[发明专利]一种基于XGBoost的水泥磨系统电耗指标预测方法

权利要求书

1.一种基于XGBoost的水泥磨系统电耗指标预测方法，其特征在于：首先选取与水泥磨电耗相关的八个变量，采用OPC技术对所需变量数据进行收集，采用人工经验去除法和3σ准则去除异常数据，构建XGBoost模型输入输出层，根据样本数据初始化权重参数，按照该权重训练第一棵树，训练完成后根据目标函数更新权重参数，进行新一轮决策树的训练，当样本权重和小于设定阈值或迭代次数达到设定值时停止建树，完成XGBoost模型训练，将工业现场样本数据集代入训练好的模型完成水泥磨系统电耗指标在线预测。

2.根据权利要求1所述的一种基于XGBoost的水泥磨系统电耗指标预测方法，其特征在于：具体步骤如下：

步骤A：输入、输出变量筛选：通过对水泥生产现场水泥磨系统的运行分析，从众多工业参量中选取与水泥磨电耗相关的八个工业参量作为输入变量，一个工业参量作为输出变量；

步骤B：数据收集：采用OPC技术将水泥工业现场DCS设备的数据提取并导入sql server数据库存储，从水泥磨历史生产数据库中提取步骤A中的八个输入数据及一个输出变量数据；

步骤C：数据清洗：采用人工经验去除法和3σ准则筛选法相结合的方法去除由于操作人员不当操作等因素产生的异常数据，构建XGBoost水泥磨系统电耗指标预测模型输入输出层；

步骤D：利用步骤C构建好的输入输出层数据，结合XGBoost算法，进行XGBoost水泥磨系统电耗指标预测模型的训练；

步骤E：将水泥磨系统实际生产中的实时工业参量数据代入步骤D中训练好的XGBoost水泥磨系统电耗指标预测模型，实现水泥磨系统电耗指标的在线预测。

3.根据权利要求1所述的一种基于XGBoost的水泥磨系统电耗指标预测方法，其特征在于：所述步骤A中的输入变量包括出磨提升机电流X1、选粉机入口负压X2、喂料提升机电机电流X3、辊压机电机电流X4、球磨主机电流X5、磨尾收尘风机反馈X6、选粉机转速反馈X7、回粉量均值X8，输出变量为水泥磨单位电耗Y1。

4.根据权利要求1所述的一种基于XGBoost的水泥磨系统电耗指标预测方法，其特征在于：所述步骤B中进行数据收集时，将一天24小时的数据划分为144的区间，每个区间时间间隔为10分钟，利用当前时刻30分钟的输入变量数据预测未来10分钟的水泥磨单位电耗。

5.根据权利要求1所述的一种基于XGBoost的水泥磨系统电耗指标预测方法，其特征在于：所述步骤C中的人工经验去除法是指根据现场工作人员的经验结合历史生产数据分布来制定的一个大异常数据去除策略，以各参量的期望值为中心，去除历史数据中小于0.1倍期望值和大于10倍期望值的数据。

6.根据权利要求1所述的一种基于XGBoost的水泥磨系统电耗指标预测方法，其特征在于：所述步骤C中的3σ准则筛选法的计算公式如下：

其中：x_i为输入变量中第i个数据，为该变量数据集合的平均值，

U(x_i)为数据x_i的筛选法则，σ_i为该变量数据集合的标准差；

如果U(x_i)＝0时，则数据x_i为异常生产数据，需去除；如果U(x_i)＝1时，则数据x_i为正常生产数据，需保留。

7.根据权利要求1所述的一种基于XGBoost的水泥磨系统电耗指标预测方法，其特征在于：所述步骤D中的XGBoost水泥磨系统电耗指标预测模型具体训练步骤为：

D1、构建T树的模型

D2、定义目标函数

公式(3)中，第一项为损失函数，第二项为正则化项；

水泥磨系统电耗指标预测为回归问题，其损失函数为：

公式(4)中，y_i为当前实际输出，f(x_i)为当前预测输出；

正则化项为：

其中，T表示叶子结点的个数，w表示叶子节点的分数，γ可以控制叶子结点的个数，λ可以控制叶子节点的分数不会过大，防止过拟合；

D3、训练目标函数

从第1棵树开始，为了使目标函数最小化，依次训练，更新决策树参数，第t个目标函数为：

将目标函数按照二阶泰勒展开：

去掉常数项，这一目标函数只依赖于每个数据点的在误差函数上的一阶导数和二阶导数，将目标函数按照叶节点分组，并将公式(5)代入公式(7)化简后得：

令G_j＝Σg_i、H_j＝Σh_i，可得：

第j各节点和最优Obj的最优分数为：

目标函数最优解为：

按照一定的规则对树进行分割：

至此，基于XGBoost的水泥磨系统电耗指标预测模型训练完毕。