【技术实现步骤摘要】
本申请涉及计算机领域，具体涉及一种基于机器学习的电解槽出铝任务量设定方法、设备及介质。
技术介绍
1、目前工业上铝都是采用电解法生产的，电解铝过程就是通过电解得到的铝，现代电解铝工业生产采用冰晶石-氧化铝融盐电解法。熔融冰晶石是溶剂，氧化铝作为溶质，以碳素体作为阳极，铝液作为阴极，通入强大的直流电后，在950℃-970℃下，在电解槽内的两极上进行电化学反应，即电解。
2、在电解铝过程中，出铝任务量为车间内每个电解槽单日的计划出铝量，合理的出铝任务量有利于保持良好的铝水平、降低能耗，使整个电解铝生产过程有序高效，同时可以提高电解槽的使用寿命。
3、在电解工艺控制过程中，因难以准确掌握铝电解槽的实时效率，实际出铝量与理论出铝量存在一定的偏差，作为慢变量，铝电解槽内铝水量的变化会决定铝电解槽热平衡的变化趋势，一旦热平衡失稳，将影响铝电解槽的稳定生产。
4、目前电解槽计划出铝量预估采用“专家经验+规则系统”的方式。在大规模生产中，工艺专家需要根据经验对上百台电解槽进行出铝量的设定，很难保证其设定的准确性、稳定性、科学性，导致电解效率降低、能耗升高。
技术实现思路
1、为了解决上述问题，本申请提出了一种基于机器学习的电解槽出铝任务量设定方法，包括：
2、获取电解铝任务的执行过程中的原始生产数据，所述原始生产数据包括多个维度；
3、对所述原始生产数据进行预处理，得到标准生产数据，并根据所述标准生产数据中的多个维度，选择至少部分维度作为
4、基于所述kmedoids聚类算法，对所述训练数据进行聚类分析，并根据聚类结果对不同的簇进行分级；
5、通过多种机器学习算法，分别学习每个评级中的训练数据，并将所述多种机器学习算法的输出结果进行拟合，以得到在不同评级下的电解槽出铝任务量。
6、另一方面，本申请还提出了一种基于机器学习的电解槽出铝任务量设定设备，包括：
7、至少一个处理器；以及，
8、与所述至少一个处理器通信连接的存储器；其中，
9、所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如：上述示例所述的基于机器学习的电解槽出铝任务量设定方法。
10、另一方面，本申请还提出了一种非易失性计算机存储介质，存储有计算机可执行指令，所述计算机可执行指令设置为：上述示例所述的基于机器学习的电解槽出铝任务量设定方法。
11、通过本申请提出基于机器学习的电解槽出铝任务量设定方法能够带来如下有益效果：
12、相比于通过专家经验的方式，通过机器学习有利于减少人工计量时间，避免不同的技术人员因经验及管理思路不同影响生产效率，减少人为的干预波动，快速精准的下电解槽出铝任务，降低人力成本的同时提高了生产管理效率，增加电解槽出铝任务量设定时的准确性、科学性以及稳定性。在机器学习的过程中，可以对样本数据进行分级处理、训练，使得训练得到的模型的输出结果更加准确，进一步增加准确性。
本文档来自技高网...【技术保护点】
1.一种基于机器学习的电解槽出铝任务量设定方法，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，对所述原始生产数据进行预处理，得到标准生产数据，具体包括：
3.根据权利要求1所述的方法，其特征在于，根据所述标准生产数据中的多个维度，选择至少部分维度作为特征维度，具体包括：
4.根据权利要求1所述的方法，其特征在于，基于所述Kmedoids聚类算法，对所述训练数据进行聚类分析，具体包括：
5.根据权利要求4所述的方法，其特征在于，所述代价函数为：其中，P为第一剩余数据点，CJ第一剩余数据点构成的集合，oi为中心点集中的中心点，k为中心点集中的中心点数量，E为绝对误差标准。
6.根据权利要求4所述的方法，其特征在于，根据聚类结果对不同的簇进行分级，具体包括：
7.根据权利要求1所述的方法，其特征在于，通过多种机器学习算法，分别学习每个评级中的训练数据，并将所述多种机器学习算法的输出结果进行拟合，以得到在不同评级下的电解槽出铝任务量，具体包括：
8.根据权利要求1所述的方法，其特征在于，所
9.一种基于机器学习的电解槽出铝任务量设定设备，其特征在于，包括：
10.一种非易失性计算机存储介质，存储有计算机可执行指令，其特征在于，所述计算机可执行指令设置为：权利要求1～8中任一项权利要求所述的基于机器学习的电解槽出铝任务量设定方法。
...【技术特征摘要】
1.一种基于机器学习的电解槽出铝任务量设定方法，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，对所述原始生产数据进行预处理，得到标准生产数据，具体包括：
3.根据权利要求1所述的方法，其特征在于，根据所述标准生产数据中的多个维度，选择至少部分维度作为特征维度，具体包括：
4.根据权利要求1所述的方法，其特征在于，基于所述kmedoids聚类算法，对所述训练数据进行聚类分析，具体包括：
5.根据权利要求4所述的方法，其特征在于，所述代价函数为：其中，p为第一剩余数据点，cj第一剩余数据点构成的集合，oi为中心点集中的中心点，k为中心点集中的中心点数量，e为绝对误差标准。
6.根据权利要求4所述的方法，其特征在于，根据聚类结果对不同的簇进行分级，具体包括：
7...
【专利技术属性】
技术研发人员：李知澳，肖雪，商广勇，陈云志，罗涛，
申请(专利权)人：浪潮云洲工业互联网有限公司，
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。