CN115081319B - 铝电解生产过程智能决策、多目标优化方法 - Google Patents

Abstract

本发明公开一种铝电解生产过程智能决策、多目标优化方法，首先综合分析影响铝电解流程节能、减排的主要因素和耦合关系；然后构建铝电解过程电压功耗模型、电流效率模型以及废气排放模型，最后通过自适应动态规划方面来求解该多目标优化问题，给出最优决策变量。

Description

铝电解生产过程智能决策、多目标优化方法

技术领域

本发明涉及铝电解生产过程智能决策、多目标优化方法，涉及铝电解智能控制技术领域。

背景技术

作为一个多变量耦合、非线性、时变以及大时滞的工业体系，铝电解过程内部的复杂的化学物理反应、作业的干扰、外界的各种条件使得在运行过程中电解槽会有许多变量和参数的不可连续测定性和不确定性；铝电解过程中单一因素的控制未必能确保电解槽总体工况最优，实现铝电解节能、降耗、减排等高效生产。铝电解控制系统是一个复杂物化反应过程，影响铝电解电流效率和排放的变量有很多，且部分变量之间相互耦合甚至冲突。

对此，为了提高铝电解生产过程智能决策、目标优化，越来越多的研究者提出了采用数据挖掘，设计综合优化控制方案，利用测量数据或者利用软测量技术对不能检测的数据进行软测量，对电解槽状况进行智能评价，利用智能算法对控制参数调整量进行决策；但是，针对高铝电解生产过程智能决策、目标优化，现有技术并没有成熟的方案解决相关技术问题，使得在本领域还存在技术空缺，相关问题也一直得不到改善，制约了行业的发展。

因此，本申请提供铝电解生产过程智能决策、多目标优化系统及方法，首先综合分析影响铝电解流程节能、减排的主要因素和耦合关系；然后构建铝电解过程电压功耗模型、电流效率模型以及废气排放模型，最后通过自适应动态规划方面来求解该多目标优化问题，给出最优决策变量。

发明内容

本发明的目的在于，提供铝电解生产过程智能决策、多目标优化方法，首先综合分析影响铝电解流程节能、减排的主要因素和耦合关系；然后构建铝电解过程电压功耗模型、电流效率模型以及废气排放模型，最后通过自适应动态规划方面来求解该多目标优化问题，给出最优决策变量。

为实现上述技术目的，达到上述技术效果，本发明是通过以下技术方案实现：

铝电解生产过程智能决策、多目标优化方法，包括以下步骤：

S1：铝电解生产过程多因素耦合分析

以铝电解生产过程的能耗、排放、铝产量为因素，依托铝电解工业生产过程海量数据中深度挖掘信息和知识，决策出规模化铝电解生产系统的能耗、排放、铝产量因素耦合分析；

S2：铝电解生产过程多目标决策模型建立

以电流效率最高、功耗以及废气排放最低为优化目标，以摩尔比、电解温度以及极距为决策变量，以氧化铝浓度满足要求与铝电解生产工艺要求为约束条件的优化模型框架；

S3：铝电解生产过程多目标优化问题求解及控制

将自适应动态规划方法引入到铝电解生产过程多目标优化问题求解中，将每一时刻的过程的电压功耗、电流效率和排放作为系统状态量，将每一时刻的摩尔比、电解质温度、极距调节变化量作为系统控制量，将以氧化铝浓度满足要求与铝电解生产工艺要求为约束条件，然后根据迭代自适应动态规划实现最优问题的快速求解；

铝电解过程多目标优化问题的成本函数或性能指标定义为：

x_i是系统状态；u_i是决策变量，r(x_i,u_i)为效用函数，表示当下控制向量u_i后系统做出的奖励或惩罚；0<γ≤1是折扣因子；

采用值迭代策略求解成本函数及神经网络方法逼近非线性成本函数的最优值，从而得到最优控制策略。

进一步的，所述S1铝电解生产过程多因素耦合分析，以铝电解生产过程的能耗、排放、铝产量为因素，依托铝电解工业生产过程海量数据中深度挖掘信息和知识，决策出规模化铝电解生产系统的能耗、排放、铝产量因素耦合分析。

进一步的，所述铝电解生产过程的能耗：通过监测电解槽的实时电流效率、平均电压，计算电解槽的实时直流电耗进行，从而构建主要的工艺参数与电耗之间的关系，为铝电解过程的工艺优化提供依据；

所述实时电流效率通过在线测量烟气中一氧化碳浓度进行计算；所述工艺参数为摩尔比、电解质温度、极距。

进一步的，所述铝电解生产过程的排放：一是通过建立氧化铝下料的智能决策方法，减少阳极效应的发生，从而减少全氟化碳气体的排放；二是实现阳极效应的准确预报及快速熄灭来减少全氟化碳气体的排放。

进一步的，所述铝电解生产过程的铝产量：针对大型铝电解企业的原料来源复杂和原料性质波动频繁的特性，建立外界原料市场数据、电化学机理知识与检测数据知识融合的工艺技术指标、效益和成本的智能过程模型；

以原料的杂质含量、原料物性参数、原料价格及原料库存情况作为条件，以经济效益最大化为目标，从铝电解工业生产过程海量数据中深度挖掘信息和知识，决策出规模化铝电解生产系统在不同的原料和能源供应条件下的工艺指标，为多目标优化模型的建立打下基础；

所述原料的杂质含量：碳素阳极中硫含量、氧化铝中锂、钾含量；所述原料物性参数：氧化铝的安息角、粒度及晶型。

进一步的，所述S2铝电解生产过程多目标决策模型建立：

首先，对铝电解生产过程采用多元线性回归以及改进BP神经网络方法建立多目标优化模型；

其次，利用专家规则，集成多元线性同归以及BP神经网络建立电流效率模型、废气排放模型与电压功耗模型；

最后，集总给出铝电解生产过程的多目标优化模型。

本发明的有益效果：

本发明提供铝电解生产过程智能决策、多目标优化方法，首先综合分析影响铝电解流程节能、减排的主要因素和耦合关系；然后构建铝电解过程电压功耗模型、电流效率模型以及废气排放模型，最后通过自适应动态规划方面来求解该多目标优化问题，给出最优决策变量。

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

图1为本发明实施例所述铝电解生产过程智能决策、多目标优化方法流程图；

图2为本发明实施例所述铝电解多目标控制系统的总体模型；

图3为本发明实施例所述自适应动态规划算法示意图；

具体实施方式

为了更清楚地说明本发明实施例的技术方案，下面将结合附图对实施例对本发明进行详细说明。

铝电解生产过程智能决策、多目标优化方法，包括以下步骤：

S1：铝电解生产过程多因素耦合分析

以铝电解生产过程的能耗、排放、铝产量为因素，依托铝电解工业生产过程海量数据中深度挖掘信息和知识，决策出规模化铝电解生产系统的能耗、排放、铝产量因素耦合分析；

S2：铝电解生产过程多目标决策模型建立

以电流效率最高、功耗以及废气排放最低为优化目标，以摩尔比、电解温度以及极距为决策变量，以氧化铝浓度满足要求与铝电解生产工艺要求为约束条件的优化模型框架；

S3：铝电解生产过程多目标优化问题求解及控制

将自适应动态规划方法引入到铝电解生产过程多目标优化问题求解中，将每一时刻的过程的电压功耗、电流效率和排放作为系统状态量，将每一时刻的摩尔比、电解质温度、极距调节变化量作为系统控制量，将以氧化铝浓度满足要求与铝电解生产工艺要求为约束条件，然后根据迭代自适应动态规划实现最优问题的快速求解。

下面结合具体实施例对本发明进行说明：

实施例1

铝电解生产过程多因素(能耗、排放、铝产量)耦合分析

对提高电流效率，减少能源消耗以及废气排放的要求从工艺过程进行分析；

节能方面通过监测电解槽的实时电流效率(可通过在线测量烟气中一氧化碳浓度进行计算)、平均电压，计算电解槽的实时直流电耗进行，从而构建主要的工艺参数(摩尔比、电解质温度、极距等)与电耗之间的关系，为铝电解过程的工艺优化提供依据。

减排方面一是通过建立氧化铝下料的智能决策方法，减少阳极效应的发生，从而减少全氟化碳气体的排放；二是实现阳极效应的准确预报(电解槽电压变化)及快速熄灭(发生阳极效应时增加氧化铝下料量)来减少全氟化碳气体的排放。

此外，为实现铝电解产量和品质，针对大型铝电解企业的原料来源复杂和原料性质波动频繁的特性,建立外界原料市场数据、电化学机理知识与检测数据知识融合的工艺技术指标、效益和成本的智能过程模型。以原料的杂质含量(如：碳素阳极中硫含量、氧化铝中锂、钾含量等)、原料物性参数(例如氧化铝的安息角、粒度及晶型等)、原料价格及原料库存情况等作为条件,以经济效益最大化为目标，从铝电解工业生产过程海量数据中深度挖掘信息和知识，决策出规模化铝电解生产系统在不同的原料和能源供应条件下的工艺指标，为多目标优化模型的建立打下基础。

实施例2

铝电解生产过程多目标决策模型建立

在铝电解生产过程中期望的综合生产目标是：在氧化铝浓度满足要求的前提下，使电流效率最高、功耗最低。而摩尔比、电解温度以及极距直接影响电流效率和功耗。因此，本部分提出以电流效率最高、功耗以及废气排放最低为优化目标，以摩尔比、电解温度以及极距为决策变量，以氧化铝浓度满足要求与铝电解生产工艺要求为约束条件的优化模型框架(如图2所示)。

首先，对铝电解生产过程采用多元线性回归以及改进BP神经网络方法建立多目标优化模型；其次，利用专家规则，集成多元线性同归以及BP神经网络建立电流效率模型、废气排放模型与电压功耗模型；最后，集总给出铝电解生产过程的多目标优化模型。

比如：由机理分析及关联性分析可知，影响电流效率、电压功耗、废气排放的主要因素有摩尔比x₁、电解温度x₂、极距x₃、铝液高度M₄、阳极效应系数M₅、槽龄M₆等，则电流效率模型为：

S＝αS₁＝βS₂＝αf_LR(x₁,x₂,x₃,M₄,M₅,M₆)+βf_NN(x₁,x₂,x₃,M₄,M₅,M₆)

式中：a+β＝1；0≤α,β≤1，根据工况变化，改变专家规则实时调整a和β。

采集铝电解生产过程历史数据，经过数据预处理则可通过数据挖掘确定上述模型中的参数。

实施例3

铝电解生产过程多目标优化问题求解及控制

在铝电解生产过程中，上述构建的优化问题属于多目标非线性不等式约束的优化问题，虽然目前出现了许多智能优化算法，如：多目标进化算法、粒子群算法、遗传算法等用于求解多目标优化问题，但这些算法大多需要离线求解，不适应多变的工况。近年来，学术界将人工智能技术引入优化问题求解，提出了自适应动态规划算法,要由动态系统、执行函数和评价函数三个部分共同组成，通过模拟人与环境之间互动的“奖励-惩罚”机理来调整执行动作。自适应动态规划算法原理如图3所示：

本部分将自适应动态规划方法引入到铝电解生产过程多目标优化问题求解中，将每一时刻的过程的电压功耗、电流效率和排放作为系统状态量，将每一时刻的摩尔比、电解质温度、极距调节变化量作为系统控制量，将以氧化铝浓度满足要求与铝电解生产工艺要求为约束条件，然后根据迭代自适应动态规划实现最优问题的快速求

铝电解过程多目标优化问题的成本函数或性能指标定义为：

式中，xi是系统状态；ui是决策变量，r(xi,ui)为效用函数，表示当下控制向量ui后系统做出的奖励或惩罚；0<γ≤1是折扣因子。采用值迭代策略求解成本函数及神经网络方法逼近非线性成本函数的最优值，从而得到最优控制策略。

在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为所述的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。

Claims (6)

1.铝电解生产过程智能决策、多目标优化方法，其特征在于，包括以下步骤：

S1：铝电解生产过程多因素耦合分析

以铝电解生产过程的能耗、排放、铝产量为因素，依托铝电解工业生产过程海量数据中深度挖掘信息和知识，决策出规模化铝电解生产系统的能耗、排放、铝产量因素耦合分析；

S2：铝电解生产过程多目标决策模型建立

以电流效率最高、功耗以及废气排放最低为优化目标，以摩尔比、电解温度以及极距为决策变量，以氧化铝浓度满足要求与铝电解生产工艺要求为约束条件的优化模型框架；

S3：铝电解生产过程多目标优化问题求解及控制

将自适应动态规划方法引入到铝电解生产过程多目标优化问题求解中，将每一时刻的过程的电压功耗、电流效率和排放作为系统状态量，将每一时刻的摩尔比、电解质温度、极距调节变化量作为系统控制量，将以氧化铝浓度满足要求与铝电解生产工艺要求为约束条件，然后根据迭代自适应动态规划实现最优问题的快速求解；

铝电解过程多目标优化问题的成本函数或性能指标定义为：

x_i是系统状态；u_i是决策变量，r(x_i,u_i)为效用函数，表示当下控制向量u_i后系统做出的奖励或惩罚；0<γ≤1是折扣因子；

采用值迭代策略求解成本函数及神经网络方法逼近非线性成本函数的最优值，从而得到最优控制策略。

2.如权利要求1所述的铝电解生产过程智能决策、多目标优化方法，其特征在于：所述S1铝电解生产过程多因素耦合分析，以铝电解生产过程的能耗、排放、铝产量为因素，依托铝电解工业生产过程海量数据中深度挖掘信息和知识，决策出规模化铝电解生产系统的能耗、排放、铝产量因素耦合分析。

3.如权利要求2所述的铝电解生产过程智能决策、多目标优化方法，其特征在于：所述铝电解生产过程的能耗：通过监测电解槽的实时电流效率、平均电压，计算电解槽的实时直流电耗进行，从而构建主要的工艺参数与电耗之间的关系，为铝电解过程的工艺优化提供依据；

所述实时电流效率通过在线测量烟气中一氧化碳浓度进行计算；所述工艺参数为摩尔比、电解质温度、极距。

4.如权利要求2所述的铝电解生产过程智能决策、多目标优化方法，其特征在于：所述铝电解生产过程的排放：一是通过建立氧化铝下料的智能决策方法，减少阳极效应的发生，从而减少全氟化碳气体的排放；二是实现阳极效应的准确预报及快速熄灭来减少全氟化碳气体的排放。

5.如权利要求2所述的铝电解生产过程智能决策、多目标优化方法，其特征在于：所述铝电解生产过程的铝产量：针对大型铝电解企业的原料来源复杂和原料性质波动频繁的特性，建立外界原料市场数据、电化学机理知识与检测数据知识融合的工艺技术指标、效益和成本的智能过程模型；

以原料的杂质含量、原料物性参数、原料价格及原料库存情况作为条件，以经济效益最大化为目标，从铝电解工业生产过程海量数据中深度挖掘信息和知识，决策出规模化铝电解生产系统在不同的原料和能源供应条件下的工艺指标，为多目标优化模型的建立打下基础；

所述原料的杂质含量：碳素阳极中硫含量、氧化铝中锂、钾含量；所述原料物性参数：氧化铝的安息角、粒度及晶型。

6.如权利要求1所述的铝电解生产过程智能决策、多目标优化方法，其特征在于：所述S2铝电解生产过程多目标决策模型建立：

首先，对铝电解生产过程采用多元线性回归以及改进BP神经网络方法建立多目标优化模型；

其次，利用专家规则，集成多元线性同归以及BP神经网络建立电流效率模型、废气排放模型与电压功耗模型；

最后，集总给出铝电解生产过程的多目标优化模型。