CN114906817A - 存储器、双氧水萃取工艺控制方法、装置和设备 - Google Patents

存储器、双氧水萃取工艺控制方法、装置和设备 Download PDF

Info

Publication number
CN114906817A
CN114906817A CN202110172578.5A CN202110172578A CN114906817A CN 114906817 A CN114906817 A CN 114906817A CN 202110172578 A CN202110172578 A CN 202110172578A CN 114906817 A CN114906817 A CN 114906817A
Authority
CN
China
Prior art keywords
hydrogen peroxide
extraction
extraction process
control
concentration
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
Application number
CN202110172578.5A
Other languages
English (en)
Other versions
CN114906817B (zh
Inventor
韩华伟
贾学五
高新江
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Petroleum and Chemical Corp
Sinopec Safety Engineering Research Institute Co Ltd
Original Assignee
China Petroleum and Chemical Corp
Sinopec Qingdao Safety Engineering Institute
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China Petroleum and Chemical Corp, Sinopec Qingdao Safety Engineering Institute filed Critical China Petroleum and Chemical Corp
Priority to CN202110172578.5A priority Critical patent/CN114906817B/zh
Publication of CN114906817A publication Critical patent/CN114906817A/zh
Application granted granted Critical
Publication of CN114906817B publication Critical patent/CN114906817B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • C—CHEMISTRY; METALLURGY
    • C01—INORGANIC CHEMISTRY
    • C01B—NON-METALLIC ELEMENTS; COMPOUNDS THEREOF; METALLOIDS OR COMPOUNDS THEREOF NOT COVERED BY SUBCLASS C01C
    • C01B15/00—Peroxides; Peroxyhydrates; Peroxyacids or salts thereof; Superoxides; Ozonides
    • C01B15/01—Hydrogen peroxide
    • C01B15/013—Separation; Purification; Concentration
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
    • G16C20/10—Analysis or design of chemical reactions, syntheses or processes
    • 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

  • Chemical & Material Sciences (AREA)
  • Organic Chemistry (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Crystallography & Structural Chemistry (AREA)
  • Inorganic Chemistry (AREA)
  • Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computing Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Feedback Control In General (AREA)

Abstract

本发明公开了存储器、双氧水萃取工艺控制方法、装置和设备，其中所述方法包括：根据双氧水装置中萃取过程的基本流程确定关键参数，并获取关键参数和过氧化氢浓度的历史数据；利用工艺参数和控制指标，依据萃取过程的物料平衡原理，构建萃取液过氧化氢浓度的微分方程的数学模型；基于系统辨识的数据拟合算法，根据关键参数和控制指标的历史数据，求解微分方程中的未知数，并根据数学模型生成预测模型；实时获取双氧水装置的关键参数的当前数据值，并以当前数据值为输入，根据预测模型生成双氧水装置当前控制指标的预测值。本发明能够在出塔萃取液中双氧水浓度发生异常波动前提前的进行相应的工艺调整；进而也就能够有效的提高控制效果。

Description

存储器、双氧水萃取工艺控制方法、装置和设备
技术领域
本发明涉及无机化工领域，特别涉及存储器、双氧水萃取工艺控制方法、装置和设备。
背景技术
双氧水是一种重要的无机化工产品，由于其应用后的最终产物——水和氧气对环境无污染，因而被称为绿色化工产品，并切其应用领域广泛，制取双氧水工业近年来发展迅速。
目前我国常用双氧水制取工艺涉及氢化过程、氧化过程、萃取过程和后处理过程。其中萃取过程是指在萃取塔中充分混合历经氧化过程的工作液与充入萃取塔中的纯水，利用过氧化氢在水中溶解性强于在工作液中的特性，将其从工作液中萃取至纯水中，并流出萃取塔，制成初步产品。
目前对双氧水装置萃取塔的控制方法都集中在传统的PID控制技术上，发明人经过研究发现，依据现有技术中PID控制技术对双氧水装置进行控制，存在控制效果较差的缺陷。
公开于该背景技术部分的信息仅仅旨在增加对本发明的总体背景的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域一般技术人员所公知的现有技术。
发明内容
本发明的目的在于提高双氧水萃取工艺的控制效果。
本发明提供了一种双氧水萃取工艺控制方法，包括步骤：
S11、根据双氧水装置中萃取过程的基本流程，确定涉及工艺控制的关键参数，并获取所述关键参数和作为控制指标的萃取液的过氧化氢浓度的历史数据；
S12、利用包括有所述关键参数的工艺参数和所述控制指标，依据萃取过程的物料平衡原理，构建包括有用于刻画萃取过程的运行机理的萃取液过氧化氢浓度的微分方程的数学模型；
S13、基于系统辨识的数据拟合算法，根据所述关键参数和所述控制指标的历史数据，求解所述微分方程中的未知数，并根据所述数学模型生成预测模型；
S14、实时获取所述双氧水装置的关键参数的当前数据值，并以所述当前数据值为输入，根据所述预测模型生成所述双氧水装置当前控制指标的预测值。
在本发明中，所述关键参数包括：
萃取塔相界面、入萃取塔氧化液流量、入萃取塔纯水流量、出萃取塔萃取液流量、萃取液过氧化氢浓度和工作液过氧化氢浓度。
在本发明中，所述萃取液过氧化氢浓度微分方程包括：
Figure BDA0002939256340000021
Figure BDA0002939256340000022
其中Ce(t)为萃取液过氧化氢浓度关于时间t的变量，Fe(t)为萃取液出萃取塔流量，Fw(t)，Cw分别为进入萃取塔工作液的流量及过氧化氢浓度，L(t)为萃取塔界位，V为萃取塔体积，Fp(t)为进入萃取塔纯水流量。
在本发明中，所述基于系统辨识的数据拟合算法，根据所述关键参数和所述控制指标的历史数据，求解所述微分方程中的未知数，并根据所述数学模型生成预测模型，包括：
萃取塔界位与纯水流量的关系为：
Figure BDA0002939256340000031
根据所述数学模型生成的包括萃取塔萃取过程动态机理的预测模型包括：
Figure BDA0002939256340000032
其中，萃取塔纯水进水流量Fp(t)、工作液进塔流量Fw(t)、萃取液过氧化氢浓度Ce(t)，萃取塔界位L(t)在装置中的运行数据可在线提取，进萃取塔工作液过氧化氢浓度Cw与萃取塔容积V为双氧水装置的静态参数。
在本发明中，所述求解所述微分方程中的未知数，包括：
构建回归模型：
XCw+YV＝Z
其中X＝Fw(t)，
Figure BDA0002939256340000033
Z＝Fp(t)Ce(t)；
选取萃取塔运行过程中的运行数据，其中Fw(t)、L(t)、Fp(t)、Ce(t)为直接采得的数据，
Figure BDA0002939256340000034
用差值数据代替；利用Matlab软件中regress方法求取Cw与L的拟合值。
在本发明中，获取所述关键参数的步骤包括：
根据物料平衡原理，从所述双氧水装置的工艺参数中确定各工艺参数对于控制指标的影响权重，并依据影响权重从所述工艺参数确定出关键参数。
在本发明中，还包括：
当所述控制指标超过预设区间时，根据所述预测模型来获取所述关键参数的优化值；
根据所述关键参数的优化值生成双氧水萃取工艺的控制方案。
在本发明的另一面，还提供了一种双氧水萃取工艺控制装置，包括：
关键参数确定单元，用于根据双氧水装置中萃取过程的基本流程，确定涉及工艺控制的关键参数，并获取所述关键参数和作为控制指标的萃取液的过氧化氢浓度的历史数据；
数学模型构建单元，用于利用包括有所述关键参数的工艺参数和所述控制指标，依据萃取过程的物料平衡原理，构建包括有用于刻画萃取过程的运行机理的萃取液过氧化氢浓度的微分方程的数学模型；
预测模型生成单元，用于基于系统辨识的数据拟合算法，根据所述关键参数和所述控制指标的历史数据，求解所述微分方程中的未知数，并根据所述数学模型生成预测模型；
控制指标预测单元，用于实时获取所述双氧水装置的关键参数的当前数据值，并以所述当前数据值为输入，根据所述预测模型生成所述双氧水装置当前控制指标的预测值。
在本发明中，所述关键参数包括：
萃取塔相界面、入萃取塔氧化液流量、入萃取塔纯水流量、出萃取塔萃取液流量、萃取液过氧化氢浓度和工作液过氧化氢浓度。
在本发明中，还包括：
当所述控制指标超过预设区间时，根据所述预测模型来获取所述关键参数的优化值；
根据所述关键参数的优化值生成双氧水萃取工艺的控制方案。
在本发明的另一面，还提供了一种存储器，包括软件程序，所述软件程序适于由处理器执行上述双氧水萃取工艺控制方法的步骤。
本发明实施例的另一面，还提供了一种的双氧水萃取工艺控制装置，所述一种的双氧水萃取工艺控制装置包括存储在存储器上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，使所述计算机执行以上各个方面所述的方法，并实现相同的技术效果。
与现有技术相比，本发明具有如下有益效果：
发明人经过研究发现，现有技术中采用PID控制技术对双氧水萃取工艺进行控制，之所以控制效果不好的原因包括：双氧水萃取工艺的过程历经时间较长，纯水从进入萃取塔到形成萃取液出塔甚至需要经过40多小时，其中受到塔内和外部的不确定因素影响较多，这样，根据出塔萃取液中双氧水当前的浓度值来作为进行工艺调整的依据，会造成严重的控制滞后，进而影响了双氧水萃取工艺的控制效果。
在本发明中，首先将双氧水萃取工艺中对萃取液的过氧化氢浓度作为关键指标，此外，还从工艺参数中确定出了双氧水萃取工艺中与关键指标对应的多个关键参数；接着，通过构建相应的数学模型来刻画萃取过程的运行机理，进而生成用于根据双氧水装置的关键参数的当前数据值来预测出与当前工况对应的双氧水萃取工艺过程完成后萃取液的过氧化氢浓度；由于本发明是通过数学模型和预测模型来实时的获取到当前工况对应的关键指标的预测值，所以消除了由于双氧水萃取工艺过程耗时过长所造成的时滞，因此，本发明能够在出塔萃取液中双氧水浓度发生异常波动前根据预测模型的预测值来提前的进行相应的工艺调整；进而也就能够有效的提高双氧水萃取工艺的控制效果。
此外，通过本发明，当根据预测模型的结果发现关键指标将会发生异常的时候，还可以进一步的根据预测模型进行模拟控制，通过模拟调解关键参数的参数值等方式来模拟出双氧水萃取工艺的调控方案的效果，从而方便快捷的生成双氧水萃取工艺的最优控制方案，进而进一步的提高双氧水萃取工艺的最终控制效果。
上述说明仅为本发明技术方案的概述，为了能够更清楚地了解本发明的技术手段并可依据说明书的内容予以实施，同时为了使本发明的上述和其他目的、技术特征以及优点更加易懂，以下列举一个或多个优选实施例，并配合附图详细说明如下。
附图说明
图1是本发明中所述双氧水萃取工艺控制方法的步骤图；
图2是本发明中所述双氧水萃取工艺控制装置的结构示意图；
图3是本发明中所述双氧水萃取工艺控制设备的结构示意图。
具体实施方式
下面结合附图，对本发明的具体实施方式进行详细描述，但应当理解本发明的保护范围并不受具体实施方式的限制。
除非另有其他明确表示，否则在整个说明书和权利要求书中，术语“包括”或其变换如“包含”或“包括有”等等将被理解为包括所陈述的元件或组成部分，而并未排除其他元件或其他组成部分。
在本文中，术语“第一”、“第二”等是用以区别两个不同的元件或部位，并不是用以限定特定的位置或相对关系。换言之，在一些实施例中，术语“第一”、“第二”等也可以彼此互换。
实施例一
为了提高双氧水萃取工艺的控制效果，如图1所示，在本发明实施例中提供了一种双氧水萃取工艺控制方法，包括步骤：
S11、根据双氧水装置中萃取过程的基本流程，确定涉及工艺控制的关键参数，并获取所述关键参数和作为控制指标的萃取液的过氧化氢浓度的历史数据；
发明人经过研究发现，现有技术中采用PID控制技术对双氧水萃取工艺进行控制，之所以控制效果不好的原因包括：双氧水萃取工艺的过程历经时间较长，纯水从进入萃取塔到形成萃取液出塔耗时很长，有些需要经过40多小时甚至更长，其中受到塔内和外部的不确定因素影响较多，这样，当根据出塔萃取液中双氧水当前的浓度值来作为进行工艺调整的依据时，就会造成严重的控制滞后，进而影响了双氧水萃取工艺的控制效果。
基于以上认知，在本发明实施例中，根据双氧水装置中萃取过程的基本流程，从工艺参数中确定出涉及工艺控制的关键参数；在实际应用中，关键参数包括如萃取塔相界面、入萃取塔氧化液流量、入萃取塔纯水流量和出萃取塔萃取液流量、萃取液过氧化氢浓度等运行参数，以及，如工作液过氧化氢浓度等静态参数。
本发明实施例中，获取关键参数的步骤具体可以包括：根据物料平衡原理，从所述双氧水装置的工艺参数中确定各工艺参数对于控制指标的影响权重，并依据影响权重从所述工艺参数确定出关键参数。
S12、利用包括有所述关键参数的工艺参数和所述控制指标，依据萃取过程的物料平衡原理，构建包括有用于刻画萃取过程的运行机理的萃取液过氧化氢浓度的微分方程的数学模型；
通过分析萃取过程的物料平衡原理，可以利用关行参数和其他相关参数来构建出构建用于刻画萃取过程的运行机理微分方程，以及对应的数学模型，其中，根据影响萃取液中过氧化氢浓度的变量，构建萃取液过氧化氢浓度微分方程可以如下：
Figure BDA0002939256340000071
Figure BDA0002939256340000081
其中Ce(t)为萃取液过氧化氢浓度关于时间t的变量，Fe(t)为萃取液出萃取塔流量，Fw(t)，Cw分别为进入萃取塔工作液的流量及过氧化氢浓度，L(t)为萃取塔界位，V为萃取塔体积，Fp(t)为进入萃取塔纯水流量。
S13、基于系统辨识的数据拟合算法，根据所述关键参数和所述控制指标的历史数据，求解所述微分方程中的未知数，并根据所述数学模型生成预测模型，其中：
萃取塔界位与纯水流量的关系为：
Figure BDA0002939256340000082
根据所述数学模型生成的包括萃取塔萃取过程动态机理的预测模型包括：
Figure BDA0002939256340000083
其中，萃取塔纯水进水流量Fp(t)、工作液进塔流量Fw(t)、萃取液过氧化氢浓度Ce(t)，萃取塔界位L(t)在装置中的运行数据可在线提取，进萃取塔工作液过氧化氢浓度Cw与萃取塔容积V为双氧水装置的静态参数。
求解所述微分方程中的未知数的方式，具体可以包括：
构建回归模型：
XCw+YV＝Z
其中X＝Fw(t)，
Figure BDA0002939256340000084
Z＝Fp(t)Ce(t)；
选取萃取塔运行过程中的运行数据，其中Fw(t)、L(t)、Fp(t)、Ce(t)为直接采得的数据，
Figure BDA0002939256340000091
用差值数据代替；利用Matlab软件中regress方法求取Cw与L的拟合值。
S14、实时获取所述双氧水装置的关键参数的当前数据值，并以所述当前数据值为输入，根据所述预测模型生成所述双氧水装置当前控制指标的预测值。
关键参数的当前数据值可以体现当前工况，并能够对萃取液的过氧化氢浓度等控制指标产生相应的影响；根据预测模型可以预测出在当前工况下，当双氧水萃取工艺过程完成后的萃取液的过氧化氢浓度；由于萃取液的过氧化氢浓度关系到出产产品的稳定性，因此可以根据当前的预测模型的预测值来作为工艺调整的依据，来对双氧水萃取工艺进行新颖的控制，以达到稳定最终出塔萃取液中双氧水浓度的目的。
综上所述，在本发明实施例中，首先将双氧水萃取工艺中对萃取液的过氧化氢浓度，此外，还从工艺参数中确定出了双氧水萃取工艺中与关键指标对应的多个关键参数；接着，通过构建相应的数学模型来刻画萃取过程的运行机理，进而生成用于根据双氧水装置的关键参数的当前数据值来预测出与当前工况对应的双氧水萃取工艺过程完成后萃取液的过氧化氢浓度；由于本发明是通过数学模型和预测模型来实时的获取到当前工况对应的关键指标的预测值，所以消除了由于双氧水萃取工艺过程耗时过长所造成的时滞，因此，本发明能够在出塔萃取液中双氧水浓度发生异常波动前根据预测模型的预测值来提前的进行相应的工艺调整；进而也就能够有效的提高双氧水萃取工艺的控制效果。
进一步的，在本发明实施例中，当根据预测模型的结果发现关键指标将会发生异常的时候，还可以进一步的根据预测模型进行模拟控制，通过模拟调解关键参数的参数值等方式来模拟出双氧水萃取工艺的调控方案的效果，从而方便快捷的生成双氧水萃取工艺的最优控制方案，进而进一步的提高双氧水萃取工艺的最终控制效果。
生成最优控制方案的方式可以包括：
当所述控制指标超过预设区间时，根据所述预测模型来获取所述关键参数的优化值；通过设定与控制指标对应的预设区间，可以判断萃取液的过氧化氢浓度。
当萃取液的过氧化氢浓度的波动幅度超标后，可以对关键参数进行模拟的优化调整并根据预测模型来获得调整后的效果模拟，从而可以得到关键参数最终的优化值。接着，根据关键参数的优化值即可生成双氧水萃取工艺的控制方案。
实施例二
在本发明实施例的另一面，还提供了一种双氧水萃取工艺控制装置，图2示出本发明实施例提供的双氧水萃取工艺控制装置的结构示意图，所述双氧水萃取工艺控制装置为与图1所对应实施例中所述双氧水萃取工艺控制方法对应的装置，即，通过虚拟装置的方式实现图1所对应实施例中双氧水萃取工艺控制方法，构成所述双氧水萃取工艺控制装置的各个虚拟模块可以由电子设备执行，例如网络设备、终端设备、或服务器。具体来说，本发明实施例中的双氧水萃取工艺控制装置包括：
关键参数确定单元01用于根据双氧水装置中萃取过程的基本流程，确定涉及工艺控制的关键参数，并获取所述关键参数和作为控制指标的萃取液的过氧化氢浓度的历史数据；
数学模型构建单元02用于利用包括有所述关键参数的工艺参数和所述控制指标，依据萃取过程的物料平衡原理，构建包括有用于刻画萃取过程的运行机理的萃取液过氧化氢浓度的微分方程的数学模型；
预测模型生成单元03用于基于系统辨识的数据拟合算法，根据所述关键参数和所述控制指标的历史数据，求解所述微分方程中的未知数，并根据所述数学模型生成预测模型；
控制指标预测单元04用于实时获取所述双氧水装置的关键参数的当前数据值，并以所述当前数据值为输入，根据所述预测模型生成所述双氧水装置当前控制指标的预测值。
进一步的，在本发明实施例中，还可以包括：
优化方案生成单元(图中未示出)，用于当所述控制指标超过预设区间时，根据所述预测模型来获取所述关键参数的优化值；根据所述关键参数的优化值生成双氧水萃取工艺的控制方案。
由于本发明实施例中双氧水萃取工艺控制装置的工作原理和有益效果已经在图1所对应的双氧水萃取工艺控制方法中也进行了记载和说明，因此可以相互参照，在此就不再赘述。
实施例三
在本发明实施例中，还提供了一种存储器，其中，存储器包括软件程序，软件程序适于处理器执行实施例一所对应的双氧水萃取工艺控制方法中的各个步骤。
本发明实施例可以通过软件程序的方式来实现，即，通过编写用于实现实施例一所对应的双氧水萃取工艺控制方法中的各个步骤的软件程序(及指令集)，所述软件程序存储于存储设备中，存储设备设于计算机设备中，从而可以由计算机设备的处理器调用该软件程序以实现本发明实施例的目的。
实施例四
本发明实施例中，还提供了一种双氧水萃取工艺控制设备，该双氧水萃取工艺控制设备所包括的存储器中，包括有相应的计算机程序产品，所述计算机程序产品所包括程序指令被计算机执行时，可使所述计算机执行以上各个方面所述的双氧水萃取工艺控制方法，并实现相同的技术效果。
图3是本发明实施例作为电子设备的双氧水萃取工艺控制设备的硬件结构示意图，如图3所示，该设备包括一个或多个处理器610、总线630以及存储器620。以一个处理器610为例，该设备还可以包括：输入装置640、输出装置650。
处理器610、存储器620、输入装置640和输出装置650可以通过总线或者其他方式连接，图3中以通过总线连接为例。
存储器620作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序、非暂态计算机可执行程序以及模块。处理器610通过运行存储在存储器620中的非暂态软件程序、指令以及模块，从而执行电子设备的各种功能应用以及数据处理，即实现上述方法实施例的处理方法。
存储器620可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储数据等。此外，存储器620可以包括高速随机存取存储器，还可以包括非暂态存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施例中，存储器620可选包括相对于处理器610远程设置的存储器，这些远程存储器可以通过网络连接至处理装置。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置640可接收输入的数字或字符信息，以及产生信号输入。输出装置650可包括显示屏等显示设备。
所述一个或者多个模块存储在所述存储器620中，当被所述一个或者多个处理器610执行时，执行：
S11、根据双氧水装置中萃取过程的基本流程，确定涉及工艺控制的关键参数，并获取所述关键参数和作为控制指标的萃取液的过氧化氢浓度的历史数据；
S12、利用包括有所述关键参数的工艺参数和所述控制指标，依据萃取过程的物料平衡原理，构建包括有用于刻画萃取过程的运行机理的萃取液过氧化氢浓度的微分方程的数学模型；
S13、基于系统辨识的数据拟合算法，根据所述关键参数和所述控制指标的历史数据，求解所述微分方程中的未知数，并根据所述数学模型生成预测模型；
S14、实时获取所述双氧水装置的关键参数的当前数据值，并以所述当前数据值为输入，根据所述预测模型生成所述双氧水装置当前控制指标的预测值。
上述产品可执行本发明实施例所提供的方法，具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本发明实施例所提供的方法。
在本发明所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。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或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储设备中，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所述方法的全部或部分步骤。而前述的存储设备包括：U盘、移动硬盘、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、ReRAM、MRAM、PCM、NAND Flash，NOR Flash，Memristor、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，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等同替换；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和范围。

Claims (12)

1.一种双氧水萃取工艺控制方法，其特征在于，包括步骤：
S11、根据双氧水装置中萃取过程的基本流程，确定涉及工艺控制的关键参数，并获取所述关键参数和作为控制指标的萃取液的过氧化氢浓度的历史数据；
S12、利用包括有所述关键参数的工艺参数和所述控制指标，依据萃取过程的物料平衡原理，构建包括有用于刻画萃取过程的运行机理的萃取液过氧化氢浓度的微分方程的数学模型；
S13、基于系统辨识的数据拟合算法，根据所述关键参数和所述控制指标的历史数据，求解所述微分方程中的未知数，并根据所述数学模型生成预测模型；
S14、实时获取所述双氧水装置的关键参数的当前数据值，并以所述当前数据值为输入，根据所述预测模型生成所述双氧水装置当前控制指标的预测值。
2.根据权利要求1中所述的双氧水萃取工艺控制方法，其特征在于，所述关键参数包括：
萃取塔相界面、入萃取塔氧化液流量、入萃取塔纯水流量、出萃取塔萃取液流量、萃取液过氧化氢浓度和工作液过氧化氢浓度。
3.根据权利要求1中所述的双氧水萃取工艺控制方法，其特征在于，所述萃取液过氧化氢浓度微分方程包括：
Figure FDA0002939256330000011
Figure FDA0002939256330000012
其中Ce(t)为萃取液过氧化氢浓度关于时间t的变量，Fe(t)为萃取液出萃取塔流量，Fw(t)，Cw分别为进入萃取塔工作液的流量及过氧化氢浓度，L(t)为萃取塔界位，V为萃取塔体积，Fp(t)为进入萃取塔纯水流量。
4.根据权利要求3中所述的双氧水萃取工艺控制方法，其特征在于，所述基于系统辨识的数据拟合算法，根据所述关键参数和所述控制指标的历史数据，求解所述微分方程中的未知数，并根据所述数学模型生成预测模型，包括：
萃取塔界位与纯水流量的关系为：
Figure FDA0002939256330000021
根据所述数学模型生成的包括萃取塔萃取过程动态机理的预测模型包括：
Figure FDA0002939256330000022
其中，萃取塔纯水进水流量Fp(t)、工作液进塔流量Fw(t)、萃取液过氧化氢浓度Ce(t)，萃取塔界位L(t)在装置中的运行数据可在线提取，进萃取塔工作液过氧化氢浓度Cw与萃取塔容积V为双氧水装置的静态参数。
5.根据权利要求4中所述的双氧水萃取工艺控制方法，其特征在于，所述求解所述微分方程中的未知数，包括：
构建回归模型：
XCw+YV＝Z
其中X＝Fw(t)，
Figure FDA0002939256330000023
Z＝Fp(t)Ce(t)；
选取萃取塔运行过程中的运行数据，其中Fw(t)、L(t)、Fp(t)、Ce(t)为直接采得的数据，
Figure FDA0002939256330000031
用差值数据代替；利用Matlab软件中regress方法求取Cw与L的拟合值。
6.根据权利要求1中所述的双氧水萃取工艺控制方法，其特征在于，获取所述关键参数的步骤包括：
根据物料平衡原理，从所述双氧水装置的工艺参数中确定各工艺参数对于控制指标的影响权重，并依据影响权重从所述工艺参数确定出关键参数。
7.根据权利要求1中所述的双氧水萃取工艺控制方法，其特征在于，还包括：
当所述控制指标超过预设区间时，根据所述预测模型来获取所述关键参数的优化值；
根据所述关键参数的优化值生成双氧水萃取工艺的控制方案。
8.一种双氧水萃取工艺控制装置，其特征在于，包括：
关键参数确定单元，用于根据双氧水装置中萃取过程的基本流程，确定涉及工艺控制的关键参数，并获取所述关键参数和作为控制指标的萃取液的过氧化氢浓度的历史数据；
数学模型构建单元，用于利用包括有所述关键参数的工艺参数和所述控制指标，依据萃取过程的物料平衡原理，构建包括有用于刻画萃取过程的运行机理的萃取液过氧化氢浓度的微分方程的数学模型；
预测模型生成单元，用于基于系统辨识的数据拟合算法，根据所述关键参数和所述控制指标的历史数据，求解所述微分方程中的未知数，并根据所述数学模型生成预测模型；
控制指标预测单元，用于实时获取所述双氧水装置的关键参数的当前数据值，并以所述当前数据值为输入，根据所述预测模型生成所述双氧水装置当前控制指标的预测值。
9.根据权利要求8中所述的双氧水萃取工艺控制装置，其特征在于，所述关键参数包括：
萃取塔相界面、入萃取塔氧化液流量、入萃取塔纯水流量、出萃取塔萃取液流量、萃取液过氧化氢浓度和工作液过氧化氢浓度。
10.根据权利要求8中所述的双氧水萃取工艺控制装置，其特征在于，还包括：
优化方案生成单元，用于当所述控制指标超过预设区间时，根据所述预测模型来获取所述关键参数的优化值；根据所述关键参数的优化值生成双氧水萃取工艺的控制方案。
11.一种存储器，其特征在于，包括软件程序，所述软件程序适于由处理器执行如权利要求1至7中任一所述双氧水萃取工艺控制方法的步骤。
12.一种的双氧水萃取工艺控制装置，其特征在于，包括总线、处理器和如权利要求11中所述存储器；
所述总线用于连接所述存储器和所述处理器；
所述处理器用于执行所述存储器中的指令集。
CN202110172578.5A 2021-02-08 2021-02-08 存储器、双氧水萃取工艺控制方法、装置和设备 Active CN114906817B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110172578.5A CN114906817B (zh) 2021-02-08 2021-02-08 存储器、双氧水萃取工艺控制方法、装置和设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110172578.5A CN114906817B (zh) 2021-02-08 2021-02-08 存储器、双氧水萃取工艺控制方法、装置和设备

Publications (2)

Publication Number Publication Date
CN114906817A true CN114906817A (zh) 2022-08-16
CN114906817B CN114906817B (zh) 2023-12-05

Family

ID=82761687

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110172578.5A Active CN114906817B (zh) 2021-02-08 2021-02-08 存储器、双氧水萃取工艺控制方法、装置和设备

Country Status (1)

Country Link
CN (1) CN114906817B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101813932A (zh) * 2009-02-03 2010-08-25 东北大学 湿法冶金萃取过程组分含量预测与优化操作方法
WO2013053616A1 (en) * 2011-10-11 2013-04-18 Solvay Sa Process for producing hydrogen peroxide
CN104645664A (zh) * 2014-05-06 2015-05-27 柳州蓓蒂芬科技有限公司 连续逆流微分萃取方法及设备
CN105621364A (zh) * 2014-11-03 2016-06-01 中国石油化工股份有限公司 一种双氧水生产过程中的高效萃取工艺
CN105893700A (zh) * 2016-04-26 2016-08-24 陆新建 基于物理-大数据混合模型的化工生产在线故障检测与诊断技术
KR102139358B1 (ko) * 2020-04-22 2020-07-29 한국생산기술연구원 머신러닝 기반 플랫폼을 이용한 공정제어방법, 그를 수행하기 위한 컴퓨터 프로그램 매체 및 공정제어장치

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101813932A (zh) * 2009-02-03 2010-08-25 东北大学 湿法冶金萃取过程组分含量预测与优化操作方法
WO2013053616A1 (en) * 2011-10-11 2013-04-18 Solvay Sa Process for producing hydrogen peroxide
CN104645664A (zh) * 2014-05-06 2015-05-27 柳州蓓蒂芬科技有限公司 连续逆流微分萃取方法及设备
CN105621364A (zh) * 2014-11-03 2016-06-01 中国石油化工股份有限公司 一种双氧水生产过程中的高效萃取工艺
CN105893700A (zh) * 2016-04-26 2016-08-24 陆新建 基于物理-大数据混合模型的化工生产在线故障检测与诊断技术
KR102139358B1 (ko) * 2020-04-22 2020-07-29 한국생산기술연구원 머신러닝 기반 플랫폼을 이용한 공정제어방법, 그를 수행하기 위한 컴퓨터 프로그램 매체 및 공정제어장치

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
乔迎超;万双华;: "双氧水生产中影响萃取塔操作的因素", 广州化工, vol. 48, no. 01, pages 117 - 118 *

Also Published As

Publication number Publication date
CN114906817B (zh) 2023-12-05

Similar Documents

Publication Publication Date Title
CN110263988B (zh) 一种基于电厂脱硫系统的数据运行优化方法
CN113011085B (zh) 一种设备数字孪生建模方法及系统
CN113792855B (zh) 一种模型训练及字库建立方法、装置、设备和存储介质
CN113158292A (zh) 构件匹配方法、工程量计算方法、装置及电子设备
CN111325223A (zh) 深度学习模型的训练方法、装置和计算机可读存储介质
CN109856978A (zh) 一种获取被控对象模型的方法及装置
CN113112026B (zh) 一种联邦学习模型优化方法及装置
CN111767641A (zh) 风力发电机组极限载荷数据的处理方法和系统
CN108133223A (zh) 确定卷积神经网络cnn模型的装置和方法
CN113130014A (zh) 一种基于多分支神经网络的稀土萃取模拟方法及系统
CN115831263A (zh) 一种优化电解精炼高纯铟产品合格率的方法及系统
CN103793478B (zh) 基于主题遗传的在线主题建模方法
CN114906817A (zh) 存储器、双氧水萃取工艺控制方法、装置和设备
CN118171562A (zh) 一种泡沫浮选工况的预测方法及预测模型
CN109019717B (zh) 一种火电厂脱硫废水智能处理方法及系统
CN106529106B (zh) 一种建孔方法、装置及一种pcb
CN1573624A (zh) 用于批性能估计的装置和方法
Zhang et al. Serial hybrid modelling for a gold cyanidation leaching plant
CN112419098B (zh) 基于安全信息熵的电网安全稳定仿真样本筛选扩充方法
CN113111588B (zh) 一种燃气轮机nox排放浓度预测方法及装置
CN104660699B (zh) 基于可变斜率的缺失服务响应时间补足方法和装置
CN111582446B (zh) 用于神经网络剪枝的系统和神经网络的剪枝处理方法
CN113435718A (zh) 玻璃的生成方法、装置、电子设备及存储介质
Nolin et al. Analysis of an oscillating two-stage evaporator system through modelling and simulation: an industrial case study
CN113126501B (zh) 一种稀土萃取过程预测控制方法及系统

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20231109

Address after: 100728 No. 22 North Main Street, Chaoyang District, Beijing, Chaoyangmen

Applicant after: CHINA PETROLEUM & CHEMICAL Corp.

Applicant after: Sinopec Safety Engineering Research Institute Co.,Ltd.

Address before: 100728 No. 22 North Main Street, Chaoyang District, Beijing, Chaoyangmen

Applicant before: CHINA PETROLEUM & CHEMICAL Corp.

Applicant before: SINOPEC Research Institute OF SAFETY ENGINEERING

GR01 Patent grant
GR01 Patent grant