CN112734284B - 流程工业能耗优化决策系统及提高评估结果准确度方法 - Google Patents

Abstract

本发明涉及一种流程工业能耗优化决策系统及其在异常工况下提高评估结果准确度的操作方法，包括：用户参数配置模块、建模分析模块、产品服务发布模块和决策分析可视化模块；用户参数配置模块能从模板分析代码中自动获取相关参数并生成可视化配置界面以提高系统的易用性和泛化能力；建模分析模块可使用机器学习的方法从历史数据中提取正常工况数据、构建能耗分析模型以评估当前点能耗是否异常并计算当前点的节能可提升空间；本发明能在不改变现有生产方式、设备工作状态，不增加额外测点、不影响正常生产的前提下，通过机器学习的方法，对当前点的生产能耗状况进行评估，得到能耗预警信息、能耗可提升空间、节能操作指导意见，并给出最优的节能策略建议。

Description

流程工业能耗优化决策系统及提高评估结果准确度方法

技术领域

本发明涉及一种流程工业能耗优化决策系统及其在异常工况下提高评估结果准确度的操作方法。

背景技术

流程工业大多是高能耗产业，以水泥行业为例，据不完全统计，中国水泥能源消耗约占世界能源消耗总量的2%约占全国能源消耗总量的7%因而节能降耗一直是水泥企业发展的重中之重。

在可以预见的未来，我国水泥行业的能源消耗将是空前的，如何有效分析生产过程中的能源消耗、挖掘节能潜力，对经济和生态环境的和谐发展都是一件非常有意义的事情。

流程工业生产过程具有复杂的随机性和动态时滞性，传统管理方式往往难以根据已经改变的工况挖掘节能潜力，并且运用传统的数据分析方法对设备进行节能潜力分析已经不能满足对生产产生的大量能耗数据和工况数据进行分析的需求；虽然，市场上很多厂家已经推出各具特色的优化节能系统，能够解决用能监测、统计的部分问题；然而，随着企业对节能减排与节能服务更加广泛和迫切的需求，现有节能系统的分析诊断模块无法达到较好的节能降耗效果，亟需等待解决。

发明内容

针对上述现有技术的现状，本发明所要解决的技术问题在于提供一种能在不改变现有生产方式、设备工作状态，不增加额外测点、不影响正常生产的前提下，通过机器学习的方法，对当前点的生产能耗状况进行评估，得到能耗预警信息、能耗可提升空间、节能操作指导意见，并给出最优的节能策略建议的流程工业能耗优化决策系统及其在异常工况下提高评估结果准确度的操作方法。

本发明解决上述技术问题所采用的技术方案为：一种流程工业能耗优化决策系统，其特征在于，包括：

用户参数配置模块，从模板分析代码中自动获取相关参数并生成可视化配置界面以提高系统的易用性和泛化能力；

建模分析模块，使用机器学习的方法从历史数据中提取正常工况数据、构建能耗分析模型以评估当前点能耗是否异常并计算当前点的节能可提升空间。

产品服务发布模块，将用户参数配置模块和建模分析模块的整个流程及结果以微服务的形式发布，供前、后端调用。

以及决策分析可视化模块。

优选地，所述用户参数配置模块包括：

模板代码解析单元，用于分析数据来源，从代码中解析读数据库配置项，包括数据库类型、数据库地址、用户名、密码信息、库信息；

变量配置及预处理单元，用于用户对所有输入变量进行配置，包括变量位号赋予、变量重命名、分配变量角色。对输入的变量预处理，包括异常值、高低限、平移、平滑、采样周期等；

变量组合规则编辑单元，用于对多个变量组合规则绑定，以便于数据清洗及模式判别；

建模参数配置单元，用于配置模型输入因子、配置模型屏蔽测点、设置用户权重、配置生产模式和配置模型调度计划；

模型调度配置单元，用于用户对模型调度类参数进行配置，通过对该类参数的配置，可以修改模型训练数据时长、训练数据最少数量、更新训练时间间隔、更新失败尝试次数等信息；

结果存储配置单元，用于分析结果存储，从代码中解析出写数据库配置项，包括数据库类型、数据库地址、用户名、密码信息、库信息。

优选地，所述建模分析模块包括：

数据清洗单元，后台程序根据用户参数配置模块中配置的变量属性，剔除各变量的异常数据；

数据建模单元，算法先识别各生产模式，基于生产模式划分数据集，对每个数据集进行质量筛选；根据用户参数配置模块指定的类别或算法自动确定类别进行工况分类，得出每一类工况下的产能关系；对每一类工况的能耗预警线进行标定；通过评价函数或其它判断条件得到每种工况下的产能最优点和节能可提升空间；以上算法会自动更新以适应工况的变化；

结果整理单元，将分析结果按照指定的数据格式输出至微服务架构中。

优选地，所述产品服务发布模块，包括：

接入服务单元，将建模分析模块拆分成多个服务注册，如数据读取服务、模式识别服务、工况分类服务、能耗预警标定服务等；

服务注册单元，将用户参数配置模块统一为服务配置中心，解决各个服务之间相互调用造成的配置不及时更新问题；

自动化服务单元，建模分析模块中的算法部署及更新也注册成自动化服务的形式，实现自动化监控新生数据、自动化更新构建训练模型、自动化部署算法模型。

优选地，所述决策分析可视化模块，包括：

实时数据输出单元，针对当前点能耗预警信息输出展示，能耗可提升空间输出展示，当前点被控量、操纵量与最优点被控量、操纵量差异输出展示，当前点节能空间诊断提示等；

统计数据输出单元，针对历史数据，按照用户查询时间跨度、粒度进行统计展示，包括统计时段内可提升空间趋势、可提升空间趋势排序、各个工况数量及对应的节能可提升空间、能耗、质量分布展示；

报警消息推送单元，向用户推送能耗实时预警、历史统计异常状态信息，同时支持报警组合规则编辑、报警状态等级配置、消息订阅设置。

一种流程工业能耗优化决策系统在异常工况下提高评估结果准确度的操作方法，其特征在于，包括以下步骤：

S1、系统根据设备的启停特性，智能判断停机附近状态，不纳入节能提升空间计算，可以减少设备频繁启停对计算结果的干扰；

S2、系统根据设备的时序特性，在线建模时将对每个变量进行数据清洗；可以还原设备实际生产状况下的数据原貌；

S3、系统根据时序分析的一般性方法，将步骤S2得到的各个特征在时间上对齐，若对齐后某一特征有效数据较少时，依据其重要度可选择删除，可以得到同一时间点上各个特征数据用于反映设备能耗状况；

S4、系统根据用户在配置页面输入的模式划分规则，识别各生产模式，将数据按照对应的模式划分，可以得到同一设备不同的生产模式；

S5、系统对同一生产模式下的不同工况智能分类，类别数量不限，可以进一步细分各生产模式下的不同工况；

S6、系统根据用户在配置页面输入的各模式下的质量合格标准，过滤并筛选出符合要求的质量数据，可以减少质量不合格对能耗分析的干扰；

S7、系统根据步骤S1-S3所述方法，得到设备正常数据；

S8、系统通过密度聚类的方法，可以从设备正常数据中得到稳定运行状态数据集；

S9、系统基于步骤S8得到的稳态数据集进行产量-能耗拟合，可以确定每种工况下的产量-能耗关系；

S10、系统基于步骤S8得到的稳态数据集绘制凸闭包络线，可以标定能耗预警区间并区分能耗预警和正常状态；

S11、系统建立评价函数计算得到每种工况下的历史产量-能耗最优点，作为量化评估当前点的能耗状况参考标准；

S12、实际应用时，系统基于当前点与步骤S9、S10得到的能耗预警线和凸闭包络线的相对位置，评估能耗正常与否；

S13、实际应用时，若步骤S12的能耗不正常，系统启用消息报警服务，向用户推送能耗异常报警消息；

S14、实际应用时，系统基于步骤S11得到的产量-能耗最优点，通过相对位置量化当前点的节能可提升空间；

S15、实际应用时，系统比较产量-能耗当前点和对应工况下的最优点操作量和被控量差异，提示操作建议；

S16、模型更新训练时，系统会请求数据库提取最近时间数据，更新步骤S4-S11模型训练，以适应生产工况时变性。

与现有技术相比，本发明具有以下有益效果：

1、联合产量、质量、能耗三要素构建节能优化模型，避免了使用单一能耗指标不全面的问题，训练结果更能反映复杂多变的工况以及不同工况下的能源消耗情况。

2、定期更新模型的机制，模型自适应能力强，能够及时跟踪生产工况的变化，避免分析结果的滞后性，为生产过程提供规划调度依据。

3、采用自适应筛选控制规则，脱离了人为的主观看法和经验，推荐的优化方案更客观、合理、安全、节能。

4、拥有快速学习效率，包括在线更新功能；且在线推送速度快，只需判断所属类别，就可以高效计算节能空间。

5、支持能耗异常预警，用户能够编辑自定义预警规则，同时订阅预警消息到多客户端，及时发现工厂能耗运行异常。

6、采用微服务的产品架构，机器学习算法单独注册训练服务和预测服务，互不影响，开发简单，集中式管理，易于扩展，增加系统容错能力。

附图说明

图1为本发明的前视剖面结构图；

图2为本发明的建模参数配置单元的模型输入因子配置示意图；

图3为本发明的建模参数配置单元的修改、添加因子项参数的示意图；

图4为本发明的建模参数配置单元的模型屏蔽测点配置示意图；

图5为本发明的建模参数配置单元的生产模式配置示意图；

图6为本发明的建模参数配置单元的用户权重设置示意图；

图7为本发明的建模参数配置单元的模型调度计划配置示意图；

图8为本发明的统计粒度数据图；

图9为本发明的模型页面展示效果图。

实施方式

除非另外定义，本发明使用的技术术语或者科学术语应当为本发明所属领域内具有一般技能的人士所理解的通常意义。本发明中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变后，则该相对位置关系也可能相应地改变。

为了保持本发明实施例的以下说明清楚且简明，本发明省略了已知功能和已知部件的详细说明。

如图1所示，一种流程工业能耗优化决策系统，包括：

用户参数配置模块，从模板分析代码中自动获取相关参数并生成可视化配置界面以提高系统的易用性和泛化能力；用户参数配置模块包括：

模板代码解析单元，用于分析数据来源，从代码中解析读数据库配置项，包括数据库类型、数据库地址、用户名、密码信息、库信息；

变量配置及预处理单元，用于用户对所有输入变量进行配置，包括变量位号赋予、变量重命名、分配变量角色。对输入的变量预处理，包括异常值、高低限、平移、平滑、采样周期等；

变量组合规则编辑单元，用于对多个变量组合规则绑定，以便于数据清洗及模式判别；

建模参数配置单元，用于配置模型输入因子、配置模型屏蔽测点、 设置用户权重、配置生产模式和配置模型调度计划；

模型输入因子配置列表如图2所示，展示了所有已经配置的因子项；用户可以修改、添加因子项的参数，如图3所示；用户可以修改因子的基础项，包括名称、位号变量、角色分配、上下限、延迟时长、采样周期及单位，同时也可以对因子预处理参数设置，包括平滑、异常值剔除。

模型屏蔽测点配置方法如图4所示，用户可以指定模型的屏蔽测点及其上下限，设置组合规则，当系统处于屏蔽条件内，模型停止计算；其生产模式配置如图5所示，每种模式有其别的规则，从而将生产工况划分为不同模式，如半终粉、终粉等；同时，每种模式都有其关注的质量合格与否判断标准，用户也可以进行相应设置。

用户权重设置方法如图6所示，在质量合格的前提下，用户可以设置能耗、产量的评价权重。

模型调度计划配置方法如图7所示，用户配置模型训练数据范围、训练数据间隔、训练数据最少样本、训练失败后重新训练尝试次数、训练失败后重新训练尝试间隔、预测时间间隔。

基于训练的结果，读取图2中所有特征的实时数据，进行质量和产能的评估，模型页面展示效果如图9所示，用户选择2号水泥磨产线、查看时范围是今天，查看时间颗粒度为最小颗粒度，得到图9中的结果，包含监测点详情、分析模型、智能诊断、结果提示、能耗分析、分析图表几个模块，其中监测点包含质量、产量、能耗、质量合格判断、节能可提升空间信息；分析模型展示每个点的质量、能耗、产量三维图；结果提示展示当前点与所属类别最优点相比能耗可提升空间，操纵量、被控量的操作优化指导方向；智能诊断以平行坐标图的形式展示最优点与当前点的质量、能耗、产量、重要度前三的操纵量、被控量；能耗分析展示了当前产量下，能耗合理分布，以及当前模式下，历史出现的最优能耗点，以供用户查看；分析图表展示了节能可提升空间和电耗随时间变化的趋势。

当用户选择查看时间粒度非实时，页面展示用户选择的统计粒度数据。如图8所示，用户选择查看颗粒度为周，页面展示统计时段内周的监测点、分析图表、智能诊断、质量分布、可提升空间分布。其中周的监测点根据选择的时间范围按照周均值展示，包括电耗、台时、可提升空间周汇总均值；右侧的分析图表区域以柱状图展示可提升空间和电耗的趋势；智能诊断区域显示用户选择的时间范围内，质量合格占比、能耗合格占比以及两者都合格的占比；质量分布图展示每个质量标准在所选时间范围内的分布情况；最后可提升空间分布图展示所选时段内的前5个最大可提升空间及其对应的质量、能耗、产量信息。

模型调度配置单元，提供用户对模型调度类参数进行配置，通过对该类参数的配置，可以修改模型训练数据时长、训练数据最少数量、更新训练时间间隔、更新失败尝试次数等信息；

结果存储配置单元，提供分析结果存储，从代码中解析出写数据库配置项，包括数据库类型、数据库地址、用户名、密码信息、库信息。

建模分析模块，使用机器学习的方法从历史数据中提取正常工况数据、构建能耗分析模型以评估当前点能耗是否异常并计算当前点的节能可提升空间。

建模分析模块包括：

数据清洗单元，后台程序根据用户参数配置模块中配置的变量属性，剔除各变量的异常数据；

数据建模单元，算法先识别各生产模式，基于生产模式划分数据集，对每个数据集进行质量筛选；根据用户参数配置模块指定的类别或算法自动确定类别进行工况分类，得出每一类工况下的产能关系；对每一类工况的能耗预警线进行标定；通过评价函数或其它判断条件得到每种工况下的产能最优点和节能可提升空间；以上算法会自动更新以适应工况的变化；

结果整理单元，将分析结果按照指定的数据格式输出至微服务架构中；

产品服务发布模块，将用户参数配置模块和建模分析模块的整个流程及结果以微服务的形式发布，供前、后端调用。

产品服务发布模块，包括：

接入服务单元，将建模分析模块拆分成多个服务注册，如数据读取服务、模式识别服务、工况分类服务、能耗预警标定服务等；

服务注册单元，将用户参数配置模块统一为服务配置中心，解决各个服务之间相互调用造成的配置不及时更新问题；

自动化服务单元，建模分析模块中的算法部署及更新也注册成自动化服务的形式，实现自动化监控新生数据、自动化更新构建训练模型、自动化部署算法模型；

以及决策分析可视化模块；

决策分析可视化模块，包括：

实时数据输出单元，针对当前点能耗预警信息输出展示，能耗可提升空间输出展示，当前点被控量、操纵量与最优点被控量、操纵量差异输出展示，当前点节能空间诊断提示等；

统计数据输出单元，针对历史数据，按照用户查询时间跨度、粒度进行统计展示，包括统计时段内可提升空间趋势、可提升空间趋势排序、各个工况数量及对应的节能可提升空间、能耗、质量分布展示；

报警消息推送单元，向用户推送能耗实时预警、历史统计异常状态信息，同时支持报警组合规则编辑、报警状态等级配置、消息订阅设置。

一种流程工业能耗优化决策系统在异常工况下提高评估结果准确度的操作方法，其包括以下步骤：

S1、系统根据设备的启停特性，智能判断停机附近状态，不纳入节能提升空间计算，可以减少设备频繁启停对计算结果的干扰；

S2、系统根据设备的时序特性，在线建模时将对每个变量进行数据清洗；可以还原设备实际生产状况下的数据原貌；

S3、系统根据时序分析的一般性方法，将步骤S2得到的各个特征在时间上对齐，若对齐后某一特征有效数据较少时，依据其重要度可选择删除，可以得到同一时间点上各个特征数据用于反映设备能耗状况；

S4、系统根据用户在配置页面输入的模式划分规则，识别各生产模式，将数据按照对应的模式划分，可以得到同一设备不同的生产模式；

S5、系统对同一生产模式下的不同工况智能分类，类别数量不限，可以进一步细分各生产模式下的不同工况；

S6、系统根据用户在配置页面输入的各模式下的质量合格标准，过滤并筛选出符合要求的质量数据，可以减少质量不合格对能耗分析的干扰；

S7、系统根据步骤S1-S3所述方法，得到设备正常数据；

S8、系统通过密度聚类的方法，可以从设备正常数据中得到稳定运行状态数据集；

S9、系统基于步骤S8得到的稳态数据集进行产量-能耗拟合，可以确定每种工况下的产量-能耗关系；

S10、系统基于步骤S8得到的稳态数据集绘制凸闭包络线，可以标定能耗预警区间并区分能耗预警和正常状态；

S11、系统建立评价函数计算得到每种工况下的历史产量-能耗最优点，作为量化评估当前点的能耗状况参考标准；

S12、实际应用时，系统基于当前点与步骤S9、S10得到的能耗预警线和凸闭包络线的相对位置，评估能耗正常与否；

S13、实际应用时，若步骤S12的能耗不正常，系统启用消息报警服务，向用户推送能耗异常报警消息；

S14、实际应用时，系统基于步骤S11得到的产量-能耗最优点，通过相对位置量化当前点的节能可提升空间；

S15、实际应用时，系统比较产量-能耗当前点和对应工况下的最优点操作量和被控量差异，提示操作建议；

S16、模型更新训练时，系统会请求数据库提取最近时间数据，更新步骤S4-S11模型训练，以适应生产工况时变性。

本发明能在不改变现有生产方式、设备工作状态，不增加额外测点、不影响正常生产的前提下，通过机器学习的方法，对当前点的生产能耗状况进行评估，得到能耗预警信息、能耗可提升空间、节能操作指导意见，同时对以上信息进行统计汇总，便于用户全面掌握工厂耗能信息；此外，本系统可在线调节模型参数功能，用户可以随时根据工厂实际生产特性，调整算法模型相关入参、约束条件，以便更加精准的计算能耗的影响因素，并给出最优的节能策略建议。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的技术人员应当理解，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行同等替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神与范围。

Claims (4)

1.流程工业能耗优化决策系统，其特征在于，包括：

用户参数配置模块，从模板分析代码中自动获取相关参数并生成可视化配置界面以提高系统的易用性和泛化能力；

建模分析模块，使用机器学习的方法：从历史数据中提取正常工况数据、构建能耗分析模型、评估当前点能耗是否异常、计算当前点的节能可提升空间；

产品服务发布模块，将用户参数配置模块和建模分析模块的整个流程及结果以微服务的形式发布，供前、后端调用；

以及决策分析可视化模块；

所述用户参数配置模块包括：

模板代码解析单元，用于分析数据来源，从代码中解析读数据库配置项，包括数据库类型、数据库地址、用户名、密码信息、库信息；

变量配置及预处理单元，用于用户对所有输入变量进行配置，包括变量位号赋予、变量重命名、分配变量角色；对输入的变量预处理，包括异常值、高低限、平移、平滑、采样周期；变量组合规则编辑单元，用于对多个变量组合规则绑定，以便于数据清洗及模式判别；

建模参数配置单元，用于配置模型输入因子、配置模型屏蔽测点、设置用户权重、配置生产模式和配置模型调度计划；

模型调度配置单元，用于用户对模型调度类参数进行配置，通过对该类参数的配置，可以修改模型训练数据时长、训练数据最少数量、更新训练时间间隔、更新失败尝试次数信息；

结果存储配置单元，用于分析结果存储，从代码中解析出写数据库配置项，包括数据库类型、数据库地址、用户名、密码信息、库信息；

所述建模分析模块包括：

数据清洗单元，后台程序根据用户参数配置模块中配置的变量属性，剔除各变量的异常数据；

数据建模单元，算法先识别各生产模式，基于生产模式划分数据集，对每个数据集进行质量筛选；根据用户参数配置模块指定的类别或算法自动确定类别进行工况分类，得出每一类工况下的产能关系；对每一类工况的能耗预警线进行标定；通过评价函数得到每种工况下的产能最优点和节能可提升空间；以上算法会自动更新以适应工况的变化；

结果整理单元，将分析结果按照指定的数据格式输出至微服务架构中。

2.根据权利要求1所述的流程工业能耗优化决策系统，其特征在于，所述产品服务发布模块，包括：

接入服务单元，将建模分析模块拆分成多个服务注册，包括数据读取服务、模式识别服务、工况分类服务、能耗预警标定服务；

服务注册单元，将用户参数配置模块统一为服务配置中心，解决各个服务之间相互调用造成的配置不及时更新问题；

自动化服务单元，建模分析模块中的算法部署及更新也注册成自动化服务的形式，实现自动化监控新生数据、自动化更新构建训练模型、自动化部署算法模型。

3.根据权利要求2所述的流程工业能耗优化决策系统，其特征在于，所述决策分析可视化模块，包括：

实时数据输出单元，针对当前点能耗预警信息输出展示，能耗可提升空间输出展示，当前点被控量、操纵量与最优点被控量、操纵量差异输出展示，当前点节能空间诊断提示；

统计数据输出单元，针对历史数据，按照用户查询时间跨度、粒度进行统计展示，包括统计时段内可提升空间趋势、可提升空间趋势排序、各个工况数量及对应的节能可提升空间、能耗、质量分布展示；

报警消息推送单元，向用户推送能耗实时预警、历史统计异常状态信息，同时支持报警组合规则编辑、报警状态等级配置、消息订阅设置。

4.一种提高评估结果准确度的方法，应用于权利要求1至3任意一项所述的系统，其特征在于，包括以下步骤：

S1、系统根据设备的启停特性，智能判断停机附近状态，不纳入节能提升空间计算，可以减少设备频繁启停对计算结果的干扰；

S2、系统根据设备的时序特性，在线建模时对每个变量进行数据清洗；可以还原设备实际生产状况下的数据原貌；

S3、系统根据时序分析，将步骤S2得到的各个特征在时间上对齐，若对齐后某一特征有效数据较少时，依据其重要度进行删除，可以得到同一时间点上各个特征数据用于反映设备能耗状况；

S4、系统根据用户在配置页面输入的模式划分规则，识别各生产模式，将数据按照对应的模式划分，可以得到同一设备不同的生产模式；

S5、系统对同一生产模式下的不同工况智能分类，类别数量不限，可以进一步细分各生产模式下的不同工况；

S6、系统根据用户在配置页面输入的各模式下的质量合格标准，过滤并筛选出符合要求的质量数据，可以减少质量不合格对能耗分析的干扰；

S7、系统根据步骤S1-S3所述方法，得到设备正常数据；

S8、系统通过密度聚类的方法，可以从设备正常数据中得到稳定运行状态数据集；

S9、系统基于步骤S8得到的稳态数据集进行产量-能耗拟合，可以确定每种工况下的产量-能耗关系；

S10、系统基于步骤S8得到的稳态数据集绘制凸闭包络线，可以标定能耗预警区间并区分能耗预警和正常状态；

S11、系统建立评价函数计算得到每种工况下的历史产量-能耗最优点，作为量化评估当前点的能耗状况参考标准；

S12、实际应用时，系统基于当前点与步骤S9、S10得到的能耗预警线和凸闭包络线的相对位置，评估能耗正常与否；

S13、实际应用时，若步骤S12的能耗不正常，系统启用消息报警服务，向用户推送能耗异常报警消息；

S14、实际应用时，系统基于步骤S11得到的产量-能耗最优点，通过相对位置量化当前点的节能可提升空间；

S15、实际应用时，系统比较产量-能耗当前点和对应工况下的最优点操作量和被控量差异，提示操作建议；

S16、模型更新训练时，系统会请求数据库提取最近时间数据，更新步骤S4-S11模型训练，以适应生产工况时变性。

Images