[发明专利]基于数据驱动的箱板纸机干燥部能量系统运行优化方法

权利要求书

1.基于数据驱动的箱板纸机干燥部能量系统运行优化方法，其特征在于，包括以下步骤：

S1：数据采集和数据预处理；

步骤S1具体步骤如下：

采集纸机干燥部生产数据，分析能耗状况，纸页干燥过程能耗是蒸汽和电，评估存在优化空间；运用箱型图法对数据预处理；

S2：特征变量选择分析；

步骤S2具体步骤如下：

S21.单变量特征选择，运用pearson相关系数法对采集的变量作单变量分析，分析干燥部工艺约束变量、能耗变量与其它变量间的相关性；

S22.多变量特征选择，GBDT算法中的重要性排序做多变量分析，采用CART作为基学习器，采用基尼指数来选择划分属性，通过基尼系数来选择节点属性，能在候选特征中选择最优特征来划分节点，并使得划分后的误差最小，即得到最优特征；

S3：建立纸页干燥过程关键参数预测模型；

步骤S3具体步骤如下：

S31.依据步骤S21、S22，确定各预测模型特征变量；

S32.计算各模型的平均绝对误差、平均相对误差、拟合优度指标；

S4：基于遗传算法建立干燥部能耗优化模型；

步骤S4具体步骤如下：

S41.建立干燥部能耗公式；

建立排风机排风温度对应下的饱和湿度公式；

S42.生产中纸机干燥部风机的排风温湿度及出干燥部纸页的干度有工艺约束，即要求这些指标在合理的工艺范围内；

S5：模型验证；

步骤S5具体步骤如下：

输入干燥部能量系统运行优化模型参数，使用遗传算法进行工艺参数求解。

2.根据权利要求1所述的基于数据驱动的箱板纸机干燥部能量系统运行优化方法，其特征在于，步骤S1运用箱型图法对数据预处理，将特征数据的四分之一分位值定为Q₁，四分之三分位值定为Q₃：

其中，IQR为四分位距，limit_max为异常值上限，limit_min为异常值下限。

3.根据权利要求1所述的基于数据驱动的箱板纸机干燥部能量系统运行优化方法，其特征在于，步骤S21.单变量特征选择中，相关系数是反应两变量之间变化趋势的方向以及程度，用于两个变量之间的相关性分析，取值范围在[-1,1]，其绝对值越大，相关性越强；相关系数越接近于-1，相关度越强，相关系数越接近于0，相关度越弱；其中，绝对值在0.8-1.0表示极强相关，在0.6-0.8表示强相关，在0.4-0.6表示中等程度相关，0.2-0.4表示弱相关，0-0.2表示极弱相关或无相关；相关系数的计算公式如下：

其中,Cov(X，Y)为X和Y的协方差，Var[X]、Var[Y]分别为X和Y的方差；

S22.多变量特征选择，假定数据集D，由CART作为基学习器建立的组合模型GBT,基学习器个数为K,每个特征节点的基尼指数计算公式如下：

其中，Gini(D)为数据集D的基尼值，p_j为样本值j所占的比例，v为样本取值总数，Gini_index(D，a)为属性a在样本集D上的基尼指数；然后针对每个节点，计算候选特征集S中所有特征的基尼指数，选取使得划分后基尼指数最小的特征m_min作为节点特征；此时，由特征m_min造成的平均不纯度减少值ΔGini，即为m_min的贡献度：

按照上面这两个公式，搜索单个基学习器上所有分裂节点i的贡献度，然后对所有基学习器进行平均，即得到m_min的总体贡献度：

其中，为单个基学习器特征m_min的贡献度，为该特征最终贡献度。