多晶硅生产原料的参数优选配置方法技术

本申请提供了一种多晶硅生产原料的参数优选配置方法

【技术实现步骤摘要】
多晶硅生产原料的参数优选配置方法、装置、系统及设备


[0001]本申请涉及多晶硅生产控制
，特别涉及多晶硅生产原料的参数优选配置方法
、
装置
、
系统及设备
。

技术介绍

[0002]电子级多晶硅的生产第一步也是至关重要的一步就是三氯氢硅的生产，然而这一步生产的原材料
、
催化剂都是选择外采的形式
。
外采入场的固体原材料：硅粉
、
氯化亚铜催化剂存在供货商不同
、
产地不同
、
目数偏差大
、
纯度水分差异大等问题，外采的液体四氯化硅液体的纯度对生产的影响也至关重要，氯化氢气体的纯度
、
水分也会对生产转换率造成影响
。
为降低成本和提高经济效益，按照历史经验选择相对固定的供应商和相对固定的参数是传统企业应对外部市场的必然和长期举措
。
但在竞争激烈的当下环境，不同参数不同厂家的原料若是能进一步提升冷氢化车间的转换氯
、
降低其能耗，对多晶硅生产降本的终极目标将做出巨大贡献
。
因此，原料选择最优参数配比环节亟需一套将全成本配料模型与系统化实施体系相结合的原料决策配比管理解决方案，其对推进多晶硅生产节能降耗具有重要意义
。

技术实现思路

[0003]本申请实施例要达到的技术目的是提供一种多晶硅生产原料的参数优选配置方法
、
装置
、
系统及设备，用以解决当前多晶硅生产厂家的原料配比无法满足节能降耗需求的问题
。
[0004]为解决上述技术问题，本申请实施例提供了一种多晶硅生产原料的参数优选配置方法，包括：
[0005]获取当前多晶硅生产中的实时反应数据；
[0006]根据所述实时反应数据以及预先构建的产物模型，得到预选原料数据，其中，所述产物模型基于历史原料数据和历史反应数据构建，且所述产物模型以产物纯度
、
产物量
、
反应能耗和成本中的至少一项为模型目标；
[0007]根据所述预选原料数据以及预先构建的参数优选预测模型，得到至少一种原料参数配置信息，其中，所述参数优选预测模型为基于各原料参数之间的关联关系构建，所述至少一种原料参数配置信息根据生产工艺
、
设备状态以及发电负荷中的至少一项区分；
[0008]根据当前的生产工艺信息
、
设备状态信息以及供电需求信息，确定并输出所述至少一种原料参数配置信息中的一种为参数优选配置信息
。
[0009]具体地，如上所述的方法，构建所述产物模型包括：
[0010]获取所述历史原料数据
、
所述历史反应数据以及历史产物数据，其中，所述历史原料数据包括：原料参数以及原料供应信息，所述原料参数包括：类型和品质中的至少一项，所述原料供应信息包括：供应商
、
产地
、
批次和供应价格中的至少一项；
[0011]根据所述模型目标以及预设约束条件，构建初始神经网络模型，其中，所述预设约
束条件包括：各原料的配比极值
、
各原料的最大使用量以及各原料的最小品质限定值中的至少一项；
[0012]根据所述历史原料数据
、
所述历史反应数据以及所述历史产物数据对所述初始神经网络模型进行训练和测试，得到所述产物模型
。
[0013]具体地，如上所述的方法，所述反应数据和
/
或所述历史反应数据包括：反应温度
、
反应速率
、
热值
、
水分
、
挥发分
、
产物纯度
、
能源利用率
、
脱杂能力中的至少一项
。
[0014]具体地，如上所述的方法，构建所述参数优选预测模型，包括：
[0015]根据各原料参数对生产工艺的影响程度，确定各所述原料参数的特征值；
[0016]根据各所述原料参数之间的关联关系以及所述特征值，基于支持向量机构建初始预测模型；
[0017]根据预设的多种原料配比以及历史原料数据，对所述初始预测模型进行训练优化，得到所述参数优选预测模型
。
[0018]进一步的，如上所述的方法，在确定各所述原料参数的特征值后，所述方法还包括：
[0019]根据所述特征值确定所述特征值大于预设值的所述原料参数为关键参数；
[0020]根据预设的多种关键参数配比以及所述历史原料数据，对所述初始预测模型进行训练优化，得到所述参数优选预测模型
。
[0021]可选地，如上所述的方法，还包括：
[0022]接收数字化交付平台提供的原料供应信息；
[0023]获取通过质量检测工序检测后原料的原料参数；
[0024]对同一原料对应的所述原料参数以及所述原料供应信息进行绑定，得到原料数据
。
[0025]本申请的另一实施例还提供了一种控制装置，包括：
[0026]第一处理模块，用于获取当前多晶硅生产中的实时反应数据；
[0027]第二处理模块，用于根据所述实时反应数据以及预先构建的产物模型，得到预选原料数据，其中，所述产物模型基于历史原料数据和历史反应数据构建，且所述产物模型以产物纯度
、
产物量
、
反应能耗和成本中的至少一项为模型目标；
[0028]第三处理模块，用于根据所述预选原料数据以及预先构建的参数优选预测模型，得到至少一种原料参数配置信息，其中，所述参数优选预测模型为基于各原料参数之间的关联关系构建，所述至少一种原料参数配置信息根据生产工艺
、
设备状态以及发电负荷中的至少一项区分；
[0029]第四处理模块，用于根据当前的生产工艺信息
、
设备状态信息以及供电需求信息，确定并输出所述至少一种原料参数配置信息中的一种为参数优选配置信息
。
[0030]本申请的再一实施例还提供了一种控制系统，包括：
[0031]设备层，用于获取多晶硅生产中各设备采集的信息；
[0032]边缘层，用于提供连接即服务能力以及实时计算处理的工业物联；
[0033]平台层，用于集成包括平台即服务
、
数据及服务以及工业物联网平台在内的基础能力；
[0034]应用层，用于实现如上所述的多晶硅生产原料的参数优选配置方法的步骤
。
[0035]本申请的又一实施例还提供了一种电子设备，包括处理器
、
存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如上所述的多晶硅生产原料的参数优选配置方法的步骤
。
[0036]本申请的另一实施例本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种多晶硅生产原料的参数优选配置方法，其特征在于，包括：获取当前多晶硅生产中的实时反应数据；根据所述实时反应数据以及预先构建的产物模型，得到预选原料数据，其中，所述产物模型基于历史原料数据和历史反应数据构建，且所述产物模型以产物纯度
、
产物量
、
反应能耗和成本中的至少一项为模型目标；根据所述预选原料数据以及预先构建的参数优选预测模型，得到至少一种原料参数配置信息，其中，所述参数优选预测模型为基于各原料参数之间的关联关系构建，所述至少一种原料参数配置信息根据生产工艺
、
设备状态以及发电负荷中的至少一项区分；根据当前的生产工艺信息
、
设备状态信息以及供电需求信息，确定并输出所述至少一种原料参数配置信息中的一种为参数优选配置信息
。2.
根据权利要求1所述的方法，其特征在于，构建所述产物模型包括：获取所述历史原料数据
、
所述历史反应数据以及历史产物数据，其中，所述历史原料数据包括：原料参数以及原料供应信息，所述原料参数包括：类型和品质中的至少一项，所述原料供应信息包括：供应商
、
产地
、
批次和供应价格中的至少一项；根据所述模型目标以及预设约束条件，构建初始神经网络模型，其中，所述预设约束条件包括：各原料的配比极值
、
各原料的最大使用量以及各原料的最小品质限定值中的至少一项；根据所述历史原料数据
、
所述历史反应数据以及所述历史产物数据对所述初始神经网络模型进行训练和测试，得到所述产物模型
。3.
根据权利要求1或2所述的方法，其特征在于，所述反应数据和
/
或所述历史反应数据包括：反应温度
、
反应速率
、
热值
、
水分
、
挥发分
、
产物纯度
、
能源利用率
、
脱杂能力中的至少一项
。4.
根据权利要求1所述的方法，其特征在于，构建所述参数优选预测模型，包括：根据各原料参数对生产工艺的影响程度，确定各所述原料参数的特征值；根据各所述原料参数之间的关联关系以及所述特征值，基于支持向量机构建初始预测模型；根据预设的多种原料配比以及历史原料数据，对所述初始预测模型进行训练优化，得到所述参...

【专利技术属性】
技术研发人员：陈敬文，谢倩倩，李军，宋永刚，侯仔豪，陈学瑞，李朋，
申请(专利权)人：新特硅基新材料有限公司，
类型：发明
国别省市：