燃气锅炉的饱和蒸汽干度软测量方法、装置和电子设备

技术领域

本公开的实施例涉及能源技术领域，具体涉及燃气锅炉的饱和蒸汽干度软测量方法、装置和电子设备。

背景技术

含有气相蒸汽和液相水的两相流称为饱和蒸汽或称为湿蒸汽。气相蒸汽的质量与饱和蒸汽质量之比被定义为饱和蒸汽干度。饱和蒸汽干度不仅是衡量饱和蒸汽品质的重要参数，还是确定饱和蒸汽质量流量及能量的重要参数。在供热、化工、石油、动力、纺织、印染、制药、烟草、食品、轻工等行业中广泛使用饱和蒸汽，常规人工化验法滞后大,不能满足工业现场的需求，因此为了能有效地进行饱和蒸汽的计量、控制、管理和节能，有必要在线实时测量饱和蒸汽干度。

饱和蒸汽干度的测量是检测技术中的一个难点，它不能像温度、压力等参数那样直接测量。近年来,虽然很多人对蒸汽干度的测量方法进行了研究，但由于汽液两相流测量的复杂性及两相之间的相互作用,工程应用中存在着诸多问题：没有能广泛适用的方法，现有的取样方法不够精确，工业生产方面的测量方法很落后,难以适合要求，测量精度高、可连续在线测量的方法大都设备复杂，造价昂贵，新方法开发并不多见。至今没有满意的饱和蒸汽干度在线测量方法。

软测量技术是一门新兴的发展前景广阔的工业技术，以现代信息处理技术作为基础，涉及计算机技术、机器学习、数据库技术、信号处理等多门科学。随着控制理论和信息技术的发展，软测量技术经历了从线性到非线性、无校正功能到有校正功能的过程，目前已成为检测领域的一大研究热点。

发明内容

本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。

本公开的一些实施例提出了燃气锅炉的饱和蒸汽干度软测量方法、装置和电子设备，来解决以上背景技术部分提到的技术问题。

第一方面，本公开的一些实施例提供了一种燃气锅炉的饱和蒸汽干度软测量方法，该方法包括：

获取预先训练的饱和蒸汽干度软测量预测模型；

采集目标时间段内生产饱和蒸汽的燃气锅炉的蒸汽相关数据；

将上述蒸汽相关数据输入至上述饱和蒸汽干度软测量预测模型，得到上述燃气锅炉在上述目标时间段内的饱和蒸汽干度预测值。

第二方面，本公开的一些实施例提供了一种燃气锅炉的饱和蒸汽干度软测量装置，装置包括：

获取单元，被配置成获取预先训练的饱和蒸汽干度软测量预测模型；

采集单元，被配置成采集目标时间段内生产饱和蒸汽的燃气锅炉的蒸汽相关数据；

预测单元，被配置成将上述蒸汽相关数据输入至上述饱和蒸汽干度软测量预测模型，得到上述燃气锅炉在上述目标时间段内的饱和蒸汽干度预测值。

第三方面，本公开的一些实施例提供了一种电子设备，包括：

一个或多个处理器；

存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面中所描述的方法。

第四方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现如第一方面中所描述的方法。

本公开的上述各个实施例中的一个实施例具有如下有益效果：通过将采集到的目标时间段内生产饱和蒸汽的燃气锅炉的蒸汽相关数据输入至预先训练的饱和蒸汽干度软测量预测模型，得到上述燃气锅炉在上述目标时间段内的饱和蒸汽干度软测量预测值。另外，在上述饱和蒸汽干度软测量预测模型的训练过程中根据上述饱和蒸汽锅炉的蒸汽流量变化，确定出训练数据集中样本数据的属性与上述蒸汽流量变化的延时时间。然后，再根据确定的延时时间进行延时补偿，可以提高上述饱和蒸汽干度软测量预测模型的精度。本公开提供的方法实现了实时计算蒸汽干度值，有助于提高蒸汽质量流量的测量精度，从而节省能源消耗。

附图说明

结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，元件和元素不一定按照比例绘制。

图1是根据本公开的一些实施例的燃气锅炉的饱和蒸汽干度软测量方法的一个应用场景的示意图；

图2是根据本公开的燃气锅炉的饱和蒸汽干度软测量方法的一些实施例的流程图；

图3是根据本公开的燃气锅炉的饱和蒸汽干度软测量装置的一些实施例的结构示意图；

图4是适于用来实现本公开的一些实施例的电子设备的结构示意图。

具体实施方式

下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。

另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。

需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。

需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。

本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。

下面将参考附图并结合实施例来详细说明本公开。

图1是根据本公开一些实施例的燃气锅炉的饱和蒸汽干度软测量方法的一个应用场景的示意图。

在图1的应用场景中，首先，计算设备101可以获取预先训练的饱和蒸汽干度软测量预测模型102。然后，计算设备101可以采集目标时间段内生产饱和蒸汽的燃气锅炉的蒸汽相关数据103。之后，计算设备101可以将上述蒸汽相关数据103输入至上述饱和蒸汽干度软测量预测模型102，得到上述燃气锅炉在上述目标时间段内的饱和蒸汽干度预测值104。

需要说明的是，上述计算设备101可以是硬件，也可以是软件。当计算设备为硬件时，可以实现成多个服务器或终端设备组成的分布式集群，也可以实现成单个服务器或单个终端设备。当计算设备体现为软件时，可以安装在上述所列举的硬件设备中。其可以实现成例如用来提供分布式服务的多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。

应该理解，图1中的计算设备的数目仅仅是示意性的。根据实现需要，可以具有任意数目的计算设备。

继续参考图2，示出了根据本公开的燃气锅炉的饱和蒸汽干度软测量方法的一些实施例的流程200。该方法可以由图1中的计算设备101来执行。该燃气锅炉的饱和蒸汽干度软测量方法，包括以下步骤：

S201，获取预先训练的饱和蒸汽干度软测量预测模型。

在一些实施例中，燃气锅炉的饱和蒸汽干度软测量方法的执行主体(如图1所示的计算设备101)可以通过无线连接方式获取上述饱和蒸汽干度软测量预测模型。

需要指出的是，上述无线连接方式可以包括但不限于3G/4G连接、WiFi连接、蓝牙连接、WiMAX连接、Zigbee连接、UWB(ultra wideband)连接、以及其他现在已知或将来开发的无线连接方式。

在一些实施例的一些可选的实现方式中，上述获取预先训练的饱和蒸汽干度软测量预测模型，包括：获取初始模型；采集上述燃气锅炉的历史蒸汽数据；基于上述历史蒸汽数据，生成用于训练上述初始模型的训练数据集；利用支持向量机和上述训练数据集，对上述初始模型进行训练，得到上述饱和蒸汽干度软测量预测模型。

在一些实施例的一些可选的实现方式中，上述基于上述历史蒸汽数据，生成用于训练上述初始模型的训练数据集，包括：从上述历史蒸汽数据中确定出至少一个含有已饱和蒸汽干度实测值为标记的样本数据，得到样本数据集；利用预设清洗准则，对上述样本数据集中样本数据的属性变量进行数据清洗，得到清洗后样本数据集。上述预设清洗准则可以是三西格玛准则，上述属性变量可以是部分属性变量，也可以是全部属性变量。

在一些实施例的一些可选的实现方式中，上述基于上述历史蒸汽数据，生成用于训练上述初始模型的训练数据集，包括：基于获取到的上述燃气锅炉的蒸汽流量变化，确定上述清洗后样本数据集中清洗后样本数据的属性与上述蒸汽流量变化之间的延时时间；基于上述延时时间，对上述清洗后样本数据的属性变量进行延时补偿，得到补偿后的清洗后样本数据，组成补偿后的清洗后样本数据集；将上述补偿后的清洗后样本数据集确定为上述训练数据集。

上文陈述的属性可以是部分属性，也可以是全部属性。上述执行主体可以通过如下步骤确定延时时间：对上述燃气锅炉的蒸汽流量加载阶跃变化；记录上述蒸汽流量开始变化时至清洗后样本数据集中清洗后样本数据的属性变量开始相同方向明显变化的时间；将上述时间确定为上述延时时间。

在一些实施例的一些可选的实现方式中，上述执行主体可以通过如下步骤进行延时补偿，包括：对上述清洗后样本数据的属性变量的时间向前移动上述延时时间的单位时间，得到上述补偿后的清洗后样本数据。

在一些实施例的一些可选的实现方式中，上述利用支持向量机和上述训练数据集，对上述初始模型进行训练，得到上述饱和蒸汽干度软测量预测模型，包括：选取至少一个核函数(最优核函数)；基于遗传算法，确定上述至少一个核函数每个核函数的最优参数惩罚因子和核函数参数；将确定最优参数惩罚因子和核函数参数的核函数确定为上述初始模型采用的核函数；利用上述支持向量机和上述训练数据集中补偿后的清洗后样本数据机器编辑，对上述初始模型进行训练，得到上述饱和蒸汽干度软测量预测模型。

S202，采集目标时间段内生产饱和蒸汽的燃气锅炉的蒸汽相关数据。

在一些实施例中，上述执行主体可以通过无线连接方式连接上述燃气锅炉的操作系统，采集目标时间段内的生产饱和蒸汽的燃气锅炉的蒸汽相关数据。上述蒸汽相关数据可以包括：目标时间段内的蒸汽流量数据，目标时间段内的蒸汽温度等数据。

S203，将上述蒸汽相关数据输入至上述饱和蒸汽干度软测量预测模型，得到上述燃气锅炉在上述目标时间段内的饱和蒸汽干度预测值。

在一些实施例中，上述执行主体可以将上述蒸汽相关数据输入至上述饱和蒸汽干度软测量预测模型，得到上述燃气锅炉在上述目标时间段内的饱和蒸汽干度预测值。

本公开的上述各个实施例中的一个实施例具有如下有益效果：通过将采集到的目标时间段内生产饱和蒸汽的燃气锅炉的蒸汽相关数据输入至预先训练的饱和蒸汽干度软测量预测模型，得到上述燃气锅炉在上述目标时间段内的饱和蒸汽干度软测量预测值。另外，在上述饱和蒸汽干度软测量预测模型的训练过程中根据上述燃气锅炉的蒸汽流量变化，确定出训练数据集中样本数据的属性与上述蒸汽流量变化的延时时间。然后，再根据确定的延时时间进行延时补偿，可以提高上述饱和蒸汽干度软测量预测模型的精度。本公开提供的方法实现了实时计算蒸汽干度值，有助于提高蒸汽质量流量的测量精度，从而节省能源消耗。

进一步参考图3，作为对上述各图上述方法的实现，本公开提供了一种燃气锅炉的饱和蒸汽干度软测量装置的一些实施例，这些装置实施例与图2上述的那些方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图3所示，一些实施例的燃气锅炉的饱和蒸汽干度软测量装置300包括：获取单元301、采集单元302和预测单元303。其中，获取单元301，被配置成获取预先训练的饱和蒸汽干度软测量预测模型；采集单元302，被配置成采集目标时间段内生产饱和蒸汽的燃气锅炉的蒸汽相关数据；预测单元303，被配置成将上述蒸汽相关数据输入至上述饱和蒸汽干度软测量预测模型，得到上述燃气锅炉在上述目标时间段内的饱和蒸汽干度预测值。

在一些实施例的一些可选的实现方式中，燃气锅炉的饱和蒸汽干度软测量装置300的获取单元301被进一步配置成：获取初始模型；采集上述燃气锅炉的历史蒸汽数据；基于上述历史蒸汽数据，生成用于训练上述初始模型的训练数据集；利用支持向量机和上述训练数据集，对上述初始模型进行训练，得到上述饱和蒸汽干度软测量预测模型。

在一些实施例的一些可选的实现方式中，上述基于上述历史蒸汽数据，生成用于训练上述初始模型的训练数据集，包括：从上述历史蒸汽数据中确定出至少一个含有已饱和蒸汽干度实测值为标记的样本数据，得到样本数据集；利用预设清洗准则，对上述样本数据集中样本数据的属性变量进行数据清洗，得到清洗后样本数据集。

在一些实施例的一些可选的实现方式中，上述基于上述历史蒸汽数据，生成用于训练上述初始模型的训练数据集，包括：基于获取到的上述燃气锅炉的蒸汽流量变化，确定上述清洗后样本数据集中清洗后样本数据的属性与上述蒸汽流量变化之间的延时时间；基于上述延时时间，对上述清洗后样本数据的属性变量进行延时补偿，得到补偿后的清洗后样本数据，组成补偿后的清洗后样本数据集；将上述补偿后的清洗后样本数据集确定为上述训练数据集。

在一些实施例的一些可选的实现方式中，上述基于获取到的上述燃气锅炉的蒸汽流量变化，确定上述清洗后样本数据集中清洗后样本数据的属性与上述蒸汽流量变化之间的延时时间，包括：对上述燃气锅炉的蒸汽流量加载阶跃变化；记录上述蒸汽流量开始变化时至清洗后样本数据集中清洗后样本数据的属性变量开始相同方向明显变化的时间；将上述时间确定为上述延时时间。

在一些实施例的一些可选的实现方式中，上述基于上述延时时间，对上述清洗后样本数据的属性变量进行延时补偿，得到补偿后的清洗后样本数据，组成补偿后的清洗后样本数据集，包括：对上述清洗后样本数据的属性变量的时间向前移动上述延时时间的单位时间，得到上述补偿后的清洗后样本数据。

在一些实施例的一些可选的实现方式中，上述利用支持向量机和上述训练数据集，对上述初始模型进行训练，得到上述饱和蒸汽干度软测量预测模型，包括：选取至少一个核函数；基于遗传算法，确定上述至少一个核函数中每个核函数的最优参数惩罚因子和核函数参数；将确定最优参数惩罚因子和核函数参数的核函数确定为上述初始模型采用的核函数；利用上述支持向量机和上述训练数据集中补偿后的清洗后样本数据及其标记，对上述初始模型进行训练，得到上述饱和蒸汽干度软测量预测模型。

可以理解的是，该装置300中记载的诸单元与参考图2描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置300及其中包含的单元，在此不再赘述。

下面参考图4，其示出了适于用来实现本公开的一些实施例的电子设备(例如图1中的计算设备101)400的结构示意图。图4示出的服务器仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。

如图4所示，电子设备400可以包括处理装置(例如中央处理器、图形处理器等)401，其可以根据存储在只读存储器(ROM)402中的程序或者从存储装置408加载到随机访问存储器(RAM)403中的程序而执行各种适当的动作和处理。在RAM 403中，还存储有电子设备400操作所需的各种程序和数据。处理装置401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。

通常，以下装置可以连接至I/O接口405：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置406；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置407；包括例如磁带、硬盘等的存储装置408；以及通信装置409。通信装置409可以允许电子设备400与其他设备进行无线或有线通信以交换数据。虽然图4示出了具有各种装置的电子设备400，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图4中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。

特别地，根据本公开的一些实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的一些实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中，该计算机程序可以通过通信装置409从网络上被下载和安装，或者从存储装置408被安装，或者从ROM402被安装。在该计算机程序被处理装置401执行时，执行本公开的一些实施例的方法中限定的上述功能。

需要说明的是，本公开的一些实施例上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。

在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。

上述计算机可读介质可以是上述装置中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取预先训练的饱和蒸汽干度软测量预测模型；采集目标时间段内生产饱和蒸汽的燃气锅炉的蒸汽相关数据；将上述蒸汽相关数据输入至上述饱和蒸汽干度软测量预测模型，得到上述燃气锅炉在上述目标时间段内的饱和蒸汽干度预测值。

可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开的一些实施例中的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括获取单元、采集单元和预测单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，获取单元还可以被描述为“获取预先训练的饱和蒸汽干度软测量预测模型的单元”。

本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。

以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。