基于样本迁移的烟气含氧量预测方法、装置和电子设备制造方法及图纸

本公开涉及锅炉烟气含氧量预测技术领域，提供了一种基于样本迁移的烟气含氧量预测方法、装置和电子设备。该方法包括：获取源域锅炉的第一样本数据集和目标锅炉的第二样本数据集；基于第一样本数据集和第二样本数据集之间的样本迁移，确定源域锅炉关于目标锅炉的样本权重数据；利用样本权重数据和第一样本数据集学习目标锅炉的烟气含氧量预测模型，得到目标预测模型；基于目标预测模型对目标锅炉的数据进行预测，得到目标锅炉的烟气含氧量值。本公开实现了源域锅炉数据和目标锅炉数据之间的迁移，使得不同锅炉的数据分布尽可能的相同，从而提高了目标预测模型对目标锅炉烟气含氧量的预测精度。量的预测精度。量的预测精度。

【技术实现步骤摘要】
基于样本迁移的烟气含氧量预测方法、装置和电子设备


[0001]本公开涉及锅炉烟气含氧量预测
，尤其涉及一种基于样本迁移的烟气含氧量预测方法、装置和电子设备。

技术介绍

[0002]热效率是衡量燃气锅炉的重要指标，实际应用一般通过控制锅炉烟气含氧量为最优设计值以实现不同工况下热效率最高。烟气含氧量常用氧化锆测量仪，测量和维护费用较高，在分布式能源领域，小型燃气锅炉为了节约成本，往往将测量仪轮流安装在不同的锅炉设备上来采集数据，由于每台锅炉安装的时间过短，不能采集到足够多的数据来训练有效的模型。另外，不同锅炉的数据分布是不一样的，这在很大程度上影响了数据的预测精度，导致在源域锅炉数据上训练的模型在目标域数据上预测的精度可能就会很低。因此，如何进一步提高锅炉烟气含氧量的预测精度是当前锅炉管理中的一个技术问题。

技术实现思路

[0003]有鉴于此，本公开实施例提供了一种基于样本迁移的烟气含氧量预测方法、装置和电子设备，以解决现有技术中如何进一步提高锅炉烟气含氧量预测精度的问题。
[0004]本公开实施例的第一方面，提供了一本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于样本迁移的烟气含氧量预测方法，其特征在于，包括：获取源域锅炉的第一样本数据集和目标锅炉的第二样本数据集；基于所述第一样本数据集和所述第二样本数据集之间的样本迁移，确定所述源域锅炉关于所述目标锅炉的样本权重数据；利用所述样本权重数据和所述第一样本数据集学习所述目标锅炉的烟气含氧量预测模型，得到目标预测模型；基于所述目标预测模型对所述目标锅炉的数据进行预测，得到所述目标锅炉的烟气含氧量值。2.根据权利要求1所述的方法，其特征在于，所述基于所述第一样本数据集和第二样本数据集之间的样本迁移，确定所述源域锅炉关于所述目标锅炉的样本权重数据，包括：混合所述第一样本数据集和第二样本数据集，得到混合样本数据；基于所述混合样本数据对核密度估计算法进行训练，得到核密度估计模型；利用所述第一样本数据集输入所述核密度估计模型，得到所述源域锅炉关于所述目标锅炉的样本权重数据。3.根据权利要求1所述的方法，其特征在于，所述利用所述样本权重数据和所述第一样本数据集学习所述目标锅炉的烟气含氧量预测模型，得到目标预测模型，包括：利用所述样本权重数据和所述第一样本数据集进行神经网络学习，得到所述目标锅炉的烟气含氧量的目标预测模型。4.根据权利要求1
‑
3任一项所述的方法，其特征在于，所述第一样本数据集中的每条样本数据包括所述源域锅炉的特征数据以及与所述源域锅炉特征数据对应的烟气含氧量值；所述第二样本数据集中的每条样本数据至少包括所述目标锅炉的特征数据。5.根据权利要求4所述的方法，其特征在于，所述源域锅炉的特征数据和所述目标锅炉的特征数据分别包括...

【专利技术属性】
技术研发人员：刘胜伟，
申请(专利权)人：新智我来网络科技有限公司，
类型：发明
国别省市：