[发明专利]一种生产参数优化预测方法、装置、设备及存储介质

说明书

本发明涉及一种生产参数优化预测方法、装置、设备及存储介质，包括：获取生产流程中各个工序的监测数据；对所述监测数据预处理；利用规则关联算法在任意两个工序间构建表示两个工序间影响关系的最强关联链，并将所述最强关联链与所述监测数据波动状态结合，得到状态关联链；利用柔性神经树算法根据所述状态关联链建立预测模型，得到并输出预测结果。该方法可根据预测结果对关键工序的参数进行优化，通过优化关键工序的参数进而优化燃煤锅炉的生产流程，达到节能减排、提高经济性和生产安全性的效果。

技术领域

本发明属于燃煤锅炉生产技术领域，具体涉及一种生产参数优化预测方法、装置、设备及存储介质。

背景技术

锅炉燃烧过程就是一个效益转化过程，锅炉高温水或蒸汽产生的大量热能，能够直接使用，通过管道进入到千家万户，应用到人们的生活生产中，保证生活生产健康发展，为房屋提供良好的采暖、全面调节空气质量、为纺织、化工、造纸等各行各业提供应用，同时，通过锅炉的燃烧，也能够实现电能、机械能等的转化，实现经济良好运行与发展，可见锅炉在生产生活中的重要地位与作用。

掌握燃煤锅炉生产流程中关键工序的参数对燃煤锅炉的利用十分重要。为了保证燃煤锅炉机组运行的可靠性和经济性，迫切需要在线实时掌握关键工序的参数和效率，以便根据实际情况对参数进行有效的优化和控制。

但是，人们直接从燃煤锅炉获取的监测数据是海量的，且通常存在着大量的噪声数据以及错漏信息，而且工序间的相互影响关系无法在数据中直接体现，并且具有分布、异步、离散的特性，无法直接用于大数据处理。人们很难直接从海量监测数据中获取有价值的规律性信息，进而无法对主汽压力、氧气含量、送风机转速等参数调整优化，也就无法达到优化生产，节能减排，提高企业生产安全性的目的。

发明内容

本发明的目的在于，针对上述现有技术存在的缺陷，提供设计一种生产参数优化预测方法、装置、设备及存储介质，以解决上述技术问题。

第一方面，本申请实施例提供一种生产参数优化预测方法，包括：获取生产流程中各个工序的监测数据；对所述监测数据预处理；利用规则关联算法在任意两个工序间构建表示两个工序间影响关系的最强关联链，并将所述最强关联链与所述监测数据波动状态结合，得到状态关联链；利用柔性神经树算法根据所述状态关联链建立预测模型，得到并输出预测结果。

结合第一方面，在第一方面的第一种实施方式中，对所述监测数据预处理包括：将处于相同时间段的监测数据合并，得到集成监测数据；利用等差数列填充法或均值法填充空白监测数据；利用相关系数曲线对属于不同工序的监测数据进行时序调整；利用k-均值算法获取所述监测数据的聚类集合。

结合第一方面的第一种实施方式，在第一方面的第二种实施方式中，利用规则关联算法在任意两个工序间构建表示两个工序间影响关系的最强关联链，并将所述最强关联链与所述监测数据波动状态结合，得到状态关联链包括：利用规则关联算法处理任意两个工序的聚类数据，得到不同工序中任意两聚类集合间的二项关联规则；计算不同工序中任意两聚类集合间的关联度，并将聚类集合间的关联度转换为工序间的关联度；根据所述任意两个工序间的关联规则和关联度，选取满足时间序列且关联度最大的聚类数据进行关联，构造不同工序间的最强关联链；将不同工序间的监测数据波动状态与所述最强关联链结合，得到不同工序间的状态关联链。

结合第一方面的第二种实施方式，在第一方面的第三种实施方式中，利用柔性神经树算法根据所述状态关联链建立预测模型得到并输出预测结果包括：利用柔性神经树方法，根据所述状态关联链和经预处理的监测数据建立预测模型；将关键工序的生产输入参数和生产输出参数输入到所述预测模型并进行迭代运算；通过不断修改迭代次数得到最佳迭代次数，并利用标准平均方差值和矩阵实验室校验预测的准确性。