具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

在一个实施例中，提供了一种火电厂系统中的数据确定方法。本发明实施例所述的火电厂系统中的数据确定方法的执行主体为能够实现本发明实施例所述的火电厂系统中的数据确定方法的计算机设备，该计算机设备可以包括但不限于终端和服务器。其中，终端包括台式终端和移动终端，台式终端包括但不限于台式电脑和车载电脑；移动终端包括但不限于手机、平板、笔记本电脑和智能手表。服务器包括高性能计算机和高性能计算机集群。

在一个实施例中，如图1所示，提供了一种火电厂系统中的数据确定方法，包括：

步骤100，为处于目标系统中的SCR反应器，生成多个初始数据组，所述初始数据组中包括多个初始数据，所述初始数据包括氨蒸汽入口流量，所述目标系统包括火电厂系统。

SCR反应器，在催化剂作用下，SCR反应器中的还原剂氨蒸汽在一定温度下有选择的将一氧化氮和二氧化氮还原成氮气，而几乎不发生还原剂氨蒸汽与氧气的氧化反应，从而提高了还原剂对一氧化氮和二氧化氮的选择性，减少了还原剂氨蒸汽的消耗。

氨蒸汽入口流量，反映进入到SCR反应器的还原剂氨蒸汽的流量，氨蒸汽入口流量越大，单位时间内进入到SCR反应器的氨蒸汽越多，氨蒸汽入口流量越小，单位时间内进入到SCR反应器的氨蒸汽越少。

火电厂，指火力发电厂。

处于目标系统中的SCR反应器的数量，可以是一个，也可以两个或者两个以上。当处于目标系统中的SCR反应器的数量是一个时，每个初始数据组中包括多个初始数据，该多个初始数据均输入该唯一的SCR反应器，例如，有100组初始数据组，每个初始数据组中有5个初始数据，第i个初始数据组为[Ai1，Ai2，Ai3，Ai4，Ai5]，这100个初始数据组全部输入目标系统中唯一的SCR反应器；当处于目标系统中的SCR反应器的数量是两个或者两个以上时，每个初始数据组中包括多个初始数据，该多个初始数据需要输入目标系统中的各个SCR反应器，例如，有100个初始数据组，目标系统中总共有2个SCR反应器，分别为SCR反应器1和SCR反应器2，第i个初始数据组为[Ai1，Ai2，Ai3，Ai4，Ai5，Ai6，Ai7，Ai8，Ai9，Ai10]，将100个初始数据组中的Ai1，Ai2，Ai3，Ai4，Ai5输入到SCR反应器1，将100个初始数据组中的Ai6，Ai7，Ai8，Ai9，Ai10输入到SCR反应器2。

示例性的，生成多个初始数据组，包括：随机生成多个初始数据组。

在不清楚目标数据组中的各个数据的范围时，可以随机生成多个初始数据组，十分适用于新手操作员。

示例性的，生成多个初始数据组，包括：获取初始数据组中的每个初始数据的参考数据范围；根据初始数据组中的每个初始数据的参考数据范围，生成多个初始数据组。

例如，初始数据组中包括4个初始数据，第一个初始数据的参考数据范围为[P1，P2]，第二个初始数据的参考数据范围为[P3，P4]，第三个初始数据的参考数据范围为[P5，P6]，第四个初始数据的参考数据范围为[P7，P8]，于是，生成的各个初始数据组中的第一个初始数据需要在[P1，P2]内，第二个初始数据需要在[P3，P4]内，第三个初始数据需要在[P5，P6]内，第四个初始数据需要在[P7，P8]内。

由于预先设置了参考数据范围，在参考数据范围内得到目标数据组，相较于随机生成初始数据组，可以减少优化范围，从而减少迭代次数，进而在一定程度上加快得到目标数据组的速度。

步骤200，获取所述SCR反应器对应的反应器数据。

反应器数据，为与SCR反应器相关的数据。例如，SCR反应器入口的烟气温度。

当目标系统中只设置有一个SCR反应器时，获取该SCR反应器对应的反应器数据；当目标系统中设置有两个或者两个以上的SCR反应器时，获取各个SCR反应器对应的反应器数据。

步骤300，将所述SCR反应器对应的反应器数据和所述多个初始数据组输入氮氧化物预测模型，得到所述目标系统对应的多个氮氧化物排出数据组，所述氮氧化物排出数据组中包括多个氮氧化物排出数据。

氮氧化物预测模型，为能够对氮氧化物排出数据进行预测的模型；氮氧化物排出数据，为反映氮氧化排出情况的数据，例如，目标系统对应的氮氧化物排出数据，指烟囱入口的氮氧化物浓度；氮氧化物排出数据组中包括多个氮氧化排出数据，一个初始数据组对应生成一个氮氧化物排出数据组。

步骤400，根据所述目标系统对应的多个氮氧化物排出数据组计算每个所述氮氧化物排出数据组对应的组好评度，所述组好评度用于评估所述初始数据组的优劣。

氮氧化物排出数据组对应的组好评度，用于评估该氮氧化物排出数据组的优劣，由于一个初始数据组对应生成一个氮氧化物排出数据组，因此，氮氧化物排出数据组的优劣也反映了初始数据组的优劣。氮氧化物排出数据组对应的组好评度越高，说明氮氧化物排出数据组越优秀，即初始数据组越优秀，氮氧化物排出数据组对应的组好评度越低，说明氮氧化物排出数据组越差劲，即初始数据组越差劲。

由于氮氧化物排出数据组中的各个氮氧化物排出数据会对空气造成污染，排出越多，对空气污染越大，排出越少，对空气污染越小，因此，可以对氮氧化物排出数据组中的各个氮氧化物排出数据进行污染分析，根据污染分析的结果，确定氮氧化物排出数据组对应的组好评度，例如，污染分析结果为污染越小，则氮氧化物排出数据组越优秀，氮氧化物排出数据组对应的组好评度越大；污染分析结果为污染越大，则氮氧化物排出数据组越差劲，氮氧化物排出数据组对应的组好评度越小。

提供一个确定氮氧化物排出数据组对应的组好评度的示例，获取参考限排损失，将氮氧化物排出数据组中的各个氮氧化物排出数据分别减去参考限排损失，得到氮氧化物排出数据组中的各个氮氧化物排出数据的数据好评度，将氮氧化物排出数据组中的各个氮氧化物排出数据的数据好评度相加，得到氮氧化物排出数据组对应的组好评度。例如，氮氧化物排出数据组为[D1，D2，D3，D4，D5]，参考限排损失为Dc，于是，氮氧化物排出数据组对应的组好评度为：(D1-Dc)+(D2-Dc)(D3-Dc)+(D4-Dc)+(D5-Dc)。

步骤500，若所述多个所述组好评度中最大的组好评度不满足目标条件，则根据所述多个初始数据组生成下一次输入所述氮氧化物预测模型的多个初始数据组，直至最大的组好评度满足所述目标条件时，得到目标数据组。

目标条件，为预先设置的判断最大的组好评度的优劣的条件，例如，目标条件为最大的组好评度大于预设好评度，其中，预设好评度，为预先设置的一个好评度，该预设好评度的值可以设置的相对大一些，从而可以使得得到的目标数据组更加的优秀(例如，对环境的污染越小)，相应的，若所述多个所述组好评度中最大的组好评度不满足目标条件，则根据所述多个初始数据组生成下一次输入所述氮氧化物预测模型的多个初始数据组，包括：若所述多个所述组好评度中最大的组好评度小于预设好评度，则根据所述多个初始数据组生成下一次输入所述氮氧化物预测模型的多个初始数据组；再如，目标条件为多个所述组好评度中最大的组好评度对应的计算次数达到预定次数，其中，预定次数，为预先设置的次数，相应的，若所述多个所述组好评度中最大的组好评度不满足目标条件，则根据所述多个初始数据组生成下一次输入所述氮氧化物预测模型的多个初始数据组，包括：若所述多个所述组好评度中最大的组好评度对应的计算次数小于预设次数，则根据所述多个初始数据组生成下一次输入所述氮氧化物预测模型的多个初始数据组，步骤400每执行一次，则多个所述组好评度中最大的组好评度对应的计算次数增加1；再如，目标条件为所述多个所述组好评度中最大的组好评度与上一个最大的组好评度的差值的绝对值小于预设绝对值，相应的，若所述多个所述组好评度中最大的组好评度不满足目标条件，则根据所述多个初始数据组生成下一次输入所述氮氧化物预测模型的多个初始数据组，包括：若所述多个所述组好评度中最大的组好评度与上一个“多个组好评度中最大的组好评度”的差值的绝对值大于或等于预设值绝对值，则根据所述多个初始数据组生成下一次输入所述氮氧化物预测模型的多个初始数据组，例如，假设当前根据多个初始数据组和SCR反应器对应的反应器数据计算得到多个组好评度中最大的组好评度为A，上一次根据多个初始数据组和SCR反应器对应的反应器数据计算得到多个组好评度中最大的组好评度为B，于是，上一个“多个组好评度中最大的组好评度”为B，若|A-B|大于或等于预设绝对值C，则生成下一次输入所述氮氧化物预测模型的多个初始数据组，直至多个组好评度中最大的组好评度与上一个“多个组好评度中最大的组好评度”的差值的绝对值小于C时，得到目标数据组。

从多个氮氧化物排出数据组对应的组好评度中获取到最大的组好评度，若最大的组好评度仍然小于预设好评度，则根据多个初始数据组生成下一次输入氮氧化物预测模型的多个初始数据组，重复执行步骤300到步骤500，直至最大的组好评度满足目标条件时，得到目标数据组，其中，目标数据组，为能够得到较优的氮氧化物排出数据组的初始数据组。

上述实施例，为目标系统中的SCR反应器，生成了多个初始数据组，然后将初始数据组和SCR反应器对应的反应器数据输入氮氧化物预测模型，通过该氮氧化物预测模型对氮氧化物排出数据进行了预测，然后根据预测得到的氮氧化物排出数据计算了组好评度，也即计算了初始数据组的好评度，当最大的组好评度满足目标条件时，得到目标数据组。由此可见，通过上述方式，不需要不断的调节，而只需要在反应器数据确定的情况下，通过计算组好评度的方式，选择出最优的目标数据组，相较于人工调节的方式，提高了调节效率，并且，通过这样的方式，能够很快速的得到最优的目标数据组(氨蒸汽入口流量)。

在一个实施例中，反应器数据包括：工况数据、时间数据、导数数据和时延数据。

工况数据，为反映SCR反应器工作情况的数据，例如，工况数据包括SCR入口压力、SCR出入口压差高、SCR入口烟气温度、SCR入口氧气、锅炉负荷。其中，SCR入口压力为SCR反应器入口处的烟气的压力；SCR出入口压差高，为SCR反应器出口的烟气的压力与SCR反应器入口处的烟气的压力之差；SCR入口烟气温度，为SCR反应器入口处的烟气的温度；SCR入口氧气，反映进入到SCR反应器的氧气的情况；锅炉负荷，为锅炉发电的功率的大小，锅炉负荷也会对SCR反应器输出的氮氧化物产生影响。

时间数据，为各个数据对应的时间，例如，数据为初始数据[Ai1，Ai2，Ai3，Ai4，Ai5]，则初始数据对应的时间为[T_Ai1，T_Ai2，T_Ai3，T_Ai4，T_Ai5]，再如，数据为锅炉负荷，假设锅炉负荷为[G1，G2，G3，G4，G5]，则锅炉负荷对应的时间为[T_G1，T_G2，T_G3，T_G4，T_G5]。

导数数据，为对数据进行求导，例如，数据为锅炉负荷，则对锅炉负荷求导，通过对锅炉负荷求导，可判断锅炉负荷的变化趋势，是变大还是变小。

时延数据，为距离当前一段时间内的SCR反应器出口的氮氧化物排出数据(氮氧化物浓度)，例如，当前时间为10点30分00秒，一段时间为5分钟，则时延数据为[S1，S2，S3，S4，S5]，其中，S1为10点25分00秒的SCR反应器出口的氮氧化物排出数据，S2为10点26分00秒的SCR反应器出口的氮氧化物排出数据，S3为10点27分00秒的SCR反应器出口的氮氧化物排出数据，S4为10点28分00秒的SCR反应器出口的氮氧化物排出数据，S5为10点29分00秒的SCR反应器出口的氮氧化物排出数据。

上述实施例，由于在得到目标数据组的过程中不仅输入了多个初始数据组，还输入了多种SCR反应器数据，使得最终得到的目标数据组更加的精确。

在一个实施例中，所述目标系统中设置有多个SCR反应器，所述氮氧化物预测模型中包括预测神经网络和每个所述SCR反应器对应的序列到序列模型；步骤300所述将所述SCR反应器对应的反应器数据和所述多个初始数据组输入氮氧化物预测模型，得到所述目标系统对应的多个氮氧化物排出数据组，包括：

步骤301，对所述多个SCR反应器中的每一个SCR反应器，将所述SCR反应器对应的工况数据、时间数据、导数数据，与，所述多个初始数据组中和所述SCR反应器对应的初始数据，输入所述SCR反应器对应的序列到序列模型，得到所述SCR反应器出口的多个出口数据组，每个所述出口数据组中包括多个出口数据，所述出口数据包括氮氧化物排出数据。

序列到序列模型，由编码器和解码器组成，编码器用于对输入进行编码，得到编码特征，解码器用于根据编码特征进行解码，得到想要的输出，如图2所示，x1到x5组成了序列到序列模型的输入，v1到v5组成了序列到序列模型的输出，由于hi(i>＝2)是由hi-1和xi生成的，因此，为了保持整体的结构一致，当i＝1时，设置h0，以生成h1，同样的，由于qi(i>＝2)是由qi-1和C生成的，因此，为了保持整体的结构一致，当i＝1时，设置q0，以生成q1。在本发明实施例中，x1到x5是不同时间的数据(包括初始数据、工况数据、时间数据、导数数据)，v1到v5是不同时间的输出(氮氧化物排出数据)。

SCR反应器出口的氮氧化物排出数据是氮氧化物预测模型的中间结果，需要结合目标系统中所有的SCR反应器出口的氮氧化物排出数据得到烟囱入口的氮氧化物排出数据。

例如图3，有2个SCR反应器，分别为SCR反应器1和SCR反应器2，氮氧化物预测模型中包括：SCR反应器1对应的序列到序列模型1，和，SCR反应器2对应的序列到序列模型2，对于第i个初始数据组，将SCR反应器1对应的工况数据1、时间数据1、导数数据1，与，第i个初始数据组中和SCR反应器1对应的初始数据[Ai1，Ai2，Ai3，Ai4，Ai5]，输入序列到序列模型1，得到SCR反应器1出口的多个出口数据组[Mi1，Mi2，Mi3，Mi4，Mi5]，将SCR反应器2对应的工况数据2、时间数据2、导数数据2，与，第i个初始数据组中和SCR反应器2对应的初始数据[Ai6，Ai7，Ai8，Ai9，Ai10]，输入序列到序列模型2，得到SCR反应器2出口的多个出口数据组[Mi6，Mi7，Mi8，Mi9，Mi10]。

步骤302，将各个所述SCR反应器出口的多个出口数据组和各个所述SCR反应器对应的时延数据输入所述预测神经网络，得到所述目标系统对应的多个氮氧化物排出数据组。

预测神经网络，为结合目标系统中所有的SCR反应器出口的氮氧化物排出数据以及时延数据得到烟囱入口的氮氧化物排出数据的神经网络。

如图3，将SCR反应器1出口的多个出口数据组[Mi1，Mi2，Mi3，Mi4，Mi5]、SCR反应器1对应的时延数据1、SCR反应器2出口的多个出口数据组[Mi6，Mi7，Mi8，Mi9，Mi10]、SCR反应器2对应的时延数据2，输入预测神经网络，得到目标系统对应的第i个氮氧化物排出数据组[Di1，Di2，Di3，Di4，Di5]。

上述实施例，当目标系统中有多个SCR反应器时，为每个SCR反应器都建立了一个序列到序列模型，以对每个SCR反应器出口的出口数据(氮氧化物排出数据)进行预测，从而提高最终预测得到的氮氧化物排出数据的准确率。

在一个实施例中，在步骤100所述为处于目标系统中的SCR反应器，生成多个初始数据组之前，还包括：

步骤000，对所述氮氧化物预测模型进行训练。

获取目标系统中的每个SCR反应器对应的反应器训练数据；获取目标系统中的每个SCR反应器对应的初始训练数据组，所述初始训练数据组中包括多个初始训练数据，所述初始训练数据包括氨蒸汽入口训练流量；获取真实氮氧化物排出数据组；获取每个SCR反应器出口的真实出口数据组；将每个SCR反应器对应的反应器训练数据和初始训练数据组输入氮氧化物预测模型，得到每个SCR反应器出口的训练出口数据组和训练氮氧化物排出数据组；根据每个SCR反应器出口的训练出口数据组和相应的SCR反应器出口的真实出口数据组计算每个SCR反应器对应的出口损失；根据训练氮氧化物排出数据组和真实氮氧化物排出数据组计算排出损失；将排出损失和每个SCR反应器对应的出口损失求和，得到总损失；根据总损失，对氮氧化物预测模型进行训练，直至总损失小于预设总损失时，得到训练好的氮氧化物预测模型。

示例性的，采用平均绝对误差MAE计算出口损失和排出损失。

为了保证训练精度，需要保证参与训练的各个数据的可靠性，因此，获取目标系统中的每个SCR反应器对应的反应器训练数据和初始训练数据组，包括：获取目标系统中的每个SCR反应器对应的反应器原始训练数据和初始原始训练数据组；对目标系统中的每个SCR反应器对应的反应器原始训练数据和初始原始训练数据组进行剔除异常值处理，得到目标系统中的每个SCR反应器对应的反应器训练正常数据和初始训练正常数据组；对目标系统中的每个SCR反应器对应的反应器训练正常数据和初始训练正常数据组进行缺失数据填补处理，得到目标系统中的每个SCR反应器对应的反应器训练数据和初始训练数据组。

例如，假设一个初始原始训练数据组中有30个初始训练数据，其中，有2个初始训练数据有异常(例如，通过箱型图识别30个初始训练数据中有异常的初始训练)，因此，将这2个有异常的初始训练数据剔除，得到只包含有28个初始训练数据的初始原始训练数据组，由于剔除异常数据后，初始原始训练数据组中只包含了28个初始训练数据，缺失了2个，因此，需要对初始原始训练数据组进行缺失数据填补处理，例如，采用线性插值的方法对锅炉负荷进行缺失数据填补处理，得到包含30个初始训练数据的初始训练数据组。

上述实施例，实现了对氮氧化物排出模型的训练。

在一个实施例中，步骤400所述根据所述目标系统对应的多个氮氧化物排出数据组计算每个所述氮氧化物排出数据组对应的组好评度，包括：

步骤401，根据所述目标系统对应的目标氮氧化物排出数据组和第一参考氮氧化物排出数据计算所述目标氮氧化物排出数据组对应的一级限排损失。

第一参考氮氧化物排出数据，为预先设置的会严重影响环境的排出数据，例如，第一参考氮氧化物排出数据为国家要求的一级限排数据。

例如，假设第一参考氮氧化物排出数据为Y1，目标氮氧化物排出数据组为[Di1，Di2，Di3，Di4，Di5]，于是，一级限排损失为：(Di1-Y1)+(Di2-Y1)+(Di3-Y1)+(Di4-Y1)+(Di5-Y1)。

步骤402，根据所述目标系统对应的目标氮氧化物排出数据组和第二参考氮氧化物排出数据计算所述目标氮氧化物排出数据组对应的二级限排损失。

第二参考氮氧化物排出数据，为预先设置的会在一定程度上影响环境的排出数据，例如，第二参考氮氧化物排出数据为国家要求的二级限排数据。

例如，假设第二参考氮氧化物排出数据为Y2，目标氮氧化物排出数据组为[Di1，Di2，Di3，Di4，Di5]，于是，二级限排损失为：(Di1-Y2)+(Di2-Y2)+(Di3-Y2)+(Di4-Y2)+(Di5-Y2)。

步骤403，根据所述目标氮氧化物排出数据组对应的初始数据组和参考数据组计算所述目标氮氧化物排出数据组对应的数据消耗损失。

参考数据组，为预先设置的用于衡量初始数据组的数据的大小的数据组。例如，假设目标氮氧化物排出数据组对应的初始数据组为[Ai1，Ai2，Ai3，Ai4，Ai5]，参考数据组为[Ac1，Ac2，Ac3，Ac4，Ac5]，即参考数据组中的各个值不同，则目标氮氧化物排出数据组对应的数据消耗损失为(Ai1-Ac1)+(Ai2-Ac2)+(Ai3-Ac3)+(Ai4-Ac4)+(Ai4-Ac4)+(Ai5-Ac5)；再如，参考数据组为[Ac，Ac，Ac，Ac，Ac]，即参考数据组中的各个值相同，则目标氮氧化物排出数据组对应的数据消耗损失为(Ai1-Ac)+(Ai2-Ac)+(Ai3-Ac)+(Ai4-Ac)+(Ai4-Ac)+(Ai5-Ac)。

步骤404，根据所述目标系统对应的目标氮氧化物排出数据组计算所述目标氮氧化物排出数据组对应的平衡度。

假设目标氮氧化物排出数据组为[Di1，Di2，Di3，Di4，Di5]，于是，目标氮氧化物排出数据组对应的平衡度为：((Di1-D)²+(Di2-D)²+(Di3-D)²+(Di4-D)²+(Di5-D)²)/5，其中，D为Di1，Di2，Di3，Di4，Di5的均值。

步骤405，将所述目标氮氧化物排出数据组对应的一级限排损失、二级限排损失、数据消耗损失和平衡度得到所述目标氮氧化物排出数据组对应的组好评度。

获取一级限排损失对应的第一权重，二级限排损失对应的第二权重，数据消耗损失对应的第三权重和平衡度对应的第四权重；根据一级限排损失对应的第一权重、二级限排损失对应的第二权重、数据消耗损失对应的第三权重和平衡度对应的第四权重，对一级限排损失、二级限排损失、数据消耗损失和平衡度进行加权求和，得到目标氮氧化物排出数据组对应的组好评度。

例如，第一权重为a1，第二权重为a2，第三权重为a3，第四权重为a4，一级限排损失为j1，二级限排损失为j2，数据消耗损失为j3，,平衡度为j4，则初步组好评度为：a1×j1+a2×j2+a3×j3+a4×j4+a5×j5；再根据初步组好评度，得到组好评度。

上述实施例，结合四个损失来生成组好评度，提高了组好评度的准确率。

在一个实施例中，步骤500所述根据所述多个初始数据组生成下一次输入所述氮氧化物预测模型的多个初始数据组，包括：

步骤501，根据所述初始数据组对应的组好评度的大小确定所述初始数据组对应的组合概率。

初始数据组对应的组好评度越大，则确定初始数据组对应的组合概率越大；初始数据组对应的组好评度越小，则确定初始数据组对应的组合概率越小。例如，总共有4个初始数据组，4个初始数据组对应的组好评度分别为：，K1，K2，K3和K4，且，K1<K2<K3<K4，于是，确定4个初始数据组对应的组合概率为R1，R2，R3和R4，且R1<R2<R3<R4。

步骤502，根据每个所述初始数据组对应的组合概率生成下一次输入所述氮氧化物预测模型的多个初始数据组。

组合概率越高的，被用来生成下一次输入氮氧化物预测模型的初始数据组的次数越多；组合概率越低的，被用来生成下一次输入氮氧化物预测模型的初始数据组的次数越少。通过这样的方式，可以将优秀的初始数据组进行组合得到下一次输入氮氧化物预测模型的多个初始数据组，由于是将优秀的初始数据组进行组合，从而可以提高得到目标初始数据组的速度。

上述实施例，提供了一种生成多个初始数据组的方法，具体的是根据组好评度生成下一次输入所述氮氧化物预测模型的多个初始数据组，可以理解的是，组好评度高的初始数据组将具有更高概率的用来生成下一次输入所述氮氧化物预测模型的初始数据组，从而提高得到目标数据组的速度。

在一个实施例中，步骤501所述根据所述初始数据组对应的组好评度的大小确定所述初始数据组对应的组合概率，包括：

步骤501A，将所述多个初始数据组对应的组好评度相加，得到总好评度。

例如，总共有4个初始数据组，4个初始数据组对应的组好评度分别为：K1，K2，K3和K4，于是，总好评度为K1+K2+K3+K4。

步骤501B，将所述初始数据组对应的组好评度除以所述总好评度，得到所述初始数据组对应的组合概率。

再如上例子，4个初始数据组对应的组合概率为：R1＝K1/(K1+K2+K3+K4)，R2＝K2/(K1+K2+K3+K4)，R＝K3/(K1+K2+K3+K4)，R4＝K4/(K1+K2+K3+K4)。

上述实施例，提供了一种确定组合概率的方法，上述方法通过求组好评度占总好评度比例的方式即可简单得到组合概率。

在一个实施例中，步骤502所述根据每个所述初始数据组对应的组合概率生成下一次输入所述氮氧化物预测模型的多个初始数据组，包括：

步骤502A，根据每个所述初始数据组对应的组合概率的大小，将所述多个初始数据组进行两两组合，得到多个初始数据组对。

例如，有6个初始数据组，分别为U1，U2，U3，U4，U5，U6，对应的组合概率的大小关系分别为：R1<R2<R3<R4<R5<R6，由于组合概率越大，参与组合的次数需越多，因此，R6对应的初始数据组的组合次数>＝R5对应的初始数据组的组合次数>＝R4对应的初始数据组的组合次数>＝R3对应的初始数据组的组合次数>＝R2对应的初始数据组的组合次数>＝R1对应的初始数据组的组合次数，于是，可以得到3个初始数据组对为(U6，U5)，(U6，U4)，(U5，U3)，当然，也可以得到3个初始数据组对为(U6，U5)，(U6，U4)，(U6，U3)，只要满足上述组合次数的大小关系即可。

步骤502B，将所述多个初始数据组对中的两个初始数据组进行交叉，得到多个交叉数据组对。

例如，初始数据组对为(U6，U5)，其中，U6为[A61，A62，A63，A64，A65，A66，A67，A68，A69，A610]，U5为[A51，A52，A53，A54，A55，A56，A57，A58，A59，A510]，将初始数据组U6和U5中的每一个初始数据转换为二进制数据，例如，用Aij’表示Aij的二进制数据(例如，假设A61，则A61的二进制数据A61’为01010100)，于是，可以得到初始数据组U6对应的二进制数据为：A61’A62’A63’A64’A65’，初始数据组U5对应的二进制数据为：A51’A52’A53’A54’A55’，以二进制的方式对A61’A62’A63’A64’A65’和A51’A52’A53’A54’A55’进行表示，分别为：

010101000101011001011100011101001101010001011100，

010101010111011101001100001100100100110101111101。

对两个初始数据组进行交叉，得到交叉数据组对。图4提供了一种交叉示例，可见，由于已经将初始数据组表示为了二进制数据，于是，通过对二进制数据进行交叉，可以实现对两个初始数据组的交叉，如图4所示，可以通过一次交叉，或者，多次交叉，实现对两个初始数据组的交叉，得到交叉数据组对。

步骤502C，将所述交叉数据组对中的两个初始数据组进行变异，得到下一次输入所述氮氧化物预测模型的多个初始数据组。

图5展示了一次交叉得到交叉数据组对中的两个初始数据组的变异过程，例如，将010101000101011001011100011101001101110001011100进行两次变异，得到000100000101011001011100011101001101110001011100，将010101010111011101001100001100100100010101111101进行一次变异，得到000101010111011101001100001100100100010101111101。

上述实施例，通过组合数据对、交叉数据对和变异的方式，生成了下一次输入氮氧化物预测模型的多个初始数据组。

在一个实施例中，提供了一种火电厂系统中的数据确定装置600，包括：

生成模块601，用于为处于目标系统中的SCR反应器，生成多个初始数据组，所述初始数据组中包括多个初始数据，所述初始数据包括氨蒸汽入口流量，所述目标系统包括火电厂系统；

获取模块602，用于获取所述SCR反应器对应的反应器数据；

得到模块603，用于将所述SCR反应器对应的反应器数据和所述多个初始数据组输入氮氧化物预测模型，得到所述目标系统对应的多个氮氧化物排出数据组，所述氮氧化物排出数据组中包括多个氮氧化物排出数据；

计算模块604，用于根据所述目标系统对应的多个氮氧化物排出数据组计算每个所述氮氧化物排出数据组对应的组好评度，所述组好评度用于评估所述初始数据组的优劣；

循环模块605，用于若所述多个所述组好评度中最大的组好评度不满足目标条件，则根据所述多个初始数据组生成下一次输入所述氮氧化物预测模型的多个初始数据组，直至最大的组好评度满足所述目标条件时，得到目标数据组。

在一个实施例中，所述计算模块604，具体用于：根据所述目标系统对应的目标氮氧化物排出数据组和第一参考氮氧化物排出数据计算所述目标氮氧化物排出数据组对应的一级限排损失；根据所述目标系统对应的目标氮氧化物排出数据组和第二参考氮氧化物排出数据计算所述目标氮氧化物排出数据组对应的二级限排损失；根据所述目标氮氧化物排出数据组对应的初始数据组和参考数据组计算所述目标氮氧化物排出数据组对应的数据消耗损失；根据所述目标系统对应的目标氮氧化物排出数据组计算所述目标氮氧化物排出数据组对应的平衡度；将所述目标氮氧化物排出数据组对应的一级限排损失、二级限排损失、数据消耗损失和平衡度得到所述目标氮氧化物排出数据组对应的组好评度。

在一个实施例中，所述循环模块605，具体用于：根据所述初始数据组对应的组好评度的大小确定所述初始数据组对应的组合概率；根据每个所述初始数据组对应的组合概率生成下一次输入所述氮氧化物预测模型的多个初始数据组。

在一个实施例中，所述循环模块605，具体用于：将所述多个初始数据组对应的组好评度相加，得到总好评度；将所述初始数据组对应的组好评度除以所述总好评度，得到所述初始数据组对应的组合概率。

在一个实施例中，所述循环模块605，具体用于：根据每个所述初始数据组对应的组合概率的大小，将所述多个初始数据组进行两两组合，得到多个初始数据组对；将所述多个初始数据组对中的两个初始数据组进行交叉，得到多个交叉数据组对；将所述交叉数据组对中的两个初始数据组进行变异，得到下一次输入所述氮氧化物预测模型的多个初始数据组。

在一个实施例中，所述反应器数据包括工况数据、时间数据、导数数据和时延数据。

在一个实施例中，所述目标系统中设置有多个SCR反应器，所述氮氧化物预测模型中包括预测神经网络和每个所述SCR反应器对应的序列到序列模型。

在一个实施例中，如图7所示，提供了一种计算机设备，该计算机设备具体可以是终端或服务器。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口，存储器包括非易失性存储介质和内存储器，该计算机设备的非易失性存储介质存储有操作系统，还可存储有计算机程序，该计算机程序被处理器执行时，可使得处理器实现火电厂系统中的数据确定方法。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。该内存储器中也可储存有计算机程序，该计算机程序被处理器执行时，可使得处理器执行火电厂系统中的数据确定方法。本领域技术人员可以理解，图7中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

本申请提供的火电厂系统中的数据确定方法可以实现为一种计算机程序的形式，计算机程序可在如图7所示的计算机设备上运行。计算机设备的存储器中可存储组成火电厂系统中的数据确定装置的各个程序模板。比如，生成模块601、获取模块602和得到模块603。

一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如下步骤：

为处于目标系统中的SCR反应器，生成多个初始数据组，所述初始数据组中包括多个初始数据，所述初始数据包括氨蒸汽入口流量，所述目标系统包括火电厂系统；

获取所述SCR反应器对应的反应器数据；

将所述SCR反应器对应的反应器数据和所述多个初始数据组输入氮氧化物预测模型，得到所述目标系统对应的多个氮氧化物排出数据组，所述氮氧化物排出数据组中包括多个氮氧化物排出数据；

根据所述目标系统对应的多个氮氧化物排出数据组计算每个所述氮氧化物排出数据组对应的组好评度，所述组好评度用于评估所述初始数据组的优劣；

若所述多个所述组好评度中最大的组好评度不满足目标条件，则根据所述多个初始数据组生成下一次输入所述氮氧化物预测模型的多个初始数据组，直至最大的组好评度满足所述目标条件时，得到目标数据组。

在一个实施例中，提供了一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行以下步骤：

为处于目标系统中的SCR反应器，生成多个初始数据组，所述初始数据组中包括多个初始数据，所述初始数据包括氨蒸汽入口流量，所述目标系统包括火电厂系统；

获取所述SCR反应器对应的反应器数据；

将所述SCR反应器对应的反应器数据和所述多个初始数据组输入氮氧化物预测模型，得到所述目标系统对应的多个氮氧化物排出数据组，所述氮氧化物排出数据组中包括多个氮氧化物排出数据；

根据所述目标系统对应的多个氮氧化物排出数据组计算每个所述氮氧化物排出数据组对应的组好评度，所述组好评度用于评估所述初始数据组的优劣；

若所述多个所述组好评度中最大的组好评度不满足目标条件，则根据所述多个初始数据组生成下一次输入所述氮氧化物预测模型的多个初始数据组，直至最大的组好评度满足所述目标条件时，得到目标数据组。

需要说明的是，上述火电厂系统中的数据确定方法、火电厂系统中的数据确定装置、计算机设备及计算机可读存储介质属于一个总的发明构思，火电厂系统中的数据确定方法、火电厂系统中的数据确定装置、计算机设备及计算机可读存储介质实施例中的内容可相互适用。

在本申请所提供的实施例中，应该理解到，所揭露装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。另外，作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。再者，在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。以上所述仅为本申请的实施例而已，并不用于限制本申请的保护范围，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。