基于荒煤气温度的焦炉炭化室生产状态监测方法

摘要

本发明公开了一种基于荒煤气温度的焦炉炭化室生产状态监测方法，步骤1：对荒煤气温度历史数据进行滤波、分割和压缩得到单个结焦周期内离散、有限的样本数据；基于历史样本数据和荒煤气温度变化规律建立炭化室单个结焦周期荒煤气温度分段模型；步骤2：设置时间长度为30分钟的数据窗口，实时采集并处理荒煤气温度数据；步骤3：基于实时采集的样本数据和荒煤气温度模型，首先判断炭化室生产过程所处的阶段，然后分别针对不同阶段利用荒煤气温度模型和实时数据判断炭化室生产状态，实现炭化室生产状态的在线监测，对炭化室焦炭的生产具有重要指导意义。

主权项

一种基于荒煤气温度的焦炉炭化室生产状态监测方法，其特征在于，包括以下步骤：步骤1：基于荒煤气温度历史数据建立炭化室单个结焦周期荒煤气的温度分段模型；步骤2：设置时间长度为T分钟的数据窗口，实时采集荒煤气温度数据；步骤3：基于实时采集的荒煤气温度数据和温度分段模型，先判断出炭化室生产过程所处的阶段，进而判断炭化室生产状态，实现炭化室生产状态的在线监测；步骤1中的荒煤气温度历史数据的获取过程为：(1)荒煤气温度原始数据滤波现场荒煤气温度采样时间间隔为1秒；将采样点k之前一分钟内的60个采样数据i表示炭化室号，k‑j表示采样点；去掉最大值和最小值后的平均值作为当前时刻的荒煤气温度，即有：${\tilde{T}}_g^i=(\underset{j=0}{\overset{59}{\Sigma }}{\hat{T}}_{k-j}^i-{\hat{T}}_{\min }^i-{\hat{T}}_{\max }^i)/(60-2)$          式1其中，为i号炭化室的原始荒煤气温度数据，k–j表示采样点，相邻采样点时间间隔为1秒；为滤波后的荒煤气温度数据，g为采样周期为1分钟的采样点；(2)单个结焦周期荒煤气温度数据提取相邻两次推焦之间的时间为一个结焦周期，根据ΔT判断当前时刻是否处于结焦周期，并提取相邻两次推焦之间即结焦周期内的采样数据，获得单个结焦周期荒煤气温度样本；$\mathrm{\Delta T}={\tilde{T}}_g^i-{\tilde{T}}_{g-1}^i;$(3)荒煤气温度样本数据压缩取采样点g之前5分钟内的采样数据和之后5分钟内的采样数据的平均值作为采样点g对应时刻的荒煤气温度，将单个结焦周期样本数据进行压缩，即有$T_h^i=(\underset{j=0}{\overset{4}{\Sigma }}{\tilde{T}}_{g-j}^i+\underset{j=1}{\overset{5}{\Sigma }}{\tilde{T}}_{g+j}^i)/10$           式2其中，为压缩前i号炭化室的荒煤气温度，g±j表示采样点，相邻采样点之间时间间隔为1分钟；为压缩后的荒煤气温度，h为采样周期为10分钟的采样点，通过以上处理获得某个炭化室单个结焦周期的荒煤气温度样本数据；步骤1中的温度分段模型包括各个炭化室的模型的构建，对每一个炭化室的模型构建过程说明如下：(1)荒煤气温度模型结构单个结焦周期内荒煤气温度关于采样点的模型为：$T^i\left(x\right)=\left\{\begin{array}{cc}{T_1}^i\left(x\right)=a_1^{i}x+a_2^i,& \begin{array}{cc}x\le k& \left(a\right)\end{array}\\ T_2^i\left(x\right)=b_1^i{x}^2+b_2^{i}x+b_3^i,& \begin{array}{cc}x>k& \left(b\right)\end{array}\end{array}\right.$      式3其中，x表示采样点，x对应的采样时刻为相对于结焦开始时刻的时刻，反映结焦时间的变化，Tⁱ(x)表示i号炭化室荒煤气温度模型，i＝1,2,…,55，包括线性模型T₁ⁱ(x)、二次抛物线模型两个子模型，分别为2个子模型的参数，m＝1,2,n＝1,2,3，k为两个子模型的分割点；(2)模型参数分段辨识初步确定采样点1‑60之间的样本数据属于第1段模型，采样点80‑110之间的样本数据属于第2段模型，因此利用荒煤气温度样本和最小二乘算法对模型进行分段辨识；对于第1段模型，采样点m对应的实测荒煤气温度为m＝1,2,…,60，对应模型T₁ⁱ(x)中的值用表示，根据表达式3–a可得：式4令${\theta }_1^i={\left[\begin{array}{cc}{a}_2^i& a_1^i\end{array}\right]}^T,$$X_1^i={\left[\begin{array}{cccc}1& 1& ···& 1\\ 1& 2& ···& 60\end{array}\right]}^T,$${{\hat{Y}}_1}^i={\left[\begin{array}{ccc}{\hat{y}}_1^i& ···& {\hat{y}}_{60}^i\end{array}\right]}^T,$则式4写成矩阵形式${{\hat{Y}}_1}^i=X_1^i·{\theta }_1^i$采用最小二乘估计法求表达式参数使误差平方和$E_1^i=\underset{j=1}{\overset{60}{\Sigma }}{\left(e_j^i\right)}^2=\underset{j=1}{\overset{60}{\Sigma }}{(y_j^i-{\hat{y}}_j^i)}^2={({Y_1}^i-{{\hat{Y}}_1}^i)}^T({Y_1}^i-{{\hat{Y}}_1}^i)={({Y_1}^i-X_1^i·{\theta }_1^i)}^T({Y_1}^i-X_1^i·{\theta }_1^i)$最小，其中${Y_1}^i={\left[\begin{array}{cccc}{y}_1^i& y_2^i& ···& y_{60}^i\end{array}\right]}^T$为荒煤气温度实测值，模型参数为：${\hat{\theta }}_1^i=[{\left(X_1^i\right)}^T{X}_1^i{]}^{-1}{\left(X_1^i\right)}^T{Y_1}^i$对于第2段模型，采样点n对应的实测荒煤气温度为n＝81,82,…,110，对应模型中的值用表示，根据表达式3‑b可得：式5令${\theta }_2^i={\left[\begin{array}{ccc}{b}_3^i& b_2^i& b_1^i\end{array}\right]}^T,$$X_2^i={\left[\begin{array}{cccc}1& 1& ···& 1\\ 81& 82& ···& 110\\ {81}^2& {82}^2& ···& {110}^2\end{array}\right]}^T,$${\hat{Y}}_2^i={\left[\begin{array}{ccc}{\hat{Y}}_{81}^i& ···& {\hat{Y}}_{110}^i\end{array}\right]}^T,$则式5写成矩阵形式${\hat{Y}}_2^i=X_2^i·{\theta }_2^i$采用最小二乘估计法求表达式参数使误差平方和$E_2^i=\underset{j=81}{\overset{110}{\Sigma }}{\left(e_j^i\right)}^2=\underset{j=81}{\overset{110}{\Sigma }}{(y_j^i-{\hat{y}}_j^i)}^2={(Y_2^i-{\hat{Y}}_2^i)}^T(Y_2^i-{\hat{Y}}_2^i)={(Y_2^i-X_2^i·{\theta }_2^i)}^T(Y_2^i-X_2^i·{\theta }_2^i)$最小，其中$Y_2^i={\left[\begin{array}{cccc}{y}_{81}^i& y_{82}^i& ···& y_{110}^i\end{array}\right]}^T$为荒煤气温度实测值，模型参数为：${\hat{\theta }}_2^i=[{\left(X_2^i\right)}^T{X}_2^i{]}^{-1}{\left(X_2^i\right)}^T{Y}_2^i;$(3)子模型分割点确定分割时间是两段子模型相交点对应的采样点，求解下式获得i号炭化室荒煤气温度两段子模型分割点k：$a_1^{i}x+a_2^i=b_1^i{x}^2+b_2^{i}x+b_3^i$由于荒煤气温度模型反映的是荒煤气温度随采样点变化的模型，因此上式中计算的x表示采样点，且取值为1‑110之间的某个整数或小数，取小数时表示分割点出现在小数附近的两个采样点之间；根据焦炉每个炭化室荒煤气温度样本数据，采用式3的模型和相同的参数辨识方法，建立所有炭化室荒煤气温度模型Tⁱ(x),i＝1,2,…,55；步骤2中的实时采集荒煤气温度数据的过程为：设置时间长度为30分钟的数据窗口，保存当前时刻之前半个小时内的荒煤气温度数据；设置现场采样时间为1秒钟，对采集的数据进行如下处理：1)根据对数据窗口中的荒煤气温度数据滤波，将采样时间延长至1分钟，提高数据的可靠性，设滤波后的数据为$(g,{\tilde{T}}_g^i),g=\mathrm{1,2},···,30,i=\mathrm{1,2},···,55,$g表示时间窗口中的样本点，为采样温度，设为样本g对应的采样时间，且有2)根据相邻采样点荒煤气温度的变化幅度ΔT判断炭化室推焦、装煤时刻，从而确定结焦周期开始时的采样时刻3)根据结焦周期开始时刻和样本采样时间利用下式将转化为相对结焦周期开始时刻、相邻采样点时间间隔为10分钟的时间系数时间系数对应的荒煤气温度用表示，则样本表示为$(m_g^i,y_g^i),g=\mathrm{1,2},···,30:$$m_g^i=(t_g^i-t_{\mathrm{start}}^i)/10,g=\mathrm{1,2},···,30;$其中为1‑110之间的整数或小数，样本点代表了炭化室结焦时长；步骤3中包括以下两个步骤：(1)炭化室生产过程阶段判断基于炭化室荒煤气温度模型，根据数学上求极大值的方法，通过下式计算炭化室荒煤气温度峰值时刻$\begin{array}{c}{\mathrm{dT}}_2^i\left(x\right)/\mathrm{dx}=d(b_1^i{x}^2+b_2^{i}x+b_3^i)/\mathrm{dx}=2b_1^{i}x+b_2^i=0\\ \Rightarrow x_{\max }^i=-b_2^i/\left(2b_1^i\right)\end{array};$其中为i号炭化室峰值时刻，且取值为80‑110之间的整数或小数，取小数时表示峰值时刻出现在小数附近的两个采样点之间，为i号炭化室荒煤气温度模型的子模型的参数；根据i号炭化室荒煤气温度峰值时刻和当前时刻i号炭化室结焦时长τⁱ判断炭化室是否进入结焦末期，即当表明炭化室进入结焦末期；(2)炭化室生产状态判断炭化室生产过程位于结焦前期和结焦末期时荒煤气温度变化规律具有明显差异，分别符合荒煤气温度子模型T₁ⁱ(x)和子模型的变化规律，因此，对两个结焦时期的炭化室生产状态分别进行判断：1)炭化室结焦前期生产状态利用荒煤气温度子模型T₁ⁱ(x)检验实时获取的荒煤气温度样本通过误差积累和判断生产状态是否正常；其步骤为：首先计算数据窗口中实时样本数据与模型T₁ⁱ(x)值的误差累计和${\mathrm{cumu}}_1^i=\underset{g=1}{\overset{30}{\Sigma }}({T_1}^i\left(m_g^i\right)-y_g^i)=\underset{g=1}{\overset{30}{\Sigma }}(a_1^i{g}_m^i+a_2^i-y_g^i);$其中为模型计算值，为实际采样值；根据误差累计和的绝对值和阈值大小判断结焦末期生产状态，当时，生产状态正常，否则生产状态异常；其中，阈值是通过多次数据实验获得区分生产状态正常与异常的阈值；取值为8.6；2)炭化室结焦末期生产状态利用荒煤气温度子模型检验实时获取的荒煤气温度样本通过误差积累和判断生产状态是否正常：首先计算数据窗口中实时样本数据与模型值的误差累计和${\mathrm{cumu}}_2^i=\underset{g=1}{\overset{30}{\Sigma }}(T_2^i\left(m_g^i\right)-y_g^i)=\underset{g=1}{\overset{30}{\Sigma }}(b_1^i\times {\left(m_g^i\right)}^2+b_2^i\times m_g^i+b_3^i-y_g^i)$其中为模型计算值，为实际采样值；根据误差累计和的绝对值和阈值大小判断结焦末期生产状态，当时，生产状态正常，否则生产状态异常；其中，阈值是通过多次数据实验获得区分生产状态正常与异常的阈值；取值为10.2。