Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 商标交易 积分商城 国际服务 IP管家助手 科技果 科技人才 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 广州珠江电力有限公司;华南理工大学张振群获国家专利权

广州珠江电力有限公司;华南理工大学张振群获国家专利权

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!

龙图腾网获悉广州珠江电力有限公司;华南理工大学申请的专利一种基于深度树集成模型的燃煤锅炉NOx生成浓度及氨逃逸多输出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:CN121542930B

龙图腾网通过国家知识产权局官网在2026-05-05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:202610070624.3,技术领域涉及:G06F18/2431;该发明授权一种基于深度树集成模型的燃煤锅炉NOx生成浓度及氨逃逸多输出预测方法是由张振群;姚顺春;朱恺;周安鹂;罗铮;李峥辉设计研发完成,并于2026-01-20向国家知识产权局提交的专利申请。

一种基于深度树集成模型的燃煤锅炉NOx生成浓度及氨逃逸多输出预测方法在说明书摘要公布了:本发明公开了一种基于深度树集成模型的燃煤锅炉NOx生成浓度及氨逃逸多输出预测方法,涉及燃煤锅炉的NOx排放控制技术领域;包括如下步骤,S100,数据处理;获取数据并对数据进行处理后输出;S200,根据步骤S100的输出结果作为模型输入,将NOx浓度和氨逃逸浓度作为输出,构建深度树集成的NOx浓度和氨逃逸浓度多输出预测模型。本发明通过时滞分析和构建时间序列数据克服燃煤锅炉SCR脱硝系统大延迟、大滞后的影响;采用基于深度树集成的模型对燃煤锅炉NOx生成浓度及氨逃逸进行预测,通过滑动窗口来学习完整数据集的信息,通过多粒度扫描获取不同特征尺度的新数据集用于训练;提高了模型预测NOx生成浓度及氨逃逸多输出的预测精度和模型泛化能力。

本发明授权一种基于深度树集成模型的燃煤锅炉NOx生成浓度及氨逃逸多输出预测方法在权利要求书中公布了:1.一种基于深度树集成模型的燃煤锅炉NOx生成浓度及氨逃逸多输出预测方法,其特征在于,包括如下步骤, S100,数据处理;获取数据并对数据进行处理后输出; S200,根据步骤S100的输出结果作为模型输入,将NOx浓度和氨逃逸浓度作为输出,构建深度树集成的NOx浓度和氨逃逸浓度多输出预测模型,具体处理步骤为: S201;对输入的原始特征变量首先进行多粒度扫描:第一个扫描窗口大小为n维个特征,通过窗口滑动后得到新的矩阵经过一个随机森林和一个完全随机森林模型后得到增强特征矩阵A;第二个扫描窗口大小为2n维个特征,通过窗口滑动后得到新的矩阵经过一个随机森林和一个完全随机森林模型后得到增强特征矩阵B;第三个扫描窗口大小为3n维个特征,通过窗口滑动后得到新的矩阵经过一个随机森林和一个完全随机森林模型后得到增强特征矩阵C,最终得到了三组不同粒度的增强特征矩阵A、增强特征矩阵B、增强特征矩阵C, S202;增强特征矩阵A经过两个随机森林和两个完全随机森林后得到的8个预测结果,加上增强特征矩阵A共同输入到层1A, S203;经过层1A得到的8个预测结果,加上增强特征矩阵B共同输入到层1B, S204;经过层1B得到的8个预测结果,加上增强特征矩阵C共同输入到层1C, S205;重复步骤S2、S3、S4的操作原理直至层NC,完成森林级联, S206;预测结果计算:将层NC的结果再经过两个随机森林和两个完全随机森林后得到的8个预测结果,对NOx生成浓度预测的4个结果计算均值即为最终预测的NOx生成浓度结果,对氨逃逸浓度预测的4个结果计算均值即为最终预测的氨逃逸浓度结果; 所述获取数据并对数据进行处理后输出包括如下步骤, S101,通过安装在烟道中的连续排放监测系统及氨逃逸仪表监测的数据获取模型训练的数据; S102,对获取的数据异常值进行处理,包括对吹扫工况的剔除和利用3σ法则去除异常值,即将数据值在[μ-3σ,μ+3σ]范围外的数据点识别为异常值并进行去除,其中μ为数据的均值,σ为数据的标准差; S103,对进行了异常值处理后的数据进行特征变量选择,分别以NOx浓度为目标结合最大信息系数及机理分析选择一组特征变量组为第一特征变量组Group1;再以氨逃逸浓度为目标结合最大信息系数及机理分析选择一组特征变量组为第二特征变量组Group2; S104,针对步骤S103获得的第一特征变量组Group1和第二特征变量组Group2进行特征变量融合,形成新特征变量组为第三特征变量组Group3; S105,对选定的第三特征变量组Group3的特征变量参数进行时滞分析,并利用MIC方法计算经过时间平移后的第三特征变量组Group3中的各特征变量参数与NOx排放浓度之间的相关度,获得最大相关度时的时间平移值,作为该变量的滞后时间,以经过时滞对齐后的数据作为t时刻的数据; S106,对时滞对齐后的t时刻新数据构建包含了前k个时刻的时间序列数据; S107,对构建后的时间序列输入数据及输出数据进行数据标准化后输出。

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广州珠江电力有限公司;华南理工大学,其通讯地址为:511457 广东省广州市环市大道北23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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。