[发明专利]一种基于动态系统辨识的精馏塔产品质量预测方法及装置

权利要求书

1.一种基于动态系统辨识的精馏塔产品质量预测方法，其特征在于，所述方法包括：

确定精馏塔的当前状态数据和计划输入数据，精馏塔的状态数据是用于反映精馏塔的运行状态的数据，精馏塔的输入数据是精馏塔的输入变量的数据；

将所述当前状态数据和计划输入数据输入动态系统辨识模型，得到预测状态序列，所述预测状态序列包含所述精馏塔在未来预定时长内的状态数据，所述动态系统辨识模型利用所述精馏塔的历史运行数据基于SINDy模型训练得到；

将所述预测状态序列输入利用所述精馏塔的历史运行数据预先训练得到的时间序列异常检测模型，得到对应的loss值；

当得到的所述loss值超过loss阈值时，输出用于警示所述精馏塔的产品质量异常的预警信息；

其中，用于训练所述动态系统辨识模型的历史运行数据包括所述精馏塔的历史状态序列和历史输入序列，所述历史状态序列包括所述精馏塔的按时间顺序排列的各个工作状态点的状态数据，所述历史输入序列包括所述精馏塔的按时间顺序排列的各个工作状态点的输入数据；则所述方法还包括：

将所述精馏塔的历史状态序列中的第t-1个工作状态点的状态数据x_t-1和所述历史输入序列中的第t-1个工作状态点的输入数据u_t-1作为SINDy模型的输入，将所述历史状态序列中的第t个工作状态点的历史状态序列x_t作为SINDy模型的输出，并设定SINDy模型的回归模型为LASSO，利用所述精馏塔的历史状态序列和历史输入序列训练得到所述动态系统辨识模型。

2.根据权利要求1所述的方法，其特征在于，用于训练所述时间序列异常检测模型的历史运行数据包括所述精馏塔的窗口化历史状态序列，所述窗口化历史状态序列包括预定时间窗口范围内的所述精馏塔的按时间顺序排列的各个工作状态点的状态数据且表示为x_{[i,i+1,...i+N]}；

则所述方法还包括：

将所述精馏塔的窗口化历史状态序列输入LSTM_VAE模型得到对应的重组序列x′_{[i,i+1,...i+N]}；

根据所述窗口化历史状态序列x_{[i,i+1,…i+N]}及其对应的重组序列x′_{[i,i+1,…i+N]}之间的误差更新所述LSTM_VAE模型的网络参数，直到训练得到所述时间序列异常检测模型。

3.根据权利要求2所述的方法，其特征在于，所述方法还包括：

根据所述窗口化历史状态序列x_{[i,i+1,…i+N]}及其对应的重组序列x′_{[i,i+1,…i+N]}计算重组loss，并计算VAE的KL散度，将计算得到的重组loss和KL散度按照各自对应的权重进行加权得到所述窗口化历史状态序列x_{[i,i+1,…i+N]}及其对应的重组序列x′_{[i,i+1,…i+N]}之间的误差。

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：

将所述精馏塔的历史运行数据构建得到的K个训练样本分别输入训练得到的时间序列异常检测模型中，得到对应的loss值，每个训练样本为包括预定时间窗口范围内的所述精馏塔的按时间顺序排列的各个工作状态点的状态数据的窗口化历史状态序列；

对所有训练样本对应的loss值中从高至低的第k个loss值作为所述loss阈值，k/K的比例为预设异常样本比例。

5.根据权利要求1-4任一所述的方法，其特征在于，

精馏塔的状态数据包括精馏段灵敏板温度、精馏塔顶压力、塔顶冷回流量和泵出口压力中的至少一种，精馏塔的输入数据包括进料量、调节阀电流和塔顶产品调节阀开度中的至少一种。