[发明专利]基于BP神经网络与MPSO算法的铝电解节能减排控制方法

摘要

本发明提供了一种基于BP神经网络与MPSO算法的铝电解节能减排控制方法，首先，利用BP神经网络对铝电解生产过程进行建模，然后，利用基于多目标粒子群算法对生产过程模型进行优化，得到各决策变量的一组最优解以及该最优解对应的电流效率、吨铝能耗以及全氟化物排放量。MPSO算法不需要进行交叉、变异操作，因此编码过程简单、容易实现，且与其他算法相比，MPSO算法具有记忆性，即保留了所有全局最优值和局部最优值，保证了在种群进化过程中最优取值的完整性。该方法确定了铝电解生产过程中工艺参数的最优值，有效提高了电流效率，降低了吨铝能耗，减少了温室气体排放量，真正达到节能减排的目的。

主权项

一种基于BP神经网络与MPSO算法的铝电解节能减排控制方法，其特征在于，包括如下步骤：S1：选择对电流效率、吨铝能耗以及全氟化物排放量有影响的控制参数构成决策变量X＝[x₁,x₂,…,x_M]，M为所选参数的个数；S2：选定铝电解工业现场，采集N组决策变量X₁，X₂，…，X_N及其对应的电流效率y₁，y₂，…，y_N、吨铝能耗z₁，z₂，…，z_N以及全氟化物作s₁，s₂，…,s_N为数据样本，以每一个决策变量X_i作为输入，分别以对应的电流效率y_i、吨铝耗能z_i以及全氟化物s_i作为输出，运用BP神经网络对样本进行训练、检验，建立铝电解槽生产过程模型；S3：利用多目标粒子群算法，即MPSO算法，对步骤S2所得的三个生产过程模型进行优化，得到一组最优决策变量X_best及其对应的电流效率y_best、吨铝能耗z_best以及全氟化物s_best；S4：按照步骤S3所得的最优决策变量X_best中的控制参数来控制步骤S2中所选定的铝电解工业现场，使其达到节能减排。