【技术实现步骤摘要】
本专利技术涉及电解槽监测，尤其是涉及一种基于广义负荷等值模型的电解槽状态监测方法及系统。
技术介绍
1、在电解铝的生产过程中，电解槽的工作状态直接影响生产效率和产品质量，为实时监测电解槽的工作状态，需要建立电解槽的广义负荷等值模型，该模型通过电解槽的电压电流等参数来反映电解槽的工作状态。然而，电解槽的工作环境复杂多变，各种因素都会影响电解槽的工作状态，导致广义负荷等值模型的参数不够稳定，影响模型的精度和可靠性，传统的参数优化方法是基于拟合倾角获取连续的参数值，但是这种方法得到的参数值对电解槽工况变化的适应性不强，无法适应多变的工作环境。
2、由此可见，如何对电解槽的工作状态进行有效监测，已经成为本领域技术人员所要亟待解决的技术问题。
技术实现思路
1、本专利技术提供一种基于广义负荷等值模型的电解槽状态监测方法，以提高对电解槽状态的监测效果。
2、为了解决上述技术问题，本专利技术实施例提供了一种基于广义负荷等值模型的电解槽状态监测方法，包括：
3、基于待监测电解槽的历史运行数据，构建典型电解槽广义负荷等值模型。
4、运行所述典型电解槽广义负荷等值模型，获取所述典型电解槽广义负荷等值模型基于时间序列的参数连续值的样本值，根据所述样本值拟合参数曲线方程；所述参数连续值至少包括电流密度参数、槽电压参数和电解质浓度参数。
5、根据所述参数曲线方程获取所述典型电解槽广义负荷等值模型的参数连续值在各时刻的拟合倾角值。
6、采
7、对各所述参数类下的样本值进行自适应离散化处理，得到离散化参数值；所述自适应离散化处理被设计为根据所述典型电解槽广义负荷等值模型中的参数连续值的分布范围和变化趋势动态调整离散化间隔。
8、获取所述待监测电解槽的实时运行数据，根据所述实时运行数据构建实时电解槽广义负荷等值模型。
9、将所述离散化参数值应用于所述实时电解槽广义负荷等值模型中，运行所述实时电解槽广义负荷等值模型，得到当前电解槽状态对应的参数拟合倾角，根据所述参数拟合倾角对应的参数类计算并判断当前的电解槽状态。
10、进一步地，所述基于待监测电解槽的历史运行数据，构建典型电解槽广义负荷等值模型，包括：
11、获取待监测电解槽在正常运行状态和异常运行状态下的历史运行数据，得到正常运行数据和异常运行数据。
12、将所述异常运行数据和所述正常运行数据进行对比分析，得到所述异常运行数据相对于所述正常运行数据的异常特征值。
13、根据所述异常特征值确定参数连续值，并根据所述参数连续值构建典型电解槽广义负荷等值模型。
14、进一步地，所述运行所述典型电解槽广义负荷等值模型，获取所述典型电解槽广义负荷等值模型基于时间序列的参数连续值的样本值，根据所述样本值拟合参数曲线方程，包括：
15、获取电解槽负荷数据采集器采集的基于时间序列的参数连续值，对所述参数连续值进行标准化处理，得到参数连续值的样本值。
16、根据所述样本值采用径向基神经网络训练法得到参数曲线方程。
17、进一步地，所述根据所述样本值采用径向基神经网络训练法得到参数曲线方程之后，还包括：
18、采用矩形法计算所述参数曲线方程的积分值，若所述积分值与实际参数的积分值之间的偏差值大于预设的偏差阈值，则采用反馈补偿器对所述参数曲线方程进行调整。
19、进一步地，所述根据所述参数曲线方程获取所述典型电解槽广义负荷等值模型的参数连续值在各时刻的拟合倾角值，包括：
20、设定采样窗口对所述参数曲线方程进行采样，得到若干个采样点位。
21、根据所述采样点位通过二阶中心差分计算器获得参数变化量并根据所述参数变化量得到导数值，根据所述导数值计算各所述采样点位之间的倾角。
22、根据各所述倾角通过贝塞尔曲线拟合器构造控制点序列，根据所述控制点序列采用三次样条插值器得到倾角连续值曲线。
23、对所述倾角连续值曲线进行重构，得到所述典型电解槽广义负荷等值模型的参数连续值在各时刻的拟合倾角值。
24、进一步地，所述采用密度峰值聚类法对各所述拟合倾角值进行聚类，根据聚类结果将对应的样本值划分为若干个参数类，包括：
25、根据各所述拟合倾角值对所述样本值进行零均值标准化处理，得到标准化参数序列。
26、根据所述标准化参数序列采用密度峰值聚类计算器计算各所述拟合倾角值的局部密度值和相对距离值，生成若干个参数类。
27、进一步地，所述对各所述参数类下的样本值进行自适应离散化处理，得到离散化参数值，包括：
28、对各所述参数类下的样本值进行离散化处理，根据离散化处理的结果计算当前离散化间隔下的均值和方差指标，根据计算结果判断离散化效果是否满足预设的离散化精度值；若否，则调整离散化间隔，重新对各所述参数类下的样本值进行离散化处理，直至离散化效果满足预设需求。
29、进一步地，所述将所述离散化参数值应用于所述实时电解槽广义负荷等值模型中，运行所述实时电解槽广义负荷等值模型，得到当前电解槽状态对应的参数拟合倾角，根据所述参数拟合倾角对应的参数类计算并判断当前的电解槽状态，包括：
30、基于所述离散化参数值运行所述实时电解槽广义负荷等值模型，通过递归最小二乘法根据存储于循环队列中的各所述拟合倾角值计算得到参数拟合倾角。
31、获取所述参数拟合倾角对应的参数类，根据所述参数类获取实时运行数据种对应的实时参数连续值，根据所述实时参数连续值通过均方差计算器计算得到反映当前电解槽状态的数值。
32、进一步地，所述方法还包括：
33、对所述实时电解槽广义负荷等值模型的计算精度进行评估，根据评估结果验证所述实时电解槽广义负荷等值模型对电解槽状态的监测效果。
34、本专利技术另一实施例提供了一种基于广义负荷等值模型的电解槽状态监测系统，包括：
35、典型模型构建模块，用于基于待监测电解槽的历史运行数据，构建典型电解槽广义负荷等值模型。
36、曲线拟合模块，用于运行所述典型电解槽广义负荷等值模型，获取所述典型电解槽广义负荷等值模型基于时间序列的参数连续值的样本值，根据所述样本值拟合参数曲线方程；所述参数连续值至少包括电流密度参数、槽电压参数和电解质浓度参数。
37、倾角计算模块，用于根据所述参数曲线方程获取所述典型电解槽广义负荷等值模型的参数连续值在各时刻的拟合倾角值。
38、参数分类模块，用于采用密度峰值聚类法对各所述拟合倾角值进行聚类，根据聚类结果将对应的样本值划分为若干个参数类。
39、参数离散模块，用于对各所述参数类下的样本值进行自适应离散化处理，得到离散化参数值；所述自适应离散化处理被设计为根据所述典型电解槽广本文档来自技高网...
【技术保护点】
1.一种基于广义负荷等值模型的电解槽状态监测方法，其特征在于，包括：
2.如权利要求1所述的基于广义负荷等值模型的电解槽状态监测方法，其特征在于，所述基于待监测电解槽的历史运行数据，构建典型电解槽广义负荷等值模型，包括：
3.如权利要求1所述的基于广义负荷等值模型的电解槽状态监测方法，其特征在于，所述运行所述典型电解槽广义负荷等值模型，获取所述典型电解槽广义负荷等值模型基于时间序列的参数连续值的样本值，根据所述样本值拟合参数曲线方程，包括：
4.如权利要求3所述的基于广义负荷等值模型的电解槽状态监测方法，其特征在于，所述根据所述样本值采用径向基神经网络训练法得到参数曲线方程之后，还包括：
5.如权利要求1所述的基于广义负荷等值模型的电解槽状态监测方法，其特征在于，所述根据所述参数曲线方程获取所述典型电解槽广义负荷等值模型的参数连续值在各时刻的拟合倾角值，包括：
6.如权利要求5所述的基于广义负荷等值模型的电解槽状态监测方法，其特征在于，所述采用密度峰值聚类法对各所述拟合倾角值进行聚类，根据聚类结果将对应的样本值划分为若干
7.如权利要求1所述的基于广义负荷等值模型的电解槽状态监测方法，其特征在于，所述对各所述参数类下的样本值进行自适应离散化处理，得到离散化参数值，包括：
8.如权利要求1所述的基于广义负荷等值模型的电解槽状态监测方法，其特征在于，所述将所述离散化参数值应用于所述实时电解槽广义负荷等值模型中，运行所述实时电解槽广义负荷等值模型，得到当前电解槽状态对应的参数拟合倾角，根据所述参数拟合倾角对应的参数类计算并判断当前的电解槽状态，包括：
9.如权利要求1所述的基于广义负荷等值模型的电解槽状态监测方法，其特征在于，所述方法还包括：
10.一种基于广义负荷等值模型的电解槽状态监测系统，其特征在于，包括：
...【技术特征摘要】
1.一种基于广义负荷等值模型的电解槽状态监测方法，其特征在于，包括：
2.如权利要求1所述的基于广义负荷等值模型的电解槽状态监测方法，其特征在于，所述基于待监测电解槽的历史运行数据，构建典型电解槽广义负荷等值模型，包括：
3.如权利要求1所述的基于广义负荷等值模型的电解槽状态监测方法，其特征在于，所述运行所述典型电解槽广义负荷等值模型，获取所述典型电解槽广义负荷等值模型基于时间序列的参数连续值的样本值，根据所述样本值拟合参数曲线方程，包括：
4.如权利要求3所述的基于广义负荷等值模型的电解槽状态监测方法，其特征在于，所述根据所述样本值采用径向基神经网络训练法得到参数曲线方程之后，还包括：
5.如权利要求1所述的基于广义负荷等值模型的电解槽状态监测方法，其特征在于，所述根据所述参数曲线方程获取所述典型电解槽广义负荷等值模型的参数连续值在各时刻的拟合倾角值，包括：
<...【专利技术属性】
技术研发人员：孙黎滢，钟晖，黄晶晶，孙飞飞，梁邱，胡哲晟，朱超，薛友，张曼颖，林玲，陈熙琳，张蒙奇，谷纪亭，吴赫君，
申请(专利权)人：国网浙江省电力有限公司经济技术研究院，
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。