【技术实现步骤摘要】
本专利技术涉及化工领域，特别是一种用于化工过程热力学计算系统以及智能构建方法。
技术介绍
1、化工流程模拟是化学工程学、化工热力学、系统工程、应用数理统计、计算方法及计算机技术等多学科理论在计算机上实现的综合性模拟系统。化工过程模拟软件主要由物性数据库、热力学计算系统、单元操作模块和用户界面等部分组成，通过建立描述过程特性的数学模型并求解，实现对过程系统规律和行为的预测与分析。数学模型的基础是物理和化学定律，也称为机理模型。
2、热力学计算系统是一些热力学方法的集合，用于求解物流的焓、熵、吉布斯自由能、密度、定压热容、定容热容等物性，为单元操作模块提供物性数据，使单元操作模块建立物料衡算方程式、能量衡算方程式，从而完成流程的模拟计算求解。热力学计算系统是化工流程模拟的核心部分，是能量计算和相平衡计算的理论依据，直接关系到模拟计算结果的准确性。
3、实际工程设计问题中所涉及的物料及其混合物的状态繁多，单纯依靠实验测定获得所有的物性数据是不可能的，而利用有限的已知物性数据来估算混合物的物性，必须建立通用的方法。由于模拟体系的复杂多变，至今还没有一种热力学模型能够适用于所有化工过程的模拟计算，所以针对体系的各自特点，需要构建并选择合适的热力学模型。
4、然而，现有化工热力学计算模型开发门槛高、复杂工况下的建模和动态优化需投入大量重复劳动，导致计算效率和模型准确性低。因此，本专利技术采用机理+数据驱动的智能混合建模方式，综合利用化工过程的第一性原理以及过程数据，建立集成机器学习算法包的动态优化技术，自
5、现有技术一
6、在aspen plus、proii、chemcad、hysys等通用化工流程模拟软件的热力学计算系统中均采用机理建模的方式，机理模型具有理论基础性强、可解释性优、外推性良好等优点，但是化工装置间耦合严重，采用分析过程机理，逐个装置建立模型的方式具有较大局限性。。
7、现有技术一的缺点
8、现有化工热力学计算模型开发门槛高、复杂工况下的建模和动态优化需投入大量重复劳动且可移植性差，复杂的微分和代数方程组的求解计算量大、收敛速度慢，部分假设前提条件使得模型与实际之间存在偏差，导致计算效率和模型准确性低下。
9、现有技术二
10、随着大数据、人工智能技术的发展，数据驱动建模在构建阶段具有计算量小、求解速度快、给定数据范围内精度高的优点使得其得到快速应用。数据驱动建模的本质就是依靠一系列统计的自变量与因变量的样本数据，回归生成可以反映自变量与因变量之间数据关系的模型，进而可以通过该模型计算欲知点处自变量对应的因变量，而不必通过机理模型迭代计算，即是基于数据驱动模型的预测；当使用该模型作为过程系统中部分机理模型的替代，并在过程系统的优化计算过程中重复使用该模型进行计算，即是基于代理模型的优化计算。数据驱动建模方法可以分为：基于回归分析的建模法、人工神经网络建模法、基于统计学习理论的建模法、克里金建模法、响应平面法、符号回归法等。
11、现有技术二的缺点
12、数据驱动建模本身同样具有局限性，它需要大量的优质数据，可能违反物理约束、可解释性差等。由于化工过程变量多、非线性强、工况波动范围大等特征，仅采用数据驱动模型会使得所构建的热力学计算模型泛化能力差，很难得到满意的效果。
13、机理+数据驱动的智能混合建模方式能够充分利用已有的先验知识，挖掘数据中的有效信息，提高模型构建的效率和精度，然而将其集成在化工过程热力学计算系统的研究未见报道。本专利技术采用机理+数据驱动的智能混合建模方式，解决仅依赖机理建模或是数据建模的不足，发挥不同类型子模型的优势，从而获得更好的热力学计算模型性能；综合利用化工过程的第一性原理以及过程数据，建立集成机器学习算法包的动态优化技术，基于底层物性数据库和程序化的建模逻辑生成复杂工况下的热力学模型和优化方案，不再以个人的经验或专业知识去判断使用哪个热力学计算模型，而是系统自行判定模拟体系、自主执行误差比较和热力学方法调用，降低化工热力学计算系统开发和应用过程中的门槛。
技术实现思路
1、本专利技术的目的在于解决现有技术中存在的问题，提供一种用于化工过程热力学计算系统以及智能构建方法，本专利技术解决了现有技术中无法准确评估化工过程热力学计算系统，导致计算效率低以及模型准确性低的问题。
2、具体技术方案如下：
3、一种用于化工过程热力学计算系统，包括物性数据库、化工生产过程数据库、机理方程模块、机器学习算法模块和自主判定与执行模块；
4、所述物性数据库，用于存放化工过程中的建模数据；
5、所述化工生产过程数据库，用于存放化工生产过程数据；
6、所述机理方程模块，用于根据物性数据库和化工生产过程数据库得到化工机理模型程序计算机制；
7、所述机器学习算法模块，用于调用机器学习算法包进行化工过程热力学计算系统的参数估计，根据估计参数得到计算体系；
8、所述自主判定与执行模块，用于调用智能决策引擎从而减小计算体系与化工机理模型程序计算机制之间的误差，得到最佳化工过程热力学方法。
9、优选地，一种用于化工过程热力学计算系统的智能构建方法，包括以下步骤：
10、步骤s1：设计用于化工过程的热力学计算的系统构架；
11、步骤s2：根据系统构架，构建化工机理模型程序计算机制，得到模拟体系；
12、步骤s3：根据基础物性数据库和化工生产过程数据库在化工热力学计算系统，得到化工建模数据；
13、步骤s4：根据化工建模数据来源以及化工机理模型程序计算机制，调用机器学习算法包，得到机理模型程序计算机制的参数进行估算；
14、步骤s5：根据化工机理模型程序计算机制以及估算的参数以及模拟体系，得到计算体系；
15、步骤s6：调用智能决策引擎从而减小计算体系与化工机理模型程序计算机制之间的误差，得到最佳化工过程热力学方法。
16、优选地，步骤s4包括以下子步骤：
17、s4-1：采用回归、神经网络算法以及化工建模数据，构建数据驱动的模型；
18、s4-2：通过机器学习算法包进行训练，得到化工机理模型程序计算机制的参数进行估算。
19、优选地，步骤s6具体为：
20、调用智能决策引擎，将估算参数与计算体系进行误差对比，从而自动选择出适配当下计算体系的最佳化工热力学方法。
21、本专利技术一种用于化工过程热力学计算系统以及智能构建方法的有益效果如下：
22、1.本专利技术应用结合化工机理模型程序计算机制与数据驱动的智能混合建模方法，通本文档来自技高网...
【技术保护点】
1.一种用于化工过程热力学计算系统，其特征在于，包括物性数据库、化工生产过程数据库、机理方程模块、机器学习算法模块和自主判定与执行模块；
2.一种用于化工过程热力学计算系统的智能构建方法，其特征在于，包括以下步骤：
3.根据权利要求1所述的一种用于化工过程热力学计算系统的智能构建方法，其特征在于，所述步骤S4包括以下子步骤：
4.根据权利要求1所述的一种用于化工过程热力学计算系统的智能构建方法，其特征在于，所述步骤S6具体为：
【技术特征摘要】
1.一种用于化工过程热力学计算系统，其特征在于，包括物性数据库、化工生产过程数据库、机理方程模块、机器学习算法模块和自主判定与执行模块；
2.一种用于化工过程热力学计算系统的智能构建方法，其特征在于，包括以下步骤：
...【专利技术属性】
技术研发人员：满奕，白纪飞，
申请(专利权)人：广州元数智能科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。