(19)中华 人民共和国 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 202111271482.0 (22)申请日 2021.10.2 9 (71)申请人 西安热工 研究院有限公司 地址 710032 陕西省西安市碑林区兴庆路 136号 申请人 华能秦煤瑞金发电有限责任公司 　 华能国际电力股份有限公司上海 石 洞口第一电厂 (72)发明人 赵章明　高林　李军　高海东　 肖勇　胡昕　郑清瀚　李海滨　 李华　王林　周俊波　王明坤　 侯玉婷　王文毓　查玲　 (74)专利代理 机构 西安智大知识产权代理事务 所 61215 代理人 何会侠(51)Int.Cl. G06Q 10/04(2012.01) G06N 20/00(2019.01) G06Q 50/06(2012.01) (54)发明名称 基于改进特征选择和XGBoost的火电机组烟 气NOx生成量预测方法 (57)摘要 本发明公开了基于改进特征选 择和XGBoo st 的火电机组烟气NOx生成量预测方法， 首先根据 火电机组运行机理初步获取NOx生成量相关影 响 因素， 通过DCS系统获取火电机组烟气N Ox生成量 及其相关影响因素的历史数据， 形成原始数据 集， 然后经过等距采样、 数据标准化、 特征选 择数 据预处理步骤后形成标准数据集， 下一步利用标 准数据集训练测试基于XGBoost算法的NOx生成 量预测模型， 最后利用该模型预测火电机组烟气 NOx生成量； 本发明充分全面的筛选出影响N Ox生 成量的各种相关因素， 不仅提高了NOx生成量预 测模型对于复杂多变工况的适应性， 而且排除了 无关因素对模型的干扰， 并提高了NOx生成量预 测模型的预测速度。 权利要求书2页 说明书5页 附图2页 CN 113988423 A 2022.01.28 CN 113988423 A 1.基于改进特征选 择和XGBoo st的火电机组烟气N OX生成量预测方法， 其特征在于： 首先 根据火电机组运行机 理初步获取NOX生成量相关影响因素， 通过DCS系统获取火电机组烟气 NOX生成量及其相关影响因素的历史数据， 形成原始数据集， 然后经过等距采样、 数据标准 化、 特征选择数据预处理步骤后形成标准数据集， 下一步利用标准数据集训练测试基于 XGBoost算法的NOX生成量预测模型， 最后利用该模型预测火电机组烟气NOX生成量； 具体包 括如下步骤： 步骤1： 根据火电机组运行机理初步获取NOX生成量相关影响因素； 所述NOX生成量相关 影响因素具体包括机组负荷、 总风量、 风门开度、 一次风流量、 一次风压力、 二次风流量、 二 次风压力、 风/ 煤比、 分离 燃尽风门开度、 烟气流 量、 烟气温度、 总煤量和氧量； 步骤2： 获取原始数据集： 通过DCS系统OPC服务器获取火电机组烟气N OX生成量及其相关 影响因素一 年内的历史数据， 形成原 始数据集， 记为原 始数据集D0； 步骤3： 对原 始数据集D0进行等距采样， 将等距采样后的数据集记为同频 数据集D1； 所述等距采样， 具体指以10秒为采样间隔， 对原始数据集D0中采样间隔小于10秒的变量 进行等距升采样， 对采样间隔大于10秒的变量进行等距降采样， 从而将整个原始数据集变 为采样间隔为10秒的同频 数据集D1。 步骤4： 对同频数据集D1进行标准化处理， 记标准化处理完成后的数据集为标准化处理 后数据集D2； 所述标准 化处理具体指对于同频 数据集D1中的每个属性， 分别执 行如下操作： (1)记当前属性 为x＝{x1， x2，…， xn}， 计算其均值 和标准差s， 其中， (2)对属性x进行 标准化变换， 记标准 化变换后的属性 为y， 其中， 步骤5： 基于改进特征选 择算法， 对标准化处理后数据集D2进行特征选 择， 将执行特征选 择后的数据集 为标准数据集Ds； 所述改进特征选择算法指首先使用方差过滤的方法剔除方差变化小于0.1的特征， 记 剩余的特征子集为F1； 然后以SCR烟气脱硝系统入口NOX生成量为目标变量， 以特征子集F1为 影响变量， 分别训练基于CART树基模型和随机森林的基模型， 然后 分别选取CART树基模型 和随机森林基模型的特征重要性排名前八的特征， 分别记为特征子集F21和特征子集F22， 最 后取特征子集F21和特征子集F22的交集为最终特征子集， 记为 最终特征子集Ff； 所述基于改进特征选择算法， 对标准化处理后数据集D2进行特征选择得到标准数据集 Ds的过程为： 首先根据上述改进特征选择算法筛选出特征子集 Ff， 然后在标准化处理后数据 集D2中保留特 征子集Ff的数据， 其 他特征的数据直接剔除， 便得到标准数据集Ds； 步骤6： 利用标准数据集Ds训练测试基于XGBoost算法的N0X生成量预测模型， 记该模型 为ModelNOx； 所述利用标准数据集Ds训练测试基于XGBoost算法的NOX生成量预测模型 的过程为： 以权　利　要　求　书 1/2 页 2 CN 113988423 A 2最终特征子集Ff为影响变量， 以火电机组烟气NOX生成量为目标变量， 标准数据集Ds按1∶4的 比例分为测试数据集Dtest和训练数据集Dtrain； 然后使用5折、 10折、 15折交叉验证法在训练 数据集Dtrain上训练三个基于XGBoost算法的NOX生成量预测基模型， 分别记为model1、 model2、 model3， 使用测试数据集Dtest分别测试上述三个NOX生成量预测基模型， 最终选择均 方根误差最小的NOX生成量预测基模型作为 NOX生成量预测模型， 记为ModelNOx； 步骤7： 使用NOX生成量预测模型ModelNOx预测火电机组烟气NOX生成量； 首先从DCS系统 获取步骤5中的特征子集Ff的实时数据， 记 为dp， 然后对dp中的每个特征执行步骤4中的标准 化处理过程中的步骤(2)， 标准化处理后的实时数据记为dps， 最后将dps直接输入NOX生成量 预测模型ModelNOx， 便获得NOX生成量预测值。权　利　要　求　书 2/2 页 3 CN 113988423 A 3