[發(fā)明專利]基于數(shù)字孿生的工業(yè)加熱爐溫度場預(yù)測方法

在審

• 申請?zhí)枺?/td>: 202011113821.8
• 申請日: 2020-10-17
• 公開（公告）號: CN112528569A
• 公開（公告）日: 2021-03-19
• 發(fā)明（設(shè)計(jì)）人: 李濤;孫全勝;王津申;王艷麗;李洪濤;郭拂娟;李夢瑤;歐陽彤彬;孫磊;武姝潔;景大尉;梁江衛(wèi);鄧文博;荊瑞靜;曹德成
• 申請（專利權(quán)）人: 中國石油化工股份有限公司
• 主分類號: G06F30/28
• 分類號: G06F30/28;G06F113/08;G06F119/08;G06F119/14
• 代理公司: 天津市北洋有限責(zé)任專利代理事務(wù)所 12201
• 代理人: 杜文茹

一種基于數(shù)字孿生的工業(yè)加熱爐溫度場預(yù)測方法：建立工業(yè)加熱爐的數(shù)據(jù)集，包括工況數(shù)據(jù)和根據(jù)CFD仿真溫度場確定溫度場；進(jìn)行數(shù)據(jù)處理：對工況各數(shù)據(jù)進(jìn)行歸一化處理、根據(jù)溫度場還原爐膛平面溫度云圖；改進(jìn)cGAN網(wǎng)絡(luò)的損失函數(shù)；訓(xùn)練改進(jìn)的cGAN網(wǎng)絡(luò)；在完成網(wǎng)絡(luò)訓(xùn)練之后，得到一個以工況作為輸入，溫度矩陣作為輸出的生成器，再分別將不同平面的工況數(shù)據(jù)輸入所述的生成器，最終得到工業(yè)加熱爐溫度場。本發(fā)明大大節(jié)省了計(jì)算過程的時間空間消耗，并且能夠獲得實(shí)時溫度場。同時，深度學(xué)習(xí)得到的映射模型具有較好的遷移能力，這為很多研究場景提供了更多更快捷的數(shù)據(jù)來源。

技術(shù)領(lǐng)域

本發(fā)明涉及一種工業(yè)加熱爐溫度場預(yù)測方法。特別是涉及一種基于數(shù)字孿生的工業(yè)加熱爐溫度場預(yù)測方法。

背景技術(shù)

工業(yè)加熱爐是工業(yè)煉化裝置的重要設(shè)備，是否安全運(yùn)行直接影響到裝置的使用壽命、生產(chǎn)能力和經(jīng)濟(jì)效益。工業(yè)加熱爐燃燒過程不穩(wěn)定，在運(yùn)行過程中，可能會在隨機(jī)位置出現(xiàn)局部超溫。而工業(yè)加熱爐的爐管多由易結(jié)焦工藝介質(zhì)構(gòu)成，若加熱爐的某局部位置長時間運(yùn)行在超溫狀態(tài)，會導(dǎo)致爐管損耗和破壞，因此必須采取措施優(yōu)化加熱爐溫度場的燃燒狀況。但加熱爐設(shè)備龐大、環(huán)境惡劣，因此難以對有關(guān)物理量參數(shù)進(jìn)行在線測量，導(dǎo)致燃燒調(diào)整得不到可靠的依據(jù)，燃燒優(yōu)化運(yùn)行難以實(shí)現(xiàn)，只能建立工業(yè)加熱爐溫度場的數(shù)字孿生模型。

數(shù)字孿生模型充分利用物理模型、傳感器數(shù)據(jù)、運(yùn)行歷史數(shù)據(jù)等，集成多學(xué)科、多物理量、多尺度的仿真過程，在虛擬空間中完成對物理實(shí)體的映射，從而反映物理實(shí)體的運(yùn)行過程。

CFD是計(jì)算流體力學(xué)(Computational Fluid Dynamics)的縮寫，CFD也是數(shù)字孿生模型的一種。CFD利用數(shù)值分析的方法，解決涉及流體流動的問題。工業(yè)加熱爐溫度、流量等工況數(shù)據(jù)可以作為CFD計(jì)算的依據(jù)，從而可以得到工業(yè)加熱爐內(nèi)部的一系列點(diǎn)的溫度計(jì)算值。 CFD可以計(jì)算出十分詳盡豐富的工業(yè)加熱爐三維溫度場數(shù)據(jù)。但CFD計(jì)算量大，收斂慢，難以獲得實(shí)時溫度場。

基于深度學(xué)習(xí)的建模方法也屬于數(shù)字孿生模型，它運(yùn)用到深度神經(jīng)網(wǎng)絡(luò)(DeepNeural Network，簡稱DNN)，具有很強(qiáng)的近似和收斂能力。對于工業(yè)過程中復(fù)雜非線性過程，DNN 表現(xiàn)出很好的性能。但DNN完全由數(shù)據(jù)驅(qū)動，它的性能依賴于數(shù)據(jù)集的豐富程度。

因此有研究者提出CFD與DNN相結(jié)合的方案，即先使用CFD計(jì)算出有限的仿真溫度場，并且進(jìn)行數(shù)據(jù)擴(kuò)充，然后將仿真溫度場作為訓(xùn)練標(biāo)簽進(jìn)行訓(xùn)練。cGAN是 GAN(GenerativeAdversarialNets，生成對抗網(wǎng)絡(luò))的改進(jìn)版本。GAN包含生成器和判別器兩部分，生成器利用輸入的隨機(jī)噪聲生成特定的數(shù)據(jù)，判別器的作用是判斷輸入數(shù)據(jù)的真假，即分辨出輸入數(shù)據(jù)為生成器的輸出數(shù)據(jù)還是真實(shí)數(shù)據(jù)。生成器的優(yōu)化目標(biāo)在于生成的數(shù)據(jù)分布更接近真實(shí)數(shù)據(jù)，使得判別器無法分辨。判別器的優(yōu)化目標(biāo)為增強(qiáng)辨別能力，盡可能分辨出生成數(shù)據(jù)與真實(shí)數(shù)據(jù)。隨著網(wǎng)絡(luò)迭代次數(shù)的增加，生成器與判別器相互對抗、競爭，最終得到效果更好的生成器與判別器。cGAN在生成器和判別器的輸入中加入了條件變量，對數(shù)據(jù)的生成進(jìn)行條件約束，數(shù)據(jù)的生成更加具有方向性。

發(fā)明內(nèi)容

本發(fā)明所要解決的技術(shù)問題是，提供一種基于數(shù)字孿生的工業(yè)加熱爐溫度場預(yù)測方法。

本發(fā)明所采用的技術(shù)方案是：一種基于數(shù)字孿生的工業(yè)加熱爐溫度場預(yù)測方法，包括如下步驟：

1)建立工業(yè)加熱爐的數(shù)據(jù)集，包括工況數(shù)據(jù)和根據(jù)CFD仿真溫度場確定溫度場；

2)進(jìn)行數(shù)據(jù)處理，包括：對工況各數(shù)據(jù)進(jìn)行歸一化處理、根據(jù)溫度場還原爐膛平面溫度云圖；

3)改進(jìn)cGAN網(wǎng)絡(luò)，將cGAN網(wǎng)絡(luò)的損失函數(shù)改為：

其中，