一种利用AI技术通过电能消耗来估测封闭式金属冶炼炉槽内温度的方法技术

本发明专利技术的目的在于公开一种利用AI技术通过电能消耗来估测封闭式金属冶炼炉槽内温度的方法，与现有技术相比，通过对相关参数的人工测量和自动测量，自动建立起样本库，然后利用样本库，再对上述六个需要通过人工智能学习得到的参数进行自动反复训练，逐步得到更为精确的参数，通过简单的统计、计算获得精确的炉内温度实时温度值。当多次出现炉温计算值与人工实测值非常接近时，可逐步延长两次人工测温的时间跨度，以降低人工测温频度，最终由本发明专利技术代替人工测温，实现本发明专利技术的目的。实现本发明专利技术的目的。实现本发明专利技术的目的。

【技术实现步骤摘要】
一种利用AI技术通过电能消耗来估测封闭式金属冶炼炉槽内温度的方法


[0001]本专利技术涉及一种估测温度的方法，特别涉及一种对采用电解铝、电解铜、电解钛等封闭式金属精炼炉工艺中炉槽内温度在线估测的利用AI技术通过电能消耗来估测封闭式金属冶炼炉槽内温度的方法。

技术介绍

[0002]在许多金属精炼工艺中，需要通过电力为能源在加热炉或电解槽内进行金属冶炼。其中，炉内温度或槽内温度检测和控制，是金属冶炼过程中非常重要的一环。
[0003]传统的方法，在封闭式炉槽(例如铝电解槽)内设置一个取样孔，操作工人定时通过取样孔检测样品温度来实现对温度的测量。但是这种测量，在实际生产中存在以下问题：
[0004]1、目前现场实际为人工定时测量槽液温度。经了解，使用测试工具(由热电偶和测温表组成)直接测试电解槽中铝液温度时，会频繁导致热电偶烧损。为此现有工艺规程中要求工作人员到现场后先将部分槽液通过卸灰斗卸至地面，然后对地面溶液进行测温。由于环境温度较低，所以测量结果与实际槽液温度会存在一定差距。
[0005]2、人工定时测量槽液温度时，测试频度过低，无法及时掌控槽液实际温度，其实时性也没法保证；测试频度过高，将大大增加了工作人员劳动强度，严重影响生产效率。
[0006]3、目前行业内最新设计为将热电偶直接加装至电解槽内，工作人员可以通过表计直接在电解槽外侧对槽液进行测温。但这种设计本身对电解槽进行改造，势必对电解槽工艺造成影响，且单槽投资巨大。
[0007]因此，特别需要一种利用AI技术通过电能消耗来估测封闭式金属冶炼炉槽内温度的方法，以解决上述现有存在的问题。

技术实现思路

[0008]本专利技术的目的在于提供一种利用AI技术通过电能消耗来估测封闭式金属冶炼炉槽内温度的方法，针对现有技术的不足，根据冶炼炉槽实际消耗电能来估测炉槽内实际温度，能实现对封闭式金属冶炼炉槽内温度的精确估算，且投资成本不高，能解决以电力为能源在加热炉或电解槽内进行金属冶炼的溶液测温的技术难题。
[0009]本专利技术所解决的技术问题可以采用以下技术方案来实现：
[0010]一种利用AI技术通过电能消耗来估测封闭式金属冶炼炉槽内温度的方法，其特征在于，它通过多次与真实值比对，建立K1、K2、K3、Kcd、Kcv、Krt数据库，通过积分后选取平均值，并重新应用于本公式，最终通过统计输入功率Pe、炉内原材料质量M和时间T实现对槽温的实时精准计算，具体公式如下：
[0011]T(t)＝T0+(∫Pedt
‑
∫Psdt
‑
K2*M)/(K1*M+K3)，
[0012]其中，T0为上一次人工测试时刻的炉内起始温度；Pe为电输入功率，∫Pedt为从上一次人工测试时刻至今的累计电能消耗；Ps为炉槽对外耗散的热功率；∫Psdt为从上一次人
工测试时刻至今的累计对外耗散的热能；M为炉内原材料质量；K1为与炉内原材料相关的单位比热容量；K2为与炉内原材料相关的单位化学能，其值可以为负；K3为炉槽本体的比热容量；
[0013]Ps＝(Ts
‑
Tg)*Kcd+(Ts
‑
Ta)*Kcv+(Ts4‑
Te4)*Krt，
[0014]其中，Ts为炉槽外表面温度；Tg为支持物温度；Kcd为炉槽通过支持物传导对外散热系数；Ta为周边空气温度，自动测量获得；Kcv为炉槽通过空气对流对外散热系数；Te为周边墙体温度；Krt为炉槽通过辐射对外散热系数。
[0015]在本专利技术的一个实施例中，通过人工测量得到包括当前炉温T0以及两次人工测量之间六个实测量Pe，M，Ts，Tg，Ta，Te，更新数据样本库；再次提取样本，计算出K1、K2、K3、Kcd、Kcv、Krt六个参数；通过AI智能学习得到新的K1、K2、K3、Kcd、Kcv、Krt六个参数。
[0016]在本专利技术的一个实施例中，通过不断计算六个实测量Pe，M，Ts，Tg，Ta，Te，并将最近一次人工测温值设定为T0，从最近一次人工测温时刻开始计时，利用公式计算当前时刻的炉温，并显示当前时刻的炉温。
[0017]本专利技术的利用AI技术通过电能消耗来估测封闭式金属冶炼炉槽内温度的方法，与现有技术相比，能实现对封闭式金属冶炼炉槽内温度的精确计算和显示，且投资成本不高，能解决以电力为能源在加热炉或电解槽内进行金属冶炼的溶液测温的技术难题，实现本专利技术的目的。
[0018]本专利技术的特点可参阅本案图式及以下较好实施方式的详细说明而获得清楚地了解。
附图说明
[0019]图1为本专利技术的冶炼炉槽的热量传导守恒模型的示意图；
[0020]图2为本专利技术的利用AI技术通过电能消耗来估测封闭式金属冶炼炉槽内温度的方法的流程示意图。
具体实施方式
[0021]为了使本专利技术实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体图示，进一步阐述本专利技术。
[0022]实施例
[0023]如图1和图2所示，本专利技术的利用AI技术通过电能消耗来估测封闭式金属冶炼炉槽内温度的方法，它通过多次与真实值比对，建立K1、K2、K3、Kcd、Kcv、Krt数据库，通过积分后选取平均值，并重新应用于本公式，最终通过统计输入功率Pe、炉内原材料质量M和时间T实现对槽温的实时精准计算，具体公式如下：
[0024]T(t)＝T0+(∫Pedt
‑
∫Psdt
‑
K2*M)/(K1*M+K3)，
[0025]其中，T0为上一次人工测试时刻的炉内起始温度，该值通过传统人工方法获得；
[0026]Pe为电输入功率，∫Pedt为从上一次人工测试时刻至今的累计电能消耗，该值可通过电力仪表自动获得；
[0027]Ps为炉槽对外耗散的热功率，∫Psdt为从上一次人工测试时刻至今的累计对外耗散的热能，该值需要通过公式进一步计算获得；
[0028]M为炉内原材料质量，人工方法获得或通过工艺流程自动获得；
[0029]K1为与炉内原材料相关的单位比热容量，人工智能学习获得；
[0030]K2为与炉内原材料相关的单位化学能，其值可以为负，人工智能学习获得；
[0031]K3为炉槽本体的比热容量，人工智能学习获得。
[0032]Ps计算公式如下：
[0033]Ps＝(Ts
‑
Tg)*Kcd+(Ts
‑
Ta)*Kcv+(Ts4‑
Te4)*Krt，
[0034]其中，Ts为炉槽外表面温度，自动测量获得；
[0035]Tg为支持物温度，自动测量获得；
[0036]Kcd为炉槽通过支持物传导对外散热系数，人工智能学习获得；
[0037]Ta为周边空气温度，自动测量获得；
[0038]Kcv为炉槽通过空气对流对外散热系数，人工智能学习获得；
[0039]Te为周边墙体温度，自动测量获得；
...

【技术保护点】

【技术特征摘要】
1.一种利用AI技术通过电能消耗来估测封闭式金属冶炼炉槽内温度的方法，其特征在于，它通过多次与真实值比对，建立K1、K2、K3、Kcd、Kcv、Krt数据库，通过积分后选取平均值，并重新应用于本公式，最终通过统计输入功率Pe、炉内原材料质量M和时间T实现对槽温的实时精准计算，具体公式如下：T(t)＝T0+(∫Pedt
‑
∫Psdt
‑
K2*M)/(K1*M+K3)，其中，T0为上一次人工测试时刻的炉内起始温度；Pe为电输入功率，∫Pedt为从上一次人工测试时刻至今的累计电能消耗；Ps为炉槽对外耗散的热功率；∫Psdt为从上一次人工测试时刻至今的累计对外耗散的热能；M为炉内原材料质量；K1为与炉内原材料相关的单位比热容量；K2为与炉内原材料相关的单位化学能，其值可以为负；K3为炉槽本体的比热容量；Ps＝(Ts
‑
Tg)*Kcd+(Ts
‑
Ta)*Kcv+(Ts4‑...

【专利技术属性】
技术研发人员：李文学，胡大良，王曼，成民，姜林，金岭，李鑫雨，李卫峰，付明录，
申请(专利权)人：青海黄河上游水电开发有限责任公司黄河鑫业有限公司，
类型：发明
国别省市：