System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种基于K-means的电解槽评级方法、设备及介质技术_技高网

一种基于K-means的电解槽评级方法、设备及介质技术

技术编号:40821674 阅读:2 留言:0更新日期:2024-04-01 14:41
本申请公开了一种基于K‑means的电解槽评级方法、设备及介质,方法包括:获取电解槽的数据,对电解槽的数据进行预处理;根据预处理后的电解槽的数据确定变异系数,并根据变异系数确定电解槽的电流权重和电耗权重;根据K‑means算法对电流权重和电耗权重进行聚类计算,以得到多个簇,根据多个簇确定电解槽等级。本申请利用加权K‑means进行聚类,再进行分类评级。避免了聚类脱离实际生产情况,并且从数据分析的角度对电解槽进行准确的分类。

【技术实现步骤摘要】

本申请涉及电解生产,尤其涉及一种基于k-means的电解槽评级方法、设备及介质。


技术介绍

1、在电解铝的工业场景中,对电解槽进行正确的评级是使电解槽更加稳定、收益最大化的前提。有了对电解槽情况的诊断,才能分析造成电解槽不稳定的原因。但在实际生产过程中,对电解槽进行正确的评级非常困难。由于电解槽内部化学成分非常复杂、实时数据采集困难以及结果验证困难,无法对电解槽进行精准的评级。


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k-means的电解槽评级方法,包括:获取电解槽的数据,对所述电解槽的数据进行预处理,根据预处理后的所述电解槽的数据确定变异系数,并根据所述变异系数确定所述电解槽的电流权重和电耗权重;根据k-means算法对所述电流权重和所述电耗权重进行聚类计算,以得到多个簇,根据所述多个簇确定所述电解槽等级。

2、在一个示例中,根据预处理后的所述电解槽的数据确定变异系数,具体包括:确定所述数据的标准差和平均值,根据所述标准差和所述平均值进行计算,以得到所述变异系数,所述变异系数的计算公式为:

3、

4、其中,σv为所述变异系数,σ为所述标准差,μ为所述平均值。

5、在一个示例中,根据所述变异系数确定所述电解槽的电流权重和电耗权重之前,所述方法还包括:根据所述变异系数确定初始特征权重;根据所述初始特征权重确定所述电流权重的取值范围和所述电耗权重的取值范围。

6、在一个示例中,根据所述变异系数确定所述电解槽的电流权重和电耗权重,具体包括:根据预先设置的权重因素,根据所述权重因素确定所述电流权重和所述电耗权重之间的权重比例;根据所述权重比例、所述电流权重的取值范围和所述电耗权重的取值范围确定所述电流权重和所述电耗权重。

7、在一个示例中,所述初始特征权重的表达式为:

8、

9、其中,q为所述初始特征权重,σ为所述数据的标准差,μ为所述数据的平均值。

10、在一个示例中,根据k-means算法对所述电流权重和所述电耗权重进行聚类计算,具体包括:确定预先设置的多个聚类中心,并根据所述多个聚类中心确定第一聚类中心;根据所述电流权重和所述电耗权重确定多个样本点,并确定所述多个样本点与所述第一聚类中心之间的多个距离;根据所述多个距离确定最长距离点,将所述最长距离点作为新聚类中心。

11、在一个示例中,根据所述多个簇确定所述电解槽等级,具体包括:根据所述多个簇确定特征数组,其中,所述特征数组包括均值、中位数、众数;根据所述特征数组确定所述电解槽等级。

12、在一个示例中,对所述电解槽的数据进行预处理,具体包括:确定所述数据的缺失值和异常值,将所述缺失值和异常值进行删除。

13、另一方面,本申请还提出了一种基于k-means的电解槽评级设备,包括:至少一个处理器;以及,与所述至少一个处理器通信连接的存储器;其中,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,以使所述一种基于k-means的电解槽评级设备能够执行:获取电解槽的数据,对所述电解槽的数据进行预处理,根据预处理后的所述电解槽的数据确定变异系数,并根据所述变异系数确定所述电解槽的电流权重和电耗权重;根据k-means算法对所述电流权重和所述电耗权重进行聚类计算,以得到多个簇,根据所述多个簇确定所述电解槽等级。

14、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:获取电解槽的数据,对所述电解槽的数据进行预处理,根据预处理后的所述电解槽的数据确定变异系数,并根据所述变异系数确定所述电解槽的电流权重和电耗权重;根据k-means算法对所述电流权重和所述电耗权重进行聚类计算,以得到多个簇,根据所述多个簇确定所述电解槽等级。

15、本申请利用加权k-means进行聚类,再进行分类评级。避免了聚类脱离实际生产情况,并且从数据分析的角度对电解槽进行准确的分类。本申请在k-means++的基础上加上加权系数,相当于改变数据在特征空间的分布,以此来干预无监督学习,可以有效平衡人工经验和数据分析两种方法的优点,从而准确实现了对电解槽的评级。

本文档来自技高网...

【技术保护点】

1.一种基于K-means的电解槽评级方法,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,根据预处理后的所述电解槽的数据确定变异系数,具体包括:

3.根据权利要求1所述的方法,其特征在于,根据所述变异系数确定所述电解槽的电流权重和电耗权重之前,所述方法还包括:

4.根据权利要求3所述的方法,其特征在于,根据所述变异系数确定所述电解槽的电流权重和电耗权重,具体包括:

5.根据权利要求3所述的方法,其特征在于,所述初始特征权重的表达式为:

6.根据权利要求1所述的方法,其特征在于,根据K-means算法对所述电流权重和所述电耗权重进行聚类计算,具体包括:

7.根据权利要求1所述的方法,其特征在于,根据所述多个簇确定所述电解槽等级,具体包括:

8.根据权利要求1所述的方法,其特征在于,对所述电解槽的数据进行预处理,具体包括:

9.一种基于K-means的电解槽评级设备,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:

...

【技术特征摘要】

1.一种基于k-means的电解槽评级方法,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,根据预处理后的所述电解槽的数据确定变异系数,具体包括:

3.根据权利要求1所述的方法,其特征在于,根据所述变异系数确定所述电解槽的电流权重和电耗权重之前,所述方法还包括:

4.根据权利要求3所述的方法,其特征在于,根据所述变异系数确定所述电解槽的电流权重和电耗权重,具体包括:

5.根据权利要求3所述的方法,其特征在于,所述初始特征权重的表达式为:

【专利技术属性】
技术研发人员:陈翥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:

网友询问留言 已有0条评论
  • 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。

1