[发明专利]基于工业大数据的烟草干燥工序热能分析系统

权利要求书

1.基于工业大数据的烟草干燥工序热能分析系统，其特征在于：包括

数据采集模块，用于自动采集烟草干燥工序的生产参数数据；

数据处理模块，包括数据计算单元和数据分析单元，用于计算干燥工序的蒸汽热能消耗，利用生产参数数据和蒸汽热能消耗计算值，通过相关性分析和机器学习回归模型，确定影响干燥工序热能的关键生产参数：

热能分析模块，用于对关键生产参数数据作回归分析和分类统计学分析，明确关键生产参数的调控方向和节能潜力；

调控决策模块，用于基于热能分析模块的结果将其反馈至生产控制系统，实现关键生产参数的自动调控；

异常预警模块，当关键生产参数：薄板主蒸汽温度的调控值超出标准值±5℃时，系统发出预警并进入异常处理流程。

2.根据权利要求1所述的烟草干燥工序热能分析系统，其特征在于：

所述数据计算单元：

首先，计算薄板烘丝机的蒸汽热能消耗：

其中：I_t为薄板烘丝机的蒸汽热能消耗，MJ/h；T_in和T_out和分别为动力车间锅炉水的温度和薄板烘丝机的主蒸汽温度，K；W为薄板烘丝机消耗的主蒸汽的质量流量，kg/h；C_p,w为水的比热容系数；MJ/(kg·K)；ΔH_w为水的潜热系数；MJ/kg；

然后，计算薄板烘丝机生产单位质量烟丝的蒸汽热能消耗：

其中：I_Dy为单位质量烟丝的蒸汽热能消耗，MJ/kg；I_t为薄板烘丝机的蒸汽热能消耗，MJ/h；W_t为薄板烘丝机出口的烟丝质量流量，kg/h；H为薄板烘丝机出口的烟丝含水率，％。

3.根据权利要求1所述的烟草干燥工序热能分析系统，其特征在于：

所述数据分析单元：

利用生产参数数据和蒸汽热能消耗I_Dy计算值，通过相关性分析和机器学习回归模型，确定影响干燥工序热能的关键生产参数：

①相关性分析

基于生产参数数据与蒸汽热能消耗I_Dy的Pearson线性相关性分析，其中

蒸汽热能消耗I_Dy与薄板主蒸汽温度(DY-Tg-in)和薄板主蒸汽压力(DY-Pg-in)之间具有正线性相关关系；与薄板出口烟丝质量流量(DY-Wt-out)之间具有负线性相关关系；

②机器学习回归模型

将生产参数数据分为训练集和测试集，并分别输入到多个机器学习回归模型进行训练学习，再通过各机器学习回归模型分别预测干燥工序的蒸汽热能消耗I_Dy；

选择预测精度最高的机器学习回归模型，并分析其模型预测结构的生产参数贡献度，将贡献度高的生产参数确定为关键生产参数。

4.根据权利要求1或3所述的烟草干燥工序热能分析系统，其特征在于：

关键生产参数包括：薄板主蒸汽温度(DY-Tg-in)、薄板主蒸汽压力(DY-Pg-in)、薄板出口烟丝质量流量(DY-Wt-out)、薄板蒸汽压力(DY-Pg-pan)、加热薄板蒸汽分流体积流量(DY-Vg-pan)。