基于互信息变量选择的热工过程数据建模

摘要

近些年，随着电厂信息化水平的不断提高，基于历史数据驱动的热工过程数据建模逐渐成为研究热点之一。该方法有效克服了机理建模精度不足和试验建模工作量大的缺陷。锅炉燃烧系统的NOx生成是一个典型的热工过程，影响NOx生成量的因素较多，且变量相互之间耦合严重。针对电站锅炉燃烧系统，通过互信息方法分析出影响NOx生成量的相关变量，并利用适当的数据建模方法实现NOx生成量的准确预测，是有效降低NOx排放量的重要一环。因此，本文将以NOx生成过程为研究对象引出一种适用于全体热工过程的变量选择算法进而提高变量选择算法的实际应用效果，并在此基础上建立动态预估模型。 本文首先论述了热工过程数据建模的研究背景，然后以锅炉燃烧系统 NOx 生成过程为研究对象，详尽介绍了变量选择与 NOx 数据建模的意义和现状；第二章由变量选择方法的基本框架进行展开，依据子集产生方式和评价标准的不同重点介绍了目前常用的变量选择方法以及各个方法的优缺点，为下章变量选择算法的提出进行了理论铺垫；第三章创新性的提出了一种基于动态数据的互信息变量选择方法，该方法基于k近邻互信息和阶次互信息的相关理论进行相关性度量，并利用条件互信息和前向搜索策略保证所选变量子集总信息量最大，经仿真实验证实了该方法的有效性。最后将其用到某电厂锅炉燃烧系统，找出了影响 NOx 生成量的相关变量；第四章将第三章中筛选的主导因素作为输入变量，然后利用遗传算法优化LSSVM的超参数，建立了NOx生成量的动态预估模型。经实际运行数据验证，所建立的动态预估模型能有效提高NOx生成量的预估精度。

目录

第一个书签之前

摘要

Abstract

第1章 绪论

1.1 热工过程数据建模的研究背景

1.2 变量选择的意义和现状

1.2.1 变量选择的意义

1.2.2 变量选择的研究现状

1.3 NOx数据建模的意义和现状

1.3.1 NOx数据建模的意义

1.3.2 NOx数据建模的研究现状

1.4 论文研究内容

第2章 变量选择方法概述

2.1 变量选择框架

2.2 子集生成方式

2.2.1 搜索起点和搜索方向

2.2.2 搜索策略

2.3 评价标准

2.4 变量选择算法分类

2.5 本章小结

第3章 基于互信息的NOx生成量相关变量选择

3.1 信息理论

3.1.1 信息熵

3.1.2 互信息

3.1.3 条件互信息

3.2 熵的估计

3.2.1 直方图法

3.2.2 核方法

3.2.3 K近邻法

3.3 基于信息理论的变量选择方法

3.4 基于k近邻互信息的分步式变量选择方法

3.4.1 无关独立变量剔除

3.4.2 阶次序列变量选择

3.5 仿真验证

3.6 NOx生成量的相关变量选择

3.6.1 锅炉描述

3.6.2 初始变量选择

3.6.3 相关变量选择

3.7 本章小结

第4章 基于LSSVM的NOx生成量动态预估

4.1 支持向量机方法

4.1.1 统计学习理论

4.1.2 支持向量机的相关理论

4.2 最小二乘支持向量机的基本原理

4.3 遗传算法的基本原理

4.3.1 编码与解码

4.3.2 遗传算子

4.4 基于GA-LSSVM的NOx生成量动态预估

4.4.1 模型结构

4.4.2 模型训练

4.4.3 模型预估评价

4.5 本章小结

第5章 总结与展望

5.1 全文总结

5.2 工作展望

参考文献

攻读硕士期间发表的论文及其它成果

致谢