回转窑工艺参数控制方法、装置、电子设备及存储介质制造方法及图纸

随着国内固定资产投资增速处于下滑态势，水泥产能过剩明显，行业竞争压力增大，在保证产量的同时降能增效成为亟需解决的问题。本公开提供了一种回转窑工艺参数控制方法、装置、电子设备及存储介质，所述方法包括：获取回转窑的状态参数和能耗参数，所述状态参数表征所述回转窑的运行状态，所述能耗参数用于计算所述回转窑的能耗；根据所述状态参数确定所述回转窑的窑况综合指标，所述窑况综合指标表征所述回转窑的烧成状况；根据所述窑况综合指标、所述状态参数、所述能耗参数，确定所述回转窑的工艺参数设定值。本公开基于实时工况的变化和实时数据在线更新工艺设定值，对系统进行全局多变量实时精细调整，实现回转窑系统真正意义上的全局优化。义上的全局优化。义上的全局优化。

【技术实现步骤摘要】
回转窑工艺参数控制方法、装置、电子设备及存储介质


[0001]本公开涉及水泥生产
，具体涉及一种回转窑工艺参数控制方法、装置、电子设备及存储介质。

技术介绍

[0002]水泥工业是国民经济发展的重要基础产业。近几年来，随着国内固定资产投资增速总体处于下滑态势，国内水泥产能过剩明显，水泥行业竞争压力增大，企业如何通过节能减排技术及工业自动化控制技术的应用提升来生产效率，在保证产量的同时降低能耗，节省成本，成为亟待突破的问题。

技术实现思路

[0003]为了解决相关技术中的问题，本公开实施例提供一种回转窑工艺参数控制方法、装置、电子设备及存储介质。
[0004]第一方面，本公开实施例中提供了一种回转窑工艺参数控制方法，包括：
[0005]获取回转窑的状态参数和能耗参数，所述状态参数表征所述回转窑的运行状态，所述能耗参数用于计算所述回转窑的能耗；
[0006]根据所述状态参数确定所述回转窑的窑况综合指标，所述窑况综合指标表征所述回转窑的烧成状况；
[0007]根据所述窑况综合指标、所述状态参数、所述能耗参数，确定所述回转窑的工艺参数设定值。
[0008]根据本公开实施例，其中，所述根据所述状态参数确定所述回转窑的窑况综合指标，包括：
[0009]根据实时获取的所述状态参数，使用窑况综合指标预测模型确定所述回转窑的窑况综合指标，其中，所述窑况综合指标预测模型是使用所述回转窑的历史状态参数和历史能耗参数训练得到的。
[0010]根据本公开实施例，所述方法还包括：
[0011]获取所述回转窑在指定历史时间段内的历史状态参数和历史能耗参数；
[0012]根据所述回转窑的历史状态参数，确定所述回转窑在第k时刻的过程状态表征序列sk，所述过程状态表征序列中的元素包括所述历史状态参数在第k时刻按照多个时间窗口截取的时序片段，根据所述回转窑的历史能耗参数，确定所述回转窑在历史第k时刻的惩罚系数rk；
[0013]根据所述回转窑的历史状态参数和历史能耗参数，确定所述回转窑在第k时刻+Ts的过程状态表征序列sk
’
，所述过程状态表征序列中的元素包括所述历史状态参数在第k时刻+Ts按照多个时间窗口截取的时序片段，Ts是状态观测步长；
[0014]使用所述过程状态表征序列sk、所述过程状态表征序列sk
’
、所述状态观测步长Ts、所述惩罚系数rk，训练所述窑况综合指标预测模型。
[0015]根据本公开实施例，其中，所述使用所述过程状态表征序列sk、所述过程状态表征序列sk
’
、所述状态观测步长Ts、所述惩罚系数rk，训练所述窑况综合指标预测模型，包括：
[0016]使用所述窑况预测模型，获取所述过程状态表征序列sk的对应预测结果；
[0017]使用所述窑况预测模型，获取所述过程状态表征序列sk
’
的对应预测结果；
[0018]使用所述过程状态表征序列sk的对应预测结果、所述过程状态表征序列sk
’
的对应预测结果、所述状态观测步长Ts、所述惩罚系数rk构造损失函数；
[0019]以最小化所述损失函数为目标，训练所述窑况综合指标预测模型。
[0020]根据本公开实施例，其中，所述使用所述窑况预测模型，获取所述过程状态表征序列sk的对应预测结果，包括，针对所述过程状态表征序列sk：
[0021]对所述过程状态表征序列sk中的时序片段进行窗口聚合，得到聚合时序片段，其中，所有聚合时序片段具有相同的长度；
[0022]计算所述聚合时序片段的均值和标准差，并对所述聚合时序片段进行零均值和单位标准差处理，得到零均值片段；
[0023]对所述零均值片段进行聚类，得到多个类别；
[0024]计算所述零均值片段属于任一类别的概率；
[0025]根据所述零均值片段属于任一类别的概率和相应聚合时序片段的标准差，得到相应聚合时序片段的类别特征；
[0026]将所述聚合时序片段的类别特征和所述聚合时序片段的均值输入所述窑况综合指标预测模型，得到所述过程状态表征序列sk的对应预测结果。
[0027]根据本公开实施例，其中，所述使用所述窑况预测模型，获取所述过程状态表征序列sk
’
的对应预测结果，包括，针对所述过程状态表征序列sk
’
：
[0028]对所述过程状态表征序列sk
’
中的时序片段进行窗口聚合，得到聚合时序片段，其中，所有聚合时序片段具有相同的长度；
[0029]计算所述聚合时序片段的均值和标准差，并对所述聚合时序片段进行零均值和单位标准差处理，得到零均值片段；
[0030]对所述聚合时序片段进行聚类，得到多个类别；
[0031]计算所述聚合时序片段属于任一类别的概率；
[0032]根据所述聚合时序片段属于任一类别的概率和所述聚合时序片段的标准差，得到所述聚合时序片段的类别特征；
[0033]将所述聚合时序片段的类别特征和所述聚合时序片段的均值输入所述窑况综合指标预测模型，得到所述过程状态表征序列sk
’
的对应预测结果。
[0034]根据本公开实施例，其中：
[0035]所述状态参数包括以下任意一项或多项：生料石灰石饱和系数KH、生料硅酸率SM、生料铝率IM、窑头二次风温、窑头三次风温、窑头看火亮度、一段篦冷机下压力、窑尾烟室温度、窑尾烟室SO2浓度、窑尾烟室CO浓度、窑尾烟室NOx浓度、窑电流、熟料游离钙含量、掉窑皮识别结果、环境温度、分解炉温度、预热器出口CO含量、预热器出口风压历史数据；
[0036]所述能耗参数包括以下任意一项或多项：分解炉喂煤量、回转窑头煤喂煤量、回转炉耗电量、生料喂料量、熟料产量。
[0037]根据本公开实施例，所述方法还包括：
[0038]根据窑电流、窑头二次风温、窑头看火亮度、篦冷机油压，确定掉窑皮识别结果。
[0039]根据本公开实施例，所述方法还包括：
[0040]根据生料石灰石饱和系数KH、生料硅酸率SM、生料铝率IM、窑头二次风温、窑电流、分解炉温度、熟料产量、窑尾烟室NOx，使用训练好的游离钙预测模型，预测熟料游离钙含量，所述游离钙预测模型是使用生料石灰石饱和系数KH、生料硅酸率SM、生料铝率IM、窑头二次风温、窑电流、分解炉温度、熟料产量、窑尾烟室NOx、熟料游离钙含量的历史数据训练得到的。
[0041]根据本公开实施例，所述方法还包括：
[0042]根据生料石灰石饱和系数KH、生料硅酸率SM、生料铝率IM、窑头二次风温、窑电流、分解炉温度、熟料产量、窑尾烟室NOx、熟料游离钙含量，使用训练好的能耗预测模型预测能耗，所述能耗预测模型是使用生料石灰石饱和系数KH、生料硅酸率SM、生料铝率IM、窑头二次风温、窑电流、分解炉温度、熟料产量、窑尾烟室NOx、熟料游离钙含量、能耗参本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种回转窑工艺参数控制方法，包括：获取回转窑的状态参数和能耗参数，所述状态参数表征所述回转窑的运行状态，所述能耗参数用于计算所述回转窑的能耗；根据所述状态参数确定所述回转窑的窑况综合指标，所述窑况综合指标表征所述回转窑的烧成状况；根据所述窑况综合指标、所述状态参数、所述能耗参数，确定所述回转窑的工艺参数设定值。2.根据权利要求1所述的方法，其中，所述根据所述状态参数确定所述回转窑的窑况综合指标，包括：根据实时获取的所述状态参数，使用窑况综合指标预测模型确定所述回转窑的窑况综合指标，其中，所述窑况综合指标预测模型是使用所述回转窑的历史状态参数和历史能耗参数训练得到的。3.根据权利要求2所述的方法，还包括：获取所述回转窑在指定历史时间段内的历史状态参数和历史能耗参数；根据所述回转窑的历史状态参数，确定所述回转窑在第k时刻的过程状态表征序列s
k
，所述过程状态表征序列中的元素包括所述历史状态参数在第k时刻按照多个时间窗口截取的时序片段，根据所述回转窑的历史能耗参数，确定所述回转窑在历史第k时刻的惩罚系数r
k
；根据所述回转窑的历史状态参数和历史能耗参数，确定所述回转窑在第k时刻+Ts的过程状态表征序列s
k
’
，所述过程状态表征序列中的元素包括所述历史状态参数在第k时刻+Ts按照多个时间窗口截取的时序片段，Ts是状态观测步长；使用所述过程状态表征序列s
k
、所述过程状态表征序列s
k
’
、所述状态观测步长Ts、所述惩罚系数r
k
，训练所述窑况综合指标预测模型。4.根据权利要求3所述的方法，其中，所述使用所述过程状态表征序列s
k
、所述过程状态表征序列s
k
’
、所述状态观测步长Ts、所述惩罚系数r
k
，训练所述窑况综合指标预测模型，包括：使用所述窑况预测模型，获取所述过程状态表征序列s
k
的对应预测结果；使用所述窑况预测模型，获取所述过程状态表征序列s
k
’
的对应预测结果；使用所述过程状态表征序列s
k
的对应预测结果、所述过程状态表征序列s
k
’
的对应预测结果、所述状态观测步长Ts、所述惩罚系数r
k
构造损失函数；以最小化所述损失函数为目标，训练所述窑况综合指标预测模型。5.根据权利要求4所述的方法，其中，所述使用所述窑况预测模型，获取所述过程状态表征序列s
k
的对应预测结果，包括，针对所述过程状态表征序列s
k
：对所述过程状态表征序列s
k
中的时序片段进行窗口聚合，得到聚合时序片段，其中，所有聚合时序片段具有相同的长度；计算所述聚合时序片段的均值和标准差，并对所述聚合时序片段进行零均值和单位标准差处理，得到零均值片段；对所述零均值片段进行聚类，得到多个类别；计算所述零均值片段属于任一类别的概率；
根据所述零均值片段属于任一类别的概率和相应聚合时序片段的标准差，得到相应聚合时序片段的类别特征；将所述聚合时序片段的类别特征和所述聚合时序片段的均值输入所述窑况综合指标预测模型，得到所述过程状态表征序列s
k
的对应预测结果。6.根据权利要求4所述的方法，其中，所述使用所述窑况预测模型，获取所述过程状态表征序列s
k
’
的对应预测结果，包括，针对所述过程状态表征序列s
k<...

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