流化床反应温度的确定方法、相关装置及计算机存储介质制造方法及图纸

本申请提供一种流化床反应温度的确定方法、相关装置及计算机存储介质，该方法包括：首先，实时采集目标因素的实时数据；其中，所述目标因素为影响二甲基二氯硅烷选择性的因素；然后，将所述目标因素的数据进行预处理，得到第一目标实时数据；之后，对所述第一目标实时数据进行稳态检测，将波动较大、工况不稳定的数据剔除后，得到第二目标实时数据；最后，将所述第二目标实时数据输入至流化床反应温度确定模型中，得到最优的流化床反应温度；其中，所述流化床反应温度确定模型由至少一个训练样本数据对机器学习模型进行训练得到。从而在不同的生产时期和工况下推荐反应温度控制目标建议，在保证产量和安全的前提下达到二甲基二氯硅烷选择性最高。硅烷选择性最高。硅烷选择性最高。

【技术实现步骤摘要】
流化床反应温度的确定方法、相关装置及计算机存储介质


[0001]本申请涉及计算机
，特别涉及一种流化床反应温度的确定方法、相关装置及计算机存储介质。

技术介绍

[0002]有机硅材料是一类高分子聚合物，被广泛应用于建筑、日化、纺织印染、食品级硅橡胶、饮食、医疗等领域，并逐渐向高端产品的应用发展，着重围绕航空航天、高端设备、新能源、医疗健康以及国防军工等领域。
[0003]甲基氯硅烷是制造有机硅材料的重要原料，而二甲基二氯硅烷是其中需求量最大的一种。随着行业技术的提升、产品革新力量的推动及需求的持续增加，推动我国的有机硅产品生产规模一直保持正向增长，现已成为全球最大的有机硅生产国。但国内总体生产水平不高，副产物堆积严重，二甲基二氯硅烷选择性偏低。

技术实现思路

[0004]有鉴于此，本申请提供一种流化床反应温度的确定方法、相关装置及计算机存储介质，可以准确的最优的流化床反应温度，进而快速有效的提高二甲基二氯硅烷选择性。
[0005]本申请第一方面提供了一种流化床反应温度的确定方法，包括：
[0006]实时采集目标因素的实时数据；其中，所述目标因素为影响二甲基二氯硅烷选择性的因素；所述目标因素包括：反应温度、硅粉进料量、催化剂进料量、飞灰量、产量、氯甲烷压力和床层密度；
[0007]将所述目标因素的数据进行预处理，得到第一目标实时数据；
[0008]对所述第一目标实时数据进行稳态检测，将波动较大、工况不稳定的数据剔除后，得到第二目标实时数据；
[0009]将所述第二目标实时数据输入至流化床反应温度确定模型中，得到最优的流化床反应温度；其中，所述流化床反应温度确定模型由至少一个训练样本数据对机器学习模型进行训练得到；所述训练样本数据包括目标因素的历史数据以及对应的真实最优的流化床反应温度。
[0010]可选的，所述流化床反应温度确定模型的构建方法，包括：
[0011]获取目标因素的历史数据；
[0012]对所述目标因素的历史数据按照采样时间点进行梳理，得到梳理后的历史数据；
[0013]对所述梳理后的历史数据进行预处理，得到第一目标历史数据；
[0014]对所述第一目标历史数据进行特征变换，得到第二目标历史数据；
[0015]对所述第二目标历史数据进行稳态检测，将波动较大、工况不稳定的数据剔除后，得到第三目标历史数据；
[0016]将所述第三目标历史数据输入至机器学习模型，输出得到预测最优的流化床反应温度；
[0017]利用所述预测最优的流化床反应温度和所述真实最优的流化床反应温度之间的误差对所述至机器学习模型进行调整，直至所述预测最优的流化床反应温度和所述真实最优的流化床反应温度之间的误差满足预设的收敛条件，将所述机器学习模型作为流化床反应温度确定模型。
[0018]可选的，所述将所述第二目标实时数据输入至流化床反应温度确定模型中，得到最优的流化床反应温度之前，还包括：
[0019]对流化床反应温度确定模型的精度进行检测；
[0020]若流化床反应温度确定模型的精度不满足预设的要求，则使用在线优化模型对所述流化床反应温度确定模型进行优化；其中，所述在线优化模型包括：缓存及历史回放机制、优化模型以及评价机制。
[0021]可选的，所述缓存及历史回放机制存放经过数据预处理的第一预设时间内的各相关因素的历史数据，优化结果以及优化结果的评价。
[0022]可选的，所述优化模型为多层长短时神经网络模型输入为上一步缓存及历史回放机制中的历史数据，模型输出为下一步优化结果。
[0023]可选的，所述评价机制是对优化结果进行执行之后的第二预设时间后的结果进行评价。
[0024]可选的，所述流化床反应温度的确定方法，还包括：
[0025]根据优化步长确定优化结果的合理性。
[0026]本申请第二方面提供了一种流化床反应温度的确定装置，包括：
[0027]采集单元，用于实时采集目标因素的实时数据；其中，所述目标因素为影响二甲基二氯硅烷选择性的因素；所述目标因素包括：反应温度、硅粉进料量、催化剂进料量、飞灰量、产量、氯甲烷压力和床层密度；
[0028]第一预处理单元，用于将所述目标因素的数据进行预处理，得到第一目标实时数据；
[0029]第一稳态检测单元，用于对所述第一目标实时数据进行稳态检测，将波动较大、工况不稳定的数据剔除后，得到第二目标实时数据；
[0030]第一输入单元，用于将所述第二目标实时数据输入至流化床反应温度确定模型中，得到最优的流化床反应温度；其中，所述流化床反应温度确定模型由至少一个训练样本数据对机器学习模型进行训练得到；所述训练样本数据包括目标因素的历史数据以及对应的真实最优的流化床反应温度。
[0031]可选的，所述流化床反应温度确定模型的构建单元，包括：
[0032]获取单元，用于获取目标因素的历史数据；
[0033]梳理单元，用于对所述目标因素的历史数据按照采样时间点进行梳理，得到梳理后的历史数据；
[0034]第二预处理单元，用于对所述梳理后的历史数据进行预处理，得到第一目标历史数据；
[0035]特征变换单元，用于对所述第一目标历史数据进行特征变换，得到第二目标历史数据；
[0036]剔除单元，用于对所述第二目标历史数据进行稳态检测，将波动较大、工况不稳定
的数据剔除后，得到第三目标历史数据；
[0037]第二输入单元，用于将所述第三目标历史数据输入至机器学习模型，输出得到预测最优的流化床反应温度；
[0038]调整单元，用于利用所述预测最优的流化床反应温度和所述真实最优的流化床反应温度之间的误差对所述至机器学习模型进行调整，直至所述预测最优的流化床反应温度和所述真实最优的流化床反应温度之间的误差满足预设的收敛条件，将所述机器学习模型作为流化床反应温度确定模型。
[0039]可选的，所述流化床反应温度的确定装置，还包括：
[0040]精度检测单元，用于对流化床反应温度确定模型的精度进行检测；
[0041]在线优化单元，用于若流化床反应温度确定模型的精度不满足预设的要求，则使用在线优化模型对所述流化床反应温度确定模型进行优化；其中，所述在线优化模型包括：缓存及历史回放机制、优化模型以及评价机制。
[0042]可选的，所述缓存及历史回放机制存放经过数据预处理的第一预设时间内的各相关因素的历史数据，优化结果以及优化结果的评价。
[0043]可选的，所述优化模型为多层长短时神经网络模型输入为上一步缓存及历史回放机制中的历史数据，模型输出为下一步优化结果。
[0044]可选的，所述评价机制是对优化结果进行执行之后的第二预设时间后的结果进行评价。
[0045]可选的，所述流化床反应温度的确定装置，还包括：
[0046]合理性确定单元，用于根据优化步长确定优化结果的合理性。
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种流化床反应温度的确定方法，其特征在于，包括：实时采集目标因素的实时数据；其中，所述目标因素为影响二甲基二氯硅烷选择性的因素；所述目标因素包括：反应温度、硅粉进料量、催化剂进料量、飞灰量、产量、氯甲烷压力和床层密度；将所述目标因素的数据进行预处理，得到第一目标实时数据；对所述第一目标实时数据进行稳态检测，将波动较大、工况不稳定的数据剔除后，得到第二目标实时数据；将所述第二目标实时数据输入至流化床反应温度确定模型中，得到最优的流化床反应温度；其中，所述流化床反应温度确定模型由至少一个训练样本数据对机器学习模型进行训练得到；所述训练样本数据包括目标因素的历史数据以及对应的真实最优的流化床反应温度。2.根据权利要求1所述的确定方法，其特征在于，所述流化床反应温度确定模型的构建方法，包括：获取目标因素的历史数据；对所述目标因素的历史数据按照采样时间点进行梳理，得到梳理后的历史数据；对所述梳理后的历史数据进行预处理，得到第一目标历史数据；对所述第一目标历史数据进行特征变换，得到第二目标历史数据；对所述第二目标历史数据进行稳态检测，将波动较大、工况不稳定的数据剔除后，得到第三目标历史数据；将所述第三目标历史数据输入至机器学习模型，输出得到预测最优的流化床反应温度；利用所述预测最优的流化床反应温度和所述真实最优的流化床反应温度之间的误差对所述至机器学习模型进行调整，直至所述预测最优的流化床反应温度和所述真实最优的流化床反应温度之间的误差满足预设的收敛条件，将所述机器学习模型作为流化床反应温度确定模型。3.根据权利要求1所述的确定方法，其特征在于，所述将所述第二目标实时数据输入至流化床反应温度确定模型中，得到最优的流化床反应温度之前，还包括：对流化床反应温度确定模型的精度进行检测；若流化床反应温度确定模型的精度不满足预设的要求，则使用在线优化模型对所述流化床反应温度确定模型进行优化；其中，所述在线优化模型包括：缓...

【专利技术属性】
技术研发人员：马晓华，楼云霄，吴玉成，王宽心，
申请(专利权)人：浙江中控技术股份有限公司，
类型：发明
国别省市：