面向概念漂移的时空图卷积网络高炉炉壁热分布建模方法与流程

本发明涉及工业过程建模与智能运维，尤其涉及一种面向概念漂移的时空图卷积网络高炉炉壁热分布建模方法。

背景技术：

1、高炉炼铁是现代冶金工业的核心工艺。高炉炉壁热状态直接关系到高炉安全运行、炉衬寿命、冷却制度优化及生产效率。炉壁局部热负荷异常升高、热异常区域持续扩展或温度场分布模式发生突变，往往意味着炉衬侵蚀、冷却壁状态劣化、炉内煤气流分布异常或局部热通道形成等潜在风险。因此，对高炉炉壁热分布进行精准建模、动态预测和异常溯源，是实现高炉预测性维护和智能安全运维的重要基础。

2、然而，现有高炉炉壁热分布建模方法存在以下不足：基于第一性原理的机理建模方法，需要精确获取炉衬材料热导率、热容、密度、边界换热条件及炉内热源分布等物理参数，而高炉长期运行过程中上述参数随炉衬侵蚀、冷却制度调整和操作工况变化难以精确获取，导致传统机理模型难以长期稳定适用；基于数据驱动的建模方法，隐含假设模型训练阶段和在线运行阶段的数据分布及输入输出映射关系保持稳定，该假设与高炉长期运行实际不符，可能导致空间能量转移关系、时域能量进化关系或测点可信度发生变化，即产生概念漂移，缺乏对概念漂移的识别与自适应能力，导致预测模型出现预测精度衰减、异常溯源失真、预警滞后和误报漏报增加等问题；简单周期性整体重训模型虽能部分缓解模型失配，但存在计算负担大、响应滞后、难以区分异常数据与概念漂移、缺乏漂移来源解释以及可能造成灾难性遗忘等缺陷。

技术实现思路

1、鉴于上述的分析，本发明实施例旨在提供一种面向概念漂移的时空图卷积网络高炉炉壁热分布建模方法，用以解决现有技术难以获取机理参数、缺乏概念漂移自适应机制、预测精度低、模型可解释性差、训练成本高的问题。

2、一方面，本发明实施例提供了一种面向概念漂移的时空图卷积网络高炉炉壁热分布建模方法，包括：

3、基于高炉炉壁热电偶阵列的二维拓扑结构、时空温度场数据及外部工况输入项，建立面向概念漂移的动态分布参数系统模型；

4、对所述时空温度场数据进行张量cp分解，提取包含空间基函数集合和时间系数矩阵的分解结果，并根据所述分解结果的变化情况构建cp综合漂移指数；

5、构建面向概念漂移的自适应时空图卷积网络模型；所述自适应时空图卷积网络模型用于根据所述空间基函数集合、所述时间系数矩阵和所述cp综合漂移指数对所述动态分布参数系统模型执行解算，以构建空间纠缠矩阵；

6、根据所述空间纠缠矩阵，将所述热电偶阵列中的节点划分为有效邻域集合和无效邻域集合；基于所述外部工况输入项和所述时间系数矩阵得到未来时刻的时域能量进化因子预测值，并结合所述有效邻域集合和无效邻域集合，输出未来时刻高炉炉壁热分布预测结果。

7、进一步地，所述建立面向概念漂移的动态分布参数系统模型，包括：

8、根据所述二维拓扑结构、时空温度场数据及外部工况输入项，构建炉壁热分布控制方程；

9、定义所述炉壁热分布控制方程的概念漂移状态；其中，所述概念漂移状态至少包括空间能量转移漂移状态、时域能量进化漂移状态、预测残差漂移状态和测点可信度漂移状态；

10、将所述炉壁热分布控制方程中的轴向等效热传导系数、径向等效热传导系数及外部工况输入项设置为随时间和所述概念漂移状态变化的动态量；

11、根据设置动态量后的炉壁热分布控制方程和所述概念漂移状态，定义漂移感知的边界条件；

12、结合所述设置动态量后的炉壁热分布控制方程、所述边界条件以及漂移感知的初始条件，得到所述动态分布参数系统模型。

13、进一步地，所述设置动态量后的炉壁热分布控制方程的公式包括：

14、；

15、其中，和表示不同方向的空间坐标，表示时间坐标；表示采集的时空温度场数据；表示耐火材料等效密度；表示等效热容；表示轴向等效热传导系数的动态量；表示径向等效热传导系数的动态量；表示外部工况输入项的动态量；表示时刻的概念漂移状态；

16、所述漂移感知的边界条件的公式包括：

17、；

18、其中，表示随时间和概念漂移状态变化的非线性边界函数，表示炉壁区域边界；所述漂移感知的初始条件定义为，表示温度场初始分布。

19、进一步地，所述动态分布参数系统模型用于：在概念漂移状态的调制下将炉壁热分布预测问题转化为基于漂移感知的数据驱动动态映射问题；动态映射公式包括：

20、；

21、其中，表示未来时刻的温度场；表示未来时刻的温度场预测值；表示时刻由动态参数集合决定的动态预测映射函数，并且能够随概念漂移状态的变化进行自适应调整；表示未来t+1时刻的外部工况输入项。

22、进一步地，所述对所述时空温度场数据进行张量cp分解，提取包含空间基函数集合和时间系数矩阵的分解结果，包括：

23、采用张量cp分解法，将所述时空温度场数据分解为第一空间因子矩阵、第二空间因子矩阵和时间因子矩阵；其中，所述第一空间因子矩阵用于表征炉壁热量在第一方向上的空间分布模式，所述第二空间因子矩阵用于表征炉壁热量在第二方向上的空间分布模式，所述时间因子矩阵用于表征两个方向的空间分布模式随时间变化的动态演化规律；

24、采用交替最小二乘法，对所述第一空间因子矩阵、第二空间因子矩阵和时间因子矩阵进行迭代求解，得到最优cp分解模型；

25、基于所述最优cp分解模型求解得到的第一因子矩阵和第二因子矩阵，提取得到所述空间基函数集合；基于所述最优cp分解模型求解得到的第三因子矩阵，提取得到所述时间系数矩阵。

26、进一步地，所述根据所述分解结果的变化情况构建cp综合漂移指数，包括：

27、基于所述空间基函数集合，根据历史参考窗口与当前检测窗口内的空间基函数变化情况，计算空间基函数漂移指数；

28、基于所述时间系数矩阵，根据历史参考窗口与当前检测窗口内的时间系数变化情况，计算时间系数漂移指数；

29、根据历史参考窗口与当前检测窗口内cp分解后的重构误差，计算cp重构误差漂移指数；

30、根据所述空间基函数漂移指数、所述时间系数漂移指数和所述cp重构误差漂移指数，经加权求和得到所述cp综合漂移指数。

31、进一步地，所述空间基函数漂移指数表示为如下形式：

32、；

33、其中，表示空间基函数漂移指数；r表示主导空间模式总数；表示历史参考窗口内第个空间基函数，表示当前检测窗口内第个空间基函数；表示防止分母为零的正数；

34、所述时间系数漂移指数表示为如下形式：

35、；

36、其中，表示时间系数漂移指数；表示历史参考窗口内的时间系数矩阵；表示当前检测窗口内的时间系数矩阵；

37、所述cp重构误差漂移指数表示为如下形式：

38、；

39、其中，表示cp重构误差漂移指数；表示历史参考窗口内的归一化cp重构误差；表示当前检测窗口内的归一化cp重构误差；

40、所述cp综合漂移指数表示为如下形式：

41、；

42、其中，表示cp综合漂移指数；表示的权重系数、表示的权重系数、表示的权重系数。

43、进一步地，所述构建空间纠缠矩阵，包括：

44、基于所述自适应时空图卷积网络模型，根据所述热电偶阵列映射得到的节点集合及节点间的动态图邻接矩阵、所述空间基函数集合、所述时间系数矩阵、所述cp综合漂移指数，构建动态图结构；

45、根据所述动态图结构中每个空间基函数在目标节点和邻域节点处的取值差异、所述动态图邻接矩阵中的边权重、所述目标节点与所述邻域节点的预测残差以及所述空间能量转移漂移状态，计算所述目标节点与所述邻域节点之间的动态空间扩散因子；

46、根据所述时间系数矩阵计算得到时域能量进化因子；根据所述动态空间扩散因子和所述时域能量进化因子，构建所述空间纠缠矩阵。

47、进一步地，所述动态空间扩散因子表示为如下形式：

48、；

49、其中，表示节点对节点在第个空间基函数下的动态空间扩散因子；表示空间扩散关系学习函数；表示第个空间基函数在节点处的取值；表示第个空间基函数在节点处的取值；表示动态图邻接矩阵中的边权重；和分别表示节点和的预测残差；表示空间能量转移漂移状态。

50、进一步地，所述未来时刻的时域能量进化因子预测值通过以下公式预测得到：

51、；

52、其中，表示第维时域能量进化因子在未来时刻的预测值，表示时刻的可学习参数为时的漂移感知时序演化模型；表示t时刻的外部工况输入项序列，表示t时刻的第维时间系数序列，表示t时刻的第维时域能量进化因子序列，表示t时刻的时域能量进化漂移状态。

53、与现有技术相比，本发明至少可实现如下有益效果之一：

54、第一，区别于相关技术中难以获取机理参数、缺乏概念漂移自适应机制的问题，本发明充分利用高炉炉壁稀疏布置的热电偶阵列数据、外部冷却系统数据及运行工况数据，将传统固定参数热传导模型扩展为受概念漂移状态调制的动态分布参数系统模型，实现了在高温、高压、强腐蚀等恶劣工业环境下对高炉炉壁热分布动态演化过程的非侵入式精准感知与预测；通过滑动运行窗口下的cp时空解耦架构，进一步构建空间基函数漂移、时间系数漂移和重构误差漂移等指标，使得模型能够识别高炉长期运行过程中由炉况迁移、炉龄增长、炉衬侵蚀、冷却制度调整和传感器状态变化引起的概念漂移。

55、第二，区别于相关技术中模型可解释性差的问题，本发明通过构建面向概念漂移的自适应时空图卷积网络，能够在空间能量转移解析层面动态刻画热电偶节点间的关联强度、扩散方向及有效/无效邻域关系，识别相邻节点对目标节点热状态演化的协同促进或冲突抑制作用；在时域能量进化学习层面，能够刻画外部工况输入、时间系数和时域演化因子之间的动态响应关系，判断炉壁热状态随时间演化规律是否发生漂移。由此，不仅能够输出未来时刻炉壁热分布预测结果，而且能够揭示预测结果背后的空间能量转移机制和时域演化机制，增强了模型在长期复杂工况下的物理可解释性和稳定适应能力。

56、第三，区别于相关技术中预测精度低、训练成本高的问题，本发明将概念漂移理念深度融入炉壁热分布建模过程，使得模型不再依赖单一固定映射关系，而是能够随高炉运行状态变化动态调整图结构、空间扩散关系、时域演化因子和邻域聚合权重，进而有效缓解传统离线数据驱动模型在长期运行中易出现的预测精度衰减、难以实现异常溯源和泛化能力不足等问题。由此，本发明为高炉炉壁热状态从静态建模向动态自适应建模转变提供了关键技术路径，提高了模型预测精度，降低训练成本，为高炉从经验判断、事后处置向在线感知、趋势预测和智能预警转变提供了模型基础。

57、本发明中，上述各技术方案之间还可以相互组合，以实现更多的优选组合方案。本发明的其他特征和优点将在随后的说明书中阐述，并且，部分优点可从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过说明书以及附图中所特别指出的内容中来实现和获得。