【技术实现步骤摘要】
本专利技术涉及焦化，尤其涉及一种焦化产品产量校正方法、系统及电子设备。
技术介绍
1、焦化是指将有机物质(通常是煤或石油)在高温条件下进行热解或裂解的过程。焦化过程中可以产生气体、液体以及固体(如焦炭)等产品。为了保证焦化过程中整个工艺操作的连续性及生产设备的自动化控制，需要准确且及时地完成对焦化产品的产量的统计。
2、目前，通常采用人工记录的方式，对焦化产品的产量进行统计与记录。然而，此种方式不可避免地会出现记录错误等情况，如数据抄写错误等，导致焦化生产过程中出现数据异常等情况，甚至造成生产延误。
技术实现思路
1、本专利技术提供一种焦化产品产量校正方法、系统及电子设备，以解决现有技术中采用人工记录的方式，对焦化产品的产量进行统计与记录，不可避免地会出现记录错误等情况，如数据抄写错误等，导致焦化生产过程中出现数据异常等情况，甚至造成生产延误的问题。
2、本专利技术提供的一种焦化产品产量校正方法，所述方法包括：
3、获取焦化产品的历史生产数据，所述历史生产数据包括连续多天的生产数据，所述生产数据包括：生产条件数据及产品产量观测值；
4、基于所述生产条件数据和预设的场景分类规则，对全部所述生产数据进行场景划分，以确定每日的所述生产数据所属的生产场景；
5、遍历每个所述生产场景下的所述产品产量观测值，以构建概率密度预测模型，所述概率密度预测模型与所述生产场景一一对应，所述概率密度预测模型描述了对应的所述生产场景下焦化产品的产量
6、根据所述概率密度预测模型构建优化模型，利用所述优化模型以完成焦化产品产量校正。
7、于本专利技术一实施例中，所述场景分类规则的设置步骤包括：
8、基于预设的生产条件指标，从全部所述生产条件数据中筛选出与所述生产条件指标相对应的目标数据，所述生产条件指标为至少一个，一个生产条件指标对应的全部所述目标数据组成目标数据组；
9、通过对全部所述目标数据组分别进行区间划分，得到每个所述目标数据组的至少一个区间段；
10、从每个所述目标数据组中分别选择一个区间段进行组合，以得到所述生产场景，所述生产场景包括场景编号及区间段，所述生产场景中的区间段与所述生产条件指标一一对应；
11、基于得到的全部所述生产场景，确定所述场景分类规则。
12、于本专利技术一实施例中，遍历每个所述生产场景下的所述产品产量观测值，以构建概率密度预测模型的步骤包括：
13、获取任一所述生产场景下的所述产品产量观测值的均值与标准差；
14、基于所述均值、所述标准差以及预设的第一概率分布函数，构建当前所述生产场景下的概率密度预测模型，或者，基于所述均值及预设的第二概率分布函数，构建当前所述生产场景下的概率密度预测模型；
15、在得到当前所述生产场景下的所述概率密度预测模型的情况下，遍历剩余所述生产场景下的所述产品产量观测值，以得到剩余所述生产场景下的概率密度预测模型。
16、于本专利技术一实施例中，所述第一概率分布函数为高斯分布函数；基于所述均值、所述标准差以及所述第一概率分布函数，构建当前所述生产场景下的概率密度预测模型的数学表达为：
17、
18、其中，λ表示第i个生产场景下产品产量观测值的均值，σi表示第i个生产场景下产品产量观测值的标准差，e表示自然常数，f(xi)表示在基于高斯分布函数构建概率密度预测模型的情况下，第i个生产场景的焦化产品的产量为xi的概率；当前数学表达表示在第i个生产场景下，焦化产品的产量的概率分布遵循均值为λ、标准差为σi的高斯分布。
19、于本专利技术一实施例中，所述第二概率分布函数为指数分布函数；基于所述均值及预设的第二概率分布函数，构建当前所述生产场景下的概率密度预测模型的数学表达为：
20、
21、其中，λ表示第i个生产场景下产品产量观测值的均值，e表示自然常数，f(xi)′表示在基于指数分布函数构建概率密度预测模型的情况下，第i个生产场景的焦化产品的产量为xi的概率；当前数学表达表示在第i个生产场景下，焦化产品的产量的概率分布遵循均值为λ的指数分布。
22、于本专利技术一实施例中，所述优化模型包括：目标函数、第一约束条件以及第二约束条件；所述目标函数用于求取所述概率密度预测模型的决策变量的目标解，所述决策变量指焦化产品的产量的校正值变量，所述目标解的获取方式为：在全部决策变量的概率乘积最大的情况下，将对应的决策变量的取值确定为决策变量的目标解；所述第一约束条件用于将单个决策变量的取值限制于第一区间，所述第一区间基于当前生产场景下产品产量观测值的均值与标准差确定，所述第二约束条件用于将全部决策变量的取值之和限制于第二区间，所述第二区间基于连续多天的产品产量观测值之和确定；
23、利用所述优化模型以完成焦化产品产量校正的步骤包括：
24、基于所述目标函数、所述第一约束条件以及所述第二约束条件，得到连续多天的焦化产品的产量的校正值，所述校正值为校正后的焦化产品产量值。
25、于本专利技术一实施例中，所述第一区间的确定步骤包括：
26、将当前生产场景下产品产量观测值的标准差与预设的目标权重之间的乘积确定为第一中间值；
27、将当前生产场景下产品产量观测值的均值确定为第二中间值；
28、将所述第一中间值与所述第二中间值的和值确定为所述第一区间的最大值；
29、将所述第二中间值与所述第一中间值之间的差值确定为所述第一区间的最小值。
30、于本专利技术一实施例中，所述第二区间的确定步骤包括：
31、将全部所述产品产量观测值之和确定为第三中间值；将所述历史生产数据中第一天的生产数据所属的生产场景确定为第一生产场景，将所述第一生产场景的产品产量观测值的标准差确定为第一标准差，将所述历史生产数据中最后一天的生产数据所属的生产场景确定为第二生产场景，将所述第二生产场景的产品产量观测值的标准差确定为第二标准差；将所述第一标准差与所述第二标准差的和值确定为第四中间值；将第四中间值与所述目标权重之间的乘积确定为第五中间值，将所述第三中间值与所述第五中间值之间的差值确定为所述第二区间的最小值；
32、将位于所述历史生产数据的前一天的生产数据所属的生产场景确定为第三生产场景，将所述第三生产场景的产品产量观测值的标准差确定为第三标准差，将位于所述历史生产数据的后一天的生产数据所属的生产场景确定为第四生产场景，将所述第四生产场景的产品产量观测值的标准差确定为第四标准差；将所述第三标准差和所述第四标准差的和值确定为第六中间值；将所述第六中间值与所述目标权重之间的乘积确定为第七中间值；将所述第七中间值与所述第三中间值的和值确定为所述第二区间的最大值。
33、本专利技术还提供一种焦化产品产量校正系统，包括：
34、数据获取模块，用于获取焦化产品的历史生产数据本文档来自技高网...
【技术保护点】
1.一种焦化产品产量校正方法，其特征在于，包括：
2.根据权利要求1所述的焦化产品产量校正方法，其特征在于，所述场景分类规则的设置步骤包括：
3.根据权利要求1所述的焦化产品产量校正方法，其特征在于，遍历每个所述生产场景下的所述产品产量观测值，以构建概率密度预测模型的步骤包括：
4.根据权利要求3所述的焦化产品产量校正方法，其特征在于，所述第一概率分布函数为高斯分布函数；基于所述均值、所述标准差以及所述第一概率分布函数，构建当前所述生产场景下的概率密度预测模型的数学表达为：
5.根据权利要求3所述的焦化产品产量校正方法，其特征在于，所述第二概率分布函数为指数分布函数；基于所述均值及预设的第二概率分布函数，构建当前所述生产场景下的概率密度预测模型的数学表达为：
6.根据权利要求1所述的焦化产品产量校正方法，其特征在于，所述优化模型包括：目标函数、第一约束条件以及第二约束条件；所述目标函数用于求取所述概率密度预测模型的决策变量的目标解，所述决策变量指焦化产品的产量的校正值变量，所述目标解的获取方式为：在全部决策变量的概率乘积
7.根据权利要求6所述的焦化产品产量校正方法，其特征在于，所述第一区间的确定步骤包括：
8.根据权利要求6或7所述的焦化产品产量校正方法，其特征在于，所述第二区间的确定步骤包括：
9.一种焦化产品产量校正系统，其特征在于，包括：
10.一种电子设备，其特征在于，包括处理器、存储器和通信总线；所述通信总线用于将所述处理器和存储器连接；所述处理器用于执行所述存储器中存储的计算机程序，以实现如权利要求1至8任一项所述的焦化产品产量校正方法。
...【技术特征摘要】
1.一种焦化产品产量校正方法，其特征在于，包括：
2.根据权利要求1所述的焦化产品产量校正方法，其特征在于，所述场景分类规则的设置步骤包括：
3.根据权利要求1所述的焦化产品产量校正方法，其特征在于，遍历每个所述生产场景下的所述产品产量观测值，以构建概率密度预测模型的步骤包括：
4.根据权利要求3所述的焦化产品产量校正方法，其特征在于，所述第一概率分布函数为高斯分布函数；基于所述均值、所述标准差以及所述第一概率分布函数，构建当前所述生产场景下的概率密度预测模型的数学表达为：
5.根据权利要求3所述的焦化产品产量校正方法，其特征在于，所述第二概率分布函数为指数分布函数；基于所述均值及预设的第二概率分布函数，构建当前所述生产场景下的概率密度预测模型的数学表达为：
6.根据权利要求1所述的焦化产品产量校正方法，其特征在于，所述优化模型包括：目标函数、第一约束条件以及第二约束条件；所述目标函数用于求取所述概率密度预测模型的...
【专利技术属性】
技术研发人员：王晓虎，程源，秦建军，
申请(专利权)人：广域铭岛数字科技有限公司，
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。