一种针对化工企业流化床反应器的多变量预测系统技术方案

本发明专利技术公开了一种针对化工企业流化床反应器的多变量预测系统，包括原始数据采集模块、历史数据数组模块、偏自相关函数模块、互相关函数模块、TimeGAN

【技术实现步骤摘要】
一种针对化工企业流化床反应器的多变量预测系统


[0001]本专利技术属于化工工程领域，具体涉及一种针对化工企业流化床反应器的多变量预测系统。

技术介绍

[0002]在化工企业中，流化床反应器是一种常用的反应设备，广泛应用于化学合成、催化反应等工艺过程。流化床反应器内的温度、发电负荷、含氧量和一氧化碳排放量参数对于反应过程的稳定性和反应效率至关重要。因此，对这些参数进行准确预测对于提高反应器的运行效果和经济效益具有重要意义。
[0003]目前，现有对流化床反应器多个变量的建模系统中存在以下问题：一是数据采集的不稳定性，实时采集的数据受各种因素影响，无法准确体现反应器内部的变化情况；二是对于多个变量的预测的准确性存在多个误差，现有技术以单变量预测为主。
[0004]本专利技术针对以上问题和需求，提出了一种针对化工企业流化床反应器的多变量预测方法及系统。该系统采用了原始数据采集模块、历史数据数组模块、偏自相关函数模块、互相关函数模块、TimeGAN
‑
TCN
‑
GRU预测模块和MDOS
‑
ELM校正模块，能够实时获取关键参数数据，通过偏自相关函数选择滞后阶数，提高建模预测的准确性。同时，通过互相关函数选择与目标参数相关性较大的数组作为输入，结合历史数据输入TimeGAN
‑
TCN
‑
GRU预测模块进行建模预测，最终通过MDOS
‑
ELM校正模块对预测结果进行修正，得出精确的预测结果。因此，本专利技术所提及的一种多变量建模系统在化工企业的流化床反应器的运中具有广阔的应用前景和经济效益。

技术实现思路

[0005]专利技术目的：针对
技术介绍
中指出的问题，本专利技术公开一种针对化工企业流化床反应器的多变量预测系统，能够实时、精准获取流化床反应器的关键参数数据。
[0006]技术方案：本专利技术提出一种针对化工企业流化床反应器的多变量预测系统，包括：原始数据采集模块、历史数据数组模块、偏自相关函数模块、互相关函数模块、TimeGAN
‑
TCN
‑
GRU预测模块以及MDOS
‑
ELM校正模块；通过原始数据采集模块对给煤量、固定碳燃烧度及风量比数据进行采集处理；通过偏自相关函数模块选择炉内温度、发电负荷、炉内含氧量及一氧化碳排放量历史数据的滞后阶数；通过互相关函数模块，选择与历史数据数组模块储存的历史数据相关性较大的若干组数组作为TimeGAN
‑
TCN
‑
GRU预测模块的输入，输出炉内温度、发电负荷、炉内含氧量及一氧化碳排放量的预测结果；再通过MDOS
‑
ELM校正模块对预测结果进行校正，输出最终的预测结果；
[0007]所述原始数据采集模块包括给煤量数据处理模块、固定碳燃度数据处理烧模块以及风量比数据处理模块；所述给煤量数据处理模块包括多个重力传感器检测点，安置于流化床反应器底部的物料进口管道中，用于检测给煤量的数据，检测到的数据经流数据聚类，输出处理后的结果；固定碳燃烧度数据处理模块包括多个压力传感器检测点，安置于流化
床反应器的承载结构上，用于检测固定碳的燃烧程度，检测到的数据经扩展卡尔曼滤波，输出滤波后的结果；风量比数据处理模块包括多个风速传感器检测点，安置于流化床反应器的气体进出口气体流动路径处，用于检测炉内风量比数据，检测到的数据经扩展卡尔曼滤波，输出滤波后的结果；
[0008]所述历史数据数组模块储存炉内温度历史数据、发电负荷历史数据、炉内含氧量历史数据以及一氧化碳排放量历史数据；
[0009]所述偏自相关函数模块，通过输入炉内温度、发电负荷、炉内含氧量及一氧化碳排放量历史数据，输出滞后阶数以及对应的偏自相关系数，判定并选择合适的滞后阶数；
[0010]所述互相关函数模块，通过输入炉内温度、发电负荷、炉内含氧量、一氧化碳排放量的时间序列历史数据与数据处理后的实测数据，计算互相关系数，选择相关性最大的若干实测数组作为输入数据；
[0011]所述TimeGAN
‑
TCN
‑
GRU预测模块，输入炉内温度、发电负荷、炉内含氧量、一氧化碳排放量的时间序列历史数据与选择后的实测数据，输出炉内温度、发电负荷、炉内含氧量、一氧化碳排放量的预测结果；
[0012]所述MDOS
‑
ELM校正模块，输入数据处理后的实测数据与TimeGAN
‑
TCN
‑
GRU预测模块的预测结果，对预测结果进行校正，输出最终的预测结果。
[0013]进一步地，所述给煤量数据处理模块实现过程如下：
[0014]利用重力传感器采集物料进口的管道中送入煤炭的重量数据样本；进行在线微聚类阶段，通过k
‑
means算法对重量数据样本进行处理，生成l个初始化微簇；对在线阶段不断流入的数据进行实时聚类处理，对于新流入的数据x
i
，首先计算x
i
与各个微簇中心的欧式距离，通过距离大小找到最近的微簇U
a
；判断x
i
与微簇U
a
中心距离是否超过设定的边界值，如果在边界范围内，则将x
i
加入到微簇U
a
中；若不在边界范围内，则创建一个新的微簇，以x
i
为中心；将距离最近的两个微簇合并成一个微簇，并且删除最近一段时间内没有新数据点加入的老旧微簇，来保持微簇个数；进行离线宏聚类阶段，通过k
‑
means算法对金字塔时间帧内存储的微簇信息进行最终聚类。
[0015]进一步地，所述固定碳燃烧度模块实现过程如下：
[0016]将固定碳燃烧度作为状态变量，传感器量测到的压力作为观测变量；
[0017]建立固定碳燃烧动力学模型和观测模型：
[0018]D
v
＝f(D
v
‑1,v
‑
1)+m
v
‑1[0019]G
v
＝h(D
v
,v)+n
v
[0020]式中，D
v
表示固定碳燃烧动力学模型，G
v
表示观测模型，f(
·
)和h(
·
)反应了状态变量和观测变量之间的映射关系，m
v
‑1和n
v
为相互独立且服从高斯分布的白噪声；
[0021]选择初始状态估计和协方差矩阵通过状态转移方程进行状态预测，得到先验状态估计值误差协方差矩阵P
*
、状态噪声协方差矩阵R
*
和量测噪声协方差矩阵Q
*
；利用雅可比矩阵A和离散过程激励噪声矩阵Q
l
计算得出离散时刻η的误差协方差矩阵P
η
；按照误差协方差矩阵P
η
...

【技术保护点】

【技术特征摘要】
1.一种针对化工企业流化床反应器的多变量预测系统，其特征在于，包括原始数据采集模块、历史数据数组模块、偏自相关函数模块、互相关函数模块、TimeGAN
‑
TCN
‑
GRU预测模块以及MDOS
‑
ELM校正模块；通过原始数据采集模块对给煤量、固定碳燃烧度及风量比数据进行采集处理；通过偏自相关函数模块选择炉内温度、发电负荷、炉内含氧量及一氧化碳排放量历史数据的滞后阶数；通过互相关函数模块，选择与历史数据数组模块储存的历史数据相关性较大的若干组数组作为TimeGAN
‑
TCN
‑
GRU预测模块的输入，输出炉内温度、发电负荷、炉内含氧量及一氧化碳排放量的预测结果；再通过MDOS
‑
ELM校正模块对预测结果进行校正，输出最终的预测结果；所述原始数据采集模块包括给煤量数据处理模块、固定碳燃度数据处理烧模块以及风量比数据处理模块；所述给煤量数据处理模块包括多个重力传感器检测点，安置于流化床反应器底部的物料进口管道中，用于检测给煤量的数据，检测到的数据经流数据聚类，输出处理后的结果；固定碳燃烧度数据处理模块包括多个压力传感器检测点，安置于流化床反应器的承载结构上，用于检测固定碳的燃烧程度，检测到的数据经扩展卡尔曼滤波，输出滤波后的结果；风量比数据处理模块包括多个风速传感器检测点，安置于流化床反应器的气体进出口气体流动路径处，用于检测炉内风量比数据，检测到的数据经扩展卡尔曼滤波，输出滤波后的结果；所述历史数据数组模块储存炉内温度历史数据、发电负荷历史数据、炉内含氧量历史数据以及一氧化碳排放量历史数据；所述偏自相关函数模块，通过输入炉内温度、发电负荷、炉内含氧量及一氧化碳排放量历史数据，输出滞后阶数以及对应的偏自相关系数，判定并选择合适的滞后阶数；所述互相关函数模块，通过输入炉内温度、发电负荷、炉内含氧量、一氧化碳排放量的时间序列历史数据与数据处理后的实测数据，计算互相关系数，选择相关性最大的若干实测数组作为输入数据；所述TimeGAN
‑
TCN
‑
GRU预测模块，输入炉内温度、发电负荷、炉内含氧量、一氧化碳排放量的时间序列历史数据与选择后的实测数据，输出炉内温度、发电负荷、炉内含氧量、一氧化碳排放量的预测结果；所述MDOS
‑
ELM校正模块，输入数据处理后的实测数据与TimeGAN
‑
TCN
‑
GRU预测模块的预测结果，对预测结果进行校正，输出最终的预测结果。2.根据权利要求1所述的一种针对化工企业流化床反应器的多变量预测系统，其特征在于，所述给煤量数据处理模块实现过程如下：利用重力传感器采集物料进口的管道中送入煤炭的重量数据样本；进行在线微聚类阶段，通过k
‑
means算法对重量数据样本进行处理，生成l个初始化微簇；对在线阶段不断流入的数据进行实时聚类处理，对于新流入的数据x
i
，首先计算x
i
与各个微簇中心的欧式距离，通过距离大小找到最近的微簇U
a
；判断x
i
与微簇U
a
中心距离是否超过设定的边界值，如果在边界范围内，则将x
i
加入到微簇U
a
中；若不在边界范围内，则创建一个新的微簇，以x
i
为中心；将距离最近的两个微簇合并成一个微簇，并且删除最近一段时间内没有新数据点加入的老旧微簇，来保持微簇个数；进行离线宏聚类阶段，通过k
‑
means算法对金字塔时间帧内存储的微簇信息进行最终聚类。3.根据权利要求1所述的一种针对化工企业流化床反应器的多变量预测系统，其特征
在于，所述固定碳燃烧度模块实现过程如下：将固定碳燃烧度作为状态变量，传感器量测到的压力作为观测变量；建立固定碳燃烧动力学模型和观测模型：D
v
＝f(D
v
‑1,v
‑
1)+m
v
‑1G
v
＝h(D
v
,v)+n
v
式中，D
v
表示固定碳燃烧动力学模型，G
v
表示观测模型，f(
·
)和h(
·
)反应了状态变量和观测变量之间的映射关系，m
v
‑1和n
v
为相互独立且服从高斯分布的白噪声；选择初始状态估计和协方差矩阵通过状态转移方程进行状态预测，得到先验状态估计值误差协方差矩阵P
*
、状态噪声协方差矩阵R
*
和量测噪声协方差矩阵Q
*
；利用雅可比矩阵A和离散过程激励噪声矩阵Q
l
计算得出离散时刻η的误差协方差矩阵P
η
；按照误差协方差矩阵P
η
和噪声协方差矩阵R
*
计算扩展卡尔曼增益K；利用扩展卡尔曼增益K计算量测值与实际值的残差更新预测值，并将残差融合到先验状态估计值中，得到后验状态估计值将后验状态估计作为下一时刻的先验估计，并重复进行线性化更新步骤；通过不断迭代，实现连续的固定碳燃烧度的更新过程。4.根据权利要求1所述的一种针对化工企业流化床反应器的多变量预测系统，其特征在于，所述风量比数据处理模块实现过程如下：将风量比作为状态变量，传感器量测到的风速作为观测变量；建立动力学模型和观测模型；选择初始状态估计和协方差矩阵通过状态转移方程进行状态预测，得到先验状态估计值误差协方差矩阵T

【专利技术属性】
技术研发人员：王熠炜，葛宜达，陈佳雷，张楚，彭甜，纪捷，孙娜，王政，张学东，
申请(专利权)人：淮阴工学院，
类型：发明
国别省市：