本发明专利技术涉及污染防治技术领域，公开了一种烟气污染物生成量预测方法及装置，本发明专利技术是先获取目标检测区域的当前烟气浓度数据，然后根据当前烟气浓度数据构建对应的三维特征向量，将三维特征向量输入至预设循环神经网络模型中获取对应的第一预测浓度数据；接着将当前烟气浓度数据和历史烟气浓度数据输入至预设循环神经网络模型中获取第二预测浓度数据，最后根据第一预测浓度数据和第二预测浓度数据的权重值获得目标检测区域的未来一段时间内的预测烟气生成量数据，从而根据当前的第一预测浓度数据与历史趋势的第二预测浓度数据可以获得较为准确的预测烟气生成量数据，进而配合自动化控制程序，对烟气污染物排放做到超前控制，降低了排放。降低了排放。降低了排放。
【技术实现步骤摘要】
烟气污染物生成量预测方法及装置
[0001]本专利技术涉及污染防治
，尤其涉及一种烟气污染物生成量预测方法及装置。
技术介绍
[0002]随着社会的发展，工厂及机动车辆持续增加，诸多环境问题随之产生，空气污染问题也日益严重，而空气污染物会进入人体产生危害，严重影响人体健康。工业一般是空气污染的主要来源，空气污染物的成分大多来自煤的燃烧，其中火电厂发电用煤燃烧会产生大量的二氧化硫、氮氧化物、颗粒物、汞等烟气污染物，为了做好大气卫生防护工作，需要从产生源头进行防治。为了完成火电厂的超低排放，一般对烟气处理设备的要求很高，相应的成本也比较高，因此，如何对火电厂烟气污染物进一步控制排放是亟待解决的问题。
[0003]上述内容仅用于辅助理解本专利技术的技术方案，并不代表承认上述内容是现有技术。
技术实现思路
[0004]本专利技术的主要目的在于提供了一种烟气污染物生成量预测方法及装置，旨在解决现有技术如何进一步降低火电厂烟气污染物排放的技术问题。
[0005]为实现上述目的，本专利技术提供了一种烟气污染物生成量预测方法，所述方法包括以下步骤：
[0006]获取目标检测区域内的当前烟气浓度数据；
[0007]对所述当前烟气浓度数据进行预处理，根据预处理结果构建所述当前烟气浓度数据对应的三维特征向量；
[0008]将所述三维特征向量输入至预设循环神经网络模型中，获得所述目标检测区域对应的第一预测浓度数据；
[0009]将所述当前烟气浓度数据和历史烟气浓度数据输入至所述预设循环神经网络模型中，获得所述目标检测区域对应的第二预测浓度数据；
[0010]根据预设权重值对所述第一预测浓度数据和所述第二预测浓度数据进行权重处理，获得所述目标检测区域的未来一定时间内的预测烟气生成量数据。
[0011]可选地，所述获取目标检测区域内的当前烟气浓度数据的步骤包括：
[0012]获取目标检测区域内第一预设时间点的第一烟气浓度数据；
[0013]获取所述目标检测区域内第二预设时间点的第二烟气浓度数据；
[0014]根据归一化算法对所述第一烟气浓度数据和所述第二烟气浓度数据进行归一化处理，获得所述目标检测区域对应的当前烟气浓度数据。
[0015]可选地，所述对所述当前烟气浓度数据进行预处理，根据预处理结果构建所述当前烟气浓度数据对应的三维特征向量的步骤包括：
[0016]获取所述当前烟气浓度数据对应的各检测时间点的温度数据；
[0017]获取所述当前烟气浓度数据对应的各检测时间点所在空间的气压数据；
[0018]根据所述温度数据、所述气压数据和所述当前烟气浓度数据构建所述当前烟气浓度数据对应的三维特征向量。
[0019]可选地，所述获取目标检测区域内的当前烟气浓度数据的步骤之前，还包括：
[0020]获取目标检测区域对应的历史烟气浓度数据；
[0021]获取所述历史烟气浓度数据对应的历史温度和历史气压；
[0022]将所述历史烟气浓度数据、所述历史温度和所述历史气压输入至初始神经网络模型进行迭代训练，获得循环神经网络模型。
[0023]可选地，所述将所述历史烟气浓度数据、所述历史温度和所述历史气压输入至初始神经网络模型进行迭代训练，获得循环神经网络模型的步骤包括：
[0024]将所述历史烟气浓度数据、所述历史温度和所述历史气压输入至初始神经网络模型进行迭代训练，获得训练模型；
[0025]将检测数据输入至所述训练模型中，判断输出结果是否达到预测范围；
[0026]在所述输出结果未达到所述预测范围时，将历史烟气浓度数据输入至所述训练模型中进行反向训练，直至所述输出结果达到所述预测范围，并将所述输出结果达到所述预测范围时所对应的训练模型作为循环神经网络模型。
[0027]此外，为实现上述目的，本专利技术还提出一种烟气污染物生成量预测装置，所述装置包括：
[0028]数据获取模块，用于获取目标检测区域内的当前烟气浓度数据；
[0029]数据处理模块，用于对所述当前烟气浓度数据进行预处理，根据预处理结果构建所述当前烟气浓度数据对应的三维特征向量；
[0030]浓度预测模块，用于将所述三维特征向量输入至预设循环神经网络模型中，获得所述目标检测区域对应的第一预测浓度数据；
[0031]浓度预测模块，还用于将所述当前烟气浓度数据和历史烟气浓度数据输入至所述预设循环神经网络模型中，获得所述目标检测区域对应的第二预测浓度数据；
[0032]生成量显示模块，用于根据预设权重值对所述第一预测浓度数据和所述第二预测浓度数据进行权重处理，获得所述目标检测区域的未来一定时间内的预测烟气生成量数据。
[0033]可选地，所述数据获取模块，还用于获取目标检测区域内第一预设时间点的第一烟气浓度数据；
[0034]所述数据获取模块，还用于获取所述目标检测区域内第二预设时间点的第二烟气浓度数据；
[0035]所述数据获取模块，还用于根据归一化算法对所述第一烟气浓度数据和所述第二烟气浓度数据进行归一化处理，获得所述目标检测区域对应的当前烟气浓度数据。
[0036]可选地，所述数据处理模块，还用于获取所述当前烟气浓度数据对应的各检测时间点的温度数据；
[0037]所述数据处理模块，还用于获取所述当前烟气浓度数据对应的各检测时间点所在空间的气压数据；
[0038]所述数据处理模块，还用于根据所述温度数据、所述气压数据和所述当前烟气浓
度数据构建所述当前烟气浓度数据对应的三维特征向量。
[0039]可选地，所述装置还包括：模型构建模块；
[0040]所述模型构建模块，用于获取目标检测区域对应的历史烟气浓度数据；
[0041]所述模型构建模块，还用于获取所述历史烟气浓度数据对应的历史温度和历史气压；
[0042]所述模型构建模块，还用于将所述历史烟气浓度数据、所述历史温度和所述历史气压输入至初始神经网络模型进行迭代训练，获得循环神经网络模型。
[0043]可选地，所述模型构建模块，还用于将所述历史烟气浓度数据、所述历史温度和所述历史气压输入至初始神经网络模型进行迭代训练，获得训练模型；
[0044]所述模型构建模块，还用于将检测数据输入至所述训练模型中，判断输出结果是否达到预测范围；
[0045]所述模型构建模块，还用于在所述输出结果未达到所述预测范围时，将历史烟气浓度数据输入至所述训练模型中进行反向训练，直至所述输出结果达到所述预测范围，并将所述输出结果达到所述预测范围时所对应的训练模型作为循环神经网络模型。
[0046]本专利技术通过获取目标检测区域内的当前烟气浓度数据；对所述当前烟气浓度数据进行预处理，根据预处理结果构建所述当前烟气浓度数据对应的三维特征向量；然后将所述三维特征向量输入至预设循环神经网络模型中，获得所述目标检测区域对应的第一预测浓度数据；将所述当前烟气浓度数据和历史本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种烟气污染物生成量预测方法，其特征在于，所述方法包括：获取目标检测区域内的当前烟气浓度数据；对所述当前烟气浓度数据进行预处理，根据预处理结果构建所述当前烟气浓度数据对应的三维特征向量；将所述三维特征向量输入至预设循环神经网络模型中，获得所述目标检测区域对应的第一预测浓度数据；将所述当前烟气浓度数据和历史烟气浓度数据输入至所述预设循环神经网络模型中，获得所述目标检测区域对应的第二预测浓度数据；根据预设权重值对所述第一预测浓度数据和所述第二预测浓度数据进行权重处理，获得所述目标检测区域的未来一定时间内的预测烟气生成量数据。2.如权利要求1所述的烟气污染物生成量预测方法，其特征在于，所述获取目标检测区域内的当前烟气浓度数据的步骤包括：获取目标检测区域内第一预设时间点的第一烟气浓度数据；获取所述目标检测区域内第二预设时间点的第二烟气浓度数据；根据归一化算法对所述第一烟气浓度数据和所述第二烟气浓度数据进行归一化处理，获得所述目标检测区域对应的当前烟气浓度数据。3.如权利要求2所述的烟气污染物生成量预测方法，其特征在于，所述对所述当前烟气浓度数据进行预处理，根据预处理结果构建所述当前烟气浓度数据对应的三维特征向量的步骤包括：获取所述当前烟气浓度数据对应的各检测时间点的温度数据；获取所述当前烟气浓度数据对应的各检测时间点所在空间的气压数据；根据所述温度数据、所述气压数据和所述当前烟气浓度数据构建所述当前烟气浓度数据对应的三维特征向量。4.如权利要求1所述的烟气污染物生成量预测方法，其特征在于，所述获取目标检测区域内的当前烟气浓度数据的步骤之前，还包括：获取目标检测区域对应的历史烟气浓度数据；获取所述历史烟气浓度数据对应的历史温度和历史气压；将所述历史烟气浓度数据、所述历史温度和所述历史气压输入至初始神经网络模型进行迭代训练，获得循环神经网络模型。5.如权利要求4所述的烟气污染物生成量预测方法，其特征在于，所述将所述历史烟气浓度数据、所述历史温度和所述历史气压输入至初始神经网络模型进行迭代训练，获得循环神经网络模型的步骤包括：将所述历史烟气浓度数据、所述历史温度和所述历史气压输入至初始神经网络模型进行迭代训练，获得训练模型；将检测数据输入至所述训练模型中，判断输出结果是否达到预测范围；在所述输出结果未达到所述预测范围时，将历史烟气浓度数据输入至所述训练模型中进行反向训练，直至所述输出结果达到所述预测范围，并将所述输出结果达到所述预测范围时所对应的训练模型作为循环神经网络模型。6.一种烟气污染物生成量预测装置，其特征在于，所述...
【专利技术属性】
技术研发人员：王永林，魏立超，白永锋，孔祥山，郝正，王凯亮，杨彭飞，
申请(专利权)人：华电环保系统工程有限公司，
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。