CN108763826A - 一种真空制盐蒸发罐内固液比的动态预测方法 - Google Patents
一种真空制盐蒸发罐内固液比的动态预测方法 Download PDFInfo
- Publication number
- CN108763826A CN108763826A CN201810637285.8A CN201810637285A CN108763826A CN 108763826 A CN108763826 A CN 108763826A CN 201810637285 A CN201810637285 A CN 201810637285A CN 108763826 A CN108763826 A CN 108763826A
- Authority
- CN
- China
- Prior art keywords
- solid
- liquid ratio
- data
- evaporator
- time
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Vaporization, Distillation, Condensation, Sublimation, And Cold Traps (AREA)
- Feedback Control In General (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种真空制盐蒸发罐内固液比的动态预测方法。首先获取往年蒸发罐中传感器测得的固液比和盐腿流量数据,以及时间数据,从中剔除停产、检修和设备故障时段数据;将数据进行分块,计算每个数据块最后一个时间点的固液比与倒数第二个时间点的固液比差值;对每块数据进行归一化,更新数据块,并进行回归算法得到回归函数,指定间隔,计算固液比与盐腿流量差,并求和;将每个数据块中固液比与盐腿流量回归函数差的和与固液比的差值进行回归,求得回归函数;根据回归函数可对固液比进行动态预测。本发明可以动态预测固液比、计算速度快、预测准确度高。
Description
技术领域
本发明属于真空制盐和回归分析技术领域,特别涉及一种真空制盐蒸发罐内固液比的动态预测方法。
背景技术
真空制盐的原理是向多效蒸发罐中的首效蒸发罐中输入蒸汽,蒸汽与卤水进行热交换,在循环泵的作用下,卤水循环至蒸发室内蒸发结晶,产生的二次蒸汽进入下一效的加热室作为热源,以此类推。末效产生的二次蒸汽经过冷凝变成水,二次蒸汽体积减小,使得罐内形成真空,实现压力向负压移动,即压力阶梯,使得各效卤水沸点降低,从而使卤水在不同的压力和温度条件下蒸发结晶。各效蒸发罐之间的温差是传热的动力,各效蒸发罐之间的压差是传质的动力。通过此种方式,实现了二次蒸汽的多次利用。
真空蒸发制盐的主要生产工序,首先是卤水预处理,去除卤水中的杂质,调节PH值;在蒸发罐中,对卤水进行蒸发操作,使得氯化钠过饱和而析出,制的盐浆;通过离心机进行脱水,热风机干燥制的成品。
在蒸发过程中,蒸发罐内固液比对盐的结晶有很大的影响。当固液比较小时,结晶盐较少,晶体粒度小,蒸发罐堆垢严重,势必会产生堵塞。当固液比较大时,结晶盐之间产生碰撞,产生大量细晶,导致产盐质量不佳,以及设备堵塞。所以在蒸发过程中,固液比是产盐质量的一个很重要的参数。上述两种情况不但会产生设备堵塞的情况,也会导致产盐质量不佳。
发明内容
发明目的:针对上述问题,本发明提供一种通过对蒸发罐中传感器测得的固液比和盐腿流量数据,以及相应的时间数据,进行建模,采用一种真空制盐蒸发罐内固液比的动态预测方法,对今后的固液比进行预测的真空制盐蒸发罐内固液比的动态预测方法。
技术方案:本发明提出一种真空制盐蒸发罐内固液比的动态预测方法,包括如下步骤:
(1)获取真空制盐蒸发罐中传感器测得的固液比和盐腿流量数据以及时间数据,从中剔除停产、检修和设备故障时间段数据,形成蒸发罐数据集;
(2)将蒸发罐数据集进行分块,计算每个数据块最后一个时间点的固液比,与倒数第二个时间点的固液比之差;
(3)使用回归算法,对蒸发罐数据集进行建模;
(4)根据建立的模型,动态预测固液比的值。
通过对蒸发过程中固液比的预测,可以事先人为调节盐腿的开度,使得固液比保持在较好的状态。
主要通过回归分析方法对历史数据集进行分析与建模,通过已经构建好的模型,对固液比进行预测,为工人调节盐腿开度提供指示性信息,从而使得蒸发罐中固液比处于较好状态,使得盐产量得以提高。
进一步的,所述步骤(3)中使用回归算法,对蒸发罐数据集进行建模的具体步骤如下:
(3.1):对每个数据块中,时间、固液比和盐腿流量分别进行归一化处理,然后更新数据库,对时间和固液比以及时间和盐腿流量做回归,得到两个回归函数,指定间隔,计算两个回归函数固液比与盐腿流量差,并求和;
(3.2)将每个数据块中固液比与盐腿流量回归函数差的和与固液比的差值,进行回归,得到回归函数。
进一步的,所述步骤(1)中获取蒸发罐数据集的具体步骤如下:获取真空制盐蒸发罐中传感器测得的固液比和盐腿流量数据,以及时间数据,从中剔除停产、检修和设备故障数据,形成由时间t、固液比g和盐腿流量k组成的数据集DATA,DATA共有M条记录,(tx,gx,kx)∈DATA,其中,x∈{1,...,M}。
进一步的,所述步骤(2)中对蒸发罐数据集进行分块的具体方法为:将数据集DATA进行分块操作,分为N个块,每个数据块Di中含有T+1条时间间隔相同的记录,其中Di={(tj,gj,kj)|j=1,...,T+1},i∈[1,N]。
进一步的,所述步骤(3)中使用回归算法,对蒸发罐数据集进行建模的详细步骤为:
(3.1)在每个数据块Di中,计算ci=gT+1-gT,得到集合CS={ci|i=1,...,N};
(3.2)对数据块Di中的时间数据{th|h=1,...,T}、固液比数据{gh|h=1,...,T}和盐腿流量数据{kh|h=1,...,T}分别做归一化操作,计算得到归一化后的时间数据{tsh|h=1,...,T}、固液比数据{gsh|h=1,...,T}和盐腿流量数据{ksh|h=1,...,T},更新数据块Di为DTi={(tsh,gsh,ksh)|h=1,...,T};
(3.3)在每个数据块DTi中,对时间和固液比,即集合{(tsh,gsh)|h=1,...,T},时间和盐腿流量,即集合{(tsh,ksh)|h=1,...,T},进行回归操作,计算得到两个回归函数LSGi和LSKi,其中LSGi是数据块DTi中时间和固液比的回归函数,LSKi是数据块DTi中时间和盐腿流量的回归函数;定义间隔L,在每一个数据块DTi中计算得到集合SS={si|i=1,...,N};
(3.4)对步骤(3.3)中的集合SS={si|i=1,...,N}以及步骤3.1中的集合CS={ci|i=1,...,N}做回归操作,回归函数形式为c=a×s+b,计算得到系数a和b。
进一步的,所述步骤(4)中根据建立的模型,动态预测固液比的值的具体步骤为:
(4.1)获取包括当前时间点的前T条数据,形成数据块Dnow,其中Dnow={(tn,gn,kn)|n=1,...,T},根据步骤(3.2)更新Dnow为Dnow={(tsn,gsn,ksn)|n=1,...,T},令gn=gT,根据步骤(3.3)计算计算预测的固液比gp为gp=gn+a×snow+b;
(4.2)重复步骤(4.1),动态预测固液比。
本发明采用上述技术方案,具有以下有益效果:本发明方法使用往年的蒸发罐内传感器测得的固液比和盐腿流量数据,以及相应的时间数据进行建模,有效的预测了蒸发罐内固液比的值,预测出的固液比值为人为调节盐腿开度提供了指示性信息,从而使得固液比稳定在较好范围,使得产盐过程中设备堵塞现象得到减缓,产盐的质量得到提高。
附图说明
图1为本发明的总体流程图
图2为图1中将数据进行分块的具体流程图;
图3为图1中对每个数据库中,时间、固液比和盐腿流量分别进行归一化操作,并更新数据库的具体流程图;
图4为图1中计算两个回归函数固液比与盐腿流量差并求和的具体流程图;
图5为图1中得到回归函数的具体流程图;
图6为图1中动态预测固液比的具体流程图。
具体实施方式
下面结合具体实施例,进一步阐明本发明,应理解这些实施例仅用于说明本发明而不用于限制本发明的范围,在阅读了本发明之后,本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。
回归分析法是通过数据统计,对大量数据进行数学处理,确定因变量与自变量的关系,建立回归方程,用于预测今后因变量变化的分析方法。根据变量个数,可分为一元回归分析和多元回归分析;根据因变量与自变量的函数表达式分为线性与非线性回归分析。
如图1-6所述,本发明所述的一种真空制盐蒸发罐内固液比的动态预测方法,具体步骤如下:
步骤1:获取真空制盐蒸发罐中传感器测得的固液比和盐腿流量数据,以及时间数据,从中剔除停产、检修和设备故障数据,形成蒸发罐数据集,具体方法为:
步骤1.1:获取真空制盐蒸发罐中传感器测得的固液比和盐腿流量数据,以及时间数据,从中剔除停产、检修和设备故障数据,形成由时间t、固液比g和盐腿流量k组成的数据集DATA,DATA共有M条记录,(tx,gx,kx)∈DATA,其中,x∈{1,...,M};
步骤2:对蒸发罐数据集进行划分,具体方法为:
步骤2.1:将数据集DATA进行分块操作,分为N个块,每个数据块Di中含有T+1条时间间隔相同的记录,其中Di={(tj,gj,kj)|j=1,...,T+1},i∈[1,N];
步骤3:使用回归算法,对蒸发罐数据集进行建模,具体方法为:
步骤3.1:在每个数据块Di中,计算ci=gT+1-gT,得到集合CS={ci|i=1,...,N};
步骤3.2:对数据块Di中的时间数据{th|h=1,...,T}、固液比数据{gh|h=1,...,T}和盐腿流量数据{kh|h=1,...,T}分别做归一化操作,计算得到归一化后的时间数据{tsh|h=1,...,T}、固液比数据{gsh|h=1,...,T}和盐腿流量数据{ksh|h=1,...,T},更新数据块Di为DTi={(tsh,gsh,ksh)|h=1,...,T};
步骤3.3:在每个数据块DTi中,对时间和固液比,即集合{(tsh,gsh)|h=1,...,T},时间和盐腿流量,即集合{(tsh,ksh)|h=1,...,T},进行最小二乘回归操作,计算得到两个回归函数LSGi和LSKi,其中LSGi是数据块DTi中时间和固液比的回归函数,LSKi是数据块DTi中时间和盐腿流量的回归函数,定义间隔L,在每一个数据块DTi中计算得到集合SS={si|i=1,...,N};
步骤3.4:对步骤3.3中的集合SS={si|i=1,...,N}以及步骤3.1中的集合CS={ci|i=1,...,N}做最小二乘回归操作,回归函数形式为c=a×s+b,计算得到系数a和b;
步骤4:根据建立的模型,动态预测固液比的值,具体方法为:
步骤4.1:获取包括当前时间点的前T条数据,形成数据块Dnow,其中Dnow={(tn,gn,kn)|n=1,...,T},根据步骤3.2更新Dnow为Dnow={(tsn,gsn,ksn)|n=1,...,T},令gn=gT,根据步骤3.3计算计算预测的固液比gp为gp=gn+a×snow+b。
步骤4.2:重复步骤4.1,动态预测固液比。
通过对437770条历史固液比、盐腿流量和时间数据进行处理,使用最小二乘回归进行建模,在40215次预测中,现实固液比与预测出的固液比,两者误差小于1的达到了99%。本发明在预测效果方面具有很好的效果。
Claims (6)
1.一种真空制盐蒸发罐内固液比的动态预测方法,其特征在于,包括如下步骤:
(1)获取真空制盐蒸发罐中传感器测得的固液比和盐腿流量数据以及时间数据,从中剔除停产、检修和设备故障时间段数据,形成蒸发罐数据集;
(2)将蒸发罐数据集进行分块,计算每个数据块最后一个时间点的固液比,与倒数第二个时间点的固液比之差;
(3)使用回归算法,对蒸发罐数据集进行建模;
(4)根据建立的模型,动态预测固液比的值。
2.根据权利要求1所述的一种真空制盐蒸发罐内固液比的动态预测方法,其特征在于,所述步骤(3)中使用回归算法,对蒸发罐数据集进行建模的具体步骤如下:
(3.1):对每个数据块中,时间、固液比和盐腿流量分别进行归一化处理,然后更新数据库,对时间和固液比以及时间和盐腿流量做回归,得到两个回归函数,指定间隔,计算两个回归函数固液比与盐腿流量差,并求和;
(3.2)将每个数据块中固液比与盐腿流量回归函数差的和与固液比的差值,进行回归,得到回归函数。
3.根据权利要求1所述的一种真空制盐蒸发罐内固液比的动态预测方法,其特征在于,所述步骤(1)中获取蒸发罐数据集的具体步骤如下:
获取真空制盐蒸发罐中传感器测得的固液比和盐腿流量数据,以及时间数据,从中剔除停产、检修和设备故障数据,形成由时间t、固液比g和盐腿流量k组成的数据集DATA,DATA共有M条记录,(tx,gx,kx)∈DATA,其中,x∈{1,...,M}。
4.根据权利要求3所述的一种真空制盐蒸发罐内固液比的动态预测方法,其特征在于,所述步骤(2)中对蒸发罐数据集进行分块的具体方法为:
将数据集DATA进行分块操作,分为N个块,每个数据块Di中含有T+1条时间间隔相同的记录,其中Di={(tj,gj,kj)|j=1,...,T+1},i∈[1,N]。
5.根据权利要求4所述的一种真空制盐蒸发罐内固液比的动态预测方法,其特征在于,所述步骤(3)中使用回归算法,对蒸发罐数据集进行建模的详细步骤为:
(3.1)在每个数据块Di中,计算ci=gT+1-gT,得到集合CS={ci|i=1,...,N};
(3.2)对数据块Di中的时间数据{th|h=1,...,T}、固液比数据{gh|h=1,...,T}和盐腿流量数据{kh|h=1,...,T}分别做归一化操作,计算得到归一化后的时间数据{tsh|h=1,...,T}、固液比数据{gsh|h=1,...,T}和盐腿流量数据{ksh|h=1,...,T},更新数据块Di为DTi={(tsh,gsh,ksh)|h=1,...,T};
(3.3)在每个数据块DTi中,对时间和固液比,即集合{(tsh,gsh)|h=1,...,T},时间和盐腿流量,即集合{(tsh,ksh)|h=1,...,T},进行回归操作,计算得到两个回归函数LSGi和LSKi,其中LSGi是数据块DTi中时间和固液比的回归函数,LSKi是数据块DTi中时间和盐腿流量的回归函数;定义间隔L,在每一个数据块DTi中计算得到集合SS={si|i=1,...,N};
(3.4)对步骤(3.3)中的集合SS={si|i=1,...,N}以及步骤3.1中的集合CS={ci|i=1,...,N}做回归操作,回归函数形式为c=a×s+b,计算得到系数a和b。
6.根据权利要求5所述的一种真空制盐蒸发罐内固液比的动态预测方法,其特征在于,所述步骤(4)中根据建立的模型,动态预测固液比的值的具体步骤为:
(4.1)获取包括当前时间点的前T条数据,形成数据块Dnow,其中Dnow={(tn,gn,kn)|n=1,...,T},根据步骤(3.2)更新Dnow为Dnow={(tsn,gsn,ksn)|n=1,...,T},令gn=gT,根据步骤(3.3)计算计算预测的固液比gp为gp=gn+a×snow+b;
(4.2)重复步骤(4.1),动态预测固液比。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810637285.8A CN108763826B (zh) | 2018-06-20 | 2018-06-20 | 一种真空制盐蒸发罐内固液比的动态预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810637285.8A CN108763826B (zh) | 2018-06-20 | 2018-06-20 | 一种真空制盐蒸发罐内固液比的动态预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108763826A true CN108763826A (zh) | 2018-11-06 |
CN108763826B CN108763826B (zh) | 2022-04-26 |
Family
ID=63979305
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810637285.8A Active CN108763826B (zh) | 2018-06-20 | 2018-06-20 | 一种真空制盐蒸发罐内固液比的动态预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108763826B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040121487A1 (en) * | 2002-12-18 | 2004-06-24 | Kangas Lars J. | Method for enhanced accuracy in predicting peptides using liquid separations or chromatography |
CN105509803A (zh) * | 2015-12-02 | 2016-04-20 | 中盐工程技术研究院有限公司 | 一种准确测量制盐蒸发设备液位与固液比的装置 |
CN106096646A (zh) * | 2016-06-07 | 2016-11-09 | 衢州学院 | 一种支持向量回归机模型选择方法 |
CN106339358A (zh) * | 2016-08-16 | 2017-01-18 | 南京航空航天大学 | 基于多元回归分析的航空器场面滑行时间预测方法 |
-
2018
- 2018-06-20 CN CN201810637285.8A patent/CN108763826B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040121487A1 (en) * | 2002-12-18 | 2004-06-24 | Kangas Lars J. | Method for enhanced accuracy in predicting peptides using liquid separations or chromatography |
CN105509803A (zh) * | 2015-12-02 | 2016-04-20 | 中盐工程技术研究院有限公司 | 一种准确测量制盐蒸发设备液位与固液比的装置 |
CN106096646A (zh) * | 2016-06-07 | 2016-11-09 | 衢州学院 | 一种支持向量回归机模型选择方法 |
CN106339358A (zh) * | 2016-08-16 | 2017-01-18 | 南京航空航天大学 | 基于多元回归分析的航空器场面滑行时间预测方法 |
Non-Patent Citations (2)
Title |
---|
BOLUN CHEN 等: "《Link Prediction on Directed Networks Based on AUC Optimization》", 《IEEE ACCESS》 * |
朱向光 等: "音叉振动密度计在固液比在线测量上的应用探讨", 《中国井矿盐》 * |
Also Published As
Publication number | Publication date |
---|---|
CN108763826B (zh) | 2022-04-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103092078B (zh) | 多阶段间歇生产过程的全程优化方法 | |
JP6860773B2 (ja) | 農地の土壌状態を予測するモノのインターネットシステム及びモデリング方法 | |
CN109378031B (zh) | 一种基于植保和气象信息结合的水稻纹枯病预测方法 | |
CN105807609A (zh) | 一种基于多参数的矿井喷淋换热效率计算方法的喷淋系统 | |
CN110147825A (zh) | 一种基于经验模态分解模型的草莓温室温度智能检测装置 | |
CN108763826A (zh) | 一种真空制盐蒸发罐内固液比的动态预测方法 | |
CN112183575A (zh) | 一种基于区域气象参数预测土豆产量的方法 | |
CN115953064B (zh) | 一种耕地质量综合治理及优化调控方法 | |
CN113128617A (zh) | 基于Spark和ASPSO的并行化K-means的优化方法 | |
CN116843493A (zh) | 一种基于物联网的油茶林种植生态数字监测管理系统 | |
CN116227952A (zh) | 一种关键信息缺失下的来袭目标防御策略选择方法及装置 | |
Devogelaere et al. | Application of feedforward neural networks for soft sensors in the sugar industry | |
CN111814861B (zh) | 一种基于双自学习模型的在线冷却控制方法 | |
CN115600760A (zh) | 一种甘蔗区域单产预测方法及系统 | |
CN113722673B (zh) | 一种重复观测气象数据优化处理方法 | |
Sharma et al. | Availability optimization of refining system of Sugar Industry by Markov process and Genetic Algorithm | |
CN111090923B (zh) | 具有预测农地土壤状态的物联网系统与建模方式 | |
AU2021104029A4 (en) | Dryland agriculture and yield gap analysis by machine learning algorithms using iot sensors | |
CN104778314B (zh) | 间歇性甘蔗煮糖结晶过程多目标优化方法 | |
CN209317056U (zh) | 一种五效六体真空制盐母液浓缩装置 | |
Zaporozhchenko et al. | The evaluation of irrigating meliorations efficiency after the change of climatic conditions | |
Hatem et al. | Artificial intelligence for plant genomics and crop improvement | |
Chong et al. | Knowledge Discovery Through the Machine Learning of Farming Parameters and Yield Performance | |
CN115392543B (zh) | 一种结合l21范数和残差级联宽度学习的注塑产品质量预测方法 | |
Sunori et al. | Model Identification and MPC based control of Heat Exchanger System of Sugar Crystallizer |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |