【技術實現步驟摘要】
本專利技術涉及鑄造領域，尤其涉及一種鑄造過程中的節能預警控制方法及系統。
技術介紹
1、隨著全球環境問題的日益嚴重，鑄造行業作為高能耗、高排放的典型行業，面臨著巨大的節能減排壓力，對鑄造企業的能源利用效率和環境污染控制提出了更加嚴格的要求。為了滿足這些要求，鑄造行業亟需一種能夠對能耗和環境數據進行實時監測和預警的控制方法，以便在生產過程中及時采取節能措施，減少能源浪費和環境污染。
2、在現有技術中，通常通過安裝在生產線上的傳感器和監測儀器，采集鑄造過程中各類環境數據和能耗數據，并將這些數據傳輸到數據處理系統進行分析，生成一定的能耗報告，并提供基本的預警功能。
3、現有技術在數據處理和分析的過程中，僅使用單一數據源的預測模型，缺乏對復雜工況下多變量數據之間關聯性的深入分析，容易導致誤報或漏報，預警機制滯后于實際鑄造過程，實時性不足。
技術實現思路
1、本專利技術提供了一種鑄造過程中的節能預警控制方法及系統，以實現鑄造過程中的準確環保預警與實時控制。
2、第一方面，為了解決上述技術問題，本專利技術提供了一種鑄造過程中的節能預警控制方法，包括：
3、獲取鑄造環境數據、電力消耗數據、燃料消耗數據以及排放量數據；
4、根據所述鑄造環境數據、所述電力消耗數據、所述燃料消耗數據和所述排放量數據，進行數據清洗和歸一化操作，得到預處理后的多變量時序數據；
5、將所述多變量時序數據輸入至預先訓練完成的多變量預測模型中，得到各個變量
6、根據所述預測殘差，進行序貫貝葉斯分析，得到各個變量的異常事件概率；
7、根據所述異常事件概率，進行概率融合計算并進行綜合評估，得到異常得分；
8、當判定所述異常得分大于預設異常閾值時，生成預警信號，并將所述預警信號發送給鑄造設備，以使鑄造設備根據預警信號自動調整運行參數。
9、作為一種可選的實施方式，所述根據所述鑄造環境數據、所述電力消耗數據、所述燃料消耗數據和所述排放量數據，進行數據清洗和歸一化操作，得到預處理后的多變量時序數據，包括：
10、根據所述鑄造環境數據、所述電力消耗數據、所述燃料消耗數據和所述排放量數據，進行異常值檢測與處理，得到降噪數據；
11、對所述降噪數據中的缺失數據進行插值處理，得到干凈數據；
12、根據所述干凈數據，進行歸一化處理，得到歸一化數據；
13、根據所述歸一化數據，進行時間對齊操作，得到預處理后的多變量時序數據。
14、作為一種可選的實施方式，所述多變量預測模型的配置過程，包括：
15、將歷史多變量時序數據作為輸入數據，基于woa-hkelm模型，構建初始多變量預測模型；
16、基于初始多變量預測模型，通過鯨魚優化算法迭代hkelm模型的參數組合，進行模型訓練；
17、當訓練次數大于或等于預設的最大訓練次數時，判定訓練完成，得到多變量預測模型。
18、作為一種可選的實施方式，所述基于初始多變量預測模型，通過鯨魚優化算法迭代hkelm模型的參數組合，進行模型訓練，包括：
19、基于所述初始多變量預測模型，得到鯨魚優化算法的參數；
20、基于所述鯨魚優化算法的參數，隨機生成hkelm模型的參數組合；
21、基于所述參數組合，進行適應度計算，得到每個參數組合的適應度；
22、基于所述適應度，進行鯨魚優化迭代，當迭代次數大于或等于預設的最大迭代次數時，得到hkelm模型的最優參數組合；
23、其中，鯨魚優化算法的參數包括種群大小和最大迭代次數；hkelm模型的參數組合包括正則化參數、核函數參數和核函數權重。
24、作為一種可選的實施方式，所述基于所述參數組合，進行適應度計算，得到每個參數組合的適應度，包括：
25、；
26、其中，表示參數組合的適應度；表示正則化參數；表示rbf核函數參數；和表示poly核函數參數；表示核函數權重；表示樣本數據量；表示第個多變量時序數據，包括所述鑄造環境數據、所述電力消耗數據、所述燃料消耗數據和所述排放量數據；表示第個多變量時序數據的預測值；表示第個多變量時序數據的實際值。
27、作為一種可選的實施方式，所述根據所述預測殘差，進行序貫貝葉斯分析，得到各個變量的異常事件概率，包括：
28、，
29、，
30、其中，表示在時刻多變量時序數據的殘差被歸類為離群點，更新的異常事件概率；表示在時刻多變量時序數據的殘差被歸類為正常值，更新的異常事件概率；表示系統正確檢測到異常事件的概率，即在實際發生異常的情況下，系統能夠成功檢測到異常的比率；表示系統錯誤檢測異常事件的概率，即在實際未發生異常的情況下，系統錯誤地報告異常的比率；表示在時間點t-1，異常事件發生的先驗概率。
31、作為一種可選的實施方式，所述根據所述異常事件概率，進行概率融合計算并進行綜合評估，得到異常得分，包括：
32、根據所述各個變量的異常事件概率，采用貝葉斯網絡法進行概率融合計算，得到融合后的異常事件綜合概率；
33、將所述融合后的異常事件綜合概率與預設概率閾值進行比較，進行綜合評估，得到異常得分；
34、其中，異常事件綜合概率的計算公式如下：
35、；
36、其中，表示融合后的異常事件綜合概率；表示給定多變量時序數據下，各個變量異常事件的聯合概率；表示在時刻t時第n個變量的異常事件；表示總變量數；表示當前觀測的多變量時序數據。
37、作為一種可選的實施方式，所述當判定所述異常得分大于預設異常閾值時，生成預警信號，并將所述預警信號發送給鑄造設備，以使鑄造設備根據預警信號自動調整運行參數，包括：
38、獲取從所述多變量預測模型得到的異常得分；
39、將所述異常得分與預設異常閾值進行比較，判斷所述異常得分是否高于所述預設異常閾值；
40、當判定所述異常得分高于所述預設異常閾值時，生成預警信號并通過預先配置的通信渠道發送給鑄造設備，以使鑄造設備根據預警信號自動調整運行參數；
41、根據所述預警信號和當前多變量時序數據作為輸入數據，對所述多變量預測模型進行迭代更新，得到更新后的多變量預測模型；
42、其中，所述運行參數包括熔煉溫度、氣體流量、澆注速度和冷卻水流量。
43、第二方面，本專利技術提供了一種鑄造過程中的節能預警控制系統，包括：
44、數據獲取模塊，用于獲取由傳感器設備采集的鑄造環境數據、能耗計量設備采集電力消耗數據和燃料消耗數據以及排放檢測設備采集的排放量數據；
45、數據清洗模塊，用于根據所述鑄造環境數據、所述電力消耗數據、所述燃料消耗數據和所述排放量數據，進行數據清洗和歸一化操作，得到預處本文檔來自技高網...
【技術保護點】
1.一種鑄造過程中的節能預警控制方法，其特征在于，由服務器執行，包括：
2.根據權利要求1所述的鑄造過程中的節能預警控制方法，其特征在于，所述根據所述鑄造環境數據、所述電力消耗數據、所述燃料消耗數據和所述排放量數據，進行數據清洗和歸一化操作，得到預處理后的多變量時序數據，包括：
3.根據權利要求1所述的鑄造過程中的節能預警控制方法，其特征在于，所述多變量預測模型的配置過程，包括：
4.根據權利要求3所述的鑄造過程中的節能預警控制方法，其特征在于，所述基于初始多變量預測模型，通過鯨魚優化算法迭代HKELM模型的參數組合，進行模型訓練，包括：
5.根據權利要求4所述的鑄造過程中的節能預警控制方法，其特征在于，所述基于所述參數組合，進行適應度計算，得到每個參數組合的適應度，包括：
6.根據權利要求1所述的鑄造過程中的節能預警控制方法，其特征在于，所述根據所述預測殘差，進行序貫貝葉斯分析，得到各個變量的異常事件概率，包括：
7.根據權利要求1所述的鑄造過程中的節能預警控制方法，其特征在于，所述根據所述異常事件概率，進
8.根據權利要求1所述的鑄造過程中的節能預警控制方法，其特征在于，所述當判定所述異常得分大于預設異常閾值時，生成預警信號，并將所述預警信號發送給鑄造設備，以使鑄造設備根據預警信號自動調整運行參數，包括：
9.一種鑄造過程中的節能預警控制系統，其特征在于，包括：
10.一種計算機可讀存儲介質，其特征在于，所述計算機可讀存儲介質包括存儲的計算機程序，其中，在所述計算機程序運行時控制所述計算機可讀存儲介質所在設備執行如權利要求1至8中任意一項所述的鑄造過程中的節能預警控制方法。
...【技術特征摘要】
1.一種鑄造過程中的節能預警控制方法，其特征在于，由服務器執行，包括：
2.根據權利要求1所述的鑄造過程中的節能預警控制方法，其特征在于，所述根據所述鑄造環境數據、所述電力消耗數據、所述燃料消耗數據和所述排放量數據，進行數據清洗和歸一化操作，得到預處理后的多變量時序數據，包括：
3.根據權利要求1所述的鑄造過程中的節能預警控制方法，其特征在于，所述多變量預測模型的配置過程，包括：
4.根據權利要求3所述的鑄造過程中的節能預警控制方法，其特征在于，所述基于初始多變量預測模型，通過鯨魚優化算法迭代hkelm模型的參數組合，進行模型訓練，包括：
5.根據權利要求4所述的鑄造過程中的節能預警控制方法，其特征在于，所述基于所述參數組合，進行適應度計算，得到每個參數組合的適應度，包括：
6.根據權利要求1所述的鑄造過程中的...
【專利技術屬性】
技術研發人員：陳松林，唐昀青，高樹海，劉國平，陳玉華，高樹進，
申請(專利權)人：鹽城市鑫緯嘉新能源科技有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。