[发明专利]预测排放管理系统及方法

权利要求书

1.一种预测排放管理系统，其特征在于，所述预测排放管理系统包括：

数据采集模块，用于获取工业过程中的控制变量和目标变量的测量值；

预测模块，包含基于深度学习方法的预测模型，所述预测模型被配置成根据从所述数据采集模块接收的所述控制变量的当前测量值和所述目标变量的上一次测量值来预测所述目标变量在指定时间后的预测值；

执行模块，所述执行模块被配置成从所述预测模块接收所述目标变量的预测值，并且根据所述目标变量的预测值和所述目标变量的限制值来确定所述控制变量的目标值；

先进控制系统，所述先进控制系统从所述执行模块接收所述控制变量的目标值，并且对所述工业过程中的工业设备施加闭环控制以将所述控制变量稳定在所述目标值；以及

训练模块，所述训练模块被配置成在满足多种训练自启动条件中的一种时，获取所述预测模块中的预测模型并且基于所述深度学习方法由所述控制变量和所述目标变量的历史测量值来训练所获取的预测模型，并且将训练得到的预测模型提供给所述预测模块以更新所述预测模块中的预测模型。

2.根据权利要求1所述的预测排放管理系统，其特征在于，所述执行模块被配置成，

如果所述目标变量的预测值未超过所述目标变量的限制值，则不改变所述控制变量的目标值；并且

如果所述目标变量的预测值超过所述目标变量的限制值，则将所述目标变量的预测值和限制值代入到所述工业过程的仿真模型来优化所述控制变量的目标值。

3.根据权利要求2所述的预测排放管理系统，其特征在于，所述执行模块被配置成对所述控制变量的目标值优化的优先级由高到低为：排放物处理设备的运行状态，工业过程中的工艺参数，装载负荷。

4.根据权利要求1或2所述的预测排放管理系统，其特征在于，所述多种训练自启动条件包括：

(1)所述预测排放管理系统是首次启动；以及

(2)所述工业过程稳定且所述目标变量的测量值和预测值存在持续偏差。

5.根据权利要求4所述的预测排放管理系统，其特征在于，所述训练模块被配置成，如果所述预测排放管理系统是首次启动，则从存储所述控制变量和所述目标变量在不同时刻的测量值的数据库中调取所述控制变量和所述目标变量在指定时间跨度的历史测量值，来训练所获取的预测模型。

6.根据权利要求4所述的预测排放管理系统，其特征在于，所述训练模块被配置成，如果所述预测排放管理系统不是首次启动，则判断所述工业过程是否稳定，

如果所述工业过程不稳定，则不启动对所述预测模块中的预测模型的训练；并且

如果所述工业过程稳定，则判断所述目标变量的测量值和预测值是否存在持续偏差，

如果所述目标变量的测量值和预测值不存在持续偏差，则不启动对所述预测模块中的预测模型的训练；并且

如果所述目标变量的测量值和预测值存在持续偏差，则从存储所述控制变量和所述目标变量在不同时刻的测量值的数据库中调取所述控制变量和所述目标变量从上次训练结束至当前时刻的历史测量值，来训练所获取的预测模型。

7.根据权利要求6所述的预测排放管理系统，其特征在于，所述目标变量的测量值和预测值存在持续偏差的情况是所述目标变量的预测值连续5次比所述目标变量的测量值高或低5％。

8.根据权利要求1或2所述的预测排放管理系统，其特征在于，所述深度学习方法是以下算法中的一种：多层神经网络算法、长短期记忆网络算法、LightBGM算法。