一种基于集成学习燃气轮机的氮氧化物预测方法及系统技术方案

本发明专利技术公开了一种基于集成学习燃气轮机的氮氧化物预测方法及系统，所述方法包括：获取燃气轮机传感器上氮氧化物排放的数据；选择LSH‑Informer、BiGRU和BiLSTM作为基模型，同时选用ELM模型作为元学习器，采用Blending方法构建氮氧化物预测模型；引入Circle混沌初始化替换CGO算法原本的随机初始化种群，引入Golden SineAlgorithm更新位置的方式替换CGO第四颗种子位置更新的方式；使用改进的混沌博弈优化算法对LSH‑Informer模型的超参数进行优化；对氮氧化物预测模型进行评价，并使用优化之后的模型对燃气轮机的氮氧化物排放浓度进行预测。本发能实现发电厂燃气轮机氮氧化物排放浓度的预测，更准确地预测发电厂燃气轮机产生的氮氧化物排放水平，有助于采取更有效的环保措施，提高环境保护水平。

【技术实现步骤摘要】

本专利技术属于发电厂燃气轮机氮氧化物预测，尤其涉及一种基于集成学习燃气轮机的氮氧化物预测方法及系统。

技术介绍

1、发电厂中的燃气轮机是一种常见的发电设备，它通过燃烧燃料产生高温高压的燃气，驱动涡轮机转动从而产生电能。然而，燃烧过程中会产生一些有害的气体，其中包括氮氧化物，它们对环境和人类健康都有潜在的危害。氮氧化物是指一类由氮和氧组成的化合物，主要包括一氧化氮和二氧化氮。它们在大气中可以与其他污染物相互作用，形成酸雨和臭氧等有害物质，对空气质量和生态环境产生不良影响。因此，燃气轮机发电厂需要采取措施来减少和控制氮氧化物的排放。为了更有效地实施这些措施，研究人员进行了氮氧化物预测的研究，以便提前了解燃气轮机燃烧过程中产生的氮氧化物排放水平。这样的预测研究可以帮助发电厂优化燃烧过程，减少对环境的不良影响。

2、集成学习是机器学习领域中的一个活跃研究方向。集成学习通过结合多个学习器的预测来提高整体性能，通常可以取得比单个学习器更好的泛化能力和鲁棒性。本研究考虑引入blending集成学习作为一种方法，用于进行氮氧化物的预测。这种方法将多个学习模型结本文档来自技高网...

【技术保护点】

1.一种基于集成学习燃气轮机的氮氧化物预测方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的一种基于集成学习燃气轮机的氮氧化物预测方法，其特征在于，步骤(1)所述的燃气轮机相关数据包括燃气轮机的环境温度、环境压力、环境湿度、空气过滤差压、燃气轮机排气压力、燃气轮机进口温度、燃气轮机后温度、燃气轮机发电量和燃气轮机机进口温度。

3.根据权利要求1所述的一种基于集成学习燃气轮机的氮氧化物预测方法，其特征在于，所述步骤(2)所述的LSH-Informer模型的probsparse自注意力机制公式如下：

4.根据权利要求1所述的一种基于集成学习燃气轮机...

【技术特征摘要】

1.一种基于集成学习燃气轮机的氮氧化物预测方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的一种基于集成学习燃气轮机的氮氧化物预测方法，其特征在于，步骤(1)所述的燃气轮机相关数据包括燃气轮机的环境温度、环境压力、环境湿度、空气过滤差压、燃气轮机排气压力、燃气轮机进口温度、燃气轮机后温度、燃气轮机发电量和燃气轮机机进口温度。

3.根据权利要求1所述的一种基于集成学习燃气轮机的氮氧化物预测方法，其特征在于，所述步骤(2)所述的lsh-informer模型的probsparse自注意力机制公式如下：

4.根据权利要求1所述的一种基于集成学习燃气轮机的氮氧...

【专利技术属性】
技术研发人员：伏咏妍，姜耀，许雨辰，彭甜，张楚，纪捷，庄绪州，
申请(专利权)人：淮阴工学院，
类型：发明
国别省市：