【技术实现步骤摘要】
一种基于数据驱动的改善铝电解生产效率的方法
[0001]本专利技术涉及铝电解生产
,具体涉及一种基于数据驱动的改善铝电解生产效率的方法。
技术介绍
[0002]现代铝工业生产主要采用冰晶石
‑
氧化铝融盐电解法,化学反应方程为:2Al2O3+3C=4Al+3CO2↑
。阳极产物主要是二氧化碳和一氧化碳气体,阴极产物是铝液,铝液通过真空抬包从槽内抽出,送往铸造车间。电解铝是高耗能产业,目前每生产一吨电解铝大约耗电能13000
‑
14000KWh,加上主要原材料及生产过程耗能每生产一吨电解铝要消耗6
‑
8吨标准煤,降低吨铝电耗是历年来追求的目标。铝电解槽是一个非线性、多变量耦合、时变和大时滞的工业过程体系。因此,对于这样一个复杂多变的过程体系,仅靠建立简化的数学模型要实现生产过程的最佳控制是很难的,尤其是传统控制算法中基本不考虑具体电解槽的槽况而采取同一控制策略,不能进行电解槽状态的分析、判断。造成了所开发的过程控制系统应用效果不明显,适应性和灵活性差等不足。因此亟需开发一种提高电流效率、降低电耗的模型并基于模型对铝电解槽的生产效率进行最优化调控。
技术实现思路
[0003]本专利技术的目的在于提供一种基于数据驱动的改善铝电解生产效率的方法,解决现有铝电解槽生产过程中由于工艺复杂而难以建模分析判断的问题,并通过模型来实现提高电解槽电流效率、降低能耗的目的。
[0004]为解决上述的技术问题,本专利技术采用以下技术方案:一种基于数据驱 ...
【技术保护点】
【技术特征摘要】
1.一种基于数据驱动的改善铝电解生产效率的方法,其特征在于包括如下步骤:S1、获取铝电解槽的生产工艺参数,对数据进行预处理,预处理包括数据清洗、变换,剔除异常数据,获得原始数据集;S2、分析原始数据集中各变量的重要性,删除对铝电解槽电流效率没有明显影响的变量及其对应的数据,得到以极距、槽温、氧化铝浓度、阳极效应系数、阳极电流密度、电解槽平均电压、电解质水平、铝水平、电解质分子比和电流效率这10个变量及其对应的数据来建立预测模型;S3、将步骤S2中处理后的数据分成训练数据集和测试数据集,将训练数据集通过多层感知器神经网络,通过训练1000个单隐层神经网络,得到MLP神经网络模型,模型一个为电流效率预测模型,一个为工况预测模型;其中,隐藏层中神经元数量为15个;S4、将测试数据集输入MLP神经网络模型,得到预测数据,并检测MLP神经网络模型的准确性;S5、将MLP神经网络模型用于铝电解槽电流效率最优解中,将极距、槽温和氧化铝浓度作为决策变量,其中,极距范围为4
‑
5cm,槽温范围为940
‑
960℃,氧化铝浓度范围为1.5%
‑
3.5%;具体地:S5
‑
1、建立表达最大化甲烷产量的单一目标模型:服从4≤x1≤5940≤x2≤9601.5%≤x3≤3.5%其中,f是模型的目标函数,x1为极距,x2为槽温,x3为氧化铝浓度,v1为阳极效应系数,v2为阳极电流密度,v3为电解槽平均电压,v4为电解质水平,v5为铝水平,v6为电解质分子比;S5
‑
2、采用PSO算法求解单一目标模型,通过调节极距x1、槽温x2和氧化铝浓度x3这三个可控制变量的值,使其达到最佳适应度值,得到铝电解槽电流效率最优解。2.根据权利要求1所述的一种基于数据驱动的改善铝电解生产效率的方法,其特征在于:所述步骤S1中获取的铝电解槽的生产工艺参数为工厂铝电解槽的生产数据,包括极距、电流强度、电流效率、阳极效应系数、阳极电流密度、电解槽平均电压、电解质水平、铝水平、槽温、电解质分子比、氧化铝浓度、出铝量、系列安装槽台数、当日功耗、累计吨铝功耗、金属纯度这些电解槽特征参数,生产数据876个,随机去730个数据作为训练数据集,余下146个作为测试数据集。3.根据权利要求1所述的一种基于数据驱动的改善铝电解生产效率的方法,其特征在于:所述步骤S2中分析原始数据集中各变量的重要性,具体过程如下:使用提升树算法对各变量进行选择,按变量类型建立树,后继树由前一棵树的预测残差建立,然后对后继树进行拟合,对每棵树每个节点的变量的重要性进行统计,筛选和删除重要性低的变量。4.根据权利要求1所述的一种基于数据驱动的改善铝电解生产效率的方法,...
【专利技术属性】
技术研发人员:寇腾跃,孙延贞,于忠清,
申请(专利权)人:青岛洪锦智慧能源技术有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。