[发明专利]铝电解槽过热度识别方法、系统、设备及介质

说明书

本公开实施例中提供了一种铝电解槽过热度识别方法、系统、设备及介质，属于数据处理技术领域，具体包括：选取多种类型的生产数据作为样本数据集；添加标签并进行同构化处理，得到训练集和验证集；构建基于自注意力机制的初始识别模型；利用编码‑解码方法和样本数据集对初始识别模型进行预训练，完成初始化；根据训练集和验证集的加权交叉熵损失训练初始化后的初始识别模型，得到目标识别模型；采集当前时段的生产数据进行同构化处理后输入目标识别模型，得到识别结果。通过本公开的方案，构建基于自注意力机制的初始识别模型，并进行无监督预训练以及使用加权交叉熵损失函数以降低分类模型的有偏性，提高了识别的适应性、识别效率和精准度。

技术领域

本公开实施例涉及数据处理技术领域，尤其涉及一种铝电解槽过热度识别方法、系统、设备及介质。

背景技术

目前，在铝电解生产工艺过程中，过热度是反映铝电解槽当前生产效率与质量的关键指标之一，保持适当的过热度，可以提高电流效率，稳定生产过程，降低生产能耗。现有的过热度测量方法需要对电解质温度和初晶温度分别进行测量，电解质温度一般使用热电偶或者红外测温仪进行在线测量，而初晶温度的测量需要采用采样化验的方式离线进行，其测量过程较为复杂，测量费用高，无法进行实时测量。当前铝电解厂实际生产过程中，主要由工艺人员肉眼观察火眼视频对过热度的进行判断。但由于铝电解槽生产环境温度高，磁场大、腐蚀性强，会对人工判断造成很大的干扰。同时人工判断过热度的过程严重依赖于小部分经验丰富的工艺人员，判断过程存在主观因素，这两个因素导致电解状态不稳定，难以调节到最优的状态，导致电解效率不高，造成资源浪费。

近些年来，随着大数据分析技术的发展，出现了生产数据驱动的方法，基于生产过程数据训练模型来代替工艺人员进行过热度识别。这种处理方法简化了反映铝电解生产过程中不同时刻生产数据变化情况的时间序列信息，缺乏对生产数据动态变化的描述。同时，由于铝电解现场的传感器类别不同，获得的采样频率不一致，数据的表现形式也存在差异，同时由于生产中传感器偶发的故障以及传输过程中环境的干扰，生产数据存在少量缺失，两者均可对模型的识别性能造成干扰；由于实际生产过程中过热度由工艺人员进行决策判断，获得过热度标签代价较大，过热度标签相对生产数据较少，且标签类别数量不均衡，可能导致后继训练的模型判别存在偏差。

可见，现有的铝电解槽过热度识别方法存在适应性、识别效率和精准度较差的问题。

发明内容

有鉴于此，本公开实施例提供一种铝电解槽过热度识别方法、系统、设备及介质，至少部分解决现有技术中存在的适应性、识别效率和精准度较差的问题。

第一方面，本公开实施例提供了一种铝电解槽过热度识别方法，包括：

从铝电解生产数据集中选取多种类型的生产数据作为样本数据集；

对所述样本数据集添加标签并进行同构化处理，得到训练集和验证集；

构建基于自注意力机制的初始识别模型；

利用编码-解码方法和所述样本数据集对所述初始识别模型进行预训练，完成初始化；

根据所述训练集和所述验证集的加权交叉熵损失训练初始化后的所述初始识别模型，得到目标识别模型；

采集当前时段的生产数据进行同构化处理后输入所述目标识别模型，得到识别结果。

根据本公开实施例的一种具体实现方式，所述样本数据集的类型包括生产过程中在线实时获得的监测属性值、生产过程中人工离线化验获得的化验属性值、生产过程中的生产操作至当前时刻的时间值和生产过程中生产状态的8Bit状态值。

根据本公开实施例的一种具体实现方式，所述对所述样本数据集添加标签并进行同构化处理，得到训练集和验证集的步骤，包括：

对所述样本数据集添加标签，并将不同类型的生产数据转换为表现形式和采样频率相同的时间序列数据集合；