基于多聚类算法的催化剂设计方案更新迭代方法及装置制造方法及图纸

本说明书实施例提供了一种基于多聚类算法的催化剂设计方案更新迭代方法及装置，该方法包括采集并获得初始数据集；采用K

【技术实现步骤摘要】
基于多聚类算法的催化剂设计方案更新迭代方法及装置


[0001]本专利技术涉及火电机组优化
，尤其涉及一种基于多聚类算法的催化剂设计方案更新迭代方法及装置。

技术介绍

[0002]随着人类认知水平，火电机组排放标准专业和技术指标不断提高，相对应的脱硝催化剂产品需要不断的提升，在这个过程中，产品设计与现场环境最为关键，因此需要将设计模拟结果与实际情况进行比较，最终得到最优产品配方，解决烟气排放不符合标准等问题。
[0003]现有技术方案中多种煤质与催化剂之间的配比关系是在生产过程中根据出现的问题不断优化的，但是，对于用于催化剂设计的模型进行训练的数据基本都是随机获取的数据，对于如何合理优化催化剂设计的方案以更进一步降低生产过程中的气体污染问题是亟待解决的问题。

技术实现思路

[0004]为克服相关技术中存在的问题，本公开提供一种基于多聚类算法的催化剂设计方案更新迭代方法及装置，以解决相关技术中如何合理优化催化剂设计的模型的训练数据以更进一步生产过程中的气体污染的技术问题。
[0005]本说明书一个或多个实施例提供了一种基于多聚类算法的催化剂设计方案更新迭代方法，包括：
[0006]步骤S101、采集烟气处理塔处理后排放的烟气成分含量数据，并对数据进行预处理，获得初始数据集；
[0007]步骤S102、采用K
‑
means算法对初始数据集进行分类，获得第一数据集；
[0008]步骤S103、通过DBSCAN算法构建密度训练及验证模型，通过密度训练及验证模型基于预设的邻域半径和邻域中数据对象数目阈值对第一数据集进行聚类获得第二数据集；
[0009]步骤S104、根据基于客户需求参数，通过催化剂设计系统生成第三数据集；
[0010]步骤S105、基于第二数据集和第三数据集进行相似度判定，确定相似值；
[0011]步骤S106、判定若相似值≥95％，则获得催化剂设计方案；若相似值达到预设的半径和阈值修正条件，则进行半径和阈值修正阈值优化，并转步骤S103；若相似值达到预设的催化剂参数优化条件，则进行催化剂参数优化设计，转步骤S104。
[0012]本说明书一个或多个实施例提供了一种基于多聚类算法的催化剂设计方案更新迭代装置，包括：
[0013]数据采集模块：用于采集烟气处理塔处理后排放的烟气成分含量数据，并对数据进行预处理，获得初始数据集；
[0014]距离训练模块：采用K
‑
means算法对初始数据集进行分类，获得第一数据集；
[0015]密度训练及验证模块：用于通过DBSCAN算法构建密度训练及验证模型，通过密度
训练及验证模型基于预设的邻域半径和邻域中数据对象数目阈值对第一数据集进行聚类获得第二数据集；
[0016]催化剂设计模块：用于根据基于客户需求参数，通过催化剂设计系统生成第三数据集；
[0017]相识度计算模块：用于第二数据集和第三数据集进行相似度计算确定相似值；
[0018]判定执行模块：用于判断若相识度计算模块计算的相似值≥95％，则获得催化剂设计方案；若相似值达到预设的半径和阈值修正条件，则进行半径和阈值修正阈值优化，并反馈至密度训练及验证模型；若相似值达到预设的催化剂参数优化条件，则进行催化剂参数优化设计，并反馈至催化剂设计模块。
[0019]本说明书一个或多个实施例提供了一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述所述基于多聚类算法的催化剂设计方案更新迭代方法。
[0020]本说明书一个或多个实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述所述基于多聚类算法的催化剂设计方案更新迭代方法的步骤。
[0021]本实施例方法，通过K
‑
means算法和DBSCAN算法的聚类算法的催化剂设计方案更新迭代方法，通过设定的训练条件(相似值是否达到预设的半径和阈值修正阈值和催化剂参数优化阈值)对催化剂参数和DBSCAN算法中的邻域半径和核心点阈值进行优化，使相似值达到95％作为是否优化设计软件的冗余值，或理论值的优化，实现催化剂设计方案更新迭代，从而提升产品运行的性能。
附图说明
[0022]为了更清楚地说明本说明书一个或多个实施例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简单地介绍，显而易见地，下面描述中的附图仅仅是本说明书中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0023]图1为本说明书一个或多个实施例提供的一种基于多聚类算法的催化剂设计方案更新迭代方法流程图；
[0024]图2为本说明书一个或多个实施例提供的一种基于多聚类算法的催化剂设计方案更新迭代装置框架图；
[0025]图3为本说明书一个或多个实施例提供的一种基于多聚类算法的催化剂设计方案更新迭代装置的执行流程示意图；
[0026]图4为本说明书一个或多个实施例提供的一种计算机的结构示意图。
具体实施方式
[0027]为了使本
的人员更好地理解本说明书一个或多个实施例中的技术方案，下面将结合本说明书一个或多个实施例中的附图，对本说明书一个或多个实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本说明书的一部分实施例，而不是全部的实施例。基于本说明书一个或多个实施例，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，都应当属于本专利技术件的保护范围。
[0028]下面结合具体实施方式和说明书附图对本专利技术做出详细的说明。
[0029]方法实施例
[0030]根据本专利技术实施例，提供了一种基于多聚类算法的催化剂设计方案更新迭代方法，如图1所示，为本实施例提供的一种基于多聚类算法的催化剂设计方案更新迭代方法流程图，根据本专利技术实施例的基于多聚类算法的催化剂设计方案更新迭代方法，包括：
[0031]步骤S101、采集烟气处理塔处理后排放的烟气成分含量数据，并对数据进行预处理，获得初始数据集；
[0032]步骤S102、采用K
‑
means算法对初始数据集进行分类，获得第一数据集；例如样本之间的距离为烟气含量不同区间；
[0033]所述第一数据集包含物理性能、力学性能、热学性能等不同的分类集；
[0034]在本实施例中，采用K
‑
means算法对初始数据集进行分类，按照样本之间的距离(烟气含量不同区间)大小，对样本进行分类，分类完成后，停止训练，形成新的第一数据集；其中，K
‑
means算法的具体计算参考下式：
[0035][0036]式中，J为失真函数，μ
k
为集群质心；使用到c
(本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于多聚类算法的催化剂设计方案更新迭代方法，其特征在于，包括：步骤S101、采集烟气处理塔处理后排放的烟气成分含量数据，并对数据进行预处理，获得初始数据集；步骤S102、采用K
‑
means算法对初始数据集进行分类，获得第一数据集；步骤S103、通过DBSCAN算法构建密度训练及验证模型，通过密度训练及验证模型基于预设的邻域半径和邻域中数据对象数目阈值对第一数据集进行聚类获得第二数据集；步骤S104、根据基于客户需求参数，通过催化剂设计系统生成第三数据集；步骤S105、基于第二数据集和第三数据集进行相似度判定，确定相似值；步骤S106、判定若相似值≥95％，则获得催化剂设计方案；若相似值达到预设的半径和阈值修正条件，则进行半径和阈值修正阈值优化，并转步骤S103；若相似值达到预设的催化剂参数优化条件，则进行催化剂参数优化设计，转步骤S104。2.如权利要求1所述的基于多聚类算法的催化剂设计方案更新迭代方法，其特征在于，所述步骤S103具体为：通过DBSCAN算法构建密度训练及验证模型，通过密度训练及验证模型按照定义密度时的邻域半径及邻域中数据对象数目阈值对第一数据集进行聚类，生成相应的训练集，则停止训练，并将分类集放回数据仓库，生成第二数据集。3.如权利要求1所述的基于多聚类算法的催化剂设计方案更新迭代方法，其特征在于，所述步骤S106中催化剂参数优化阈值条件为90％≤相似值≤95％。4.如权利要求1所述的基于多聚类算法的催化剂设计方案更新迭代方法，其特征在于，所述步骤S106中预设的半径和阈值修正条件为相似值≤90％。5.基于多聚类算法的催化剂设计方案更新迭代装置，其特征在于，包括：数据采集模块：用于采集烟气处理塔处理后排放的烟气成分含量数据，并对数据进行预处理，获得初始数据集；距离训练模块：采用K
‑
means算法...

【专利技术属性】
技术研发人员：张鑫，高义博，纵宇浩，岳彦伟，马罗宁，李金珂，王虎，
申请(专利权)人：大唐南京环保科技有限责任公司，
类型：发明
国别省市：