一种基于多源运行数据的蒸发器结垢预测控制方法及系统与流程

本发明涉及蒸发器控制，尤其涉及一种基于多源运行数据的蒸发器结垢预测控制方法及系统。

背景技术：

1、蒸发器控制技术领域涉及蒸发设备运行过程中的状态检测、数据处理和运行调节技术，通常围绕蒸发器本体、检测部件、控制设备以及执行机构之间的信息交互开展运行状态获取、分析判断和参数调整活动，通过采集设备运行过程中的状态信息并进行处理，根据分析结果调整相关执行过程。

2、其中，传统蒸发器结垢预测控制方法是指针对蒸发器运行过程中产生的结垢状态进行预测和控制的方法，通常通过设置在蒸发器及其连接管路上的检测部件获取运行状态数据，并将采集的数据传输至控制设备进行整理和分析，依据数据变化情况判断蒸发器内部结垢状态，再根据判断结果生成控制指令，由执行机构调整蒸发器运行过程中的相关操作，同时将运行数据存储至本地存储区域或服务器中，以供后续状态分析和控制调用。

3、现有蒸发器运行监测与控制过程中，主要依赖单一运行参数或固定周期检测方式获取设备状态信息，难以对不同来源运行数据进行统一关联处理，导致结垢状态变化过程难以及时分析，预测结果与实际运行状态之间存在偏差，控制调整缺少连续数据依据，影响蒸发器运行过程的状态判断和控制执行，同时难以适应运行状态持续变化条件下的结垢趋势分析需求，为运行状态分析和控制策略调整提供数据支撑。

技术实现思路

1、本发明旨在提供一种基于多源运行数据的蒸发器结垢预测控制方法及系统，通过采集蒸发器运行过程中的多源状态数据，结合历史运行记录数据建立数据分析基础，并利用机器学习模型对运行状态变化进行分析，根据预测结果与实际运行状态之间的偏差进行校正，再依据校正后的预测结果执行控制调整，使蒸发器结垢状态预测与运行控制过程形成关联。

2、为了实现上述目的，本发明采用如下技术方案，一种基于多源运行数据的蒸发器结垢预测控制方法，包括以下步骤：

3、通过设置于蒸发器运行位置处的检测设备采集蒸发器运行过程中的实时状态数据，并从接收并按采集时间存储所述检测设备输出的运行数据的历史运行数据库中调用历史运行记录数据，对所述实时状态数据和所述历史运行记录数据按照运行时间进行关联整理，形成用于结垢状态分析的数据序列；

4、其中，所述实时状态数据的采集过程还包括，根据蒸发器内部不同检测位置对应的运行状态设置多个检测设备，通过所述多个检测设备分别采集对应位置的运行状态数据，并按照各检测设备对应的数据采集时间对所述实时状态数据进行排序关联，形成具有时间对应关系的状态数据记录。

5、所述历史运行记录数据的调用过程还包括，按照预设时间范围从所述历史运行数据库中提取对应时间段内的历史运行记录数据，并对所述历史运行记录数据进行时间标记，将不同运行周期对应的数据记录与所述实时状态数据进行关联，形成用于机器学习模型输入的数据序列。

6、对所述实时状态数据和所述历史运行记录数据进行关联整理时，还包括对所述实时状态数据和所述历史运行记录数据进行数据完整性检测，筛除不满足预设数据条件的状态记录，并将保留的状态记录按照对应运行过程进行组合，形成连续的数据序列。

7、将基于所述实时状态数据和所述历史运行记录数据形成的数据序列输入机器学习模型，通过机器学习模型对数据序列中的状态变化特征进行分析，生成蒸发器结垢状态预测结果；所述机器学习模型为多变量回归型模型，依次对运行温度、压力、流量和浓度的归一化变化特征进行输入加权，将加权特征及其同向、反向或保持关系按照对应输出的回归系数作线性组合并加上偏置，分别生成运行温度、压力、流量和浓度的状态预测向量及结垢状态预测值；状态预测向量、结垢状态预测值与预测时间共同构成所述蒸发器结垢状态预测结果。

8、其中，在通过机器学习模型进行分析时，根据所述数据序列中的蒸发器运行温度变化数据、压力变化数据、流量变化数据和浓度变化数据，以各字段相邻记录的差值除以该字段预先固定的正参考变化量，分别确定对应时间段内的归一化变化幅度和变化趋势，并将不同类型运行数据之间的变化关系进行关联计算，生成用于机器学习模型分析的结垢状态变化关联结果。

9、进一步地，将所述运行温度变化数据、所述压力变化数据、所述流量变化数据和所述浓度变化数据对应的数据变化关系输入机器学习模型，根据不同运行状态下的数据变化组合确定结垢状态变化对应的预测输出，并将预测输出转换为蒸发器结垢状态预测结果。

10、通过所述检测设备采集当前时间段内的蒸发器运行状态数据，将当前时间段的运行温度、压力、流量和浓度实测值分别与所述蒸发器结垢状态预测结果中同一时间段状态预测向量的对应字段预测值作差，形成各字段偏差，当至少一个字段偏差超出该字段的预设偏差范围时，根据偏差调整机器学习模型的预测参数或输入数据处理方式，生成校正后的结垢状态预测结果。

11、其中，对所述蒸发器运行状态数据与所述蒸发器结垢状态预测结果进行比较时，按照预测时间匹配所述蒸发器运行状态数据与所述蒸发器结垢状态预测结果中的状态预测向量，将运行温度、压力、流量和浓度的实测值分别减去对应字段预测值，形成各字段状态偏差，并根据各字段状态偏差与该字段的预设偏差范围进行判断，当至少一个字段状态偏差超过其对应预设偏差范围时，调整机器学习模型中对应运行状态数据的输入权重。

12、根据所述校正后的结垢状态预测结果与所述蒸发器运行状态数据进行控制条件判断，当满足预设控制条件时生成控制指令，并将控制指令发送至蒸发器执行机构，以调整蒸发器运行过程。

13、其中，根据所述校正后的结垢状态预测结果与所述蒸发器运行状态数据进行控制条件判断时，将所述校正后的结垢状态预测结果对应的预测结垢状态与所述蒸发器运行状态数据对应的当前运行状态进行匹配，当取值范围为[0，1]的相对结垢程度预测值达到按相同标定尺度预设的控制触发阈值时，生成用于提高蒸发器物料循环流量的控制指令，并根据控制指令执行后的运行状态数据对控制结果进行记录。

14、本发明还提供一种基于多源运行数据的蒸发器结垢预测控制系统，包括数据采集单元、数据处理单元、预测分析单元、反馈校正单元和控制执行单元。

15、所述数据采集单元用于采集蒸发器运行过程中的实时状态数据，并从接收并按采集时间存储所述检测设备输出的运行数据的历史运行数据库中调用历史运行记录数据。

16、所述数据处理单元用于对所述实时状态数据和所述历史运行记录数据进行整理，形成用于结垢状态分析的数据序列。

17、所述预测分析单元用于将所述数据序列输入机器学习模型，对蒸发器运行状态变化进行分析，生成蒸发器结垢状态预测结果。

18、所述反馈校正单元用于获取蒸发器运行状态数据，按照同一预测时间，将所述蒸发器运行状态数据中的运行温度、压力、流量和浓度实测值与所述蒸发器结垢状态预测结果中状态预测向量的对应字段预测值逐项作差，并将各字段偏差与该字段的预设偏差范围进行比较，并根据比较结果调整预测过程。

19、所述控制执行单元用于根据校正后的结垢状态预测结果生成控制指令，并将所述控制指令发送至蒸发器执行机构。

20、与现有技术相比，本发明的优点和积极效果在于：

21、本发明通过采集蒸发器运行过程中的实时状态数据，并结合数据存储区域中的历史运行记录数据进行时间关联整理，形成用于结垢状态分析的数据序列，利用机器学习模型分析运行状态变化关系生成预测结果，并根据实际运行状态与预测结果之间的偏差进行校正，使结垢状态预测过程能够结合实际运行变化进行调整，同时依据校正后的预测结果生成控制指令，实现预测分析与运行控制之间的数据关联，减少预测结果偏差对控制过程的影响，并降低控制过程中的状态误判风险。