一种预测电解槽极板异常温度报警方法技术

本发明专利技术提供了一种预测电解槽极板异常温度报警方法，通过热成像球机摄像头获取电解槽极板温度，在建模模型中创建的函数调用保存的极板温度数据，根据摄像头云台轮巡按顺序不同方向提取对应方向极板温度数据，根据记录历史数据

【技术实现步骤摘要】
一种预测电解槽极板异常温度报警方法


[0001]本专利技术属于电解槽热成像监测报警
，涉及一种预测电解槽极板异常温度报警方法
。

技术介绍

[0002]电解镍等生产环境为强腐蚀
、
大磁场
、
高电流环境，阴阳极间温度在线监测困难，电解槽车间对于电解槽智能监测建设缺乏有效的数据分析能力，对于数字化转型升级建设有很大改进空间与需求，大部分仍然在利用岗位人员全天巡检方式排查监测电解槽极板工作状况，虽有行之有效的安全措施与岗位人员排班巡检制度实施，但仍缺乏智能化监测手段
。
电解槽现场环境差，对于巡检人员身体健康有一定的影响，并且该传统方式缺乏准确性与实时性，对于电解工艺生产效率的进一步提升有一定阻碍
。
[0003]对于电解槽极板工作状况分析仍采用传统人工统计方式，缺乏对于所需监测数据的精确可靠掌握
。
如发现温度异常极板在达到烧板前，没有及时地预警，单纯依靠岗位人员现场经验很难及时发现
。
中控室人员数理统计工作繁琐，且实时滞后性大，梳理排查难度大
。
[0004]传统测温仪通过单点的测温的方式，无法准确得到最高温度及位置
。
电解槽
—
旦发生故障，将会极大的影响电解槽的生产效率以区良品级率，在很多电解槽工艺流程中，因为电解槽数量以及极板数量因素，现有监测方式多为即时人工监测极板温度，既不能长时间保持监测效率，而且对于极板异常报警没用合理的界定，依靠单一阈值方式报警方法不能有效的解决告极板温度异常报警问题
。
而依靠收集的多维度的时序性的极板温度数据，通常情况下通过某一指标上的时序预测结果与实际采集温度数值的比较来判断这一指标是否稳定，这个常用方法的缺陷是只利用一个维度的数据模型依据不足
。

技术实现思路

[0005]本专利技术的目的在于针对现有技术存在的问题，提供一种预测电解槽极板异常温度报警方法，用于解决通过电解槽极板温度变化趋势分析，提高极板异常温度报警的准确性，从而能够达到对监测电解槽故障极板异常温度报警的稳定预测
。
[0006]为此，本专利技术采取以下技术方案：一种预测电解槽极板异常温度报警方法，包括如下步骤：步骤
S1.
设定多台热成像摄像头按轮巡方式定时定向转动，所述每台热成像摄像头依次转动
N
个方向，且
N
个方向依次对应不同电解槽极板的坐标位置；步骤
S2.
由于提前标定好
N
个方向对应各自画面每跨电解槽极板坐标信息，通过热成像摄像头通过
RTSP
协议，结合定位后的极板位置获取阴阳极板温度
N
个方向依次轮巡提取极板温度数据，每轮巡到一个方向，获取后保存并导入至
Prophet
算法模型中；步骤
S3. Prophet
算法模型中创建函数调用保存的极板温度数据，通过方向参数根据轮巡按顺序方向提取对应方向极板温度数据，通过历史长度参数记录历史数据，当该
方向新的数据轮巡更新后，依据历史数据对新数据预测，建立极板模型；通过阈值配置置信区间，将预测上限值与实际采集温度数值对比，预测判断极板温度是否异常；步骤
S4.
调用
Prophet
算法模型后，其根据方向参数中的方向信息，自动在文件夹内找到历史长度数据，构建样本集，然后对于
M*N
中的每一个电解槽极板构建时序预测温度报警训练模型；步骤
S5.
当单方向电解槽极板温度新数据更新后将此方向此前电解槽极板温度历史数据进行训练，并预测新的数据，得到一个
M
×
N
的矩阵，矩阵的数值就是0或1，其中，0代表极板温度异常
、1
代表极板温度正常；同时根据矩阵的数值检索到具体是哪个坐标的极板判断是否异常，根据使用第
1~N
条历史数据训练模型，并预测第
N+1
条数据的数值，得到置信区间的上下限，由于极板温度异常属于高温，故只取上限；步骤
S6.
将得到的电解槽极板温度的预测上限数值，跟第
N+1
条数据的真实数值进行对比，如果真实数值小于等于预测上限值，则为正常，返回1；如果真实数值大于预测上限值，则为异常，返回0；步骤
S7.
对所有电解槽极板中每一个极板都执行上述步骤，得到一个
M*N
矩阵，且该矩阵的数值为0或1，得到
M*N
矩阵后，根据矩阵的数值可以检索到具体是哪个坐标的电解槽极板出现了异常，并根据坐标结合的经纬度数据，在主程序界面中显示颜色报警，并在报警栏显示极板的位置信息；进一步地，所述步骤
S1
中转动方向设定为
N
个
、
轮巡周期设定为1小时；进一步地，所述步骤
S3
中方向参数指摄像头云台轮巡转动的若干方向，可用任意自然数表示；所述历史长度指摄像头云台轮巡转动方向的若干方向的电解槽极板的历史温度数据，所述阈值指预测出来的故障极板温度报警的置信区间上限的放大倍数
。
[0007]本专利技术的有益效果在于：
1、
本专利技术给出的一种基于
Prophet
时序预测模型的电解槽极板异常温度报警方法具有可以基于过去一段时间的平稳运行数据推测出下一个小范围内时间的运行数据
。
通过过去时间推测和接下来数据的对比，形成一个动态的阈值触发告警的机制，达到电解槽极板有效工作状态下的动态阈值极板异常温度报警
。
[0008]2、
本专利技术给出一种预测电解槽极板异常温度报警方法的电解槽极板异常温度报警方法能够灵活调整极板历史温度趋势，根据新采集的数据训练模型生成历史极板温度预测曲线，周期性函数形式不需要对历史数据中的缺失值异常值进行填补拟合速度快；
3、
本专利技术所给出的一种预测电解槽极板异常温度报警方法的电解槽极板异常温度报警方法，相比于单一温度阈值报警更加准确，避免误报警
。
附图说明
[0009]图1为本专利技术的方法流程示意图；图2是本专利技术中
Prophet
算法模型预测单方向电解槽极板温度预测报警结果图，其中图中离散点表示历史数据，曲线表示预测值，曲线轮廓的上下边界表示预测值的上
、
下边界
。
[0010]图3是本专利技术中
Prophet
算法模预测电解槽极板温度异常情况矩阵表；图4是本专利技术中电解槽温度异常报警界面显示图；
图5是本专利技术中电解槽极板温度异常报警界面显示图
。
[0011]1‑
预测上限范围，2‑
预测下限范围，3‑
电解槽极板历史温度预测曲线，4‑
实际采集温度数值，5‑
正常温度数值，6本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种预测电解槽极板异常温度报警方法，其特征在于，包括如下步骤：步骤
S1.
设定多台热成像摄像头按轮巡方式定时定向转动，所述每台热成像摄像头依次转动
N
个方向，且
N
个方向依次对应不同电解槽极板的坐标位置；步骤
S2.
由于提前标定好
N
个方向对应各自画面每跨电解槽极板坐标信息，通过热成像摄像头通过
RTSP
协议，结合定位后的极板位置获取阴阳极板温度
N
个方向依次轮巡提取极板温度数据，每轮巡到一个方向，获取后保存并导入至
Prophet
算法模型中；步骤
S3. Prophet
算法模型中创建函数调用保存的极板温度数据，通过方向参数根据轮巡按顺序方向提取对应方向极板温度数据，通过历史长度参数记录历史数据，当该方向新的数据轮巡更新后，依据历史数据对新数据预测，建立极板模型；通过阈值配置置信区间，将预测上限值与真实值对比，预测判断极板温度是否异常；步骤
S4.
调用
Prophet
算法模型后，其根据方向参数中的方向信息，自动在文件夹内找到历史长度数据，构建样本集，然后对于
M*N
中的每一个电解槽极板构建时序预测温度报警训练模型；步骤
S5.
当单方向电解槽极板温度新数据更新后将此方向此前电解槽极板温度历史数据进行训练，并预测新的数据，得到一个
M
×
N
的矩阵，矩阵的数值就是...

【专利技术属性】
技术研发人员：王哲，盛建村，吴海宝，徐云生，胡宏志，王成云，
申请(专利权)人：金川集团股份有限公司，
类型：发明
国别省市：