[發明專利]一種基于數據驅動的改善鋁電解生產效率的方法

在審

• 申請號: 202210199513.4
• 申請日: 2022-03-02
• 公開（公告）號: CN114678077A
• 公開（公告）日: 2022-06-28
• 發明（設計）人: 寇騰躍;孫延貞;于忠清
• 申請（專利權）人: 青島洪錦智慧能源技術有限公司
• 主分類號: G16C20/10
• 分類號: G16C20/10;G16C20/70;G06N3/04;G06N3/08;G06N5/00;C25C3/20
• 代理公司: 昆明普發諾拉知識產權代理事務所(特殊普通合伙) 53209
• 代理人: 王思

本發明公開了一種基于數據驅動的改善鋁電解生產效率的方法，涉及鋁電解生產技術領域。獲取鋁電解槽中生產工藝參數，分析原始數據集中各變量的重要性，將原始數據集中的16個變量進行刪除，選擇會影響電流效率的極距、槽溫、氧化鋁濃度、陽極效應系數、陽極電流密度、電解槽平均電壓、電解質水平、鋁水平、電解質分子比和電流效率來建立預測模型，避免數據冗余；通過多層感知器MLP神經網絡得出數據驅動模型并使用粒子群優化算法進行求解，將鋁電解槽的可控變量極距、槽溫和氧化鋁濃度作為決策變量，響應剩余的不可控變量，獲得可控變量最佳運行條件，以達到鋁電解槽節能降耗的目的。

技術領域

本發明涉及鋁電解生產技術領域，具體涉及一種基于數據驅動的改善鋁電解生產效率的方法。

背景技術

現代鋁工業生產主要采用冰晶石-氧化鋁融鹽電解法，化學反應方程為：2Al₂O₃+3C＝4Al+3CO₂↑。陽極產物主要是二氧化碳和一氧化碳氣體，陰極產物是鋁液，鋁液通過真空抬包從槽內抽出，送往鑄造車間。電解鋁是高耗能產業，目前每生產一噸電解鋁大約耗電能13000-14000KWh，加上主要原材料及生產過程耗能每生產一噸電解鋁要消耗6-8噸標準煤，降低噸鋁電耗是歷年來追求的目標。鋁電解槽是一個非線性、多變量耦合、時變和大時滯的工業過程體系。因此，對于這樣一個復雜多變的過程體系，僅靠建立簡化的數學模型要實現生產過程的最佳控制是很難的，尤其是傳統控制算法中基本不考慮具體電解槽的槽況而采取同一控制策略，不能進行電解槽狀態的分析、判斷。造成了所開發的過程控制系統應用效果不明顯，適應性和靈活性差等不足。因此亟需開發一種提高電流效率、降低電耗的模型并基于模型對鋁電解槽的生產效率進行最優化調控。

發明內容

本發明的目的在于提供一種基于數據驅動的改善鋁電解生產效率的方法，解決現有鋁電解槽生產過程中由于工藝復雜而難以建模分析判斷的問題，并通過模型來實現提高電解槽電流效率、降低能耗的目的。

為解決上述的技術問題，本發明采用以下技術方案：一種基于數據驅動的改善鋁電解生產效率的方法，其特征在于包括如下步驟：

S1、獲取鋁電解槽的生產工藝參數，對數據進行預處理，預處理包括數據清洗、變換，剔除異常數據，獲得原始數據集；

S2、分析原始數據集中各變量的重要性，刪除對鋁電解槽電流效率沒有明顯影響的變量及其對應的數據，得到以極距、槽溫、氧化鋁濃度、陽極效應系數、陽極電流密度、電解槽平均電壓、電解質水平、鋁水平、電解質分子比和電流效率這10個變量及其對應的數據來建立預測模型；

S3、將步驟S2中處理后的數據分成訓練數據集和測試數據集，將訓練數據集通過多層感知器神經網絡，通過訓練1000個單隱層神經網絡，得到MLP神經網絡模型，模型一個為電流效率預測模型，一個為工況預測模型；其中，隱藏層中神經元數量為15個；

S4、將測試數據集輸入MLP神經網絡模型，得到預測數據，并檢測MLP神經網絡模型的準確性；

S5、將MLP神經網絡模型用于鋁電解槽電流效率最優解中，將極距、槽溫和氧化鋁濃度作為決策變量，其中，極距范圍為4-5cm，槽溫范圍為940-960℃，氧化鋁濃度范圍為1.5％-3.5％；具體地：

S5-1、建立表達最大化甲烷產量的單一目標模型：

服從

4≤x₁≤5

940≤x₂≤960

1.5％≤x₃≤3.5％