CN116258266A - 一种管理环保设备的方法、系统、设备及介质 - Google Patents
一种管理环保设备的方法、系统、设备及介质 Download PDFInfo
- Publication number
- CN116258266A CN116258266A CN202310228599.3A CN202310228599A CN116258266A CN 116258266 A CN116258266 A CN 116258266A CN 202310228599 A CN202310228599 A CN 202310228599A CN 116258266 A CN116258266 A CN 116258266A
- Authority
- CN
- China
- Prior art keywords
- environmental protection
- protection equipment
- emission
- data
- equipment
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 75
- 230000007613 environmental effect Effects 0.000 claims abstract description 467
- 239000000463 material Substances 0.000 claims abstract description 21
- 238000012549 training Methods 0.000 claims description 31
- 238000004458 analytical method Methods 0.000 claims description 27
- 238000007781 pre-processing Methods 0.000 claims description 14
- 238000010219 correlation analysis Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 6
- 238000003062 neural network model Methods 0.000 claims description 6
- 238000005265 energy consumption Methods 0.000 abstract description 5
- 239000000428 dust Substances 0.000 description 16
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 description 10
- 238000006477 desulfuration reaction Methods 0.000 description 9
- 230000023556 desulfurization Effects 0.000 description 9
- 238000012545 processing Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 229910021529 ammonia Inorganic materials 0.000 description 5
- 238000005457 optimization Methods 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 4
- 230000001276 controlling effect Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- MWUXSHHQAYIFBG-UHFFFAOYSA-N nitrogen oxide Inorganic materials O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 description 3
- RAHZWNYVWXNFOC-UHFFFAOYSA-N Sulphur dioxide Chemical compound O=S=O RAHZWNYVWXNFOC-UHFFFAOYSA-N 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 2
- 230000000295 complement effect Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000003920 environmental process Methods 0.000 description 2
- 239000002002 slurry Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000008021 deposition Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种管理环保设备的方法、系统、设备及介质。在上述的管理环保设备的方法中,基于第一环保设备的多个运行数据和预测模型,获得第一环保设备的多个排放预测值,之后再基于第一环保设备的多个排放预测值、第一环保设备的损耗数据和寻优模型,确定目标运行参数组合,最后根据该目标运行参数组合对第一环保设备进行控制,使得第一环保设备的排放真实值等于第一目标排放预测值。在此过程中,保证环保设备在安全排放的前提下,减少运行环保工艺时能源消耗和物料消耗。
Description
技术领域
本申请涉及处理环保数据的技术领域,特别是涉及一种管理环保设备的方法、系统、设备及介质。
背景技术
随着科学技术的快速发展,环境保护行业也在快速发展,各种环保设备相继出现,例如,脱硫治理设备实现脱除二氧化硫,除尘治理设备实现脱除粉尘,脱硝治理设备实现脱除氮氧化物等,为了使得环保设备可以实现高效治理,需要保证环保设备可以稳定运行。
目前主要由人工介入采用传统的控制器来控制环保设备,但是整个过程耗时费力且无法达成环保设备良好的运行状态,存在环保设备的能源消耗和物料消耗较高的问题。
发明内容
本申请提供了一种管理环保设备的方法、系统、设备及介质,利用神经网络模型可以控制环保设备进行稳定运行,减少环保设备运行时能源消耗和物料消耗。
第一方面,本申请提供了一种管理环保设备的方法,该方法包括:
获得第一环保设备的多个运行数据,所述运行数据包括运行环保工艺的工况数据和运行参数组合;
基于第一环保设备的多个运行数据和预测模型,获得第一环保设备的多个排放预测值,所述预测模型为训练完成的神经网络模型,所述预测模型的训练样本包括历史运行数据和对应的历史预测值;
基于第一环保设备的多个排放预测值、第一环保设备的损耗数据和寻优模型,确定目标运行参数组合,所述第一环保设备的损耗数据用于指示第一环保设备的能源损耗和物料损耗,所述寻优模型为训练完成的群体智能优化模型,所述寻优模型的训练样本包括历史预测值和每个历史预测值对应的运行参数组合;
基于目标运行参数组合对第一环保设备进行控制,使得第一环保设备的排放真实值等于第一目标排放预测值。
可选地,基于第一环保设备的多个运行数据和预测模型,获得第一环保设备的多个排放预测值,包括:
基于第一环保设备的多个运行数据、第二环保设备的多个排放预测值和预测模型,获得第一环保设备的多个排放预测值,所述第二环保设备的多个排放预测值基于第二环保设备的多个运行数据和预测模型确定,所述第二环保设备和所述第一环保设备属于同一管控系统。
可选地,基于第一环保设备的多个排放预测值、第一环保设备的损耗数据和寻优模型,确定目标运行参数组合,包括:
基于第一环保设备的多个排放预测值、第一环保设备的损耗数据、第二环保设备的多个排放预测值、第二环保设备的损耗数据和寻优模型,确定目标运行参数组合,所述第二环保设备的损耗数据用于指示第二环保设备的能源损耗和物料损耗。
可选地,该方法还包括:
基于目标运行参数组合对第二环保设备进行控制,使得第二环保设备的排放真实值等于第二目标排放预测值。
可选地,该方法还包括:获得第三环保设备的运行数据;基于第三环保设备的多个运行数据、第一环保设备的多个排放预测值和所述预测模型,获得第三环保设备的多个排放预测值;
基于第一环保设备的多个排放预测值、第一环保设备的损耗数据和寻优模型,确定目标运行参数组合,包括:基于第二环保设备的多个排放预测值、第二环保设备的损耗数据、第一环保设备的多个排放预测值、第一环保设备的损耗数据、第三环保设备的多个排放预测值、第三环保设备的损耗数据和寻优模型,确定目标运行参数组合,所述第三环保设备、第二环保设备和第一环保设备属于同一管控系统;
可选地,获得第一环保设备的多个运行数据,包括:
采集第一环保设备的原始运行数据;
将原始运行数据进行预处理,获得运行数据,所述预处理包括如下至少一种:数据完整性分析、数据异常性分析、数据关联性分析以及数据滞后性分析。
可选地,该方法还包括:
采集第一环保设备的排放真实值;
若排放真实值不在预设范围内,则,基于排放真实值和调节模型获得补偿量,所述调节模型为训练完成的神经网络模型,所述调节模型的训练样本包括历史排放值和历史补偿量;
基于补偿量对第一环保设备的排放真实值进行补偿,补偿后第一环保设备的排放真实值属于预设范围。
第二方面,本申请提供了一种管理环保设备的系统,该系统包括:数据获得模块,决策模块和执行模块,
数据获得模块,用于获得第一环保设备的多个运行数据,并向决策模块传输所述运行数据,所述运行数据包括运行环保工艺的工况数据和运行参数组合;
决策模块,用于基于第一环保设备的多个运行数据和预测模型,获得第一环保设备的多个排放预测值;
决策模块,还用于基于第一环保设备的多个排放预测值、第一环保设备的损耗数据和寻优模型,确定目标运行参数组合;
执行模块,用于基于目标运行参数组合对第一环保设备进行控制,使得第一环保设备的排放真实值等于第一目标排放预测值。
可选地,数据获得模块还用于:
获得第二环保设备的运行数据以及获得第三环保设备的运行数据,并向决策模块传输运行数据;
可选地,决策模块还用于:
基于第一环保设备的多个运行数据、第二环保设备的多个排放预测值和预测模型,获得第一环保设备的多个排放预测值,第二环保设备的多个排放预测值基于第二环保设备的多个运行数据和预测模型确定。
可选地,决策模块还用于:
基于第三环保设备的多个运行数据、第一环保设备的多个排放预测值和预测模型,获得第三环保设备的多个排放预测值。
可选地,决策模块还用于:
基于第一环保设备的多个排放预测值、第一环保设备的损耗数据、第二环保设备的多个排放预测值、第二环保设备的损耗数据和寻优模型,确定目标运行参数组合,所述第二环保设备的损耗数据用于指示第二环保设备的能源损耗和物料损耗。
可选地,决策模块还用于:
基于第二环保设备的多个排放预测值、第二环保设备的损耗数据、第一环保设备的多个排放预测值、第一环保设备的损耗数据、第三环保设备的多个排放预测值、第三环保设备的损耗数据和寻优模型,确定目标运行参数组合。
可选地,执行模块还用于:
基于目标运行参数组合对第二环保设备进行控制,使得第二环保设备的排放真实值等于第二目标排放预测值。
可选地,执行模块还用于:
基于目标运行参数组合对第三环保设备进行控制,使得第三环保设备的排放真实值等于第三目标排放预测值。
可选地,数据获得模块还用于:
采集第一环保设备的原始运行数据;
将原始运行数据进行预处理,获得运行数据,所述预处理包括如下至少一种:数据完整性分析、数据异常性分析、数据关联性分析以及数据滞后性分析。
可选地,数据获得模块还用于:
采集第一环保设备的排放真实值,将排放真实值传输至决策模块。
可选的,决策模块还用于:
若第一环保设备的排放真实值不在预设范围内,则,基于排放真实值和调节模型获得补偿量;
基于补偿量对第一环保设备的排放真实值进行补偿,补偿后第一环保设备的排放真实值属于预设范围。
第三方面,本申请提供了一种管理环保设备的装置,该装置包括:
获得单元,用于获得第一环保设备的多个运行数据,所述运行数据包括运行环保工艺的工况数据和运行参数组合;
获得单元,还用于基于第一环保设备的多个运行数据和预测模型,获得第一环保设备的多个排放预测值;
确定单元,用于基于第一环保设备的多个排放预测值、第一环保设备的损耗数据和寻优模型,确定目标运行参数组合;
控制单元,用于基于目标运行参数组合对第一环保设备进行控制,使得第一环保设备的排放真实值等于第一目标排放预测值。
可选地,获得单元还用于:
基于第一环保设备的多个运行数据、第二环保设备的多个排放预测值和预测模型,获得第一环保设备的多个排放预测值,所述第二环保设备的多个排放预测值基于第二环保设备的多个运行数据和预测模型确定。
可选地,确定单元还用于:
基于第一环保设备的多个排放预测值、第一环保设备的损耗数据、第二环保设备的多个排放预测值、第二环保设备的损耗数据和寻优模型,确定目标运行参数组合,所述第二环保设备的损耗数据用于指示第二环保设备的能源损耗和物料损耗。
可选地,控制单元还用于:
基于目标运行参数组合对第二环保设备进行控制,使得第二环保设备的排放真实值等于第二目标排放预测值。
可选地,获得单元还用于:
获得第三环保设备的运行数据;
基于第三环保设备的多个运行数据、第一环保设备的多个排放预测值和预测模型,获得第三环保设备的多个排放预测值。
可选地,确定单元还用于:
基于第二环保设备的多个排放预测值、第二环保设备的损耗数据、第一环保设备的多个排放预测值、第一环保设备的损耗数据、第三环保设备的多个排放预测值、第三环保设备的损耗数据和寻优模型,确定目标运行参数组合。
可选地,该装置还包括:
采集单元,用于采集第一环保设备的原始运行数据。
获得单元,还用于将原始运行数据进行预处理,获得运行数据,所述预处理包括如下至少一种:数据完整性分析、数据异常性分析、数据关联性分析以及数据滞后性分析。
可选地,该装置还包括:
采集单元,还用于采集第一环保设备的排放真实值;
处理单元,用于若排放真实值不在预设范围内,则,基于排放真实值和调节模型获得补偿量;
处理单元,还用于基于补偿量对第一环保设备的排放真实值进行补偿,补偿后第一环保设备的排放真实值属于预设范围。
第四方面,本申请提供了一种电子设备,该设备包括存储器以及处理器:
存储器用于存储计算机程序;
处理器用于根据计算机程序执行上述第一方面提供的方法。
第五方面,本申请还提供了一种计算机可读存储介质,计算机可读存储介质用于存储计算机程序,所述计算机程序用于执行上述第一方面提供的方法。
由此可见,本申请具有如下有益效果:
本申请提供了一种管理环保设备的方法、系统、设备及介质,基于第一环保设备的多个运行数据和预测模型,获得该第一环保设备的多个排放预测值,之后再基于第一环保设备的多个排放预测值、第一环保设备的损耗数据和寻优模型,确定目标运行参数组合,最后根据该目标运行参数组合对第一环保设备进行控制,使得第一环保设备的排放真实值等于第一目标排放预测值。在此过程中,利用预测模型可以获得排放不超标的多个排放预测值,之后,利用寻优模型从多个排放预测值中确定评分高的排放预测值,该排放预测值所对应的运行参数组合为目标参数组合,使得第一环保设备在处于正常运行状态,达到了排放不超过安全指标的前提下,减少第一环保设备运行时能源损耗消耗和物料消耗的目的。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例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申请中记载的一些实施例,对于本领域普通技术人员来讲,还可以根据这些附图获得其他的附图。
图1为本申请实施例中一种管理环保设备的方法的流程示意图;
图2为本申请实施例中一种管理环保设备的方法的构建示意图;
图3为本申请实施例中一种管理环保设备的系统300的结构示意图;
图4为本申请实施例中一种管理环保设备的方法的一实施例的流程示意图;
图5为本申请实施例中一种管理环保设备的方法的构建示意图;
图6为本申请实施例中一种管理环保设备的装置600的结构示意图;
图7为本申请实施例中一种电子设备700的结构示意图。
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。
本申请实施例中提到的“第一环保设备”、“第一目标排放预测值”等名称中的“第一”只是用来做名字标识,并不代表顺序上的第一。该规则同样适用于“第二”、“第三”等。
为了使环保设备可以实现高效治理,需要使环保设备满足稳定运行的条件,这就需要对环保设备进行管理,目前,大多是人工介入采用传统的控制器对环保设备进行控制,整个管理的过程需要耗费大量的人力和物力也无法达成环保设备较好的运行状态,造成资源的浪费。
本申请实施例中,通过第一环保设备的多个运行数据、第一环保设备的损耗数据、预测模型和寻优模型,可以确定第一环保设备的目标运行参数组合,并基于该目标运行参数组合对第一环保设备进行控制。具体实现时,该方法例如可以包括:首先获得第一环保设备的多个运行数据,之后基于第一环保设备的多个运行数据和预测模型,获得第一环保设备的多个排放预测值,然后,基于第一环保设备的多个排放预测值、第一环保设备的损耗数据和寻优模型,确定目标运行参数组合,最后基于该目标运行参数组合对第一环保设备进行控制,使得第一环保设备的排放真实值等于第一目标排放预测值。可见,本申请实施提供的方法,在确保排放安全的前提下,减少了环保设备的能源损耗和物料损耗。
为便于理解本申请实施例提供的管理环保设备的方法的具体实现,下面将结合附图进行说明。
需要说明的是,实施该管理环保设备的方法的主体可以为本申请实施例提供的管理环保设备的系统,也可以为本申请实施例提供的管理环保设备的装置,该管理环保设备的装置可以承载于电子设备或电子设备的功能模块中。本申请实施例中的电子设备,可以是任意的能够实施本申请实施例中的管理环保设备的设备,例如可以是物联网(Internetof Things,IoT)设备。
图1为本申请实施例提供的一种管理环保设备的方法的流程示意图。该方法可以应用于管理环保设备的系统,该管理环保设备的系统例如可以是图3所示的管理环保设备的系统300;该方法也可以应用于管理环保设备的装置,该管理环保设备的装置例如可以是如图6所示的管理环保设备的装置600,或者,该管理环保设备的装置也可以由集成于图7所示的电子设备700中的功能模块。
如图1所示,该方法包括以下S101~S104:
S101:获得第一环保设备的多个运行数据,所述运行数据包括运行环保工艺的工况数据和运行参数组合。
第一环保设备可以是除尘设备、脱硝设备或脱硫设备中的任意一种。
为了获得第一环保设备的目标运行参数组合,首先需要获得该第一环保设备的多个运行数据,之后基于第一环保设备的多个运行数据和预测模型,获得第一环保设备的多个排放预测值,再基于第一环保设备的多个排放预测值、损耗数据以及寻优模型,确定目标运行参数组合,则,最后根据目标运行参数组合对第一环保设备进行控制。因此,本申请实施例通过S101获得第一环保设备的多个运行数据,为获得第一环保设备的多个排放预测值提供了前置条件。
作为一个示例,S101可以包括:S1011,采集第一环保设备的原始运行数据,该原始运行数据包括第一环保设备的运行环保工艺的工况数据和运行参数组合;S1012,将原始运行数据进行预处理,获得运行数据,所述预处理包括数据完整性分析、数据异常性分析、数据关联性分析以及数据滞后性分析,从而提高原始运行数据的质量,提高后续使用预测模型时的精度。
上述示例中预处理的数据完整性分析可以包括:根据第一环保设备预先设定数据变化区间,然后通过频数分析来量化原始运行数据在变化区间的分布情况,可以得到原始运行数据完整性程度的数值;若该完整性程度的数值大于预设值(例如该预设值可以是70%),则该原始运行数据结束数据完整性分析;若该完整性程度的数值小于预设值,则通过内置的数据扰动模块进行原始运行数据自动调节以补全数据完整度。
上述示例中预处理的数据异常性分析可以包括:通过多种检测方法来定位异常数据,然后以异常值处理、波动数据修正等方式进行数据校正,其中,异常值处理例如可以包括:当原始运行数据出现超出指标阈值范围、瞬时飘零和负数等异常情况时,由于简单舍弃该部分的数据会影响时序数据的连续性,则会通过插值补全的方式消除异常;波动数据修正例如可以包括:当原始运行数据的数值出现上下波动明显时的情况时,为了保证数据的质量,会对原始运行数据进行平滑处理。
上述示例中预处理的数据关联性分析可以包括:通过分析原始运行数据与排放浓度的相关程度,从而剔除无关联或关联性很弱的部分数据,降低无用数据对模型品质的干扰,其中,相关程度的分析方式例如可以采用皮尔逊相关系数,皮尔逊相关系数的计算公式如下:
其中,公式中的r表示皮尔逊相关系数,r的绝对值越大,表明两者的相关性越强,D(X)和D(Y)分别为指标X和Y的方差,COV(X,Y)为指标X和Y的协方差。
上述示例中预处理的数据滞后性分析可以包括:通过内置调整模块实时计算原始运行数据调整到排放数值时出现反向波动的时间间隔,根据该时间间隔作为滞后时长来进行错位数据动态修正,获得可靠地运行数据。同时,为避免产生滞后时长计算的微小偏差,将所有关联指标进行滑动窗口平均值转换,形成高可靠的因果数据集。
S102:基于第一环保设备的多个运行数据和预测模型,获得第一环保设备的多个排放预测值,所述预测模型为训练完成的神经网络模型,所述预测模型的训练样本包括历史运行数据和对应的历史预测值。
为了保证第一环保设备排放数值或排放浓度处于安全范围,因此需要利用预测模型,获得安全性可行的多个排放预测值以及每个排放预测值所对应的运行参数组合。
作为一个示例,S102中的预测模型的训练过程可以包括:首先,将预测模型的训练样本的多个历史工况数据中的第i个历史工况数据和多个历史运行参数组合中的第i个历史运行参数组合依次输入第j个初始模型,获得第i个训练结果,i为大于或等于1的整数,j为大于或等于1的整数;然后,判断训练是否满足预设条件,若是,则,将第j个初始模型记作预测模型,其中,预设条件用于指示对预测模型的训练终止条件;若否,基于第i个训练结果和预测模型的训练样本中第i个历史工况数据和第i个历史运行参数组合所对应的第i个历史排放真实值,调整所述第j个模型,获得第(j+1)个初始模型;将i赋值为i+1,将j赋值为j+1,并返回执行将训练样本的多个历史工况数据中的第i个历史工况数据和多个历史运行参数组合中的第i个历史运行参数组合依次输入第j个初始模型,获得第i个训练结果。
其中,上述的预设条件可以是训练结果和历史检测结果之间的差异小于预设范围,或者,训练次数超过预设次数,或者,连续满足训练结果和历史预测值之间的差异小于预设范围的训练次数达到预设阈值。
除了利用单个环保设备自身的运行数据,获得该环保设备的排放预测值,还可以利用多个环保设备的运行数据,获得该环保设备的排放预测值,增加预测模型的输入数据,可以提高排放预测值的精准性,达到多个环保设备协同管理的目的。
因此,作为一个示例,S102还可以包括:基于第一环保设备的多个运行数据、第二环保设备的多个排放预测值和预测模型,获得第一环保设备的多个排放预测值,所述第二环保设备的多个排放预测值基于第二环保设备的多个运行数据和预测模型确定。其中,第二环保设备可以是脱硝设备或除尘设备中的任意一个,第一环保设备可以是除尘设备或脱硫设备中的任意一个。
S103:基于第一环保设备的多个排放预测值、第一环保设备的损耗数据和寻优模型,确定目标运行参数组合,所述第一环保设备的损耗数据用于指示第一环保设备的能源损耗和物料损耗,所述寻优模型为训练完成的群体智能优化模型,所述寻优模型的训练样本包括历史预测值和历史预测值中每个历史预测值对应的运行参数组合。
为了减少第一环保设备运行环保工艺时能源损耗和物料损耗,需要获得目标运行参数组合,作为一个示例,S103的寻优模型的输入是多组排放预测值与多组运行参数组合的对应关系以及损耗数据。
作为一个示例,S103的寻优模型的训练过程可以包括:首先,获得第一环保设备历史预测值和损耗数据;之后,利用评级函数对历史预测值和损耗数据进行数学计算,获得每个历史预测值对应的评分结果,所述评分结果用于指示历史预测值对应的运行参数组合的效率程度;然后,将多个评分结果进行评分大小的排序,将评分最大的历史预测值所对应的运行参数组合作为目标运行参数组合;最后,将历史预测值和历史预测值中每个历史预测值对应的运行参数组合作为训练样本,对初始模型进行训练,获得寻优模型。
作为一个示例,S103的寻优模型中的评价函数融合了对于运行参数组合可靠性、连续性和经济性一体化的评估因子,每个维度都通过归一化来解决各维度量程的偏差问题,还可以引入惩罚因子,通过进行惩罚来提高决策安全性。
除了利用单个环保设备的排放预测值,获得该环保设备的目标运行参数组合,还可以利用多个环保设备的排放预测值,获得多个环保设备对应的目标运行参数组合,达到多个环保设备协同管理的目的。
因此,作为一个示例,S103还可以包括:基于第一环保设备的多个排放预测值、第一环保设备的损耗数据、第二环保设备的多个排放预测值、第二环保设备的损耗数据和寻优模型,确定目标运行参数组合,所述第二环保设备的损耗数据用于指示第二环保设备的能源损耗和物料损耗。
基于上述的示例,本申请实施例还可以基于目标运行参数组合对第二环保设备进行控制,使得第二环保设备的排放真实值等于第二目标排放预测值。
S104:基于目标运行参数组合对第一环保设备进行控制,使得第一环保设备的排放真实值等于第一目标排放预测值。
本申请实施例中控制单个环保设备的方法可以通过例如图2所示的构建示意图实施,将环保设备的工况数据和运行参数组合输入至排放精准预测模型,获得排放预测值,再将该环保设备的损耗数据和评分预测值输入至参数智能寻优模型,在参数智能寻优模型中判断获得的运行参数组合是否为最优,若是,则输出目标运行参数组合,若否,则重新运行开始的步骤。通过获取单个环保设备的目标运行参数组合对该环保设备进行控制。其中,排放精准预测模型例如可以是预测模型,参数智能寻优模型例如可以是寻优模型。
除此之外,还可以利用多个环保设备获得的目标运行参数组合对相应的环保设备进行控制,可以更精准地控制多个环保设备,达到协同管理多个环保设备的目的。
以两个环保设备为例,本申请实施例还可以包括:首先获得第一环保设备的多个运行数据,基于第一环保设备的多个运行数据、第二环保设备的多个排放预测值和预测模型,获得第一环保设备的多个排放预测值;然后,基于第二环保设备的多个预测值、第二环保设备的损耗数据、第一环保设备的多个排放预测值、第一环保设备的损耗数据和寻优模型,确定目标运行参数组合;最后,基于目标运行参数组合分别对第一环保设备和第二环保设备进行控制,使得第一环保设备的排放真实值等于第一目标排放预测值以及第二环保设备的排放真实值等于第二目标排放预测值。其中,第二环保设备可以是脱硝设备或除尘设备中的任意一个,第一环保设备可以是除尘设备或脱硫设备中的任意一个。
以三个环保设备为例,本申请实施例还可以包括:首先获得第三环保设备的运行数据;之后,基于第三环保设备的多个运行数据、第一环保设备的多个排放预测值和预测模型,获得第三环保设备的多个排放预测值;然后,基于第二环保设备的多个排放预测值、第二环保设备的损耗数据、第一环保设备的多个排放预测值、第一环保设备的损耗数据、第三环保设备的多个排放预测值、第三环保设备的损耗数据和寻优模型,确定目标运行参数组合;最后,基于目标运行参数组合分别对第一环保设备、第二环保设备和第三环保设备进行控制,使得第一环保设备的排放真实值等于第一目标排放预测值、第二环保设备的排放真实值等于第二目标排放预测值以及第三环保设备的排放真实值等于第三目标排放预测值。其中,第三环保设备可以是脱硫设备,第一环保设备可以是除尘设备,第二环保设备可以是脱硝设备。
在控制了第一环保设备之后,还可以根据调节模型对第一环保设备的评分真实值进行调节,因此,本申请实施例还可以包括:首先采集第一环保设备的排放真实值;之后,若排放真实值不在预设值的预设范围内,则,基于排放真实值和调节模型获得补偿量,最后,基于补偿量对第一环保设备的排放真实值进行补偿,补偿后第一环保设备的排放真实值属于预设范围。
可见,本申请实施例中利用预测模型获得环保设备的排放预测值,保证排放预测值为处于排放安全下的排放值,从而确定该排放预测值对应的运行参数组合为可行的运行参数组合,之后利用寻优模型获得多组排放预测值中评分高的排放预测值,并将该排放预测值对应的运行参数组合作为目标运行参数组合,最后基于该目标运行参数组合对环保设备进行控制,从而实现在确保排放安全性下减少环保设备的能源损耗和物料的损耗,达到环保设备运行时效率最大化。
本申请实施例中的系统例如可以参见图3所示的管理环保设备的系统300,例如可以包括:数据获得模块301、决策模块302和执行模块303。
数据获得模块301,用于获得第一环保设备的多个运行数据,并向决策模块302传输运行数据;
决策模块302,用于基于第一环保设备的多个运行数据和预测模型,获得所述第一环保设备的多个排放预测值;
决策模块302,还用于基于第一环保设备的多个排放预测值、所述第一环保设备的损耗数据和寻优模型,确定目标运行参数组合;
执行模块303,用于基于目标运行参数组合对第一环保设备进行控制,使得第一环保设备的排放真实值等于第一目标排放预测值。
可选地,数据获得模块301还用于:
获得第二环保设备的运行数据以及获得第三环保设备的运行数据,并向决策模块302传输运行数据;
可选地,决策模块302还用于:
基于第一环保设备的多个运行数据、第二环保设备的多个排放预测值和预测模型,获得第一环保设备的多个排放预测值,第二环保设备的多个排放预测值基于第二环保设备的多个运行数据和预测模型确定。
可选地,决策模块302还用于:
基于第三环保设备的多个运行数据、第一环保设备的多个排放预测值和预测模型,获得第三环保设备的多个排放预测值。
可选地,决策模块302还用于:
基于第一环保设备的多个排放预测值、第一环保设备的损耗数据、第二环保设备的多个排放预测值、第二环保设备的损耗数据和寻优模型,确定目标运行参数组合,所述第二环保设备的损耗数据用于指示第二环保设备的能源损耗和物料损耗。
可选地,决策模块302还用于:
基于第二环保设备的多个排放预测值、第二环保设备的损耗数据、第一环保设备的多个排放预测值、第一环保设备的损耗数据、第三环保设备的多个排放预测值、第三环保设备的损耗数据和寻优模型,确定目标运行参数组合。
可选地,执行模块303还用于:
基于目标运行参数组合对第二环保设备进行控制,使得第二环保设备的排放真实值等于第二目标排放预测值。
可选地,执行模块303还用于:
基于目标运行参数组合对第三环保设备进行控制,使得第三环保设备的排放真实值等于第三目标排放预测值。
可选地,数据获得模块301还用于:
采集第一环保设备的原始运行数据;
将原始运行数据进行预处理,获得运行数据,所述预处理包括如下至少一种:数据完整性分析、数据异常性分析、数据关联性分析以及数据滞后性分析。
可选地,数据获得模块301还用于:
采集第一环保设备的排放真实值,将排放真实值传输至决策模块302。
可选的,决策模块302还用于:
若第一环保设备的排放真实值不在预设范围内,则,基于排放真实值和调节模型获得补偿量;
基于补偿量对第一环保设备的排放真实值进行补偿,补偿后第一环保设备的排放真实值属于预设范围。
除了实现对单个环保设备进行管理,本申请实施例还可以对多个环保设备进行管理达到协同管理环保设备,可以根据例如图4所示的构建示意图实施,利用三个环保设备所获得的目标运行参数组合对三个环保设备进行控制。下面结合图5对该方法进行具体说明。
本申请实施例中环保设备1例如可以是脱硝设备、环保设备2例如可以是除尘设备以及环保设备3例如可以是脱硫设备。即,环保设备1可以对应前述方法实施例中第二环保设备,环保设备2可以对应前述方法实施例中第一环保设备,环保设备3可以对应前述方法实施例中第三环保设备。
S501:数据获得模块301获得环保设备1的多个运行数据、环保设备2的多个运行数据以及环保设备3的多个运行数据,所述运行数据包括运行环保工艺的工况数据和运行参数组合。
数据获得模块301将采集环保设备的原始运行数据都存放在同一的数据库中,实现各子系统之间的信息共享。同样,将环保设备的原始运行数据进行预处理,获得环保设备的多个运行数据。
S502:决策模块302基于环保设备1的多个运行数据和预测模型,获得环保设备1的多个排放预测值。
作为一个示例,S502还包括:实时计算环保设备1的环保工艺(例如脱硝)过程中两侧脱除效率,高效侧提高用氨权重减少出口NOx排放,低效侧在确保排放安全前提下降低用氨,通过双侧协同来降低氨逃逸对除尘运行干扰。
S503:决策模块302基于环保设备1的多个排放预测值、环保设备2的多个运行数据和预测模型,获得环保设备2的多个排放预测值。
作为一个示例,由于S502获得的排放预测值例如可以是氨逃逸,对除尘积灰是存在影响的,因此对环保设备2的环保工艺(例如除尘)过程也是存在影响的,因此,将环保设备1的排放预测值作为输入数据输入至预测模型,使得环保设备2的排放预测值更精准。
S504:决策模块302基于环保设备2的多个排放预测值、环保设备3的多个运行数据和预测模型,获得环保设备3的多个排放预测值。
作为一个示例,由于S503获得的排放预测值例如可以是粉尘,对脱硫浆液品质是存在影响的,因此对环保设备3的环保工艺(例如脱硫)过程也是存在影响的,因此,将环保设备2的排放预测值作为输入数据输入至预测模型,可以弥补预测模型建模的关联性偏差,使得环保设备3的排放预测值更精准。
作为一个示例,当三个环保设备各自达到排放稳定运行时,上游环保设备的预测模型的输出作为下游环保设备的预测模型的输入,则形成排放协同预测体系。
S505:决策模块302基于环保设备1的多个排放预测值、环保设备1的损耗数据环保设备2的多个排放预测值、环保设备2的损耗数据、环保设备3的多个排放预测值、环保设备3的损耗数据和寻优模型,确定目标运行参数组合。
作为一个示例,S505可以包括:将上述获得的各个环保设备的多个排放预测值以及对应的损耗数据输入至寻优模型中,基于内置的评价函数对可靠性、连续性、经济性进行综合量化,获得高分排放预测值所对应的运行参数组合,从而确定目标运行参数组合。
S506:执行模块303基于目标运行参数组合对环保设备1、环保设备2和环保设备3进行控制,使得环保设备的排放真实值等于目标排放预测值。
作为一个示例,S506可以包括:执行模块303接收到决策模块302传输的目标运行参数组合,根据目标运行参数组合对相应的环保设备进行控制,从而相乘多种环保设备协同优化的方案,综合氨逃逸对除尘积灰以及粉尘排放对脱硫浆液品质的影响,从而减少能源损耗和物料的损耗,并且使得环保设备实现较佳的脱除运行效率。
本申请实施例中还包括展示模块,可以将环保设备采集以及分析得到的数据以数字孪生的形式进行展示,并且还可以查看环保设备工艺流程图的实时数据和历史曲线查询,从而实现实时查看环保设备的实时状态,可以更加高效地对环保设备进行控制。
本申请提供了一种管理环保设备的方法,一方面可以实现控制单个环保设备,在减少环保设备能源损耗和物料损耗的情况下,使该单个环保设备处于良好的运行状态。另一方面还可以实现控制多个环保设备,强化单个环保设备的预测模型和寻优模型,形成多个环保设备的协同方案,从而在减少多个环保设备的能源损耗和物料损耗的情况下,提高多个环保设备的脱除运行效率。
参见图6,本申请实施例提供一种管理环保设备的装置600,该装置包括:
获得单元601,用于获得第一环保设备的多个运行数据,所述运行数据包括运行环保工艺的工况数据和运行参数组合;
获得单元601,还用于基于第一环保设备的多个运行数据和预测模型,获得第一环保设备的多个排放预测值;
确定单元602,用于基于第一环保设备的多个排放预测值、第一环保设备的损耗数据和寻优模型,确定目标运行参数组合;
控制单元603,用于基于目标运行参数组合对第一环保设备进行控制,使得第一环保设备的排放真实值等于第一目标排放预测值。
可选地,获得单元601还用于:
基于第一环保设备的多个运行数据、第二环保设备的多个排放预测值和预测模型,获得第一环保设备的多个排放预测值,所述第二环保设备的多个排放预测值基于第二环保设备的多个运行数据和预测模型确定。
可选地,确定单元602还用于:
基于第一环保设备的多个排放预测值、第一环保设备的损耗数据、第二环保设备的多个排放预测值、第二环保设备的损耗数据和寻优模型,确定目标运行参数组合,所述第二环保设备的损耗数据用于指示第二环保设备的能源损耗和物料损耗。
可选地,控制单元603还用于:
基于目标运行参数组合对第二环保设备进行控制,使得第二环保设备的排放真实值等于第二目标排放预测值。
可选地,获得单元601还用于:
获得第三环保设备的运行数据;
基于第三环保设备的多个运行数据、第一环保设备的多个排放预测值和预测模型,获得第三环保设备的多个排放预测值。
可选地,确定单元602还用于:
基于第二环保设备的多个排放预测值、第二环保设备的损耗数据、第一环保设备的多个排放预测值、第一环保设备的损耗数据、第三环保设备的多个排放预测值、第三环保设备的损耗数据和寻优模型,确定目标运行参数组合。
可选地,该装置600还包括:
采集单元,用于采集第一环保设备的原始运行数据。
获得单元601,还用于将原始运行数据进行预处理,获得运行数据,所述预处理包括如下至少一种:数据完整性分析、数据异常性分析、数据关联性分析以及数据滞后性分析。
可选地,该装置600还包括:
采集单元,还用于采集第一环保设备的排放真实值;
处理单元,用于若排放真实值不在预设范围内,则,基于排放真实值和调节模型获得补偿量;
处理单元,还用于基于补偿量对第一环保设备的排放真实值进行补偿,补偿后第一环保设备的排放真实值属于预设范围。
本申请实施例还提供了一种电子设备700,如图7所示,所述设备700包括存储器701以及处理器702:
存储器701用于存储计算机程序;
处理器702用于根据计算机程序执行上述图1或图5提供的方法。
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上述实施例方法中的全部或部分步骤可借助软件加通用硬件平台的方式来实现。基于这样的理解,本申请的技术方案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,如只读存储器(英文:read-only memory,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,或者诸如路由器等网络通信设备)执行本申请各个实施例或者实施例的某些部分所述的方法。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置实施例而言,由于其基本相似于方法实施例,所以描述得比较简单,相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的,其中作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理模块,既可以位于一个地方,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模块来实现本实施例方案的目标。本领域普通技术人员在不付出创造性劳动的情况下,即可以理解并实施。
以上所述仅是本申请示例性的实施方式,并非用于限定本申请的保护范围。
Claims (10)
1.一种管理环保设备的方法,其特征在于,所述方法包括:
获得第一环保设备的多个运行数据,所述运行数据包括运行环保工艺的工况数据和运行参数组合;
基于所述第一环保设备的多个运行数据和预测模型,获得所述第一环保设备的多个排放预测值,所述预测模型为训练完成的神经网络模型,所述预测模型的训练样本包括历史运行数据和对应的历史预测值;
基于所述第一环保设备的多个排放预测值、所述第一环保设备的损耗数据和寻优模型,确定目标运行参数组合,所述第一环保设备的损耗数据用于指示所述第一环保设备的能源损耗和物料损耗,所述寻优模型为训练完成的群体智能优化模型,所述寻优模型的训练样本包括历史预测值和每个历史预测值对应的运行参数组合;
基于所述目标运行参数组合对所述第一环保设备进行控制,使得所述第一环保设备的排放真实值等于第一目标排放预测值。
2.根据权利要求1所述的方法,其特征在于,基于所述第一环保设备的多个运行数据和预测模型,获得所述第一环保设备的多个排放预测值,包括:
基于所述第一环保设备的多个运行数据、第二环保设备的多个排放预测值和所述预测模型,获得所述第一环保设备的多个排放预测值,所述第二环保设备的多个排放预测值基于所述第二环保设备的多个运行数据和所述预测模型确定,所述第二环保设备和所述第一环保设备属于同一管控系统。
3.根据权利要求2所述的方法,其特征在于,基于所述第一环保设备的多个排放预测值、所述第一环保设备的损耗数据和寻优模型,确定目标运行参数组合,包括:
基于所述第一环保设备的多个排放预测值、所述第一环保设备的损耗数据、所述第二环保设备的多个排放预测值、所述第二环保设备的损耗数据和所述寻优模型,确定所述目标运行参数组合,所述第二环保设备的损耗数据用于指示所述第二环保设备的能源损耗和物料损耗。
4.根据权利要求3所述的方法,其特征在于,所述方法还包括:
基于所述目标运行参数组合对所述第二环保设备进行控制,使得所述第二环保设备的排放真实值等于第二目标排放预测值。
5.根据权利要求2-4任一项所述的方法,其特征在于,所述方法还包括:
获得第三环保设备的运行数据;基于所述第三环保设备的多个运行数据、所述第一环保设备的多个排放预测值和所述预测模型,获得所述第三环保设备的多个排放预测值;
所述基于所述第一环保设备的多个排放预测值、所述第一环保设备的损耗数据和寻优模型,确定目标运行参数组合,包括:基于所述第二环保设备的多个排放预测值、所述第二环保设备的损耗数据、所述第一环保设备的多个排放预测值、所述第一环保设备的损耗数据、所述第三环保设备的多个排放预测值、所述第三环保设备的损耗数据和所述寻优模型,确定所述目标运行参数组合,所述第三环保设备、所述第二环保设备和所述第一环保设备属于同一管控系统。
6.根据权利要求1所述的方法,其特征在于,所述获得第一环保设备的多个运行数据,包括:
采集所述第一环保设备的原始运行数据;
将所述原始运行数据进行预处理,获得所述运行数据,所述预处理包括如下至少一种:数据完整性分析、数据异常性分析、数据关联性分析以及数据滞后性分析。
7.根据权利要求1所述的方法,其特征在于,所述方法还包括:
采集所述第一环保设备的排放真实值;
若所述排放真实值不在预设范围内,则,基于所述排放真实值和调节模型获得补偿量,所述调节模型为训练完成的神经网络模型,所述调节模型的训练样本包括历史排放值和对应的历史补偿值;
基于所述补偿量对所述第一环保设备的排放真实值进行补偿,补偿后所述第一环保设备的排放真实值属于所述预设范围。
8.一种管理环保设备的系统,其特征在于,所述系统包括:数据获得模块,决策模块和执行模块,
所述数据获得模块,用于获得第一环保设备的多个运行数据,并向所述决策模块传输所述运行数据,所述运行数据包括运行环保工艺的工况数据和运行参数组合;
所述决策模块,用于基于所述第一环保设备的多个运行数据和预测模型,获得所述第一环保设备的多个排放预测值;
所述决策模块,还用于基于所述第一环保设备的多个排放预测值、所述第一环保设备的损耗数据和寻优模型,确定目标运行参数组合;
所述执行模块,用于基于所述目标运行参数组合对所述第一环保设备进行控制,使得所述第一环保设备的排放真实值等于第一目标排放预测值。
9.一种电子设备,其特征在于,所述设备包括存储器和处理器,所述处理器用于执行所述存储器中存储的程序,运行如权利要求1-7任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质用于存储计算机程序,所述计算机程序用于执行权利要求1-7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310228599.3A CN116258266A (zh) | 2023-03-10 | 2023-03-10 | 一种管理环保设备的方法、系统、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310228599.3A CN116258266A (zh) | 2023-03-10 | 2023-03-10 | 一种管理环保设备的方法、系统、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116258266A true CN116258266A (zh) | 2023-06-13 |
Family
ID=86679085
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310228599.3A Pending CN116258266A (zh) | 2023-03-10 | 2023-03-10 | 一种管理环保设备的方法、系统、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116258266A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117452829A (zh) * | 2023-12-25 | 2024-01-26 | 北京可视化智能科技股份有限公司 | 一种脱硝智能决策方法、系统、终端及存储介质 |
-
2023
- 2023-03-10 CN CN202310228599.3A patent/CN116258266A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117452829A (zh) * | 2023-12-25 | 2024-01-26 | 北京可视化智能科技股份有限公司 | 一种脱硝智能决策方法、系统、终端及存储介质 |
CN117452829B (zh) * | 2023-12-25 | 2024-02-27 | 北京可视化智能科技股份有限公司 | 一种脱硝智能决策方法、系统、终端及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108090629B (zh) | 基于非线性自回归神经网络的负荷预测方法与系统 | |
CN112990556A (zh) | 一种基于Prophet-LSTM模型的用户用电能耗预测方法 | |
CN113469449B (zh) | 脱硫系统的寻优控制方法及系统 | |
CN110516821B (zh) | 一种船舶维修资源配置优化方法及装置 | |
CN116258266A (zh) | 一种管理环保设备的方法、系统、设备及介质 | |
CN109063892A (zh) | 基于bp-lssvm组合优选模型的工业电量预测方法 | |
CN111695730B (zh) | 基于arima及rnn的立磨振动预测方法及装置 | |
CN114155072A (zh) | 基于大数据分析的财务预测模型构建方法及系统 | |
CN115099592A (zh) | 一种信息监理风险的智能管控方法及系统 | |
CN113468813B (zh) | 一种脱硫系统入口so2浓度预测方法、装置、电子设备 | |
CN117933058A (zh) | 连铸工艺参数的调整方法、系统及模型生成方法、系统 | |
CN116542380B (zh) | 基于自然语言的电厂供应链碳足迹优化方法及装置 | |
CN117826606A (zh) | 一种吸收稳定系统的变量优化方法及控制设备 | |
CN109829115B (zh) | 搜索引擎关键词优化方法 | |
CN116644965A (zh) | 一种项目预算的可视化分析方法及系统 | |
CN116484675A (zh) | 一种舰船发动机叶片的裂纹扩展寿命预测方法及系统 | |
CN112668249B (zh) | 电网一次设备大修技改方案在线构建方法及系统 | |
CN112862180A (zh) | 一种脱硝系统入口NOx浓度预测方法 | |
CN111340648A (zh) | 一种基于物联网的能源管控方法及系统 | |
CN116432990B (zh) | 一种基于协同过滤算法的电力任务决策分析方法 | |
CN118134295B (zh) | 一种需求响应用户信用评价方法、系统、存储介质及设备 | |
CN118521187B (zh) | 一种基于人工智能的工程技术支持与决策管理系统 | |
CN113570066B (zh) | 数据处理方法、系统、电子设备及存储介质 | |
CN118569546A (zh) | 印刷产线工单管控方法及系统 | |
CN115878994A (zh) | 一种特征对指标的影响评价方法、装置、设备及存储介质 |
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 |