有机硅单体分馏过程能耗辅助预测方法及系统技术方案

本发明专利技术涉及一种有机硅单体分馏过程能耗辅助预测方法，获取运行数据，分别将其设置为辅助单元训练集、目标单元训练集和目标单元测试集，定义混合训练集，混合训练集为辅助单元训练集和目标单元训练集合并后的总样本集；建立目标单元能耗预测模型，对目标单元能耗预测模型进行迭代更新，输出多个目标单元能耗预测模型；确定能耗预测模型；利用测试集对确定的能耗预测模型进行测试，得到测试样本的能耗预测值，将能耗预测值与能耗实际值进行对比，以评估该模型的性能。本发明专利技术利用有机硅单体分馏过程中不同提纯单元之间的相似性，提出一种有机硅单体分馏过程能耗辅助预测方法，为有机硅分馏过程建立低成本和高泛化性能的能耗预测模型。模型。模型。

【技术实现步骤摘要】
有机硅单体分馏过程能耗辅助预测方法及系统


[0001]本专利技术涉及流程工业生产加工
，尤其是指一种有机硅单体分馏过程能耗辅助预测方法及系统。

技术介绍

[0002]有机硅材料具有耐腐蚀、耐辐射、耐高低温、电气绝缘、阻燃以及生物相容性好等优良特性，在食品、纺织、建筑、汽车、化工、医药、仪器仪表、航空航天等领域得到广泛应用。直接合成法生产的有机硅单体组分多，沸点接近，相对挥发度小，难分离。因此，有机硅单体分馏过程需分离的物质较多且分离要求高，是有机硅单体生产过程中能耗较高的单元。分馏过程的节能降耗在对有机硅工业的绿色生产具有重要意义,能耗的准确预测在实际生产中对降低能耗具有指导意义。
[0003]有机硅单体分馏过程多采用多塔连续精馏工艺，利用各组分相对挥发度的差异进行多级分离，使各单体纯度达到要求。现有技术对分馏过程的各提纯单元建立数据驱动的能耗预测模型，对数据量、质的要求高，当采集到的数据少或数据受污染严重时，难以建立准确的模型。而且各提纯单元的塔器设备、操作条件不同，难以使用一个普适化的模型满足每一提纯单元能耗预测的需求，因此单独对每一提纯单元建模需要重复的数据采集及处理、模型训练等工作，建模成本较高。
[0004]综上所述，现有技术的有机硅单体分馏过程能耗辅助预测方法存在建模成本高、忽视各塔之间相关性以及数据不足情况下难以建模的问题。

技术实现思路

[0005]为此，本专利技术所要解决的技术问题在于克服现有技术存在的缺陷，利用有机硅单体分馏过程中不同提纯单元之间的相似性，提出一种有机硅单体分馏过程能耗辅助预测方法，为有机硅分馏过程建立低成本和高泛化性能的能耗预测模型。
[0006]为解决上述技术问题，本专利技术提供一种有机硅单体分馏过程能耗辅助预测方法，包括：
[0007]获取有机硅分馏过程变量的运行数据，分别将其设置为辅助单元训练集、目标单元训练集和目标单元测试集，定义混合训练集，其中所述混合训练集为辅助单元训练集和目标单元训练集合并后的总样本集；
[0008]设置所述混合训练集中样本的初始权重，并设置辅助单元训练集的权重更新系数，建立目标单元能耗预测模型，对所述目标单元能耗预测模型进行迭代更新，输出多个目标单元能耗预测模型；
[0009]在多个目标单元能耗预测模型中确定能耗预测模型；
[0010]利用所述目标单元测试集对确定的能耗预测模型进行测试，得到所述测试集中的测试样本的能耗预测值，将所述测试样本的能耗预测值与所述测试样本的能耗实际值进行对比，以评估该能耗模型的性能。
[0011]在本专利技术的一个实施例中，设置数据质量好的提纯单元为辅助单元，样本全部为训练集包括：
[0012]所述辅助单元训练集设为D
s
＝(x
i
,y
i
),i＝1,2,
…
,n，其中x
i
表示辅助单元能耗模型输入样本，y
i
表示辅助单元的能耗值，n表示辅助单元所采集样本的个数。
[0013]在本专利技术的一个实施例中，设置数据质量差的提纯单元为目标单元，样本分为训练集和测试集包括：
[0014]分别将所述目标单元训练集和所述目标单元测试集分别设为目标单元训练集D
t
＝(x
j
,y
j
),j＝n+1,
…
,n+m和目标单元测试集D
l
＝(x
l
,y
l
),l＝1,2,
…
,L，其中，x
j
表示目标单元能耗模型训练集的输入样本，y
j
表示目标单元训练集的的能耗值，m表示目标单元训练集样本的个数,x
l
表示目标单元测试集的输入样本，y
l
表示目标单元测试集的能耗值，L表示目标单元测试集样本的个数。
[0015]在本专利技术的一个实施例中，定义混合训练集包括：
[0016]定义混合训练集D＝D
s
∪D
t
＝(x,y)，其中，x＝{x1,x2,
…
,x
n
,x
n+1
,
…
x
n+m
}，y＝{y1,y2,
…
,y
n
,y
n+1
,
…
,y
n+m
}。
[0017]在本专利技术的一个实施例中，设置所述混合训练集中样本的初始权重包括：
[0018]设置混合训练集中样本的初始权重：
[0019][0020][0021]表示辅助单元训练集中样本的初始权重，表示目标单元训练集中样本的初始权重，其中λ
s
和λ
t
表示比例系数。
[0022]在本专利技术的一个实施例中，设置辅助单元训练集的权重更新系数包括：
[0023]设置辅助单元训练集的权重更新系数：
[0024][0025]其中，K表示迭代次数。
[0026]在本专利技术的一个实施例中，建立目标单元能耗预测模型包括：
[0027]对所述辅助单元训练集的样本权重和目标单元训练集的样本权重进行归一化处理如下：
[0028][0029][0030]其中，表示辅助单元训练集第k次迭代的权重，表示目标单元训练集第k次迭代的权重；
[0031]更新所述辅助单元训练集中的样本和所述目标单元训练集中的样本，得到更新后
的混合训练集的样本；
[0032]利用更新后的混合训练集的样本建立目标单元能耗预测模型。
[0033]在本专利技术的一个实施例中，对所述目标单元能耗预测模型进行迭代更新包括：
[0034]计算第k次迭代得到的目标单元能耗预测模型的建模误差函数为：
[0035][0036][0037]f
k
(x
k
)表示第k次迭代得到的目标单元能耗预测模型，当的值大于1时，通过建模误差函数将其映射至范围[0,1]；
[0038]取平方型建模误差函数为：
[0039][0040]其中，
[0041]计算第k次迭代的目标单元训练集的权重更新系数为：
[0042][0043]其中，ε
k
是的平均建模误差：
[0044]更新第k次迭代的混合训练集的样本权重，利用更新后的所述第k次迭代的混合训练集的样本权重建立第k+1个目标单元能耗预测模型。
[0045]根据迭代更新得到的K个模型确定最终的能耗预测模型。
[0046]在本专利技术的一个实施例中，将所述测试样本的能耗预测值与所述测试样本的能耗实际值进行对比，以评估该能耗模型的性能包括：
[0047]采用均方根误差对预测模型的性能进行评价：
[0048][0049]其中，f
T
(x
l
)为目标单本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种有机硅单体分馏过程能耗辅助预测方法，其特征在于，包括：获取有机硅分馏过程变量的运行数据，分别将其设置为辅助单元训练集、目标单元训练集和目标单元测试集，定义混合训练集，其中所述混合训练集为辅助单元训练集和目标单元训练集合并后的总样本集；设置所述混合训练集中样本的初始权重，并设置辅助单元训练集的权重更新系数，建立目标单元能耗预测模型，对所述目标单元能耗预测模型进行迭代更新，输出多个目标单元能耗预测模型；在多个目标单元能耗预测模型中确定能耗预测模型；利用所述目标单元测试集对确定的能耗预测模型进行测试，得到所述测试集中的测试样本的能耗预测值，将所述测试样本的能耗预测值与所述测试样本的能耗实际值进行对比，以评估该能耗模型的性能。2.根据权利要求1所述的有机硅单体分馏过程能耗辅助预测方法，其特征在于：设置数据质量好的提纯单元为辅助单元，样本全部为训练集包括：所述辅助单元训练集设为D
s
＝(x
i
,y
i
),i＝1,2,
…
,n，其中x
i
表示辅助单元能耗模型输入样本，y
i
表示辅助单元的能耗值，n表示辅助单元所采集样本的个数。3.根据权利要求1所述的有机硅单体分馏过程能耗辅助预测方法，其特征在于：设置数据质量差的提纯单元为目标单元，样本分为训练集和测试集包括：分别将所述目标单元训练集和所述目标单元测试集分别设为目标单元训练集D
t
＝(x
j
,y
j
),j＝n+1,
…
,n+m和目标单元测试集D
l
＝(x
l
,y
l
),l＝1,2,
…
,L，其中，x
j
表示目标单元能耗模型训练集的输入样本，y
j
表示目标单元训练集的的能耗值，m表示目标单元训练集样本的个数,x
l
表示目标单元测试集的输入样本，y
l
表示目标单元测试集的能耗值，L表示目标单元测试集样本的个数。4.根据权利要求1所述的有机硅单体分馏过程能耗辅助预测方法，其特征在于：定义混合训练集包括：定义混合训练集D＝D
s
∪D
t
＝(x,y)，其中，x＝{x1,x2,
…
,x
n
,x
n+1
,
…
x
n+m
}，y＝{y1,y2,
…
,y
n
,y
n+1
,
…
,y
n+m
}。5.根据权利要求1所述的有机硅单体分馏过程能耗辅助预测方法，其特征在于：设置所述混合训练集中样本...

【专利技术属性】
技术研发人员：栾小丽，平晓静，赵顺毅，倪雨青，刘飞，
申请(专利权)人：江南大学，
类型：发明
国别省市：