[发明专利]操作结果预测方法、学习模型的学习方法、操作结果预测装置及学习模型的学习装置

说明书

操作结果预测方法是根据工业过程的多个操作条件来预测工业过程的操作结果的方法，包括：模型选择步骤，根据是否使用多个操作条件中的特定的关键操作条件作为预测操作结果时的说明变量，从多个学习模型之中选择特定的学习模型；及预测步骤，基于在模型选择步骤中选择的学习模型来预测操作结果。

技术领域

本发明涉及操作结果预测方法、学习模型的学习方法、操作结果预测装置及学习模型的学习装置。

背景技术

在钢铁业等制造业中，实施了如下管理：通过掌握工厂的电力供需而通过与电力价格相应的运用来削减购电，或者将工厂中的发电电力的剩余量售电给电力公司，并提供给电力系统等。

为了准确地进行这样的电力的管理，需要事先预测各工厂中的将来的电力。例如在专利文献1、2中，公开了决定为了对废料等原材料进行熔化、成分调整及升温而使用的电弧炉所需的投入电力量的方法。

现有技术文献

专利文献

专利文献1：日本特开平6-307766号公报

专利文献2：日本特开2011-256407号公报

发明内容

发明所要解决的课题

在专利文献1所记载的方法中，根据钢液的成分浓度来计算所需的投入电力量，此外，在需要使钢液升温的情况下，对因与基准出钢温度之差而产生的电力量进行加减。但是，存在事先不知道钢液的升温目标量的情况，在该情况下，需要根据其他变量来预测电力量。

另外，在专利文献2所记载的方法中，基于热收支及物质收支的计算，准确地计算出钢液的成分调整或升温所需的热量。但是，在专利文献2所记载的方法中，由于预先实际测量钢液温度、废气温度、冷却水温度等各种温度，因此事先掌握这些温度是困难的。

本发明是鉴于上述情况而完成，其目的在于提供一种能够高精度地预测工业过程的操作结果的操作结果预测方法、学习模型的学习方法、操作结果预测装置及学习模型的学习装置。

用于解决课题的技术方案

为了解决上述课题并实现目的，本发明所涉及的操作结果预测方法根据工业过程的多个操作条件来预测所述工业过程的操作结果，其中，包括：模型选择步骤，根据是否使用所述多个操作条件中的特定的关键操作条件作为预测所述操作结果时的说明变量，从多个学习模型之中选择特定的学习模型；及预测步骤，基于在所述模型选择步骤中所选择的学习模型来预测操作结果。

另外，就本发明所涉及的操作结果预测方法而言，在上述发明中，所述多个学习模型包括：第一学习模型，根据第一教师数据而创建，该第一教师数据包含所述特定的关键操作条件，且没有根据与所述特定的关键操作条件相关联的操作条件进行分类；及第二学习模型，根据第二教师数据而创建，该第二教师数据不包含所述特定的关键操作条件，且根据与所述特定的关键操作条件相关联的操作条件进行了分类，在所述模型选择步骤中，在使用所述特定的关键操作条件作为所述说明变量的情况下，选择所述第一学习模型，并且在不使用所述特定的关键操作条件作为所述说明变量的情况下，选择所述第二学习模型。

另外，就本发明所涉及的操作结果预测方法而言，在上述发明中，所述工业过程为炼钢厂内的电弧过程，所述操作结果是所述电弧过程的分批操作中的使用电力量，所述多个操作条件至少包括升温目标量、预定处理时间及钢种信息。

另外，就本发明所涉及的操作结果预测方法而言，在上述发明中，所述工业过程为炼钢厂内的转炉过程，所述操作结果是所述转炉过程的分批操作中的产生气体，所述多个操作条件至少包括预定吹炼氧量、预定处理时间及吹炼方式。