论文部分内容阅读
环境湿度是工业企业在超低湿环境下生产、存储的重要监控参数,随着工艺品质和产品质量的不断提高,该参数的控制要求越来越严格,其应用领域也随之不断拓宽。低露点转轮除湿系统被广泛应用于具有超低湿环境生产存储要求的工业企业,同时,除湿过程是高耗能过程,过度除湿容易产生高昂的生产成本。因此实现对环境湿度的精确控制,开发节能除湿技术,对于保障工业生产安全和节省企业生产成本,都具有非常重要的意义。本文提出基于机器学习算法的低露点转轮除湿系统节能优化运行方法,以某电池企业的低露点转轮除湿系统为研究对象,阐述了低露点转轮除湿系统的运行机理和工艺要求,采用先进的机器学习算法建立系统各个组成部分模型,并利用全局优化算法优化系统运行参数,实现其节能优化运行。此外,设计开发了相应的软件模块为工程项目提供了有效技术手段。论文的研究工作和创新点主要包括:(1)针对数据采集、传输、存储等过程容易受到噪声、设备故障等干扰造成数据缺失、突变等问题,利用物理判别法和统计判别法进行异常数据处理,提升数据质量,进一步进行数据集成与归一化处理,为准确建模提供有效数据。(2)针对原有控制系统运行策略单一,整体建模易导致模型泛化能力差的问题,结合低露点转轮除湿系统运行特性,利用机器学习算法建立转轮模型、管控车间露点温度预测模型和能耗模型,为系统节能优化运行奠定基础。利用循环神经网络(Recurrent Neural Network,RNN)建立高精度的除湿转轮模型,其中,一级除湿转轮模型的期望误差百分比(Expected Error Percentage,EEP)和变异系数(Coefficient of Variation,CV)分别为3.77%和5.46%,二级除湿转轮模型的EEP和CV分别为2.60%和4.14%;提出一种管控车间湿负荷近似表征方法,进一步建立基于RNN的管控车间露点温度预测模型,该模型的EEP和CV分别为2.80%和4.26%;同时,利用BP(Back Propagation)神经网络建立系统的电功率模型和风量模型,电功率模型的EEP和CV分别为4.44%和5.49%,风量模型的EEP和CV分别为3.51%和4.92%;最后,在风量模型的基础上,提出基于热平衡方程式的冷量消耗模型和再生能耗模型。(3)针对系统参数耦合性强,复杂程度高的问题对系统运行参数进行优化。其中,针对常规遗传算法“封闭竞争”的问题进行改进,与常规的遗传算法相比,基于改进遗传算法的系统节能优化后输出参数平稳性提高了25.75%;仿真结果表明,与原控制系统相比,新方法在管控车间露点温度稳定性明显提高的基础上,节约了28.77%的运行能源成本。(4)结合工程实际运行工况,设计并开发低露点转轮除湿系统节能优化运行软件模块,为低露点转轮除湿系统节能优化方法在实际工业的应用提供有效的工具。