[发明专利]萃余过氧化氢浓度计算方法、装置、存储介质及处理器在审
申请号: | 202010451648.6 | 申请日: | 2020-05-25 |
公开(公告)号: | CN113724795A | 公开(公告)日: | 2021-11-30 |
发明(设计)人: | 韩华伟;贾学五;高新江;王春利 | 申请(专利权)人: | 中国石油化工股份有限公司;中国石油化工股份有限公司青岛安全工程研究院 |
主分类号: | G16C10/00 | 分类号: | G16C10/00;G16C20/70 |
代理公司: | 北京润平知识产权代理有限公司 11283 | 代理人: | 肖冰滨;王晓晓 |
地址: | 100728 北*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 过氧化氢 浓度 计算方法 装置 存储 介质 处理器 | ||
1.一种双氧水装置的萃余过氧化氢浓度计算方法,其特征在于,该计算方法包括:
检测所述双氧水装置的萃余过氧化氢浓度以外其他位点的当前数据;
根据所述其他位点的当前数据,基于过氧化氢浓度预测模型,计算所述双氧水装置的萃余过氧化氢浓度,其中所述过氧化氢浓度预测模型为所述萃余过氧化氢浓度的波动历史数据以及与所述萃余过氧化氢浓度的波动历史数据相关的其他位点的历史数据进行神经网络训练得到的模型。
2.根据权利要求1所述的双氧水装置的萃余过氧化氢浓度计算方法,其特征在于,所述波动历史数据为在预设时长内异常运行的数据的时长大于所述预设时长的预设百分比的历史数据。
3.根据权利要求1所述的双氧水装置的萃余过氧化氢浓度计算方法,其特征在于,所述过氧化氢浓度预测模型通过以下方式得到:
获取所述萃余过氧化氢浓度的波动历史数据;
计算所述波动历史数据与同运行时刻的其他位点中每一个位点的历史数据的灰度相关系数;
提取所述波动历史数据以及所述灰度相关系数大于与所述位点种类有关的相关系数阈值的其他位点的历史数据;
基于所提取的数据以及神经网络进行训练,得到所述过氧化氢浓度预测模型。
4.根据权利要求2所述的双氧水装置的萃余过氧化氢浓度计算方法,其特征在于,所述灰度相关系数通过以下公式计算:
其中,x0为波动历史数据,xi为同运行时刻的其他位点中第i个位点的历史数据,ρ为预设系数,k为历史数据的序号。
5.根据权利要求3所述的双氧水装置的萃余过氧化氢浓度计算方法,其特征在于,所述灰度相关系数大于与所述位点种类有关的相关系数阈值的其他位点包括:
氧化尾气换热器后气相温度、工作液受槽液位、氧化尾气换热器后气相温度控制调节阀开度以及萃取塔顶界位控制调节阀开度。
6.根据权利要求1所述的双氧水装置的萃余过氧化氢浓度计算方法,其特征在于,所述神经网络训练使用MATLAB神经网络。
7.根据权利要求1所述的双氧水装置的萃余过氧化氢浓度计算方法,其特征在于,所述萃余过氧化氢浓度的波动历史数据以及与所述萃余过氧化氢浓度的波动历史数据相关的其他位点的历史数据中70%的数据用于训练所述过氧化氢浓度预测模型,15%的数据用于测试所述过氧化氢浓度预测模型,15%的数据用于验证所述过氧化氢浓度预测模型。
8.一种双氧水装置的萃余过氧化氢浓度计算装置,其特征在于,该计算装置包括:
检测单元以及处理单元,其中,
所述检测单元用于检测所述双氧水装置的萃余过氧化氢浓度以外其他位点的当前数据;
所述处理单元用于根据所述其他位点的当前数据,基于过氧化氢浓度预测模型,计算所述双氧水装置的萃余过氧化氢浓度,其中所述过氧化氢浓度预测模型为所述萃余过氧化氢浓度的波动历史数据以及与所述萃余过氧化氢浓度的波动历史数据相关的其他位点的历史数据进行神经网络训练得到的模型。
9.根据权利要求8所述的双氧水装置的萃余过氧化氢浓度计算装置,其特征在于,所述波动历史数据为在预设时长内异常运行的数据的时长大于所述预设时长的预设百分比的历史数据。
10.根据权利要求8所述的双氧水装置的萃余过氧化氢浓度计算装置,其特征在于,所述过氧化氢浓度预测模型通过以下方式得到:
获取所述萃余过氧化氢浓度的波动历史数据;
计算所述波动历史数据与同运行时刻的其他位点中每一个位点的历史数据的灰度相关系数;
提取所述波动历史数据以及所述灰度相关系数大于与所述位点种类有关的相关系数阈值的其他位点的历史数据;
基于所提取的数据以及神经网络进行训练,得到所述过氧化氢浓度预测模型。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国石油化工股份有限公司;中国石油化工股份有限公司青岛安全工程研究院,未经中国石油化工股份有限公司;中国石油化工股份有限公司青岛安全工程研究院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202010451648.6/1.html,转载请声明来源钻瓜专利网。