CN117666365B - 一种干熄焦炉智能除尘系统 - Google Patents
一种干熄焦炉智能除尘系统 Download PDFInfo
- Publication number
- CN117666365B CN117666365B CN202410138221.9A CN202410138221A CN117666365B CN 117666365 B CN117666365 B CN 117666365B CN 202410138221 A CN202410138221 A CN 202410138221A CN 117666365 B CN117666365 B CN 117666365B
- Authority
- CN
- China
- Prior art keywords
- operation data
- moment
- data
- value
- factor
- 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
- 239000000428 dust Substances 0.000 title claims abstract description 118
- 238000010791 quenching Methods 0.000 title claims abstract description 58
- 230000000171 quenching effect Effects 0.000 title claims abstract description 58
- 239000000571 coke Substances 0.000 title claims abstract description 35
- 239000002245 particle Substances 0.000 claims description 41
- 238000001816 cooling Methods 0.000 claims description 15
- 239000004973 liquid crystal related substance Substances 0.000 claims description 12
- 238000009826 distribution Methods 0.000 claims description 8
- 239000013598 vector Substances 0.000 claims description 6
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 27
- 238000000034 method Methods 0.000 description 14
- 230000008569 process Effects 0.000 description 11
- 230000000694 effects Effects 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 239000003245 coal Substances 0.000 description 5
- 239000010419 fine particle Substances 0.000 description 5
- 238000004939 coking Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 238000000926 separation method Methods 0.000 description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 239000011362 coarse particle Substances 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000005260 corrosion Methods 0.000 description 2
- 230000007797 corrosion Effects 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 239000002994 raw material Substances 0.000 description 2
- 238000011897 real-time detection Methods 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 239000000725 suspension Substances 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- -1 coke powder ions Chemical class 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000005684 electric field Effects 0.000 description 1
- 230000005686 electrostatic field Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 150000002500 ions Chemical class 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 238000004062 sedimentation Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000009628 steelmaking Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Abstract
本发明涉及焦炉除尘技术领域,具体涉及一种干熄焦炉智能除尘系统。该系统包括:数据采集模块,采集干熄焦炉的除尘器在每个时刻的运行数据;除尘器运行数据处理模块,根据每个时刻的所有运行数据,计算簇内非显著因子与特异性因子,获得运行数据在各时刻的特异影响因子;根据特异影响因子获得运行数据在各时刻的中心化波动因子,进而获得特征权重;根据特征权重获得运行数据在下一时刻的预测值;干熄焦炉智能除尘控制模块,根据运行数据及运行数据在下一时刻的预测值分别构建第一、第二、第三和第四目标函数,进而实现干熄焦炉的智能除尘。本发明提高了干熄焦炉的智能除尘效率。
Description
技术领域
本发明涉及焦炉除尘技术领域,具体涉及一种干熄焦炉智能除尘系统。
背景技术
干熄焦工艺是指将焦炭进行熄焦的一种工业生产过程,焦炭在冶金和能源行业中,尤其在炼铁和炼钢等过程中应用广泛,是一种重要焦化工艺,因此,干熄焦工艺与人们对焦炭的需求紧密相关,其对煤炭等资源的高效利用,通过熄焦过程获取焦炭,从而提高原材料的利用效率。在进行干熄焦工艺流程时,干熄炉中产生的热交换气体中含有固体颗粒,如果这些颗粒未经处理排放到大气中,则会对环境造成污染,而一般干熄炉中配有除尘器,对交换气体除尘有助于维护设备的清洁和正常运行,减少了颗粒物对设备的腐蚀和堵塞,影响热交换效果,还能降低设备和管道的腐蚀程度,减少设备的维护频率,降低维护成本。
在干熄焦炉工作时,高温循环气体经过一次除尘器分离粗颗粒焦粉后进入干熄焦工艺锅炉进行热交换,经过二次除尘器进一步分离细颗粒焦粉,此时干熄焦炉的控制系统需要对两个除尘器的分离精度以及除尘后的气体温度进行控制,由于红焦温度的变化和冷却是产生高温循环气体体积的主要影响因素,且气体中的颗粒焦粉的颗粒直径差异较大,不同直径的颗粒焦粉在气体中的分散性和悬浮性可能存在差异,流动速率也不同,传统的除尘器控制系统会因为颗粒焦粉沉降速度以及分散程度的差异以及气流的影响导致两次除尘的精度出现偏差,降低干熄焦炉的智能除尘效率。
发明内容
为了解决上述技术问题,本发明的目的在于提供一种干熄焦炉智能除尘系统,所采用的技术方案具体如下:
本发明提出了一种干熄焦炉智能除尘系统,所述系统包括:
数据采集模块,采集干熄焦炉的除尘器在每个时刻的运行数据,包括但不限于温度数据、压力数据、一次除尘器出口的粒子浓度、二次除尘器出口的粒子浓度;
除尘器运行数据处理模块,将各时刻的运行数据作为各行向量,将两个不同时刻的行向量之间的皮尔逊相关系数记为两个不同时刻之间的局部相关程度;根据每个时刻与其他各时刻之间的局部相关程度以及运行数据计算每个时刻的特异性因子;根据每个时刻的所有运行数据,计算每个运行数据的簇内非显著因子;根据簇内非显著因子与特异性因子获得每个运行数据在各时刻的特异影响因子;根据运行数据在所有时刻的特异影响因子获得运行数据的特异影响因子序列;根据运行数据的特异影响因子序列获得运行数据在各时刻的局部中心偏离度;根据局部中心偏离度以及运行数据在所有时刻的特异影响因子获得运行数据在各时刻的中心化波动因子;根据运行数据在各时刻的中心化波动因子以及特异影响因子获得特征权重;根据运行数据在各时刻的特征权重获得运行数据在下一时刻的预测值;
干熄焦炉智能除尘控制模块,根据运行数据及运行数据在下一时刻的预测值分别构建第一、第二、第三和第四目标函数,实现干熄焦炉的智能除尘。
进一步,所述根据每个时刻与其他各时刻之间的局部相关程度以及运行数据计算每个时刻的特异性因子,包括:
分别对每个时刻的运行数据使用密度峰值聚类算法进行聚类,获得每个时刻的运行数据的聚类簇数量;
对于任意两个时刻,计算两个时刻之间的局部相关程度的相反数,将以自然常数为底数,所述相反数为指数的指数函数记为两个时刻之间的差异指数;将两个时刻的运行数据的聚类簇数量之间的差值绝对值记为两个时刻之间的聚类差异;
计算每个时刻的运行数据的变异系数,获得每个时刻与其他各时刻之间的聚类差异的均值,将所述均值与所述变异系数的乘积记为每个时刻的数据分布差异;分别将每个时刻与其他各时刻之间的差异指数的均值记为每个时刻的总体差异;将每个时刻的数据分布差异与总体差异的乘积记为每个时刻的特异性因子。
进一步,所述根据每个时刻的所有运行数据,计算每个运行数据的簇内非显著因子,包括:
将每个时刻的所有运行数据的最大值与最小值的差值记为每个时刻的数据跨度;
分别将每个时刻记为待分析时刻,对于待分析时刻的各运行数据,计算运行数据所在聚类簇的所有运行数据的均值,记为簇均值,将运行数据与所述簇均值之间的差值绝对值记为运行数据的聚类偏移度;将运行数据的聚类偏移度与待分析时刻的数据跨度之间的比值记为待分析时刻的运行数据的簇内非显著因子。
进一步,所述根据簇内非显著因子与特异性因子获得每个运行数据在各时刻的特异影响因子,具体为:
对于待分析时刻的各运行数据,将以自然常数为底数,运行数据的簇内非显著因子的相反数为指数的指数函数记为运行数据的显著因子;将待分析时刻的特异性因子与运行数据的显著因子之间的乘积记为运行数据在待分析时刻的特异影响因子。
进一步,所述根据运行数据在所有时刻的特异影响因子获得运行数据的特异影响因子序列,包括:
将运行数据在所有时刻的特异影响因子按照时间顺序排列获得运行数据的特异影响因子序列。
进一步,所述根据运行数据的特异影响因子序列获得运行数据在各时刻的局部中心偏离度,表达式为:
其中,为第z个运行数据在第d个时刻的局部中心偏离度;/>为第z个运行数据在第d个时刻的特异影响因子;/>、/>分别为第z个运行数据在第/>、个时刻的特异影响因子。
进一步,所述根据局部中心偏离度以及运行数据在所有时刻的特异影响因子获得运行数据在各时刻的中心化波动因子,表达式为:
对于各运行数据,计算运行数据在所有时刻的特异影响因子的最大值与最小值的差值,将运行数据在各时刻的局部中心偏离度与所述差值的比值记为运行数据在各时刻的中心化波动因子。
进一步,所述根据运行数据在各时刻的中心化波动因子以及特异影响因子获得特征权重,包括:
分别将每个时刻记为待分析时刻,计算运行数据在待分析时刻的中心化波动因子的相反数,获取以自然常数为底数,所述相反数为指数的指数函数;将所述指数函数的函数值与运行数据在待分析时刻的特异影响因子的乘积记为运行数据在待分析时刻的特征权重。
进一步,所述根据运行数据在各时刻的特征权重获得运行数据在下一时刻的预测值,包括:
对于各运行数据,将运行数据在所有时刻的值按照时间顺序排列获得时间序列,根据运行数据在每个时刻的特征权重,对时间序列使用加权移动平均模型进行预测,获得运行数据在下一时刻的预测值。
进一步,所述根据运行数据及运行数据在下一时刻的预测值分别构建第一、第二、第三和第四目标函数,实现干熄焦炉的智能除尘,表达式为:
将当前时刻的运行数据与运行数据在下一时刻的预测值之间的差值绝对值记为目标函数;
将一次除尘器出口的粒子浓度在当前时刻的值和下一采集时刻的预测值之间的差值绝对值记为第一目标函数;
将二次除尘器出口的粒子浓度在当前时刻的值和下一采集时刻的预测值之间的差值绝对值记为第二目标函数;
将一次除尘器出口的高温循环气体温度在当前时刻的值与第一预设冷却温度之间的差值绝对值记为第三目标函数;
将二次除尘器出口的高温循环气体温度在当前时刻的值与第二预设冷却温度之间的差值绝对值记为第四目标函数;
将第一、第二、第三和第四目标函数输入MPC控制模型,输出控制信号对除尘器进行调控。
本发明具有如下有益效果:
本发明提出一种干熄焦炉智能除尘系统,由于除尘时的多因素影响,使得不同时刻下不同类型的数据对于除尘精度的影响是不同且不确定的,根据不同时刻下数据的特异性分析构建特异影响因子,获取了每种数据类型在不同时刻对于除尘精度整体响应的贡献,之后对每个数据进行中心化波动形分析构建中心波动因子,中心波动因子可以反应不同数据在不同时刻的特异性影响因子受多因素较差响应而产生的响应变化,根据中心波动因子和特异影响因子构建特征权重对运行数据进行预测,提高了预测结果的精度;根据运行数据及其预测结果构建目标函数,使用MPC控制模型对除尘器的控制设备进行调控,提高了干熄焦炉的智能除尘效率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案和优点,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的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它附图。
图1为本发明一个实施例所提供的一种干熄焦炉智能除尘系统框图;
图2为干熄焦炉除尘的控制流程示意图。
具体实施方式
为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效,以下结合附图及较佳实施例,对依据本发明提出的一种干熄焦炉智能除尘系统,其具体实施方式、结构、特征及其功效,详细说明如下。在下述说明中,不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。
下面结合附图具体的说明本发明所提供的一种干熄焦炉智能除尘系统的具体方案。
请参阅图1,其示出了本发明一个实施例提供的一种干熄焦炉智能除尘系统框图,该系统包括:数据采集模块101、除尘器运行数据处理模块102、干熄焦炉智能除尘控制模块103。
数据采集模块101,采集干熄焦炉的除尘器在每个时刻的运行数据。
干熄焦炉中两个除尘器的工作原理为:高温循环气体经过一次除尘器分离粗颗粒焦粉后进入干熄焦工艺锅炉进行热交换,锅炉产生蒸汽,待降温至160℃后循环气体由锅炉出来,经过二次除尘器进一步分离细颗粒焦粉后,由循环风机送入给水预热器进行冷却至130℃,再进入干熄炉循环使用,两个除尘器的除尘精度、第一次和第二次除尘后的冷却温度都会对除尘效率以及产品质量产生非常大的影响。
使用传感器技术采集干熄焦炉的除尘器在每个时刻的运行数据,包括使用温度传感器采集进入除尘器的循环气体的温度数据,使用压力传感器采集进入除尘器的循环气体的压力数据,使用离子计分别采集一次除尘器和二次除尘器入口以及出口的粒子浓度数据,使用超声波蒸汽流量计采集除尘器中入口和出口的蒸汽流量数据,使用电力表采集锅炉系统的电能消耗数据,使用温度传感器采集第一次降温冷却和第二次降温冷却时的循环气体温度数据,使用压力传感器采集煤炭原材料熄焦时的重量与上一时刻重量的变化数据。
设上述采集了m种运行数据,以除尘器开始运行为起始时刻,以为时间间隔均匀的对上述m种数据进行采集,其中m取经验值14,/>取经验值0.5s,共采集了n个时刻的运行数据,n的经验取值为600。使用Z-score算法对所有采集数据进行归一化以消除量纲的影响,获取每个采集时刻的运行数据。
除尘器运行数据处理模块102,根据每个时刻的所有运行数据,计算簇内非显著因子与特异性因子,获得运行数据在各时刻的特异影响因子;根据特异影响因子获得运行数据在各时刻的中心化波动因子,进而获得特征权重;根据特征权重获得运行数据在下一时刻的预测值。
在干熄焦炉的除尘系统运行时,其效率和准确性会受到多方面的影响,其中干熄焦炉高温循环气体中的颗粒焦粉形状特征是主要的影响因素,由于一次除尘器与二次除尘器所针对的粒子直径不同,一次除尘器作用为分离粗颗粒焦粉粒子,而二次除尘器的作用为分离细颗粒焦粉离子,所以当高温循环气体中粒子的浓度以及分散度不同时,两个除尘器若以固定的参数设定去分离粒子则会导致部分粒子逃逸等后果。干熄焦炉中的除尘器目前大多为电除尘器,采用电场原理来去除颗粒物,通过在气流中建立静电场,使颗粒带电并沉积在电极上,实现高效的除尘效果,而当高温循环气体中的颗粒焦粉粒子形态较大或粒子分布较为集中时,大颗粒的焦粉相对于小颗粒来说,其惯性较大,对气流的阻力较小,因此在分离过程中可能会更难被捕获,从而导致除尘效果降低。当高温循环气体中的颗粒焦粉粒子形态较小或粒子分布较为分散时,细颗粒焦粉容易在气流中飞扬,难以被除尘器有效捕获,且细颗粒可能在气流中悬浮较长时间,使得其被排出系统的概率增加。因此,需要根据颗粒焦粉的实际状况对除尘器的除尘精度进行调控优化,从而确保除尘器分离粒子的准确性,对干熄焦炉除尘的控制流程如图2所示。
上述所采集的m种运行数据中,所有数据与高温循环气体中颗粒焦粉粒子的紧密程度呈正相关关系,如:循环气体高温导致焦粉颗粒之间的相互吸引,使得它们在气体中分布较为紧密;高压会增加焦粉颗粒之间的碰撞频率,促使它们在气体中更为紧密地聚集;除尘器出口的粒子浓度较高意味着焦粉颗粒已经在除尘器中分离效果较差,因此在气体中分布较为紧密;蒸汽流量对焦粉颗粒的悬浮和传输产生影响,较大的蒸汽流量说明焦化效率较高,焦粉在气体中分布较为密集;高电能消耗则与焦粉颗粒在系统中的摩擦和碰撞有关,会使得焦粉颗粒在气体中分布较为紧密;冷却温度与上述循环气体高温相同;煤炭原材料熄焦时的重量与上一时刻重量的变化数据代表在这一时刻焦化的煤炭越多,焦化炉空间是不变的,所以此时焦化炉内焦粉颗粒越密集。
将每个时刻的运行数据作为一个行向量,将两个不同时刻的行向量之间的皮尔逊相关系数记为两个不同时刻的局部相关程度,记第i个时刻与第j个时刻的局部相关程度为。通过分析相关系数可以了解到不同时刻参数之间的关系,比如温度、压力、粒子浓度、蒸汽流量等,有助于评估系统的整体性能,可以关注那些与系统性能关键指标强相关的参数,以制定更有效的优化策略,使用密度峰值聚类算法对第i个时刻的运行数据进行聚类,得到个簇,对于第i个时刻的第/>个运行数据/>,记/>所在簇内所有运行数据的均值为/>,第i个时刻的运行数据的最大值和最小值分别为/>和/>,第i个时刻的所有运行数据的变异系数为/>,构建特异影响因子,计算公式为:
其中,为第i个时刻第a个运行数据的簇内非显著因子,/>为第i个时刻的特异性因子,/>为第i个时刻第a个运行数据的特异影响因子,/>为第i个时刻第a个运行数据,/>为运行数据/>所在簇内所有运行数据的均值,/>和/>分别为第i个时刻的运行数据的最大值和最小值,/>为第i个时刻与第x个时刻的局部相关程度,/>和/>分别为第i个时刻与第p个时刻的运行数据的聚类簇数量,/>为第i个时刻的运行数据的变异系数,m为所采集的运行数据种类数量,n为采集的时刻数量,e为自然常数。
在的计算中,/>的该数据与其所在簇的均值之间的差值绝对值,而分母则用于对差值进行归一化,差值绝对值的计算表示了所选数据点在所在簇中的相对大小,即数据相对于簇内数据的整体分布的偏移程度,其值越大代表偏移越大,则该数据的非显著性越强,/>随之增大。而在/>的计算中,/>计算了第i个时刻的运行数据的特征,/>越小表示第i个时刻的运行数据与其他时刻之间整体的相关性越小,代表第i个时刻的运行数据的特异性越强,/>越大,/>考虑了第i个时刻的运行数据与其他时刻数据在密度聚类中的簇个数分布情况,并考虑了变异系数的影响,其值越大表示第i个时刻的运行数据与其余时刻在密度聚类中所得到簇数量的差异较大,且第i个时刻的运行数据的离散程度越高,/>越大。
在的计算中,/>随着/>的增大而减小,/>越大时,代表数据的显著性越小,即数据的特异性越弱,/>越小,而/>随着/>的增大而增大,/>越大时,代表该时刻下的此运行数据相对于其他运行数据的特异性越强,/>越大,此运行数据越能代表该时刻的数据变化特征。
对于第z个运行数据在所有时刻的特异影响因子按照时间顺序排列获得第z个运行数据的特异影响因子序列。由于多因素对除尘效果的影响,单个运行数据受其他运行数据的交叉影响会使得运行数据的特异影响因子序列出现不规律的波动响应。因此,本实施例首先对第z个运行数据的特异影响因子序列进行分析,对于特异影响因子序列/>中的第d个时刻的特异影响因子/>,以/>为中心,将/>左右两侧各F个数据作为/>的邻域数据,F取经验值为3,根据/>及其邻域数据构建中心化波动因子:
其中,为第z个运行数据在第d个时刻的局部中心偏离度;/>为第z个运行数据在第d个时刻的特异影响因子;/>、/>分别为第z个运行数据在第/>、个时刻的特异影响因子;/>为第z个运行数据在所有时刻的特异影响因子的最大值;/>为第z个运行数据在所有时刻的特异影响因子的最小值;3为单侧邻域数据的数量,即/>的数量;/>为第z个运行数据在第d个时刻的中心化波动因子。
的计算过程/>表达了/>左侧和右侧第g个数据值均值和/>的差值绝对值,其代表了以/>为中心,左右两侧第g个数据相对于窗口中心的偏离程度,其值越大,偏离程度越大,则以/>为中心的窗口内波动性越大,/>越大,第z个运行数据在第d个时刻的特异影响因子的局部波动程度越大,特异性结果越不可信。
求和函数中的分母为归一化因子,将分子的取值范围映射至0到1内。
进一步,为了实现对重要运行数据的实时控制,需要对运行数据进行预测,为提高预测精度,本实施例根据第z个运行数据在每个时刻的中心化波动因子,构建特征权重:
其中,为第z个运行数据在第d个时刻的中心化波动因子,/>为第z个运行数据在第d个时刻的特异影响因子,/>为以自然常数为底数的指数函数。
特异影响因子越大,说明在该时刻的所有运行数据中,第z个运行数据越具有代表性,而中心化波动因子越小表示了第z个运行数据在该时刻的特异影响因子的波动程度越小,则第z个运行数据在该时刻的特异影响因子越可信,此时特异影响因子越大,在预测时对该时刻的第z个运行数据给予权重应越大,预测结果越准确,即特征权重越大。
将第z个运行数据在所有时刻的值按照时间顺序排列获得第z个运行数据的时间序列,根据第z个运行数据在每个时刻的特征权重,对第z个运行数据的时间序列使用加权移动平均模型进行预测,获得运行数据在下一时刻的预测值。其中,加权移动平均模型为公知技术,具体不再赘述。
干熄焦炉智能除尘控制模块103,根据运行数据及运行数据在下一时刻的预测值分别构建第一、第二、第三和第四目标函数,进而实现干熄焦炉除尘系统的精准除尘。
以一次除尘器的除尘精度为第一目标,二次除尘器的除尘精度为第二目标,第一次冷却温度为第三目标,第二次冷却温度为第四目标,分别构建四个目标函数,/>,/>,/>:
其中,、/>、/>、/>分别为第一、第二、第三和第四目标函数,/>、/>分别为一次除尘器出口的粒子浓度的当前时刻值和下一采集时刻的预测值,/>、/>分别为二次除尘器出口的粒子浓度的当前时刻值和下一采集时刻的预测值,/>为一次除尘器出口的高温循环气体温度在当前时刻的值,/>为二次除尘器出口的高温循环气体温度在当前时刻的值,160和130分别为第一次冷却和第二次冷却的目标温度。
分别以四个目标函数作为MPC控制模型的目标函数,即以一次除尘器出口的粒子浓度的实时检测值和下一采集时刻的预测值之间的差值绝对值最小、二次除尘器出口的粒子浓度实时检测值和下一采集时刻的预测值之间的差值绝对值最小、一次除尘器出口和二次除尘器出口的高温循环气体温度以及两次冷却的目标温度之间的差值绝对值最小为输入,输出控制信号,结合控制信号对除尘器进行控制,具体控制过程为现有技术,不再赘述。
需要说明的是:上述本发明实施例先后顺序仅仅为了描述,不代表实施例的优劣。在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
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。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种干熄焦炉智能除尘系统,其特征在于,所述系统包括:
数据采集模块,采集干熄焦炉的除尘器在每个时刻的运行数据,包括但不限于温度数据、压力数据、一次除尘器出口的粒子浓度、二次除尘器出口的粒子浓度;
除尘器运行数据处理模块,将各时刻的运行数据作为各行向量,将两个不同时刻的行向量之间的皮尔逊相关系数记为两个不同时刻之间的局部相关程度;根据每个时刻与其他各时刻之间的局部相关程度以及运行数据计算每个时刻的特异性因子;根据每个时刻的所有运行数据,计算每个运行数据的簇内非显著因子;根据簇内非显著因子与特异性因子获得每个运行数据在各时刻的特异影响因子;根据运行数据在所有时刻的特异影响因子获得运行数据的特异影响因子序列;根据运行数据的特异影响因子序列获得运行数据在各时刻的局部中心偏离度;根据局部中心偏离度以及运行数据在所有时刻的特异影响因子获得运行数据在各时刻的中心化波动因子;根据运行数据在各时刻的中心化波动因子以及特异影响因子获得特征权重;根据运行数据在各时刻的特征权重获得运行数据在下一时刻的预测值;
干熄焦炉智能除尘控制模块,根据运行数据及运行数据在下一时刻的预测值分别构建第一、第二、第三和第四目标函数,实现干熄焦炉的智能除尘;
所述根据运行数据及运行数据在下一时刻的预测值分别构建第一、第二、第三和第四目标函数,实现干熄焦炉的智能除尘,表达式为:
将当前时刻的运行数据与运行数据在下一时刻的预测值之间的差值绝对值记为目标函数;
将一次除尘器出口的粒子浓度在当前时刻的值和下一采集时刻的预测值之间的差值绝对值记为第一目标函数;
将二次除尘器出口的粒子浓度在当前时刻的值和下一采集时刻的预测值之间的差值绝对值记为第二目标函数;
将一次除尘器出口的高温循环气体温度在当前时刻的值与第一预设冷却温度之间的差值绝对值记为第三目标函数;
将二次除尘器出口的高温循环气体温度在当前时刻的值与第二预设冷却温度之间的差值绝对值记为第四目标函数;
将第一、第二、第三和第四目标函数输入MPC控制模型,输出控制信号对除尘器进行调控。
2.根据权利要求1所述的一种干熄焦炉智能除尘系统,其特征在于,所述根据每个时刻与其他各时刻之间的局部相关程度以及运行数据计算每个时刻的特异性因子,包括:
分别对每个时刻的运行数据使用密度峰值聚类算法进行聚类,获得每个时刻的运行数据的聚类簇数量;
对于任意两个时刻,计算两个时刻之间的局部相关程度的相反数,将以自然常数为底数,所述相反数为指数的指数函数记为两个时刻之间的差异指数;将两个时刻的运行数据的聚类簇数量之间的差值绝对值记为两个时刻之间的聚类差异;
计算每个时刻的运行数据的变异系数,获得每个时刻与其他各时刻之间的聚类差异的均值,将所述均值与所述变异系数的乘积记为每个时刻的数据分布差异;分别将每个时刻与其他各时刻之间的差异指数的均值记为每个时刻的总体差异;将每个时刻的数据分布差异与总体差异的乘积记为每个时刻的特异性因子。
3.根据权利要求2所述的一种干熄焦炉智能除尘系统,其特征在于,所述根据每个时刻的所有运行数据,计算每个运行数据的簇内非显著因子,包括:
将每个时刻的所有运行数据的最大值与最小值的差值记为每个时刻的数据跨度;
分别将每个时刻记为待分析时刻,对于待分析时刻的各运行数据,计算运行数据所在聚类簇的所有运行数据的均值,记为簇均值,将运行数据与所述簇均值之间的差值绝对值记为运行数据的聚类偏移度;将运行数据的聚类偏移度与待分析时刻的数据跨度之间的比值记为待分析时刻的运行数据的簇内非显著因子。
4.根据权利要求3所述的一种干熄焦炉智能除尘系统,其特征在于,所述根据簇内非显著因子与特异性因子获得每个运行数据在各时刻的特异影响因子,具体为:
对于待分析时刻的各运行数据,将以自然常数为底数,运行数据的簇内非显著因子的相反数为指数的指数函数记为运行数据的显著因子;将待分析时刻的特异性因子与运行数据的显著因子之间的乘积记为运行数据在待分析时刻的特异影响因子。
5.根据权利要求1所述的一种干熄焦炉智能除尘系统,其特征在于,所述根据运行数据在所有时刻的特异影响因子获得运行数据的特异影响因子序列,包括:
将运行数据在所有时刻的特异影响因子按照时间顺序排列获得运行数据的特异影响因子序列。
6.根据权利要求1所述的一种干熄焦炉智能除尘系统,其特征在于,所述根据运行数据的特异影响因子序列获得运行数据在各时刻的局部中心偏离度,表达式为:
其中,为第z个运行数据在第d个时刻的局部中心偏离度;/>为第z个运行数据在第d个时刻的特异影响因子;/>、/>分别为第z个运行数据在第/>、/>个时刻的特异影响因子。
7.根据权利要求1所述的一种干熄焦炉智能除尘系统,其特征在于,所述根据局部中心偏离度以及运行数据在所有时刻的特异影响因子获得运行数据在各时刻的中心化波动因子,表达式为:
对于各运行数据,计算运行数据在所有时刻的特异影响因子的最大值与最小值的差值,将运行数据在各时刻的局部中心偏离度与所述差值的比值记为运行数据在各时刻的中心化波动因子。
8.根据权利要求1所述的一种干熄焦炉智能除尘系统,其特征在于,所述根据运行数据在各时刻的中心化波动因子以及特异影响因子获得特征权重,包括:
分别将每个时刻记为待分析时刻,计算运行数据在待分析时刻的中心化波动因子的相反数,获取以自然常数为底数,所述相反数为指数的指数函数;将所述指数函数的函数值与运行数据在待分析时刻的特异影响因子的乘积记为运行数据在待分析时刻的特征权重。
9.根据权利要求1所述的一种干熄焦炉智能除尘系统,其特征在于,所述根据运行数据在各时刻的特征权重获得运行数据在下一时刻的预测值,包括:
对于各运行数据,将运行数据在所有时刻的值按照时间顺序排列获得时间序列,根据运行数据在每个时刻的特征权重,对时间序列使用加权移动平均模型进行预测,获得运行数据在下一时刻的预测值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410138221.9A CN117666365B (zh) | 2024-02-01 | 2024-02-01 | 一种干熄焦炉智能除尘系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410138221.9A CN117666365B (zh) | 2024-02-01 | 2024-02-01 | 一种干熄焦炉智能除尘系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117666365A CN117666365A (zh) | 2024-03-08 |
CN117666365B true CN117666365B (zh) | 2024-04-16 |
Family
ID=90075352
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410138221.9A Active CN117666365B (zh) | 2024-02-01 | 2024-02-01 | 一种干熄焦炉智能除尘系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117666365B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102314184A (zh) * | 2010-07-09 | 2012-01-11 | 宝山钢铁股份有限公司 | 干熄焦循环系统的温度压力控制方法 |
JP2012128800A (ja) * | 2010-12-17 | 2012-07-05 | Nippon Steel Engineering Co Ltd | プロセスの状態予測方法及びそれを用いたプロセス制御装置 |
CN109001979A (zh) * | 2018-08-24 | 2018-12-14 | 东北大学 | 基于懒惰学习的高炉铁水质量自适应鲁棒预测控制方法 |
CN111077869A (zh) * | 2019-12-31 | 2020-04-28 | 国电九江发电有限公司 | 一种大数据智能控制布袋除尘器优化控制方法及系统 |
CN112099343A (zh) * | 2020-07-29 | 2020-12-18 | 福建龙净环保股份有限公司 | 一种基于神经网络的电除尘系统智能节能优化方法 |
KR102271069B1 (ko) * | 2020-03-31 | 2021-06-29 | 조선대학교산학협력단 | 석탄화력발전소 보일러의 상태 예측 모델 생성 방법 및 장치 |
CN114417689A (zh) * | 2021-07-19 | 2022-04-29 | 上海梅山钢铁股份有限公司 | 一种母管制锅炉烟气超净排放节能优化控制方法 |
WO2022163549A1 (ja) * | 2021-01-29 | 2022-08-04 | 栗田工業株式会社 | 推定装置、予測装置、制御装置、推定システム、予測システム、制御システム、推定プログラム、予測プログラム、制御プログラム、推定方法、予測方法及び制御方法 |
CN116340795A (zh) * | 2023-05-29 | 2023-06-27 | 山东一然环保科技有限公司 | 一种用于纯氧燃烧加热炉运行数据处理方法 |
CN116859727A (zh) * | 2023-06-26 | 2023-10-10 | 大连理工大学 | 一种基于机理与数据融合的干熄焦系统预测控制方法 |
CN117032099A (zh) * | 2023-07-27 | 2023-11-10 | 合肥力拓云计算科技有限公司 | 一种干熄焦闭环控制方法 |
-
2024
- 2024-02-01 CN CN202410138221.9A patent/CN117666365B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102314184A (zh) * | 2010-07-09 | 2012-01-11 | 宝山钢铁股份有限公司 | 干熄焦循环系统的温度压力控制方法 |
JP2012128800A (ja) * | 2010-12-17 | 2012-07-05 | Nippon Steel Engineering Co Ltd | プロセスの状態予測方法及びそれを用いたプロセス制御装置 |
CN109001979A (zh) * | 2018-08-24 | 2018-12-14 | 东北大学 | 基于懒惰学习的高炉铁水质量自适应鲁棒预测控制方法 |
CN111077869A (zh) * | 2019-12-31 | 2020-04-28 | 国电九江发电有限公司 | 一种大数据智能控制布袋除尘器优化控制方法及系统 |
KR102271069B1 (ko) * | 2020-03-31 | 2021-06-29 | 조선대학교산학협력단 | 석탄화력발전소 보일러의 상태 예측 모델 생성 방법 및 장치 |
CN112099343A (zh) * | 2020-07-29 | 2020-12-18 | 福建龙净环保股份有限公司 | 一种基于神经网络的电除尘系统智能节能优化方法 |
WO2022163549A1 (ja) * | 2021-01-29 | 2022-08-04 | 栗田工業株式会社 | 推定装置、予測装置、制御装置、推定システム、予測システム、制御システム、推定プログラム、予測プログラム、制御プログラム、推定方法、予測方法及び制御方法 |
CN114417689A (zh) * | 2021-07-19 | 2022-04-29 | 上海梅山钢铁股份有限公司 | 一种母管制锅炉烟气超净排放节能优化控制方法 |
CN116340795A (zh) * | 2023-05-29 | 2023-06-27 | 山东一然环保科技有限公司 | 一种用于纯氧燃烧加热炉运行数据处理方法 |
CN116859727A (zh) * | 2023-06-26 | 2023-10-10 | 大连理工大学 | 一种基于机理与数据融合的干熄焦系统预测控制方法 |
CN117032099A (zh) * | 2023-07-27 | 2023-11-10 | 合肥力拓云计算科技有限公司 | 一种干熄焦闭环控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117666365A (zh) | 2024-03-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Liu et al. | A novel support vector machine ensemble model for estimation of free lime content in cement clinkers | |
CN102925602B (zh) | 高炉操作炉型维护方法 | |
Liu et al. | Multi-class classification methods of cost-conscious LS-SVM for fault diagnosis of blast furnace | |
CN117666365B (zh) | 一种干熄焦炉智能除尘系统 | |
Luo et al. | Two derivative algorithms of gradient boosting decision tree for silicon content in blast furnace system prediction | |
CN115313361A (zh) | 一种规模化可调资源的联合优化控制方法和装置 | |
Huang et al. | Two-stage decision-making method for burden distribution based on recognition of conditions in blast furnace | |
Wang et al. | Parameter selection of support vector regression based on hybrid optimization algorithm and its application | |
CN116821695B (zh) | 一种半监督神经网络软测量建模方法 | |
Chen et al. | A semi-supervised linear-nonlinear prediction system for tumbler strength of iron ore sintering process with imbalanced data in multiple working modes | |
CN116702613A (zh) | 三元正极材料产品性能与烧结能耗多目标优化方法及系统 | |
CN115600779A (zh) | 基于约束导数动态时间规整的供热效果在线评估方法 | |
CN115237180A (zh) | 一种用于甲酯生产中粗品制备的智能控制方法 | |
CN114968997A (zh) | 一种基于时空特征提取的烧结终点预报方法 | |
CN115049123A (zh) | 基于GA-XGBoost模型的高炉铁水硅含量预测方法 | |
Zhang et al. | Design of a prediction and optimization system for plate shape in roller quenching process | |
CN108710300B (zh) | 烧结风量控制方法 | |
CN112183642A (zh) | 一种基于随机森林模型的水泥烧成煤耗检测方法与系统 | |
CN109358579B (zh) | 等离子体裂解煤制乙炔生产过程的全流程协调控制系统及方法 | |
CN113657484B (zh) | 水泥篦冷机典型工况划分与识别的方法 | |
CN111553048B (zh) | 一种基于高斯过程回归的烧结过程运行性能预测的方法 | |
Gao et al. | Temperature prediction and evaluation of mill based on neural network | |
Moradkhani et al. | (2205-7386) Identification of cement rotary kiln using type 2 Takagi-Sugeno neuro-fuzzy system considering the effect of different noisy condition | |
Chen et al. | Burden Distribution Decision for Blast Furnace Based on Multiple Condition State | |
Tian et al. | Research on the mill feeding system of an elastic variable universe fuzzy control based on particle swarm optimization algorithm |
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 |