一种基于图像识别与AMP-NSGA-Ⅱ-LSSVM的煤质预测方法及系统与流程

本发明涉及煤质预测，尤其涉及一种基于图像识别与amp-nsga-ⅱ-lssvm的煤质预测方法及系统。

背景技术：

1、混煤掺烧技术指将不同种类的煤混合使用，以提高燃烧效率、降低发电燃料成本、降低排放污染物的技术，该技术通常应用于燃煤电厂和工业锅炉等领域。通过将不同种类的煤混合使用，可以在一定程度上提高煤的利用效率，并减少污染物的排放。在混煤掺烧技术中，需要进行煤种选择和混合比例的确定。这需要对不同种类的煤进行化学成分、物理性质、燃烧特性等方面的分析和评估。同时，还需要根据不同的燃烧设备和燃烧条件来确定最佳的混合比例和燃烧方式，以保证燃烧效率和降低排放污染物的水平。

2、现有混煤掺烧技术都需要根据火电厂煤种进行实时混煤质准确预测后，进行多约束条件、多目标配煤方案优化。而当日混煤计划平均发热量的准确计算是掺烧的前提之一。准确提取电厂当日发电量计划数据，是当日混煤计划平均发热量准确计算的前提。而现有混煤掺烧技术没有对混煤当日计划平均发热量进行准确预估，且混煤煤质预测方法也有进一步改进的空间，同时，基于目前电厂集控运行室的数据安全和外接设备可能携带病毒威胁电厂内网安全的考虑，不能使用usb、硬盘等有线数据采集设备接入agc电量远方调度电脑进行数据采集，无法及时对相关数据进行实时处理，煤质预测结果存在一定误差。

技术实现思路

1、鉴于上述现有存在的问题，提出了本发明。

2、因此，本发明提供了一种基于图像识别与amp-nsga-ⅱ-lssvm的煤质预测方法及系统解决目前技术现有混煤掺烧技术没有对混煤当日计划平均发热量进行准确预估，无法实时获取时间点上的煤炭参数，且混煤煤质预测方法准确度不够的问题。

3、为解决上述技术问题，本发明提供如下技术方案：

4、第一方面，本发明提供了一种基于图像识别与amp-nsga-ⅱ-lssvm的煤质预测方法，包括：

5、获取电厂发电量图片，对所述图片进行预处理；

6、对预处理后的图片进行数据提取，以获取日发电量曲线数据；

7、依据所述日发电量曲线数据计算当日平均计划发电量，并依据当日平均计划发电量计算当日混煤掺烧平均发热量；

8、根据混煤配比及单煤种类，通过amp-nsga-ⅱ-lssvm算法模型预测混煤成分；

9、将所述当日混煤掺烧平均发热量和所述预测混煤成分输入至配煤掺烧系统，生成混煤掺烧参考指标。

10、作为本发明所述的基于图像识别与amp-nsga-ⅱ-lssvm的煤质预测方法的一种优选方案，其中：对所述图片进行预处理，包括，

11、通过透视变换对图片进行畸变矫正与角度调整；

12、改变图片的颜色空间，对图片进行滤色处理，以获取二值化后的日发电量计划曲线图片；

13、建立卷积核对二值化后的日发电量计划曲线图进行图片腐蚀；

14、对图片腐蚀后的二值化后的日发电量计划曲线图通过边缘检测技术对发电量曲线进行边缘提取。

15、作为本发明所述的基于图像识别与amp-nsga-ⅱ-lssvm的煤质预测方法的一种优选方案，其中：对预处理后的图片进行数据提取，以获取日发电量曲线数据，包括，提取单一像素点曲线对应的像素值横纵坐标，将像素值横纵坐标转化为时间点和计划电量值；

16、其中，时间为00：00到23：55，每隔五分钟为一个时间点，共288个时间点，计划电量值为288个时间点对应的计划电量值，将288组数据保存。

17、作为本发明所述的基于图像识别与amp-nsga-ⅱ-lssvm的煤质预测方法的一种优选方案，其中：依据所述日发电量曲线数据计算当日平均计划发电量，并依据当日平均计划发电量计算当日混煤掺烧平均发热量，包括，

18、提取288个时间点对应的计划电量值并计算平均计划发电量；

19、依据当日平均计划发电量计算当日混煤掺烧平均发热量，表示为：

20、

21、其中，η为厂用电率，％；pf为单台机组日计划平均发电量，kw·h；bg为供电煤耗，g/kwh；md为日耗煤总控制量。

22、作为本发明所述的基于图像识别与amp-nsga-ⅱ-lssvm的煤质预测方法的一种优选方案，其中：根据混煤配比及单煤种类，通过amp-nsga-ⅱ-lssvm算法模型预测混煤成分，包括，

23、采用pso-lssvm算法分别预测出混煤的硫分、灰分、灰熔点、挥发分、水分，具体包括，

24、随机将三种不同比例的单煤进行混配，将各单煤硫分、灰分、灰熔点、挥发分、水分数据和各自比例共6个变量作为lssvm模型输入，混煤后的煤质数据作为lssvm模型输出结果，构造相应拉格朗日函数对lssvm模型优化求解。

25、作为本发明所述的基于图像识别与amp-nsga-ⅱ-lssvm的煤质预测方法的一种优选方案，其中：还包括，采用平均绝对误差、平均绝对百分比误差和均方根误差作为lssvm模型的精确度评估指标，并通过改进的多种群自适应amp-nsga-ⅱ算法对lssvm的两个超参数σ、γ进行优化，并将平均均方根误差和绝对误差分别作为amp-nsga-ⅱ算法的双目标函数，以获取最优的超参数以及优化后的lssvm配煤模型；

26、通过优化后的lssvm配煤模型采集所述三种不同比例的单煤特性与混合比例输入模型中进行预测，得到混煤煤质预测值。

27、作为本发明所述的基于图像识别与amp-nsga-ⅱ-lssvm的煤质预测方法的一种优选方案，其中：所述通过改进的多种群自适应amp-nsga-ⅱ算法对lssvm的两个超参数σ、γ进行优化，包括，

28、amp-nsga-ⅱ算法随机产生一批[σ、γ]决策变量作为参数寻优的原始种群，将原始种群划分为4个亚种群，为每个亚种群分配不同的交叉算子；

29、将种群的初始大小定为100，然后进行选择、交叉、变异操作，获取exs解集；

30、对生成exs解集进行自适应更新，并进行循环直到满足迭代条件，获得一组[σ、γ]作为lssvm的最优超参数。

31、第二方面，本发明提供了一种基于图像识别与amp-nsga-ⅱ-lssvm的煤质预测的系统，包括，

32、获取模块，用于获取电厂发电量图片，对所述图片进行预处理；

33、预处理模块，用于对预处理后的图片进行数据提取，以获取日发电量曲线数据；

34、计算模块，用于依据所述日发电量曲线数据计算当日平均计划发电量，并依据当日平均计划发电量计算当日混煤掺烧平均发热量；

35、优化预测模块，用于根据混煤配比及单煤种类，通过amp-nsga-ⅱ-lssvm算法模型预测混煤成分；

36、生成模块，用于将所述当日混煤掺烧平均发热量和所述预测混煤成分输入至配煤掺烧系统，生成混煤掺烧参考指标。

37、第三方面，本发明提供了一种计算设备，包括：

38、存储器和处理器；

39、所述存储器用于存储计算机可执行指令，所述处理器用于执行所述计算机可执行指令，该计算机可执行指令被处理器执行时实现所述基于图像识别与amp-nsga-ⅱ-lssvm的煤质预测方法的步骤。

40、第四方面，本发明提供了一种计算机可读存储介质，其存储有计算机可执行指令，该计算机可执行指令被处理器执行时实现所述基于图像识别与amp-nsga-ⅱ-lssvm的煤质预测方法的步骤。

41、与现有技术相比，本发明的有益效果：本发明通过采用图片边缘提取技术，识别提取火电厂当日agc远方调度指令曲线数据，计算得到当日混煤计划平均发热量；避免了预测输入变量过多、变量耦合关系复杂导致预测值与实际电量之间存在的偏差影响，并且采用改进的优化算法优化lssvm煤质预测模型，对比其它同类煤质预测模型准确度高，具有更强的参考价值；由288个时间点数据计算得到当日混煤平均计划发热量，结合amp-nsga-ⅱ-lssvm模型预测煤质特性，作为后续每日电厂混煤掺烧的指导指标，精确度高；同时，该算法考虑了回归任务中，均方根误差和平均绝对误差会冲突的情况，预测结果更加准确。