CN112363474B - 一种熟料烧成系统中控制参数的优化方法及装置 - Google Patents
一种熟料烧成系统中控制参数的优化方法及装置 Download PDFInfo
- Publication number
- CN112363474B CN112363474B CN202011238869.1A CN202011238869A CN112363474B CN 112363474 B CN112363474 B CN 112363474B CN 202011238869 A CN202011238869 A CN 202011238869A CN 112363474 B CN112363474 B CN 112363474B
- Authority
- CN
- China
- Prior art keywords
- parameter
- time
- historical
- sample
- data
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 77
- 238000005457 optimization Methods 0.000 title claims abstract description 32
- 238000005245 sintering Methods 0.000 title description 11
- 238000010304 firing Methods 0.000 claims abstract description 43
- 230000008569 process Effects 0.000 claims abstract description 38
- 238000004364 calculation method Methods 0.000 claims abstract description 31
- 238000004519 manufacturing process Methods 0.000 claims abstract description 23
- 238000012545 processing Methods 0.000 claims abstract description 17
- 230000007246 mechanism Effects 0.000 claims abstract description 9
- 239000002994 raw material Substances 0.000 claims description 40
- 239000004568 cement Substances 0.000 claims description 34
- 238000006116 polymerization reaction Methods 0.000 claims description 24
- 230000002776 aggregation Effects 0.000 claims description 21
- 238000004220 aggregation Methods 0.000 claims description 21
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 230000001502 supplementing effect Effects 0.000 claims description 7
- 230000004931 aggregating effect Effects 0.000 abstract description 5
- 239000000292 calcium oxide Substances 0.000 description 22
- ODINCKMPIJJUCX-UHFFFAOYSA-N calcium oxide Inorganic materials [Ca]=O ODINCKMPIJJUCX-UHFFFAOYSA-N 0.000 description 22
- 239000003245 coal Substances 0.000 description 11
- 238000007781 pre-processing Methods 0.000 description 6
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 5
- 239000000126 substance Substances 0.000 description 5
- BRPQOXSCLDDYGP-UHFFFAOYSA-N calcium oxide Chemical compound [O-2].[Ca+2] BRPQOXSCLDDYGP-UHFFFAOYSA-N 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 235000012054 meals Nutrition 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000003556 assay Methods 0.000 description 3
- 239000000377 silicon dioxide Substances 0.000 description 3
- PNEYBMLMFCGWSK-UHFFFAOYSA-N aluminium oxide Inorganic materials [O-2].[O-2].[O-2].[Al+3].[Al+3] PNEYBMLMFCGWSK-UHFFFAOYSA-N 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- CPLXHLVBOLITMK-UHFFFAOYSA-N magnesium oxide Inorganic materials [Mg]=O CPLXHLVBOLITMK-UHFFFAOYSA-N 0.000 description 2
- 239000000395 magnesium oxide Substances 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 229910017108 Fe—Fe Inorganic materials 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 238000010924 continuous production Methods 0.000 description 1
- 229910052593 corundum Inorganic materials 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- BCAARMUWIRURQS-UHFFFAOYSA-N dicalcium;oxocalcium;silicate Chemical compound [Ca+2].[Ca+2].[Ca]=O.[O-][Si]([O-])([O-])[O-] BCAARMUWIRURQS-UHFFFAOYSA-N 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- JEIPFZHSYJVQDO-UHFFFAOYSA-N iron(III) oxide Inorganic materials O=[Fe]O[Fe]=O JEIPFZHSYJVQDO-UHFFFAOYSA-N 0.000 description 1
- AXZKOIWUVFPNLO-UHFFFAOYSA-N magnesium;oxygen(2-) Chemical compound [O-2].[Mg+2] AXZKOIWUVFPNLO-UHFFFAOYSA-N 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000035484 reaction time Effects 0.000 description 1
- 235000012239 silicon dioxide Nutrition 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000026676 system process Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 235000019976 tricalcium silicate Nutrition 0.000 description 1
- 229910021534 tricalcium silicate Inorganic materials 0.000 description 1
- 238000004260 weight control Methods 0.000 description 1
- 229910001845 yogo sapphire Inorganic materials 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41885—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by modeling, simulation of the manufacturing system
-
- C—CHEMISTRY; METALLURGY
- C04—CEMENTS; CONCRETE; ARTIFICIAL STONE; CERAMICS; REFRACTORIES
- C04B—LIME, MAGNESIA; SLAG; CEMENTS; COMPOSITIONS THEREOF, e.g. MORTARS, CONCRETE OR LIKE BUILDING MATERIALS; ARTIFICIAL STONE; CERAMICS; REFRACTORIES; TREATMENT OF NATURAL STONE
- C04B7/00—Hydraulic cements
- C04B7/36—Manufacture of hydraulic cements in general
- C04B7/43—Heat treatment, e.g. precalcining, burning, melting; Cooling
- C04B7/44—Burning; Melting
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32339—Object oriented modeling, design, analysis, implementation, simulation language
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Manufacturing & Machinery (AREA)
- Ceramic Engineering (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Automation & Control Theory (AREA)
- Thermal Sciences (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Materials Engineering (AREA)
- Structural Engineering (AREA)
- Organic Chemistry (AREA)
- Curing Cements, Concrete, And Artificial Stone (AREA)
Abstract
本发明公开了一种熟料烧成系统中控制参数的优化方法及装置，该方法包括：依据预设的时序处理策略将历史样本时序数据转化为历史参数推荐样本集，历史参数推荐样本集中的各个参数基于所属工艺环节机理特性和滞后周期按生产时序进行聚合得到；基于熟料生成系统的实时参数集和历史参数推荐样本集确定备选参数推荐样本集；将备选参数推荐样本集中的各个备选推荐样本传递给预设的多目标参数优化函数进行计算，基于计算结果，确定目标参数推荐样本，将目标参数推荐样本中的目标控制参数作为熟料烧成系统的控制参数。上述过程，备选参数推荐样本集中的参数将滞后周期考虑在内，避免了前后关联数据的时间滞后，保证了目标控制参数确定的准确性。
Description
技术领域
本发明涉及水泥烧成技术领域，尤其涉及一种熟料烧成系统中控制参数的优化方法及装置。
背景技术
水泥生产的核心部分是熟料烧成系统，熟料烧成系统中参数优化的关键是调度风、煤、料等重点控制参数的平衡，以确保水泥窑连续稳定、优质高产、低成本运行。
现有的熟料烧成系统中的控制参数优化方法均基于能耗最低工作点或者预测水泥熟料F-CaO含量稳定为优化目标，确定最低工作点或者时预测水泥熟料F-CaO含量稳定时刻，将该时刻的入窑生料数据和工况状态数据对应的控制参数作为目标控制参数。
但是，熟料烧成系统涉及到生料磨、预热器、分解炉、回转窑、篦冷机等多个工艺生产环节，前后数据关联存在一定的时间滞后，如果只简单的从相同时间线上去确定目标控制参数，会导致目标控制参数确定不准确。
发明内容
有鉴于此，本发明提供了一种熟料烧成系统中控制参数的优化方法及装置，用以解决现有技术中，熟料烧成系统涉及到生料磨、预热器、分解炉、回转窑、篦冷机等多个工艺生产环节，前后数据关联存在一定的时间滞后，如果只简单的从相同时间线上去确定目标控制参数，会导致目标控制参数确定不准确的问题。具体方案如下：
一种熟料烧成系统中控制参数的优化方法，包括：
基于熟料烧成系统中的历史入窑生料数据、历史工况状态数据和历史控制参数数据，生成历史样本时序数据；
依据预设的时序处理策略将所述历史样本时序数据转化为历史参数推荐样本集，其中，所述历史参数推荐样本集中的各个参数基于所属工艺环节机理特性和滞后周期按生产时序进行聚合得到；
获取所述熟料生成系统的实时参数集，基于所述实时参数集和所述历史参数推荐样本集确定备选参数推荐样本集；
将所述备选参数推荐样本集中的各个备选推荐样本传递给预设的多目标参数优化函数进行计算，基于计算结果，确定目标参数推荐样本，将所述目标参数推荐样本中的目标控制参数作为所述熟料烧成系统的控制参数。
上述的方法，可选的，若所述熟料生成时刻为第一时刻，所述预设的时序处理策略包括：
生料磨在所述第一时刻之前第一预设时长范围采集生料样本；
预热器在所述第一时刻之前第一预设时长范围采集第二预设时长数据进行均值聚合；
采集完成后，分解炉基础采集第二预设时长范围数据进行均值聚合；
采集完成后，回转窑采集第三预设时长范围数据进行均值聚合；
采集完成后，篦冷机采集第四预设时长范围数据进行均值聚合；
在达到所述第一时刻后采集水泥熟料样本。
上述的方法，可选的，还包括：
聚合过程中，基于对应于预设时长选取数据在对应预设时长的均值或者当前值进行均值聚合。
上述的方法，可选的，获取所述熟料生成系统的实时参数集，基于所述实时参数集和所述历史参数推荐样本集确定备选参数推荐样本集，包括：
计算所述实时参数集与所述参数推荐样本集中各个样本的相似度；
选取所述参数推荐样本集相似度最高的预设数量的参数推荐作为备选参数推荐样本集。
上述的方法，可选的，还包括：
获取所述备选参数推荐样本集中各个备选参数样本中熟料F-CaO的含量；
判断各个含量是否属于预设的含量区间；
将不属于所述预设含量区间的备选参数样本进行删除，并基于所述历史参数推荐样本集对所述备选参数推荐样本集进行补充。
一种熟料烧成系统中控制参数的优化装置，包括：
生成模块，用于基于熟料烧成系统中的历史入窑生料数据、历史工况状态数据和历史控制参数数据，生成历史样本时序数据，；
转化模块，用于依据预设的时序处理策略将所述历史样本时序数据转化为历史参数推荐样本集，其中，所述历史参数推荐样本集中的各个参数基于所属工艺环节机理特性和滞后周期按生产时序进行聚合得到；
获取和确定模块，用于获取所述熟料生成系统的实时参数集，基于所述实时参数集和所述历史参数推荐样本集确定备选参数推荐样本集；
计算和确定模块，用于将所述备选参数推荐样本集中的各个备选推荐样本传递给预设的多目标参数优化函数进行计算，基于计算结果，确定目标参数推荐样本，将所述目标参数推荐样本中的目标控制参数作为所述熟料烧成系统的控制参数。
上述的装置，可选的，所述转化模块包括：
第一采集单元，用于生料磨在所述第一时刻之前第一预设时长范围采集生料样本；
第二采集单元，用于预热器在所述第一时刻之前第一预设时长范围采集第二预设时长数据进行均值聚合；
第三采集单元，用于采集完成后，分解炉基础采集第二预设时长范围数据进行均值聚合；
第四采集单元，用于采集完成后，回转窑采集第三预设时长范围数据进行均值聚合；
第五采集单元，用于采集完成后，篦冷机采集第四预设时长范围数据进行均值聚合；
第六采集单元，用于在达到所述第一时刻后采集水泥熟料样本。
上述的装置，可选的，还包括：
选取单元，用于聚合过程中，基于对应于预设时长选取数据在对应预设时长的均值或者当前值进行均值聚合。
上述的装置，可选的，所述获取和确定模块包括：
计算单元，用于计算所述实时参数集与所述参数推荐样本集中各个样本的相似度；
选取单元，用于选取所述参数推荐样本集相似度最高的预设数量的参数推荐作为备选参数推荐样本集。
上述的装置，可选的，还包括：
获取模块，用于获取所述备选参数推荐样本集中各个备选参数样本中熟料F-CaO的含量；
判断模块，用于判断各个含量是否属于预设的含量区间；
删除和补充模块，用于将不属于所述预设含量区间的备选参数样本进行删除，并基于所述历史参数推荐样本集对所述备选参数推荐样本集进行补充。
与现有技术相比，本发明包括以下优点：
本发明公开了一种熟料烧成系统中控制参数的优化方法及装置，该方法包括：依据预设的时序处理策略将历史样本时序数据转化为历史参数推荐样本集，历史参数推荐样本集中的各个参数基于所属工艺环节机理特性和滞后周期按生产时序进行聚合得到；获取熟料生成系统的实时参数集，实时参数集和历史参数推荐样本集确定备选参数推荐样本集；将备选参数推荐样本集中的各个备选推荐样本传递给预设的多目标参数优化函数进行计算，基于计算结果，确定目标参数推荐样本，将目标参数推荐样本中的目标控制参数作为熟料烧成系统的控制参数。上述过程，备选参数推荐样本集中的参数将滞后周期考虑在内，避免了前后关联数据的时间滞后，保证了目标控制参数确定的准确性。
当然，实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例公开的一种熟料烧成系统中控制参数的优化方法流程图；
图2为本申请实施例公开的一种烧成系统的工艺流程示意图；
图3为本申请实施例公开的一种时序处理流程示意图；
图4为本申请实施例公开的一种熟料烧成系统中控制参数的优化装置结构框图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
本发明公开了一种熟料烧成系统中控制参数的优化方法及装置，应用与对水泥制造过程中控制参数的控制，水泥生产的核心部分是熟料烧成系统，熟料烧成系统的重点在于如何提高产量的同时稳定产品质量。本发明基于熟料质量稳定的控制目标下(F-CaO含量稳定控制在1.0-1.5区间内)，收集烧成系统历史稳定工况下的生产数据，基于工艺时序特性进行预处理和相似度分析，通过协同过滤算法全局搜索，推荐合理的喂煤量、入窑投料量、窑转速、高温风机转速、尾排风机转速、篦冷机风机速度等回转窑控制指标参数，使得熟料质量稳定的同时，尽可能提升产量，降低煤耗，达到工况最优运行。
现有技术中，基于能耗最低工作点或者预测水泥熟料F-CaO含量稳定为最终目标来进行控制参数的优化，而水泥烧成系统参数优化的目标是使得熟料质量稳定的同时，尽可能提升产量，降低煤耗，达到工况最优运行，这是一个多目标协同优化的问题，单独追求任一目标均有可能导致其他指标的失控。其次，水泥烧成系统过程属于持续性流程工业，工艺特性是相当复杂多变的，涉及到生料磨、预热器、分解炉、回转窑、篦冷机等多个工艺生产环节，前后数据关联存在一定的时间滞后。因此对于入窑生料数据、工况状态数据和目标控制参数的数据需要进行时序预处理策略。因此，本发明采用一种熟料烧成系统中控制参数的优化方法，对所述烧成系统中的控制参数进行优化，所述优化方法的执行流程如图1所示，包括步骤：
S101、基于熟料烧成系统中的历史入窑生料数据、历史工况状态数据和历史控制参数数据，生成历史样本时序数据；
本发明实施例中，所述历史入窑生料数据、所述历史工况状态数据和所述历史样本时序数据选取的历史时间段的时长可以基于经验或者具体情况进行设定，本发明实施例中对具体的时长不进行限定，优选的，可以选取近一年或者两年的历史数据，其中，
针对历史入窑生料数据，利用SQL驱动采集Lims系统的历史入窑生料数据，包括：KH(水泥熟料中的总CaO含量扣除饱和碱性氧化物(如Al2O3、Fe2O3)所需要的氧化钙后，剩下的与二氧化硅化合的氧化钙的含量与理论上二氧化硅全部化合成硅酸三钙所需要的氧化钙含量的比值。简言之，石灰饱和系数表示熟料中二氧化硅被氧化钙饱和成硅酸三钙的程度)、氮N、磷P、氧化镁MgO、二氧化硅SIO2、氧化铝AL2O3、氧化铁FE2O3、氧化钙CAO、0.08细度、0.20细度、细度、水分、灰份、挥发份、发热量等15组参数，采集周期为1小时。
针对历史工况状态数据，利用开放平台通信OPC(Open PlatformCommunications)驱动采集现场分布式控制系统DCS(Distributed Control System)系统的水泥烧成系统的历史工况参数状态数据，具体包括窑电流、分解炉出口负压、氧含量、二次风温、三次风温、预热器出口负压、预热器出口温度、篦冷机风机电流等31组参数，采集周期为1秒。
收集当时工况下采取的历史控制参数数据，具体包括：喂煤量、入窑投料量、窑转速、窑头负压、分解炉出口温度、高温风机转速、尾排风机转速、篦冷机风机速度等21参数，采集周期为1秒。
利用SQL驱动采集水泥熟料的F-CaO含量化验数据，采集周期为1小时。按时间维度收集上述相关历史数据，形成水泥烧成系统生成历史样本时序数据。
S102、依据预设的时序处理策略将所述历史样本时序数据转化为历史参数推荐样本集，其中，所述历史参数推荐样本集中的各个参数基于所属工艺环节机理特性和滞后周期按生产时序进行聚合得到；
本发明实施例中，所述烧成系统的工艺流程如图2所示，由于所述烧成系统的工艺特性是相当复杂多变的，涉及到生料磨、预热器、分解炉、回转窑、篦冷机等多个工艺环节，前后数据关联存在一定的时间滞后，依据各个工艺生产环节具体的滞后时间和具体执行情况确定预设的时序处理策略，其中，所述预设的时序处理策略包括：生料磨在所述第一时刻之前第一预设时长范围采集生料样本，预热器在所述第一时刻之前第一预设时长范围采集第二预设时长数据进行均值聚合，采集完成后，分解炉基础采集第二预设时长范围数据进行均值聚合，采集完成后，回转窑采集第三预设时长范围数据进行均值聚合，采集完成后，篦冷机采集第四预设时长范围数据进行均值聚合，在达到所述第一时刻后采集水泥熟料样本，优选的，所述第一预设时长为5分钟，第二预设时长为20分钟，所述第二预设时长为30分钟，所述第一预设时长范围、所述第二预设时长范围和所述第三预设时长范围的具体取值范围可以基于经验或者具体情况，本发明实施例中不进行限定，本发明实施例中，以水泥烧成工艺生产周期大约为1小时，以生料磨8:00的出磨生料，到9:00的水泥熟料为一个生产周期，所述第一预设时长范围取固定值5分钟，所述第二预设时长范围取固定值20分，所述第三预设时长范围取固定值30分钟为例进行说明，按生产时序对相关工序数据进行预处理的执行流程如图3所示：
(1)8:00，生料磨采集生料样本进行化验，获取成分数据；
(2)8:00，预热器，生料在本环节有5分钟左右的运行规程，取5分钟数据进行均值聚合；
(3)8:05，分解炉，生料在本环节有5分钟左右的运行过程，取5分钟数据进行均值聚合；
(4)8:10，回转窑，生料在本环节有20分钟左右的运行过程，取20分钟数据进行均值聚合；
(5)8：30，篦冷机，生料在本环节有30分钟左右的运行过程，取30分钟数据进行均值聚合；
(6)9:00，水泥熟料，采集水泥熟料的样本进行化验，获取熟料F-CaO含量。
进一步的，针对(2)-(5)中的均值聚合过程中相关数据的获取，可以基于表1中对应的预处理方式、工艺位置滞后周期进行获取。
优选的，表1可以基于经验或者具体情况确定，基于上述的处理过程，将同一批次出磨生料在各工艺环节流转过程中的停留和反应的时间不同，对各工艺环节采集的数据进行不同的滞后和聚合处理，以达到输入生料和输出熟料产品是同一个批次的目的，使得各工艺环节的数据有充分的相关性。优选的，针对不同数据源的数据采集周期也不相同，需要以水泥熟料的F-CaO含量化验数据的采集频率为准，对工况状态数据和目标控制参数按照取均值的方式聚合成1小时1个数值。
对于历史入窑生料数据、历史工况状态数据和历史控制参数的数据基于上述的预处理策略，形成历史参数推荐样本集。
S103、获取所述熟料生成系统的实时参数集，基于所述实时参数集和所述历史参数推荐样本集确定备选参数推荐样本集；
本发明实施例中，获取所述熟料生成系统的实时参数集，其中，所述实时参数集实时采集现场DCS系统的水泥烧成系统工况参数、Lims系统的入料生料数据，组合实时参数。
根据水泥烧成系统数据特性，采用夹角余弦(Cosine)算法进行相似度计算，假设实时参数集为a(x11,x12,...,x1n)，参数推荐样本集个体为b(x21,x22,...,x2n)，则相关计算公式如下：
将所有个体的相似度评分进行倒序排序，选取相似度最高的前K个个体(K的取值建议为5～10)，作为最近邻居加入备选参数推荐样本集。
本发明实施例中，设定水泥熟料F-CaO含量的正常控制范围为1.0-1.5区间内。当所述备选参数推荐样本集中存在个体的水泥熟料F-CaO含量化验值处于正常控制范围以外时，需要剔除该推荐个体并重新进行补充。
S104、将所述备选参数推荐样本集中的各个备选推荐样本传递给预设的多目标参数优化函数进行计算，基于计算结果，确定目标参数推荐样本，将所述目标参数推荐样本中的目标控制参数作为所述熟料烧成系统的控制参数。
本发明实施例中，构建预设的多目标参数优化函数，本发明以水泥熟料F-CaO含量在正常控制范围的前提下，单位产量耗煤量最小作为优化目标。
将控制参数推荐列表中所有个体对应的产量、煤耗、熟料F-CaO含量等目标反馈数据代入目标函数，计算所述备选参数推荐样本集min(y单位产量耗煤量)对应的目标参数推荐样本，将所述目标参数推荐样本中的目标控制参数作为所述熟料烧成系统的控制参数，所述目标控制参数即最终控制参数推荐值。
本发明公开了一种熟料烧成系统中控制参数的优化方法，包括：依据预设的时序处理策略将历史样本时序数据转化为历史参数推荐样本集，历史参数推荐样本集中的各个参数基于所属工艺环节机理特性和滞后周期按生产时序进行聚合得到；获取熟料生成系统的实时参数集，实时参数集和历史参数推荐样本集确定备选参数推荐样本集；将备选参数推荐样本集中的各个备选推荐样本传递给预设的多目标参数优化函数进行计算，基于计算结果，确定目标参数推荐样本，将目标参数推荐样本中的目标控制参数作为熟料烧成系统的控制参数。上述过程，备选参数推荐样本集中的参数将滞后周期考虑在内，避免了前后关联数据的时间滞后，保证了目标控制参数确定的准确性。
本发明实施例中，根据烧成系统生产过程特性，提出对于入窑生料数据、工况状态数据和目标控制参数的数据提供时序预处理策略，在水泥烧成系统涉及到生料磨、预热器、分解炉、回转窑、篦冷机等多个工艺生产环节中，可解决各环节前后数据关联存在的时间滞后问题，以获取更为客观准确的参数推荐样本集。利用协同过滤算法全局搜索，采用夹角余弦(Cosine)算法计算实时参数集与参数推荐样本集所有个体之间的相似度评分，获取相似度高的个体作为最近邻居加入备选控制参数推荐样本集，有利于为实时入窑生料质量和工况状态搜索历史生产过程中最为接近的工况，匹配F-CaO含量达标为前提对应的回转窑控制参数推荐值，以水泥熟料F-CaO含量在正常控制范围的前提下，单位产量耗煤量最小作为优化目标，将控制参数推荐列表中所有个体对应的产量、煤耗、熟料F-CaO含量等目标反馈数据代入目标函数，计算min(y单位产量耗煤量)对应的推荐个体，获得最终控制参数推荐值。
基于上述的一种熟料烧成系统中控制参数的优化方法，本发明实施例中，还提供了一种熟料烧成系统中控制参数的优化装置，所述优化装置的结构框图如图4所示，包括：
生成模块201、软化模块202、获取和确定模块203和计算和确定模块204。
其中，
所述生成模块201，用于基于熟料烧成系统中的历史入窑生料数据、历史工况状态数据和历史控制参数数据，生成历史样本时序数据，；
所述转化模块202，用于依据预设的时序处理策略将所述历史样本时序数据转化为历史参数推荐样本集，其中，所述历史参数推荐样本集中的各个参数基于滞后周期按生产时序进行聚合得到；
所述获取和确定模块203，用于获取所述熟料生成系统的实时参数集，基于所述实时参数集和所述历史参数推荐样本集确定备选参数推荐样本集；
所述计算和确定模块204，用于将所述备选参数推荐样本集中的各个备选推荐样本传递给预设的多目标参数优化函数进行计算，基于计算结果，确定目标参数推荐样本，将所述目标参数推荐样本中的目标控制参数作为所述熟料烧成系统的控制参数。
本发明公开了一种熟料烧成系统中控制参数的优化装置，包括：依据预设的时序处理策略将历史样本时序数据转化为历史参数推荐样本集，历史参数推荐样本集中的各个参数基于所属工艺环节机理特性和滞后周期按生产时序进行聚合得到；获取熟料生成系统的实时参数集，实时参数集和历史参数推荐样本集确定备选参数推荐样本集；将备选参数推荐样本集中的各个备选推荐样本传递给预设的多目标参数优化函数进行计算，基于计算结果，确定目标参数推荐样本，将目标参数推荐样本中的目标控制参数作为熟料烧成系统的控制参数。上述过程，备选参数推荐样本集中的参数将滞后周期考虑在内，避免了前后关联数据的时间滞后，保证了目标控制参数确定的准确性。
本发明实施例中，所述转化模块202中，若所述熟料生成时刻为第一时刻，所述预设的时序处理策略包括：
第一采集单元205、第二采集单元206、第三采集单元207、第四采集单元208、第五采集单元209和第六采集单元210。
其中，
所述第一采集单元205，用于生料磨在所述第一时刻之前第一预设时长范围采集生料样本；
所述第二采集单元206，用于预热器在所述第一时刻之前第一预设时长范围采集第二预设时长数据进行均值聚合；
所述第三采集单元207，用于采集完成后，分解炉基础采集第二预设时长范围数据进行均值聚合；
所述第四采集单元208，用于采集完成后，回转窑采集第三预设时长范围数据进行均值聚合；
所述第五采集单元209，用于采集完成后，篦冷机采集第四预设时长范围数据进行均值聚合；
所述第六采集单元210，用于在达到所述第一时刻后采集水泥熟料样本。
本发明实施例中，所述转化模块202还包括：选取单元211。
其中，
所述选取单元211，用于聚合过程中，基于对应于预设时长选取数据在对应预设时长的均值或者当前值进行均值聚合。
本发明实施例中，所述获取和确定模块203包括：
计算单元212和选取单元213。
其中，
所述计算单元212，用于计算所述实时参数集与所述参数推荐样本集中各个样本的相似度；
所述选取单元213，用于选取所述参数推荐样本集相似度最高的预设数量的参数推荐作为备选参数推荐样本集。
本发明实施例中，所述优化装置还包括：
获取模块214、判断模块215和删除和补充模块216。
其中，
所述获取模块214，用于获取所述备选参数推荐样本集中各个备选参数样本中熟料F-CaO的含量；
所述判断模块215，用于判断各个含量是否属于预设的含量区间；
所述删除和补充模块216，用于将不属于所述预设含量区间的备选参数样本进行删除，并基于所述历史参数推荐样本集对所述备选参数推荐样本集进行补充。
需要说明的是，本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。对于装置类实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本发明时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。
以上对本发明所提供的一种熟料烧成系统中控制参数的优化方法及装置进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种熟料烧成系统中控制参数的优化方法，其特征在于，包括：
基于熟料烧成系统中的历史入窑生料数据、历史工况状态数据和历史控制参数数据，生成历史样本时序数据；
依据预设的时序处理策略将所述历史样本时序数据转化为历史参数推荐样本集，其中，所述历史参数推荐样本集中的各个参数基于所属工艺环节机理特性和滞后周期按生产时序进行聚合得到；
获取所述熟料生成系统的实时参数集，基于所述实时参数集和所述历史参数推荐样本集确定备选参数推荐样本集；
将所述备选参数推荐样本集中的各个备选推荐样本传递给预设的多目标参数优化函数进行计算，基于计算结果，确定目标参数推荐样本，将所述目标参数推荐样本中的目标控制参数作为所述熟料烧成系统的控制参数；
所述获取所述熟料生成系统的实时参数集，基于所述实时参数集和所述历史参数推荐样本集确定备选参数推荐样本集，具体是：
所述实时参数集实时采集现场DCS系统的水泥烧成系统工况参数、Lims系统的入料生料数据，组合实时参数；
根据水泥烧成系统数据特性，采用夹角余弦算法进行相似度计算，所述实时参数集为a(x11,x12,...,x1n)，参数推荐样本集个体为b(x21,x22,...,x2n)，则相关计算公式如下：
将所有个体的相似度评分进行倒序排序，选取相似度最高的前K个个体，作为最近邻居加入所述备选参数推荐样本集。
2.根据权利要求1所述的方法，其特征在于，若所述熟料生成时刻为第一时刻，所述预设的时序处理策略包括：
生料磨在所述第一时刻之前第一预设时长范围采集生料样本；
预热器在所述第一时刻之前第一预设时长范围采集第二预设时长数据进行均值聚合；
采集完成后，分解炉基础采集第二预设时长范围数据进行均值聚合；
采集完成后，回转窑采集第三预设时长范围数据进行均值聚合；
采集完成后，篦冷机采集第四预设时长范围数据进行均值聚合；
在达到所述第一时刻后采集水泥熟料样本。
3.根据权利要求2所述的方法，其特征在于，还包括：
聚合过程中，基于对应于预设时长选取数据在对应预设时长的均值或者当前值进行均值聚合。
4.根据权利要求1所述的方法，其特征在于，获取所述熟料生成系统的实时参数集，基于所述实时参数集和所述历史参数推荐样本集确定备选参数推荐样本集，包括：
计算所述实时参数集与所述参数推荐样本集中各个样本的相似度；
选取所述参数推荐样本集相似度最高的预设数量的参数推荐作为备选参数推荐样本集。
5.根据权利要求1所述的方法，其特征在于，还包括：
获取所述备选参数推荐样本集中各个备选参数样本中熟料F-CaO的含量；
判断各个含量是否属于预设的含量区间；
将不属于所述预设含量区间的备选参数样本进行删除，并基于所述历史参数推荐样本集对所述备选参数推荐样本集进行补充。
6.一种熟料烧成系统中控制参数的优化装置，其特征在于，包括：
生成模块，用于基于熟料烧成系统中的历史入窑生料数据、历史工况状态数据和历史控制参数数据，生成历史样本时序数据；
转化模块，用于依据预设的时序处理策略将所述历史样本时序数据转化为历史参数推荐样本集，其中，所述历史参数推荐样本集中的各个参数基于所属工艺环节机理特性和滞后周期按生产时序进行聚合得到；
获取和确定模块，用于获取所述熟料生成系统的实时参数集，基于所述实时参数集和所述历史参数推荐样本集确定备选参数推荐样本集；
计算和确定模块，用于将所述备选参数推荐样本集中的各个备选推荐样本传递给预设的多目标参数优化函数进行计算，基于计算结果，确定目标参数推荐样本，将所述目标参数推荐样本中的目标控制参数作为所述熟料烧成系统的控制参数；
所述获取所述熟料生成系统的实时参数集，基于所述实时参数集和所述历史参数推荐样本集确定备选参数推荐样本集，具体是：
所述实时参数集实时采集现场DCS系统的水泥烧成系统工况参数、Lims系统的入料生料数据，组合实时参数；
根据水泥烧成系统数据特性，采用夹角余弦算法进行相似度计算，所述实时参数集为a(x11,x12,...,x1n)，参数推荐样本集个体为b(x21,x22,...,x2n)，则相关计算公式如下：
将所有个体的相似度评分进行倒序排序，选取相似度最高的前K个个体，作为最近邻居加入所述备选参数推荐样本集。
7.根据权利要求6所述的装置，其特征在于，所述转化模块中，若所述熟料生成时刻为第一时刻，所述预设的时序处理策略包括：
第一采集单元，用于生料磨在所述第一时刻之前第一预设时长范围采集生料样本；
第二采集单元，用于预热器在所述第一时刻之前第一预设时长范围采集第二预设时长数据进行均值聚合；
第三采集单元，用于采集完成后，分解炉基础采集第二预设时长范围数据进行均值聚合；
第四采集单元，用于采集完成后，回转窑采集第三预设时长范围数据进行均值聚合；
第五采集单元，用于采集完成后，篦冷机采集第四预设时长范围数据进行均值聚合；
第六采集单元，用于在达到所述第一时刻后采集水泥熟料样本。
8.根据权利要求7所述的装置，其特征在于，还包括：
选取单元，用于聚合过程中，基于对应于预设时长选取数据在对应预设时长的均值或者当前值进行均值聚合。
9.根据权利要求6所述的装置，其特征在于，所述获取和确定模块包括：
计算单元，用于计算所述实时参数集与所述参数推荐样本集中各个样本的相似度；
选取单元，用于选取所述参数推荐样本集相似度最高的预设数量的参数推荐作为备选参数推荐样本集。
10.根据权利要求6所述的装置，其特征在于，还包括：
获取模块，用于获取所述备选参数推荐样本集中各个备选参数样本中熟料F-CaO的含量；
判断模块，用于判断各个含量是否属于预设的含量区间；
删除和补充模块，用于将不属于所述预设含量区间的备选参数样本进行删除，并基于所述历史参数推荐样本集对所述备选参数推荐样本集进行补充。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011238869.1A CN112363474B (zh) | 2020-11-09 | 2020-11-09 | 一种熟料烧成系统中控制参数的优化方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011238869.1A CN112363474B (zh) | 2020-11-09 | 2020-11-09 | 一种熟料烧成系统中控制参数的优化方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112363474A CN112363474A (zh) | 2021-02-12 |
| CN112363474B true CN112363474B (zh) | 2022-02-01 |
Family
ID=74509860
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011238869.1A Active CN112363474B (zh) | 2020-11-09 | 2020-11-09 | 一种熟料烧成系统中控制参数的优化方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112363474B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112985096B (zh) * | 2021-03-05 | 2021-09-07 | 广州东兆信息科技有限公司 | 一种基于物联网云平台的窑炉陶瓷质量监管系统与方法 |
| CN113671921B (zh) * | 2021-08-24 | 2024-01-30 | 马鞍山钢铁股份有限公司 | 一种系列化的烧结参数控制方法 |
| CN114969140B (zh) * | 2021-12-13 | 2023-06-13 | 淮阴师范学院 | 一种流利条产品性能数据检测分析方法 |
| CN114640905B (zh) * | 2022-05-23 | 2022-09-16 | 广东冠星陶瓷企业有限公司 | 一种陶瓷生产云数据处理控制系统及方法 |
| CN116030900B (zh) * | 2023-03-24 | 2023-06-16 | 安徽瑞邦数科科技服务有限公司 | 化工产品的成分含量控制方法、装置、设备及存储介质 |
Family Cites Families (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002050251A (ja) * | 2000-08-07 | 2002-02-15 | Mitsubishi Materials Corp | 廃光ケーブルの処理方法 |
| DE102010008785B4 (de) * | 2010-02-23 | 2011-09-01 | Polysius Ag | Verfahren zur thermischen Behandlung von Zementrohmehl in einem Reaktionsraum |
| JP5374453B2 (ja) * | 2010-03-31 | 2013-12-25 | 株式会社神戸製鋼所 | ボイラの灰付着抑制方法及び灰付着抑制装置 |
| CN104020725B (zh) * | 2013-11-29 | 2016-08-17 | 济南大学 | 基于组态软件的水泥生产dcs仿真培训系统 |
| CN105021925B (zh) * | 2015-07-15 | 2018-06-29 | 深圳市双合电气股份有限公司 | 基于水泥行业的电力监管系统及方法 |
| JP6639988B2 (ja) * | 2016-03-29 | 2020-02-05 | 太平洋セメント株式会社 | セメントクリンカーの製造条件の予測方法 |
| CN109374046A (zh) * | 2018-10-12 | 2019-02-22 | 安徽海螺建材设计研究院有限责任公司 | 一种水泥熟料线烧成系统在线智能化热工标定的方法 |
| CN109165798A (zh) * | 2018-10-19 | 2019-01-08 | 燕山大学 | 一种水泥熟料游离氧化钙含量在线预测方法及系统 |
| CN110209124A (zh) * | 2018-12-21 | 2019-09-06 | 厦门能讯信息科技有限公司 | 一种用于优化水泥熟料生产工艺的精细化管理系统和方法 |
| CN110386768B (zh) * | 2019-08-28 | 2020-07-31 | 燕山大学 | 水泥烧成过程中能耗动态实时控制方法 |
| CN111897302A (zh) * | 2020-08-11 | 2020-11-06 | 合肥水泥研究设计院有限公司 | 基于物联网的水泥烧成控制与优化双层协同控制系统 |
-
2020
- 2020-11-09 CN CN202011238869.1A patent/CN112363474B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN112363474A (zh) | 2021-02-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112363474B (zh) | 一种熟料烧成系统中控制参数的优化方法及装置 | |
| CN105159235B (zh) | 回转窑煅烧过程综合协调控制方法及系统 | |
| CN1224720C (zh) | 一种利用智能控制系统控制高炉冶炼的方法 | |
| CN109583585B (zh) | 一种电站锅炉壁温预测神经网络模型的构建方法 | |
| CN105259335B (zh) | 水泥熟料性能的评价方法及煅烧工艺优化方法 | |
| CN102176221B (zh) | 基于动态工况的焦炉加热燃烧过程焦炉温度预测方法 | |
| CN1766130A (zh) | 一种高炉热风炉系统协调控制方法 | |
| Anand et al. | Design of neural network based expert system for automated lime kiln system | |
| CN104498706B (zh) | 一种链篦机-回转窑-环冷机三位一体的球团生产优化方法 | |
| CN101542464A (zh) | 对具有大时滞的工艺的模糊逻辑控制 | |
| CN106327004A (zh) | 一种基于熟料质量指标的水泥烧成过程优化方法 | |
| CN107145751A (zh) | 一种设定水泥烧成系统最佳运行点的方法 | |
| CN110867219B (zh) | 基于isaa算法的烧结配料优化控制方法及控制装置 | |
| CN1403594A (zh) | 智能控制高炉冶炼的系统 | |
| CN108388966A (zh) | 一种基于提高利润的烧结过程配矿优化方法 | |
| CN105808945B (zh) | 一种混合智能锅炉效率燃烧优化方法 | |
| Nagadasari et al. | Industrial IoT enabled fuzzy logic based flame image processing for rotary kiln control | |
| CN114968997A (zh) | 一种基于时空特征提取的烧结终点预报方法 | |
| CN111859669B (zh) | 一种基于热工分析-数据驱动模型的分解炉温度控制方法 | |
| CN102156405A (zh) | 小样本贫信息下的烧结矿化学成分预测与智能控制系统 | |
| CN116046068A (zh) | 一种检测水泥烧成异常的方法、系统、设备及存储介质 | |
| CN106987704A (zh) | 一种脉冲式加热炉冷热混装板坯的过程温度控制方法 | |
| Wang et al. | Application research based on GA-FWA in prediction of sintering burning through point | |
| CN112668751B (zh) | 一种机组优化调度模型的建立方法及装置 | |
| CN104699039A (zh) | 一种石灰双膛窑煅烧专家控制方法 |
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 | ||
| CP03 | Change of name, title or address |
Address after: Room 1-1-180, No. 150, Changpu Road, Jishigang Town, Haishu District, Ningbo, Zhejiang 315016 Patentee after: Lanzhuo Digital Technology Co.,Ltd. Address before: 315000 room 150 (1-1-180), Chang Po Road, Ji Shi Gang Town, Haishu District, Ningbo, Zhejiang. Patentee before: ZHEJIANG LANZHUO INDUSTRIAL INTERNET INFORMATION TECHNOLOGY Co.,Ltd. |
|
| CP03 | Change of name, title or address |