基于图网络的高炉数字孪生系统硅含量容错预测方法技术方案

本发明专利技术公开了一种基于图网络的高炉数字孪生系统硅含量容错预测方法。该方法分为可信度评估、数据质量增强和时间尺度聚合三部分。首先，面向传感器测量过程中会出现的点偏差与序列漂移，开发了基于注意力机制的点级可信度计算以及基于图结构对比的序列级可信度评估，综合点‑序评估结果实现对低质量数据的识别。之后，有针对性地开展基于图神经网络的数据增强，利用相邻传感器的特征对低质量数据进行增强。最后利用时间尺度聚合挖掘数据中的动态性，完成硅含量的预测。该方法通过“评估‑增强”两步，实现传感器测量失准情况下模型的容错预测，提升了该方法对抗干扰的能力，使其在复杂的工业环境适应性更强，提升了方法精度。

【技术实现步骤摘要】

本专利技术属于流程工业软测量建模领域，特别涉及一种基于图网络的高炉数字孪生系统硅含量容错预测方法，解决传感器测量不准确为预测带来的难题。

技术介绍

1、高炉炼铁在国民经济发展与生产建设中占据重要地位，保障高炉炼铁工序的平稳优质运行至关重要。其中铁水中的硅含量与高炉炉况和产品质量密切相关，通过观察铁水中硅含量的变化能推测出当前高炉内部的反应状况，进而使操作者能及时调整相关操作参数，使高炉维持在较为理想的状态下。鉴于当前测量手段的限制，实际生产中硅含量一般只能依靠人工测量的方法获取，该方法不仅无法保证时效性，更是造成了人力资源的浪费。随着智能算法的发展，数据驱动的软测量预测方法应运而生。高炉生产过程中积累了丰富的过程变量数据，反映了实体生产线的运行状况。高炉数字孪生系统作为虚实交互的系统，收集炼铁实体数据、建立虚拟仿真模型，可完成远程监控、优化控制、交互反馈的任务。根据数字孪生系统数据平台的数据，构建过程变量与硅含量之间的映射关系，进而实现基于数据的硅含量预测，预测的结果上传至数据平台可供操作人员参考，并与其他数字孪生系统的服务之间进行交互。

2、本文档来自技高网...

【技术保护点】

1.一种基于图网络的高炉数字孪生系统硅含量容错预测方法，其特征在于，步骤如下：

2.根据权利要求1所述的方法，其特征在于：步骤1在数据平台中获取炉腹煤气量、鼓风动能、喷煤量、富氧流量、冷风压力、顶温、顶压、上一时刻硅含量、理论燃烧温度、冷风流量，10个过程变量的数据，并利用时间滑窗将原始数据划分为时间序列X＝{x1,x2,…,xT}，其中表示过程变量的维度，T表示时间窗的大小，X是P×T的二维矩阵，预测值为T时刻铁水中的硅含量。

3.根据权利要求1所述的方法，其特征在于：步骤2开展点-序评估以自适应地评估各个时刻各个变量的可信度，点级可信度的目的在于评估单个过程变...

【技术特征摘要】

1.一种基于图网络的高炉数字孪生系统硅含量容错预测方法，其特征在于，步骤如下：

2.根据权利要求1所述的方法，其特征在于：步骤1在数据平台中获取炉腹煤气量、鼓风动能、喷煤量、富氧流量、冷风压力、顶温、顶压、上一时刻硅含量、理论燃烧温度、冷风流量，10个过程变量的数据，并利用时间滑窗将原始数据划分为时间序列x＝{x1,x2,…,xt}，其中表示过程变量的维度，t表示时间窗的大小，x是p×t的二维矩阵，预测值为t时刻铁水中的硅含量。

3.根据权利要求1所述的方法，其特征在于：步骤2开展点-序评估以自适应地评估各个时刻各个变量的可信度，点级可信度的目的在于评估单个过程变量在单一时刻的测量值的可信度，设置可信度系数矩阵apnt，形状与x完全相同，矩阵内每个元素和一一对应，体现的可信程度，该系数对原始输入x进行加权，并得到其中表示矩阵元素逐点相乘；该可信度系数矩阵基于注意力机制计算得到。

4.根据权利要求1所述的方法，其特征在于：步骤3通过过程变量学习模块学习变量...

【专利技术属性】
技术研发人员：杨春节，孔丽媛，刘哲，李俊方，柴利，卢建刚，
申请(专利权)人：浙江大学，
类型：发明
国别省市：