【技术实现步骤摘要】
一种基于迁移学习的燃煤机组氮氧化物排放浓度在线监测方法
[0001]本专利技术属于电力领域，具体是一种基于迁移学习的燃煤机组氮氧化物排放浓度在线监测方法。
技术介绍
[0002]我国能源格局发生变化，光伏、风电等新能源电力装机容量不断增大，火电机组频繁参与电网深度调峰，对机组的节能、智能监测技术提出更高要求。机组氮氧化物排放浓度作为一项重要的环保指标，对其进行实时而准确的智能监测具有重要意义。
[0003]目前，火电机组氮氧化物浓度排放在线方法主要分为两大类：一类是依靠硬件的各类烟气测量仪，另一类是脱离了硬件的软测量系统。
[0004]随着传感器技术的不断改进，烟气测量仪的测量精度也在不断地提高，这些测量装置利用电化学原理、红外、微波等技术对烟气中的NO
X
进行直接测量，如目前广泛使用的CEMS系统以及SCR系统、SNCR系统。硬件测量装置在投入使用初期测量精度高，但此类装置一般安装于锅炉尾部烟道附近，工作环境恶劣，长时间运行而得不到及时维护时，测量结果可信度显著降低。
[0005]...
【技术保护点】
【技术特征摘要】
1.一种基于迁移学习的燃煤机组氮氧化物排放浓度在线监测方法，其特征在于：包括以下步骤，S100：采集机组的历史运行数据作为样本数据，并对样本数据进行预处理；S200：依据样本数据构建有标签的源域数据集以及无标签的目标域数据集，源域数据集由机组典型工况运行下的数据构成，目标域数据集由少量非典型工况运行下的数据构成，分别提取源域数据集和目标域数据集的70%样本作为训练集，剩余30%作为测试集；S300：读取源域和目标域的训练数据集，对CNN
‑
RBFNN模型进行预训练，获得氮氧化物排放浓度预测模型；S400：利用测试集对氮氧化物排放浓度预测模型的有效性进行验证；S500：在线投入使用，从电厂SIS系统中实时提取模型输入参数的实时值，利用模糊C均值聚类，判断当前工况是否属于非典型工况，若属于常规工况，则输入至常规预测模型进行氮氧化物排放浓度软测量，若属于非典型工况，则输入至本发明建好的模型中，实时输出当前时刻的氮氧化物排放浓度，完成预测。2.根据权利要求1所述的基于迁移学习的燃煤机组氮氧化物排放浓度在线监测方法，其特征在于：所述步骤S100中样本数据的预处理包括数据清洗以及归一化，数据清洗为去除数据中的坏点，删除缺失的数据以及错误数据。3.根据权利要求1所述的基于迁移学习的燃煤机组氮氧化物排放浓度在线监测方法，其特征在于：所述步骤S200中，源域数据集为：；目标域数据集为；其中x表示输入参数组成的矩阵或者向量，y表示对应的氮氧化物排放浓度值，，分别表示源域数据集、目标域数据集包含的样本数据的数量。4.根据权利要...
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。