基于历史数据搜索的工况预测方法、设备及存储介质技术

本发明专利技术涉及工艺参数优化技术领域，具体为基于历史数据搜索的工况预测方法、设备及存储介质，包括输入当前工况数据；将当前工况数据扩展为工况空间向量；计算当前工况空间向量与历史工况空间向量的相似度，并获取计算结果；对计算结果进行排序形成候选集，并返回排序结果；步骤S5,根据排序结果执行业务操作；本发明专利技术与基于机理的模型相比更切近实际工况，因此具备最强解释性，更能帮助专家和自控系统决定最佳操作；采用空间向量，而空间向量计算不受样本数量限制，所有的历史数据都参与空间距离计算，因此与机器学习和深度学习模型方案相比不存在灾难性遗忘；充分利用现有数据，不依赖机理建模和机器学习参数调优，具备大规模应用能力。力。力。

【技术实现步骤摘要】
基于历史数据搜索的工况预测方法、设备及存储介质


[0001]本专利技术涉及工艺参数优化
，具体为基于历史数据搜索的工况预测方法、设备及存储介质。

技术介绍

[0002]流程工业生产追求控制平稳，需要及时根据线上工况调整操作参数。以炼化为例，原材料变化会导致产品质量变化。为了做到自控控制业界有两种技术路径：
[0003]基于机理的控制。例如根据原有数据库优化催化裂化反应等。这种方案的缺点是机理模型与实际生产环境有差距，不能满足精细控制的需求。另外机理模型的数据来自长期工程时间，成本非常高。
[0004]基于机器学习的控制。原理向模型输入不同的样本数据，让算法自动得出并记录下对结果有显著影响的数据特征。这种方案的缺点是：
[0005]可解释性差。输出的模型并不理解物理量之间的关联含义，且人类难以理解模型特征的权重含义。因此模型调优的参数难以维护。
[0006]无法避免灾难性遗忘。如前所述，模型训练是基于大量样本数据的。实际工况大多数情况数据平稳没有波动，可供训练的样本数据非常少。在这种情况下模型只能学习到一般情况的规律，而忽视波动的数据，因此得出的结论难以提高生产效率。
[0007]各态历经假说(ergodic hypothesis)是一个企图把统计规律性还原为力学规律性的假说，于1871年由L.玻耳兹曼提出。他认为，一个孤立系统从任一初态出发，经过足够长的时间后将经历一切可能的微观状态。
[0008]基于工况检索的参数优化方法，假设流程工艺系统装置具备各态历经性，即观测一段时间之后，流程工艺的全部可能工况都能被观测到，因此检索算法总是能够在历史工况中找到和当前工况相似的数据。
[0009]蒙特
·
卡罗方法(Monte Carlo method)，也称统计模拟方法，是二十世纪四十年代中期由于科学技术的发展和电子计算机的专利技术，而被提出的一种以概率统计理论为指导的一类非常重要的数值计算方法。是指使用随机数(或更常见的伪随机数)来解决很多计算问题的方法。与它对应的是确定性算法。蒙特
·
卡罗方法在金融工程学，宏观经济学，计算物理学(如粒子输运计算、量子热力学计算、空气动力学计算)等领域应用广泛。
[0010]基于工况检索的参数优化方法，使用蒙特卡罗方法思想预测工况演化：
[0011]为了预测当前工况在t时间段之后的演化结果，需要以当前工况为初始条件，进行多次模拟“实验”；
[0012]根据各态历经假说，可近似认为当前工况在历史上反复出现过；
[0013]通过检索方法，找到和当前工况相似的历史工况，代替蒙特卡罗方法中的模拟“实验”；
[0014]使用蒙特卡罗方法，给出对演化结果的预测和相关概率分布。由于使用历史工况代替了模拟“实验”，检索方法对演化结果的预测，更为真实可靠。并且历史数据能够对结果
提供极强的解释性。
[0015]各态历经假说不必严格成立，上述方法总能给出预测结果，可根据检索结果的好坏判断预测结果的置信度。

技术实现思路

[0016](一)专利技术目的
[0017]为解决
技术介绍
中所提出的问题，因此本专利技术提出一种基于历史数据搜索的工况预测方法、设备及存储介质。
[0018](二)技术方案
[0019]为解决上述问题，本发第一方面提供了一种基于历史数据搜索的工况预测方法，包括如下步骤：
[0020]步骤S1,输入当前工况数据；
[0021]步骤S2,将当前工况数据扩展为工况空间向量；
[0022]步骤S3,计算当前工况空间向量与历史工况空间向量的相似度，并获取计算结果；
[0023]步骤S4,对计算结果进行排序形成候选集，并返回排序结果；
[0024]步骤S5,根据排序结果执行业务操作。
[0025]优选的，该方法还包括读取历史工况数据，并扩展为历史工况空间向量。
[0026]优选的，所述历史工况空间向量为全历史时刻工况空间向量或部分历史时刻工况空间向量。
[0027]优选的，根据排序结果执行业务操作包括：
[0028]以返回排序结果中某一历史时刻t为起点，并加载之后n时间段内的历史数据；
[0029]在n时间段内，计算t时刻至异常时刻的时间差，以及n时间段内出现异常时刻出现的次数；
[0030]汇总上一步结果并统计出现异常时刻的概率和时间差分布，用于对是否发出报警信息做出预测。
[0031]本专利技术第二方面提供了一种计算设备，包括：
[0032]一个或多个处理器；以及
[0033]存储器；以及
[0034]一个或多个程序，其中所述一个或多个程序存储在所述存储器中并被配置为由一个或多个处理器执行，所述的一个或多个程序包括用于上述的基于历史数据搜索的工况预测方法的指令。
[0035]本专利技术第三方面提供了一种计算机可读存储介质，其上存储有一个或多个程序，所述的一个或多个程序包括指令，所述指令适于由存储器加载并执行上述的基于历史数据搜索的工况预测方法。
[0036]本专利技术的上述技术方案具有如下有益的技术效果：
[0037]本专利技术与基于机理的模型相比更切近实际工况，因此具备最强解释性，更能帮助专家和自控系统决定最佳操作；
[0038]本专利技术采用空间向量，而空间向量计算不受样本数量限制，所有的历史数据都参与空间距离计算，因此与机器学习和深度学习模型方案相比不存在灾难性遗忘；
[0039]本专利技术充分利用现有数据，不依赖机理建模和机器学习参数调优，因此具备大规模应用的能力。
附图说明
[0040]图1为本专利技术流程图；
[0041]图2为本专利技术一实施例中报警数据图；
[0042]图3为本专利技术一实施例中时刻A数据图；
[0043]图4为本专利技术一实施例中时刻B数据图。
具体实施方式
[0044]为使本专利技术的目的、技术方案和优点更加清楚明了，下面结合具体实施方式并参照附图，对本专利技术进一步详细说明。应该理解，这些描述只是示例性的，而并非要限制本专利技术的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本专利技术的概念。
[0045]参考图1，本专利技术第一方面提出一种基于历史数据搜索的工况预测方法，包括如下步骤：步骤S1,输入当前工况数据；
[0046]步骤S2,将当前工况数据扩展为工况空间向量；目的是用数据描述当前工况状态、包含变化的趋势特征、控制系统的调整动作和调整结果、人工控制的动作和调整结果；
[0047]步骤S3,计算当前工况空间向量与历史工况空间向量的相似度，并获取计算结果；目的是将相似度转化成可量化的数值。相似性包括全方位的比较，例如当前工况、近期变化、控制系统的动作和调整结果、人工控制的动作和结果等。假设输入当前工况空间向量为A1，计算过程如下：
[0048]依次遍历或者近似遍历候选集中的工况空间向量，此处历史工况空间向本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于历史数据搜索的工况预测方法，其特征在于，包括如下步骤：步骤S1,输入当前工况数据；步骤S2,将当前工况数据扩展为工况空间向量；步骤S3,计算当前工况空间向量与历史工况空间向量的相似度，并获取计算结果；步骤S4,对计算结果进行排序形成候选集，并返回排序结果；步骤S5,根据排序结果执行业务操作。2.根据权利要求1所述的基于历史数据搜索的工况预测方法，其特征在于，还包括读取历史工况数据，并扩展为历史工况空间向量。3.根据权利要求1所述的基于历史数据搜索的工况预测方法，其特征在于，所述历史工况空间向量为全历史时刻工况空间向量或部分历史时刻工况空间向量。4.根据权利要求1所述的基于历史数据搜索的工况预测方法，其特征在于，根据排序结果执行业务操作包括：以返回排序结果中某一历史时刻t为起点，并加载之后...

【专利技术属性】
技术研发人员：侯杰，李元鹏，
申请(专利权)人：上海烁恒科技有限责任公司，
类型：发明
国别省市：