流程工业污染物排放浓度预测方法及系统技术方案

本发明专利技术提供一种流程工业污染物排放浓度预测方法及系统，其中，方法包括：基于流程工业历史运行数据，根据最大信息系数，确定污染物浓度相对于各相关特征的迟滞时间；其中，流程工业历史运行数据包括：相关特征历史数据和对应时刻的污染物浓度历史数据；相关特征为流程工业中与污染物浓度相关度较高的特征；根据迟滞时间，采用滑动窗格求平均值重构样本数据，确定样本数据集；使用样本数据集训练支持向量机回归模型，确定目标污染物浓度预测模型；基于流程工业相关特征实际数据，根据目标污染物浓度预测模型，确定污染物排放浓度。能够有效地提高流程工业污染物的预测精度，减少环境污染。染。染。

【技术实现步骤摘要】
流程工业污染物排放浓度预测方法及系统


[0001]本专利技术涉及流程工业预测控制
，尤其涉及一种流程工业污染物排放浓度预测方法及系统。

技术介绍

[0002]流程工业(Process industry)，是指基于通过物理和/或化学变化进行生产的行业，流程工业会产生大量化学污染物，以废水、废气、废渣甚至危化品等形式排放到环境中。为了消除污染物对人和自然环境的不利影响，工厂通常会使用化学反应使有害物质转化为对人和自然无害的物质。然而充分的化学反应对物质浓度适配性要求很高，而往往传感器测得的污染物浓度具有滞后性。
[0003]以火力发电为列，火力发电属于典型的流程工业，煤炭在锅炉中燃烧这一过程会排放大量的NOx(氮氧化合物)，目前多数燃煤电厂使用SCR(选择性催化还原技术，Selective Catalytic Reduction，SCR)脱硝系统实现NOx减排，该方法通过氨气和NOx化学反应生成无污染的氮气和水进而实现脱硝。在发电过程中，通常采取过量喷氨的方法来保证NOx排放达到规定要求，然而过量喷氨不仅会使发电成本升高还会引起大量的氨逃逸造成二次污染。
[0004]通过NOx浓度值可以计算出喷氨量的大小，然而在实际发电过程中，NOx浓度测量仪和喷氨执行机构存在明显的延时问题，很难实现喷氨量和NOx浓度高效匹配。因此现阶段大多数的火电厂都难以实现喷氨量的精确控制。
[0005]因此，如何提供一种流程工业污染物排放浓度预测方法及系统、电子设备和存储介质，提高流程工业污染物排放的预测精度，减少环境污染，成为亟待解决的问题。

技术实现思路

[0006]针对现有技术中的缺陷，本专利技术实施例提供一种流程工业污染物排放浓度预测方法及系统。
[0007]本专利技术提供一种流程工业污染物排放浓度预测方法，包括：
[0008]基于流程工业历史运行数据，根据最大信息系数，确定污染物浓度相对于各相关特征的迟滞时间；其中，流程工业历史运行数据包括：相关特征历史数据和对应时刻的污染物浓度历史数据；相关特征为流程工业中与污染物浓度相关度较高的特征；
[0009]根据迟滞时间，采用滑动窗格求平均值重构样本数据，确定样本数据集；
[0010]使用样本数据集训练支持向量机回归模型，确定目标污染物浓度预测模型；
[0011]基于流程工业相关特征实际数据，根据目标污染物浓度预测模型，确定污染物排放浓度。
[0012]根据本专利技术提供的流程工业污染物排放浓度预测方法，在基于流程工业历史运行数据，根据最大信息系数，确定污染物浓度相对于各相关特征的迟滞时间步骤之前，还包括：
[0013]机理分析流程工业工作原理，确定相关特征。
[0014]根据本专利技术提供的流程工业污染物排放浓度预测方法，基于流程工业历史运行数据，根据最大信息系数，确定污染物浓度相对于各相关特征的迟滞时间，具体包括：
[0015]对流程工业历史运行数据进行预处理，获得相关特征样本矩阵和污染物浓度样本矩阵；其中，预处理包括：缺失值填补、异常值处理和归一化；
[0016]基于相关特征样本矩阵和污染物浓度样本矩阵，根据最大信息系数，确定污染物浓度相对于各相关特征的迟滞时间。
[0017]根据本专利技术提供的流程工业污染物排放浓度预测方法，根据迟滞时间，采用滑动窗格求平均值重构样本数据，确定样本数据集，具体包括：
[0018]基于相关特征样本矩阵，根据迟滞时间，创建数据窗格矩阵；
[0019]根据数据窗格矩阵，采用滑动窗格求平均值重构相关特征样本矩阵的样本数据，确定重构后的相关特征样本矩阵；
[0020]基于重构后的相关特征样本矩阵和对应时刻的污染物浓度样本矩阵，确定样本数据集。根据本专利技术提供的流程工业污染物排放浓度预测方法，其特征在于，使用样本数据集训练支持向量机回归模型，确定目标污染物浓度预测模型，具体包括：
[0021]构建支持向量机回归函数在高维特征空间的表达式，确定支持向量机回归模型和目标函数；
[0022]使用样本数据集训练支持向量机回归模型，根据目标函数，确定模型参数最优解；
[0023]根据模型参数最优解，确定目标污染物浓度预测模型。
[0024]根据本专利技术提供的流程工业污染物排放浓度预测方法，使用样本数据集训练支持向量机回归模型，根据目标函数，确定模型参数最优解，具体包括：
[0025]使用样本数据集训练支持向量机回归模型；
[0026]根据目标函数，采用萤火虫优化算法优化模型参数，确定模型参数最优解。
[0027]根据本专利技术提供的流程工业污染物排放浓度预测方法，根据目标函数，采用萤火虫优化算法优化模型参数，确定模型参数最优解，具体包括：
[0028]根据目标函数，采用改进的萤火虫优化算法优化模型参数，确定模型参数最优解；
[0029]其中，改进的萤火虫优化算法中，根据萤火虫位置，引入萤火虫发光强度得分函数的公式为：
[0030][0031]式中，为第i只萤火虫位置下的预测值，y
i
为实际值，n为样本的个数。
[0032]本专利技术还提供一种流程工业污染物排放浓度预测系统，包括：迟滞时间计算单元、样本数据重构单元、预测模型确定单元和排放浓度预测单元；
[0033]迟滞时间计算单元，用于基于流程工业历史运行数据，根据最大信息系数，确定污染物浓度相对于各相关特征的迟滞时间；其中，流程工业历史运行数据包括：相关特征历史数据和对应时刻的污染物浓度历史数据；相关特征为流程工业中与污染物浓度相关度较高的特征；
[0034]样本数据重构单元，用于根据迟滞时间，采用滑动窗格求平均值重构样本数据，确
定样本数据集；
[0035]预测模型确定单元，用于使用样本数据集训练支持向量机回归模型，确定目标污染物浓度预测模型；
[0036]排放浓度预测单元，用于基于流程工业相关特征实际数据，根据目标污染物浓度预测模型，确定污染物排放浓度。
[0037]本专利技术还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时实现如上述任一种流程工业污染物排放浓度预测方法的步骤。
[0038]本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种流程工业污染物排放浓度预测方法的步骤。
[0039]本专利技术提供的流程工业污染物排放浓度预测方法及系统，通过选取与污染物浓度相关度较高的特征作为相关特征，根据相关特征历史数据和对应时刻的污染物浓度历史数据，使用最大信息数计算迟滞时间，并利用滑动窗口的方法重构数据，有效提高了数据特征和污染物浓度的相关性，提高污染物浓度预测的准确性。
附图说明
[0040]为了更清楚地说明本专利技术或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种流程工业污染物排放浓度预测方法，其特征在于，包括：基于流程工业历史运行数据，根据最大信息系数，确定污染物浓度相对于各相关特征的迟滞时间；其中，所述流程工业历史运行数据包括：相关特征历史数据和对应时刻的污染物浓度历史数据；所述相关特征为流程工业中与污染物浓度相关度较高的特征；根据所述迟滞时间，采用滑动窗格求平均值重构样本数据，确定样本数据集；使用所述样本数据集训练支持向量机回归模型，确定目标污染物浓度预测模型；基于流程工业相关特征实际数据，根据所述目标污染物浓度预测模型，确定污染物排放浓度。2.根据权利要求1所述的流程工业污染物排放浓度预测方法，其特征在于，在所述基于流程工业历史运行数据，根据最大信息系数，确定污染物浓度相对于各相关特征的迟滞时间步骤之前，还包括：机理分析流程工业工作原理，确定相关特征。3.根据权利要求1所述的流程工业污染物排放浓度预测方法，其特征在于，所述基于流程工业历史运行数据，根据最大信息系数，确定污染物浓度相对于各相关特征的迟滞时间，具体包括：对所述流程工业历史运行数据进行预处理，获得相关特征样本矩阵和污染物浓度样本矩阵；其中，所述预处理包括：缺失值填补、异常值处理和归一化；基于相关特征样本矩阵和污染物浓度样本矩阵，根据最大信息系数，确定污染物浓度相对于各相关特征的迟滞时间。4.根据权利要求3所述的流程工业污染物排放浓度预测方法，其特征在于，所述根据所述迟滞时间，采用滑动窗格求平均值重构样本数据，确定样本数据集，具体包括：基于相关特征样本矩阵，根据所述迟滞时间，创建数据窗格矩阵；根据数据窗格矩阵，采用滑动窗格求平均值重构所述相关特征样本矩阵的样本数据，确定重构后的相关特征样本矩阵；基于重构后的相关特征样本矩阵和对应时刻的污染物浓度样本矩阵，确定样本数据集。5.根据权利要求1
‑
4任一项所述的流程工业污染物排放浓度预测方法，其特征在于，所述使用所述样本数据集训练支持向量机回归模型，确定目标污染物浓度预测模型，具体包括：构建支持向量机回归函数在高维特征空间的表达式，确定支持向量机回归模型和目标函数；使用所述样本数据集训练所述支持向量机回归模型，根据所述目标函数，确定模型参...

【专利技术属性】
技术研发人员：易辉，董露，
申请(专利权)人：南京工业大学，
类型：发明
国别省市：