买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：常州大唐环境工程有限公司

摘要：本发明公开了锅炉水加药模型建立方法及装置，包括：S1：锅炉水数据的训练；S2：异常数据的处理；S3：在建模过程中，对相关水质的指标和运行参数作为特征值进行输入；S4：采用算法进行建模处理：对药剂的投加量分别进行模型构建，基于锅炉水A和锅炉水B的粗粒度数据对药剂进行建模，采用XGBoost算法进行建模处理；S5：模型效果的提升。本发明所述的锅炉水加药模型建立方法及装置，此方法可以时刻对水源水质、水量等条件进行监测，当其发生变化时也能保证药剂投加量的精准控制，以此可以保证水质的稳定，同时此方法准确性高、响应快，能够依据水源水质的变化，可以及时确定药剂的投加量。

主权项：1.锅炉水加药模型建立方法，其特征在于：所述包括以下操作步骤：S1：锅炉水数据的训练：包括对锅炉水A和B，其中A：锅炉水A粗粒度数据建模以d为单位，训练数据取自两年的时间段，并记录其数据量，测试数据取自近五个月的数据，并记录其数据量，细粒度数据建模以5min为一个粒度，均为在线数据，再将数据集分为训练集和测试集，训练集是两年的时间段，并对其数据量进行计算，测试集是进五个月的数据，并对其数据量进行计算；其中B：锅炉水B数据包括人工数据和在线数据，具体进水量和加药数据选取近五年的数据，数据粒度为h，在线数据包括进水和出水的水质数据，时间为近五年的数据，数据粒度为5min，此外，试剂的投加数据的时间为近五年，数据粒度为周，将上述数据合并后，记录其数据量，时间为近五年，数据粒度为5min，经过处理后记录其有效数据，其中训练集为近三年的数据，并计算其数据量，测试集为近五个月的数据，并计算其数据量；S2：异常数据的处理：对锅炉水A细粒度数据采用了两种方案的异常数据处理方法，包括：方案一：根据经验对水质指标进行约束，限定范围，如直接去除进水浑浊度大于20NTU的数据、机加池出水浑浊度大于5NTU的数据、预臭氧大于0.7mgL的数据和pH值大于8.6或小于4.66的数据，对于进水电导率大于400μScm或小于100μScm的数据使用电导率的均值替代，对于进水氨氮大于0.24mgL的数据使用均值替代，同时，去除部分时间段高度重复的数据；方案二：采用基于滑动均值的异常数据识别技术，若研究窗口大小为200，即某一时刻的滑动均值等于从该时刻开始往前的200条数据的加权平均值，数据的权重呈指数分布，离该时刻越近的数据权重越大；锅炉水B异常数据采用箱线图和基于滑动均值的异常数据识别技术相结合的方法处理，其中箱线图先将数据从小到大排序，然后找到最小值、14位数、中位数、34位数、最大值，进而计算最小观察值和最大观察值，如果最小值≤最小观察值，则下边缘＝最小观察值，反之，最小值最小观察值，则下边缘＝最小值，如果最大值≥最大观察值，则上边缘＝最大观察值，反之，最大值最大观察值，则上边缘＝最大值，数据如果落在下边缘和上边缘之间为正常数据，不在这个范围的数据为异常数据，使用箱线图分别对进水流量和进水浑浊度数据进行异常数据的筛分，将数据按照每月分组，分析各自的数据范围，对不在正常范围的数据标记为异常数据直接删除，对聚合氯化铝和三氯化铁采用箱线图筛分，如果PAC大于50，直接剔除该条数据，否则采用滑动均值替换异常值，氯化铁的异常数据采用滑动均值替换异常值的方法进行处理，对水温、pH和机加池出水浑浊度数据也采用类似的方法进行处理，此外，对部分时间缺失字段较多的样本直接删除，对少量缺失数据使用均值、插值填充；S3：在建模过程中，对相关水质的指标和运行参数作为特征值进行输入，包括进水温度、进水溶解氧、进水电导率、进水氨氮、进水低浊、进水高浊、原水时均水量、预加氧、月份、季节；S4：采用算法进行建模处理：对药剂的投加量分别进行模型构建，基于锅炉水A和锅炉水B的粗粒度数据对药剂进行建模，采用XGBoost算法进行建模处理；S5：模型效果的提升：将锅炉水B的人工记录和在线数据相结合，并采用箱线图和移动平滑技术相结合的方法对数据进行预处理，提取到小时粒度的水量数据和加药数据，最终以得到的有效数据进行建模，对锅炉水B药剂的投加量的建模采用XGBoost算法进行，模型输入特征为进水pH、进水温度、进水流量、出水温度、出水浑浊度、进水浑浊度、出水pH、最近药剂投加量的均值、月份、日期，模型预测值为药剂投加量，其中，采用滑窗统计的方法获得最近药剂投加量的均值。

全文数据：

权利要求：

百度查询： 常州大唐环境工程有限公司 锅炉水加药模型建立方法及装置