[发明专利]基于工业数据和工艺机理的复合肥生产养分优化方法

说明书

本发明提供一种基于工业数据和工艺机理的复合肥生产养分优化方法，包括以下步骤：基于氨酸法工艺机理的历史生产数据清洗，去除逻辑错误的数据样本，将健康数据用于模型训练；基于工艺机理分析的复合肥N养分控制模型训练；基于工艺机理分析的复合肥P养分控制模型训练；基于工艺机理分析的复合肥K养分控制模型训练；建立基于高维近似模型的复合肥产品养分优化控制模型；复合肥产品养分控制非线性优化问题求解；建立的非线性数学规划问题，利用数学编程技术，采用经典的连续凸逼近算法可对其进行高效地求解。本发明建立复合肥养分优化控制数学模型，寻找最优的复合肥养分控制生产条件，最终制定出生产成本最优的各生产参数联调策略。

技术领域

本发明属于复合肥生产技术领域，具体涉及一种基于工业数据和工艺机理的复合肥生产养分优化方法。

背景技术

氨酸法工艺是目前主流的复合肥生产方式。其核心工艺包括浓磷酸、浓硫酸、液氨的化学反应，以及氯化钾、硫酸钾、尿素、氯化铵、硫酸铵、磷酸一铵等原料的混合，通过精准控制原料进料配比来调节复合肥产品的N、P、K养分和总养分，以达到国标或出口产品标准的要求。

现有氨酸法复合肥养分控制方法采用物料稳态计算方法，由操作工人根据各原料养分事先设定原料进料比例，再采用三小时(或者更长时间)化验复合肥产品养分的策略，再根据该化验结果，对各原料进料比例进行微调，保证生产体系中复合肥养分稳定在一定水平，以达到较优的生产成本控制，即符合产品养分合格的条件下，超养分产品最少。

基于稳态计算各原料进料比例和根据三小时(或者更长时间)化验数据调整生产的方法，在实际生产中常常遇到以下几个问题：

(1)复合肥生产存在较大的返料操作，且一部分原料(比如废料、磷酸一铵、氯化钾等)的养分在生产过程中会发生变化。当工人无法及时获取这些因素发生变化的信息时，根据稳态计算确定的原料进料比例，往往对产品的养分含量预测存在较大的误差。特别在废料进料养分变化较大的情况下，产品养分波动很大，难以控制。

(2)由于现有生产方法是在化验数据检测结果出来后，再对生产进行调整。化验数据检测具有很强的时间滞后性，导致工人操作不及时，永远落后于实际生产条件变化。

(3)复合肥生产属于动态连续过程，其受到多种不确定因素的影响。工厂操作人员只能从经验出发调控原料配比等，因此产品的养分与操作人员的技术、经验和专注程度等条件密切相关，直接导致产品养分的波动。且工人操作属于多年积累经验，并非该工艺所有生产参数的最佳动态组合，其生产效益存在较高的优化和提升空间。

发明内容

针对上述技术问题，本发明提供一种基于工业数据和工艺机理的复合肥生产养分优化方法，主要目的有：

(1)基于氨酸法工艺，采用化工机理分析方法，选取过程关键影响参数，提出工业数据复合肥生产养分模型训练方法，实现产品养分化验指标精准预测。

(2)基于训练好的产品养分预测模型，以及实时生产参数，对复合肥生产原料进料进行联调，保证生产过程中产品养分合格。

(3)建立复合肥生产优化控制模型，对各生产参数的联调优化，实现产品总养分控制最优和生产成本最低的目标。

本发明首先采用化工机理分析方法，将海量工业历史数据进行清洗，去除与工艺机理相矛盾的历史数据。随后，选取过程工业关键影响参数，提出高维数据训练方法，建立与实际生产高度吻合的复合肥养分预测模型，实现产品养分精准控制。最后通过建立复合肥生产优化模型，提出最优控制算法指导生产，保证产品总养分最优，并摆脱对工人经验的依赖。

具体的技术方案为：

基于工业数据和工艺机理的复合肥生产养分优化方法，包括以下步骤：

步骤S100：基于氨酸法工艺机理的历史生产数据清洗，去除工艺逻辑错误的数据样本，将健康数据用于模型训练。