(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211009243.2 (22)申请日 2022.08.22 (71)申请人 华北电力科 学研究院有限责任公司 地址 100045 北京市西城区复兴门外地 藏 庵南巷一 号 申请人 国家电网有限公司 (72)发明人 马宁　杨振勇　刘磊　尚勇　 高爱国　康静秋　秦天牧　邢智炜　 陈振山　尤默　李展　张瑾哲　 赖联琨　冯斌　田伟　 (74)专利代理 机构 北京三友知识产权代理有限 公司 11127 专利代理师 贾磊　刘飞 (51)Int.Cl. G06Q 10/04(2012.01)G06Q 50/06(2012.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 氮氧化合物排放浓度预测模 型训练方法、 装 置及应用方法 (57)摘要 本文涉及火电机组脱硝领域， 尤其涉及一种 氮氧化合物 排放浓度预测模型训练方法、 装置及 应用方法。 包括从脱硝系统中获取训练样本数据 集， 所述训练样本数据集包括多个脱硝系统样本 参数及与脱硝系统样本参数对应的标签， 所述标 签为氮氧化合物排放浓度； 利用样 本数据集训练 多个初始子模 型得到训练后的多个子模型， 训练 后的子模型包括极限学习机子模型或核极限学 习机子模型； 计算训练后的多个子模 型的回归参 数， 根据回归参数、 所述极限学习机子模型或所 述核极限学习机子模型， 确定氮氧化合物排放浓 度预测模型。 通过构建多个个体学习机子模型提 高模型的泛化能力， 克服单一子模 型精度不足的 缺点， 氮氧化合物排放浓度预测结果的精度得到 进一步提高。 权利要求书2页 说明书11页 附图5页 CN 115310710 A 2022.11.08 CN 115310710 A 1.一种氮氧化 合物排放浓度预测模型训练方法， 其特 征在于， 所述方法包括： 从脱硝系统中获取训练样本数据集， 所述训练样本数据集包括多个脱硝系统样本参数 及与所述脱硝系统样本参数对应的标签， 所述标签为氮氧化 合物排放浓度； 利用所述样本数据集训练多个初始子模型得到训练后的多个子模型， 所述训练后的子 模型包括极限学习机 子模型或核极限学习机 子模型； 计算训练后的多个子模型的回归参数， 根据所述回归参数、 所述极限学习机子模型或 所述核极限学习机 子模型， 确定氮氧化 合物排放浓度预测模型。 2.根据权利要求1所述的氮氧化合物排放浓度 预测模型训练方法， 其特征在于， 所述极 限学习机子模型至少包括S型函数、 正弦函数、 径向基函数、 三角径向基函数中的一种或其 任意组合作为激活函数。 3.根据权利要求1所述的氮氧化合物排放浓度 预测模型训练方法， 其特征在于， 利用所 述样本数据集训练多个初始子模型 得到训练后的多个子模型包括： 确定所述多个初始模型中初始极限学习机子模型的隐含层节点阈值或初始核极限学 习机子模型的参数； 利用交叉验证算法分别计算不同隐含层节点数对应的初始极限学习机子模型的误差 值、 不同参数对应的初始核极限学习机 子模型的误差值； 选择初始极限学习机子模型的误差值中的最小值对应的隐含层节点数， 建立训练后的 极限学习机 子模型； 选择初始核极限学习机子模型误差值中的最小值对应的参数， 建立训练后的核极限学 习机子模型。 4.根据权利要求1所述的氮氧化合物排放浓度 预测模型训练方法， 其特征在于， 根据 所 述回归参数、 所述极限学习机子模型或所述核极限学习机子模型， 确定氮氧化合物排放浓 度预测模型包括： 从脱硝系统中获取测试样本数据集； 将所述测试样本数据集输入至所述训练后的极限学习机子模型或所述核极限学习机 子模型； 根据所述训练后的极限学习机子模型或所述核极限学习机子模型输出的结果与所述 测试样本数据集对应的氮氧化 合物排放浓度， 确定所述训练后的子模型对应的回归参数； 利用如下公式表示氮氧化合物排放浓度预测模型： 其中， Ytr为所述氮氧化合物排放浓度预测模 型； 为所述训练后的子 模型； a1至an为与所述训练后的子模型对应的回归参数， 其中n 为自然数。 5.根据权利要求1所述的氮氧化合物排放浓度 预测模型训练方法， 其特征在于， 所述训 练后的多个子模型包括四个极限学习机 子模型及一个核极限学习机 子模型。 6.根据权利要求1所述的氮氧化合物排放浓度 预测模型训练方法， 其特征在于， 从脱硝 系统中获取训练样本数据集包括： 从脱硝系统中获取第 一训练样本数据集， 所述第 一训练样本数据集中包括第 一数量的 脱硝系统样本参数； 根据所述脱硝系统样本参数中的机组负荷参数， 从所述第 一数量的脱硝系统样本参数权　利　要　求　书 1/2 页 2 CN 115310710 A 2中按照预设比例获取第二数量的脱硝系统样本参数， 作为所述训练样本数据集。 7.根据权利要求1所述的氮氧化合物排放浓度 预测模型训练方法， 其特征在于， 获取所 述训练样本数据集之前包括对所述样本数据集进行预处理， 包括： 对所述训练样本数据集 进行数据异常值检测、 数据标准 化处理。 8.一种氮氧化合物排放浓度 预测模型应用方法， 其特征在于， 利用权利要求1 ‑7中任一 项所述方法： 获取脱销系统中的多个参数， 所述参数包括机组负荷、 氮氧化合物入口浓度、 入口流 量、 烟气温度、 喷氨量、 氧含量； 根据所述氮氧化合物排放浓度 预测模型及所述脱硝系统中的多个参数， 确定氮氧化合 物排放浓度。 9.一种氮氧化 合物排放浓度预测模型训练装置， 其特 征在于， 所述装置包括： 样本数据集获取单元， 用于从脱硝系统中获取训练样本数据集， 所述样本数据集包括 多个脱硝系统样本参数及与所述脱硝系统样本参数对应的标签， 所述标签为氮氧化合物排 放浓度； 子模型训练单元， 用于利用所述样本数据集训练多个初始子模型得到训练后的多个子 模型， 所述训练后的子模型包括极限学习机 子模型或核极限学习机 子模型； 氮氧化合物排放浓度预测模型确定单元， 用于计算训练后的多个子模型的回归参数， 根据所述回归参数、 所述极限学习机子模型或所述核极限学习机子模型， 确定氮氧化合物 排放浓度预测模型。 10.一种计算机设备， 包括存储器、 处理器及存储在存储器上并可在处理器上运行的计 算机程序， 其特征在于， 所述处理器执行所述计算机程序时实现权利要求 1‑8的任意一项 所 述的方法。权　利　要　求　书 2/2 页 3 CN 115310710 A 3