CN116665803A - 废料处理设备的控制方法、系统、电子设备及存储介质 - Google Patents
废料处理设备的控制方法、系统、电子设备及存储介质 Download PDFInfo
- Publication number
- CN116665803A CN116665803A CN202310597216.XA CN202310597216A CN116665803A CN 116665803 A CN116665803 A CN 116665803A CN 202310597216 A CN202310597216 A CN 202310597216A CN 116665803 A CN116665803 A CN 116665803A
- Authority
- CN
- China
- Prior art keywords
- environmental protection
- protection parameter
- set value
- trend
- waste treatment
- 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
- 239000002699 waste material Substances 0.000 title claims abstract description 101
- 238000000034 method Methods 0.000 title claims abstract description 78
- 238000003860 storage Methods 0.000 title claims abstract description 8
- 230000007613 environmental effect Effects 0.000 claims abstract description 229
- 239000002994 raw material Substances 0.000 claims abstract description 85
- 230000008859 change Effects 0.000 claims abstract description 63
- 238000004519 manufacturing process Methods 0.000 claims abstract description 40
- MWUXSHHQAYIFBG-UHFFFAOYSA-N nitrogen oxide Inorganic materials O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 claims description 72
- 230000006870 function Effects 0.000 claims description 36
- 238000004364 calculation method Methods 0.000 claims description 19
- 230000015654 memory Effects 0.000 claims description 19
- 238000004891 communication Methods 0.000 claims description 18
- 238000005457 optimization Methods 0.000 claims description 14
- 238000012549 training Methods 0.000 claims description 13
- 239000003795 chemical substances by application Substances 0.000 claims description 10
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical group [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 claims description 6
- 239000003546 flue gas Substances 0.000 claims description 6
- 238000011144 upstream manufacturing Methods 0.000 claims description 4
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 3
- 238000002485 combustion reaction Methods 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 3
- 239000000446 fuel Substances 0.000 claims description 3
- 239000001301 oxygen Substances 0.000 claims description 3
- 229910052760 oxygen Inorganic materials 0.000 claims description 3
- 238000009826 distribution Methods 0.000 claims description 2
- 239000003344 environmental pollutant Substances 0.000 description 14
- 231100000719 pollutant Toxicity 0.000 description 14
- 230000008569 process Effects 0.000 description 14
- 238000005516 engineering process Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 6
- 239000000356 contaminant Substances 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000001914 filtration Methods 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 239000007789 gas Substances 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000004886 process control Methods 0.000 description 2
- VHUUQVKOLVNVRT-UHFFFAOYSA-N Ammonium hydroxide Chemical compound [NH4+].[OH-] VHUUQVKOLVNVRT-UHFFFAOYSA-N 0.000 description 1
- 235000019738 Limestone Nutrition 0.000 description 1
- 235000011114 ammonium hydroxide Nutrition 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000006298 dechlorination reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000006477 desulfuration reaction Methods 0.000 description 1
- 230000023556 desulfurization Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 239000002440 industrial waste Substances 0.000 description 1
- 239000006028 limestone Substances 0.000 description 1
- 230000007787 long-term memory Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- YHXISWVBGDMDLQ-UHFFFAOYSA-N moclobemide Chemical compound C1=CC(Cl)=CC=C1C(=O)NCCN1CCOCC1 YHXISWVBGDMDLQ-UHFFFAOYSA-N 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 238000011022 operating instruction Methods 0.000 description 1
- 239000000376 reactant Substances 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000002912 waste gas Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- 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
- G16C20/30—Prediction of properties of chemical compounds, compositions or mixtures
-
- 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
- G06Q50/04—Manufacturing
-
- 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)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Primary Health Care (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- Crystallography & Structural Chemistry (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computing Systems (AREA)
- Manufacturing & Machinery (AREA)
- Processing Of Solid Wastes (AREA)
Abstract
本申请实施例提供了一种废料处理设备的控制方法、系统、电子设备及存储介质,其中方法包括:根据废料处理设备的历史生产数据对环保参数的变化趋势进行预测,得到环保参数对应的第一趋势预测结果;通过目标预测模型根据环保参数当前的设定值对所述环保参数的变化趋势进行预测,得到环保参数对应的第二趋势预测结果,根据所述第二趋势预测结果以及环保参数标准更新所述设定值;根据所述第一趋势预测结果、更新后的所述设定值以及所述环保参数的当前值,调整所述废料处理设备的原料用量。本方案可以降低环保参数的波动,增强控制系统的鲁棒性和稳定性,显著节省废料处理设备的原料用量,降低废料处理的成本。
Description
技术领域
本申请实施例涉及数据处理技术领域,尤其涉及一种废料处理设备的控制方法、系统、电子设备及存储介质。
背景技术
工业制造指通过一系列生产装置将不同原料经过物理或化学反应加工成高附加值的产物,这个过程往往伴随着大量工业排放物。工业排放物往往无法直接达到环保部门的限制要求,需要先通过相应的废料处理设备对工业排放物进行处理,达到排放标准后方可对外排放。
环保要求一般为污染物在排放物中每小时的平均浓度上限。由于工业污染物处理的过程中,每小时的平均浓度无法提前获得,操作员一般对瞬时浓度进行设定值控制。同时为保证排放物中污染物的每小时平均浓度低于环保标准的上限,往往会偏向于为废料处理设备设置更为保守的设定值,如把污染物的设定值设置成远远低于环保上限的方式,以此完成考核指标,这会使得废料处理设备的原料用量过大,极大地提高处理污染物的成本。
有鉴于此,现在亟需一种新的废料处理设备的控制方法,以降低废料处理的成本。
发明内容
有鉴于此,本申请实施例提供一种废料处理设备的控制方案,以至少部分解决上述问题。
根据本申请实施例的第一方面,提供了一种废料处理设备的控制方法,包括:
根据废料处理设备的历史生产数据对环保参数的变化趋势进行预测,得到环保参数对应的第一趋势预测结果;通过目标预测模型根据环保参数当前的设定值对所述环保参数的变化趋势进行预测,得到环保参数对应的第二趋势预测结果,根据所述第二趋势预测结果以及环保参数标准更新所述设定值;根据所述第一趋势预测结果、更新后的所述设定值以及所述环保参数的当前值,调整所述废料处理设备的原料用量。
根据本申请实施例的第二方面,提供了又一种废料处理设备的控制方法,包括:
采集废料处理设备的历史生产数据以及所述历史数据对应的废料处理设备的环保参数的变化序列,得到第一样本数据;根据所述第一样本数据训练序列预测模型,以使得所述序列预测模型进行环保参数的变化趋势预测,得到环保参数对应的第一趋势预测结果;令控制器根据所述第一趋势预测结果、预设的设定值以及所述废料处理设备的环保参数的当前值,调整所述废料处理设备的原料用量;采集所述设定值以及所述设定值对应的所述环保参数的变化序列,得到第二样本数据;根据所述第二样本数据训练目标预测模型,以使得所述目标预测模型根据所述控制器当前的设定值对所述环保参数的变化趋势预测,得到环保参数对应的第二趋势预测结果,根据所述第二趋势预测结果以及环保参数标准更新所述控制器的设定值。
根据本申请实施例的第三方面,提供了废料处理设备的控制系统,包括:
第一趋势预测模块,用于根据废料处理设备的历史生产数据对环保参数的变化趋势进行预测,得到环保参数对应的第一趋势预测结果;
设定值更新模块,用于通过目标预测模型根据环保参数当前的设定值对所述环保参数的变化趋势进行预测,得到环保参数对应的第二趋势预测结果,根据所述第二趋势预测结果以及环保参数标准更新所述设定值;
原料用量调整模块,用于根据所述第一趋势预测结果、更新后的所述设定值以及所述环保参数的当前值,调整所述废料处理设备的原料用量。
根据本申请实施例的第四方面,提供了一种电子设备,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行如上述方法对应的操作。
根据本申请实施例的第五方面,提供了一种计算机存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上所述的方法。
根据本申请实施例提供的废料处理设备控制方法,基于废料处理设备的历史生产数据对环保参数的变化趋势进行预测后,可根据得到的第一趋势预测结果准确判断是否需要调整原料用量,使得对原料用量的调整更加及时,从而降低环保参数的波动,提升废料处理设备的控制系统的稳定性,减少因环保参数瞬时提升而造成的原料浪费。另外,通过目标预测模型可仅根据环保参数当前的设定值获得第二趋势预测结果,即获得环保参数在预测时间范围内每个时刻可能的变化区间,从而模拟环保参数变化的不确定性,获得更为鲁棒的设定值,使得在最坏的不可控情况下,环保参数也不会超过环保参数标准,同时不必特意将污染物的环保参数设定值设置成远低于环保上限,从而降低原料用量。综上,本申请实施例中,根据第一趋势预测结果、更新后的设定值以及环保参数的当前值,调整废料处理设备的原料用量,可以降低环保参数的波动,增强控制系统的鲁棒性和稳定性,显著节省废料处理设备的原料用量,降低废料处理的成本。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术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实施例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1A为现有的一种废料处理设备的控制方法的步骤流程图;
图1B为现有的另一种废料处理设备的控制方法的步骤流程图;
图2为根据本申请实施例的一种废料处理设备的控制方法的步骤流程图;
图3为根据本申请实施例的另一种废料处理设备的控制方法的步骤流程图;
图4为根据本申请实施例的又一种废料处理设备的控制方法的步骤流程图;
图5为根据本申请实施例的一种环保参数变化趋势预测示意图;
图6为根据本申请实施例的一种数据处理结构的示意图;
图7为根据本申请实施例的一种废料处理设备的控制系统的结构框图;
图8为根据本申请实施例的一种电子设备的结构示意图。
具体实施方式
为了使本领域的人员更好地理解本申请实施例中的技术方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本申请实施例一部分实施例,而不是全部的实施例。基于本申请实施例中的实施例,本领域普通技术人员所获得的所有其他实施例,都应当属于本申请实施例保护的范围。
为了更加详细地说明本实施例提供的方案,下面以脱硝设备对氮氧化物进行处理为例,对现有的两种废料处理设备的控制方法进行示例性说明。
方案一、PID(Proportional Integral Derivative,比例积分微分)控制。
PID控制系统为按照被控对象的实时数据采集的信息与给定值比较,产生的误差的比例、积分和微分进行控制的控制系统。
如图1A所示,本方案可包括以下步骤:
S101:对脱硝装置出口、烟囱出口氮氧化物浓度进行滤波。
S102:通过调整脱硝剂的用量,降低脱硝装置出口的氮氧化物浓度波动。
S103:通过调整脱硝装置出口氮氧化物浓度的目标值,保证烟囱出口氮氧化物浓度的稳定。
本方案为现有技术,具体实现过程可参考相关技术,在此不再赘述。
本方案的执行过程中,通常仅通过PID控制将瞬时值稳定在设定值附近,无法保证氮氧化物浓度的小时均值满足环保限值;并且,本方案仅通过反馈的方式进行决策,没有充分挖掘其他关键工艺参数对废气中氮氧化物浓度的表征作用,在控制系统存在较大时滞时无法保证系统的稳定性。
方案二、模型预测控制(Model Predictive Control,MPC)。
模型预测控制是一种基于模型的针对多输入多输出的复杂控制器算法,可以利用一个已有的模型、系统当前的状态和未来的控制量去预测系统未来的输出。
如图1B所示,本方案可包括以下步骤:
S111:对烟囱出口氮氧化物浓度做短时滤波和小时平均处理。
S112:通过系统辨识工具建立脱硝剂用量到烟囱氮氧化物浓度短时滤波和小时均值的控制模型。
S113:将脱硝剂用量作为操作变量、将上述两个变量作为被控变量,并配置上述控制模型,以及相应的MPC参数。
S114:将计算结果反写至脱硝装置实现闭环运行,实现烟囱出口氮氧化物浓度的稳定和安全。
本方案也为现有技术,具体实现过程可参考相关技术,在此不再赘述。
本方案中,通过MPC控制可同时兼顾小时均值和瞬时值,但一方面该方案很难满足氮氧化物浓度整点结算的场景需求;另一方面由于控制器性能的局限性以及外部扰动的存在,导致人工会给定更为保守的目标值,仍然存在较大的优化空间。
为此,本申请实施例提供了一种新的废料处理设备的控制方法,能够对污染物的变化趋势进行更精准的预测,同时具有更高的鲁棒性,可以适应外部扰动的存在,确定更为精准的污染物控制目标,节省原料用量,使得污染物的控制指标在整点的一小时内均满足环保要求。
参考说明书附图2,示出了本申请一个实施例提供的一种废料处理设备的控制方法的流程示意图,如图2所示,该方法包括:
S201:根据废料处理设备的历史生产数据对环保参数的变化趋势进行预测,得到环保参数对应的第一趋势预测结果。
环保参数为各种环保规定中针对污染物进行限定的参数,例如气体污染物的浓度、水污染物的PH值等。
历史生产数据包括与环保参数变化相关联的参数,例如原料用量、温度等。历史生产数据可以直接从废料处理设备中获取,也可以接入包含存储废料处理设备的综合控制系统进行获取,例如,现场生产过程和废料处理过程的数据往往通过现场总线等通讯协议汇集于分布式控制系统(Distributed Control System,DCS),此时可以通过OPC(ObjectLinking and Embedding for Process Control,应用于过程控制的对象连接与嵌入技术)等通讯协议从分布式控制系统的数据库中获取存储废料处理设备的历史生产数据。类似地,与历史生产数据对应的实时数据也可以采用同样的方法进行获取。
第一趋势预测结果为环保参数在预测时间范围内的预测值,用于表征环保参数在预测时间范围内的变化趋势。
在一些可选的实施例中,废料处理设备为烟气脱硝设备,环保参数为氮氧化物的浓度,历史生产数据中包括以下参数至少之一:脱硝剂的用量(原料用量)、上游设备出口的氮氧化物浓度、生产设备(例如高炉)的燃料用量、燃烧温度、氧量、风量、压力等。
本申请实施例可应用于烟气脱硝设备,对氮氧化物进行处理;并且可通过脱硝剂的用量(原料用量)、上游设备出口的氮氧化物浓度、生产设备(例如高炉)的燃料用量、燃烧温度、氧量、风量、压力等参数的历史数据,挖掘上下游设备的相关参数与氮氧化物浓度之间的关系,更好地表征脱硝反应中发生的一系列非线性的变化,全面准确地对氮氧化物浓度的变化趋势进行预测,并且可以根据预测结果更准确地调整烟气脱硝设备原料用量。
需要说明的是,本实施例提供的方案还可以用于烟气脱硫、烟气脱氯等场景,其均在本申请的保护范围内。
作为一种可行的实现方式,本申请实施例中的历史生产数据或实时数据为经过预处理的数据,预处理可以包括异常值剔除、缺失值填充、数据滤波、仪表异常检测等,具体的处理过程可参考相关技术,在此不再赘述。
S202:通过目标预测模型根据环保参数当前的设定值对环保参数的变化趋势进行预测,得到环保参数对应的第二趋势预测结果,根据第二趋势预测结果以及环保参数标准更新设定值。
本申请实施例中,目标预测模型可采用后续实施例三中训练得到目标预测模型,也可采用其他合适的模型,均在本申请的保护范围内。环保参数的设定值是为了使环保参数达到调整目标,而为工业废料处理设备设定的环保参数的调整目标值。
环保参数的第二趋势预测结果用于表征环保参数在预测时间范围内的变化情况。环保参数标准为环保规定文件中对环保参数设定的限值,可从相关的规定文件中获得,例如锅炉排放的各种气体污染物对应的环保参数标准可查询《锅炉大气污染物排放标准》、火电厂排放的各种气体污染物对应的环保参数标准可查询《火电厂大气污染物排放标准》获得。
本申请实施例可根据第二趋势预测结果和环保参数标准对环保参数的设定值进行更新。在一些可选的实施例中,若根据第二趋势预测结果反映的环保参数的变化趋势,确定环保参数的变化趋势不满足环保参数标准,例如会超出环保参数标准或者远小于环保参数标准,则可以调整环保参数的设定值,以使得根据环保参数的设定值调整后的环保参数符合环保参数标准,且尽量保证环保参数的变化趋势与环保参数标准更加接近。
在一些可选的实施例中,第二趋势预测结果用于指示当前时刻之后的预设时间段内所述环保参数的分布情况,此时,根据第二趋势预测结果以及环保参数标准更新设定值,包括:构建基于第二趋势预测结果以及设定值的环保参数预测函数,以及构建基于设定值的原料用量计算函数,以满足环保参数标准为约束条件,以原料用量最少为优化目标,求解环保参数预测函数和原料用量计算函数,根据环保参数预测函数和原料用量计算函数的求解结果更新设定值。
本申请实施例中,原料用量计算函数中包括第二趋势预测结果以及设定值变化后环保参数变化量的预测函数,即原料用量计算函数中以第二趋势预测结果为基准,在其上叠加设定值变化后的环保参数变化量,从而可以得到设定值变化后的环保参数变化趋势。
原料用量计算函数主要利用设定值与原料用量之间的关系进行确定,例如:可以根据废料处理过程涉及的化学反应中反应物的变化关系进行确定,具体的确定过程可参考相关技术,此处不再进行赘述。另外,原料用量也可以采用序列预测模型或控制模型进行确定,例如构建序列预测模型或控制模型时对设定值与原料用量之间的关系也进行拟合,从而能得到原料用量计算函数。
本申请实施例中,约束条件根据环保参数标准进行设定,例如约束第二趋势预测结果中的环保参数始终小于环保参数标准,或约束第二趋势预测结果中的环保参数的平均值小于预设阈值等。
约束条件和优化目标设定完成后,在约束条件和优化目标的限制下,对环保参数预测函数和原料用量计算函数进行求解,解出满足条件的设定值后以其更新环保参数的设定值。作为一种可行的实现方式,环保参数设定值为一个序列,即,环保参数的设定值可以随时间变化而调整,在此情况下,对环保参数预测函数和原料用量计算函数进行求解,得到的设定值是一个满足约束条件和优化目标的设定值序列,更新环保参数的设定值时只采用该设定值序列中的第一个值,下一时刻的环保参数设定值仍然通过在约束条件和优化目标的限制下,对环保参数预测函数和原料用量计算函数进行求解获得。
作为一种可行的实现方式,约束条件设置为:未来一个环保参数统计周期内环保参数的平均值小于环保参数标准的上限,约束条件的公式表示如下:
式中,si为未来i时刻环保参数的预测值,HL为环保参数标准的上限值,T为环保参数的统计周期。其中,si可通过以下环保参数预测函数获得:
si=fi(sp0)+gi(sp)
式中,sp为环保参数的设定值,sp0为环保参数的当前设定值,fi(sp0)为未来i时刻的第二趋势预测结果,gi(sp)为sp变化后未来i时刻环保参数变化量的预测结果。gi(sp)可由目标预测模型变化获得,也可以通过构建相应的预测模型获得,具体的获得过程可参考相关技术,此处不再进行赘述,均在本申请实施例的保护范围之内。
设原料用量计算函数为C(sp),则根据优化条件的限制,可以得目标函数如下:
L1=minsp C(sp),
L1为目标函数,应该理解,上式用于计算C(sp)取最小值时对应的sp取值。
本申请实施例通过以环保参数标准为约束条件、以原料用量最少为优化目标,可以约束环保参数的变化满足环保的规定,并且尽量保证环保参数的变化趋势与环保参数标准更加接近,从而减少废料处理设备的原料用量,节约废料处理的成本。
在一些可选的实施例中,优化目标还包括:更新后的设定值与当前的设定值之间的差值最小。
为兼顾原料用量最少和更新后的设定值与当前的设定值之间的差值最小的优化目标,可基于原料用量和更新后的设定值与当前的设定值之间的差值构建目标函数,计算使得目标函数取值最小的原料用量,将此原料用量对应的设定值更新为新的述设定值。示例性地,目标函数可以采用下式:
L2=minsp[λ1Δsp2+λ2C(sp)]
其中,L2为目标函数,C(sp)为原料用量计算函数,sp为环保参数的设定值,Δsp2为sp与当前环保参数的设定值之间的差值的平方,λ1和λ2分别为C(sp)和Δsp2的权重,上式用于计算[λ1Δsp2+λ2C(sp)]最小时sp的取值。λ1和λ2可以由本领域的技术人员按照需求确定。例如,若本领域的技术人员认为原料用量的重要性大于更新后的设定值与当前的设定值之间的差值的重要性,则可以设置λ1小于λ2。
本申请实施例可以基于原料用量和更新后的设定值与当前的设定值之间的差值构建目标函数,兼顾节约原料用量和减小更新后的设定值与当前的设定值之间的差值。通过减小更新后的设定值与当前的设定值之间的差值可以使得原料用量的调整更加平稳,减少设定值的调整过程对第一趋势预测结果的影响,保证第一趋势预测结果的准确性,缩小环保参数变化相对于原料用量调整的滞后性,加快原料调整的响应速度。
S203:根据第一趋势预测结果、更新后的设定值以及环保参数的当前值,调整废料处理设备的原料用量。
本申请实施例中,可根据第一趋势预测结果判断未来的环保参数是否满足要求,确定是否需要对原料用量进行调整。例如,判断在未来预定时间(如1分钟、3分钟、5分钟等)内,环保参数是否始终小于环保参数标准,若是,则满足要求,若否,则不满足要求;或者,判断在未来预定时间内,环保参数是否只在预定区间内波动,若是,则满足要求,若否,则不满足要求。
若未来的环保参数满足要求,则不必对原料用量进行调整。
若未来的环保参数不满足要求,则根据更新后的设定值以及环保参数的当前值,调整原料用量。
作为一种可选的实施例,可通过控制模型调整原料用量,通过一个已有的控制模型根据系统当前的状态和未来的控制量去预测系统未来的输出。本申请实施例中,控制模型可以采用通过系统辨识构建的控制模型,也可以可采用序列预测模型或其他合适的模型;系统当前状态可由获取的实时数据进行表征;未来的控制量为更新后的环保参数设定值。当然,也可以采用其他方法调整原料用量,例如可将更新后的设定值和环保参数的当前值输入序列预测模型,计算相应的原料用量作为调整后的原料用量。确定调整后的原料用量后可将其发送给废料处理设备,使其完成原料的投入。
本申请实施例中,根据废料处理设备的历史生产数据对环保参数的变化趋势进行预测后,可根据得到的第一趋势预测结果准确判断是否需要调整原料用量,使得对原料用量的调整更加及时,从而降低环保参数的波动,提升废料处理设备的控制系统的稳定性,减少因环保参数瞬时提升而造成的原料浪费。另外,通过目标预测模型可仅根据环保参数当前的设定值获得第二趋势预测结果,即获得环保参数在预测时间范围内每个时刻可能的变化区间,从而模拟环保参数变化的不确定性,获得更为鲁棒的设定值,使得在最坏的不可控情况下,环保参数也不会超过环保参数标准,同时不必特意将污染物的环保参数设定值设置成远低于环保上限,从而降低原料用量。综上,本申请实施例中,根据第一趋势预测结果、更新后的设定值以及环保参数的当前值,调整废料处理设备的原料用量,可以降低环保参数的波动,增强控制系统的鲁棒性和稳定性,显著节省废料处理设备的原料用量,降低废料处理的成本。
作为一种可行的实现方式,在根据第一趋势预测结果、更新后的设定值以及环保参数的当前值,调整废料处理设备的原料用量之后,本申请实施例提供的方法还包括:采集环保参数的变化序列;根据更新后的设定值以及环保参数的变化序列,调整目标预测模型。
本申请实施例中,可不断地采集基于更新的设定值进行原料调整后的环保参数的变化序列,并根据更新后的设定值以及对应的环保参数变化序列,调整目标预测模型。作为一种可行的实现方式,如果目标预测模型是通过机器学习的方式训练而来的,可将最近一段时间(例如最近一周或两周等)采集到的更新后的设定值和对应的环保参数变化序列作为数据样本,更新目标预测模型的训练集,再次对目标预测模型进行训练,以调整目标预测模型。如果目标预测模型是通过数据统计的方式获得的,可以将最近一段时间采集到的更新后的设定值和对应的环保参数变化序列作为数据样本,更新数据统计所采用的数据集,再次通过数据统计的方式获得新的目标预测模型。
本申请实施例可以根据更新后的设定值以及环保参数的变化序列,调整目标预测模型,使目标预测模型能够自动进行更新,提升目标预测模型的实时性,从而更好地对环保参数的变化趋势进行预测。
实施例二
如图3所示,本申请实施例的图3提供了另一种废料处理设备的控制方法,该方法包括:
S301:至少通过序列预测模型以及系统辨识得到的控制模型,分别根据废料处理设备的历史生产数据进行环保参数的变化趋势预测,得到至少两个候选趋势预测结果。
本申请实施例的序列预测模型可以采用下面实施例三中训练得到的序列预测模型,也可以采用其他合适的序列预测模型,均在本申请的保护范围内。控制模型则可以通过系统辨识的方法获得,系统辨识(System Identification)是根据系统的输入输出确定描述系统行为的数学模型的方法。本申请实施例中,可以通过系统辨识的方法,基于历史生产数据确定控制模型的形式及相应的参数,其中,控制模型可以采用有限阶跃响应(FiniteStep Response,FSR)模型,也可以采用其他合适的模型。通过系统辨识确定控制模型的具体操作可参考相关技术,在此不再赘述。
当然,除了上述序列预测模型和控制模型外,还可以通过其他模型进行环保参数的变化趋势预测,也在本申请的保护范围内。
S302:将至少两个候选趋势预测结果进行融合,得到第一趋势预测结果。
两个候选趋势预测结果可以通过加权求和的方式进行融合,将融合的结果作为第一趋势预测结果。两个候选趋势预测结果的权重可以由本领域的技术人员按照需求确定,例如,若本领域的技术人员认为序列预测模型的重要性大于控制模型的重要性,则可以设置序列预测模型的候选趋势预测结果权重小于控制模型的候选趋势预测结果权重。两个候选趋势预测结果也可以通过直接取平均值进行融合,或者通过其他合适的方式进行融合,均在本申请的保护范围内。
S303:通过目标预测模型根据环保参数当前的设定值对环保参数的变化趋势进行预测,得到环保参数对应的第二趋势预测结果,根据第二趋势预测结果以及环保参数标准更新设定值。
S304:根据第一趋势预测结果、更新后的设定值以及环保参数的当前值,调整废料处理设备的原料用量。
本申请实施例中,可分别采用序列预测模型和控制模型对环保参数的变化趋势进行预测,并且将序列预测模型和控制模型等至少两个模型的预测结果进行融合处理,可以使得多个模型预测进行互补,避免单一模型的缺陷,使获得的第一趋势预测结果更加科学有效。
实施例三
如图4所示,本申请实施例的图4提供了又一种废料处理设备的控制方法,该方法包括:
S401:采集废料处理设备的历史生产数据以及历史生产数据对应的废料处理设备的环保参数的变化序列,得到第一样本数据。
可选地,本申请实施例中,历史生产数据包括与环保参数变化相关联的参数,例如原料用量、温度等。可以直接从废料处理设备中采集历史生产数据和环保参数的变化序列,也可以通过接入包含存储废料处理设备的综合控制系统采集历史生产数据和环保参数的变化序列,例如通过OPC等通讯协议,从分布式控制系统的数据库中获取存储废料处理设备的历史生产数据和环保参数的变化序列。
S402:根据第一样本数据训练序列预测模型,以使得序列预测模型进行环保参数的变化趋势预测,得到环保参数对应的第一趋势预测结果。
本申请实施例中,序列预测模型为时间序列预测模型。序列预测模型可以由机器学习的方式训练而来,模型可以采用ARIMA(Autoregressive Integrated Moving AverageModel,差分整合移动平均自回归模型)、LSTM(Long Short Term Memory,长短期记忆)模型等,也可以采用其他合适的时间序列模型。具体根据第一样本数据训练序列预测模型的方法可参照相关技术,此处不在赘述。
获得序列预测模型后,可根据最近一段时间的历史生产数据对未来的环保参数的变化趋势预测进行预测。参照图5,作为一种可行的实现方式,可将在t-p时刻至t时刻的历史生产数据和环保参数变化序列输入序列预测模型,对未来t+1~t+m时刻的环保参数序列进行预测,其中,t、p、m均为正数,“t+1”中的“1”对应于数据采集的一个步长对应的时长,p为进行预测时输入序列预测模型的历史生产数据的时长,m为预测时长。
S403:令控制器根据第一趋势预测结果、预设的设定值以及废料处理设备的环保参数的当前值,调整废料处理设备的原料用量。
预设的设定值指预先设定的环保参数的设定值,其可以小于环保参数标准,也可以等于环保参数标准,具体可根据废料处理设备的历史生产数据设定(例如取平均值、取中位数等),也可以根据本领域环保参数设定值的经验值进行设定,本申请实施例对此不进行限定。本申请实施例中的控制器可采用上面的控制模型作为控制器,也可以参考相关技术,采用其他合适的控制器。
S404:采集设定值以及设定值对应的环保参数的变化序列,得到第二样本数据。
每次步骤S403被执行之后,均可采集设定值以及设定值对应的环保参数的变化序列,累计采集一段时间(例如一周、两周等)的设定值以及对应的环保参数变化序列后,便可将采集到的设定值和对应的环保参数变化序列,作为训练目标预测模型的第二样本数据。
S405:根据第二样本数据训练目标预测模型,以使得目标预测模型根据控制器当前的设定值对环保参数的变化趋势预测,得到环保参数对应的第二趋势预测结果,根据第二趋势预测结果以及环保参数标准更新控制器的设定值。
目标预测模型也可以采用机器学习的方式进行训练,具体根据第二样本数据训练目标预测模型的方法可参考相关技术,在此不再赘述。本申请实施例中“目标预测模型根据控制器当前的设定值对环保参数的变化趋势预测,得到环保参数对应的第二趋势预测结果,根据第二趋势预测结果以及环保参数标准更新控制器的设定值”的实现过程可参见前述实施例中的描述,此处不再赘述。
本申请实施例中,根据历史生产数据建立序列预测模型,可在模型的训练过程中,对废料处理设备操作过程中积累的丰富经验进行定量化的学习模拟,从而实现对环保参数未来变化趋势的精准预测,以此可以指导控制器做出更为准确地调整操作,降低环保参数的波动,提升系统的稳定性,提升废物处理的卡边效益空间。另外,通过目标预测模型可仅根据环保参数当前的设定值获得第二趋势预测结果,即得到环保参数在预测时间范围内每个时刻可能的变化区间,从而模拟环保参数变化的不确定性,获得更为鲁棒的设定值,使得在最坏的不可控情况下,环保参数也不会超过环保参数标准,同时不必特意将污染物的环保参数设定值设置成远低于环保上限,可以最大限度地降低原料用量。综上,本申请实施例可以降低环保参数的波动,增强控制系统的鲁棒性和稳定性,显著节省废料处理设备的原料用量,降低废料处理的成本。
为更好地说明本申请实施例的方案,参照图6,以脱硝处理为例,对本申请实施例的数据处理过程进行示例性说明。
本申请实施例中,废料处理设备为处理氮氧化物的脱硝装置601;环保参数可以为废气中的氮氧化物的浓度;废料处理设备的原料为脱硝剂,例如氨水、石灰石等。
脱硝装置601中的数据被采集后存储于数据库602之中。控制器603对脱硝装置601进行控制,并从脱硝装置601获取氮氧化物浓度的当前值。目标预测模型604、时序预测模型605和控制模型606与数据库602相连接,可从数据库602中获取脱硝装置601的历史生产数据以及当前的实时数据。目标预测模型604、时序预测模型605和控制模型606的构建过程可参考前述实施例的描述,此处不再赘述。
时序预测模型605和控制模型606分别基于数据库602中的历史生产数据,对氮氧化物浓度的变化趋势进行预测,将得到两个候选趋势预测结果发送至控制器603进行融合处理,便可得到第一趋势预测结果。
目标预测模型604可从数据库602中获取氮氧化物浓度当前的设定值,并根据当前的设定值对氮氧化物浓度的变化趋势进行预测,获得第二趋势预测结果。之后,在约束条件和优化目标的限定下,根据第二趋势预测结果对设定值进行优化,更新当前设定值,并将更新的氮氧化物浓度设定值发送至控制器603。其中,约束条件可以设置为氮氧化物浓度小于氮氧化物浓度标准,优化目标可以设置为脱硝剂用量最少。
最后,控制器603根据第一趋势预测结果、更新的氮氧化物浓度设定值以及氮氧化物浓度的当前值,进行脱硝剂用量的计算,然后根据计算结果调整脱硝装置601的脱硝剂用量。
实施例四
如图7所示,本申请实施例提供了一种废料处理设备的控制系统,其中包括第一趋势预测模块701、设定值更新模块702以及原料用量调整模块703,各模块具体如下。
第一趋势预测模块701,用于根据废料处理设备的历史生产数据对环保参数的变化趋势进行预测,得到环保参数对应的第一趋势预测结果。
设定值更新模块702,用于通过目标预测模型根据环保参数当前的设定值对环保参数的变化趋势进行预测,得到环保参数对应的第二趋势预测结果,根据第二趋势预测结果以及环保参数标准更新设定值。
原料用量调整模块703,用于根据第一趋势预测结果、更新后的设定值以及环保参数的当前值,调整废料处理设备的原料用量
本申请实施例提供的废料处理设备的控制系统与前述废料处理设备的控制方法实施例基于相同的发明构思,可达到相同的效果,具体实现过程可参见前述废料处理设备控制方法的实施例中的描述,在此不再进行赘述。
实施例五
参照图8,示出了根据本申请又一实施例的一种电子设备的结构示意图,本申请具体实施例并不对电子设备的具体实现做限定。
如图8所示,该电子设备可以包括:处理器(processor)802、通信接口(Communications Interface)804、存储器(memory)806、以及通信总线808。
其中:
处理器802、通信接口804、以及存储器806通过通信总线808完成相互间的通信。
通信接口804,用于与其它电子设备或服务器进行通信。
处理器802,用于执行程序810,具体可以执行上述废料处理设备的控制方法实施例中的相关步骤。
具体地,程序810可以包括程序代码,该程序代码包括计算机操作指令。
处理器802可能是CPU,或者是特定集成电路ASIC(Application SpecificIntegrated Circuit),或者是被配置成实施本申请实施例的一个或多个集成电路。智能设备包括的一个或多个处理器,可以是同一类型的处理器,如一个或多个CPU;也可以是不同类型的处理器,如一个或多个CPU以及一个或多个ASIC。
存储器806,用于存放程序810。存储器806可能包含高速RAM存储器,也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。
程序810可包括多条计算机指令,程序810具体可以通过多条计算机指令使得处理器802执行前述多个方法实施例中任一实施例所描述的废料处理设备的控制方法对应的操作。
程序810中各步骤的具体实现可以参见上述方法实施例中的相应步骤和单元中对应的描述,并具有相应的有益效果,在此不赘述。所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的设备和模块的具体工作过程,可以参考前述方法实施例中的对应过程描述,在此不再赘述。
实施例六
本申请实施例还提供了一种计算机存储介质,其上存储有计算机程序,该程序被处理器执行时实现前述多个方法实施例中任一实施例所描述的方法。该计算机存储介质包括但不限于:只读光盘(Compact Disc Read-Only Memory,CD-ROM)、随机存储器(RandomAccess Memory,RAM)、软盘、硬盘或磁光盘等。
此外,需要说明的是,本申请实施例所涉及到的与用户有关的信息(包括但不限于用户设备信息、用户企业信息等)和数据(包括但不限于用于执行的操作数据、存储的数据、展示的数据等),均为经用户授权或者经过各方充分授权的信息和数据,并且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准,并提供有相应的操作入口,供用户选择授权或者拒绝。
需要指出,根据实施的需要,可将本申请实施例中描述的各个部件/步骤拆分为更多部件/步骤,也可将两个或多个部件/步骤或者部件/步骤的部分操作组合成新的部件/步骤,以实现本申请实施例的目的。
上述根据本申请实施例的方法可在硬件、固件中实现,或者被实现为可存储在记录介质(诸如CD-ROM、RAM、软盘、硬盘或磁光盘)中的软件或计算机代码,或者被实现通过网络下载的原始存储在远程记录介质或非暂时机器可读介质中并将被存储在本地记录介质中的计算机代码,从而在此描述的方法可被存储在使用通用计算机、专用处理器或者可编程或专用硬件(诸如专用集成电路(Application Specific Integrated Circuit,ASIC)或现场可编辑门阵列(Field Programmable Gate Array,FPGA))的记录介质上的这样的软件处理。可以理解,计算机、处理器、微处理器控制器或可编程硬件包括可存储或接收软件或计算机代码的存储组件(例如,随机存储器(Random Access Memory,RAM)、只读存储器(Read-Only Memory,ROM)、闪存等),当所述软件或计算机代码被计算机、处理器或硬件访问且执行时,实现在此描述的方法。此外,当通用计算机访问用于实现在此示出的方法的代码时,代码的执行将通用计算机转换为用于执行在此示出的方法的专用计算机。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及方法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请实施例的范围。
以上实施方式仅用于说明本申请实施例,而并非对本申请实施例的限制,有关技术领域的普通技术人员,在不脱离本申请实施例的精神和范围的情况下,还可以做出各种变化和变型,因此所有等同的技术方案也属于本申请实施例的范畴,本申请实施例的专利保护范围应由权利要求限定。
Claims (10)
1.一种废料处理设备的控制方法,包括:
根据废料处理设备的历史生产数据对环保参数的变化趋势进行预测,得到环保参数对应的第一趋势预测结果;
通过目标预测模型根据环保参数当前的设定值对所述环保参数的变化趋势进行预测,得到环保参数对应的第二趋势预测结果,根据所述第二趋势预测结果以及环保参数标准更新所述设定值;
根据所述第一趋势预测结果、更新后的所述设定值以及所述环保参数的当前值,调整所述废料处理设备的原料用量。
2.根据权利要求1所述的方法,其中,所述根据废料处理设备的历史生产数据进行环保参数的变化趋势预测,得到环保参数对应的第一趋势预测结果包括:
至少通过序列预测模型以及系统辨识得到的控制模型,分别根据所述废料处理设备的所述历史生产数据进行环保参数的变化趋势预测,得到至少两个候选趋势预测结果;
将所述至少两个候选趋势预测结果进行融合,得到所述第一趋势预测结果。
3.根据权利要求1所述的方法,其中,所述第二趋势预测结果用于指示当前时刻之后的预设时间段内所述环保参数的分布情况;所述根据所述第二趋势预测结果以及环保参数标准更新所述设定值,包括:
构建基于所述第二趋势预测结果以及所述设定值的环保参数预测函数,以及构建基于所述设定值的原料用量计算函数;
以满足所述环保参数标准为约束条件,以所述原料用量最少为优化目标,求解所述环保参数预测函数和所述原料用量计算函数,并根据所述环保参数预测函数和所述原料用量计算函数的求解结果更新所述设定值。
4.根据权利要求3所述的方法,其中,所述优化目标还包括:
更新后的设定值与当前的设定值之间的差值最小。
5.根据权利要求1-4中任一项所述的方法,其中,在根据所述第一趋势预测结果、更新后的所述设定值以及所述环保参数的当前值,调整所述废料处理设备的原料用量之后,所述方法还包括:
采集所述环保参数的变化序列;
根据更新后的所述设定值以及所述环保参数的变化序列,调整所述目标预测模型。
6.根据权利要求1所述的方法,其中,所述废料处理设备为烟气脱硝设备,所述历史生产数据包括的参数包括以下至少之一:脱硝剂的用量、燃料的用量、上游设备出口的氮氧化物浓度、燃烧温度、氧量、风量。
7.一种废料处理设备的控制方法,包括:
采集废料处理设备的历史生产数据以及所述历史生产数据对应的废料处理设备的环保参数的变化序列,得到第一样本数据;
根据所述第一样本数据训练序列预测模型,以使得所述序列预测模型进行环保参数的变化趋势预测,得到环保参数对应的第一趋势预测结果;
令控制器根据所述第一趋势预测结果、预设的设定值以及所述废料处理设备的环保参数的当前值,调整所述废料处理设备的原料用量;
采集所述设定值以及所述设定值对应的所述环保参数的变化序列,得到第二样本数据;
根据所述第二样本数据训练目标预测模型,以使得所述目标预测模型根据所述控制器当前的设定值对所述环保参数的变化趋势预测,得到环保参数对应的第二趋势预测结果,根据所述第二趋势预测结果以及环保参数标准更新所述控制器的设定值。
8.一种废料处理设备的控制系统,包括:
第一趋势预测模块,用于根据废料处理设备的历史生产数据对环保参数的变化趋势进行预测,得到环保参数对应的第一趋势预测结果;
设定值更新模块,用于通过目标预测模型根据环保参数当前的设定值对所述环保参数的变化趋势进行预测,得到环保参数对应的第二趋势预测结果,根据所述第二趋势预测结果以及环保参数标准更新所述设定值;
原料用量调整模块,用于根据所述第一趋势预测结果、更新后的所述设定值以及所述环保参数的当前值,调整所述废料处理设备的原料用量。
9.一种电子设备,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;
所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行如权利要求1-7中任一项所述的方法对应的操作。
10.一种计算机存储介质,其上存储有计算机程序,该程序被处理器执行时实现如权利要求1-7中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310597216.XA CN116665803A (zh) | 2023-05-24 | 2023-05-24 | 废料处理设备的控制方法、系统、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310597216.XA CN116665803A (zh) | 2023-05-24 | 2023-05-24 | 废料处理设备的控制方法、系统、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116665803A true CN116665803A (zh) | 2023-08-29 |
Family
ID=87721720
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310597216.XA Pending CN116665803A (zh) | 2023-05-24 | 2023-05-24 | 废料处理设备的控制方法、系统、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116665803A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117078024A (zh) * | 2023-10-17 | 2023-11-17 | 南京进唯智能科技有限公司 | 一种基于视频分析的危废数量变化检测系统及方法 |
-
2023
- 2023-05-24 CN CN202310597216.XA patent/CN116665803A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117078024A (zh) * | 2023-10-17 | 2023-11-17 | 南京进唯智能科技有限公司 | 一种基于视频分析的危废数量变化检测系统及方法 |
CN117078024B (zh) * | 2023-10-17 | 2024-02-09 | 南京进唯智能科技有限公司 | 一种基于视频分析的危废数量变化检测系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109304086B (zh) | 一种电站锅炉scr脱硝精细化喷氨控制方法 | |
Brdys et al. | Iterative algorithms for multilayer optimizing control | |
CN101925866B (zh) | 具有用来补偿模型失配的调节的鲁棒的自适应模型预测控制器 | |
CN101751051B (zh) | 基于约束史密斯广义预测控制的水泥分解炉温度控制方法 | |
US20060184477A1 (en) | Method and apparatus for optimizing a system model with gain constraints using a non-linear programming optimizer | |
Valarmathi et al. | Real-coded genetic algorithm for system identification and controller tuning | |
CN116665803A (zh) | 废料处理设备的控制方法、系统、电子设备及存储介质 | |
CN111522290A (zh) | 一种基于深度学习方法的脱硝控制方法和系统 | |
CN110681254B (zh) | 一种基于模型的半干法烟气处理控制系统 | |
JP5155690B2 (ja) | 石炭焚きボイラのガス濃度推定装置及びガス濃度推定方法 | |
CN116688754A (zh) | 船舶烟气脱硫自动控制系统及其方法 | |
CN111489605B (zh) | 基于Simulink与WinCC的喷氨优化控制仿真系统 | |
Cardoso et al. | Artificial neural networks for modelling and controlling the variables of a blast furnace | |
CN110373510B (zh) | 一种基于双模态切换的钢水质量窄窗口控制方法及系统 | |
Matveykin et al. | Problem of control of catalytic reforming and method of its solutions | |
CN111008735A (zh) | 预测排放管理系统及方法 | |
CN211526443U (zh) | 垃圾焚烧炉的自动燃烧控制系统 | |
CN114580712A (zh) | 一种冶金副产煤气产耗量的在线预测方法及系统 | |
Yu et al. | Predictive control based on neural networks of the chemical process | |
Ma et al. | An Novel Integrated Iterative Dynamic Programming Control Strategy for Batch Processes | |
Havlena et al. | Application of MPC to advanced combustion control | |
Singh | Design and Implementation of Intelligent Control Schemes for pH Neutralization Process | |
CN113946175A (zh) | 两炉一烟囱脱硫智能控制系统 | |
CN111752152B (zh) | Siso紧格式无模型控制器基于lstm神经网络的参数自整定方法 | |
JP4381628B2 (ja) | 濃縮設備の濃縮度制御装置及び濃縮度制御方法 |
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 |