据集后输出的信息；将所述n个迭代损失值中数值最大的迭代损失值对应的迭代数据集确定为所述第二训练数据集。3.根据权利要求1所述的方法，其特征在于，根据所述第二训练数据集对初始模型进行训练，获得目标模型，包括：根据所述第二训练数据集对所述初始模型进行迭代训练，得到多个备选模型；计算所述多个备选模型中每一备选模型的损失函数值，其中，所述损失函数值根据第二预测信息和所述第一训练数据集对应的实际脱硝信息之间的差异确定，所述第二预测信息为对应的备选模型处理所述第二训练数据集后输出的信息；将多个损失函数值中数值最小的损失函数值对应的备选模型确定为所述目标模型。4.根据权利要求1所述的方法，其特征在于，所述第一烟气属性信息包括所述脱硝机组在历史运行时期的烟气量、总喷氨量、分区喷氨量、故障情况下的分区手动喷氨量、动态氨氮摩尔比、烟道同一截面上不同位置的气体流速差、反应器入口氮...

【专利技术属性】
技术研发人员：孔令波，张宇鹏，丁庆峰，张守庆，刘丽艳，王炜，廖可，魏培华，赵衍波，朱传哲，
申请(专利权)人：山东创宇环保科技有限公司，
类型：发明
国别省市：