一种火力发电厂燃煤锅炉的建模方法及系统与流程

技术特征：

1.一种火力发电厂燃煤锅炉的建模方法，其特征在于，包括：

确定燃煤锅炉所建模型的至少一个输入参数类型及至少一个输出参数类型；

针对所述输入参数类型及所述输出参数类型，分别进行采样，获得参数类型对应的采样数据；

对所述采样数据进行低通滤波及归一化处理；

基于所述采样数据中参数类型的个数以及所述参数类型之间的耦合关系，确定NARX(Nonlinear AutoRegressive network with eXogenous inputs model，非线性自回归模型)网络模型的模型层级、每层中的神经元及激活函数；

基于所述模型层级、每层中的神经元及激活函数，对所述采样数据进行建模，得到燃煤锅炉的NARX网络模型。

2.根据权利要求1所述的方法，其特征在于，还包括：

获得所述燃煤锅炉的NARX网络模型的模型输出结果与实际输出结果的均方误差；

将所述均方误差作为目标函数，利用自适应学习率和动量的梯度下降优化算法中的对所述燃煤锅炉的NARX网络模型进行模型优化；

其中，在目标函数的条件下，和分别是t次和t-1次迭代网络参数的变化量，网络参数包括网络的权重矩阵和偏置项，是目标函数相对于网络参数的梯度，lr是学习率，mc是动量，y_t为时间序列t时的实际输出结果，h_n为包含了n个反馈输入参数的NARX网络模型的输入，f_o(h_n|θ)是在网络参数为θ模型输入h_n的情况下NARX网络模型的输出，N为所述采样数据的采样个数。

3.根据权利要求1所述的方法，其特征在于，对所述采样数据进行低通滤波及归一化处理，包括：

基于预设的平滑因子，对每个时间序列上的采样数据分别进行滤波处理；

将经过低通滤波后的采样数据映射到预设的阈值区间中。

4.根据权利要求3所述的方法，其特征在于，基于预设的平滑因子，对每个时间序列上的采样数据分别进行滤波处理，包括：

利用x′_t＝w₁x_t-2+w₂x_t-1+w₃x_t+w₄x_t+1及w₁+w₂+w₃+w₄＝1，对时间序列t上的采样数据进行滤波；

其中，x′_t为时间序列t对应的采样数据x_t经过低通滤波后的采样数据，w₁、w₂、w₃、w₄为平滑因子。

5.根据权利要求3所述的方法，其特征在于，将经过低通滤波后的采样数据映射到预设的阈值区间中，包括：

利用将低通滤波后的采样数据映射到阈值区间(-1,1)之间；

其中，x′_t为时间序列t对应的采样数据x_t经过低通滤波后的采样数据，x″为映射到阈值区间(-1,1)之间的采样数据。

6.根据权利要求1所述的方法，其特征在于，基于所述模型层级、每层中的神经元及激活函数，对所述采样数据进行建模，得到燃煤锅炉的NARX网络模型，包括：

基于所述模型层级及每层中的神经元，搭建NARX网络模型的初始模型，所述初始模型包括输入层、第一隐含层、第二隐含层及输出层，所述第一隐含层、所述第二隐含层及所述输出层中分别包含多个神经元；

利用激活函数对所述初始模型中的所述输入层、所述第一隐含层、所述第二隐含层及输出层进行激活，得到所述燃煤锅炉的NARX网络模型。

7.根据权利要求6所述的方法，其特征在于，所述利用激活函数对所述初始模型中的所述输入层、所述第一隐含层、所述第二隐含层及输出层进行激活，得到所述燃煤锅炉的NARX网络模型，包括：

利用激活函数对所述输入层、所述第一隐含层及所述第二隐含层进行激活；

利用激活函数h＝ax+b，对所述输出层进行激活，得到所述燃煤锅炉的NARX网络模型，a和b为预设值。

8.一种火力发电厂燃煤锅炉的建模系统，其特征在于，包括：

参数确定单元，用于确定燃煤锅炉所建模型的至少一个输入参数类型及至少一个输出参数类型；

数据采样单元，用于针对所述输入参数类型及所述输出参数类型，分别进行采样，获得参数类型对应的采样数据；

采样处理单元，用于对采样数据进行低通滤波及归一化处理；

模型参数确定单元，用于基于所述采样数据中参数类型的个数以及所述参数类型之间的耦合关系，确定NARX网络模型的模型层级、每层中的神经元及激活函数；

模型建立单元，用于利用所述模型层级、每层中的神经元及激活函数，对所述采样数据进行建模，得到燃煤锅炉的NARX网络模型。

9.根据权利要求8所述的系统，其特征在于，还包括：

模型优化单元，用于获得所述燃煤锅炉的NARX网络模型的模型输出结果与实际输出结果的均方误差，将所述均方误差作为目标函数，利用自适应学习率和动量的梯度下降优化算法中的对所述燃煤锅炉的NARX网络模型进行模型优化；

其中，在目标函数的条件下，和分别是t次和t-1次迭代网络参数的变化量，网络参数包括网络的权重矩阵和偏置项，是目标函数相对于网络参数的梯度，lr是学习率，mc是动量，y_t为时间序列t时的实际输出结果，h_n为包含了n个反馈输入参数的NARX网络模型的输入，f_o(h_n|θ)是在网络参数为θ模型输入h_n的情况下NARX网络模型的输出，N为所述采样数据的采样个数。

10.根据权利要求8所述的系统，其特征在于，所述采样处理单元包括：

采样平滑处理子单元，用于基于预设的平滑因子，对每个时间序列上的采样数据分别进行滤波处理；

归一化处理子单元，用于将经过低通滤波后的采样数据映射到预设的阈值区间中。

11.根据权利要求10所述的系统，其特征在于，所述采样平滑处理子单元具体用于：

利用x′_t＝w₁x_t-2+w₂x_t-1+w₃x_t+w₄x_t+1及w₁+w₂+w₃+w₄＝1，对时间序列t上的采样数据进行滤波；

其中，x′_t为时间序列t对应的采样数据x_t经过低通滤波后的采样数据，w₁、w₂、w₃、w₄为平滑因子。

12.根据权利要求10所述的系统，其特征在于，所述归一化处理子单元具体用于：

利用将低通滤波后的采样数据映射到阈值区间(-1,1)之间；

其中，x′_t为时间序列t对应的采样数据x_t经过低通滤波后的采样数据，x″为映射到阈值区间(-1,1)之间的采样数据。

13.根据权利要求8所述的系统，其特征在于，所述模型建立单元包括：

初始模型搭建子单元，用于基于所述模型层级及每层中的神经元，搭建NARX网络模型的初始模型，所述初始模型包括输入层、第一隐含层、第二隐含层及输出层，所述第一隐含层、所述第二隐含层及所述输出层中分别包含多个神经元；

初始模型激活子单元，用于利用激活函数对所述初始模型中的所述输入层、所述第一隐含层、所述第二隐含层及输出层进行激活，得到所述燃煤锅炉的NARX网络模型。

14.根据权利要求13所述的系统，其特征在于，所述初始模型激活子单元具体用于：

利用激活函数对所述输入层、所述第一隐含层及所述第二隐含层进行激活，再利用激活函数h＝ax+b，对所述输出层进行激活，得到所述燃煤锅炉的NARX网络模型，a和b为预设值。