用于无水氟化氢生产的能源管理控制系统及其控制方法与流程

技术特征：
1.一种用于无水氟化氢生产的能源管理控制系统，其特征在于，包括：数据采集模块，用于获取预定时间段内包含当前时间点在内的多个预定时间点的转炉反应器的转速值、炉内压力值、反应温度值和产物的气相色谱图；结构化模块，用于将所述预定时间段内包含当前时间点在内的多个预定时间点的炉内压力值和反应温度值分别按照时间维度排列为温度输入向量和压力输入向量后，计算所述温度输入向量和所述压力输入向量之间的温度-压力关联矩阵；数据级关联模块，用于将所述温度-压力关联矩阵通过相邻层使用互为转置的卷积核的第一卷积神经网络以得到温度-压力关联特征矩阵；转速编码模块，用于将预定时间段内包含当前时间点在内的多个预定时间点的转炉反应器的转速值通过包含一维卷积层的时序编码器以得到转速特征向量；全局控制特征生成模块，用于将所述转速特征向量与所述温度-压力关联特征矩阵进行相乘以得到参数全局控制特征向量；产物数据编码模块，用于将所述预定时间段内包含当前时间点在内的多个预定时间点的产物的气相色谱图通过使用三维卷积核的第二卷积神经网络以得到产物特征向量；校正模块，用于对所述产物特征向量中各个位置的特征值进行修正以得到校正后产物特征向量；作用表示模块，用于计算所述参数全局控制特征向量相对于所述产物特征向量的转移矩阵作为分类特征矩阵；以及能源控制结果生成模块，用于将所述分类特征矩阵通过分类器以得到分类结果，所述分类结果用于表示当前时间点的转炉反应器的转速值应增大或应减小。2.根据权利要求1所述的用于无水氟化氢生产的能源管理控制系统，其特征在于，所述结构化模块，包括：数据级关联单元，用于以如下公式来计算所述温度输入向量和所述压力输入向量之间的所述温度-压力关联矩阵；其中，所述公式为：其中表示向量相乘，v1表示所述温度输入向量，表示所述温度输入向量的转置向量，v2表示所述压力输入向量，m表示所述温度-压力关联矩阵。3.根据权利要求2所述的用于无水氟化氢生产的能源管理控制系统，其特征在于，所述数据级关联模块，包括：浅层特征图提取子单元，用于从所述第一卷积神经网络的第m层提取浅层特征矩阵，m是偶数；深层特征图提取子单元，用于从所述第一卷积神经网络的第n层提取深层特征矩阵，其中，n为偶数，且n大于m的2倍；以及特征图融合子单元，用于融合所述浅层特征图和所述深层特征图以生成所述温度-压力关联特征矩阵。4.根据权利要求3所述的用于无水氟化氢生产的能源管理控制系统，其特征在于，所述转速编码模块，包括：输入向量构造单元，用于将预定时间段内包含当前时间点在内的多个预定时间点的转炉反应器的转速值按照时间维度排列为一维的输入向量；全连接编码单元，用于使用所述时序编码器的全连接层以如下公式对所述输入向量进行全连接编码以提取出所述输入向量中各个位置的特征值的高维隐含特征，其中，所述公式为：取出所述输入向量中各个位置的特征值的高维隐含特征，其中，所述公式为：其中x是所述输入向量，y是输出向量，w是权重矩阵，b是偏置向量，表示矩阵乘；一维卷积编码单元，用于使用所述时序编码器的一维卷积层以如下公式对所述输入向量进行一维卷积编码以提取出所述输入向量中各个位置的特征值间的高维隐含关联特征，其中，所述公式为：
其中，a为卷积核在x方向上的宽度、f为卷积核参数向量、g为与卷积核函数运算的局部向量矩阵，w为卷积核的尺寸，x表示所述输入向量。5.根据权利要求4所述的用于无水氟化氢生产的能源管理控制系统，其特征在于，所述产物数据编码模块，进一步用于：所述使用三维卷积核的第二卷积神经网络在层的正向传递中对输入数据分别进行：基于所述三维卷积核对所述输入数据进行三维卷积处理以得到卷积特征图；对所述卷积特征图进行基于局部特征矩阵的均值池化处理以得到池化特征图；以及对所述池化特征图进行非线性激活以得到激活特征图；其中，所述第二卷积神经网络的最后一层的输出为所述产物特征向量，所述第二卷积神经网络的第一层的输入为所述预定时间段内包含当前时间点在内的多个预定时间点的产物的气相色谱图。6.根据权利要求5所述的用于无水氟化氢生产的能源管理控制系统，其特征在于，所述校正模块，进一步用于：以如下公式对所述产物特征向量中各个位置的特征值进行修正以得到所述校正后产物特征向量；其中，所述公式为：其中v表示所述产物特征向量，∑表示所述产物特征向量的自协方差矩阵，即矩阵的每个位置的值是所述产物特征向量的每两个位置的特征值之间的方差，μ和σ分别是所述产物特征向量的全局均值和方差，和分别表示特征向量的按位置减法和加法，||
·
||2表示特征向量的二范数，exp(
·
)表示向量的指数运算，以向量为幂的指数运算表示以向量的每个位置的特征值作为幂的自然指数函数值。7.根据权利要求6所述的用于无水氟化氢生产的能源管理控制系统，其特征在于，所述作用表示模块，进一步用于：以如下公式计算所述参数全局控制特征向量相对于所述产物特征向量的转移矩阵作为所述分类特征矩阵；其中，所述公式为：v1＝m*v2其中v1表示所述参数全局控制特征向量，m表示所述分类特征矩阵，v2表示所述产物特征向量。8.根据权利要求7所述的用于无水氟化氢生产的能源管理控制系统，其特征在于，所述能源控制结果生成模块，进一步用于：所述分类器以如下公式对所述分类特征矩阵进行处理以生成分类结果，其中，所述公式为：softmax{(w
n
,b
n
):
…
:(w1,b1)|project(f)}，其中project(f)表示将所述分类特征矩阵投影为向量，w1至w
n
为各层全连接层的权重矩阵，b1至b
n
表示各层全连接层的偏置矩阵。9.一种用于无水氟化氢生产的能源管理控制系统的控制方法，其特征在于，包括：获取预定时间段内包含当前时间点在内的多个预定时间点的转炉反应器的转速值、炉内压力值、反应温度值和产物的气相色谱图；将所述预定时间段内包含当前时间点在内的多个预定时间点的炉内压力值和反应温度值分别按照时间维度排列为温度输入向量和压力输入向量后，计算所述温度输入向量和所述压力输入向量之间的温度-压力关联矩阵；将所述温度-压力关联矩阵通过相邻层使用互为转置的卷积核的第一卷积神经网络以得到温度-压
力关联特征矩阵；将预定时间段内包含当前时间点在内的多个预定时间点的转炉反应器的转速值通过包含一维卷积层的时序编码器以得到转速特征向量；将所述转速特征向量与所述温度-压力关联特征矩阵进行相乘以得到参数全局控制特征向量；将所述预定时间段内包含当前时间点在内的多个预定时间点的产物的气相色谱图通过使用三维卷积核的第二卷积神经网络以得到产物特征向量；对所述产物特征向量中各个位置的特征值进行修正以得到校正后产物特征向量；计算所述参数全局控制特征向量相对于所述产物特征向量的转移矩阵作为分类特征矩阵；以及将所述分类特征矩阵通过分类器以得到分类结果，所述分类结果用于表示当前时间点的转炉反应器的转速值应增大或应减小。10.根据权利要求9所述的用于无水氟化氢生产的能源管理控制系统的控制方法，其特征在于，所述将所述预定时间段内包含当前时间点在内的多个预定时间点的炉内压力值和反应温度值分别按照时间维度排列为温度输入向量和压力输入向量后，计算所述温度输入向量和所述压力输入向量之间的温度-压力关联矩阵，包括：以如下公式来计算所述温度输入向量和所述压力输入向量之间的所述温度-压力关联矩阵；其中，所述公式为：其中表示向量相乘，v1表示所述温度输入向量，表示所述温度输入向量的转置向量，v2表示所述压力输入向量，m表示所述温度-压力关联矩阵。

技术总结
本申请涉及生产能源的智能管理的领域，其具体地公开了一种用于无水氟化氢生产的能源管理控制系统及其控制方法，其采用人工智能控制技术，通过基于深度神经网络模型来对于转炉反应器的转速值、炉内压力值、反应温度值和产物的气相色谱图进行时序维度上的隐含关联特征提取，并根据产物的实时生成状态特征以及炉内压力和反应温度的变化特征来实时动态地对于所述转炉反应器的转速进行调整以提高反应的效率，进而提高反应物料的利用率与产品的质量。量。量。


技术研发人员：邱汉林 钟华麟 陈三凤 廖鸿辉 廖育能 罗丽华 蓝丽萍
受保护的技术使用者：福建省龙氟新材料有限公司
技术研发日：2022.08.31
技术公布日：2023/1/13