CN118954881B 一种基于人工智能的污泥热解气化炉汽气比调控方法及系统 （郑州中原万宇新能源科技有限公司）

司一种基于人工智能的污泥热解气化炉汽气人工智能的污泥热解气化炉汽气比调控方法及的生成气体量序列中与下一个时刻同时刻的生述非线性动态模型的优化目标函数求解得到进2采集污泥热解气化炉的工艺参数，构建神经网络模型的训练样本根据当前工艺参数计算所述非线性动态模型的下一个时刻生成对所述非线性动态模型的优化目标函数求解得到进汽量控制值，采用所采集每个工艺参数的值构成工艺参数的采集值序列，对所有工艺参数从所述对齐后的所有采集值序列的第k个开始，将每个采集值序列中位于第k+采用距离当前时刻最近的多个进汽量和多个生成气体量重新生成所述非线性动态模将最新的工艺参数构成的数据输入到神经网络模型得到下一个时将当前时刻的进汽量和生成气体量输入到新的非线性动态模型得到下一个时刻生成气体4.如权利要求1或3所述的方法，其特征在于，所述基3采用二次规划求解器求解进汽量序列使得优化目保留所述进汽量序列中距离当前最近的进汽量作为下一个6.一种基于人工智能的污泥热解气化炉汽气比调参数预测模块，用于根据当前工艺参数计算所述非线性动态模型体量，然后确定所述神经网络模型的生成气体量序列中与下一个时刻同时刻的生成气体调控模块，用于对所述非线性动态模型的优化目标函数求解得采集每个工艺参数的值构成工艺参数的采集值序列，对所有工艺参数从所述对齐后的所有采集值序列的第k个开始，将每个采集值序列中位于第k+采用距离当前时刻最近的多个进汽量和多个生成气体量重新生成所述非线性动态模将最新的工艺参数构成的数据输入到神经网络模型得到下一个时将当前时刻的进汽量和生成气体量输入到新的非线性动态模型得到下一个时刻生成气体4采用二次规划求解器求解进汽量序列使得优化目保留所述进汽量序列中距离当前最近的进汽量作为下一个机程序在被处理器执行时实现如权利要求1_5任一项56列构成一个样本，将生成气体量对应的采集值序列的第k+1到k+m个值组成生成气体量序[0012]采用距离当前时刻最近的多个进汽量和多个生成气体量重新生成所述非线性动[0013]将最新的工艺参数构成的数据输入到神经网络模型得到以及将当前时刻的进汽量和生成气体量输入到新的非线性动态模型得到下一个时刻生成′[0022]另外一方面，本发明提供了一种基于人工智能的污泥热解气化炉汽气比调控系[0025]调控模块，用于对所述非线性动态模型的优化目标函数7列构成一个样本，将生成气体量对应的采集值序列的第k+1到k+m个值组成生成气体量序[0030]采用距离当前时刻最近的多个进汽量和多个生成气体量重新生成所述非线性动[0031]将最新的工艺参数构成的数据输入到神经网络模型得到以及将当前时刻的进汽量和生成气体量输入到新的非线性动态模型得到下一个时刻生成′[0041]针对在对污泥热解气化炉的汽气比调控中实时性不好，8[0048]实施例一，本发明提供了一种基于人工智能的污泥热解9法达到实时控制的效果，本发明结合MPC(ModelPredictiveControl)对气化炉的汽气比[0059]将最新的工艺参数构成的数据输入到神经网络模型得到以及将当前时刻的进汽量和生成气体量输入到新的非线性动态模型得到下一个时刻生成行预测时最近的工艺参数。例如第10min需要运行神经网络模型进行预测，则是距离第,[0066]如图4所示，神经网络模型预测的生成气体量的个数要比非线性动态模型生成的[0068]实施例二，本发明提供了一种基于人工智能的污泥热解[0071]调控模块，用于对所述非线性动态模型的优化目标函数列构成一个样本，将生成气体量对应的采集值序列的第k+1到k+m个值组成生成气体量序[0076]采用距离当前时刻最近的多个进汽量和多个生成气体量重新生成所述非线性动[0077]将最新的工艺参数构成的数据输入到神经网络模型得到以及将当前时刻的进汽量和生成气体量输入到新的非线性动态模型得到下一个时刻生成′