[发明专利]一种铜业数据鲁棒协调及显著误差检测方法

说明书

本发明提供了一种铜业数据鲁棒协调及显著误差检测方法，涉及信息技术领域，本发明采用真实物料盘点数据，首先根据盘点数据粗略计算各数据项的盘点数据标准差；根据铜生产企业熔炼厂的铜、硫、金、银金属量回收率；为了防止在数据协调时盘点数据中的显著误差对其他数据项的干扰，本发明建立鲁棒数据协调模型；为了能对熔炼厂物料的盘点数据实现全物料属性的快速数据协调及显著误差检测，本发明采用拉格朗日乘子转换方法，将高维度的变量空间用低维度的约束乘子空间表示。此外采用差分进化算法进行优化迭代求解。此方法所得结果显著误差检测更加准确，且协调后数据更加稳定，计算效率符合实际要求，在铜生产企业及其他生产企业中亦可推广应用。

技术领域

本发明涉及信息技术领域，尤其涉及到鲁棒计算、元启发式优化等技 术，是一种鲁棒计算方法与元启发式方法相结合的有色铜生产数据鲁棒协 调及显著检测方法。

背景技术

熔炼厂作为整个有色铜生产的重要组成部分，其铜、硫、金、银等有 价金属的回收情况直接影响整个企业的生产管控以及利润核算起到决定 性的作用。通过月末对各库存物料质量的测量以及其所含有价元素品位的 化验可以得到该月份的金属平衡报表，通过计算各有价元素的回收率及无 名损失率可以衡量该月的生产情况。正常生产情况下，元素回收率应该在 人工经验估计区间内，但由于受物料计量、取样、检验分析等误差因素的 影响，使得数据中包含测量误差以及显著误差造成金属平衡的无名损失大， 元素质量守恒偏差大。因此，需要对盘点后的数据进行显著误差检测与数 据协调，减小误差对金属平衡的影响。

随着研究应用工作的广泛开展，以元启发式方法，梯度优化为代表的 方法已经可以实现对动态系统的数据协调。这些方法均假设采集得到数据 中的误差均符合高斯分布，然而工业盘点的数据受人工操作，采样等影响 会存在显著误差。因此对数据直接进行数据协调会将数据中的显著误差分 摊到其他数据项上导致协调后结果偏离正常值，鉴于此，采用分布检测方 法先对数据进行显著误差检测。

鉴于此，除了基于测量误差与测量残差的显著误差检测方法，还可以 采用鲁棒目标函数限制残差大于调谐参数的数据项在目标函数中的贡献 度(侯文庭.基于数据驱动鲁棒优化的电力系统多源协调优化调度研究[D].广西大学,2019.)。然而，由于铜生产企业数据协调数据项维数高而 且数据协调模型的约束条件为变量属性之间乘积的难以解耦的双线性形 式，直接采用元启发式方法进行求解会导致算法迭代缓慢，难以收敛；其 次，由于可能同时存在多个显著误差项，需要采用循环检测的方式，因此 会造成检测时间过长。若采用鲁棒数据协调模型，虽然可以同时对多个显 著误差检测，但是目标函数变为非线性形式，导致难以对模型求解。若采 用变量转换的思想，将原来高维度的变量用较低维度的约束乘子表示，并 采用鲁棒数据协调技术对多个显著误差项进行同时确定，则有望在快速求解的同时确定数据中的显著误差。

发明内容

本发明所要解决的技术问题是克服现有技术中存在的不足，提供一种 铜业数据鲁棒协调及显著误差检测方法。

本发明是通过以下技术方案予以实现：一种铜业数据鲁棒协调及显著 误差检测方法，其特征在于，包括如下步骤：

S1：数据预处理

由生产现场SAP数据库，读取当前月份盘点数据，其中包括物料 的质量及对应有价元素品位值，并计算测量值的均值和标准差，根据当月 生产情况估计熔炼厂各金属元素回收率及无名损失率；

S2：数据鲁棒协调建模

首先考虑工厂金属量回收率与无名损失率稳定；

S21：金属元素的金属量回收率和无名损失率的表达式分别如下式(1) (2)所示：