基于工业过程的控制、模型方法、设备和存储介质技术

本申请实施例提供了一种基于工业过程的控制、模型方法、设备和存储介质。所述方法包括：在工业锅炉运行过程中，获取运行数据和对应的第一主控参数；依据所述第一主控参数对运行数据进行输入扩增，得到对应的输入数据；将所述输入数据输入到预测模型中，预测设定未来时间点的第二主控参数，以便基于预测的主控参数调节工业锅炉运行；在达到设定未来时间点时，依据所述工业锅炉采集对应的第三主控参数；当所述第三主控参数与所述第二主控参数的差值大于设定阈值时，采用所述运行数据和第三主控参数构成训练样本并对所述预测模型进行更新。能够实现提前多步的准确预测，提高生产安全，并且具备自适应更新能力以及时反映系统特性的变化。特性的变化。特性的变化。

【技术实现步骤摘要】
基于工业过程的控制、模型方法、设备和存储介质


[0001]本申请涉及计算机
，特别是涉及一种基于工业过程的控制方法、一种基于工业过程的预测模型的训练方法、一种电子设备和一种存储介质。

技术介绍

[0002]工业锅炉是工业使用的锅炉，利用煤、燃油、燃气等燃料的燃烧，产生热量进行处理的。如工业锅炉可包括燃油、燃气锅炉，垃圾焚烧锅炉等。
[0003]目前，工业锅炉由于测点位罝和测量环节滞后的影响，主要参数测量值相对控制量存在明显的迟延现象，控制量变化后到主要参数到达新的稳定状态需要经过一个过渡过程。例如：燃烧生成的烟气到达过热器前需要依次经过主燃区、第一烟道、第二烟道、过热器以及每部分之间的烟道，而主汽流量测点位于过热器后，则一二次风等控制量变化后，主汽流量测量值需要经历一定时间的烟气流动、换热后才会产生对应变化，该段迟延时间大概在2
‑
3分钟。即锅炉主要参数的测量值存在滞后，反映的为过去燃烧状况而并非当前燃烧状况，基于此测量值所进行的控制量调节将同样存在滞后性，易造成主参数的大幅波动，影响生产安全。

技术实现思路

[0004]本申请实施例提供了一种基于工业过程的控制方法，以提高生产安全。
[0005]相应的，本申请实施例还提供了一种基于工业过程的预测模型的训练方法、一种电子设备和一种存储介质，用以保证上述系统的实现及应用。
[0006]为了解决上述问题，本申请实施例公开了一种基于工业过程的控制方法，所述方法包括：
[0007]在工业锅炉运行过程中，获取运行数据和对应的第一主控参数；
[0008]依据所述第一主控参数对运行数据进行输入扩增，得到对应的输入数据；
[0009]将所述输入数据输入到预测模型中，预测设定未来时间点的第二主控参数，以便基于预测的主控参数调节工业锅炉运行；
[0010]在达到设定未来时间点时，依据所述工业锅炉采集对应的第三主控参数；
[0011]当所述第三主控参数与所述第二主控参数的差值大于设定阈值时，采用所述运行数据和第三主控参数构成训练样本并对所述预测模型进行更新。
[0012]可选的，所述依据所述第一主控参数对运行数据进行输入扩增，得到对应的输入数据，包括：
[0013]对所述第一主控参数和运行数据分别进行归一化处理；
[0014]将处理后的第一主控参数和处理后的运行数据进行拼接，得到对应的输入数据。
[0015]可选的，所述预测模型通过以下步骤预测设定未来时间点的第二主控参数：
[0016]基于核函数矩阵对输入数据进行降维处理，得到降维的输入数据；
[0017]基于降维的输入函数进行迭代处理，得到权系数向量；
[0018]依据所述权系数向量确定设定未来时间点的第二主控参数。
[0019]可选的，所述基于核函数矩阵对输入数据进行降维处理，得到降维的输入数据，包括：
[0020]采用输入数据计算核函数矩阵；
[0021]根据置信度阈值维度，并基于所述维度确定降维矩阵；
[0022]依据所述降维矩阵和核函数矩阵对输入数据进行降维处理，得到降维的输入数据。
[0023]可选的，还包括：计算所述采集主控参数与所述预测主控参数的差值，判断所述差值是否大于设定阈值；若所述差值不大于设定阈值，将第二主控参数输出到控制系统中进行后续控制。
[0024]可选的，还包括：基于所述设定未来时间点的预测主控参数，对所述工业锅炉的运行进行调整。
[0025]可选的，采用所述运行数据和采集主控参数构成训练样本并对所述预测模型进行更新，包括：
[0026]依据所述主控参数对运行数据进行输入扩增，得到对应的输入数据；
[0027]将设定时间点前的多个输入数据与设定时间点对应的采集主控参数构成多对一的训练样本；
[0028]将所述输入模型输入到预测模型中，得到预测主控参数；
[0029]基于所述预测主控参数和采集主控参数确定损失函数，基于所述损失函数对所述预测模型进行调整。
[0030]可选的，所述运行数据包括：控制数据和测量数据，所述控制数据包括以下至少一种：一次风机频率、二次风机频率、给料炉排周期，所述测量数据包括以下至少一种：炉膛温度、省煤器后氧量、汽包水位；所述主控参数包括：主汽流量、主汽压力、汽包压力。
[0031]本申请实施例还公开了一种基于工业过程的预测模型的训练方法，所述方法包括：
[0032]获取工业锅炉的历史数据，并从所述历史数据中获取历史运行数据和历史主控参数；
[0033]依据所述历史主控参数对所述历史运行数据进行输入扩增，得到对应的输入数据；
[0034]基于输入数据对应指定时间点的历史主控参数，构成样本数据；
[0035]将所述输入数据输入到预测模型中，预测指定时间点的预测主控参数；
[0036]将所述预测主控参数与指定时间点的历史主控参数进行比较，确定对应的损失函数；
[0037]依据所述损失函数对所述预测模型进行调整，得到训练完成的预测模型。
[0038]可选的，所述预测模型通过以下步骤预测设定指定时间点的预测主控参数：
[0039]基于核函数矩阵对输入数据进行降维处理，得到降维的输入数据；
[0040]基于降维的输入函数进行迭代处理，得到权系数向量；
[0041]依据所述权系数向量确定设定指定时间点的预测主控参数。
[0042]可选的，所述基于核函数矩阵对输入数据进行降维处理，得到降维的输入数据，包
括：
[0043]采用输入数据计算核函数矩阵；
[0044]根据置信度阈值维度，并基于所述维度确定降维矩阵；
[0045]依据所述降维矩阵和核函数矩阵对输入数据进行降维处理，得到降维的输入数据。
[0046]可选的，所述运行数据包括：控制数据和测量数据，所述控制数据包括以下至少一种：一次风机频率、二次风机频率、给料炉排周期，所述测量数据包括以下至少一种：炉膛温度、省煤器后氧量、汽包水位；所述主控参数包括：主汽流量、主汽压力、汽包压力。
[0047]本申请实施例还公开了一种电子设备，包括：处理器；和存储器，其上存储有可执行代码，当所述可执行代码被处理器执行时，执行如本申请实施例所述的方法。
[0048]本申请实施例还公开了一个或多个机器可读介质，其上存储有可执行代码，当所述可执行代码被处理器执行时，执行如本申请实施例所述的方法。
[0049]与现有技术相比，本申请实施例包括以下优点：
[0050]本申请实施例中，在工业锅炉运行过程中，获取运行数据和对应的第一主控参数，依据所述第一主控参数对运行数据进行输入扩增，得到对应的输入数据，将输出数据与影响其变化的输入变量之间的因果关系构建出来，将所述输入数据输入到预测模型中，预测设定未来时间点的第二主控参数，以便基于预测的主控参数调节工业锅炉运行，从而能够实现提前多步的准确预本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于工业过程的控制方法，其特征在于，所述方法包括：在工业锅炉运行过程中，获取运行数据和对应的第一主控参数；依据所述第一主控参数对运行数据进行输入扩增，得到对应的输入数据；将所述输入数据输入到预测模型中，预测设定未来时间点的第二主控参数，以便基于预测的主控参数调节工业锅炉运行；在达到设定未来时间点时，依据所述工业锅炉采集对应的第三主控参数；当所述第三主控参数与所述第二主控参数的差值大于设定阈值时，采用所述运行数据和第三主控参数构成训练样本并对所述预测模型进行更新。2.根据权利要求1所述的方法，其特征在于，所述依据所述第一主控参数对运行数据进行输入扩增，得到对应的输入数据，包括：对所述第一主控参数和运行数据分别进行归一化处理；将处理后的第一主控参数和处理后的运行数据进行拼接，得到对应的输入数据。3.根据权利要求1所述的方法，其特征在于，所述预测模型通过以下步骤预测设定未来时间点的第二主控参数：基于核函数矩阵对输入数据进行降维处理，得到降维的输入数据；基于降维的输入函数进行迭代处理，得到权系数向量；依据所述权系数向量确定设定未来时间点的第二主控参数。4.根据权利要求3所述的方法，其特征在于，所述基于核函数矩阵对输入数据进行降维处理，得到降维的输入数据，包括：采用输入数据计算核函数矩阵；根据置信度阈值维度，并基于所述维度确定降维矩阵；依据所述降维矩阵和核函数矩阵对输入数据进行降维处理，得到降维的输入数据。5.根据权利要求1所述的方法，其特征在于，还包括：计算所述第三主控参数与所述第二主控参数的差值，判断所述差值是否大于设定阈值；若所述差值不大于设定阈值，将第二主控参数输出到控制系统中进行后续控制。6.根据权利要求1所述的方法，其特征在于，还包括：基于所述设定未来时间点的第二主控参数，对所述工业锅炉的运行进行调整。7.根据权利要求1所述的方法，其特征在于，采用所述运行数据和第三主控参数构成训练样本并对所述预测模型进行更新，包括：依据所述第一主控参数对运行数据进行输入扩增，得到对应的输入数据；将所述输入数据与设定时间点对应的第三主控参数构成多对一的训练样本；将所述输入模型输入到预测模型中，得到第四主控参数；基于所述第四主控参数和第三主控参数确定损失函数，基于所述损失函数对所述预测模型进行调整。8.根据权利...

【专利技术属性】
技术研发人员：王松，
申请(专利权)人：阿里云计算有限公司，
类型：发明
国别省市：