【技术实现步骤摘要】
本专利技术涉及大数据处理技术，具体涉及一种基于大数据的火力发电厂氮氧化物排放预测方法。
技术介绍
1、火力发电厂氮氧化物排放预测的主流方法依赖于统计模型和早期机器学习算法，例如线性回归、决策树以及随机森林等工具。这些方法通过深入研究历史运行数据，试图建立一个数学模型来描绘氮氧化物排放与诸多因素(如燃料种类、燃烧温度、空气与燃料比例、负荷波动等)之间的关联性。然而，随着时间推移和技术进步，这些传统方法暴露出了一些显著的局限性，包括：
2、1)在面对复杂的非线性关系和动态变化时显得力不从心：火力发电厂运行参数之间的交互效应错综复杂，单纯的线性或固定结构模型难以准确模拟这些深层次的关联，进而影响预测的准确性。
3、2)在处理时间序列数据时，未充分考虑氮氧化物排放随时间推移的连续性和依赖性：在实际生产过程中，排放水平会随着各种运行条件的实时变化而动态调整，而传统预测模型往往缺乏对这种长期依赖性和突发变化的有效捕捉能力。
4、3)忽视多元数据的价值：红外图像等非结构化数据可以直观反映锅炉内部燃烧状态，但并未被充...
【技术保护点】
1.一种基于大数据的火力发电厂氮氧化物排放预测方法，其特征在于，构建并训练氮氧化物排放预测模型；将待测数据输入训练好的氮氧化物排放预测模型，输出预测结果；所述氮氧化物排放预测模型包括时序编码模块、时序位置编码模块、图像编码模块、图像位置编码模块和融合模块；
2.根据权利要求1所述的一种基于大数据的火力发电厂氮氧化物排放预测方法，其特征在于，在步骤S1的数据采集过程中：
3.根据权利要求1所述的一种基于大数据的火力发电厂氮氧化物排放预测方法，其特征在于，所述时序编码模块为三层transformer-encoder模型，其输入维度和输出维度分别为2...
【技术特征摘要】
1.一种基于大数据的火力发电厂氮氧化物排放预测方法，其特征在于，构建并训练氮氧化物排放预测模型；将待测数据输入训练好的氮氧化物排放预测模型，输出预测结果；所述氮氧化物排放预测模型包括时序编码模块、时序位置编码模块、图像编码模块、图像位置编码模块和融合模块；
2.根据权利要求1所述的一种基于大数据的火力发电厂氮氧化物排放预测方法，其特征在于，在步骤s1的数据采集过程中：
3.根据权利要求1所述的一种基于大数据的火力发电厂氮氧化物排放预测方法，其特征在于，所述时序编码模块为三层transformer-encoder模型，其输入维度和输出维度分别为23和125；所述图像编码模块包括图片分割层、卷积层、细粒度位置编码层、自注意力机制层和前馈神经网络。
4.根据权利要求3所述的...
【专利技术属性】
技术研发人员：杜雨露，王一雄，杜聪凯，王进，
申请(专利权)人：重庆邮电大学，
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。