本发明专利技术公开了一种化工企业能耗诊断分析方法,涉及能耗诊断分析技术领域,包括通过数据库获取各项工艺参数的数据集;通过所述数据集确定与能耗目标量相关的工艺参数以及对应的参数区间;获取与能耗目标量相关的各项工艺参数对应的权重,并以此确定与能耗目标量相关的组合参数以及对应的参数区间;将获取到的工艺参数的实时数据与组合参数的参数区间进行对比,确定影响能耗目标量的工艺参数。本发明专利技术通过机器学习来解决此工业场景的问题,实现节能措施的规划。能措施的规划。能措施的规划。
【技术实现步骤摘要】
一种化工企业能耗诊断分析方法
[0001]本专利技术涉及能耗诊断分析
,特别是涉及一种化工企业能耗诊断分析方法。
技术介绍
[0002]化工生产中部分制碱工艺的蒸氨系统能耗较大、连续作业时间较短,氨水液相分离不充分,导致蒸汽热能浪费,废水中氨含量高、增加污水处理成本。测算发现蒸氨废液温度高出1℃,热量损失约16.25kg/t蒸汽量。生产人员往往是以经验值判断什么时候该减压、减压到什么程度、调节阀开多少,丰富的经验无法传承,同时也存在对操作的大概估计而非精准执行,无法为节能提供数据支撑。
[0003]目前企业通常目测流量计的液位高度到一半时,用调节阀控制供汽量,对当前工况与能耗情况没有联系在一起,能源消耗波动也只能事后了解是否有什么特殊作业,但也只是大概情况,无法获得实际数据支撑,节能措施无法开展。
技术实现思路
[0004]本专利技术所要解决的技术问题是,克服现有技术的缺点,提供一种化工企业能耗诊断分析方法。
[0005]为了解决以上技术问题,本专利技术的技术方案如下:
[0006]一种化工企业能耗诊断分析方法,包括,
[0007]通过数据库获取各项工艺参数的数据集;
[0008]通过所述数据集确定与能耗目标量相关的工艺参数以及对应的参数区间;
[0009]获取与能耗目标量相关的各项工艺参数对应的权重,并以此确定与能耗目标量相关的组合参数以及对应的参数区间;
[0010]将获取到的工艺参数的实时数据与组合参数的参数区间进行对比,确定影响能耗目标量的工艺参数。
[0011]作为本专利技术所述化工企业能耗诊断分析方法的一种优选方案,其中:所述通过数据集确定与能耗目标量相关的工艺参数以及对应的参数区间包括,
[0012]利用基于高斯分布的3σ模型确定能耗目标量的异常阈值,并以此确定能耗目标量的阈值范围;
[0013]对于任一项工艺参数,以3σ模型中的3σ作为阈值,将数据集中大于阈值的数据定为标签1,将数据集中小于阈值的数据定为标签0,然后利用卡方分箱方式对数据进行分组;
[0014]对分组后的数据,采用woe计算自变量与因变量的相关性,并获取各分组的IV值,以此确定与能耗目标量相关的工艺参数以及对应的参数区间。
[0015]作为本专利技术所述化工企业能耗诊断分析方法的一种优选方案,其中:所述利用基于高斯分布的3σ模型确定能耗目标量的异常阈值,并以此确定能耗目标量的阈值范围包括,
[0016]高斯分布函数为其中,μ为期望,σ为标准差;
[0017]当阈值超过3σ,将其视为异常阈值,以此确定能耗目标量的阈值范围为[μ
‑
3σ,μ+3σ]。
[0018]作为本专利技术所述化工企业能耗诊断分析方法的一种优选方案,其中:所述对分组后的数据,采用woe计算自变量与因变量的相关性,并获取各分组的IV值,以此确定与能耗目标量相关的工艺参数以及对应的参数区间包括,
[0019]通过公式:计算自变量与因变量的相关性,其中,#y
i
为该分组中标签为1的个体数量,#n
i
为该分组中标签为0的个体数量,#y
T
为对应工艺参数中所有标签为1的个体数量,#n
T
为对应工艺参数中所有标签为0的个体数量,py
i
为该分组中标签为1的个体占所有工艺参数中标签为1的比例,pn
i
为该分组中标签为0的个体占所有工艺参数中标签为0的比例;
[0020]通过公式:计算第i组的IV值;
[0021]根据计算得到的各项工艺参数中各分组的IV值确定与能耗目标量相关的工艺参数以及对应的参数区间。
[0022]作为本专利技术所述化工企业能耗诊断分析方法的一种优选方案,其中:所述获取与能耗目标量相关的各项工艺参数对应的权重,并以此确定与能耗目标量相关的组合参数以及对应的参数区间包括,
[0023]对与能耗目标量相关的各项工艺参数之间进行相关性校验,并剔除相关性大于设定值的部分工艺参数;
[0024]采用LASSO回归模型对剩余的工艺参数进行训练,确定各项工艺参数对应的权重;
[0025]通过公式X=W1X1+W2X2+
…
+W
n
Xn+b确定与能耗目标量相关的组合参数,其中,X为组合参数,Xn为第n项工艺参数,W
n
为第n项工艺参数对应的权重,b为偏置项;
[0026]以3σ模型中的3σ作为阈值,将组合参数中大于阈值的数据定为标签1,将组合参数中小于阈值的数据定为标签0,然后利用卡方分箱方式对数据进行分组;
[0027]对分组后的数据,采用woe计算自变量与因变量的相关性,并获取各分组的IV值,以此确定组合参数的参数区间。
[0028]作为本专利技术所述化工企业能耗诊断分析方法的一种优选方案,其中:所述对与能耗目标量相关的各项工艺参数之间进行相关性校验,并剔除相关性大于设定值的部分工艺参数包括,
[0029]根据公式:计算两项工艺参数之间的相关系数,其中,X
i
为第i项工艺参数,为X
i
的平均值;
[0030]当两项工艺参数之间的相关系数大于设定值时,去除其中一项工艺参数。
[0031]作为本专利技术所述化工企业能耗诊断分析方法的一种优选方案,其中:所述LASSO回归模型的代价函数为其中,w为长度为n的向量,不包括截距项的系数θ0,θ为长度为n+1的向量,包括截距项的系数θ0,m为工艺参数的数量,n为特征数,||w||1为工艺参数w的L1范数。
[0032]作为本专利技术所述化工企业能耗诊断分析方法的一种优选方案,其中:在所述将获取到的工艺参数的实时数据与组合参数的参数区间进行对比,确定影响能耗目标量的工艺参数之后,还包括,
[0033]定期采集工艺参数,并通过回归模型进行训练,更新组合参数以及对应的参数区间。
[0034]作为本专利技术所述化工企业能耗诊断分析方法的一种优选方案,其中:所述定期采集工艺参数,并通过回归模型进行训练,更新组合参数以及对应的参数区间之后,还包括,
[0035]周期性地获取各项工艺参数的实时数据;
[0036]判断工艺参数的实时数据是否处于能耗目标量的阈值范围内,若是,则将工艺参数的实时数据与组合参数的参数区间进行对比,确定影响能耗目标量的工艺参数,若否,则将工艺参数的实时数据以及能耗数据更新至数据库。
[0037]作为本专利技术所述化工企业能耗诊断分析方法的一种优选方案,其中:所述能耗目标量为蒸汽瞬时流量。
[0038]本专利技术的有益效果是:
[0039]本专利技术通过机器学习来解决此工业场景的问题,实现节能措施的规划。将参数样本数据作为机器学习的输入,能够实现对模型的训练,训练好的模型能够用于蒸氨工艺的诊断。相对于人工分析,当各种生产工艺优化调节后,机器学习通过持续数据采集、丰富知识库、模型训练,不断地进行数据学习本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种化工企业能耗诊断分析方法,其特征在于:包括,通过数据库获取各项工艺参数的数据集;通过所述数据集确定与能耗目标量相关的工艺参数以及对应的参数区间;获取与能耗目标量相关的各项工艺参数对应的权重,并以此确定与能耗目标量相关的组合参数以及对应的参数区间;将获取到的工艺参数的实时数据与组合参数的参数区间进行对比,确定影响能耗目标量的工艺参数。2.根据权利要求1所述的化工企业能耗诊断分析方法,其特征在于:所述通过数据集确定与能耗目标量相关的工艺参数以及对应的参数区间包括,利用基于高斯分布的3σ模型确定能耗目标量的异常阈值,并以此确定能耗目标量的阈值范围;对于任一项工艺参数,以3σ模型中的3σ作为阈值,将数据集中大于阈值的数据定为标签1,将数据集中小于阈值的数据定为标签0,然后利用卡方分箱方式对数据进行分组;对分组后的数据,采用woe计算自变量与因变量的相关性,并获取各分组的IV值,以此确定与能耗目标量相关的工艺参数以及对应的参数区间。3.根据权利要求2所述的化工企业能耗诊断分析方法,其特征在于:所述利用基于高斯分布的3σ模型确定能耗目标量的异常阈值,并以此确定能耗目标量的阈值范围包括,高斯分布函数为其中,μ为期望,σ为标准差;当阈值超过3σ,将其视为异常阈值,以此确定能耗目标量的阈值范围为[μ
‑
3σ,μ+3σ]。4.根据权利要求2所述的化工企业能耗诊断分析方法,其特征在于:所述对分组后的数据,采用woe计算自变量与因变量的相关性,并获取各分组的IV值,以此确定与能耗目标量相关的工艺参数以及对应的参数区间包括,通过公式:计算自变量与因变量的相关性,其中,#y
i
为该分组中标签为1的个体数量,#n
i
为该分组中标签为0的个体数量,#y
T
为对应工艺参数中所有标签为1的个体数量,#n
T
为对应工艺参数中所有标签为0的个体数量,py
i
为该分组中标签为1的个体占所有工艺参数中标签为1的比例,pn
i
为该分组中标签为0的个体占所有工艺参数中标签为0的比例;通过公式:计算第i组的IV值;根据计算得到的各项工艺参数中各分组的IV值确定与能耗目标量相关的工艺参数以及对应的参数区间。5.根据权利要求1所述的化工企业能耗诊断分析方法,其特征在于:所述获取与能耗目标量相关的各项工艺参数对应的权重,并以此确...
【专利技术属性】
技术研发人员:王三明,王聪明,魏蔚,赵伟帆,
申请(专利权)人:南京安元科技有限公司,
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。