CN111766179A - 基于lssvm的石灰石浆液密度测量方法、系统及设备 - Google Patents
基于lssvm的石灰石浆液密度测量方法、系统及设备 Download PDFInfo
- Publication number
- CN111766179A CN111766179A CN202010649810.5A CN202010649810A CN111766179A CN 111766179 A CN111766179 A CN 111766179A CN 202010649810 A CN202010649810 A CN 202010649810A CN 111766179 A CN111766179 A CN 111766179A
- Authority
- CN
- China
- Prior art keywords
- lssvm
- limestone slurry
- density measurement
- model
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 235000019738 Limestone Nutrition 0.000 title claims abstract description 93
- 239000006028 limestone Substances 0.000 title claims abstract description 93
- 239000002002 slurry Substances 0.000 title claims abstract description 93
- 238000001739 density measurement Methods 0.000 title claims abstract description 65
- 238000000034 method Methods 0.000 title claims abstract description 62
- 238000012545 processing Methods 0.000 claims abstract description 30
- 238000002360 preparation method Methods 0.000 claims abstract description 23
- 238000012216 screening Methods 0.000 claims abstract description 21
- 238000005259 measurement Methods 0.000 claims abstract description 13
- 238000007781 pre-processing Methods 0.000 claims abstract description 11
- 238000004458 analytical method Methods 0.000 claims abstract description 9
- 238000012549 training Methods 0.000 claims description 33
- 230000006870 function Effects 0.000 claims description 31
- 238000012795 verification Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 13
- 238000000513 principal component analysis Methods 0.000 claims description 12
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 12
- 238000012360 testing method Methods 0.000 claims description 11
- 238000004422 calculation algorithm Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000009467 reduction Effects 0.000 claims description 7
- 238000012706 support-vector machine Methods 0.000 claims description 7
- 230000002159 abnormal effect Effects 0.000 claims description 6
- 239000007788 liquid Substances 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 6
- 239000012895 dilution Substances 0.000 claims description 5
- 238000010790 dilution Methods 0.000 claims description 5
- 238000001514 detection method Methods 0.000 claims description 4
- 238000013507 mapping Methods 0.000 claims description 4
- 238000003672 processing method Methods 0.000 claims description 3
- 230000003750 conditioning effect Effects 0.000 claims 1
- 238000012843 least square support vector machine Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 6
- 239000000243 solution Substances 0.000 description 6
- 238000004537 pulping Methods 0.000 description 4
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 3
- 238000010521 absorption reaction Methods 0.000 description 3
- 239000003546 flue gas Substances 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 2
- 238000012886 linear function Methods 0.000 description 2
- 238000000611 regression analysis Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 230000002745 absorbent Effects 0.000 description 1
- 239000002250 absorbent Substances 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000006477 desulfuration reaction Methods 0.000 description 1
- 230000023556 desulfurization Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 239000000843 powder Substances 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000010223 real-time analysis Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N9/00—Investigating density or specific gravity of materials; Analysing materials by determining density or specific gravity
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Immunology (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- Pathology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开了一种基于LSSVM的石灰石浆液密度测量方法、系统及设备，该方法包括：获取当前石灰石浆液制备系统中各设备运行数据；对各设备运行数据进行预处理，通过PAC主元素分析法筛选获得多个辅助变量；将多个辅助变量进行标准化处理后，获得模型输入变量；将处理后的数据作为输入变量，输入至训练好的LSSVM密度测量模型，计算获得当前石灰石浆液密度值；输出当前石灰石浆液密度值。本发明通过多输入单输出的最小二乘支持向量机软测量模型的建立，从而精确、快速测量石灰石浆液密度。
Description
技术领域
本发明涉及石灰石液密度测量技术领域，具体涉及一种测量石灰石浆液制备系统再循环箱的出口处密度测量方法、系统及设备。
背景技术
随着环保问题的重视，对电厂的烟气排放标准也愈加重视。石灰石浆液是大多数工厂烟气排放的良好吸收剂。因此，石灰石浆液的制备成为了工厂脱硫系统的重要的一部分，石灰石浆液的密度决定着对烟气的吸收率。
现今绝大部分的工厂使用密度计测量石灰石浆液密度，这种测量方法虽然较为直观简单，但是由于石灰石浆液密度较大，容易导致密度计堵塞，使得测量不够及时准确，且目前没有一个专门可以精确、快速测量石灰石浆液密度的方法。
有鉴于此，亟需提供一种用于精确、快速测量石灰石浆液密度的方法。
发明内容
为了解决上述技术问题，本发明所采用的技术方案是提供了一种基于LSSVM的石灰石浆液密度测量方法，包括以下步骤：
获取当前石灰石浆液制备系统中各设备运行数据；对各设备运行数据进行预处理，通过PAC主元素分析法筛选获得多个辅助变量；将多个辅助变量进行标准化处理后，获得模型输入变量；将处理后的数据作为输入变量，输入至训练好的LSSVM密度测量模型，计算获得当前石灰石浆液密度值；输出当前石灰石浆液密度值。
在上述方法中，所述多个辅助变量包括给料频率反馈、瞬时给料量、再循环箱液位、研磨水流量、稀释水流量、稀释水阀门开度反馈、再循环泵A电流、再循环箱搅拌器电流及球磨机主电机电流。
在上述方法中，所述对各设备运行数据进行预处理，筛选获得多个辅助变量通过以下步骤：
S21、通过插值法将获取当前石灰石浆液制备系统中各设备运行数据进行缺失数据补全，剔除异常值后统一时序；
S22、通过相似度度量对经过步骤S21处理后的数据进行筛选，获得多个辅助变量。
在上述方法中，对多个辅助变量进行标准化处理后，获得模型输入变量具体包括步骤：
通过PCA算法降维降低所述多个辅助变量的维度，保留累计贡献率达到88％的前3个主成分作为LSSVM密度测量模型的输入变量。
在上述方法中，所述系统每2-5s从电厂获得各设备运行数据。
在上述方法中，LSSVM密度测量模型建立如下：
建立的训练集
其中xk∈Rd，yk∈Rd，d是为辅助变量的数量；
支持向量机的基本原理是通过非线性映射函数φ(·)将输入空间Rd中的输入样本映射到特征空间φ(x)＝(φ1(x),φ2(x),…,φn(x))；
引入误差的估计模型函数为：
式中，ω∈Rdn,b∈R,e∈R,k＝1,2,…,n；
根据结果风险最小化原则，并引入最小二乘法，式(1)必须满足
式中，e是误差，γ是正则化参数；
使用拉格朗日法，式(2)可改写为
式中，αk(k＝1,2,…,n)是为拉格朗日因子；
寻找满足式(3)的α和b是LSSVM建模的目标，定义核函数K(Xk,Xi)；
则LSSVM密度测量模型目标函数为
式中，k＝1,2,…,n。
通过计算式(3)中4个参数的偏导为0，消除参数ω和e后，得到式(5)的线性方程组
其中：
y＝[y1,y2,…,yn]
1＝[1,1,…,1]；
α＝[α1,α2,…,αn]；
Ωkl＝φ(xk)Tφ(xl)；
k＝1,2,…,n
式中，模型的项数为训练样本总数加1。
本发明还提供了一种基于LSSVM的石灰石浆液密度测量系统，包括
数据输入单元：用于输入当前石灰石浆液制备系统中各设备运行数据；
数据处理单元：用于对各设备运行数据进行预处理，通过PAC主元素分析法筛选获得多个辅助变量；并将多个辅助变量进行标准化处理后，获得模型输入变量，并输至石灰石浆液密度值计算单元；
石灰石浆液密度值计算单元：用于根据输入变量，输入至训练好的LSSVM密度测量模型，计算获得当前石灰石浆液密度值；
输出单元：用于输出当前石灰石浆液密度值。
在上述方案中，所述系统每2-5s从电厂获得各设备运行数据。
在上述方案中，所述数据处理单元对各设备运行数据进行预处理，筛选获得多个辅助变量通过以下步骤：
B21、通过插值法将获取当前石灰石浆液制备系统中各设备运行数据进行缺失数据补全，剔除异常值后统一时序；
B22、通过相似度度量对经过步骤B21处理后的数据进行筛选，获得多个辅助变量。
在上述方案中，所述数据处理单元对多个辅助变量进行标准化处理后，获得模型输入变量具体包括步骤：
通过PCA算法降维降低所述多个辅助变量的维度，保留累计贡献率达到88％的前3个主成分作为LSSVM密度测量模型的输入变量。
在上述方案中，所述石灰石浆液密度值计算单元还包括：
数据输入模块：用于输入多组历史各设备运行数据；
数据处理模块：用于将多组历史各设备运行数据根据上述数据处理单元的处理方法进行处理，得到多组模型输入变量；并将多组模型输入变量分成训练集、验证集和测试集，并输入至初始LSSVM密度测量模型；
初始LSSVM密度测量模型：根据训练集、验证集对模型进行训练，当验证集分数不再提高时，达到训练条件，则初始LSSVM密度测量模型训练完成；再根据测试集输入至所述训练完成的模型中，对所述训练完成的LSSVM密度测量模型进行检测，如果检测通过，得到最终训练的LSSVM密度测量模型。
本发明还提供了一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述任一项所述的基于LSSVM的石灰石浆液密度测量方法。
本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述的基于LSSVM的石灰石浆液密度测量方法。
本发明通过从电厂获得的DCS数据包括了从给料机到成品浆液出口的整个过程中各个设备运行参数，通过PCA算法分析进一步筛选确定了多个辅助变量，将数据进行标准化处理后，作为最终的LSSVM密度测量模型的输入变量，达到了简化数据、减少冗余、降低维数的目的；进行软测量模型建立时，通过MATLAB编程实现了一个多输入单输出的最小二乘支持向量机软测量模型的建立，从而精确、快速测量石灰石浆液密度。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明提供的方法流程图；
图2为本发明提供的石灰石浆液制备系统示意图；
图3为本发明提供的方法中对各设备运行数据进行预处理的流程图；
图4为本发明提供的方法中通过PCA法对数据降维后的变量数与贡献率的线性关系图；
图5为本发明提供的LSSVM密度测量模型训练流程示意图；
图6为本发明提供的系统结构示意框图；
图7为本发明提供的系统结构示意图；
图8为本发明提供的计算机设备结构示意框图。
具体实施方式
下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
在本发明的描述中，需要理解的是，术语"中心"、"纵向"、"横向"、"长度"、"宽度"、"厚度"、"上"、"下"、"前"、"后"、"左"、"右"、"竖直"、"水平"、"顶"、"底"、"内"、"外"、"顺时针"、"逆时针"等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
此外，术语"第一"、"第二"仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有"第一"、"第二"的特征可以明示或者隐含地包括一个或者更多个所述特征。在本发明的描述中，"多个"的含义是两个或两个以上，除非另有明确具体的限定。此外，术语"安装"、"相连"、"连接"应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
下面结合具体实施方式和说明书附图对本发明做出详细的说明。
如图1所示，本发明提供了一种基于LSSVM的石灰石浆液密度测量方法，包括以下步骤：
S1、获取当前石灰石浆液制备系统中各设备运行数据；
S2、对各设备运行数据进行预处理，通过PAC主元素分析法筛选获得多个辅助变量；
S3、将多个辅助变量进行标准化处理后，获得模型输入变量；
S4、将处理后的数据作为输入变量，输入至训练好的LSSVM密度测量模型，计算获得当前石灰石浆液密度值；
S5、输出当前石灰石浆液密度值。
本实施例通过从电厂获得的DCS数据包括了从给料机到成品浆液出口的整个过程中各个设备运行参数，通过PCA算法分析进一步筛选确定了多个辅助变量，将数据进行标准化处理后，作为最终的LSSVM密度测量模型的输入变量，达到了简化数据、减少冗余、降低维数的目的；进行软测量模型建立时，通过MATLAB编程实现了一个多输入单输出的最小二乘支持向量机软测量模型的建立，从而精确、快速测量石灰石浆液密度。
上述实施例中，如图2所示，为石灰石浆液制备系统结构示意图，该系统的具体工作流程为：
石灰石浆液制备系统分为干粉制浆和湿法制浆两种制浆方法，本制备系统是湿法制浆。石灰石块从石灰石料仓送出后，经称重皮带给料机后送至湿式球磨机，并加入一定合适比例的工艺研磨水制成石灰石浆液进入浆液循环箱，石灰石浆液通过浆液再循环泵进入石灰石旋流器，经过水流旋流器，将不合格的石灰石浆液输送至球磨机重新研磨，合格的石灰石浆液被送至石灰石浆液箱存储，根据吸收塔需要再用石灰石浆液泵将送石灰石浆液至吸收塔。
因此，本实施例中，石灰石浆液制备系统中各设备运行数据为从电厂获得的DCS数据包括了从给料机到成品浆液出口的整个过程中各个设备运行参数，本实施例对这些数据通过机理分析方法或相关性分析方法，确定石灰石浆液制备系统的9个辅助变量，分别为：给料频率反馈、瞬时给料量、再循环箱液位、研磨水流量、稀释水流量、稀释水阀门开度反馈、再循环泵A电流、再循环箱搅拌器电流及球磨机主电机电流。
在上述实施例中，系统每2-5s从电厂获得各设备运行数据，目的是实现实时获取实时分析石灰石浆液制备系统再循环箱的出口处的石灰石浆液密度。
在上述实施例中，如图3所示，对各设备运行数据进行预处理，筛选获得多个辅助变量通过以下步骤：
S21、通过插值法将获取当前石灰石浆液制备系统中各设备运行数据进行缺失数据补全，剔除异常值后统一时序；
S22、通过相似度度量对经过步骤S21处理后的数据进行筛选，获得多个辅助变量，包括给料频率反馈、瞬时给料量、再循环箱液位、研磨水流量、稀释水流量、稀释水阀门开度反馈、再循环泵A电流、再循环箱搅拌器电流及球磨机主电机电流；本实施例在减少数据组数的同时最大程度保证样本覆盖工况数量；
在上述实施例中，对多个辅助变量进行标准化处理后，获得模型输入变量具体包括步骤：
通过PCA算法降维降低步骤S2中筛选获得多个辅助变量的维度，保留累计贡献率达到88％的前3个主成分作为LSSVM密度测量模型的输入变量，去除冗余数据，保证各变量之间数据线性无关，从而减小在时间和空间上的开销，具体可如图4所示。
在上述实施例中，如图5所示，LSSVM密度测量模型通过以下方式进行训练：
A1、获取多组历史各设备运行数据；
A2、将多组历史各设备运行数据通过上述步骤S2和S3处理，得到多组模型输入变量；
A3、分别将多组模型输入变量分成训练集、验证集和测试集；
A4、分别将训练集、验证集中各组模型输入变量输入至初始LSSVM密度测量模型对模型进行训练，当验证集分数不再提高时，达到训练条件，则初始LSSVM密度测量模型训练完成；
A5、再将测试集输入至所述训练完成的模型中，对所述训练完成的LSSVM密度测量模型进行检测，如果检测通过，得到最终训练的LSSVM密度测量模型。
在上述实施例中，LSSVM密度测量模型建立如下：
建立的训练集
其中xk∈Rd，yk∈Rd，d是为辅助变量的数量。
支持向量机的基本原理是通过非线性映射函数φ(·)将输入空间Rd中的输入样本映射到特征空间φ(x)＝(φ1(x),φ2(x),…,φn(x))。下面是一个引入误差的估计模型函数：
式中，ω∈Rdn,b∈R,e∈R,k＝1,2,…,n。
根据结果风险最小化原则，并引入最小二乘法，式(1)必须满足
式中，e是误差，γ是正则化参数。
使用拉格朗日法，式(2)可改写为
式中，αk(k＝1,2,…,n)是为拉格朗日因子。
寻找满足式(3)的α和b是LSSVM建模的目标，定义核函数K(Xk,Xi)，该核函数应是一个满足Mercer约束条件的任意对称函数。
则LSSVM密度测量模型目标函数为
式中，k＝1,2,…,n。
核函数的选择对支持向量机的回归分析有一定影响，通常使用的核函数有径向基函数(RBF)、多项式函数、S函数和线性函数等。
通过计算式(3)中4个参数的偏导为0，消除参数ω和e后，得到式(5)的线性方程组
其中：
y＝[y1,y2,…,yn]
1＝[1,1,…,1]；
α＝[α1,α2,…,αn]；
Ωkl＝φ(xk)Tφ(xl)；
k＝1,2,…,n
式(5)中，模型的项数为训练样本总数加1，若训练样本数较多，则模型规模巨大，影响模型的应用。
本发明目的在于针对现有的密度计测量石灰石浆液浓度时易堵塞的弊端，提出一种基于LSSVM的石灰石浆液测量的方法，实现对石灰石浆液快速、经济、精准测量的目的，本发明中对最小二乘支持向量机算法是对支持向量机算法的一种改进，将标准支持向量机中的不等式约束的二次规划问题改进为等式约束条件下的凸二次规划问题，避免了标准支持向量机中训练样本过大而导致的训练时间长，训练效率低的问题。在目标函数中用误差平方代替原来的松弛变量，从而把求解二次规划问题转化为求解一组线性方程组，因此，能够得到参数的解析解，使求解更加方便。
如图6-7所示，本发明还提供了一种基于LSSVM的石灰石浆液密度测量系统，包括，
数据输入单元：用于输入当前石灰石浆液制备系统中各设备运行数据。
数据处理单元：用于对各设备运行数据进行预处理，通过PAC主元素分析法筛选获得多个辅助变量；并将多个辅助变量进行标准化处理后，获得模型输入变量，并输至石灰石浆液密度值计算单元。
石灰石浆液密度值计算单元：用于根据输入变量，输入至训练好的LSSVM密度测量模型，计算获得当前石灰石浆液密度值。
输出单元：用于输出当前石灰石浆液密度值。
本实施例中，筛选获得的多个辅助变量包括：给料频率反馈、瞬时给料量、再循环箱液位、研磨水流量、稀释水流量、稀释水阀门开度反馈、再循环泵A电流、再循环箱搅拌器电流及球磨机主电机电流。
本实施例中，系统每2-5s从电厂获得各设备运行数据，目的是实现实时获取实时分析石灰石浆液制备系统再循环箱的出口处的石灰石浆液密度。
本实施例中，数据处理单元对各设备运行数据进行预处理，筛选获得多个辅助变量通过以下步骤：
B21、通过插值法将获取当前石灰石浆液制备系统中各设备运行数据进行缺失数据补全，剔除异常值后统一时序；
B22、通过相似度度量对经过步骤B21处理后的数据进行筛选，获得多个辅助变量；
本实施例中，数据处理单元将多个辅助变量进行标准化处理后，获得模型输入变量具体为：
通过PCA算法降维降低步骤S2中筛选获得多个辅助变量的维度，保留累计贡献率达到88％的前3个主成分作为LSSVM密度测量模型的输入变量。
本实施例中，石灰石浆液密度值计算单元还包括：
数据输入模块：用于输入多组历史各设备运行数据。
数据处理模块：用于将多组历史各设备运行数据根据上述数据处理单元的处理方法进行处理，得到多组模型输入变量；并将多组模型输入变量分成训练集、验证集和测试集，并输入至初始LSSVM密度测量模型。
初始LSSVM密度测量模型：根据训练集、验证集对模型进行训练，当验证集分数不再提高时，达到训练条件，则初始LSSVM密度测量模型训练完成；再根据测试集输入至所述训练完成的模型中，对所述训练完成的LSSVM密度测量模型进行检测，如果检测通过，得到最终训练的LSSVM密度测量模型。
在上述实施例中，LSSVM密度测量模型建立如下：
建立的训练集
其中xk∈Rd，yk∈Rd，d是为辅助变量的数量。
支持向量机的基本原理是通过非线性映射函数φ(·)将输入空间Rd中的输入样本映射到特征空间φ(x)＝(φ1(x),φ2(x),…,φn(x))。下面是一个引入误差的估计模型函数：
式中，ω∈Rdn,b∈R,e∈R,k＝1,2,…,n。
根据结果风险最小化原则，并引入最小二乘法，式(6)必须满足
式中，e是误差，γ是正则化参数。
使用拉格朗日法，式(7)可改写为
式中，αk(k＝1,2,…,n)是为拉格朗日因子。
寻找满足式(8)的α和b是LSSVM建模的目标，定义核函数K(Xk,Xi)，该核函数应是一个满足Mercer约束条件的任意对称函数。
则LSSVM密度测量模型目标函数为
式中，k＝1,2,…,n。
核函数的选择对支持向量机的回归分析有一定影响，通常使用的核函数有径向基函数(RBF)、多项式函数、S函数和线性函数等。
通过计算式(8)中4个参数的偏导为0，消除参数ω和e后，得到式(10)的线性方程组
其中：
y＝[y1,y2,…,yn]
1＝[1,1,…,1]；
α＝[α1,α2,…,αn]；
Ωkl＝φ(xk)Tφ(xl)；
k＝1,2,…,n
式(10)中，模型的项数为训练样本总数加1。
如图8所示，本发明还提供了一种计算机设备，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，处理器执行计算机程序时实现上述实施例中一种区域综合能源系统协同性评价方法。
本发明还提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述实施例中识别模型训练方法，或者计算机程序被处理器执行时实现上述实施例一种区域综合能源系统协同性评价方法。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置或系统实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的装置及系统实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
以上所述仅是本发明的具体实施方式，使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。
Claims (13)
1.基于LSSVM的石灰石浆液密度测量方法，其特征在于，包括以下步骤：
获取当前石灰石浆液制备系统中各设备运行数据；对各设备运行数据进行预处理，通过PAC主元素分析法筛选获得多个辅助变量；将多个辅助变量进行标准化处理后，获得模型输入变量；将处理后的数据作为输入变量，输入至训练好的LSSVM密度测量模型，计算获得当前石灰石浆液密度值；输出当前石灰石浆液密度值。
2.如权利要求1所述的基于LSSVM的石灰石浆液密度测量方法，其特征在于，所述多个辅助变量包括：
给料频率反馈、瞬时给料量、再循环箱液位、研磨水流量、稀释水流量、稀释水阀门开度反馈、再循环泵A电流、再循环箱搅拌器电流及球磨机主电机电流。
3.如权利要求1所述的基于LSSVM的石灰石浆液密度测量方法，其特征在于，所述对各设备运行数据进行预处理，筛选获得多个辅助变量通过以下步骤：
S21、通过插值法将获取当前石灰石浆液制备系统中各设备运行数据进行缺失数据补全，剔除异常值后统一时序；
S22、通过相似度度量对经过步骤S21处理后的数据进行筛选，获得多个辅助变量。
4.如权利要求1或3所述的基于LSSVM的石灰石浆液密度测量方法，其特征在于，对多个辅助变量进行标准化处理后，获得模型输入变量具体包括步骤：
通过PCA算法降维降低所述多个辅助变量的维度，保留累计贡献率达到88％的前3个主成分作为LSSVM密度测量模型的输入变量。
5.如权利要求1所述的基于LSSVM的石灰石浆液密度测量方法，其特征在于，所述系统每2-5s从电厂获得各设备运行数据。
6.如权利要求4所述的基于LSSVM的石灰石浆液密度测量方法，其特征在于，LSSVM密度测量模型建立如下：
建立的训练集
其中xk∈Rd，yk∈Rd，d是为辅助变量的数量；
支持向量机的基本原理是通过非线性映射函数φ(·)将输入空间Rd中的输入样本映射到特征空间φ(x)＝(φ1(x),φ2(x),…,φn(x))；
引入误差的估计模型函数为：
式中，ω∈Rdn,b∈R,e∈R,k＝1,2,…,n；
根据结果风险最小化原则，并引入最小二乘法，式(1)必须满足
式中，e是误差，γ是正则化参数；
使用拉格朗日法，式(2)可改写为
式中，αk(k＝1,2,…,n)是为拉格朗日因子；
寻找满足式(3)的α和b是LSSVM建模的目标，定义核函数K(Xk,Xi)；
则LSSVM密度测量模型目标函数为
式中，k＝1,2,…,n；
通过计算式(3)中4个参数的偏导为0，消除参数ω和e后，得到式(5)的线性方程组
其中：
y＝[y1,y2,…,yn]
1＝[1,1,…,1]；
α＝[α1,α2,…,αn]；
Ωkl＝φ(xk)Tφ(xl)；
k＝1,2,…,n
式中，模型的项数为训练样本总数加1。
7.基于LSSVM的石灰石浆液密度测量系统，其特征在于，包括
数据输入单元：用于输入当前石灰石浆液制备系统中各设备运行数据；
数据处理单元：用于对各设备运行数据进行预处理，通过PCA主元素分析法筛选获得多个辅助变量；并将多个辅助变量进行标准化处理后，获得模型输入变量，并输至石灰石浆液密度值计算单元；
石灰石浆液密度值计算单元：用于根据输入变量，输入至训练好的LSSVM密度测量模型，计算获得当前石灰石浆液密度值；
输出单元：用于输出当前石灰石浆液密度值。
8.如权利要求6所述的基于LSSVM的石灰石浆液密度测量系统，其特征在于，所述系统每2-5s从电厂获得各设备运行数据。
9.如权利要求6所述的基于LSSVM的石灰石浆液密度测量系统，其特征在于，所述数据处理单元对各设备运行数据进行预处理，筛选获得多个辅助变量通过以下步骤：
B21、通过插值法将获取当前石灰石浆液制备系统中各设备运行数据进行缺失数据补全，剔除异常值后统一时序；
B22、通过相似度度量对经过步骤B21处理后的数据进行筛选，获得多个辅助变量。
10.如权利要求6所述的基于LSSVM的石灰石浆液密度测量系统，其特征在于，所述数据处理单元对多个辅助变量进行标准化处理后，获得模型输入变量具体包括步骤：
通过PCA算法降维降低所述多个辅助变量的维度，保留累计贡献率达到88％的前3个主成分作为LSSVM密度测量模型的输入变量。
11.如权利要求6所述的基于LSSVM的石灰石浆液密度测量系统，其特征在于，所述石灰石浆液密度值计算单元还包括：
数据输入模块：用于输入多组历史各设备运行数据；
数据处理模块：用于将多组历史各设备运行数据根据上述数据处理单元的处理方法进行处理，得到多组模型输入变量；并将多组模型输入变量分成训练集、验证集和测试集，并输入至初始LSSVM密度测量模型；
初始LSSVM密度测量模型：根据训练集、验证集对模型进行训练，当验证集分数不再提高时，达到训练条件，则初始LSSVM密度测量模型训练完成；再根据测试集输入至所述训练完成的模型中，对所述训练完成的LSSVM密度测量模型进行检测，如果检测通过，得到最终训练的LSSVM密度测量模型。
12.计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述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如权利要求1至6任一项所述的基于LSSVM的石灰石浆液密度测量方法。
13.计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述的基于LSSVM的石灰石浆液密度测量方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010649810.5A CN111766179A (zh) | 2020-07-08 | 2020-07-08 | 基于lssvm的石灰石浆液密度测量方法、系统及设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010649810.5A CN111766179A (zh) | 2020-07-08 | 2020-07-08 | 基于lssvm的石灰石浆液密度测量方法、系统及设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111766179A true CN111766179A (zh) | 2020-10-13 |
Family
ID=72725309
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010649810.5A Pending CN111766179A (zh) | 2020-07-08 | 2020-07-08 | 基于lssvm的石灰石浆液密度测量方法、系统及设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111766179A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112326504A (zh) * | 2020-10-28 | 2021-02-05 | 国电环境保护研究院有限公司 | 一种复合脱硫装置石膏浆液密度测量方法及测量系统 |
| CN112906967A (zh) * | 2021-02-24 | 2021-06-04 | 大唐环境产业集团股份有限公司 | 一种脱硫系统浆液循环泵性能预测方法、装置 |
| CN113640176A (zh) * | 2021-07-30 | 2021-11-12 | 深圳市中金岭南有色金属股份有限公司凡口铅锌矿 | 石灰乳比重测量方法、装置、系统及计算机可读存储介质 |
| CN113713914A (zh) * | 2021-08-30 | 2021-11-30 | 华能国际电力股份有限公司上海石洞口第一电厂 | 一种基于密度分配的湿法石灰石制浆系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103882176A (zh) * | 2014-03-25 | 2014-06-25 | 东北大学 | 一种基于数据驱动的转炉炼钢过程在线动态最优控制方法 |
| CN109634247A (zh) * | 2019-01-23 | 2019-04-16 | 大唐环境产业集团股份有限公司 | 一种石灰石浆液密度软测量系统及方法 |
| CN110044767A (zh) * | 2019-04-23 | 2019-07-23 | 大唐环境产业集团股份有限公司 | 基于lssvm石灰石浆液密度软测量方法 |
-
2020
- 2020-07-08 CN CN202010649810.5A patent/CN111766179A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103882176A (zh) * | 2014-03-25 | 2014-06-25 | 东北大学 | 一种基于数据驱动的转炉炼钢过程在线动态最优控制方法 |
| CN109634247A (zh) * | 2019-01-23 | 2019-04-16 | 大唐环境产业集团股份有限公司 | 一种石灰石浆液密度软测量系统及方法 |
| CN110044767A (zh) * | 2019-04-23 | 2019-07-23 | 大唐环境产业集团股份有限公司 | 基于lssvm石灰石浆液密度软测量方法 |
Non-Patent Citations (1)
| Title |
|---|
| 魏建鹏 等: "基于LSSVM的石灰石浆液密度软测量方法研究", 《电力科学与工程》 * |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112326504A (zh) * | 2020-10-28 | 2021-02-05 | 国电环境保护研究院有限公司 | 一种复合脱硫装置石膏浆液密度测量方法及测量系统 |
| CN112326504B (zh) * | 2020-10-28 | 2023-09-26 | 国电环境保护研究院有限公司 | 一种复合脱硫装置石膏浆液密度测量方法及测量系统 |
| CN112906967A (zh) * | 2021-02-24 | 2021-06-04 | 大唐环境产业集团股份有限公司 | 一种脱硫系统浆液循环泵性能预测方法、装置 |
| CN113640176A (zh) * | 2021-07-30 | 2021-11-12 | 深圳市中金岭南有色金属股份有限公司凡口铅锌矿 | 石灰乳比重测量方法、装置、系统及计算机可读存储介质 |
| CN113640176B (zh) * | 2021-07-30 | 2024-02-20 | 深圳市中金岭南有色金属股份有限公司凡口铅锌矿 | 石灰乳比重测量方法、装置、系统及计算机可读存储介质 |
| CN113713914A (zh) * | 2021-08-30 | 2021-11-30 | 华能国际电力股份有限公司上海石洞口第一电厂 | 一种基于密度分配的湿法石灰石制浆系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111766179A (zh) | 基于lssvm的石灰石浆液密度测量方法、系统及设备 | |
| KR101098037B1 (ko) | 자동 가상 계측 시스템 및 방법 | |
| CN110044767A (zh) | 基于lssvm石灰石浆液密度软测量方法 | |
| CN109712716B (zh) | 疾病影响因素确定方法、系统和计算机设备 | |
| CN112273695A (zh) | 松散回潮出口含水率预测方法、装置以及设备 | |
| CN109670549B (zh) | 火电机组的数据筛选方法、装置以及计算机设备 | |
| CN117371337B (zh) | 一种基于数字孪生的水利模型构建方法及系统 | |
| CN107330467A (zh) | 一种基于片烟形态特征对烟丝结构影响的预测方法 | |
| CN112273696A (zh) | 切丝后水分控制方法、装置以及设备 | |
| EP3147729A2 (de) | Verfahren und vorrichtung zur adaptiven und optimierenden prozesssteuerung, verwendung des verfahrens | |
| CN111882006A (zh) | 一种基于pca和相关函数的脱硫系统数据预处理方法 | |
| CN114444815A (zh) | 一种基于分支切割的带缺陷板排样方法及系统 | |
| Yang et al. | Systematic evaluation of parameterization approaches for the ePPC-SAFT model for aqueous alkali halide solutions | |
| CN113642270B (zh) | 巷道的风流测量方法、装置、终端设备及存储介质 | |
| CN114330773A (zh) | 一种电力电缆时变故障概率的评估方法和系统 | |
| CN102262188B (zh) | 工件抽样检验的方法 | |
| CN114358426A (zh) | 陶瓷配方优化方法及系统 | |
| Osiewalski et al. | A long-run relationship between daily prices on two markets: the Bayesian VAR (2)–MSF-SBEKK model | |
| CN116829785A (zh) | 推测装置、推测系统、推测程序以及推测方法 | |
| CN114911169A (zh) | 一种脱硫增效装置的优化方法、系统、设备及介质 | |
| CN113326652B (zh) | 基于经验贝叶斯的数据批次效应处理方法、装置及介质 | |
| CN115358320A (zh) | 一种暖通空调系统故障诊断方法及系统 | |
| CN115270861A (zh) | 一种产品成分数据监测方法、装置、电子设备及存储介质 | |
| CN109407630A (zh) | 参数计算的方法、装置、终端及可读存储介质 | |
| DE10253822A1 (de) | Verfahren und Vorrichtung zur automatischen Sensorkalibrierung |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201013 |
|
| RJ01 | Rejection of invention patent application after publication |