[发明专利]一种基于大数据的化工装置控制参数优化方法和系统

权利要求书

1.一种基于大数据的化工装置控制参数优化方法，其特征在于，包括如下步骤：

获取产品的历史加工控制数据作为样本数据，所述历史加工控制数据包括负荷区间段、产品摩尔百分含量以及与负荷区间段、产品摩尔百分含量对应的控制参数；

根据所述历史加工控制数据对学习算法进行训练得到控制参数获取模型，训练过程中以负荷区间段和产品摩尔百分含量作为所述学习模型的输入，以控制参数作为输出；

将产品的实际负荷区间段、目标摩尔百分含量输入至所述控制参数获取模型得到目标控制参数。

2.根据权利要求1所述的基于大数据的化工装置控制参数优化方法，其特征在于，获取产品的历史加工控制数据作为样本数据的步骤中：

所述历史加工控制数据中的负荷区间段包括五个，将五个所述负荷区间段对应的历史加工控制数据分别记为data1、data2、data3、data4、data5；

所述历史加工控制数据中的产品摩尔百分含量包括：优质产品对应的最优加工控制参数、不合格产品对应的不合格产品控制参数以及合格产品对应的合格控制参数；所述优质产品指产品摩尔百分含量位于其最优区间内的产品，不合格产品指产品摩尔百分含量低于其最优区间下限值的产品，所述合格产品是指产品摩尔百分含量超过其最优区间上限值的产品；

所述控制参数包括：优质产品对应的最优控制参数范围和不合格产品对应的报警控制参数范围。

3.根据权利要求2所述的基于大数据的化工装置控制参数优化方法，其特征在于，根据所述历史加工控制数据对学习模型进行训练得到控制参数获取模型，训练过程中以负荷区间段和产品摩尔百分含量作为所述学习模型的输入，以控制参数作为输出的步骤中，针对每一负荷区间段的历史加工控制数据执行如下步骤执行如下步骤：

为datai中产品摩尔百分含量位于其最优区间内的数据设置第一标识，其余数据设置第二标识后所得到的数据作为datai1，1≤i≤5；

将datai1按照比例分为训练样本集datai1_train和测试样本集datai1_test；

对训练样本集datai1_train中包含的历史加工控制数据进行标准化处理，使用支持向量机模型进行模型训练后，以支持向量中记有第一标识的数据作为datai3；

获取datai3中所有控制参数的低分位数作为最优控制参数范围的最优控制下限值，获取datai3中所有控制参数的高分位数作为最优控制参数范围的最优控制上限值。

4.根据权利要求2所述的基于大数据的化工装置控制参数优化方法，其特征在于，根据所述历史加工控制数据对学习模型进行训练得到控制参数获取模型，训练过程中以负荷区间段和产品摩尔百分含量作为所述学习模型的输入，以控制参数作为输出的步骤中，针对每一负荷区间段的历史加工控制数据执行如下步骤执行如下步骤：

选取datai中产品摩尔百分含量大于最优区间下限值的历史加工控制数据并将其记为datai2，1≤i≤5；

获取datai2中所有控制参数的低分位数和高分位数；

根据所述低分位数和所述高分位数得到报警控制参数范围的报警下限值和报警上限值。

5.根据权利要求4所述的基于大数据的化工装置控制参数优化方法，其特征在于，还包括如下步骤：

生成产品加工过程中的可视化显示界面，所述可视化界面用于显示被控制设备以及与每一被控制设备对应的实时控制参数；

当所述被控制设备的实时控制参数在该设备最优控制参数范围内时以第一显示模式进行显示；当所述被控制设备的实时控制参数在该设备报警控制参数范围内时以第二显示模式进行显示；当所述被控制设备的实时控制参数在其他范围内时以第三显示模式进行显示。

6.根据权利要求1-5任一项所述的基于大数据的化工装置控制参数优化方法，其特征在于，获取产品的历史加工控制数据作为样本数据的步骤中：

获取产品加工过程中的所有关联参数与产品摩尔百分含量数据；

利用所有关联参数与产品摩尔百分含量对机器学习算法进行训练；

根据机器学习算法的训练结果确定关联参数中每一控制参数的重要度。