一种燃煤收到基元素碳含量回归系统及操作方法与流程

本发明属于燃煤收到基元素碳含量测量，具体涉及一种燃煤收到基元素碳含量的回归计算方法。

背景技术：

1、碳核算法作为碳排放计算的重要方法，为火电行业在碳市场中交易的公平公正提供了保证。

2、碳核算法需要企业严格按照相关标准和方法进行关键数据的收集、统计和计算，以保证碳排放结果的准确性。根据《企业温室气体排放核算与报告指南发电设施》中的核算要求，在火电企业的煤质分析中，燃煤收到基元素碳含量是碳核算中的关键实测参数。一方面，燃煤收到基元素碳含量直接影响企业碳核算的准确性，是企业承担合理履约成本的保证。另一方面，燃煤收到基元素碳含量需要其它煤质分析参数推算得到，并需要辅助参数进行数据可靠性验证，除了测定元素碳含量外，还需测定的参数包括全水分、空干基水分、空干基全硫、空干基灰分、空干基挥发分、空干基氢含量、空干基固定碳、弹筒发热量共8个参数。这些参数的测定需要多种对应的仪器，测定流程复杂且耗费大量人力，企业承担了大量的检测成本。若企业未进行元素碳实测，则需要采用缺省值进行碳排放计算，计算结果偏大，导致企业承担的履约成本不合理。

3、为了保证企业承担合理的履约成本，并降低企业的检测成本，就需要考虑如何在减少实测参数的条件下准确推算燃煤收到基元素碳含量。在现有测定数据的基础上，若能以全水分、空干基水分、空干基全硫、空干基灰分、空干基挥发分、空干基氢含量、空干基固定碳和弹筒发热量共8个参数作为输入，构建计算模型对燃煤收到基元素碳含量进行回归，在实际推算时，仅测定部分参数，如：全水分、空干基水分、空干基灰分、空干基挥发分、空干基固定碳和弹筒发热量共6个参数，未测定的参数取缺省值，如：空干基全硫和空干基氢含量取缺省值，即可减少检测参数和检测仪器，降低企业检测成本。所以，如何构建基于部分输入参数的燃煤收到基元素碳含量的回归模型是需要解决的关键问题。

技术实现思路

1、针对现有技术中的上述不足，本发明提供的一种燃煤收到基元素碳含量的回归计算方法，构建了一种燃煤收到基元素碳含量回归模型，解决了企业碳核算成本高、计算效率低的问题。

2、为了达到上述发明目的，本发明采用的技术方案为：一种燃煤收到基元素碳含量的回归计算方法，包括以下步骤：

3、s1：获取经分析测定后的煤质原始数据，进行最大最小归一化处理，得到归一化原始数据，并将归一化原始数据划分为训练数据和验证数据；

4、s2：将训练数据作为输入数据，利用mism燃煤收到基元素碳含量回归计算模型进行处理，得到训练后的mism燃煤收到基元素碳含量回归计算模型；

5、s3：将验证数据作为输入数据，利用训练后的mism燃煤收到基元素碳含量回归计算模型进行处理，得到认证的mism燃煤收到基元素碳含量回归计算模型；

6、s4：获取实测煤质原始数据，并进行预处理操作，得到预处理的实测煤质原始数据；

7、s5：将预处理的实测煤质原始数据作为输入数据，利用认证的mism燃煤收到基元素碳含量回归计算模型进行处理，得到燃煤收到基元素碳含量。

8、本发明的有益效果为：本发明设计了issm映射层模型，同时加入mamba模块，搭建了mism燃煤收到基元素碳含量回归计算模型，具有捕获重要特征的能力，能够通过调节网络结构参数，建立实测数据和燃煤收到基元素碳含量的关系，使其仅需部分实测数据，便能够通过回归计算得到燃煤收到基元素碳含量，从而减少燃煤收到基元素碳含量的检测成本，为火电企业减少煤质分析的实测参数；同时，回归计算结果确保了燃煤收到基元素碳含量的准确性。

9、进一步地：所述经分析测定后的煤质原始数据包括：全水分含量、空干基水分、空干基全硫、空干基灰分、空干基挥发分、空干基氢含量、空干基固定碳、弹筒发热量和燃煤收到基元素碳含量；

10、所述归一化原始数据包括：归一化的全水分含量、归一化的空干基水分、归一化的空干基全硫、归一化的空干基灰分、归一化的空干基挥发分、归一化的空干基氢含量、归一化的空干基固定碳、归一化的弹筒发热量和归一化的燃煤收到基元素碳含量；

11、所述预处理的实测煤质原始数据包括：预处理的全水分含量、预处理的空干基水分、预处理的空干基灰分、预处理的空干基挥发分、预处理的空干基固定碳以及预处理的弹筒发热量。

12、上述进一步方案的有益效果为：本发明通过经分析测定后的煤质原始数据和归一化原始数据建立实测数据与燃煤收到基元素碳含量的关系，之后仅需预处理的原始数据，即部分实测数据，即可完成燃煤收到基元素碳含量的计算。

13、进一步地：所述利用mism燃煤收到基元素碳含量回归计算模型进行处理，其具体步骤如下：

14、a1：将输入数据作为mamba映射层的输入特征，利用mamba映射层进行特征映射，得到第一映射特征；

15、a2：将第一映射特征和输入数据进行相加操作，得到第一加和特征；

16、a3：根据第一加和特征，利用线性激活层进行整合激活，得到整合特征；

17、a4：将整合特征作为mamba映射层的输入特征，利用mamba映射层进行特征映射，得到第二映射特征；

18、a5：将第二映射特征和第一加和特征进行相加操作，得到第二加和特征；

19、a6：根据第二加和特征，利用线性激活层进行整合激活，得到燃煤收到基元素碳含量。

20、上述进一步方案的有益效果为：通过建立mism燃煤收到基元素碳含量回归计算模型，并对经煤质分析测定后的数据进行处理，能够得到燃煤收到基元素碳含量，相比于传统方法，具有更高的计算效率和精确性。

21、进一步地：所述mism燃煤收到基元素碳含量回归计算模型的数学表达式如下：

22、f6＝linear[leakyrelu(f5)]

23、f5＝f4+f2

24、f4＝mamba(f3)

25、f3＝linear[leakyrelu(f2)]

26、f2＝f1+xin-norm

27、f1＝mamba(xin-norm)

28、

29、其中，f6为燃煤收到基元素碳含量，f5为第二加和特征，f4为第二映射特征，f3为整合特征，f2为第一加和特征，f1为第一映射特征，xin-norm为输入数据，linear[leakyrelu()]为线性激活层函数，mamba()为mamba映射层函数，v为leakyrelu函数的输入，α为设置的常数。

30、上述进一步方案的有益效果为：本发明通过mamba映射层和leakyrelu激活函数建立mism燃煤收到基元素碳含量回归计算模型，使模型具有更好的泛化性和数据处理能力，能够有效地提取和处理燃煤数据中的复杂特征，使燃煤收到基元素碳含量的计算结果更准确和稳定。

31、进一步地：所述mamba映射层进行特征映射，其具体实现方式如下：

32、b1：获取mamba映射层的输入特征；

33、b2：根据输入特征，利用特征的均方根进行归一化，得到归一化的输入特征；

34、b3：根据归一化的输入特征，利用线性层进行处理，得到第三映射特征；

35、b4：根据第三映射特征，利用1d卷积层进行处理，得到卷积特征；

36、b5：根据卷积特征，利用激活层进行处理，得到第一激活特征；

37、b6：根据第一激活特征，利用线性层进行处理，得到第四映射特征；

38、b7：将第四映射特征作为issm映射层的输入特征，利用issm映射层进行映射，得到第五映射特征；

39、b8：根据第五映射层，利用激活层进行处理，得到第二激活特征；

40、b9：根据输入特征，利用线性层进行处理，得到第六映射特征；

41、b10：根据第六映射特征，利用激活层进行处理，得到第三激活特征；

42、b11：将第三激活特征和第二激活特征进行相乘，得到新特征；

43、b12：根据新特征，利用线性层进行处理，得到mamba映射层输出的映射特征。

44、上述进一步方案的有益效果为：本发明的mamba映射层结合了特征归一化、多层次特征提取、激活函数、特征融合以及issm映射层，能够提高模型在复杂机器学习任务中的泛化能力和预测性能，同时，mamba映射层还能提高mism燃煤收到基元素碳含量回归计算模型的性能。

45、进一步地：所述mamba映射层的数学表达式如下：

46、f15＝linear(f14)

47、f14＝f13×f11

48、f13＝silu(f12)

49、f12＝linear(xin)

50、f11＝silu(f10)

51、f10＝issm(f9)

52、f9＝linear(f8)

53、f8＝silu(f7)

54、f7＝1dconv(f6)

55、f6＝linear(xrms)

56、

57、

58、

59、其中，f15为mamba映射层输出的映射特征，f14为新特征，f13为第三激活特征，f12为第六映射特征，f11为第二激活特征，f10为第五映射层，f9为第四映射层，f8为第一激活特征，f7为卷积特征，f6为第三映射特征，xrms为归一化的输入特征，silu()为sigmoid门控线性单元激活函数，linear()为线性层函数，issm()为issm映射层函数，1dconv()为1d卷积层函数，xin为mamba映射层的输入特征，为mamba映射层输入特征的缩放结果，params为维度为8的可训练参数矩阵，μrms为归一化特征的均方根，ε为设置的常数，xi为实测的煤质参数，w为sigmoid门控线性单元激活函数的输入。

60、上述进一步方案的有益效果为：通过数学表达式，能够清晰简明地显示mamba映射层的处理流程，通过mamba映射层，mism燃煤收到基元素碳含量回归计算模型能够更加灵活地处理数据，同时，能够对mamba映射层进行改动以满足不同的数据特征，增强了，mism燃煤收到基元素碳含量回归计算模型的适应性和实用性。

61、进一步地：所述issm映射层进行映射，其具体实现方式如下：

62、c1：获取issm映射层的输入特征和issm映射层的上一状态矩阵，并分别计算得到issm映射层的系统矩阵、issm映射层的控制矩阵、issm映射层的输出矩阵以及issm映射层的直接传递矩阵；

63、c2：将输入特征与issm映射层的控制矩阵相乘，得到控制特征；

64、c3：将issm映射层的上一状态矩阵和issm映射层的系统矩阵相乘，得到状态特征；

65、c4：将状态特征和控制特征相加，得到issm映射层的当前状态矩阵；

66、c5：将issm映射层的输出矩阵与issm映射层的当前状态矩阵相乘，得到第一特征；

67、c6：将issm映射层的直接传递矩阵与输入矩阵相乘，得到第二特征；

68、c7：将第一特征和第二特征相加，得到issm映射层输出的第五映射特征。

69、上述进一步方案的有益效果为：本发明通过issm映射层进行处理数据特征，能够有效整合和转换特征，增强了模型的动态调整能力和实时响应性，使模型在处理数据时具有更好的性能，能够更准确地输出映射特征。

70、进一步地：所述c1中issm映射层的系统矩阵、issm映射层的控制矩阵、issm映射层的输出矩阵以及issm映射层的直接传递矩阵的计算方式具体如下：

71、d1：获取issm映射层的输入特征；

72、d2：设置维度为m×n的矩阵，并利用l2范数归一化进行初始化，得到初始化的矩阵，其中，m为矩阵的行数，n为矩阵的列数；

73、d3：根据issm映射层的输入特征，利用四个不同的线性层进行处理，分别得到第七映射特征、第八映射特征、第九映射特征以及issm映射层的输出矩阵；

74、d4：根据第七映射特征，利用激活层进行处理，得到第四激活特征；

75、d5：将第四激活特征与第八映射特征相乘，得到issm映射层的控制矩阵；

76、d6：将第四激活特征与初始化的矩阵相乘，得到系统特征；

77、d7：对系统特征进行指数变换，得到issm映射层的系统矩阵；

78、d8：根据第九映射特征，利用激活层进行激活，得到issm映射层的直接传递矩阵。

79、上述进一步方案的有益效果为：通过计算得到issm映射层的系统矩阵、issm映射层的控制矩阵、issm映射层的输出矩阵以及issm映射层的直接传递矩阵，便于后续issm映射层对输入的数据特征进行处理，提高计算效率。

80、进一步地：所述issm映射层的系统矩阵、issm映射层的控制矩阵、issm映射层的输出矩阵以及issm映射层的直接传递矩阵数学表达式分别如下：

81、

82、d＝silu(fs7)

83、

84、b＝fs8×fs6

85、fs8＝silu(fs5)

86、c＝linear4(f)

87、fs7＝linear3(f)

88、fs6＝linear2(f)

89、fs5＝linear1(f)

90、

91、其中，a为issm映射层的系统矩阵，b为issm映射层的控制矩阵，c为issm映射层的输出矩阵，d为issm映射层的直接传递矩阵，f为issm映射层的输入特征，fs9为系统特征，fs8为第四激活特征，fs7为第九映射特征，fs6为第八映射特征，fs5为第七映射特征，linear4、linear3、linear2以及linear1为四个不同的线性层，silu()为sigmoid门控线性单元激活函数，为初始化的矩阵，a为维度为16×n的矩阵，‖ ‖2为l2范数归一化。

92、上述进一步方案的有益效果为：通过上述公式计算issm映射层的系统矩阵、issm映射层的控制矩阵、issm映射层的输出矩阵以及issm映射层的直接传递矩阵，能够提高issm映射层的实用性和可靠性，并体现出科学性。

93、进一步地：所述s3的具体步骤如下：

94、s301：将验证数据作为输入数据，通过训练后的mism燃煤收到基元素碳含量回归计算模型进行计算，得到预测的归一化的燃煤收到基元素碳含量；

95、s302：对预测的归一化的燃煤收到基元素碳含量进行反归一化操作，得到预测的燃煤收到基元素碳含量；

96、s303：计算预测的燃煤收到基元素碳含量与煤质原始数据中的燃煤收到基元素碳含量之间的平均相对误差；

97、s304：判断平均相对误差是否小于等于设定的阈值，若是，则得到认证的mism燃煤收到基元素碳含量回归计算模型，否则，对mism燃煤收到基元素碳含量回归计算模型进行优化，并返回s2。

98、上述进一步方案的有益效果为：利用平均相对误差判断mism燃煤收到基元素碳含量回归计算模型，能够确保模型的可靠性和精准性，提高预测结果的准确性。