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：