[發明專利]一種冶金副產煤氣產耗量的在線預測方法及系統

在審

• 申請號: 202210116792.3
• 申請日: 2022-02-07
• 公開（公告）號: CN114580712A
• 公開（公告）日: 2022-06-03
• 發明（設計）人: 孫文強;劉書含
• 申請（專利權）人: 東北大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06N3/08;G06Q50/02
• 代理公司: 北京易捷勝知識產權代理事務所(普通合伙) 11613
• 代理人: 韓國勝

1.一種冶金副產煤氣產耗量在線預測方法，其特征在于，包括以下步驟：

S10、針對預先采集的至少一組設備的每一運行狀態下運行參數中的煤氣產耗量，對所述煤氣產耗量進行數據預處理，并依據每一運行狀態下所述預處理后的煤氣產耗量，得到所述運行狀態下的設備特征曲線；

所述運行參數包括工藝參數與煤氣產耗量；

S20、針對每一組設備中的每一個設備，依據預先構建的深度學習算法，對所述每一設備的工藝參數與煤氣產耗量進行關聯性權重計算，獲取所述每一設備在每一運行狀態下工藝參數與煤氣產耗量的關聯性權重，以及每一所述運行參數的讀取時間間隔；

S30、基于每一設備的煤氣產耗量特點與預先構建的智能算法，依據所述關聯性權重及所述讀取時間間隔，建立每一設備的預測模型，該預測模型用于預測該設備每一運行狀態下的煤氣產耗量；

S40、針對每一設備，依據該設備的預測模型和運行參數，獲取該設備的基礎預測曲線，所述基礎預測曲線表示該設備運行狀態和煤氣產耗量的關系；

S50、針對每一設備，將所述基礎預測曲線與對應的同一運行狀態下所述設備特征曲線進行組合計算，獲取所述運行狀態下煤氣產耗量的預測結果。

2.依據權利要求1所述的在線預測方法，其特征在于，所述步驟S10之前，還包括：

采集所述至少一組設備中各設備在每一運行狀態下的運行參數，并存儲在預先構建的運行參數數據庫中；

步驟S10中所述預先采集的運行參數中的煤氣產耗量為運行參數數據庫中預先存儲的煤氣產耗量。

3.依據權利要求1所述的在線預測方法，其特征在于，所述步驟S40之前，構建每組設備的特征狀態空間，用于對預測模型中的設備運行狀態進行判斷；

所述構建的每組設備的特征狀態空間，具體為：

針對一組設備中的每一設備，依據所述運行參數數據庫中的運行參數，確定所述每一設備在各運行狀態下的運行參數范圍；

基于所述各運行狀態運行參數范圍，確定每一設備的特征狀態邊界，并存儲在預先構建的每一設備的特征狀態庫；

將所述每一設備的特征狀態庫進行集成，獲取該組設備的設備特征狀態空間。

4.依據權利要求3所述的在線預測方法，其特征在于，在所述步驟S40之前，還包括：

依據實時生產的各設備運行狀態及運行參數，對所述預測模型中的煤氣產耗量預測結果和/或設備的運行狀態進行修正，具體為：

S3401、根據預先設定的設備運行計劃信息，預確定在t2時間段內預測模型中各設備的運行狀態，依據所述預確定的設備運行狀態，對煤氣產耗量預測結果賦初值；

S3402、將所述運行參數數據庫中t1時間段的設備運行參數，與所述設備特征狀態空間中設備的特征狀態向量進行匹配，判斷預測模型中的t2時間段內的設備運行狀態，基于t時刻實時生產中設備的設備運行狀態，判斷t2時間段內預測模型中該設備的運行狀態與實時設備運行狀態是否一致，若不一致，則對所述t2時間段預測模型內的設備運行狀態進行更新；

所述t時刻為t1、t2時間段的銜接點；所述t1時間段在先；

S3403、依據所述參數讀取時間間隔，獲取實時生產中各運行參數的數值和運行狀態的變化；依據所述獲取數值和運行狀態的變化，對原特征狀態邊界和/或預測模型中設備的運行狀態進行更新。

5.依據權利要求4所述的在線預測方法，其特征在于，S3403具體包括：

基于所述獲取的實時生產的設備運行狀態，若所述運行狀態發生改變，則與預測模型中設備的運行狀態進行對比，若不同，則對預測模型中的設備運行狀態進行更新；

若所述運行狀態未發生改變，基于所述獲取的實際生產的運行狀態，將該運行狀態下實時獲取的運行參數的數值，與同一設備同一狀態下所述特征狀態邊界進行比較；

若連續g個所述運行參數的數值超過所述特征狀態邊界，則對所述特征狀態空間中所述設備的特征狀態邊界進行更新。

6.依據權利要求5所述的在線預測方法，其特征在于，所述S40，具體為：

依據所述更新后的t2時間段內設備的運行狀態，基于所述預測模型，對所述運行狀態下的運行參數進行計算，獲取所述t2時間段內的煤氣產耗量的基礎預測曲線。