[發(fā)明專利]多晶硅還原工序能耗值的預(yù)測方法、系統(tǒng)、介質(zhì)及設(shè)備

在審

• 申請?zhí)枺?/td>: 201811011310.8
• 申請日: 2018-08-31
• 公開（公告）號: CN109034275A
• 公開（公告）日: 2018-12-18
• 發(fā)明（設(shè)計(jì)）人: 郭久俊
• 申請（專利權(quán)）人: 廣東工業(yè)大學(xué)
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/08;C01B33/03
• 代理公司: 北京集佳知識(shí)產(chǎn)權(quán)代理有限公司 11227
• 代理人: 羅滿

本申請公開了一種多晶硅還原工序能耗值的預(yù)測方法，包括：獲取多晶硅還原工序能耗值的影響因素；利用小波神經(jīng)網(wǎng)絡(luò)算法對影響因素進(jìn)行建模，得到初始化模型；利用SFLA算法對初始化模型進(jìn)行優(yōu)化，得到目標(biāo)模型；利用目標(biāo)模型對目標(biāo)多晶硅還原工序的能耗值進(jìn)行預(yù)測。可見，通過本申請中的方法能夠顯著提高多晶硅還原工序能耗值的預(yù)測精度。相應(yīng)的，本申請公開的一種多晶硅還原工序能耗值的預(yù)測系統(tǒng)、介質(zhì)及設(shè)備，同樣具有上述有益效果。

技術(shù)領(lǐng)域

本發(fā)明涉及生產(chǎn)工藝能耗預(yù)測領(lǐng)域，特別涉及一種多晶硅還原工序能耗值的預(yù)測方法、系統(tǒng)、介質(zhì)及設(shè)備。

背景技術(shù)

多晶硅作為光伏轉(zhuǎn)換器最好的制作材料之一，有95％的太陽能電池都是以多晶硅作為原材料，其主要的生產(chǎn)方法有西門子法、冶金法和碳熱還原法等等。其中，西門子法是生產(chǎn)多晶硅最為成熟的工藝技術(shù)，該工藝流程主要包括三氯氫硅合成工藝、三氯氫硅精餾提純工藝、三氯氫硅還原工藝和尾氣回收再利用工藝。而三氯氫硅還原工藝是多晶硅生產(chǎn)的核心技術(shù)，長期被國外企業(yè)所壟斷，我國工藝技術(shù)水平落后，每生產(chǎn)1kg的多晶硅將消耗10～15kg的三氯氫硅，能量消耗巨大，而利用預(yù)測模型可以對多晶硅還原工序的能耗值進(jìn)行預(yù)測，從而工作人員可以根據(jù)多晶硅還原工序的能耗值對多晶硅還原工序的生產(chǎn)流程進(jìn)行控制，進(jìn)而達(dá)到提高多晶硅生產(chǎn)效率的目的，該方法在目前市場上應(yīng)用較為廣泛。但是，在現(xiàn)有技術(shù)當(dāng)中，大多數(shù)的預(yù)測模型對多晶硅還原工序能耗值進(jìn)行預(yù)測時(shí)，都存在預(yù)測精度較低的問題，由此可見，如何利用一種更好的方法來提高多晶硅還原工序能耗值的預(yù)測精度，是本領(lǐng)域技術(shù)人員亟待解決的問題。

發(fā)明內(nèi)容

有鑒于此，本發(fā)明的目的在于提供一種多晶硅還原工序能耗值的預(yù)測方法、系統(tǒng)、介質(zhì)及設(shè)備，以提高多晶硅還原工序能耗值的預(yù)測精度。其具體方案如下：

一種多晶硅還原工序能耗值的預(yù)測方法，包括：

獲取多晶硅還原工序能耗值的影響因素；

利用小波神經(jīng)網(wǎng)絡(luò)算法對所述影響因素進(jìn)行建模，得到初始化模型；

利用SFLA算法對所述初始化模型進(jìn)行優(yōu)化，得到目標(biāo)模型；

利用所述目標(biāo)模型對目標(biāo)多晶硅還原工序的能耗值進(jìn)行預(yù)測。

優(yōu)選的，所述利用小波神經(jīng)網(wǎng)絡(luò)算法對所述影響因素進(jìn)行建模，得到初始化模型的過程之前，還包括：

對所述影響因素進(jìn)行降維處理。

優(yōu)選的，所述對所述影響因素進(jìn)行降維處理的過程，包括：

利用PCA算法對所述影響因素進(jìn)行降維處理。

優(yōu)選的，所述小波神經(jīng)網(wǎng)絡(luò)算法的模型表達(dá)式為：

式中，n為隱層節(jié)點(diǎn)的個(gè)數(shù)，w_ij為連接隱含層節(jié)點(diǎn)i和輸入層結(jié)點(diǎn)j的權(quán)值，φ_x,y為連續(xù)小波，x為小波神經(jīng)網(wǎng)絡(luò)算法中當(dāng)前隱含節(jié)點(diǎn)的伸縮系數(shù)，y為小波神經(jīng)網(wǎng)絡(luò)算法中當(dāng)前隱含節(jié)點(diǎn)的平移系數(shù)，p為輸入層結(jié)點(diǎn)的個(gè)數(shù)，w_jk為連接隱含層節(jié)點(diǎn)j和輸入層結(jié)點(diǎn)k的權(quán)值。

優(yōu)選的，所述利用SFLA算法對所述初始化模型進(jìn)行優(yōu)化，得到目標(biāo)模型的過程之后，還包括：

利用測試數(shù)據(jù)檢測所述目標(biāo)模型的預(yù)測精度。

優(yōu)選的，所述利用SFLA算法對所述初始化模型進(jìn)行優(yōu)化，得到目標(biāo)模型的過程，包括：

利用SFLA算法建立初始化參數(shù)，以確定蛙群中青蛙的數(shù)量F和族群的數(shù)量m，并計(jì)算所述蛙群中每一只青蛙的適應(yīng)值；

將所有青蛙按照適應(yīng)值的大小進(jìn)行降序排列，并將排序后的F只青蛙按照預(yù)設(shè)分配條件分配至m個(gè)族群當(dāng)中；