一种电解槽的监测方法及设备技术

本发明专利技术公开了一种电解槽的监测方法及设备，监测方法包括步骤：建立基于规则推理的电解槽漏槽监测模型，对电解槽进行漏槽预警；建立基于神经网络的电解槽漏槽监测模型，对电解槽进行漏槽预警；建立基于聚类的电解槽工况监测模型，对电解槽的工况进行监测。本发明专利技术建立了基于规则推理的电解槽漏槽监测模型、基于神经网络的电解槽漏槽监测模型、基于聚类的电解槽工况监测模型，实现基于槽壳温度参数监测电解槽工况和预警电解槽漏槽的目的，进而确保电解槽漏槽的准确预警，此外，基于规则推理的电解槽漏槽监测模型、基于神经网络的电解槽漏槽监测模型双重监测模型的使用，能够避免漏报，还能进一步地提高预警的准确性。还能进一步地提高预警的准确性。还能进一步地提高预警的准确性。

【技术实现步骤摘要】
一种电解槽的监测方法及设备


[0001]本专利技术属于电解槽
，具体涉及一种电解槽的监测方法及设备。

技术介绍

[0002]铝电解槽作为熔盐电解工艺中的重要生产设备，其良好的槽况是维持电解铝正常生产的根本，也直接影响着电解铝厂的生产效率和经济效益。实际电解铝的生产过程中，铝电解槽很难控制在动态的热平衡之中，铝电解槽经常偏离正常工况，致使电解效率下降，生产效率降低。同时，电解槽偏离正常工况也会导致出现冷炉、红炉、漏槽等情况的发生，不仅会给企业带来巨大的经济损失，还可能引发火灾、爆炸等严重的工业安全事故，更有甚者还会造成现场工作人员的伤亡。因此，为避免此类事故的发生，必须对电解槽的温度进行有效的监测。
[0003]在现有技术中，铝电解槽的监测大多依靠人工进行监测，该方法不仅人工劳动强度大、成本高，而且还不能够第一时间发现电解槽的漏槽，当故障发生后，只能进行事后处理和修复。为了解决人工监测的缺陷，现出现了一些铝电解槽在线监测系统，虽然在预警电解槽的漏槽方面进行了尝试，但是，由于铝电解槽槽况复杂，其预警准确性有待提高，误报、漏报的情况普遍发生。

技术实现思路

[0004]为了克服上述技术缺陷，本专利技术提供了一种电解槽的监测方法及设备，其实现对电解槽工况的准确监控。
[0005]本专利技术是通过以下方案实现的：
[0006]一种电解槽的监测方法，包括步骤：
[0007]建立基于规则推理的电解槽漏槽监测模型，对电解槽进行漏槽预警；
[0008]建立基于神经网络的电解槽漏槽监测模型，对电解槽进行漏槽预警；
[0009]建立基于聚类的电解槽工况监测模型，对电解槽的工况进行监测。
[0010]2、根据权利要求1所述的监测方法，其特征在于，所述建立基于规则推理的电解槽漏槽监测模型，对电解槽进行漏槽预警的步骤，包括：
[0011]根据电解槽的历史运行数据，得到基于绝对阈值规则、基于特征值规则；
[0012]以基于绝对阈值规则，构建基于规则推理的电解槽漏槽监测模型，对电解槽进行漏槽预警；
[0013]以基于特征值规则，构建基于规则推理的电解槽漏槽监测模型，对电解槽进行漏槽预警。
[0014]作为本专利技术的进一步改进，所述根据电解槽的历史运行数据，得到基于绝对阈值规则的步骤，包括：
[0015]根据电解槽的历史运行数据、运行经验，确定电解槽的漏槽温度阈值；
[0016]以基于绝对阈值规则，构建基于规则推理的电解槽漏槽监测模型，对电解槽进行
漏槽预警的步骤，包括：
[0017]当实时获取到的槽壳温度值大于漏槽温度阈值时，对电解槽进行漏槽预警。
[0018]作为本专利技术的进一步改进，所述根据电解槽的历史运行数据，得到基于特征值规则的步骤包括：
[0019]根据电解槽的历史温度变化趋势曲线，确定特征参数；
[0020]所述以基于特征值规则，构建基于规则推理的电解槽漏槽监测模型的步骤，包括：
[0021]以特征参数构建非线性函数；
[0022]从非线性函数中提取诊断规则；
[0023]实时获取电解槽槽壳温度，在电解槽槽壳温度不符合诊断规则时，对电解槽进行漏槽预警。
[0024]作为本专利技术的进一步改进，所述特征参数包括：电解槽槽壳的温度平均值、温度摆动平均值、温度波动幅度。
[0025]作为本专利技术的进一步改进，所述建立基于神经网络的电解槽漏槽监测模型，对电解槽进行漏槽预警的步骤，包括：
[0026]获取电解槽槽壳的历史数据；
[0027]根据电解槽槽壳的历史数据构建神经网络模型；
[0028]以部分电解槽槽壳的历史数据作为训练集输入、训练集输入至神经网络模型中，对神经网络模型进行训练直至神经网络模型收敛；
[0029]以部分电解槽槽壳的历史数据作为测试集输入至神经网络模型中，对神经网络模型进行验证；
[0030]在神经网络模型的预测准确率大于或等于设定值时，得到基于神经网络的电解槽漏槽监测模型；
[0031]将实时获取的电解槽槽壳温度输入至基于神经网络的电解槽漏槽监测模型中，对电解槽进行漏槽预警。
[0032]作为本专利技术的进一步改进，神经网络模型的预测准确率小于设定值时，重新选取部分电解槽槽的历史数据，对神经网络模型进行训练。
[0033]作为本专利技术的进一步改进，所述建立基于聚类的电解槽工况监测模型，对电解槽进行漏槽预警的步骤，包括：
[0034]以部分电解槽的历史运行数据为样本，划分而得到若干聚类中心，每一聚类中心对应一种工况；
[0035]采用聚类算法将部分部分电解槽的历史运行数据归类至距离槽壳温度的聚类中心中，以得聚类结果；
[0036]根据聚类结果，获取工况划分规则；
[0037]实时获取电解槽槽壳温度并从工况划分规则种匹配出对应的工况。
[0038]作为本专利技术的进一步改进，工况包括：正常工况、轻微冷槽工况、严重冷槽工况、轻微热槽工况、严重热槽工况。
[0039]此外，本专利技术还提供了一种计算机设备，所述计算机设备包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、至少一段程序、代码集或指令集由所述处理器加载并执行以实现上述的监测方法。
[0040]与现有技术相比，本专利技术的有益效果为：本专利技术建立了基于规则推理的电解槽漏槽监测模型、基于神经网络的电解槽漏槽监测模型、基于聚类的电解槽工况监测模型，实现基于槽壳温度参数监测电解槽工况和预警电解槽漏槽的目的，进而确保电解槽漏槽的准确预警，此外，基于规则推理的电解槽漏槽监测模型、基于神经网络的电解槽漏槽监测模型双重监测模型的使用，能够避免漏报，还能进一步地提高预警的准确性。
附图说明
[0041]下面结合附图对本专利技术的具体实施方式作进一步详细的说明，其中：
[0042]图1为本专利技术所述监测方法所需要配备的硬件示意图；
[0043]图2为本专利技术所述监测方法的流程图；
[0044]图3为本专利技术建立基于神经网络的电解槽漏槽监测模型的流程图。
[0045]标记说明：1、电解槽；11、散热孔；12、出铝端；13、烟道端；2、温度传感器。
具体实施方式
[0046]以下结合附图对本专利技术的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本专利技术，并不用于限定本专利技术。
[0047]应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本专利技术的描述中，各个步骤的序号仅仅作为步骤与步骤之间的区分，并不代表每个步骤需要按照序号的顺序严格执行。
[0048]本专利技术提供了一种电解槽的监测方法，其原理基于电解槽工况变化导致槽帮形态发生改变，从而使槽壳温度发生变化。如，热槽工况下槽帮变薄导致电解液直接加热碳钢槽壳，致使槽壳径向原本本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电解槽的监测方法，其特征在于，包括步骤：建立基于规则推理的电解槽漏槽监测模型，对电解槽进行漏槽预警；建立基于神经网络的电解槽漏槽监测模型，对电解槽进行漏槽预警；建立基于聚类的电解槽工况监测模型，对电解槽的工况进行监测。2.根据权利要求1所述的监测方法，其特征在于，所述建立基于规则推理的电解槽漏槽监测模型，对电解槽进行漏槽预警的步骤，包括：根据电解槽的历史运行数据，得到基于绝对阈值规则、基于特征值规则；以基于绝对阈值规则，构建基于规则推理的电解槽漏槽监测模型，对电解槽进行漏槽预警；以基于特征值规则，构建基于规则推理的电解槽漏槽监测模型，对电解槽进行漏槽预警。3.根据权利要求2所述的监测方法，其特征在于，所述根据电解槽的历史运行数据，得到基于绝对阈值规则的步骤，包括：根据电解槽的历史运行数据、运行经验，确定电解槽的漏槽温度阈值；以基于绝对阈值规则，构建基于规则推理的电解槽漏槽监测模型，对电解槽进行漏槽预警的步骤，包括：当实时获取到的槽壳温度值大于漏槽温度阈值时，对电解槽进行漏槽预警。4.根据权利要求2或3所述的监测方法，其特征在于，所述根据电解槽的历史运行数据，得到基于特征值规则的步骤包括：根据电解槽的历史温度变化趋势曲线，确定特征参数；所述以基于特征值规则，构建基于规则推理的电解槽漏槽监测模型的步骤，包括：以特征参数构建非线性函数；从非线性函数中提取诊断规则；实时获取电解槽槽壳温度，在电解槽槽壳温度不符合诊断规则时，对电解槽进行漏槽预警。5.根据权利要求4所述的监测方法，其特征在于，所述特征参数包括：电解槽槽壳的温度平均值、温度摆动平均值、温度波动幅度。6.根据权利要求1所述的监测方法，其特征在于...

【专利技术属性】
技术研发人员：郑文波，卢星，李维浩，
申请(专利权)人：赛富能科技深圳有限公司，
类型：发明
国别省市：