一种窑炉温度预测方法、系统、设备及介质技术方案

本发明专利技术提供了一种窑炉温度预测方法、系统、设备及介质，所述方法包括：利用监测到的窑炉数据得到历史数据集，并根据历史数据集获取第一训练集和第一测试集，利用第一训练集、第一测试集初步对模型进行训练、测试，利用预先获取的第二训练集、第二测试集再次训练、测试模型，并根据第二测试集输出误差筛选出最优温度预测模型；根据窑炉温区在预设的预测前期时间段内的窑炉数据和最优温度预测模型，得到预测时间段的窑炉温区预测温度。本发明专利技术实现对窑炉未来温度进行预测。本发明专利技术提供的窑炉温度预测方法，通过两次训练、测试模型，不仅能够快速、精准地实现对窑炉未来温度的预测，而且可以提前预知各温区温度变化趋势，可靠性高，成本低。本低。本低。

【技术实现步骤摘要】
一种窑炉温度预测方法、系统、设备及介质


[0001]本专利技术涉及温度预测
，特别是涉及一种窑炉温度预测方法系统、设备及介质。

技术介绍

[0002]工业窑炉是用耐火材料砌成的用以煅烧物料或烧成制品的设备。其主要被广泛应用于机械、冶金、石油和煤气等工业，工业窑炉的创造和发展对人类进步起着十分重要的作用。
[0003]在现有技术中，传统工业窑炉的主要组成部分有：工业炉砌体、工业炉排烟系统、工业炉预热器和工业炉燃烧装置等。传统工业窑炉为了加快产品的烧成速度，缩短产品的烧成周期，通常采用的方法是由操作工来增减燃料或者改变功率输出来控制窑炉内部的温度。但是，由于人为控制的不稳定性，人工操作的过程中难免出现功率调节过大或过小的现象，导致窑炉温度上升过高或上升滞后，影响产品的烧结。
[0004]目前，正极材料原料经过混合后，装钵进入窑炉开始烧结，原料在窑炉内以固定的推速经过升温区、保温区及降温区，各温区需维持相应的温度来进行烧结，正常工作情况下各温区温度会在稳定的区间范围内波动，但是存在温度波动较大的情况，导致窑炉实际烧结温度与设定温度偏差较大，从而影响物料性能，增加公司成本。

技术实现思路

[0005]本专利技术的目的是提供一种窑炉温度预测方法，以实现对窑炉未来温度进行预测。
[0006]为了实现上述目的，第一方面，本专利技术实施例提供了一种窑炉温度预测方法，所述方法包括：
[0007]获取任一窑炉温区在其对应的温区设定时间范围内的窑炉数据，并构成历史数据集；所述窑炉数据包括温度数据和功率数据；
[0008]根据所述历史数据集获取第一训练集和第一测试集，利用所述第一训练集分别对预先选取的若干初始温度预测模型进行训练，得到若干第一温度预测模型；
[0009]利用所述第一测试集分别测试若干所述第一温度预测模型，输出第一测试集输出误差，并根据所述第一测试集输出误差和第一测试误差预设范围，从所述第一温度预测模型中筛选出第二温度预测模型；
[0010]利用预先获取的第二训练集分别对若干所述第二温度预测模型进行训练，得到第三温度预测模型；
[0011]根据预先获取的第二测试集分别测试若干所述第三温度预测模型，输出第二测试集输出误差，并将所述第二测试集输出误差最小值对应的所述第三温度预测模型作为对应窑炉温区的最优温度预测模型；
[0012]将在预设的预测前期时间段内采集到的所述窑炉温区的待预测窑炉数据输入所述最优温度预测模型，得到预测时间段的窑炉温区预测温度。
[0013]进一步地，所述根据历史数据集获取第一训练集和第一测试集的步骤包括：
[0014]根据所述历史数据集选取所述窑炉温区在其对应的温度异常设定时间范围内的窑炉数据，并将其作为待处理历史数据集；
[0015]对所述待处理历史数据集进行预处理，得到预处理后的历史数据集；其中，所述预处理包括数据清洗处理；
[0016]根据所述预处理后的历史数据集获取第一训练集和第一测试集。
[0017]进一步地，所述数据清洗处理，具体包括：
[0018]当所述待处理历史数据集中存在异常跳变的历史窑炉数据时，将所述异常跳变的历史窑炉数据替换为所有所述历史窑炉数据的中位数值，直至所述窑炉数据中不存在异常跳变的温度数据时；所述异常跳变的历史窑炉数据为与附近历史窑炉数据差值超过预设差值的温度数据。
[0019]进一步地，所述第二训练集和所述第二测试集均包括所述窑炉温区在预设的预测前期时间段内的历史窑炉数据；其中，所述预设的预测前期时间段包括预测前期正常时间段和预测前期故障时间段。
[0020]进一步地，所述初始温度预测模型包括：LSTM模型、RNN模型、GRU模型、CNN模型和GRN模型。
[0021]进一步地，所述方法还包括：
[0022]根据所述窑炉温区的窑炉数据，获取若干统计模量，并根据所述统计模量，得到所述窑炉温区的温度分布特征；
[0023]根据所述温度分布特征，得到窑炉温区温度变化趋势。
[0024]进一步地，所述统计模量包括均值、方差、偏度和峰度。第二方面，本专利技术实施例还提供了一种窑炉温度预测系统，所述系统包括：
[0025]数据获取模块，用于获取任一窑炉温区在其对应的温区设定时间范围内的窑炉数据，并构成历史数据集；所述窑炉数据包括温度数据和功率数据；
[0026]第一筛选模块，用于根据所述历史数据集获取第一训练集和第一测试集，利用所述第一训练集分别对预先选取的若干初始温度预测模型进行训练，得到若干第一温度预测模型；还用于利用所述第一测试集分别测试若干所述第一温度预测模型，输出第一测试集输出误差，并根据所述第一测试集输出误差和第一测试误差预设范围，从所述第一温度预测模型中筛选出第二温度预测模型；
[0027]第二筛选模块，用于利用预先获取的第二训练集分别对若干所述第二温度预测模型进行训练，得到第三温度预测模型；还用于根据预先获取的第二测试集分别测试若干所述第三温度预测模型，输出第二测试集输出误差，并将所述第二测试集输出误差最小值对应的所述第三温度预测模型作为对应窑炉温区的最优温度预测模型；
[0028]温度预测模块，用于将在预设的预测前期时间段内采集到的所述窑炉温区的待预测窑炉数据输入所述最优温度预测模型，得到预测时间段的窑炉温区预测温度。
[0029]第三方面，本专利技术实施例还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述方法的步骤。
[0030]第四方面，本专利技术实施例还提供一种计算机可读存储介质，其上存储有计算机程
序，所述计算机程序被处理器执行时实现上述方法的步骤。
[0031]本专利技术提供了一种窑炉温度预测方法、系统、设备及介质，所述方法包括：对窑炉温区进行监测，得到窑炉数据，并构成历史数据集，所述窑炉数据包括窑炉的温度数据和功率数据；根据所述历史数据集获取第一训练集和第一测试集，根据第一训练集和第一测试集分别对初始温度预测模型进行训练、测试，以初步筛选初始温度预测模型，得到第二温度预测模型；利用第二训练集和第一测试集分别对初始温度预测模型进行训练、测试，以对第二温度预测模型进行筛选，得到对应窑炉温区的最优温度预测模型，从而实现窑炉各温区温度的精准预测。本专利技术通过对窑炉未来温度进行精准预测，能够提前预知各温区温度变化趋势，从而降低温度波动较大对物料造成的影响。
附图说明
[0032]图1是本专利技术实施例一种窑炉温度预测方法的流程示意图；
[0033]图2是本专利技术实施例一种窑炉温度预测方法的时序预测示意图；
[0034]图3是本专利技术实施例一种窑炉温度预测系统的系统框图；
[0035]图4是本专利技术实施例中计算机设备的内部结构图。
具体实施方式
[0036]为了使本申请的目的、技术方案和有益效果更加清楚明白，下面结合附图及实施例，对本专利技术作进一步详细说明，显本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种窑炉温度预测方法，其特征在于，所述方法包括：获取任一窑炉温区在其对应的温区设定时间范围内的窑炉数据，并构成历史数据集；所述窑炉数据包括温度数据和功率数据；根据所述历史数据集获取第一训练集和第一测试集，利用所述第一训练集分别对预先选取的若干初始温度预测模型进行训练，得到若干第一温度预测模型；利用所述第一测试集分别测试若干所述第一温度预测模型，输出第一测试集输出误差，并根据所述第一测试集输出误差和第一测试误差预设范围，从所述第一温度预测模型中筛选出第二温度预测模型；利用预先获取的第二训练集分别对若干所述第二温度预测模型进行训练，得到第三温度预测模型；根据预先获取的第二测试集分别测试若干所述第三温度预测模型，输出第二测试集输出误差，并将所述第二测试集输出误差最小值对应的所述第三温度预测模型作为对应窑炉温区的最优温度预测模型；将在预设的预测前期时间段内采集到的所述窑炉温区的待预测窑炉数据输入所述最优温度预测模型，得到预测时间段的窑炉温区预测温度。2.根据权利要求1所述的一种窑炉温度预测方法，其特征在于，所述根据历史数据集获取第一训练集和第一测试集的步骤包括：根据所述历史数据集选取所述窑炉温区在其对应的温度异常设定时间范围内的窑炉数据，并将其作为待处理历史数据集；对所述待处理历史数据集进行预处理，得到预处理后的历史数据集；其中，所述预处理包括数据清洗处理；根据所述预处理后的历史数据集获取第一训练集和第一测试集。3.根据权利要求2所述的一种窑炉温度预测方法，其特征在于，所述数据清洗处理，具体包括：当所述待处理历史数据集中存在异常跳变的历史窑炉数据时，将所述异常跳变的历史窑炉数据替换为所有所述历史窑炉数据的中位数值，直至所述窑炉数据中不存在异常跳变的温度数据时；所述异常跳变的历史窑炉数据为与附近历史窑炉数据差值超过预设差值的温度数据。4.根据权利要求1所述的一种窑炉温度预测方法，其特征在于：所述第二训练集和所述第二测试集均包括所述窑炉温区在预设的预测前期时间段内的历史窑炉数据；其中，所述预设的预测前期时间段包括预测前期正常时间段和...

【专利技术属性】
技术研发人员：李宗帅，何志贺，朱永科，徐泽权，王英男，李长东，
申请(专利权)人：湖南邦普循环科技有限公司，
类型：发明
国别省市：