机器学习算法在温度分布重建中的应用

摘要：由于现场环境及测量技术的制约,工业测量过程中会出现关键参数数据缺失或失真现象。为了解决这一问题,将机器学习应用于参数测量过程中,实现对缺失数据集的补全和失真数据的修复,进而实现对缺失数据集的深层次挖掘和应用。以温度为例,作为燃烧过程中的重要参数,温度信息直接反映了燃烧状态,完整准确的温度测量信息对燃烧设备运行控制有着深远的意义。针对经验数据不完整的情况,使用机器学习中的主成分分析(PCA)算法迭代恢复缺失数据并进行特征提取,结合少量温度测量数据,实时重建燃烧温度分布。通过理论分析,确定重建算法的可行性。将重建算法应用于燃气燃烧仿真模型温度分布重建工作。结果表明,该方法能够准确地补全温度信息,快速实现温度分布重建,为解决工业参数测量中的数据缺失及数据失真问题提供一种新思路。

关键词：温度分布 机器学习 主成分分析 缺失数据 重建算法 

单位：华北电力大学能源动力与机械工程学院; 北京102206; 华北电力大学控制与计算机工程学院; 北京102206