【技术实现步骤摘要】
本专利技术涉及氢生产，具体涉及一种基于改进混合高斯模型的碱性电解水还原氢状态监测方法。
技术介绍
1、在复杂环境下，电解水过程的运行机理解析面临诸多挑战。目前，研究主要集中在电化学、热力学和热学三个模块的仿真模拟与建模，以降低气体杂质纯度问题。然而，现有技术主要关注于这三个模块的独立模拟和优化，缺乏对全局数据的综合调控。
2、传统的方法通常采用单变量或两三个变量关系进行pid调控阀门，阀门的调控过于依赖个人经验，某个阀门的调控可能仅依赖于两三个变量进行调控，这种方法无法准确刻画电解过程中各变量之间的相互关系。并且，现有的调控方式主要依赖于特定公式进行模拟仿真，缺乏对实际运行情况的全面考虑。由于电解过程的复杂性，变量之间会相互影响，传统的线性调控方式难以有效刻画这种非线性关系。
3、此外，现有调控方法在面对电流等频繁波动的情况时表现出一定的局限性，这可能是因为考虑的因素较少，无法对波动情况进行全面准确的调控。因此，针对电解水过程的复杂性和非线性特点，有必要开发一种全新的调控方法，以提高电解效率和气体纯度。
技术实现思路
1、为解决上述技术问题，本专利技术提供基于改进混合高斯模型的碱性电解水还原氢状态监测方法。
2、为解决上述技术问题，本专利技术采用如下技术方案：
3、一种基于改进混合高斯模型的碱性电解水还原氢状态监测方法，包括以下步骤：
4、步骤一，采集电解水制造氢过程中的生产数据，一个时刻的生产数据xt称为一条生产数据，总
5、步骤二，构建基于多层混合高斯模型的生成模型：
6、设定网络层数为k，第k,1≤i≤k层网络的节点数为ik，每一层网络对应一个混合高斯模型，第k层网络的混合高斯模型包括ik个高斯分布，即每个节点对应一个高斯分布，每个混合高斯模型中各高斯分布的初始权重相等；随着网络层数的增加，每层网络中的节点数递减；
7、针对生成模型中的第一个混合高斯模型：将生产数据进行聚类、平稳数据判断、多维数据降维后，得到i1个主成分数据根据i1个主成分数据得到i1组均值、协方差，将i1组均值、协方差分别作为第一层混合高斯模型中i1个高斯分布的初始参数；
8、针对生成模型中的第k,2≤k≤k个混合高斯模型，对第k-1个混合高斯模型中的ik-1个主成分数据进行聚类、平稳数据判断、多维数据降维后，得到ik个主成分数据根据ik个主成分数据zk得到ik组均值、协方差，将ik组均值、协方差分别作为第k个混合高斯模型中ik个高斯分布的初始参数；
9、通过期望最大化算法更新各个混合高斯模型的参数，直至混合高斯模型收敛；此时，对于每条生产数据xt，生成模型中的每个混合高斯模型输出一个类别，共输出k个类别，记为类别组
10、步骤三，根据时序特性进行状态划分：按照对产氢量影响从小到大、时间从远到近的方式将每条生产数据xt的类别组重编码为一个状态标签yt，进而得到训练数据集通过训练数据集训练一个神经网络或一个决策树，得到状态分类模型；
11、步骤四，将实时的生产数据输入到状态分类模型，得到实时的生产数据对应的状态，根据生产数据的状态的时序，得到markov状态转变图；
12、步骤五，通过markov状态转变图结合生产数据中各变量的变化，判断生产异常情况。
13、进一步地，所述生产数据包括除盐水液位、氢氧分离器液位差、氢分离器液位、氧分离器液位、氢分离器入口温度、氧中氢、碱液流量、碱液温度、碱液液位、氧分离器压力、电流、电压、产氢量。
14、进一步地，将步骤五替换为如下内容：
15、还包括确定最优路径过程和系统评估过程；
16、确定最优路径的过程包括：
17、首先确定最优状态，最优状态满足以下条件：
18、a1：产氢量位于前三名的生产数据对应的状态；
19、a2：电流、氢分离器液位、氧分离器液位、氧分离器压力位于设定的阈值范围内的生产数据对应的状态；
20、a3：氧中氢的均值小于设定值的生产数据对应的状态；
21、通过条件a1、a2、a3确定最优状态，如果满足条件a1、a2、a3的状态有多个，以产氢量最大的生产数据对应状态为最优状态；
22、根据最优状态以及markov状态转变图的连通性，通过dijkstra算法确定初始状态到最优状态之间的最短路径，将所述最短路径作为所述最优路径；
23、系统评估用于衡量生产系统达到生产稳定状态所需的时间，系统评估过程包括：
24、根据最优路径，定义状态首达时间表示生产数据的状态时序首次达到状态yi后，首次达到状态yj所花费的时间；
25、通过生产数据的状态时序，计算出每个状态连续的停滞时长
26、根据状态首达时间之和ta以及状态持续停滞时长tb来衡量系统达到生产稳定状态所需时间t：
27、t＝w1*ta+w2*tb；
28、
29、
30、其中w1,w2表示权重参数，其中w1+w2＝1，yi,yj均为最优路径routing上的状态。
31、进一步地，将步骤五替换为如下内容：
32、还包括确定最优路径过程和阀门控制过程；
33、确定最优路径的过程包括：
34、首先确定最优状态，最优状态满足以下条件：
35、a1：产氢量位于前三名的生产数据对应的状态；
36、a2：电流、氢分离器液位、氧分离器液位、氧分离器压力位于设定的阈值范围内的生产数据对应的状态；
37、a3：氧中氢的均值小于设定值的生产数据对应的状态；
38、通过条件a1、a2、a3确定最优状态，如果满足条件a1、a2、a3的状态有多个，以产氢量最大的生产数据对应状态为最优状态；
39、根据最优状态以及markov状态转变图的连通性，通过dijkstra算法确定初始状态到最优状态之间的最短路径，将所述最短路径作为所述最优路径；
40、阀门控制过程包括记录过程和调节过程：
41、记录过程：根据阀门的控制策略在历史上每个状态下是否发生变化，记录不同的数据；如是，则记录阀门在该状态下的差分变化和变化持续时长，以及该阀门对应的变量的变化范围；如否，则记录阀门现有控制策略和控制策略的持续时长，以及该阀门对应的变量的变化范围；
42、结合历史生产数据的状态时序以及最优路径，根据阀门的控制策略在历史上每次状态发生改变时是否发生变化，记录不同的数据：如是，则记录阀门在状态发生转变时的差分变化和变化持续时长，以及该阀门对应的变量的变化范围；如否，则记录阀门现有控制策略和控制策略的持续时长，以及该阀门对应的变量的变化范围；
43、记录过程能够形成一张策略表；
44、调节过程：将实时的生产数据通过步骤四进行处理后，得到当前的状态；根据当前本文档来自技高网...
【技术保护点】
1.一种基于改进混合高斯模型的碱性电解水还原氢状态监测方法，包括以下步骤：
2.根据权利要求1所述的基于改进混合高斯模型的碱性电解水还原氢状态监测方法，其特征在于：所述生产数据包括除盐水液位、氢氧分离器液位差、氢分离器液位、氧分离器液位、氢分离器入口温度、氧中氢、碱液流量、碱液温度、碱液液位、氧分离器压力、电流、电压、产氢量。
3.根据权利要求2所述的基于改进混合高斯模型的碱性电解水还原氢状态监测方法，其特征在于，将步骤五替换为如下内容：
4.根据权利要求2所述的基于改进混合高斯模型的碱性电解水还原氢状态监测方法，其特征在于：将步骤五替换为如下内容：
5.根据权利要求1所述的基于改进混合高斯模型的碱性电解水还原氢状态监测方法，其特征在于：
6.根据权利要求5所述的基于改进混合高斯模型的碱性电解水还原氢状态监测方法，其特征在于：步骤S211中，判断各聚类数据中每条生产数据Xt是否为平稳状态数据时，如果生产数据Xt满足|Var(Xt,Xs)-Var(Xt+h,Xs+h)|<Δ，则生产数据Xt为平稳状态数据；其中，Var
7.根据权利要求5所述的基于改进混合高斯模型的碱性电解水还原氢状态监测方法，其特征在于：步骤S212中，对得到的i1个聚类数据进行多维数据降维，得到聚类数据的主成分数据时，包括以下步骤：
8.根据权利要求5所述的基于改进混合高斯模型的碱性电解水还原氢状态监测方法，其特征在于，步骤S212中根据主成分数据得到每个聚类数据的均值、协方差时，具体包括：
...【技术特征摘要】
1.一种基于改进混合高斯模型的碱性电解水还原氢状态监测方法，包括以下步骤：
2.根据权利要求1所述的基于改进混合高斯模型的碱性电解水还原氢状态监测方法，其特征在于：所述生产数据包括除盐水液位、氢氧分离器液位差、氢分离器液位、氧分离器液位、氢分离器入口温度、氧中氢、碱液流量、碱液温度、碱液液位、氧分离器压力、电流、电压、产氢量。
3.根据权利要求2所述的基于改进混合高斯模型的碱性电解水还原氢状态监测方法，其特征在于，将步骤五替换为如下内容：
4.根据权利要求2所述的基于改进混合高斯模型的碱性电解水还原氢状态监测方法，其特征在于：将步骤五替换为如下内容：
5.根据权利要求1所述的基于改进混合高斯模型的碱性电解水还原氢状态监测方法，其特征在于：
6.根据权利要求5所述的基于改进混合高...
【专利技术属性】
技术研发人员：索琪，张弢，郭术愿，王筱圃，
申请(专利权)人：安徽极果数融信息科技有限公司，
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。