【技术实现步骤摘要】
本说明书实施例涉及工业控制，尤其涉及一种复杂工业过程的运行决策智能方法及系统。
技术介绍
1、复杂工业过程是指一类具有长流程、大滞后、强非线性、有复杂的化学反应和物理变化、受到未知干扰、动态特性发生变化，难以建立精确模型等特点的工业过程。
2、为了提高产品的质量与生产效率，以及降低整个复杂工业过程的能耗与物耗，需要对整个复杂工业过程进行准确的运行决策。
3、然而，目前对复杂工业过程的运行决策通常由人工完成。
技术实现思路
1、针对上述技术问题，本说明书实施例提供一种复杂工业过程的运行决策智能方法及系统，通过将复杂工业运行决策过程的运行决策指标目标值以及上下游工业过程对复杂工业运行决策过程影响变量的大数据输入运行决策模型，能够直接获取运行决策值，从而能够对整个复杂工业过程进行准确的运行决策，以保障复杂工业过程的运行决策指标实际值达到目标值。
2、首先，本说明书实施例提供一种复杂工业过程的运行决策智能方法，包括：
3、基于复杂工业运行决策过程中人的决策行为分析，建立运行决策过程的动态模型；
4、基于复杂工业运行决策过程的运行指标实际值，运行决策值，以及影响复杂工业运行决策过程的上下游工业过程变量的大数据，建立运行决策过程数字孪生模型；
5、基于所述运行决策过程的动态模型以及所述运行决策过程数字孪生模型，建立运行决策模型，用于复杂工业过程的运行决策。
6、可选地，所述基于复杂工业运行决策过程中人的决策行为
7、将所述基于复杂工业运行决策过程中人的决策行为分析，量化为基于复杂工业运行决策过程的运行指标实际值与运行指标目标值的误差的变比例反馈控制，以及基于上下游工业过程对复杂工业运行决策过程影响的变量的变比例前馈控制；
8、基于所述变比例反馈控制以及所述变比例前馈控制，建立所述运行决策过程的动态模型。
9、可选地，所述建立运行决策过程数字孪生模型包括：
10、基于所述复杂工业运行决策过程的运行指标实际值控制在预设目标区间，将所述运行决策过程数字孪生模型建模为线性模型和非线性模型的组合。
11、可选地，所述基于所述运行决策过程的动态模型以及所述运行决策过程数字孪生模型，建立运行决策模型，用于复杂工业过程的运行决策，包括：
12、将所述运行决策模型部署在预设的边侧控制系统，作为第一运行决策模型；
13、调用所述第一运行决策模型；
14、将所述运行指标目标值以及影响复杂工业运行决策过程的上下游工业过程变量的大数据输入所述第一运行决策模型，得到所述第一运行决策模型输出的第一运行决策值；
15、将所述第一运行决策值，用于复杂工业过程的运行决策。
16、可选地，所述复杂工业过程的运行决策智能方法还包括：
17、判断所述第一运行决策模型的精度是否满足预设的精度要求，在确定不满足所述精度要求时，调整所述第一运行决策模型的模型参数，得到更新后的第一运行决策模型。
18、可选地，所述判断所述第一运行决策模型的精度是否满足预设的精度要求，包括：
19、在预设的云侧控制系统部署两个所述运行决策模型，作为第二运行决策模型和第三运行决策模型；
20、调用所述第二运行决策模型和第三运行决策模型；
21、将复杂工业运行决策过程的运行指标实际值以及上下游工业过程对复杂工业运行决策过程影响变量的大数据输入所述第二运行决策模型，得到所述第二运行决策模型输出的第二运行决策值；
22、将复杂工业运行决策过程的运行指标实际值以及上下游工业过程对复杂工业运行决策过程影响变量的大数据输入所述第三运行决策模型，得到所述第三运行决策模型输出的第三运行决策值；
23、基于所述第二运行决策值和所述第三运行决策值，比较所述第二运行决策模型和所述第三运行决策模型的精度，在满足预设条件时，则确定所述第一运行决策模型的精度不满足所述预设的精度要求。
24、可选地，所述在确定不满足所述精度要求时，调整所述第一运行决策模型的模型参数，得到更新后的第一运行决策模型，包括：
25、获取所述第二运行决策模型的模型参数，所述第二运行决策模型的模型参数处于实时更新状态；
26、将所述第一运行决策模型的模型参数调整为所述第二运行决策模型的模型参数，得到更新后的第一运行决策模型。
27、可选地，所述第一运行决策模型在线实时决策，所述第二运行决策模型在线实时训练。
28、可选地，所述复杂工业过程的运行决策智能方法还包括：
29、实时获取所述运行指标实际值以及上下游工业过程对复杂工业运行决策过程影响变量的大数据与其对应的运行决策实际值；
30、将实时获取的运行指标实际值、上下游工业过程对复杂工业运行决策过程影响变量的大数据以及与其对应的运行指标实际值作为训练数据，以降低第二运行决策模型针对所述运行指标实际值以及上下游工业过程对复杂工业运行决策过程影响变量的大数据输出的第二运行决策值与运行指标实际值的误差为训练目标，对所述第二运行决策模型的模型参数进行实时调整。
31、可选地，所述复杂工业过程的运行决策智能方法还包括：
32、如果第一运行决策模型更新，将所述运行指标目标值以及上下游工业过程对复杂工业运行决策过程影响变量的大数据输入更新后的第一运行决策模型，重新计算第一运行决策值；
33、所述获取运行决策值，用于复杂工业过程的运行决策，包括：
34、将重新计算后的第一运行决策值，用于复杂工业过程的运行决策。
35、本说明书实施例还提供一种复杂工业过程的运行决策智能系统，适于执行前述任一项复杂工业过程的运行决策智能方法的实施例；所述运行决策智能系统包括：端侧控制系统和边缘侧控制系统，其中：
36、所述端侧控制系统，适于获取复杂工业运行决策过程的运行指标目标值以及上下游工业过程对复杂工业运行决策过程影响变量的大数据；以及控制复杂工业运行决策过程的运行；
37、所述边缘侧控制系统，适于运行第一运行决策模型，获取第一运行决策值。
38、可选地，所述运行决策智能系统还包括云侧控制系统；
39、所述边缘侧控制系统，还适于判断所述第一运行决策模型的精度是否满足预设的精度要求，在确定不满足所述精度要求时，调整所述第一运行决策模型的模型参数，得到更新后的第一运行决策模型；
40、所述端侧控制系统，还适于获取复杂工业运行决策过程的运行指标实际值以及上下游工业过程对复杂工业运行决策过程影响变量的大数据；
41、所述云侧控制系统，适于运行第二运行决策模型，获取第二运行决策值；
42、运行第三运行决策模型，获取第三运行决策值；以及将实时获取的运行指标实际值、上下游工业过程对复杂工业运行决本文档来自技高网...
【技术保护点】
1.一种复杂工业过程的运行决策智能方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述基于复杂工业运行决策过程中人的决策行为分析，建立运行决策过程的动态模型，包括：
3.根据权利要求2所述的方法，其特征在于，所述建立运行决策过程数字孪生模型包括：
4.根据权利要求3所述的方法，其特征在于，所述基于所述运行决策过程的动态模型以及所述运行决策过程数字孪生模型，建立运行决策模型，用于复杂工业过程的运行决策，包括：
5.根据权利要求4所述的方法，其特征在于，还包括：
6.根据权利要求5所述的方法，其特征在于，所述判断所述第一运行决策模型的精度是否满足预设的精度要求，包括：
7.根据权利要求6所述的方法，其特征在于，所述在确定不满足所述精度要求时，调整所述第一运行决策模型的模型参数，得到更新后的第一运行决策模型，包括：
8.根据权利要求7所述的方法，其特征在于，所述第一运行决策模型在线实时决策，所述第二运行决策模型在线实时训练。
9.根据权利要求6所述的方法，其特征在于，还包
10.根据权利要求5所述的方法，其特征在于，还包括：
11.一种复杂工业过程的运行决策智能系统，其特征在于，所述运行决策智能系统适于执行权利要求1-10任一项所述的复杂工业过程的运行决策智能方法；所述运行决策智能系统包括：端侧控制系统和边缘侧控制系统，其中：
12.根据权利要求11所述的系统，其特征在于，还包括：云侧控制系统；
...【技术特征摘要】
1.一种复杂工业过程的运行决策智能方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述基于复杂工业运行决策过程中人的决策行为分析，建立运行决策过程的动态模型，包括：
3.根据权利要求2所述的方法，其特征在于，所述建立运行决策过程数字孪生模型包括：
4.根据权利要求3所述的方法，其特征在于，所述基于所述运行决策过程的动态模型以及所述运行决策过程数字孪生模型，建立运行决策模型，用于复杂工业过程的运行决策，包括：
5.根据权利要求4所述的方法，其特征在于，还包括：
6.根据权利要求5所述的方法，其特征在于，所述判断所述第一运行决策模型的精度是否满足预设的精度要求，包括：
7.根据权利要求6...
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。