基于隨機(jī)森林算法的發(fā)電廠蒸汽溫度調(diào)節(jié)

國電電力天津大港電廠 許 斯

目前在火電廠中PID調(diào)節(jié)技術(shù)被廣泛使用。通過計算并求出設(shè)定值與實(shí)際值間具體的差值，再以這個差值為基礎(chǔ)，結(jié)合比例、積分和微分控制器，以這樣的方式可有效控制變量，這就是PID控制的運(yùn)行過程。PID控制技術(shù)在今天還受到大多數(shù)工業(yè)行業(yè)的青睞，得益于PID控制技術(shù)的簡單算法及自身的高可靠性。但如面對現(xiàn)場情況復(fù)雜、線性分布與標(biāo)準(zhǔn)相差過大、場地內(nèi)有其他的異常值擾亂等不在預(yù)期內(nèi)的突發(fā)狀況時，PID的性能就不能應(yīng)對這些非正常情況了，不能正常工作。

當(dāng)前主流火電廠對蒸汽溫度的主要調(diào)節(jié)手段是使用減溫水進(jìn)行調(diào)節(jié)，調(diào)節(jié)過程的基礎(chǔ)是低溫過熱器的出口溫度穩(wěn)定，才能達(dá)到調(diào)節(jié)目的[1]。而低溫過熱器出口的溫度是與非常多參數(shù)相關(guān)的，包括機(jī)組負(fù)荷、蒸汽流量、鍋爐風(fēng)量、燃煤量等可量化參數(shù)，還包括鍋爐結(jié)焦程度、爐內(nèi)空氣動力場情況、加熱器管內(nèi)結(jié)垢程度等許多不可量化參數(shù)，以及設(shè)備工況的變化、環(huán)境溫度的變化、煤質(zhì)的變化等等因素，都會影響鍋爐受熱情況。

目前的調(diào)節(jié)方法易造成汽輪發(fā)電機(jī)組的效率降低和機(jī)組安全性的問題。針對目前火電站減溫水調(diào)節(jié)的現(xiàn)狀，將機(jī)器學(xué)習(xí)技術(shù)融入到減溫水調(diào)節(jié)中，將對減溫水的調(diào)節(jié)提供新的思路。本文利用機(jī)器學(xué)習(xí)算法來解決蒸汽調(diào)整的問題，來解決過調(diào)、調(diào)節(jié)滯后、水量增加不夠造成超溫、水量波動較大造成溫度長時間不穩(wěn)等問題。

1 利用隨機(jī)森林算法建模

1.1 隨機(jī)森林算法原理

隨機(jī)森立算法是一種集成學(xué)習(xí)思想的應(yīng)用。集成學(xué)習(xí)（Emsemble Learning）是一種思想，通過構(gòu)建并結(jié)合多個學(xué)習(xí)器來完成學(xué)習(xí)任務(wù)的一類算法，可為分類器或回歸器通過特定的方式進(jìn)行融合，形成一個效果較好的強(qiáng)學(xué)習(xí)器，以此來獲取比單個模型更好的回歸或分類表現(xiàn)[2]。隨機(jī)森林（Random Forest）是基于Bagging思想的算法，建立在決策樹模型的基礎(chǔ)之上，結(jié)合Bagging集成思想將多個決策樹結(jié)合到一起，建立每一個決策樹時使用隨機(jī)選取特征的方法。其簡單易實(shí)現(xiàn)，性能強(qiáng)大，是集成學(xué)習(xí)中的代表性算法，在Bagging方法的基礎(chǔ)上增加了對于屬性的隨機(jī)選擇，不同于Bagging方法只有數(shù)據(jù)采樣時的隨機(jī)，正是這個在選擇屬性上的隨機(jī)性，給隨機(jī)森林算法帶來了更好的泛化性能[3]。

1.2 建立模型

用隨機(jī)森林算法建立模型，訓(xùn)練已經(jīng)分割好的數(shù)據(jù)，對目標(biāo)值“一級減溫水”進(jìn)行預(yù)測。利用Python語言的集成庫Scikit-learn中的隨機(jī)森林算法庫文件，通過集成方法庫sklearn.ensemble中的隨機(jī)森林回歸訓(xùn)練器RandomForestRegressor，可方便的建立隨機(jī)森林模型。

模型實(shí)例化。首先，利用導(dǎo)入的庫函數(shù)中的Random Forest Regressor方法，來將模型實(shí)例化。estimator=RandomForestRegressor(random_st ate=0,criterion='mse',bootstrap=True,max_features=None,n_estimators=8,max_depth=None,max_leaf_nodes=None,min_samples_leaf=1,oob_score=True)。Random Forest Regressor有很多重要參數(shù)，參數(shù)調(diào)整是訓(xùn)練模型中重要的步驟。需要用科學(xué)的方法來驗(yàn)證不同參數(shù)時模型的效果。

訓(xùn)練模型。模型實(shí)例化后可對模型進(jìn)行訓(xùn)練。利用fit接口對建立好的模型實(shí)例進(jìn)行訓(xùn)練：regr=estimator.fit(X,y)，其中X是分配好的訓(xùn)練集，y是測試集。模型訓(xùn)練完畢后得到模型regr，通過score接口對模型進(jìn)行評分，其中測試數(shù)據(jù)就是用來訓(xùn)練模型的訓(xùn)練集(X,y)：regr.score(X,y)，得分是0.99106834。這個分?jǐn)?shù)說明模型對訓(xùn)練集的擬合程度非常高，得到了較好的分?jǐn)?shù)，但有過擬合的可能存在，測試模型是否過擬合還需對測試集的數(shù)據(jù)進(jìn)行驗(yàn)證。

利用測試集測試模型。整個數(shù)據(jù)集是由訓(xùn)練集與測試集構(gòu)成的，訓(xùn)練集主要的作用是模型建立，而測試集的作用是檢查模型是否準(zhǔn)確及是否符合標(biāo)準(zhǔn)，此外還能檢查出來模型是否存在擬合的情況。第一步需計算測試集的結(jié)果，這一步需利用preditct接口，可得到y(tǒng)_1=regr.predict(X_test)，隨后利用score計算測試集結(jié)果的分?jǐn)?shù)regr.score(X_test,y_test)，得分是0.93277192。利用袋外數(shù)據(jù)來驗(yàn)證模型的分?jǐn)?shù)regr.oob_score_，輸出結(jié)果是0.93544676。對模型進(jìn)行交叉驗(yàn)證：score=cross_val_score(estimator,X,y).mean()，print('Score with the entire dataset=%.2f'%score)，其得分是0.93。通過測試集和袋外數(shù)據(jù)的分?jǐn)?shù)可看出測試結(jié)果泛化性良好。結(jié)果是基于模型實(shí)例化時初始的參數(shù)，通過對模型參數(shù)的調(diào)整，還可繼續(xù)對模型進(jìn)行優(yōu)化。

1.3 模型參數(shù)的優(yōu)化

模型的參數(shù)關(guān)系著整個模型表現(xiàn)的好壞。RandomForestRegressor函數(shù)的參數(shù)分有兩種，一種是隨機(jī)森林框架的參數(shù)：n_estimators、oob_score、bootstrap、max_samples；另一種是決策樹的參數(shù)：criterion、max_features、max_depth、min_samples_split、min_samples_leaf、max_leaf_nodes。通過坐標(biāo)下降的方法，按照順序逐個對參數(shù)進(jìn)行驗(yàn)證，參數(shù)的調(diào)整順序是：bootstrap，n_estimators，max_features，max_depth，max_leaf_nodes，min_samples_leaf。

Bootstrap。當(dāng)bootstrap為False時，說明決策樹的多樣化差且泛化性能差。如果過擬的現(xiàn)象出現(xiàn)在了訓(xùn)練集中，造成的結(jié)果就是測試集的分?jǐn)?shù)會較低。反之，如果bootstrap不是False而是True時，那么決策樹的多樣化就會提高、泛化性能也會增強(qiáng)，可進(jìn)行有放回的抽取選擇?；谝陨线@兩種情況，最終應(yīng)當(dāng)將bootstrap的參數(shù)定為True；n_estimators。代表隨機(jī)森林中決策樹的數(shù)量。決策樹的數(shù)量與模型的性能是息息相關(guān)的，決策樹的數(shù)量越多，模型性能增加的幅度越大。當(dāng)然模型的性能不能一直這樣增長。當(dāng)決策樹的數(shù)量達(dá)到了一個標(biāo)準(zhǔn)值之后，模型的性能也就達(dá)到了一定的程度，變化幅度不在那么明顯。當(dāng)n_estimators到達(dá)100以后，分?jǐn)?shù)基本上就不會在發(fā)生變化。因此最終n_estimators設(shè)定為100。

max_features。表示建立決策樹時隨機(jī)選取屬性的最大數(shù)，如果想要建立隨機(jī)森林的話，就不能允許max_features的數(shù)值是隨意的，必須要對其進(jìn)行一定的限制?？衫镁W(wǎng)絡(luò)來找到做適合的數(shù)值，數(shù)據(jù)集的屬性加起來一共是36個，而max_features的范圍取range(1,37,5)，也就是說取值要從1開始取值，往后間隔5個再進(jìn)行取值，以此為規(guī)律進(jìn)行相應(yīng)的取值，發(fā)現(xiàn)當(dāng)max_features取值為11時分?jǐn)?shù)是最高的，所以最終的確定值為11。

max_depth。表示每棵決策樹的最大深度，默認(rèn)值是None。如想對決策樹進(jìn)行剪枝，就要對max_depth進(jìn)行合理的設(shè)置。決策樹的深度與模型的偏差值息息相關(guān)，深度越深偏差值就會越小。通過不斷的進(jìn)行取值設(shè)置，發(fā)現(xiàn)max_depth為41時結(jié)果是最優(yōu)的；max_leaf_nodes。表示單棵樹的最大葉子節(jié)點(diǎn)數(shù)。設(shè)置max_leaf_nodes值可對樹進(jìn)行剪枝，最大葉子的節(jié)點(diǎn)數(shù)與測試集的分?jǐn)?shù)是關(guān)聯(lián)的，呈現(xiàn)出正相關(guān)的關(guān)系，也就是隨著前者數(shù)量的變大后者也會隨之變大。通過不斷地實(shí)驗(yàn)發(fā)現(xiàn)，當(dāng)max_leaf_nodes參數(shù)為None時就符合標(biāo)準(zhǔn)，因此最終設(shè)置為None。

min_samples_leaf。表示葉子節(jié)點(diǎn)包含最小樣本數(shù)。如果說數(shù)值比這個參數(shù)小的話，那么這些葉子節(jié)點(diǎn)就會被裁剪掉。所以min_samples_leaf值與剪枝也可說是正相關(guān)的關(guān)系，數(shù)值越大裁剪掉的越多，最后導(dǎo)致模型的偏差也就越大?；谝陨线@種情況，將min_samples_leaf值為1。

至此最終確定參數(shù)及其值如下：'bootstrap'/TRUE、'criterion'/Mse、'max_depth'/41、'max_features'/11、'max_leaf_nodes'/None、'min_samples_leaf'/1、'n_estimators'/100、'n_jobs'/-1、'oob_score'/TRUE、'random_state'/0。

最后測試集結(jié)果是0.942169656，袋外測試結(jié)果是0.942124891。訓(xùn)練集的擬合程度是0.99199292，存在過擬合的情況。原數(shù)據(jù)集的采樣周期是1s，通過查看數(shù)據(jù)集發(fā)現(xiàn)數(shù)據(jù)的重復(fù)值較多，說明采樣周期太短。重采樣可減少重復(fù)值，提高模型對數(shù)據(jù)的敏感度。上述調(diào)整參數(shù)的過程是在數(shù)據(jù)集每30s進(jìn)行重采樣后的數(shù)據(jù)進(jìn)行的。通過用10s采樣周期的數(shù)據(jù)，利用上述模型得到的參數(shù)進(jìn)行訓(xùn)練模型后，得到的最后測試集結(jié)果是0.982981054，袋外測試結(jié)果是0.983475399。隨著數(shù)據(jù)集內(nèi)數(shù)據(jù)量的增加，訓(xùn)練模型效果變好。利用原始沒有進(jìn)行重采樣的數(shù)據(jù)集進(jìn)行模型訓(xùn)練得到測試集結(jié)果是0.999747017，袋外測試結(jié)果是0.9997289。三個數(shù)據(jù)集的結(jié)果比較如表1。

通過表1看出，利用30s重采樣數(shù)據(jù)集對模型進(jìn)行調(diào)參，調(diào)參后的模型再用于原數(shù)據(jù)集進(jìn)行訓(xùn)練，得到了非常理想的效果。

2 結(jié)果分析

測試集數(shù)據(jù)是時間序列，減溫水流量隨著時間的變化。通過繪制測試集的散點(diǎn)圖，能清晰看出減溫水流量隨著時間的變化趨勢，將測試集的實(shí)際值和模型的預(yù)測中繪制于同一個圖中，能方便的看出預(yù)測值的質(zhì)量。繪制對于測試集的減溫水量和預(yù)測量的點(diǎn)圖如圖1。

圖1中X是測試集的真實(shí)值，O是預(yù)測值。從圖中可看出預(yù)測值和實(shí)際值隨時間變化的對比。從散點(diǎn)圖上可看出，隨著數(shù)據(jù)集數(shù)量的增加，訓(xùn)練的模型在測試集上的表現(xiàn)更好。將測試集的實(shí)際值作為y軸，預(yù)測值作為x軸，畫出30s、10s采樣和不采樣的散點(diǎn)圖。

圖2是預(yù)測值與實(shí)際值的相關(guān)性散點(diǎn)圖。圖2中可見在重采樣周期為30s的數(shù)據(jù)集，存在小范圍的偏差。隨著采樣周期的縮短，10s重采樣周期的預(yù)測值和實(shí)際值的偏差減小，但個別散點(diǎn)偏差較大。在原始數(shù)據(jù)集沒有進(jìn)行重采樣的數(shù)據(jù)上，可看出預(yù)測值和實(shí)際值的偏差很小，只有個別點(diǎn)出現(xiàn)了較小的偏差。

利用RMSE（均方根誤差）值可更精確的量化評價結(jié)果，利用隨機(jī)森林算法的模型，在三個不同的重采樣數(shù)據(jù)集中均方根誤差分別為3.74955、2.06013和0.25063，即表現(xiàn)在實(shí)際中的減溫水量誤差大致為3.7t/h、2t/h和0.2t/h。

如圖3，隨著數(shù)據(jù)集數(shù)量的增加、誤差減小，說明增加數(shù)據(jù)集的規(guī)模可減小預(yù)測結(jié)果的誤差。通過圖1可從預(yù)測值和實(shí)際值的點(diǎn)圖中看出不同的RMSE值，相對應(yīng)的誤差表現(xiàn)。在實(shí)際生產(chǎn)過程中，3.7t/h和2t/h的誤差對蒸汽溫度會產(chǎn)生微小的影響，會使蒸汽溫度出現(xiàn)緩慢的變化，而0.2t/h的誤差基本不會對蒸汽溫度造成影響。所以在沒有進(jìn)行重采樣的原始數(shù)據(jù)集中，0.2t/h的誤差是非常好表現(xiàn)了，保證了模型對蒸汽溫度調(diào)節(jié)精確度的要求。

3 結(jié)語

綜上，在電力、煤炭和石油等眾多傳統(tǒng)行業(yè)都存在技術(shù)老舊的問題，這些行業(yè)中技術(shù)體系相對封閉，實(shí)際核心生產(chǎn)環(huán)節(jié)缺少對于前沿技術(shù)的應(yīng)用。原因一是傳統(tǒng)行業(yè)生產(chǎn)技術(shù)人員對于前沿新技術(shù)了解不夠深入，不清楚哪些技術(shù)能利用、如何應(yīng)用；二是傳統(tǒng)生產(chǎn)行業(yè)將安全生產(chǎn)放在第一位，對于新技術(shù)往往持有懷疑態(tài)度，寧可犧牲生產(chǎn)效率也要保證生產(chǎn)安全。本文將隨機(jī)森林算法運(yùn)用到傳統(tǒng)生產(chǎn)行業(yè)，為傳統(tǒng)行業(yè)的生產(chǎn)系統(tǒng)優(yōu)化提供了一種新的思路，工業(yè)化4.0概念的提出，指出了將人工智能和傳統(tǒng)工業(yè)相結(jié)合方向，隨著機(jī)器學(xué)習(xí)技術(shù)的成熟和發(fā)展，勢必會被傳統(tǒng)行業(yè)所接受，屆時將對行業(yè)發(fā)展產(chǎn)生不可估量的影響。