一种基于大数据的熔炼过程能耗控制方法、设备及介质技术

本申请公开了一种基于大数据的熔炼过程能耗控制方法、设备及介质，用以解决现有的熔炼过程通过人工进行能耗监控，能源消耗存在较多浪费的技术问题。方法包括：采集熔炼过程中的第一能源消耗数据并过滤；根据过滤后的第一能源消耗数据，确定熔炼过程对应的下降梯度，并确定出预先训练好的能耗数据模型对应的模型参数，以更新能耗数据模型；获取熔炼过程中的第二能源消耗数据，并将过滤后的第二能源消耗数据输入至更新后的能耗数据模型；通过更新后的能耗数据模型对第二能源消耗数据进行分析处理，得到对应的决策结果并发送至熔炼过程对应的熔炼设备，以根据决策结果，控制熔炼设备的运行，节约了能源，降低了能耗。降低了能耗。降低了能耗。

【技术实现步骤摘要】
一种基于大数据的熔炼过程能耗控制方法、设备及介质


[0001]本申请涉及数据处理
，尤其涉及一种基于大数据的熔炼过程能耗控制方法、设备及介质。

技术介绍

[0002]熔炼是将金属材料以及其它的辅助材料，投入至加热炉熔化并调质，物料在高温炉内发生一定的物理、化学变化，产出粗金属和炉渣的冶金过程。通过对熔炼过程产生的粗金属进行处理能够得到金属。为了在熔炼过程正常运行的基础上，确保能耗最低，还需要对熔炼过程进行监控。
[0003]传统的熔炼过程采用人工监控的方式，对熔炼过程中的能源消耗进行控制。但是，通过人工进行能耗监控，浪费了人力资源，无法确保监控数据准确及时。并且，在管理人员对熔炼过程中的能源消耗调控不及时的情况下，熔炼过程的温度会超出实际的温度阈值，能源做无用功耗，存在较多浪费，增加了生产成本。

技术实现思路

[0004]本申请实施例提供了一种基于大数据的熔炼过程能耗控制方法、设备及介质，用以解决现有的熔炼过程通过人工进行能耗监控，在管理人员操作不及时的情况下，能源消耗存在较多浪费的技术问题。
[0005]一方面，本申请实施例提供了一种基于大数据的熔炼过程能耗控制方法，包括：采集熔炼过程中的第一能源消耗数据，并对所述第一能源消耗数据进行过滤；根据过滤后的第一能源消耗数据，确定所述熔炼过程对应的下降梯度，以确定出预先训练好的能耗数据模型对应的模型参数，并根据所述模型参数，更新所述能耗数据模型；其中，所述下降梯度是通过梯度下降法确定出的使能耗数据模型收敛速度最快的梯度；获取所述熔炼过程中的第二能源消耗数据，并将过滤后的所述第二能源消耗数据，输入至更新后的所述能耗数据模型；其中，所述第二能源消耗数据与所述第一能源消耗数据为同一时间段内不同时刻对应的数据；通过更新后的所述能耗数据模型，对所述第二能源消耗数据进行分析处理，得到对应的决策结果；将所述对应的决策结果，发送至所述熔炼过程对应的熔炼设备，以根据所述决策结果，控制所述熔炼设备的运行。
[0006]在本申请的一种实现方式中，所述根据过滤后的第一能源消耗数据，确定所述熔炼过程对应的下降梯度，以确定出预先训练好的能耗数据模型对应的模型参数之前，还包括：测量出指定时间段内若干能源消耗数据对应的决策结果，并将具有决策结果的若干所述能源消耗数据，输入至卷积神经网络进行训练；通过所述卷积神经网络的卷积层、池化层以及全连接层，对所述能源消耗数据进行处理，输出所述能源消耗数据对应的决策结果；确定输出的所述能源消耗数据对应的决策结果，与测量出的所述能源消耗数据对应的决策结果相匹配，得到对应的能耗数据模型。
[0007]在本申请的一种实现方式中，所述根据过滤后的第一能源消耗数据，确定所述熔
炼过程对应的下降梯度，以确定出预先训练好的能耗数据模型对应的模型参数，具体包括：确定出过滤后的所述第一能源消耗数据中的若干属性特征；根据损失函数，计算出模型输出与预先测量出的输出之间的偏差，并通过梯度下降法，调整所述损失函数的权重，使所述能耗数据模型的预测误差最小；根据所述偏差以及所述权重，，分别确定出各所述属性特征对应的下降梯度，并将各所述属性特征对应的下降梯度相加，得到对应的总下降梯度；根据所述总下降梯度，确定出预先训练好的所述能耗数据模型对应的模型参数。
[0008]在本申请的一种实现方式中，所述将所述对应的决策结果，发送至所述熔炼过程对应的熔炼设备，以根据所述决策结果，控制所述熔炼设备的运行，具体包括：根据所述对应的决策结果，确定所述第二能源消耗数据大于预设能源消耗阈值时，将所述对应的决策结果，发送至所述熔炼过程对应的熔炼设备；根据所述决策结果，生成对应的控制指令，并根据所述对应的控制指令，调整所述第二能源消耗数据中对应的属性特征，以控制所述熔炼设备的运行。
[0009]在本申请的一种实现方式中，所述采集熔炼过程中的第一能源消耗数据之后，还包括：抽取所述第一能源消耗数据中各属性特征对应的数据，并对所述属性特征对应的数据进行空值填充。
[0010]在本申请的一种实现方式中，所述对所述第一能源消耗数据进行过滤，具体包括：针对熔炼过程中的温度，若采集到的所述第一能源消耗数据中的温度大于第一温度阈值，或者小于第二温度阈值，则确定所述第一能源消耗数据中的温度异常，并将所述异常的温度数据过滤掉；其中，所述第一温度阈值表示所述熔炼过程中实际最高温度，所述第二温度阈值表示所述熔炼过程中实际最低温度。
[0011]在本申请的一种实现方式中，所述将所述异常的温度过滤之后，还包括：确定出所述第一能源消耗数据对应的时间段，并在所述时间段内，获取所述第一能源消耗数据之前的历史温度；按照预设时间间隔，从所述历史温度中获取温度，并生成所述时间段内的温度曲线，以根据所述温度曲线，预测所述第一能源消耗数据中的温度。
[0012]在本申请的一种实现方式中，所述通过更新后的所述能耗数据模型，对所述第二能源消耗数据进行分析处理，得到对应的决策结果，具体包括：将过滤后的所述第二能源消耗数据中的若干属性特征对应的数据，分别与更新后的所述能耗数据模型中，所述第二能源消耗数据对应的属性特征阈值进行对比；在所述属性特征对应的数据超过所述属性特征阈值时，确定所述熔炼设备对应的能源消耗异常，以确定所述熔炼设备对应的决策结果。
[0013]另一方面，本申请实施例还提供了一种基于大数据的熔炼过程能耗控制设备，设备包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：采集熔炼过程中的第一能源消耗数据，并对所述第一能源消耗数据进行过滤；根据过滤后的第一能源消耗数据，确定所述熔炼过程对应的下降梯度，以确定出预先训练好的能耗数据模型对应的模型参数，并根据所述模型参数，更新所述能耗数据模型；其中，所述下降梯度是通过梯度下降法确定出的使能耗数据模型收敛速度最快的梯度；获取所述熔炼过程中的第二能源消耗数据，并将过滤后的所述第二能源消耗数据，输入至更新后的所述能耗数据模型；其中，所述第二能源消耗数据与所述第一能源消耗数据为同一时间段内不同时刻对应的数据；通过更新后的所述能耗数据模型，对所述第二能
源消耗数据进行分析处理，得到对应的决策结果；将所述对应的决策结果，发送至所述熔炼过程对应的熔炼设备，以根据所述决策结果，控制所述熔炼设备的运行。
[0014]另一方面，本申请实施例还提供了一种非易失性计算机存储介质，存储有计算机可执行指令，所述计算机可执行指令设置为：采集熔炼过程中的第一能源消耗数据，并对所述第一能源消耗数据进行过滤；根据过滤后的第一能源消耗数据，确定所述熔炼过程对应的下降梯度，以确定出预先训练好的能耗数据模型对应的模型参数，并根据所述模型参数，更新所述能耗数据模型；其中，所述下降梯度是通过梯度下降法确定出的使能耗数据模型收敛速度最快的梯度；获取所述熔炼过程中的第二能源消耗数据，并将过滤后的所述第二能源消耗数据，输入至更新后的所述能耗数据模型本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于大数据的熔炼过程能耗控制方法，其特征在于，所述方法包括：采集熔炼过程中的第一能源消耗数据，并对所述第一能源消耗数据进行过滤；根据过滤后的第一能源消耗数据，确定所述熔炼过程对应的下降梯度，以确定出预先训练好的能耗数据模型对应的模型参数，并根据所述模型参数，更新所述能耗数据模型；其中，所述下降梯度是通过梯度下降法确定出的使能耗数据模型收敛速度最快的梯度；获取所述熔炼过程中的第二能源消耗数据，并将过滤后的所述第二能源消耗数据，输入至更新后的所述能耗数据模型；其中，所述第二能源消耗数据与所述第一能源消耗数据为同一时间段内不同时刻对应的数据；通过更新后的所述能耗数据模型，对所述第二能源消耗数据进行分析处理，得到对应的决策结果；将所述对应的决策结果，发送至所述熔炼过程对应的熔炼设备，以根据所述决策结果，控制所述熔炼设备的运行。2.根据权利要求1所述的一种基于大数据的熔炼过程能耗控制方法，其特征在于，所述根据过滤后的第一能源消耗数据，确定所述熔炼过程对应的下降梯度，以确定出预先训练好的能耗数据模型对应的模型参数之前，所述方法还包括：测量出指定时间段内若干能源消耗数据对应的决策结果，并将具有决策结果的若干所述能源消耗数据，输入至卷积神经网络进行训练；通过所述卷积神经网络的卷积层、池化层以及全连接层，对所述能源消耗数据进行处理，输出所述能源消耗数据对应的决策结果；确定输出的所述能源消耗数据对应的决策结果，与测量出的所述能源消耗数据对应的决策结果相匹配，得到对应的能耗数据模型。3.根据权利要求1所述的一种基于大数据的熔炼过程能耗控制方法，其特征在于，所述根据过滤后的第一能源消耗数据，确定所述熔炼过程对应的下降梯度，以确定出预先训练好的能耗数据模型对应的模型参数，具体包括：确定出过滤后的所述第一能源消耗数据中的若干属性特征；根据损失函数，计算出模型输出与预先测量出的输出之间的偏差，并通过梯度下降法，调整所述损失函数的权重，使所述能耗数据模型的预测误差最小；根据所述偏差以及所述权重，分别确定出各所述属性特征对应的下降梯度，并将各所述属性特征对应的下降梯度相加，得到对应的总下降梯度；根据所述总下降梯度，确定出预先训练好的所述能耗数据模型对应的模型参数。4.根据权利要求1所述的一种基于大数据的熔炼过程能耗控制方法，其特征在于，所述将所述对应的决策结果，发送至所述熔炼过程对应的熔炼设备，以根据所述决策结果，控制所述熔炼设备的运行，具体包括：根据所述对应的决策结果，确定所述第二能源消耗数据大于预设能源消耗阈值时，将所述对应的决策结果，发送至所述熔炼过程对应的熔炼设备；根据所述决策结果，生成对应的控制指令，并根据所述对应的控制指令，调整所述第二能源消耗数据中对应的属性特征，以控制所述熔炼设备的运行。5.根据权利要求1所述的一种基于大数据的熔炼过程能耗控制方法，其特征在于，所述采集熔炼过程中的第一能源消耗数据之后，所述方法还包括：
抽取所述第一能源消耗数据中各属性特征对应的数据，并对所述属性特征对应的数据进行空值填充。6.根据权利要求1所述的一种基于大数据的熔炼过程能耗控制方法，其特征在于，所述对所述第一能源消耗数据进行过滤，具体包括：针对熔炼过程中的温度，若采集到的所述第一能...

【专利技术属性】
技术研发人员：王冬冬，张霖，商广勇，李文博，马龙，
申请(专利权)人：山东浪潮工业互联网产业股份有限公司，
类型：发明
国别省市：