【技术实现步骤摘要】
本专利技术属于电厂干式排渣机控风，尤其涉及一种增量协同集成学习的电厂干式排渣机智能控风方法。
技术介绍
1、电厂干式煤电厂锅炉排渣系统的核心设备，其通过控制冷却风量实现高温炉渣的冷却、输送与热能回收。控风技术直接决定系统冷却效率、热能回收、环保性能、设备寿命等多个指标。现有控风技术主要分为传统控制方法和智能控制方法，传统控制方法主要有pid控制方法及静态模型预测方法，pid控制技术主要通过固定参数调节风量，该方法无法适应锅炉负荷波动、煤质变化等动态工况，响应滞后明显；静态模型预测：通过历史数据建立线性回归或经验公式，但忽略环境变量（如季节温度、湿度）的影响，误差率较高。智能控制方法主要有模糊控制、单模型机器学习、深度强化学习等方法，但由于负荷扰动、煤质变化导致模型失准，回收效率低，易受空间特性与时间特性影响。
技术实现思路
1、为解决上述技术问题，本专利技术提出了一种增量协同集成学习的电厂干式排渣机智能控风方法，考虑排渣机系统的时空特性，集成学习是一种重要的数据挖掘方法，主要利用多个学习器...
【技术保护点】
1.一种增量协同集成学习的电厂干式排渣机智能控风方法，其特征在于，包括：
2.根据权利要求1所述的一种增量协同集成学习的电厂干式排渣机智能控风方法，其特征在于，所述多时序实时特征包括：风速、风向、环境温度、空气密度和气压。
3.根据权利要求1所述的一种增量协同集成学习的电厂干式排渣机智能控风方法，其特征在于，利用所述多时序实时特征训练基础学习器前还包括：对所述多时序实时特征进行归一化处理：
4.根据权利要求1所述的一种增量协同集成学习的电厂干式排渣机智能控风方法，其特征在于，所述基础学习模型用于输出预测特征值包括：
5....
【技术特征摘要】
1.一种增量协同集成学习的电厂干式排渣机智能控风方法，其特征在于，包括：
2.根据权利要求1所述的一种增量协同集成学习的电厂干式排渣机智能控风方法，其特征在于，所述多时序实时特征包括：风速、风向、环境温度、空气密度和气压。
3.根据权利要求1所述的一种增量协同集成学习的电厂干式排渣机智能控风方法，其特征在于，利用所述多时序实时特征训练基础学习器前还包括：对所述多时序实时特征进行归一化处理：
4.根据权利要求1所述的一种增量协同集成学习的电厂干式排渣机智能控风方法，其特征在于，所述基础学习模型用于输出预测特征值包括：
5.根据权利要求1所述的一种增量协同集成学习的电厂干式排渣机智能控风方法，其特征在于，所述协同图神经网络包括：映射模块...
【专利技术属性】
技术研发人员：李哲，王玉玮，富长亮，谢晓东，
申请(专利权)人：北京国电富通科技发展有限责任公司，
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。