买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉南京工业大学申请的专利一种基于极限学习机的脱硫系统多工况预测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114881355B 。

龙图腾网通过国家知识产权局官网在2025-10-31发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210607590.9，技术领域涉及：G06Q10/04；该发明授权一种基于极限学习机的脱硫系统多工况预测方法是由薄翠梅;张晨;李俊;张泉灵;俞辉;张登峰设计研发完成，并于2022-05-31向国家知识产权局提交的专利申请。

本一种基于极限学习机的脱硫系统多工况预测方法在说明书摘要公布了：本发明提供了基于极限学习机的脱硫系统多工况预测方法，获取火电厂锅炉及脱硫系统运行参数历史数据，按照六个标记位特征参数进行工况分类，确定相应工况训练数据集；针对训练数据集，基于贝叶斯算法建立不同工况的分类模型，选取合适的建模样本集；利用皮尔森系数估算变量的延迟时间，通过延迟时间对建模数据进行重组；利用重组后的数据集，基于极限学习机算法建立不同标记工况SO2预测模型；将系统实时数据输入分类模型，判断出系统实时的工况类别，采用相应的预测模型预测SO2排放浓度。本发明的方法在减少延迟时间影响的前提下，基于锅炉运行数据判断出系统当前所属工况，切换不同工况预测模型，提高出口SO2的预测效率和精度。

本发明授权一种基于极限学习机的脱硫系统多工况预测方法在权利要求书中公布了：1.一种基于极限学习机的脱硫系统多工况预测方法，其特征在于，包括： 步骤1：获取锅炉机组及脱硫系统的运行参数的历史数据，选择确定锅炉不同运行工况的标记位特征参数，按照标记位特征参数对火电厂锅炉及脱硫系统的历史数据进行工况分类； 步骤2：基于贝叶斯分类算法对不同工况下的历史数据进行训练，建立不同工况下的朴素贝叶斯分类模型； 步骤3：利用皮尔森系数法估算烟气各参数、吸收塔浆液密度、浆液循环泵流量的延迟时间，根据延迟时间对历史数据样本进行重组预处理，得到重构数据样本集；具体步骤包括： 步骤3-1：定义历史数据中的工况参数为输入变量X，脱硫系统出口的SO2浓度为输出变量Y，其中X＝[x1t,…，xmt]，m为输入变量的维数，Y＝yt，t＝1…N，N为历史数据的样本数； 步骤3-2：确定第i维工况参数的最大延迟时刻k，在最大延迟时间范围内将第i维输入变量xit按采集时间间隔进行重构分段，得到k组重构工况数据序列，分别为xit-1、…、xit-k； 步骤3-3：分别计算k组重构工况数据序列与SO2浓度yt之间的皮尔森系数； 步骤3-4：选取皮尔森系数最大的一组重构工况数据序列对应的延迟时间作为预测变量xit的最佳延迟时间，并将该组重构工况数据序列作为输入变量xit的重构数据序列，输入变量xit重构后的维数为1； 步骤3-5：重复步骤3-2至3-4，计算全部输入变量X的最佳延迟时间及其重构数据序列，全部输入变量X的重构数据序列组合得到重构数据样本，该重构数据样本作为预测模型的输入样本； 步骤4：基于重构数据样本集，采用极限学习机算法分别建立不同工况的SO2预测模型； 步骤5：获取系统实时运行数据并输入朴素贝叶斯分类模型，得到脱硫系统的实时工况类别，根据不同的工况类别切换至对应工况的SO2预测模型； 步骤6：将系统实时运行数据输入至对应的预测模型中，得到SO2排放浓度的预测值。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南京工业大学，其通讯地址为：211899 江苏省南京市浦口区浦珠南路30号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。