一种水泥原料立磨系统的节能优化方法技术方案

本发明专利技术公开了一种水泥原料立磨系统的节能优化方法，在不改变生产设备任何结构和原理、不增加额外测点、不影响正常生产的前提下，通过机器学习的方法，智能化的提供安全、便捷、合理的辅助决策。该方法包括：采集历史操作数据，形成多个历史操作模型，历史操作数据包括可控变量，可控变量包括磨机研磨压力、磨机进口负压、磨机出口负压、热风阀门开度、冷风阀门开度、磨机入口温度、磨机出口温度、风机阀门开度；划分喂料量分区；根据单机电耗量的高低，对同一个喂料量分区的历史操作进行排序，获得一个喂料量分区的最优历史操作记录，将所有喂料量分区的最优历史操作记录合并，形成最优推荐表；根据实时工况和最优推荐表获得设备的最优操作建议。

An Energy-saving Optimization Method for Vertical Milling System of Cement Raw Materials

The invention discloses an energy-saving optimization method for a vertical grinding system of cement raw materials, which intelligently provides safe, convenient and reasonable auxiliary decision-making by means of machine learning without changing any structure and principle of production equipment, adding no additional measuring points and affecting normal production. The method includes: collecting historical operation data and forming multiple historical operation models. The historical operation data includes controllable variables, which include grinding pressure, negative pressure of mill inlet, negative pressure of mill outlet, opening of hot air valve, opening of cold air valve, temperature of mill inlet, temperature of mill outlet and opening of fan valve; dividing feeding quantity into zones according to single machine consumption; The historical operation of the same feeding volume partition is sorted, and the optimal historical operation record of the feeding volume partition is obtained. The optimal operation record of all feeding volume partitions is merged to form the optimal recommendation table. The optimal operation suggestion of the equipment is obtained according to the real-time working condition and the optimal recommendation table.

【技术实现步骤摘要】
一种水泥原料立磨系统的节能优化方法
本专利技术涉及节能降耗
，尤其涉及一种水泥原料立磨系统的节能优化方法。
技术介绍
水泥原料立磨系统生产合格且稳定产量下的节能优化是水泥厂关注的重要课题。其难点一，在于实时喂料量波动大，工人需要实时的进行人工微调，根据传统管理及操作方式，只能做到产量正常，无法做到耗能的最优；其难点二，需要工人根据专家建议，即根据人为给出的大概的操作设定值操作，不同的专家，其给出的操作设定值不同，同样无法做到节能降耗。因此有必要提出一种自适应的低成本、安全、便捷的智能化辅助决策方案，帮助水泥厂提供一个较准确可靠的优化建议，从而达到智能化操作，且稳定产量下的节能甚至优产的效果。
技术实现思路
本专利技术为解决上述技术问题，提供了一种水泥原料立磨系统的节能优化方法，在不改变生产设备任何结构和原理、不增加额外测点、不影响正常生产的前提下，通过机器学习的方法，智能化的提供安全、便捷、合理的辅助决策。所述方法包括：采集历史操作数据，形成多个历史操作模型，所述历史操作数据包括可控变量，所述可控变量包括磨机研磨压力、磨机进口负压、磨机出口负压、热风阀门开度、冷风阀门开度、磨机入口温度、磨机出口温度、风机阀门开度；根据磨机的喂料量划分出喂料量分区；根据单机电耗量的高低，对同一个喂料量分区的历史操作进行排序，获得一个喂料量分区的最优历史操作记录，将所有喂料量分区的最优历史操作记录合并，形成最优推荐表；进一步的，根据实时工况和所述最优推荐表获得设备的最优操作建议。进一步的，在获得最优历史操作记录前，通过机器学习的方式对所述历史操作数据进行箱线图分布统计，得到上限和下限，剔除上限和下限之外的异常数据。进一步的，剔除历史操作数据中的异常数据后，通过自主学习数据的正态分布情况,自适应确定不同数据筛选规则，具体逻辑如下：若VMIN<μ-3σ且VMAX>μ+3σ，则取(μ-3σ,μ+3σ)范围作为数据筛选规则；若VMIN>μ-3σ且VMAX>μ+3σ，则取(VMIN,μ+3σ)范围作为数据筛选规则；若VMIN<μ-3σ且VMAX<μ+3σ，则取(μ-3σ,VMAX)范围作为数据筛选规则；若VMIN>μ-3σ且VMAX<μ+3σ，则取(VMIN,VMAX)范围作为数据筛选规则；其中，VMIN为变量最小值，VMAX变量最大值，μ变量均值，σ变量标准差。进一步的，剔除异常数据且根据数据的正态分布情况确定不同数据筛选规则后，对历史操作数据进行离散化处理，再对历史操作模型进行自适应优质编码。编码后，统计同一个喂料量分区中各个编码出现的频率，并根据频率进行降序排序；统计相同编码对应的单机电耗，将相同编码进行整合去重，形成独自编码，且独自编码对应的单机电耗等于所有相同编码的单机电耗的均值，获得降序排序中前十位独自编码对应的单机电耗，选择单机电耗最低的作为所在喂料量分区的最优历史操作记录，同时获得相应的最优推荐表。其中，所述编码与所述历史操作模型一一对应，编码是各变量对模型的映射，能够对模型定位，即根据变量可以快速找到相应的模型，通过编码方式，不仅能大大降低样本的内存空间，提高模型训练速度，且能大大提高学习精确度。编码代表了磨机研磨压力、磨机进口负压、磨机出口负压、热风阀门开度、冷风阀门开度、磨机入口温度、磨机出口温度、风机阀门开度等变量，不同变量根据数据范围。具体编码计算公式为：编码＝取整函数((变量–变量最低值)/变量步长)，本申请采用自适应优质编码，其变量最低值以及变量步长将不掺和任何主观经验，取决于数据本身，脱离了人为的固定主观经验。其中，所述变量最低值取决于正太分布情况：若是标准正态分布数据，则变量最低值＝均值-3*标准差；若是左偏态(偏态系数SK<-0.1)分布数据(分布的左侧有长尾)，当数据集中(峰态系数KT>0)，则变量最低值＝均值-3*标准差，当数据分散(峰态系数KT<0)，则变量最低值＝均值-标准差；若是右偏态(偏态系数SK>0.1)分布数据(分布的右侧有长尾)，当数据集中(峰态系数KT>0)，则变量最低值＝均值-3*标准差，当数据分散(峰态系数KT<0)，则变量最低值＝均值-标准差；所述变量步长取决于数据精度变化量：DIFF＝(均值+3*标准差)-(均值-3*标准差)IFDIFF<＝5ANDDIFF>＝0.5：变量步长＝0.1；ELIFDIFF>5ANDDIFF<＝50:变量步长＝1；ELIFDIFF<0.5：变量步长＝0.01；ELIFDIFF>50：变量步长＝10。进一步的，根据最优推荐表进行最优操作建议时，对推荐的最优历史操作记录的编码进行解码，解码计算公式如下：变量＝变量编码*变量步长+变量最低值。进一步的，根据实时工况，对最优推荐表对应的工况的最优操作建议进行迭代优化，具体迭代优化过程为，操作产生的操作模型形成实时编码，将实时编码与所述独自编码匹配，当匹配距离为零且实时编码的单机电耗低于独自编码的单机电耗时，判断为较优的操作记录，将该操作记录存储，且重新计算单机电耗均值，即获得该独自编码的新的单机电耗，再与所在喂料量分区的其它独自编码比较出现的频率和单机电耗，从而更新所在喂料量分区的最优历史操作记录；当匹配不到距离为零的独自编码时，将所述实时编码列为新的独自编码，再与所在喂料量分区的其它独自编码比较出现的频率和单机电耗，从而更新所在喂料量分区的最优历史操作记录。由上述对本专利技术的描述可知，和现有技术相比，本专利技术具有如下优点：1、通过记录历史操作记录，根据实时工况和所述最优推荐表获得设备的最优操作建议，达到节能降耗；2、采用自适应的筛选规则和自适应的优质编码，脱离了人为的固定主观经验，不掺和任何主观看法或观察数据统计后的经验，先自适应学习调整筛选规则，提取安全正常的有价值数据，再通过自适应学习调整编码公式参数，从而达到历史数据中挖掘出潜在价值，其推荐的优化方案客观、合理、可靠、安全；3、本专利技术的在线推送速度快，只需判断是属于哪个喂料量分区，即可从存储的最优推荐表中快速高效的提取相应的推荐建议，拥有快效率推荐速度，远远满足了每3s一个推荐建议的需求；4、本专利技术拥有快速学习效率，包括了在线更新功能。在迭代最优推荐表时，无需针对所有喂料量分区数据再进行学习，去得到各喂料量分区的最优操作记录，只需根据喂料量判断相应的喂料量分区，再对对应分区数据进行再学习，接着只需将最优推荐表中该分区的最优历史操作记录进行更新即可。附图说明此处所说明的附图用来提供对本专利技术的进一步理解，构成本专利技术的一部分，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。其中：图1是本专利技术一种水泥原料立磨系统的节能优化方法实施例一的流程示意图；具体实施方式为了使本专利技术所要解决的技术问题、技术方案及有益效果更加清楚、明白，以下结合附图和实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本专利技术，并不用于限定本专利技术。实施例一：一种水泥原料立磨系统的节能优化方法，在不改变生产设备任何结构和原理、不增加额外测点、不影响正常生产的前提下，通过机器学习的方法，智能化的提供安全、便捷、合本文档来自技高网...

【技术保护点】
1.一种水泥原料立磨系统的节能优化方法，其特征在于，采集历史操作数据，形成多个历史操作模型，所述历史操作数据包括可控变量，所述可控变量包括磨机研磨压力、磨机进口负压、磨机出口负压、热风阀门开度、冷风阀门开度、磨机入口温度、磨机出口温度、风机阀门开度；根据喂料量获得喂料量分区；根据单机电耗量的高低，对同一个喂料量分区的历史操作进行排序，获得一个喂料量分区的最优历史操作记录，将所有喂料量分区的最优历史操作记录合并，形成最优推荐表。

【技术特征摘要】
1.一种水泥原料立磨系统的节能优化方法，其特征在于，采集历史操作数据，形成多个历史操作模型，所述历史操作数据包括可控变量，所述可控变量包括磨机研磨压力、磨机进口负压、磨机出口负压、热风阀门开度、冷风阀门开度、磨机入口温度、磨机出口温度、风机阀门开度；根据喂料量获得喂料量分区；根据单机电耗量的高低，对同一个喂料量分区的历史操作进行排序，获得一个喂料量分区的最优历史操作记录，将所有喂料量分区的最优历史操作记录合并，形成最优推荐表。2.根据权利要求1所述的一种水泥原料立磨系统的节能优化方法，其特征在于，根据实时工况和所述最优推荐表获得设备的最优操作建议。3.根据权利要求1所述的一种水泥原料立磨系统的节能优化方法，其特征在于，在获得最优历史操作记录前，通过机器学习的方式对所述历史操作数据进行箱线图分布统计，得到上限和下限，剔除上限和下限之外的异常数据。4.根据权利要求3所述的一种水泥原料立磨系统的节能优化方法，其特征在于，剔除历史操作数据中的异常数据后,自适应确定不同数据筛选规则，通过自主学习数据的正态分布情况,具体逻辑如下：若VMIN<μ-3σ且VMAX>μ+3σ，则取(μ-3σ,μ+3σ)范围作为数据筛选规则；若VMIN>μ-3σ且VMAX>μ+3σ，则取(VMIN,μ+3σ)范围作为数据筛选规则；若VMIN<μ-3σ且VMAX<μ+3σ，则取(μ-3σ,VMAX)范围作为数据筛选规则；若VMIN>μ-3σ且VMAX<μ+3σ，则取(VMIN,VMAX)范围作为数据筛选规则；其中，VMIN为变量最小值，VMAX变量最大值，μ变量均值，σ变量标准差。5.根据权利要求4所述的一种水泥原料立磨系统的节能优化方法，其特征在于，对历史操作数据进行离散化处理且对历史操作模型进行自适应优质编码；统计同一个喂料量分区中各个编码出现的频率，并根据频率进行降序排序；统计相同编码对应的单机电耗，将相同编码进行整合去重，形成独自编码，且独自编码对应的单机电耗等于所有相同编码的单机电耗的均值，获得降序排序中前十位独自编码对应的单机电耗，选择单机电耗最低的作为所在喂料量分区的最优历史操作记录，同时获得相应的最...

【专利技术属性】
技术研发人员：刘煜，孙再连，钟骥华，
申请(专利权)人：厦门邑通软件科技有限公司，
类型：发明
国别省市：福建,35