本發(fā)明屬于脫硝，具體地涉及一種nox濃度預(yù)測(cè)方法、一種nox濃度預(yù)測(cè)裝置、一種機(jī)器可讀存儲(chǔ)介質(zhì)、一種控制器和一種脫硝系統(tǒng)。

背景技術(shù)：

1、燃煤發(fā)電過(guò)程伴隨著氮氧化物(nox)、硫氧化物(sox)等大氣污染物的產(chǎn)生，對(duì)生態(tài)系統(tǒng)以及社會(huì)經(jīng)濟(jì)方面均會(huì)造成較大影響。優(yōu)化脫硝技術(shù)手段、提高系統(tǒng)脫硝效率、更加精準(zhǔn)的控制污染物的排放等對(duì)于環(huán)境保護(hù)和經(jīng)濟(jì)發(fā)展有著重要意義。nox排放控制方法包括選擇性催化還原(selective?catalytic?reduction，scr)技術(shù)、選擇性非催化還原(selective?non-catalytic?reduction，sncr)技術(shù)和爐內(nèi)低氮燃燒技術(shù)。選擇性催化還原(scr)技術(shù)在火力發(fā)電機(jī)組中是應(yīng)用最為成熟廣泛的煙氣脫硝處理技術(shù)方案，其工作原理為：在催化劑的作用下，使用液氨、尿素等還原劑有選擇地與煙氣中的nox發(fā)生化學(xué)反應(yīng)產(chǎn)生對(duì)環(huán)境無(wú)污染無(wú)毒的n2和h2o，具有脫硝效率高、運(yùn)行穩(wěn)定等優(yōu)點(diǎn)。目前，scr脫硝系統(tǒng)的脫硝效率還有待提高，仍舊存在還原劑浪費(fèi)的問(wèn)題，因?yàn)閟cr脫硝系統(tǒng)存在動(dòng)態(tài)特性，建立能夠準(zhǔn)確反映scr脫硝系統(tǒng)動(dòng)態(tài)特性的模型較為困難，但卻是scr脫硝系統(tǒng)設(shè)計(jì)和優(yōu)化控制策略的基礎(chǔ)。此外，還原劑浪費(fèi)問(wèn)題的癥結(jié)還在于現(xiàn)有監(jiān)測(cè)手段對(duì)煙氣中的nox濃度的監(jiān)測(cè)精度不高。

2、當(dāng)前深度學(xué)習(xí)處于蓬勃發(fā)展的態(tài)勢(shì)，其在多個(gè)領(lǐng)域內(nèi)為傳統(tǒng)方法難以解決的復(fù)雜問(wèn)題提供了新的思路和工具，并已取得了顯著的效果。利用深度學(xué)習(xí)探索適用于火力發(fā)電的建模預(yù)測(cè)技術(shù)，有利于滿(mǎn)足生產(chǎn)過(guò)程的需求，為解決工業(yè)過(guò)程系統(tǒng)動(dòng)態(tài)特性建模提供了新的可能性和機(jī)遇。transformer模型是一種基于自注意力機(jī)制的神經(jīng)網(wǎng)絡(luò)模型，其結(jié)構(gòu)由編碼器-解碼器(encoder-decoder)組成，經(jīng)過(guò)多年的發(fā)展，transformer模型被廣泛應(yīng)用在各個(gè)主流深度學(xué)習(xí)研究領(lǐng)域，其最初被運(yùn)用在自然語(yǔ)言處理方面，由于與nlp任務(wù)的相似性，很快transformer便應(yīng)用在了時(shí)間序列數(shù)據(jù)分析方面。傳統(tǒng)的網(wǎng)絡(luò)模型(如rnn、lstm等)常常難以捕獲時(shí)間序列數(shù)據(jù)中的長(zhǎng)程依賴(lài)關(guān)系，而transformer模型通過(guò)引入自注意力機(jī)制，能夠很好的捕獲時(shí)間序列數(shù)據(jù)中的長(zhǎng)程依賴(lài)關(guān)系。

3、由此可見(jiàn)，利用transformer模型進(jìn)行煙氣中的nox濃度的預(yù)測(cè)具備可行性。

技術(shù)實(shí)現(xiàn)思路

1、有鑒于此，本發(fā)明實(shí)施例的目的是提供一種nox濃度預(yù)測(cè)方法、一種nox濃度預(yù)測(cè)裝置、一種機(jī)器可讀存儲(chǔ)介質(zhì)、一種控制器和一種脫硝系統(tǒng)，用以克服現(xiàn)有技術(shù)中，煙氣中的nox濃度的監(jiān)測(cè)準(zhǔn)確度較差的技術(shù)問(wèn)題。

2、為了實(shí)現(xiàn)上述目的，本發(fā)明實(shí)施例的第一方面提供一種nox濃度預(yù)測(cè)方法，所述方法包括：

3、獲取生產(chǎn)過(guò)程的關(guān)鍵運(yùn)行數(shù)據(jù)序列；

4、對(duì)關(guān)鍵運(yùn)行數(shù)據(jù)序列進(jìn)行預(yù)處理；

5、將預(yù)處理后的關(guān)鍵運(yùn)行數(shù)據(jù)序列輸入預(yù)先構(gòu)建的濃度預(yù)測(cè)模型，預(yù)測(cè)得到下一時(shí)刻脫硝反應(yīng)器入口的nox濃度值；

6、其中，所述關(guān)鍵運(yùn)行數(shù)據(jù)序列中的每個(gè)關(guān)鍵運(yùn)行數(shù)據(jù)為生產(chǎn)過(guò)程中影響n(yōu)ox濃度的多維運(yùn)行參數(shù)；關(guān)鍵運(yùn)行數(shù)據(jù)序列中的各個(gè)關(guān)鍵運(yùn)行數(shù)據(jù)的采集時(shí)刻為連續(xù)時(shí)刻，并且關(guān)鍵運(yùn)行數(shù)據(jù)的最大采集時(shí)刻為當(dāng)前時(shí)刻；所述濃度預(yù)測(cè)模型通過(guò)對(duì)初始狀態(tài)的序列預(yù)測(cè)網(wǎng)絡(luò)進(jìn)行訓(xùn)練和參數(shù)優(yōu)化后得到，所述序列預(yù)測(cè)網(wǎng)絡(luò)包括transformer模型的編碼器結(jié)構(gòu)和與編碼器結(jié)構(gòu)連接的全連接層，編碼器結(jié)構(gòu)用于接收預(yù)處理后的關(guān)鍵運(yùn)行數(shù)據(jù)序列，全連接層用于輸出預(yù)測(cè)得到的nox濃度值。

7、可選的，所述編碼器結(jié)構(gòu)中采用的自注意力機(jī)制為：

8、

9、其中，表示自注意力，k表示鍵值矩陣，v表示值矩陣，softmax表softmax函數(shù)，表示第一矩陣，d表示第一矩陣和鍵值矩陣的列數(shù)；

10、所述第一矩陣的構(gòu)建過(guò)程為：

11、隨機(jī)采樣鍵值矩陣k，得到多個(gè)鍵值向量；

12、計(jì)算查詢(xún)矩陣q中各個(gè)查詢(xún)向量與隨機(jī)采樣得到的各個(gè)鍵值向量的內(nèi)積；

13、針對(duì)每個(gè)查詢(xún)向量，計(jì)算第一數(shù)值與第二數(shù)值之間的差異值，其中，第一數(shù)值為該查詢(xún)向量與各個(gè)鍵值向量的內(nèi)積中的最大值，第二數(shù)值為該查詢(xún)向量與各個(gè)鍵值向量的內(nèi)積的均值；

14、對(duì)各個(gè)查詢(xún)向量對(duì)應(yīng)的差異值進(jìn)行排序，并從差異值最小的查詢(xún)向量開(kāi)始，依序淘汰多個(gè)查詢(xún)向量，將被淘汰的查詢(xún)向量用值矩陣v內(nèi)各個(gè)值向量的平均值替代，得到第一矩陣；

15、其中，查詢(xún)矩陣q為輸入矩陣x和線(xiàn)性變換矩陣wq的乘積，輸入矩陣x為預(yù)處理后關(guān)鍵運(yùn)行數(shù)據(jù)序列的矩陣表示。

16、可選的，所述生產(chǎn)過(guò)程為燃煤發(fā)電過(guò)程，所述關(guān)鍵運(yùn)行數(shù)據(jù)序列中的關(guān)鍵運(yùn)行數(shù)據(jù)包括原始煤量、爐膛總風(fēng)量、過(guò)熱度和氧氣量。

17、可選的，所述對(duì)關(guān)鍵運(yùn)行數(shù)據(jù)序列進(jìn)行預(yù)處理，包括：

18、對(duì)關(guān)鍵運(yùn)行數(shù)據(jù)序列中的各個(gè)關(guān)鍵運(yùn)行數(shù)據(jù)進(jìn)行歸一化處理；

19、判斷歸一化處理后的關(guān)鍵運(yùn)行數(shù)據(jù)序列中是否存在空白值，若是，則通過(guò)插值法對(duì)空白值進(jìn)行填充。

20、本發(fā)明實(shí)施例的第二方面提供一種nox濃度預(yù)測(cè)裝置，所述裝置包括：

21、序列數(shù)據(jù)獲取模塊，用于獲取生產(chǎn)過(guò)程的關(guān)鍵運(yùn)行數(shù)據(jù)序列；

22、預(yù)處理模塊，用于對(duì)關(guān)鍵運(yùn)行數(shù)據(jù)序列進(jìn)行預(yù)處理；

23、預(yù)測(cè)模塊，用于將預(yù)處理后的關(guān)鍵運(yùn)行數(shù)據(jù)序列輸入預(yù)先構(gòu)建的濃度預(yù)測(cè)模型，預(yù)測(cè)得到下一時(shí)刻脫硝反應(yīng)器入口的nox濃度值；

24、其中，所述關(guān)鍵運(yùn)行數(shù)據(jù)序列中的每個(gè)關(guān)鍵運(yùn)行數(shù)據(jù)為生產(chǎn)過(guò)程中影響n(yōu)ox濃度的多維運(yùn)行參數(shù)；關(guān)鍵運(yùn)行數(shù)據(jù)序列中的各個(gè)關(guān)鍵運(yùn)行數(shù)據(jù)的采集時(shí)刻為連續(xù)時(shí)刻，并且關(guān)鍵運(yùn)行數(shù)據(jù)的最大采集時(shí)刻為當(dāng)前時(shí)刻；所述濃度預(yù)測(cè)模型通過(guò)對(duì)初始狀態(tài)的序列預(yù)測(cè)網(wǎng)絡(luò)進(jìn)行訓(xùn)練和參數(shù)優(yōu)化后得到，所述序列預(yù)測(cè)網(wǎng)絡(luò)包括transformer模型的編碼器結(jié)構(gòu)和與編碼器結(jié)構(gòu)連接的全連接層，編碼器結(jié)構(gòu)用于接收預(yù)處理后的關(guān)鍵運(yùn)行數(shù)據(jù)序列，全連接層用于輸出預(yù)測(cè)得到的nox濃度值。

25、可選的，所述編碼器結(jié)構(gòu)中采用的自注意力機(jī)制為：

26、

27、其中，表示自注意力，k表示鍵值矩陣，v表示值矩陣，softmax表softmax函數(shù)，表示第一矩陣，d表示第一矩陣和鍵值矩陣的列數(shù)；

28、所述第一矩陣的構(gòu)建過(guò)程為：

29、隨機(jī)采樣鍵值矩陣k，得到多個(gè)鍵值向量；

30、計(jì)算查詢(xún)矩陣q中各個(gè)查詢(xún)向量與隨機(jī)采樣得到的各個(gè)鍵值向量的內(nèi)積；

31、針對(duì)每個(gè)查詢(xún)向量，計(jì)算第一數(shù)值與第二數(shù)值之間的差異值，其中，第一數(shù)值為該查詢(xún)向量與各個(gè)鍵值向量的內(nèi)積中的最大值，第二數(shù)值為該查詢(xún)向量與各個(gè)鍵值向量的內(nèi)積的均值；

32、對(duì)各個(gè)查詢(xún)向量對(duì)應(yīng)的差異值進(jìn)行排序，并從差異值最小的查詢(xún)向量開(kāi)始，依序淘汰多個(gè)查詢(xún)向量，將被淘汰的查詢(xún)向量用值矩陣v內(nèi)各個(gè)值向量的平均值替代，得到第一矩陣；

33、其中，查詢(xún)矩陣q為輸入矩陣x和線(xiàn)性變換矩陣wq的乘積，輸入矩陣x為預(yù)處理后關(guān)鍵運(yùn)行數(shù)據(jù)序列的矩陣表示。

34、可選的，所述對(duì)關(guān)鍵運(yùn)行數(shù)據(jù)序列進(jìn)行預(yù)處理，包括：

35、對(duì)關(guān)鍵運(yùn)行數(shù)據(jù)序列中的各個(gè)關(guān)鍵運(yùn)行數(shù)據(jù)進(jìn)行歸一化處理；

36、判斷歸一化處理后的關(guān)鍵運(yùn)行數(shù)據(jù)序列中是否存在空白值，若是，則通過(guò)插值法對(duì)空白值進(jìn)行填充。

37、本發(fā)明實(shí)施例的第三方面提供一種控制器，包括存儲(chǔ)器、處理器及存儲(chǔ)在所述存儲(chǔ)器上并可在所述處理器上運(yùn)行的計(jì)算機(jī)程序，所述處理器執(zhí)行所述程序時(shí)實(shí)現(xiàn)本發(fā)明實(shí)施例的第一方面所述的nox濃度預(yù)測(cè)方法。

38、本發(fā)明實(shí)施例的第四方面提供一種脫硝系統(tǒng)，包括本發(fā)明實(shí)施例的第三方面所述的控制器和與所述控制器通信連接的脫硝反應(yīng)器，所述脫硝反應(yīng)器被配置成接收控制器發(fā)送的控制信號(hào)，并根據(jù)控制信號(hào)生成下一時(shí)刻用于脫硝過(guò)程的工程參數(shù)；

39、其中，所述控制信號(hào)根據(jù)預(yù)測(cè)得到的下一時(shí)刻nox濃度值生成。

40、本發(fā)明實(shí)施例的第五方面提供一種機(jī)器可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)本發(fā)明實(shí)施例的第一方面所述的nox濃度預(yù)測(cè)方法。

41、上述技術(shù)方案中，在利用transformer模型的并行計(jì)算特性的基礎(chǔ)上，省去解碼器結(jié)構(gòu)部分，僅使用原始transformer模型中的編碼器結(jié)構(gòu)，通過(guò)其與全連接層組成的簡(jiǎn)化結(jié)構(gòu)(濃度預(yù)測(cè)模型)來(lái)實(shí)現(xiàn)對(duì)下一時(shí)刻nox濃度的預(yù)測(cè)，從而提升了nox濃度預(yù)測(cè)的效率，降低了計(jì)算和存儲(chǔ)成本，更易于在計(jì)算和存儲(chǔ)資源受限的環(huán)境下使用，相應(yīng)地，在進(jìn)行模型訓(xùn)練時(shí)，減少了訓(xùn)練參數(shù)，降低了訓(xùn)練時(shí)間，有助于減少過(guò)擬合的風(fēng)險(xiǎn)，從而使得最終訓(xùn)練得到的模型泛化能力得以增強(qiáng)。

42、本發(fā)明實(shí)施例的其它特征和優(yōu)點(diǎn)將在隨后的具體實(shí)施方式部分予以詳細(xì)說(shuō)明。