一种基于VBA和深度学习的水泥烧成工艺模型孪生方法及系统技术方案

本发明专利技术涉及水泥烧成领域，公开了一种基于VBA和深度学习的水泥烧成工艺模型孪生方法及系统，包括训练数据生成模块和工艺模型孪生模块，训练数据生成模块包括原有工艺复制模块、输入数据随机变化模块、输入数据预筛器、调用工艺模型计算指令模块、单次计算后数据处理模块、邮件发送模块和实际执行调整模块；工艺模型孪生模块包括数据预处理模块、神经网络训练模块、结果展示及输出模块和模型精度验证模块。本发明专利技术将离线工艺计算模型转化为能够进行在线工艺参数计算的深度学习模型，能够应用于水泥烧成系统过程的实时监测和操作指导，能够在烧成系统工况稳定的情况下对关注的关键变量做出预测，提高操作平稳率。

A twin method and system of cement firing process model based on VBA and deep learning

【技术实现步骤摘要】
一种基于VBA和深度学习的水泥烧成工艺模型孪生方法及系统
本专利技术涉及水泥烧成领域，尤其涉及一种基于VBA和深度学习的水泥烧成工艺模型孪生方法及系统。
技术介绍
烧成系统作为水泥生产的重中之重，其操作状况直接关系到水泥熟料产品质量及企业的能效水平。随着我国基础建设的高速发展，水泥产量和消耗量连续几年来以惊人的速度增长。截止2018年，水泥产量达到21.8亿吨，同比增长3％。水泥生产的能源消耗量约占全国能源消耗量的7％左右，属于高耗能产业，水泥行业节能减排的形势迫在眉睫。现有的水泥烧成系统工艺模型虽然能够实现某一时刻数据的预测和针对工艺参数的操作指导，但具有局限性：1.水泥烧成系统工艺模型基于Excel模型开发，方程和其他公式均在Excel软件内提供，并未采用VBA语言开发，因此在计算成本上考虑，不宜于移植或打包到其他主流开发程序平台内，即原生开发平台计算效率低，且开发兼容性差；2.水泥烧成系统工艺模型实质上为离线模型，即无论应用于预测还是优化场景，使用者只能手动输入一组生产数据，得到一组计算结果，此种计算机制无法无缝对接到实际本文档来自技高网...

【技术保护点】
1.一种基于VBA和深度学习的水泥烧成工艺模型孪生方法，其特征在于，包括利用水泥烧成系统离线模型生成训练数据以及建立在线工艺孪生模型。/n

【技术特征摘要】
1.一种基于VBA和深度学习的水泥烧成工艺模型孪生方法，其特征在于，包括利用水泥烧成系统离线模型生成训练数据以及建立在线工艺孪生模型。


2.根据权利要求1所述的基于VBA和深度学习的水泥烧成工艺模型孪生方法，其特征在于，所述利用水泥烧成系统离线模型生成训练数据，包括步骤：
S1)获取任意时刻的实际工况输入参数，将所述实际工况输入参数带入到水泥烧成系统离线模型中，得到可行的输出结果，获得一组计算案例的Excel文件；
S2)设置训练集数据规模，根据所述训练集数据规模将所述计算案例的Excel文件复制多组，将多组所述计算案例的Excel文件存放到指定文件夹中；
S3)创建生成训练数据的VBA模块程序；
S4)在所述VBA模块程序中设置循环语句，利用循环语句遍历所述指定文件夹中的所述多组计算案例的Excel文件，获得备选的训练数据的组数；
S5)设置训练集数据规模，判断所述备选的训练数据的组数是否达到训练集数据规模，若否，则返回步骤S1)中，若是，则获得最终的训练数据集。


3.根据权利要求2所述的基于VBA和深度学习的水泥烧成工艺模型孪生方法，其特征在于，步骤S4)中利用循环语句遍历所述指定文件夹中的所述多组计算案例的Excel文件，所述多组计算案例的Excel文件记为N组，包括步骤：
S41)根据训练集数据规模读取与循环序数相对应的所述计算案例的Excel文件；
S42)根据工艺参数的合理范围在VBA模块程序中设置实际工况输入参数变化范围，在所述实际工况输入参数变化范围内对实际工况输入参数进行随机选取；
S43)在VBA模块程序中设置预筛器，利用所述预筛器采用一系列预筛条件对随机选取的实际工况输入参数值进行合理性判定，当随机选取的实际工况输入参数值满足所述一系列预筛条件时，则进入步骤S44)；当随机选取的实际工况输入参数值不满足所述一系列预筛条件中的任何一条预筛条件时，判断循环序数是否小于N，若否，则进入步骤；若是，则循环序数加1，返回步骤S41)；
S44)将随机选取的实际工况输入参数值输入水泥烧成系统离线模型；
S45)获取所述水泥烧成系统离线模型的输出结果，根据所述输出结果判断是否获得全局最优解，若否，则循环序数加1，返回步骤S41)；若是，则获得一组备选的训练数据，将所述备选的训练数据保存到特定位置的一个CSV文件中，所述备选的训练数据包括所述随机选取的实际工况输入参数和所述水泥烧成系统离线模型的输出结果；
S46)对所述CSV文件中所有备选的训练数据的组数进行统计。


4.根据权利要求2或3所述的基于VBA和深度学习的水泥烧成工艺模型孪生方法，其特征在于，在所述VBA模块程序内设置邮件发送机制，利用所述邮件发送机制通知程序使用者程序运行结束，所述邮件发送机制用于使用者及时查看训练数据的收集结果。


5.根据权利要求4所述的基于VBA和深度学习的水泥烧成工艺模型孪生方法，其特征在于，所述一系列预筛条件包括数据的格式是否符合预设要求、输入数据的大小是否在实际工况输入参数变化范围内和/或是否存在数据缺失。


6.根据权利要求5所述的基于VBA和深度学习的水泥烧成工艺模型孪生方法，其特征在于，所述建立在线工艺孪生模型，包括步骤：
A)对训练数据集进行预处理；
B)将训练数据集按比例分成训练集和测试集；
C)构建神经网络，利用所述训练集和所述测试集分别对所述神经网络进行训练和测试；
D)获得测试结果，设置神经网络精度，判断所述测试结果是否达到神经网络精度，若否，则调整所述神经网络的超参数和/或增加所述训练数据集规模；若是，则获得备选的在线工艺孪生模型。


7.根据权利要求6所述的基于VBA和深度学习的水泥烧成工艺模型孪生方法，其特征在于，所述建立在线工艺孪生模型还包括：
E)采集多段稳定时间的工艺实测数据，所述工艺实测数据包括模型输入值，将所述模型输入值分别输入到所述水泥烧成系统离线模型和所述备选的在线工艺孪生模型中；
F)获得离线模型输出结果和在线工艺孪生...

【专利技术属性】
技术研发人员：秦宪明，张翼，夏凌风，李响，蒙景怡，姚俊宇，赵峙杰，郑明迪，邱林，徐明明，范金磊，孙盈盈，崔静宇，黄楚晴，乔鹏，任婧，张璐，
申请(专利权)人：中国建材检验认证集团北京天誉有限公司，
类型：发明
国别省市：北京;11