(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 202111393075.7 (22)申请日 2021.11.23 (71)申请人 北京华能新锐控制技 术有限公司 地址 102209 北京市昌平区北七家未来科 技城南区华能人才创新创业基地 实验 楼B座 (72)发明人 麻红波　杨继明　王军　陈婷婷　 李涛　陈岩磊　张澈　王传鑫　 田长风　 (74)专利代理 机构 北京中知法苑知识产权代理 有限公司 1 1226 代理人 李明　赵吉阳 (51)Int.Cl. G06Q 10/04(2012.01) G06N 3/00(2006.01)G06K 9/62(2022.01) (54)发明名称 锅炉燃烧热效率预测方法及装置 (57)摘要 本公开提供一种锅炉燃烧热效率预测方法 及装置。 所述方法包括： 采集锅炉的实时运行数 据， 并将所述实时运行数据进行预处理； 将预处 理后的实时运行数据划分为训练集和测试集； 采 用改进K‑means算法对训练集中的实时运行数据 进行聚类， 具体包括： 先采用生物地理学优化算 法优化K‑means初始聚类中心， 之后采用K ‑means 算法对所述实时运行数据进行聚类； 设置相关参 数， 使得网络符合锅炉燃烧模型； 基于所述聚类 后的实时运行数据， 对预设的极限学习机网络进 行训练， 得到所述锅炉燃烧模型； 利用所述锅炉 燃烧模型对锅炉燃烧热效率进行预测。 能有效地 改善预测精度， 显示出其有效性， 能够有效提高 预测精度和预测效率。 权利要求书2页 说明书5页 附图3页 CN 114139785 A 2022.03.04 CN 114139785 A 1.一种锅炉燃烧热效率预测方法， 其特 征在于， 所述方法包括： 采集锅炉的实时运行 数据， 并将所述实时运行 数据进行 预处理； 将预处理后的实时运行 数据划分为训练集和 测试集； 采用改进K ‑means算法对训练集 中的实时运行数据进行 聚类， 具体包括： 先采用生物地 理学优化算法优化K ‑means初始聚类中心， 之后采用K ‑means算法对所述实时运行数据进行 聚类； 设置相关参数， 使得网络符合锅炉燃烧 模型； 基于所述聚类后的实时运行数据， 对预设的极限学习机网络进行训练， 得到所述锅炉 燃烧模型； 利用所述锅炉燃烧 模型对锅炉燃烧热效率进行 预测。 2.根据权利要求1所述的方法， 其特征在于， 所述采用生物地理学优化算法优化K ‑ means初始聚类中心， 包括： 初始化生物地理学优化 算法相关参数； 计算每个解极其适应度值， 并计算其对应的物种数量以及迁入率和迁出率， 同时保存 适应度高的个 体； 用迁入率选择需要进行迁入的个体变量， 用迁出率选择需要迁出的个体变量， 进行迁 移操作； 根据突变概 率进行突变操作； 是否满足迭代 停止条件， 如不满足， 则继续执 行上述步骤； 将得到的适应度高的个 体作为初始中心点进行聚类。 3.根据权利要求2所述的方法， 其特征在于， 所述生物地理学优化算法中参数设定如 下： 最大迭代次数Maxgen＝200； 最大种群数Popsize＝120； 种群大小Numvar＝6； 种群迁移 概率Pmodify＝1； 变异概 率Pmutate＝0.01。 4.根据权利要求1至3任一项所述的方法， 其特征在于， 在对极限学习机网络进行训练 之前， 所述方法还 包括： 基于所述改进K ‑means算法， 对所述极限学习机网络的网络结构及节点参数进行优化 选取。 5.根据权利要求4所述的方法， 其特征在于， 所述网络结构优化包括对网络输入变量、 网络隐含层节点的数目与激活函数的选取； 所述节点 参数优化包括网络隐含层节点 参数wi和bi的优化。 6.根据权利要求1至3任一项所述的方法， 其特征在于， 所述将所述实时运行数据进行 预处理， 包括： 将所述实时运行数据预先经过非加权组平均法UPGMA处理， 剔除掉噪声数据和边缘数 据。 7.一种锅炉燃烧热效率预测装置， 其特 征在于， 所述装置包括： 采集模块， 用于采集锅炉的实时运行 数据， 并将所述实时运行 数据进行 预处理； 划分模块， 用于将预处 理后的实时运行 数据划分为训练集和 测试集； 聚类模块， 用于采用改进K ‑means算法对训练集中的实时运行数据进行聚类， 具体包权　利　要　求　书 1/2 页 2 CN 114139785 A 2括： 先采用生物地理学优化算法优化K ‑means初始聚类中心， 之后采用K ‑means算法对所述 实时运行 数据进行聚类； 设置模块， 用于设置相关参数， 使得网络符合锅炉燃烧 模型； 训练模块， 用于基于所述聚类后的实时运行数据， 对预设的极限学习机网络进行训练， 得到所述锅炉燃烧 模型； 预测模块， 用于利用所述锅炉燃烧 模型对锅炉燃烧热效率进行 预测。 8.根据权利要求7 所述的装置， 其特 征在于， 所述聚类模块， 具体还用于： 初始化生物地理学优化 算法相关参数； 计算每个解极其适应度值， 并计算其对应的物种数量以及迁入率和迁出率， 同时保存 适应度高的个 体； 用迁入率选择需要进行迁入的个体变量， 用迁出率选择需要迁出的个体变量， 进行迁 移操作； 根据突变概 率进行突变操作； 是否满足迭代 停止条件， 如不满足， 则继续执 行上述步骤； 将得到的适应度高的个 体作为初始中心点进行聚类。 9.一种电子设备， 其特 征在于， 包括： 一个或多个处 理器； 存储单元， 用于存储一个或多个程序， 当所述一个或多个程序被所述一个或多个处理 器执行时， 能使得 所述一个或多个处 理器实现根据权利要求1至 6任一项所述的方法。 10.一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， 所述计算机程序 被处理器执行时能实现根据权利要求1至 6任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 114139785 A 3