(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 202210759564.8 (22)申请日 2022.06.30 (71)申请人 国网山东省电力公司电力科 学研究 院 地址 250003 山东省济南市 市中区望岳路 2000号 申请人 国家电网有限公司 (72)发明人 刘科　路宽　张绪辉　杨兴森　 董信光　崔福兴　张利孟　田春晓　 赵中华　 (74)专利代理 机构 济南圣达知识产权代理有限 公司 372 21 专利代理师 闫伟姣 (51)Int.Cl. G06Q 10/04(2012.01)G06Q 50/06(2012.01) G06Q 50/26(2012.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06N 5/00(2006.01) G01D 21/02(2006.01) (54)发明名称 一种用于燃煤机组碳排放量的飞灰含碳量 预测方法及系统 (57)摘要 本发明属于燃煤机组碳排放量在线计算技 术领域， 提供了一种用于燃煤机组碳排放量的飞 灰含碳量预测方法及系统， 包括： 获取火电机组 相关运行参数和煤质工业分析数据； 依据获取的 火电机组相关运行参数和煤质工业分析数据， 以 及预设的飞灰含碳量预测模型， 得到飞灰含碳 量； 本发明在采集火电机组相关运行参数和煤质 工业分析数据等与飞灰含碳量密切相关的辅助 变量基础上， 采用多层前馈神经网络和随机森 林 算法结合训练的机器学习方法， 建立了可靠的飞 灰含碳量预测模 型， 实现了实时在线预测飞灰含 碳量值， 其预测结果 准确。 权利要求书2页 说明书6页 附图2页 CN 115034505 A 2022.09.09 CN 115034505 A 1.一种用于 燃煤机组碳排放量的飞灰含碳 量预测方法， 其特 征在于， 包括： 获取火电机组相关运行参数和煤质工业分析 数据； 依据获取的火电机组相关运行参数和煤质工业分析数据， 以及预设的飞灰含碳量预测 模型， 得到飞灰含碳 量； 其中， 所述飞灰含碳量预测模型通过多层前馈神经网络和随机森林算法结合训练得 到， 以火电机组相关运行参数和煤质工业分析数据为输入， 以飞灰含碳量为输出， 对多层前 馈神经网络进行训练； 以训练后的多层前馈神经网络模型 的预测结果作为输出目标值， 以 火电机组相关运行参数和煤质工业分析数据为输入， 对随机森林算法进行训练， 得到所述 飞灰含碳 量预测模型。 2.如权利要求1所述的一种用于燃煤机组碳排放量的飞灰含碳量预测方法， 其特征在 于， 火电机组相关运行参数包括发电机有功功率、 磨电机电流、 空预器进口烟气温度、 一次 风机风量、 空预器进口二次风温度、 空预器出口二次风温度、 脱硝系统进口烟气氧量、 省煤 器进口给水流量、 一级过热减温器减温水流量、 给煤机瞬时给煤量、 主汽门前压力、 主汽门 前温度总风 量、 空预器二次风 风量和磨煤 机出口风温。 3.如权利要求1所述的一种用于燃煤机组碳排放量的飞灰含碳量预测方法， 其特征在 于， 煤质工业分析数据包括全水分、 空气 干燥基水份、 空气 干燥基灰份、 空气 干燥基挥发份、 空气干燥基全 硫、 收到基低位发热量和固定碳。 4.如权利要求1所述的一种用于燃煤机组碳排放量的飞灰含碳量预测方法， 其特征在 于， 所述多层前馈神经网络包括四层神经网络， 两个隐含层的神经 元个数分别为512和25 6。 5.如权利要求1所述的一种用于燃煤机组碳排放量的飞灰含碳量预测方法， 其特征在 于， ReLU函数作为多层前馈神经网络模型的激活函数。 6.如权利要求1所述的一种用于燃煤机组碳排放量的飞灰含碳量预测方法， 其特征在 于， 多层前馈神经网络模型的损失函数为： 其中： n为目标样本的数量； i为第i个样本； 为飞灰含碳量预测值； j为对应第i个时间 段内的第j 样本； t为第i个时间段内的分钟数； yi为实际飞灰含碳 量。 7.如权利要求1所述的一种用于燃煤机组碳排放量的飞灰含碳量预测方法， 其特征在 于， 随机森林算法的损失函数为： 其中， n为目标样本的数量； i为第i个样本； 为衡量实际飞灰含碳量与预测的飞 灰含碳量之间的差值； yi为实际飞灰含碳量； 为预测的飞灰含碳量； γ为系数； T为决策树 的叶子数量； λ为系数； w 为每棵树上叶子的权 重。 8.一种用于 燃煤机组碳排放量的飞灰含碳 量预测系统， 其特 征在于， 包括：权　利　要　求　书 1/2 页 2 CN 115034505 A 2数据采集模块， 被 配置为： 获取火电机组相关运行参数和煤质工业分析 数据； 含碳量预测模块， 被配置为： 依据获取的火电机组相关运行参数和煤质工业分析数据， 以及预设的飞灰含碳 量预测模型， 得到飞灰含碳 量； 其中， 所述飞灰含碳量预测模型通过多层前馈神经网络和随机森林算法结合训练得 到， 以火电机组相关运行参数和煤质工业分析数据为输入， 以飞灰含碳量为输出， 对多层前 馈神经网络进行训练； 以训练后的多层前馈神经网络模型 的预测结果作为输出目标值， 以 火电机组相关运行参数和煤质工业分析数据为输入， 对随机森林算法进行训练， 得到所述 飞灰含碳 量预测模型。 9.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 该程序被处理器执 行时实现了如权利要求 1‑7任一项所述的用于燃煤机组碳排放量的飞灰含碳量预测方法的 步骤。 10.一种电子设备， 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程序时实现了如权利要求 1‑7任一项所述的用于 燃煤机组碳排放量的飞灰含碳 量预测方法的步骤。权　利　要　求　书 2/2 页 3 CN 115034505 A 3