基于稀疏表示的火電廠煙氣光譜定量分析方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及火力發(fā)電廠煙氣成分定量分析，具體涉及一種基于稀疏表示的火電廠 煙氣光譜定量分析方法。 技術(shù)背景
[0002] 在我國，80%以上的能源供應(yīng)來自火力發(fā)電廠，然而在煤炭的燃燒過程中會產(chǎn)生 大量的二氧化硫、一氧化氮等有害氣體。如果脫硫等工藝水準不達標，使這些有害氣體排放 到大氣中，將給大氣環(huán)境帶來嚴重污染，進一步還可能對生態(tài)環(huán)境造成不可逆的破壞，給人 類自身發(fā)展與生存帶來隱患。因此，對于火力發(fā)電廠所排放的煙氣成分進行定量分析可以 反映出其可能對環(huán)境造成的影響程度，為控制和治理污染提供依據(jù)，并且對于節(jié)能減排具 有十分重要的意義。
[0003] 傳統(tǒng)的煙氣成分測定都是通過定期的化學(xué)實驗來完成，由于燃料燃燒是一個快速 過程，定期的化學(xué)實驗檢測速度慢且實驗步驟繁瑣，有著耗時長、操作復(fù)雜、反應(yīng)速度慢、誤 報率高、儀器使用壽命短等缺點，應(yīng)用于火力發(fā)電廠這種大型工業(yè)環(huán)境的效果不佳，無法滿 足煙氣排放連續(xù)監(jiān)測的要求。
[0004] 光譜技術(shù)是一種高效快速的化學(xué)物質(zhì)定量檢測方法，它是根據(jù)物質(zhì)的特征光譜來 鑒別其中化學(xué)組成和相對含量，可用于實現(xiàn)對火力發(fā)電廠煙氣的成分預(yù)測。支持向量機是 光譜定量分析的常用方法之一。支持向量機是利用核函數(shù)將數(shù)據(jù)映射到高維空間來建立模 型，并引入了松弛系數(shù)以及懲罰系數(shù)兩個參變量對回歸模型進行修正。但是支持向量機的 兩個修正參數(shù)均需要根據(jù)人工經(jīng)驗進行選擇，缺乏一定的理論基礎(chǔ)。BP神經(jīng)網(wǎng)絡(luò)是目前在 光譜分析中應(yīng)用很廣泛的神經(jīng)網(wǎng)絡(luò)之一，它是一種按照誤差逆?zhèn)鞑ニ惴ㄟM行訓(xùn)練的多層前 饋網(wǎng)絡(luò)。但是由于神經(jīng)網(wǎng)絡(luò)模型如同一個"黑盒"，如果用于煙氣定量分析，不能得到清晰可 讀的模型結(jié)構(gòu)。偏最小二乘法（PartialLeastSquares，PLS)也是光譜定量分析的常用方法 之一，它對自變量中的信息進行綜合篩選，從中選取若干具有最佳解釋能力的潛變量用于 回歸建模。由于它通過可以解決自變量間多重相關(guān)性來提高回歸模型的準確性，所以得到 廣泛應(yīng)用。但是，光譜數(shù)據(jù)比較復(fù)雜，不易建模，如果只用偏最小二乘法進行建模會導(dǎo)致所 建模型的預(yù)測精度較低。

【發(fā)明內(nèi)容】

[0005] 為了克服上述現(xiàn)有技術(shù)存在的不足，本發(fā)明的目的在于提供一種基于稀疏表示的 火電廠煙氣光譜定量分析方法，并采用集群計算提高數(shù)據(jù)的處理速度，實現(xiàn)對煙氣光譜數(shù) 據(jù)的定量分析，預(yù)測煙氣成分的含量。
[0006] 為了達到上述目的，本發(fā)明所采取的技術(shù)方案是：
[0007] -種基于稀疏表示的火電廠煙氣光譜定量分析方法，首先通過基于超完備字典稀 疏分解的稀疏表示算法對數(shù)據(jù)進行處理，得到數(shù)據(jù)的字典D，然后通過進行PLS建模對字典 D進行分析得到煙氣成分預(yù)測結(jié)果，具體步驟如下：
[0008] 步驟1:首先采集火力發(fā)電廠煙氣光譜數(shù)據(jù)，構(gòu)成光譜數(shù)據(jù)集LNMn1}，光譜數(shù)據(jù)集 LNX(n1}中包含N個樣本，每個樣本的維數(shù)即波長變量的個數(shù)為n-1維；然后再單獨測出每 個樣本所對應(yīng)的煙氣成分濃度值，構(gòu)成濃度數(shù)據(jù)集ΚΝΧ1;光譜數(shù)據(jù)集LΝχ(η1}和濃度數(shù)據(jù)集 ΚΝΧ1共同組成原始數(shù)據(jù)集SΝΧη;
[0009]步驟2 :初始化字典D :首先在原始數(shù)據(jù)集SNXn中選取前m個樣本，組成矩陣D'ηΧηι， 然后對矩陣D'nXJi行歸一化處理，得到初始字典1:
[0010] 步驟3:固定初始字典使用正交匹配追蹤算法近似計算式（1)所示目標方 程，得到每個樣本si的稀疏表示系數(shù)向量Xl，從而得到原始數(shù)據(jù)集SNXn的稀疏表示的系數(shù) 矩陣X;
[0012] 其中：1為最大非零個數(shù)；
[0013] 步驟4:對初始字典進行逐列更新，設(shè)列號j=l，2，...，m;假設(shè) 將要更新字典的第j個原子d,，系數(shù)矩陣X中士相應(yīng)的第j行為定義集合 7/廣{/11U#0丨為用到士所有信號集合{sJ的索引所構(gòu)成的集合，即<(/)# 0的 點的索引值；
[0014] 步驟5:通過式⑵計算去掉第j個原子d,的成分在所有N個樣本中造成的誤差 矩陣Ej;
[0016] 其中：SNXnT為原始數(shù)據(jù)集SNXn的轉(zhuǎn)置矩陣；da為第a個原子； < 為第a個原子對 應(yīng)的系數(shù)；
[0017] 步驟6 :定義變換矩陣φ為NX|η」矩陣，它在（nHi}，i)處的值都為1， 其它點為ο;定義變換后的誤差矩陣<=&Φ;、系數(shù)矩陣為彳=兮Φ/、數(shù)據(jù)庫矩陣為 < =，則三者分別為Ερ彳、SNXn>去掉零輸入后的收縮結(jié)果；
[0018] 步驟7:變換后的誤差矩陣￡·/做奇異值分解即SVD分解，則=￡/ΔΡ，其中：U 和V為酉矩陣，VTS酉矩陣V的轉(zhuǎn)置矩陣，Δ為對角矩陣；令新原子為士的更新結(jié)果；同 時，用V的第一列和Δ(1，1)的乘積更新xf;
[0019] 步驟8:重復(fù)步驟4-7,直到完成對初始字典的逐列更新，得到新字典?·,
[0020] 步驟9 :用新字典做稀疏分解，并判斷是否達到既定的迭代次數(shù)，如果沒有 達到，則使用新字典重復(fù)步驟3-9,如果達到了，則停止迭代；得到最終字典DnXni;
[0021] 步驟10 :首先通過留一法交叉檢驗確定最佳隱變量個數(shù)L，然后根據(jù)最終字典DnXni 和最佳隱變量個數(shù)L，進行PLS建模，得到煙氣成分濃度預(yù)測模型：
[0022] Cp=T*B
[0023] 其中，Cp為煙氣成分濃度的預(yù)測值，T為待分析光譜數(shù)據(jù)集，B為系數(shù)矩陣；
[0024] 將新采樣的煙氣光譜數(shù)據(jù)帶入此模型，即能夠預(yù)測煙氣成分濃度。
[0025] 所述的火電廠煙氣光譜定量分析方法采用基于FPGA的線陣CCD光譜信息采集系 統(tǒng)，并對相關(guān)成分在各個波長的光譜吸收率進行測量采集；此方法還采用基于spark的集 群計算系統(tǒng)進行數(shù)據(jù)處理。
[0026] 本發(fā)明從現(xiàn)場記錄數(shù)據(jù)出發(fā)，根據(jù)火力發(fā)電廠煙氣樣本的光譜數(shù)據(jù)建立煙氣成分 預(yù)測模型，并對模型進行優(yōu)化，實現(xiàn)對煙氣成分濃度的準確預(yù)測，從而對火力發(fā)電廠排放煙 氣進行濃度檢測與分析，為防止大氣污染提供保障，并且在此基礎(chǔ)上調(diào)節(jié)煤炭的燃燒狀況 來提高生產(chǎn)效率，實現(xiàn)節(jié)能減排。
【附圖說明】
[0027] 圖1為本發(fā)明實施例光譜數(shù)據(jù)集L146X113的光譜圖。
[0028] 圖2為本發(fā)明實施例光譜數(shù)據(jù)集T37X113的光譜圖。
【具體實施方式】
[0029] 下面結(jié)合火力發(fā)電廠煙氣中的一氧化氮成分為實例對本發(fā)明作更詳細的說明。
[0030] 本發(fā)明是基于稀疏表示的火電廠煙氣光譜定量分析方法，步驟如下：
[0031] 步驟1 :首先采集火力發(fā)電廠煙氣光譜數(shù)據(jù)，構(gòu)成光譜數(shù)據(jù)集L146X113，測量光譜的 波長范圍為28nm-253nm，光譜數(shù)據(jù)集L146X113中包含146個樣本，每個樣本的維數(shù)即波長 變量的個數(shù)為113維；然后再單獨測出每個樣本所對應(yīng)的一氧化氮濃度值，構(gòu)成濃度數(shù)據(jù) 集K146X1;光譜數(shù)據(jù)集L146X113和濃度數(shù)據(jù)集K146X1共同組成原始數(shù)據(jù)集S146X114，光譜數(shù)據(jù)集 L146X113的光譜圖如