CN115684276B - 一种基于集成融合模型的脱硫系统ph值预测方法及系统 - Google Patents
一种基于集成融合模型的脱硫系统ph值预测方法及系统 Download PDFInfo
- Publication number
- CN115684276B CN115684276B CN202211687710.7A CN202211687710A CN115684276B CN 115684276 B CN115684276 B CN 115684276B CN 202211687710 A CN202211687710 A CN 202211687710A CN 115684276 B CN115684276 B CN 115684276B
- Authority
- CN
- China
- Prior art keywords
- data
- prediction
- deposition
- sensing
- desulfurization
- 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
Images
Landscapes
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明提供了一种基于集成融合模型的脱硫系统PH值预测方法及系统,涉及数字处理技术领域,方法包括:连接目标工厂的脱硫管理系统,获取脱硫工艺流程的信息,确定脱硫PH电极对应的安装设备;将数据传感装置设于安装设备;根据多个子传感器,获取压力传感数据、流速传感数据和沉积传感数据;搭建集成融合预测模型;将所述压力传感数据、流速传感数据和沉积传感数据输入所述集成融合预测模型中,获取PH预测结果,发送至脱硫管理系统的预警终端。解决了因PH监测仪受到浆液罐影响,导致的脱硫浆液pH测量数据不准确的技术问题,达到了利用集成融合模型对浆液罐进行多因影响分析智能调整PH值,提升PH值预测结果的精度的技术效果。
Description
技术领域
本发明涉及数字处理技术领域,具体涉及一种基于集成融合模型的脱硫系统pH值预测方法及系统。
背景技术
传统脱硫pH电极大都安装在浆液罐内部,脱硫浆液从浆液罐底部进入,再由浆液罐顶部溢流至地沟。浆液罐内部压力较大,并且随着负荷的变化,压力也会变化,导致电极液接电位不稳定,会有较大漂移;脱硫浆液流速快且含有较大颗粒物,传统安装方式下会对电极球泡造成较大冲击和磨损,球泡易发生破裂;由于电极安装在液路的主通道中,长期使用过程中电极球泡表面容易沉积钙盐,导致测量数据不准确。
现有技术中存在pH监测仪受到浆液罐影响,导致的脱硫浆液pH测量数据不准确的技术问题。
发明内容
本申请通过提供了一种基于集成融合模型的脱硫系统pH值预测方法及系统,解决了因pH监测仪受到浆液罐影响,导致的脱硫浆液pH测量数据不准确的技术问题,达到了利用集成融合模型对浆液罐进行多因影响分析,采用集成融合的方式智能调整pH值,提升pH值预测结果的精度,为脱硫管理系统的持续稳定运行提供参考的技术效果。
鉴于上述问题,本申请提供了一种基于集成融合模型的脱硫系统pH值预测方法及系统。
本申请的第一个方面,提供了一种基于集成融合模型的脱硫系统pH值预测方法,其中,所述方法应用于脱硫系统pH值预测系统,所述pH值预测系统与数据传感装置通信连接,所述方法包括:连接目标工厂的脱硫管理系统,获取脱硫工艺流程的信息;根据所述脱硫工艺流程的信息,确定脱硫pH电极对应的安装设备,其中,所述安装设备为所述脱硫工艺流程的节点设备;将所述数据传感装置设于所述安装设备,其中,所述数据传感装置包括多个子传感器,所述多个子传感器包括压力传感器、流速传感器和沉积传感器;根据所述多个子传感器,获取压力传感数据、流速传感数据和沉积传感数据;搭建集成融合预测模型,其中,所述集成融合预测模型包括第一层分解预测模型和第二层集成预测模型;将所述压力传感数据、流速传感数据和沉积传感数据输入所述集成融合预测模型中,根据所述集成融合预测模型,获取pH预测结果;将所述pH预测结果发送至所述脱硫管理系统的预警终端。
本申请的第二个方面,提供了一种基于集成融合模型的脱硫系统pH值预测系统,其中,所述系统包括:脱硫工艺流程获取单元,所述脱硫工艺流程获取单元用于连接目标工厂的脱硫管理系统,获取脱硫工艺流程的信息;安装设备确定单元,所述安装设备确定单元用于根据所述脱硫工艺流程的信息,确定脱硫pH电极对应的安装设备,其中,所述安装设备为所述脱硫工艺流程的节点设备;安装设备布设单元,所述安装设备布设单元用于将数据传感装置设于所述安装设备,其中,所述数据传感装置包括多个子传感器,所述多个子传感器包括压力传感器、流速传感器和沉积传感器;传感数据获取单元,所述传感数据获取单元用于根据所述多个子传感器,获取压力传感数据、流速传感数据和沉积传感数据;融合预测模型搭建单元,所述融合预测模型搭建单元用于搭建集成融合预测模型,其中,所述集成融合预测模型包括第一层分解预测模型和第二层集成预测模型;传感数据输入单元,所述传感数据输入单元用于将所述压力传感数据、流速传感数据和沉积传感数据输入所述集成融合预测模型中,根据所述集成融合预测模型,获取pH预测结果;预测结果发送单元,所述预测结果发送单元用于将所述pH预测结果发送至所述脱硫管理系统的预警终端。
本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
由于采用了连接目标工厂的脱硫管理系统,获取脱硫工艺流程的信息;根据脱硫工艺流程的信息,确定脱硫pH电极对应的安装设备;将数据传感装置设于安装设备;根据多个子传感器,获取压力传感数据、流速传感数据和沉积传感数据;搭建集成融合预测模型;将压力传感数据、流速传感数据和沉积传感数据输入集成融合预测模型中,根据集成融合预测模型,获取pH预测结果;将pH预测结果发送至脱硫管理系统的预警终端。本申请达到了利用集成融合模型对浆液罐进行多因影响分析,采用集成融合的方式智能调整pH值,提升pH值预测结果的精度,为脱硫管理系统的持续稳定运行提供参考的技术效果。
附图说明
图1为本申请一种基于集成融合模型的脱硫系统pH值预测方法的流程示意图;
图2为本申请一种基于集成融合模型的脱硫系统pH值预测方法的输出pH预测结果的流程示意图;
图3为本申请一种基于集成融合模型的脱硫系统pH值预测方法的获取沉积预测数据的流程示意图;
图4为本申请一种基于集成融合模型的脱硫系统pH值预测系统的结构示意图。
附图标记说明:脱硫工艺流程获取单元11,安装设备确定单元12,安装设备布设单元13,传感数据获取单元14,融合预测模型搭建单元15,传感数据输入单元16,预测结果发送单元17。
具体实施方式
本申请通过提供了一种基于集成融合模型的脱硫系统pH值预测方法及系统,解决了因pH监测仪受到浆液罐影响,导致的脱硫浆液pH测量数据不准确的技术问题,达到了利用集成融合模型对浆液罐进行多因影响分析,采用集成融合的方式智能调整pH值,提升pH值预测结果的精度,为脱硫管理系统的持续稳定运行提供参考的技术效果。
实施例一
如图1所示,本申请提供了一种基于集成融合模型的脱硫系统pH值预测方法,其中,所述方法应用于脱硫系统pH值预测系统,所述pH值预测系统与数据传感装置通信连接,所述方法包括:
步骤S100:连接目标工厂的脱硫管理系统,获取脱硫工艺流程的信息;
步骤S200:根据所述脱硫工艺流程的信息,确定脱硫pH电极对应的安装设备,其中,所述安装设备为所述脱硫工艺流程的节点设备;
步骤S300:将所述数据传感装置设于所述安装设备,其中,所述数据传感装置包括多个子传感器,所述多个子传感器包括压力传感器、流速传感器和沉积传感器;
步骤S400:根据所述多个子传感器,获取压力传感数据、流速传感数据和沉积传感数据;
具体而言,依据相应水质监测工况特点和规范要求,对脱硫浆液pH实时准确测量,分别使用每个预测算法进行一次预测,获取不同的算法的预测结果,可以训练第二层的预测算法再次进行预测,并生成最终的预测结果,保证脱硫管理系统预警信息的可靠性。
具体而言,所述数据传感装置包括多组压力传感器、流速传感器和沉积传感器,所述目标工厂为任意存在水质监测需求的工程,所述脱硫管理系统为一水质自动脱硫管理系统,所述pH值预测系统与目标工厂的脱硫管理系统、数据传感装置通信连接,为进行脱硫系统pH值预测提供硬件支持。
具体而言,通过目标工厂的脱硫管理系统与所述pH值预测系统的通信连接,获取脱硫工艺流程的信息,所述脱硫工艺流程包括浆液流入、脱硫吸收、脱硫浆液流出等一系列工艺流程,所述脱硫工艺流程的信息包括但不限于工艺流程设备型号、工艺流程设备运行参数;根据所述脱硫工艺流程的信息,确定脱硫pH电极对应的安装设备,(所述脱硫pH监测仪电极和流通池安装在浆液罐的脱硫浆液出口,脱硫pH电极对应的安装设备即浆液罐),所述安装设备为所述脱硫工艺流程的节点设备(脱硫浆液从浆液罐底部进入,再由浆液罐顶部溢流至地沟);将所述数据传感装置设于所述安装设备(布设数据传感装置主要集中在浆液罐的脱硫浆液出口),所述数据传感装置包括多个子传感器,所述多个子传感器包括压力传感器、流速传感器和沉积传感器,为后续进行数据实时监测提供硬件支持。
步骤S500:搭建集成融合预测模型,其中,所述集成融合预测模型包括第一层分解预测模型和第二层集成预测模型;
步骤S600:将所述压力传感数据、流速传感数据和沉积传感数据输入所述集成融合预测模型中,根据所述集成融合预测模型,获取pH预测结果;
步骤S700:将所述pH预测结果发送至所述脱硫管理系统的预警终端。
具体而言,搭建集成融合预测模型,所述集成融合预测模型包括第一层分解预测模型(分别使用每个预测算法进行一次预测)和第二层集成预测模型(第二层的预测算法再次进行预测);将所述压力传感数据、流速传感数据和沉积传感数据输入所述集成融合预测模型中,根据所述集成融合预测模型进行二次预测,输出pH预测结果;将所述pH预测结果发送至所述脱硫管理系统的预警终端,为保证预测结果的精准度,提高预测结果的稳定性提供支持。
特别说明,(压力传感数据)浆液罐内部压力较大,并且随着负荷的变化,压力也会变化,导致电极液接电位不稳定,会有较大漂移;(流速传感数据)脱硫浆液流速快且含有较大颗粒物,传统安装方式下会对电极球泡造成较大冲击和磨损,球泡易发生破裂;(沉积传感数据)由于电极安装在液路的主通道中,长期使用过程中电极球泡表面容易沉积钙盐,导致测量数据不准确。
进一步的,如图2所示,所述pH值预测系统与脱硫pH监测仪通信连接,步骤S600还包括:
步骤S610:将所述压力传感数据、流速传感数据和沉积传感数据输入所述集成融合预测模型中,根据所述集成融合预测模型,获取融合预测结果,其中,所述融合预测结果为用于进行数据调整的pH调整数据;
步骤S620:根据所述脱硫pH监测仪,获取pH监测数据;
步骤S630:将所述pH监测数据输入所述集成融合预测模型,以所述pH调整数据对所述pH监测数据集调整,输出所述pH预测结果。
具体而言,将所述压力传感数据、流速传感数据和沉积传感数据输入所述集成融合预测模型中,根据所述集成融合预测模型,获取融合预测结果,所述融合预测结果为用于进行数据调整的pH调整数据;根据所述脱硫pH监测仪(所述脱硫pH监测仪电极安装在脱硫浆液出口)对脱硫浆液进行pH监测,获取pH监测数据;将所述pH监测数据输入所述集成融合预测模型,以所述pH调整数据对所述pH监测数据集修正调整,输出所述pH预测结果,进一步提升pH预测结果的精准度。
以所述pH调整数据对所述pH监测数据集修正调整,输出所述pH预测结果,具体包括:利用变异系数法所述pH监测数据集修正调整,所述变异系数法为一种客观赋权的方法,直接利用所述pH调整数据所包含的信息,进行计算得到所述pH调整数据对应的权重比,确定权重比后,依次对所述pH监测数据集进行加权计算,输出所述pH预测结果,所述pH预测结果即pH监测数据集的加权计算输出结果。
进一步的,本申请实施例还包括:
步骤S611:将所述压力传感数据、流速传感数据和沉积传感数据输入所述第一层分解预测模型中,根据所述第一层分解预测模型分别进行预测,获取压力预测数据、流速预测数据和沉积预测数据;
步骤S612:将所述压力预测数据、所述流速预测数据和所述沉积预测数据作为第二层的训练数据集,训练所述第二层集成预测模型,其中,所述第二层集成预测模型为基于压力、流速和沉积作为三维指标进行全连接所搭建的神经网络模型;
步骤S613:根据所述第二层集成预测模型,获取所述融合预测结果。
具体而言,将所述压力传感数据、流速传感数据和沉积传感数据输入所述集成融合预测模型中,根据所述集成融合预测模型,获取融合预测结果,具体包括:将所述压力传感数据、流速传感数据和沉积传感数据输入所述第一层分解预测模型中,根据所述第一层分解预测模型分别进行预测,获取压力预测数据、流速预测数据和沉积预测数据(分别使用每个预测算法进行一次预测);基于压力、流速和沉积作为三维指标进行全连接所搭建的神经网络模型(所述神经网络模型添加三维指标输入端口,将所述压力、流速和沉积作为三维指标,输入所述三维指标输入端口),将所述压力预测数据、所述流速预测数据和所述沉积预测数据作为第二层的训练数据集,预测训练所述第二层集成预测模型,在所述第二层集成预测模型输出趋于稳定的状态,确定第二层集成预测模型,根据所述第二层集成预测模型,对一次预测所得预测结果进行二次预测,输出所述融合预测结果,为均衡指标差异提供数据基础。
进一步的,本申请实施例还包括:
步骤S611-1:将所述压力传感数据输入所述第一层分解预测模型中,获取压力传感变化数据;
步骤S611-2:对所述压力传感变化数据进行压力变化特征分析,输出压力传感特征;
步骤S611-3:根据所述压力传感特征和预设周期进行压力预测,输出所述压力预测数据。
具体而言,将所述压力传感数据输入所述第一层分解预测模型中,根据所述第一层分解预测模型分别进行预测,获取压力预测数据,具体包括:将所述压力传感数据输入所述第一层分解预测模型中,获取压力传感变化数据,所述压力传感变化数据即上一个压力数据采集时间点与当前压力数据采集时间点所对应的压力传感数据之差;通过K-Medoids(中心点)算法对所述压力传感变化数据进行压力变化特征分析,简单来说就是选所述压力传感变化数据中位置最中心的对象,即中心点作为参照点,迭代直到所述压力传感变化数据中对象分布不再变化,在对象分布不再变化状态下,输出压力传感特征;根据所述压力传感特征和预设周期(所述预设周期为预设参数指标)进行压力预测,输出所述压力预测数据,所述压力预测数据的预测方案为优选所得,为保证压力预测数据对应预测方案的合理性提供基础。
进一步的,本申请实施例还包括:
步骤S611-4:将所述流速传感数据输入所述第一层分解预测模型中,获取流速传感变化数据;
步骤S611-5:根据所述流速传感变化数据,生成流速变化曲线;
步骤S611-6:对所述流速变化曲线进行曲线斜率计算,输出曲线变化斜率;
步骤S611-7:基于所述曲线变化斜率和预设周期进行预测,输出所述流速预测数据。
具体而言,将所述流速传感数据输入所述第一层分解预测模型中,根据所述第一层分解预测模型分别进行预测,获取流速预测数据,具体包括:将所述流速传感数据输入所述第一层分解预测模型中,获取流速传感变化数据,所述流速传感变化数据即上一个流速数据采集时间点与当前流速数据采集时间点所对应的流速传感数据之差;根据所述流速传感变化数据,构建一坐标系,所述坐标系的横坐标与纵坐标分别表示流速数据采集单位时间、流速传感变化数据,将流速数据采集时间点和流速传感变化数据输入所述坐标系中进行数据统计,对统计结束的数据点进行曲线拟合,生成流速变化曲线;通过求导对所述流速变化曲线进行曲线斜率计算,输出曲线变化斜率;基于所述曲线变化斜率和预设周期(所述预设周期为预设参数指标)进行预测,输出所述流速预测数据,所述流速预测数据的预测方案为优选所得,为保证流速预测数据对应预测方案的合理性提供基础。
进一步的,如图3所示,本申请实施例还包括:
步骤S611-8:将所述沉积传感数据输入所述第一层分解预测模型中,获取沉积传感变化数据;
步骤S611-9:根据沉积传感变化数据,获取对应的沉积传感时序数据;
步骤S611-10:基于所述沉积传感变化数据和所述沉积传感时序数据,生成沉积变化分布序列;
步骤S611-11:以预设周期为响应目标,对所述沉积变化分布序列进行马尔科夫链预测,获取所述沉积预测数据。
具体而言,将所述沉积传感数据输入所述第一层分解预测模型中,根据所述第一层分解预测模型分别进行预测,获取沉积预测数据,具体包括:将所述沉积传感数据输入所述第一层分解预测模型中,获取沉积传感变化数据,所述沉积传感变化数据即上一个沉积数据采集时间点与当前沉积数据采集时间点所对应的沉积传感数据之差;根据沉积传感变化数据,获取对应的沉积传感时序数据(对沉积传感数据与对应的沉积数据采集时间点进行数据关联合并,获取沉积传感时序数据);以所述沉积传感时序数据为当前状态,以所述沉积传感变化数据为激励信息,生成沉积变化分布序列;将预设周期设定为响应目标(所述预设周期为预设参数指标),对所述沉积变化分布序列进行马尔科夫链预测,获取所述沉积预测数据,所述沉积预测数据的预测方案为优选所得,为保证沉积预测数据对应预测方案的合理性提供基础。
进一步的,所述根据所述集成融合预测模型,获取融合预测结果之后,包括:
步骤S611:根据判断模块,判断所述融合预测结果是否大于预设调整空间限制,其中,所述判断模块包括分类器和判断器;
步骤S612:若所述融合预测结果大于所述预设调整空间限制,获取提醒信息,根据所述提醒信息对所述安装设备进行冲洗控制。
具体而言,流通池采用冲击式取样方法,浆液到达预设调整空间限制后进行自动冲洗控制,具体包括:根据判断模块,判断所述融合预测结果是否大于预设调整空间限制(pH值可调的空间上下范围),其中,所述判断模块包括分类器(分类识别压力变化、流速变化与沉积变化那种因素的影响大小)和判断器(判断是否大于pH值可调的空间上下范围);若所述融合预测结果大于所述预设调整空间限制,获取提醒信息,将所述所述提醒信息发送至脱硫管理系统,根据所述提醒信息对所述安装设备进行冲洗控制,为实现自动冲洗控制提供基础,保证了浆液实时置换,对电极球泡也有自清洁的作用,也减少了浆液中钙盐的沉积,提高电极使用的寿命。
综上所述,本申请所提供的一种基于集成融合模型的脱硫系统pH值预测方法及系统具有如下技术效果:
由于采用了连接目标工厂的脱硫管理系统,获取脱硫工艺流程的信息,确定脱硫pH电极对应的安装设备;将数据传感装置设于安装设备;根据多个子传感器,获取压力传感数据、流速传感数据和沉积传感数据;搭建集成融合预测模型;将压力传感数据、流速传感数据和沉积传感数据输入集成融合预测模型中,获取pH预测结果,发送至脱硫管理系统的预警终端,本申请通过提供了一种基于集成融合模型的脱硫系统pH值预测方法及系统,达到了利用集成融合模型对浆液罐进行多因影响分析,采用集成融合的方式智能调整pH值,提升pH值预测结果的精度,为脱硫管理系统的持续稳定运行提供参考的技术效果。
由于采用了将压力传感数据、流速传感数据和沉积传感数据输入集成融合预测模型中,获取融合预测结果;根据脱硫pH监测仪,获取pH监测数据,输入集成融合预测模型,以pH调整数据对pH监测数据集调整,输出pH预测结果,进一步提升pH预测结果的精准度。
由于采用了根据判断模块,判断融合预测结果是否大于预设调整空间限制;若融合预测结果大于预设调整空间限制,获取提醒信息,根据提醒信息对安装设备进行冲洗控制,为实现自动冲洗控制提供基础,保证了浆液实时置换,对电极球泡也有自清洁的作用,也减少了浆液中钙盐的沉积,提高电极使用的寿命。
实施例二
基于与前述实施例中一种基于集成融合模型的脱硫系统pH值预测方法相同的发明构思,如图4所示,本申请提供了一种基于集成融合模型的脱硫系统pH值预测系统,其中,所述系统包括:
脱硫工艺流程获取单元11,所述脱硫工艺流程获取单元11用于连接目标工厂的脱硫管理系统,获取脱硫工艺流程的信息;
安装设备确定单元12,所述安装设备确定单元12用于根据所述脱硫工艺流程的信息,确定脱硫pH电极对应的安装设备,其中,所述安装设备为所述脱硫工艺流程的节点设备;
安装设备布设单元13,所述安装设备布设单元13用于将数据传感装置设于所述安装设备,其中,所述数据传感装置包括多个子传感器,所述多个子传感器包括压力传感器、流速传感器和沉积传感器;
传感数据获取单元14,所述传感数据获取单元14用于根据所述多个子传感器,获取压力传感数据、流速传感数据和沉积传感数据;
融合预测模型搭建单元15,所述融合预测模型搭建单元15用于搭建集成融合预测模型,其中,所述集成融合预测模型包括第一层分解预测模型和第二层集成预测模型;
传感数据输入单元16,所述传感数据输入单元16用于将所述压力传感数据、流速传感数据和沉积传感数据输入所述集成融合预测模型中,根据所述集成融合预测模型,获取pH预测结果;
预测结果发送单元17,所述预测结果发送单元17用于将所述pH预测结果发送至所述脱硫管理系统的预警终端。
进一步的,所述系统包括:
融合预测结果获取单元,所述融合预测结果获取单元用于将所述压力传感数据、流速传感数据和沉积传感数据输入所述集成融合预测模型中,根据所述集成融合预测模型,获取融合预测结果,其中,所述融合预测结果为用于进行数据调整的pH调整数据;
pH监测数据获取单元,所述pH监测数据获取单元用于根据所述脱硫pH监测仪,获取pH监测数据;
pH监测数据集调整单元,所述用于将所述pH监测数据输入所述集成融合预测模型,以所述pH调整数据对所述pH监测数据集调整,输出所述pH预测结果。
进一步的,所述系统包括:
预测数据获取单元,所述预测数据获取单元用于将所述压力传感数据、流速传感数据和沉积传感数据输入所述第一层分解预测模型中,根据所述第一层分解预测模型分别进行预测,获取压力预测数据、流速预测数据和沉积预测数据;
预测模型训练单元,所述预测模型训练单元用于将所述压力预测数据、所述流速预测数据和所述沉积预测数据作为第二层的训练数据集,训练所述第二层集成预测模型,其中,所述第二层集成预测模型为基于压力、流速和沉积作为三维指标进行全连接所搭建的神经网络模型;
融合预测结果输出单元,所述融合预测结果输出单元用于根据所述第二层集成预测模型,获取所述融合预测结果。
进一步的,所述系统包括:
传感变化数据获取单元,所述传感变化数据获取单元用于将所述压力传感数据输入所述第一层分解预测模型中,获取压力传感变化数据;
特征分析单元,所述特征分析单元用于对所述压力传感变化数据进行压力变化特征分析,输出压力传感特征;
第一预测输出单元,所述第一预测输出单元用于根据所述压力传感特征和预设周期进行压力预测,输出所述压力预测数据。
进一步的,所述系统包括:
流速传感变化数据获取单元,所述流速传感变化数据获取单元用于将所述流速传感数据输入所述第一层分解预测模型中,获取流速传感变化数据;
流速变化曲线生成单元,所述流速变化曲线生成单元用于根据所述流速传感变化数据,生成流速变化曲线;
曲线斜率计算单元,所述曲线斜率计算单元用于对所述流速变化曲线进行曲线斜率计算,输出曲线变化斜率;
第二预测输出单元,所述第二预测输出单元用于基于所述曲线变化斜率和预设周期进行预测,输出所述流速预测数据。
进一步的,所述系统包括:
沉积传感变化数据获取单元,所述沉积传感变化数据获取单元用于将所述沉积传感数据输入所述第一层分解预测模型中,获取沉积传感变化数据;
传感时序数据获取单元,所述传感时序数据获取单元用于根据沉积传感变化数据,获取对应的沉积传感时序数据;
分布序列生成单元,所述分布序列生成单元用于基于所述沉积传感变化数据和所述沉积传感时序数据,生成沉积变化分布序列;
第三预测输出单元,所述第三预测输出单元用于以预设周期为响应目标,对所述沉积变化分布序列进行马尔科夫链预测,获取所述沉积预测数据。
进一步的,所述系统包括:
空间限制判断单元,所述空间限制判断单元用于根据判断模块,判断所述融合预测结果是否大于预设调整空间限制,其中,所述判断模块包括分类器和判断器;
提醒信息获取单元,所述提醒信息获取单元用于若所述融合预测结果大于所述预设调整空间限制,获取提醒信息,根据所述提醒信息对所述安装设备进行冲洗控制。
本说明书和附图仅仅是本申请的示例性说明,在不脱离本申请的精神和范围的情况下,可对其进行各种修改和组合。本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内,则本申请意图包括这些改动和变型在内。
Claims (6)
1.一种基于集成融合模型的脱硫系统pH值预测方法,其特征在于,所述方法应用于脱硫系统pH值预测系统,所述pH值预测系统与数据传感装置通信连接,所述方法包括:
连接目标工厂的脱硫管理系统,获取脱硫工艺流程的信息;
根据所述脱硫工艺流程的信息,确定脱硫pH电极对应的安装设备,其中,所述安装设备为所述脱硫工艺流程的节点设备;
将所述数据传感装置设于所述安装设备,其中,所述数据传感装置包括多个子传感器,所述多个子传感器包括压力传感器、流速传感器和沉积传感器;
根据所述多个子传感器,获取压力传感数据、流速传感数据和沉积传感数据;
搭建集成融合预测模型,其中,所述集成融合预测模型包括第一层分解预测模型和第二层集成预测模型;
将所述压力传感数据、流速传感数据和沉积传感数据输入所述集成融合预测模型中,根据所述集成融合预测模型,获取pH预测结果;
将所述pH预测结果发送至所述脱硫管理系统的预警终端;
其中,所述pH值预测系统与脱硫pH监测仪通信连接,所述方法还包括:
将所述压力传感数据、流速传感数据和沉积传感数据输入所述集成融合预测模型中,根据所述集成融合预测模型,获取融合预测结果,其中,所述融合预测结果为用于进行数据调整的pH调整数据;
根据所述脱硫pH监测仪,获取pH监测数据;
将所述pH监测数据输入所述集成融合预测模型,以所述pH调整数据对所述pH监测数据集调整,输出所述pH预测结果;
将所述压力传感数据、流速传感数据和沉积传感数据输入所述第一层分解预测模型中,根据所述第一层分解预测模型分别进行预测,获取压力预测数据、流速预测数据和沉积预测数据;
将所述压力预测数据、所述流速预测数据和所述沉积预测数据作为第二层的训练数据集,训练所述第二层集成预测模型,其中,所述第二层集成预测模型为基于压力、流速和沉积作为三维指标进行全连接所搭建的神经网络模型;
根据所述第二层集成预测模型,获取所述融合预测结果。
2.如权利要求1所述的方法,其特征在于,所述方法还包括:
将所述压力传感数据输入所述第一层分解预测模型中,获取压力传感变化数据;
对所述压力传感变化数据进行压力变化特征分析,输出压力传感特征;
根据所述压力传感特征和预设周期进行压力预测,输出所述压力预测数据。
3.如权利要求1所述的方法,其特征在于,所述方法还包括:
将所述流速传感数据输入所述第一层分解预测模型中,获取流速传感变化数据;
根据所述流速传感变化数据,生成流速变化曲线;
对所述流速变化曲线进行曲线斜率计算,输出曲线变化斜率;
基于所述曲线变化斜率和预设周期进行预测,输出所述流速预测数据。
4.如权利要求1所述的方法,其特征在于,所述方法还包括:
将所述沉积传感数据输入所述第一层分解预测模型中,获取沉积传感变化数据;
根据沉积传感变化数据,获取对应的沉积传感时序数据;
基于所述沉积传感变化数据和所述沉积传感时序数据,生成沉积变化分布序列;
以预设周期为响应目标,对所述沉积变化分布序列进行马尔科夫链预测,获取所述沉积预测数据。
5.如权利要求1所述的方法,其特征在于,所述根据所述集成融合预测模型,获取融合预测结果之后,包括:
根据判断模块,判断所述融合预测结果是否大于预设调整空间限制,其中,所述判断模块包括分类器和判断器;
若所述融合预测结果大于所述预设调整空间限制,获取提醒信息,根据所述提醒信息对所述安装设备进行冲洗控制。
6.一种基于集成融合模型的脱硫系统pH值预测系统,其特征在于,所述系统包括:
脱硫工艺流程获取单元,所述脱硫工艺流程获取单元用于连接目标工厂的脱硫管理系统,获取脱硫工艺流程的信息;
安装设备确定单元,所述安装设备确定单元用于根据所述脱硫工艺流程的信息,确定脱硫pH电极对应的安装设备,其中,所述安装设备为所述脱硫工艺流程的节点设备;
安装设备布设单元,所述安装设备布设单元用于将数据传感装置设于所述安装设备,其中,所述数据传感装置包括多个子传感器,所述多个子传感器包括压力传感器、流速传感器和沉积传感器;
传感数据获取单元,所述传感数据获取单元用于根据所述多个子传感器,获取压力传感数据、流速传感数据和沉积传感数据;
融合预测模型搭建单元,所述融合预测模型搭建单元用于搭建集成融合预测模型,其中,所述集成融合预测模型包括第一层分解预测模型和第二层集成预测模型;
传感数据输入单元,所述传感数据输入单元用于将所述压力传感数据、流速传感数据和沉积传感数据输入所述集成融合预测模型中,根据所述集成融合预测模型,获取pH预测结果;
预测结果发送单元,所述预测结果发送单元用于将所述pH预测结果发送至所述脱硫管理系统的预警终端;
融合预测结果获取单元,所述融合预测结果获取单元用于将所述压力传感数据、流速传感数据和沉积传感数据输入所述集成融合预测模型中,根据所述集成融合预测模型,获取融合预测结果,其中,所述融合预测结果为用于进行数据调整的pH调整数据;
pH监测数据获取单元,所述pH监测数据获取单元用于根据脱硫pH监测仪,获取pH监测数据;
pH监测数据集调整单元,所述用于将所述pH监测数据输入所述集成融合预测模型,以所述pH调整数据对所述pH监测数据集调整,输出所述pH预测结果;
预测数据获取单元,所述预测数据获取单元用于将所述压力传感数据、流速传感数据和沉积传感数据输入所述第一层分解预测模型中,根据所述第一层分解预测模型分别进行预测,获取压力预测数据、流速预测数据和沉积预测数据;
预测模型训练单元,所述预测模型训练单元用于将所述压力预测数据、所述流速预测数据和所述沉积预测数据作为第二层的训练数据集,训练所述第二层集成预测模型,其中,所述第二层集成预测模型为基于压力、流速和沉积作为三维指标进行全连接所搭建的神经网络模型;
融合预测结果输出单元,所述融合预测结果输出单元用于根据所述第二层集成预测模型,获取所述融合预测结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211687710.7A CN115684276B (zh) | 2022-12-28 | 2022-12-28 | 一种基于集成融合模型的脱硫系统ph值预测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211687710.7A CN115684276B (zh) | 2022-12-28 | 2022-12-28 | 一种基于集成融合模型的脱硫系统ph值预测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115684276A CN115684276A (zh) | 2023-02-03 |
CN115684276B true CN115684276B (zh) | 2023-03-21 |
Family
ID=85055681
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211687710.7A Active CN115684276B (zh) | 2022-12-28 | 2022-12-28 | 一种基于集成融合模型的脱硫系统ph值预测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115684276B (zh) |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN203376230U (zh) * | 2013-06-27 | 2014-01-01 | 浙江天蓝环保技术股份有限公司 | 一种浆液pH值和密度值测量装置 |
WO2017184073A1 (en) * | 2016-04-18 | 2017-10-26 | Sembcorp Industries Ltd | System and method for wastewater treatment process control |
CN106745739A (zh) * | 2016-12-22 | 2017-05-31 | 北京工业大学 | 一种基于神经网络模型预测pH变化实现SBR短程硝化的方法 |
US20180365555A1 (en) * | 2016-12-22 | 2018-12-20 | Naveed Aslam | Artificial intelligence based algorithm for predicting pipeline leak and corrosion detection |
CN111858715B (zh) * | 2020-07-24 | 2023-04-07 | 青岛洪锦智慧能源技术有限公司 | 一种基于数据挖掘的污水处理厂进水质量预测方法 |
CN112742187A (zh) * | 2020-12-10 | 2021-05-04 | 山西漳山发电有限责任公司 | 一种脱硫系统中pH值的控制方法及装置 |
CN113012767A (zh) * | 2021-02-24 | 2021-06-22 | 大唐环境产业集团股份有限公司 | 基于时间序列的脱硫系统浆液pH值在线预测方法及装置 |
CN214895137U (zh) * | 2021-05-07 | 2021-11-26 | 华能聊城热电有限公司 | 一种脱硫塔ph值测量装置 |
-
2022
- 2022-12-28 CN CN202211687710.7A patent/CN115684276B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN115684276A (zh) | 2023-02-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109784752A (zh) | 一种三峡库区水体富营养化风险评估预警系统及其分析方法 | |
CN101863088B (zh) | 一种橡胶混炼过程中门尼粘度的预报方法 | |
CN110322014A (zh) | 一种基于bp神经网络的水泥成品比表面积预测方法 | |
CN113610381B (zh) | 一种基于5g网络的水质远程实时监测系统 | |
AU2020102518A4 (en) | A method of gas sensor calibration based on linear optimization | |
CN110045771B (zh) | 一种鱼塘水质智能监测系统 | |
CN109299830B (zh) | 一种基于墒情监测的水文预报系统及方法 | |
CN113505471A (zh) | 一种河流断面污染物浓度预测计算方法 | |
CN111412959B (zh) | 流量在线监测计算方法、监测仪以及监测系统 | |
CN115684276B (zh) | 一种基于集成融合模型的脱硫系统ph值预测方法及系统 | |
CN111077806B (zh) | 一种用于移动机器人的电量管理系统 | |
CN109523077B (zh) | 一种风电功率预测方法 | |
CN114781249A (zh) | 基于多维评分模型的高密度澄清池加药量预测及控制方法 | |
CN117196883A (zh) | 一种基于人工智能的污水处理决策优化方法及系统 | |
KR102271504B1 (ko) | 상수관망 수질 및 수량 저전력 계측 시스템 | |
CN112836859A (zh) | 一种河口区污染物监测数据的智能融合与分析方法 | |
CN116068883B (zh) | 一种水利闸门的远程智能控制方法及系统 | |
CN115422850B (zh) | 基于efdc和边缘计算判断河流入河排污口污染贡献率的方法 | |
CN114768987B (zh) | 一种基于dcs的选煤厂重介灰分控制方法及系统 | |
CN112985503B (zh) | 一种油水两相流持率和流速在线测量装置及测量方法 | |
CN114818221A (zh) | 一种基于管网水动力模型与数据驱动模型的管网运行态势分析方法 | |
CN114936640A (zh) | 一种新能源发电智能预测模型的在线训练方法 | |
CN114444392A (zh) | 动液面预测方法和装置、电子设备和存储介质 | |
CN108984487B (zh) | 一种水位流量关系实时滑动拟合方法 | |
CN112507277A (zh) | 一种基于电信号的快速振幅预测算法 |
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 |