|
當(dāng)前我們基于KD (D&K)總體結(jié)構(gòu)模型，使用我們自己的關(guān)聯(lián)規(guī)則挖掘算法(即M算法)，重點(diǎn)對(duì)多種生產(chǎn)參數(shù)對(duì)電解槽效率的影響進(jìn)行分析，挖掘出的關(guān)聯(lián)規(guī)則中有307條得到了鋁電解領(lǐng)域?qū)＜业闹匾暎@里僅給出前20條規(guī)則:
RuleID RULE Support Confidence
1306 Avg_Fzb2.88-3.0 Avg_AbnormityT1-60 Avg_AvergaeV4.28-4.36—>Avg_Efficiency0.7-0.8 0.02 1
638 Avg_Fzb2.88-3.0 Avg_AvergaeV4.28-4.36 —>Avg_Efficiency0.7-0.8 0.02 1
1264 Avg_Lsp230-250 Avg_Fzb2.76-2.88 Avg_AvergaeV4.2-4.28 —> Avg_Efficiency0.8-0.85 0.02 1
1272 Avg_Lsp250-270 Avg_Fzb2.64-2.76 Avg_AvergaeV4.28-4.36 —> Avg_Efficiency0.8-0.85 0.02 1
1210 Avg_djwd978-984 Avg_Lsp230-250 Avg_Fzb2.76-2.88 —> Avg_Efficiency0.8-0.85 0.02 1
1566 Avg_Lsp250-270 Avg_Fzb2.64-2.76 Avg_AbnormityT1-60 Avg_AvergaeV4.28-4.36—> Avg_Efficiency 0.8-0.85 0.02 1
1570 Avg_Lsp230-250 Avg_Fzb2.76-2.88 Avg_AbnormityT1-60 Avg_AvergaeV4.2-4.28—> Avg_Efficiency0.8-0.85 0.02 1
1583 Avg_djwd978-984 Avg_Lsp230-250 Avg_Fzb2.76-2.88 Avg_AbnormityT1-60 —> Avg_Efficiency0.8-0.85 0.02 1
1558 Avg_djwd984-990 Avg_Lsp210-230 Avg_AbnormityT1-60 Avg_AvergaeV4.28-4.36—> Avg_Efficiency0.7-0.8 0.01 1
1559 Avg_Lsp210-230 Avg_Fzb2.88-3.0 Avg_AbnormityT1-60 Avg_AvergaeV4.28-4.36—> Avg_Efficiency0.7-0.8 0.01 1
1257 Avg_Lsp210-230 Avg_Fzb2.88-3.0 Avg_AvergaeV4.28-4.36 —> Avg_Efficiency0.7-0.8 0.01 1
1248 Avg_djwd984-990 Avg_Lsp210-230 Avg_AvergaeV4.28-4.36 —> Avg_Efficiency0.7-0.8 0.01 1
1167 Avg_djwd972-978 Avg_Lsp230-250 Avg_AbnormityT1-60 —> Avg_Efficiency0.8-0.85 0.01 1
1571 Avg_djwd978-984 Avg_Lsp270-290 Avg_AbnormityT1-60 Avg_AvergaeV4.28-4.36 —> Avg_Efficiency0.8-0.85 0.03 0.75
1616 Avg_djwd966-972 Avg_Fzb2.64-2.76 Avg_AbnormityT1-60 Avg_AvergaeV4.2-4.28 —> Avg_Efficiency0.89-0.90 0.02 0.67
577 Avg_djwd984-990 Avg_AvergaeV4.28-4.36 —> Avg_Efficiency0.7-0.8 0.02 0.67
583 Avg_Lsp210-230 Avg_AvergaeV4.28-4.36 —> Avg_Efficiency0.7-0.8 0.02 0.67
1259 Avg_Lsp210-230 Avg_AbnormityT1-60 Avg_AvergaeV4.28-4.36—> Avg_Efficiency0.7-0.8 0.02 0.67
1254 Avg_djwd984-990 Avg_AbnormityT1-60 Avg_AvergaeV4.28-4.36—> Avg_Efficiency0.7-0.8 0.02 0.67
1233 Avg_djwd978-984 Avg_Fzb2.64-2.76 Avg_AvergaeV4.28-4.36—> Avg_Efficiency0.8-0.85 0.02 0.67
-----------------------------------------------------
我們以第一條規(guī)則為例，對(duì)這類規(guī)則作以說明。規(guī)則1306的意思為“分子比 [2.88-3.0]∧ 異常時(shí)間 [1-60s] ∧ 平均電壓 [4.28-4.36v]
電解效率 [0.7-0.8] 0.02 1”，這說明滿足規(guī)則前件的情況下，鋁電解效率不高(70%-80%)，因此，在生產(chǎn)過程中應(yīng)避免這類條件的出現(xiàn)。
(2) 聚類與分類
在鋁電解控制系統(tǒng)中，產(chǎn)生了大量的控制數(shù)據(jù)，這些數(shù)據(jù)包括實(shí)時(shí)數(shù)據(jù)也包括日?qǐng)?bào)數(shù)據(jù)，這些數(shù)據(jù)隱含著電解槽的運(yùn)行狀況的一般規(guī)律。
如何提高電流效率，是鋁電解生產(chǎn)過程控制的關(guān)鍵問題。
數(shù)據(jù)挖掘可以作為解決這一問題的有效手段之一。
通過數(shù)據(jù)挖掘的分類方法，可以根據(jù)各種生產(chǎn)數(shù)據(jù)，發(fā)現(xiàn)不同生產(chǎn)參數(shù)下電解槽效率變化規(guī)律。
我們當(dāng)前的聚類與分類方案如下：
首先根據(jù)現(xiàn)有數(shù)據(jù)情況，選擇、設(shè)計(jì)相應(yīng)聚類算法，確定電解槽電流效率的不同狀態(tài)劃分；
其次，根據(jù)上述劃分，確定各電解槽的電流效率狀態(tài)；
再次，選擇、設(shè)計(jì)相應(yīng)分類算法，在數(shù)據(jù)集上學(xué)習(xí)分類規(guī)律；當(dāng)前初步選用CART算法，根據(jù)實(shí)際實(shí)驗(yàn)情況，再提出和運(yùn)用我們自己的算法。
(3) 時(shí)間序列數(shù)據(jù)挖掘
在鋁電解生產(chǎn)管理過程中應(yīng)用時(shí)間序列數(shù)據(jù)挖掘，通過對(duì)時(shí)間的變換發(fā)現(xiàn)系列或者單槽的發(fā)展趨勢(shì)，尋找季節(jié)性規(guī)律，用以及時(shí)調(diào)整控制策略，提高生產(chǎn)效率；或者分析電解槽某一時(shí)間內(nèi)的運(yùn)行狀況，發(fā)現(xiàn)問題的所在。
現(xiàn)場(chǎng)對(duì)每個(gè)槽每隔20秒采樣一次，根據(jù)領(lǐng)域經(jīng)驗(yàn)，主要用槽電壓的變化序列來考察電解鋁槽未來的運(yùn)轉(zhuǎn)狀況，可考慮用下列方法進(jìn)行挖掘：
(I) 考慮只用槽電壓時(shí)間序列。對(duì)歷史槽電壓時(shí)間序列進(jìn)行分析挖掘，得到系統(tǒng)的一些定性演化規(guī)則（可由專家解釋）。槽電壓變化規(guī)律可能對(duì)未來系統(tǒng)的效率、壽命等產(chǎn)生影響，早期控制中可以利用運(yùn)行良好的系統(tǒng)所對(duì)應(yīng)的規(guī)律，避免運(yùn)行不好的系統(tǒng)所對(duì)應(yīng)的規(guī)律。規(guī)則發(fā)現(xiàn)過程如下：
①抽象表示。將時(shí)間序列在某一分析尺度（如秒，分鐘，小時(shí)，天等）進(jìn)行抽象表示，可以采用分段常量近似（即一定時(shí)期內(nèi)的平均值）或分段線性表示（如即一定時(shí)期內(nèi)的一條擬合直線）。
②離散符號(hào)化。分段常量表示離散為：“極高”、“高”、“平”、“低”、“極低”等。分段線形表示離散為：“劇烈上升”、“上升”、“平”、“下降”、“劇烈下降”等;采用我們獨(dú)立提出的基于語言場(chǎng)的方法進(jìn)行離散化。
③模式發(fā)現(xiàn)算法。對(duì)于得到的長符號(hào)序列，采用Mannila 提出的WINEPI算法發(fā)現(xiàn)頻繁情節(jié)（情節(jié)即符號(hào)的有序序列）。該算法是基于Apriori的算法，只是挖掘?qū)ο笫轻槍?duì)符號(hào)（符號(hào)也稱為事件）序列。
④對(duì)頻繁情節(jié)生成預(yù)測(cè)規(guī)則，采用支持度可信度框架進(jìn)行規(guī)則評(píng)價(jià)。
Mannila提出的WINEPI方法用于對(duì)連續(xù)發(fā)生的狀態(tài)（或稱事件）序列進(jìn)行知識(shí)發(fā)現(xiàn)，是基于Apriori的算法，也是采用候選生成和剪枝的策略。與普通的關(guān)聯(lián)規(guī)則發(fā)現(xiàn)的不同是：其挖掘?qū)ο蟛皇鞘聞?wù)庫，而是連續(xù)的符號(hào)（事件）序列，這種事件序列是無法分割為事務(wù)的，因此發(fā)現(xiàn)過程中需要設(shè)定頻繁情節(jié)的最大持續(xù)時(shí)間窗口，以防止“組合爆炸”。
該方法已成功地應(yīng)用于網(wǎng)絡(luò)報(bào)警關(guān)聯(lián)規(guī)則的發(fā)現(xiàn)。
(II) 利用用槽電壓的時(shí)間序列預(yù)測(cè)特定的事件發(fā)生（如效應(yīng)狀態(tài)的轉(zhuǎn)變、爐的異常等）。所謂異常事件往往指觀測(cè)變量的劇烈變化，如突然上升或突然下降，可能對(duì)應(yīng)設(shè)備的異常。
確定一分析尺度（如秒，分鐘，小時(shí)，天等），進(jìn)行分段常量表示，將原始觀測(cè)序列轉(zhuǎn)化為降維的時(shí)間序列;之后利用某一種預(yù)測(cè)方法（如最近鄰加權(quán)，神經(jīng)網(wǎng)絡(luò)，支持向量機(jī)等）預(yù)測(cè)可能出現(xiàn)的異常。學(xué)習(xí)樣本的選取：首先確定嵌入維M，其前面的M-1數(shù)據(jù)點(diǎn)作為輸入，后一個(gè)點(diǎn)作為輸出。這樣得到若干樣本后，通過訓(xùn)練得到一個(gè)預(yù)測(cè)器，可進(jìn)行實(shí)時(shí)預(yù)測(cè)。
(III) 對(duì)于(2).中的同一個(gè)問題，也可以采用經(jīng)典規(guī)則發(fā)現(xiàn)的方法。
離散化后，首先要抽取挖掘數(shù)據(jù)庫。將每一個(gè)異常之前的若干個(gè)符號(hào)組成一條記錄，總共可得到多條記錄。對(duì)此二維表用常規(guī)的關(guān)聯(lián)規(guī)則挖掘算法得到頻繁項(xiàng)集，以頻繁項(xiàng)集做前件，異常事件為后件，可以得到很多預(yù)測(cè)規(guī)則。這些規(guī)則及其前件的支持度計(jì)數(shù)應(yīng)在原始的符號(hào)序列中進(jìn)行再計(jì)算，最后得到對(duì)異常事件的預(yù)測(cè)規(guī)則，并按可信度排序。
此方法中之所以采用部分包含異常事件的數(shù)據(jù)集進(jìn)行挖掘，是為了只得到對(duì)特定異常事件的規(guī)則，這樣做可以減少處理的數(shù)據(jù)量。Mannila 提出的算法具體過程此不贅述。
在電解槽生產(chǎn)管理中，病槽及電壓擺等的產(chǎn)生是一個(gè)漫長的過程，在這之前，一定有些異常的操作對(duì)此事件負(fù)責(zé)，同時(shí)會(huì)有一些（組）數(shù)據(jù)揭示未來此槽會(huì)發(fā)展成為病槽，及時(shí)捕獲并分析這些數(shù)據(jù)，及時(shí)調(diào)整生產(chǎn)及槽況，將有助于避免病槽的發(fā)生。
4.1.3經(jīng)濟(jì)效益
本項(xiàng)目技術(shù)能使我國各類型預(yù)焙槽的主要技術(shù)經(jīng)濟(jì)指標(biāo)達(dá)到國際上同類型電解槽的先進(jìn)水平（根據(jù)22家用戶的應(yīng)用統(tǒng)計(jì)，電流效率為93～96%，直流電耗為13000～13400 kWh/t-Al），這從另一側(cè)面證明了本項(xiàng)目技術(shù)的先進(jìn)性。此外，本項(xiàng)目技術(shù)作為我國現(xiàn)代化預(yù)焙槽煉鋁成套技術(shù)的重要組成部分，已在兩個(gè)國外工程項(xiàng)目的國際性招標(biāo)中中標(biāo)，標(biāo)志著本項(xiàng)目技術(shù)已走出國門，具有參與國際市場(chǎng)競(jìng)爭(zhēng)的實(shí)力。
1998～1999年背景項(xiàng)目的研究成果在中國鋁業(yè)公司所屬企業(yè)（原青海鋁廠、原貴州鋁廠、原廣西平果鋁業(yè)公司）中應(yīng)用，其后邊推廣邊改進(jìn)和完善，到2003年7月已成功推廣應(yīng)用到全國88家鋁電解企業(yè)（總產(chǎn)能431.7萬噸）共11823臺(tái)各類型電解槽上(應(yīng)用企業(yè)的清單列于表9-1)，并且已經(jīng)簽約正在推廣應(yīng)用的還有26家鋁電解企業(yè)（總產(chǎn)能274.3萬噸）共4196臺(tái)各類型電解槽。
背景項(xiàng)目的研究成果使88家鋁電解企業(yè)年增直接經(jīng)濟(jì)效益（利稅）達(dá)到6.8億元以上，每年減少炭氟化合物氣體排放量約1470噸（從溫室效應(yīng)考慮，相當(dāng)于減少CO2排放量1000萬噸以上）；每年節(jié)電10.5億kWh；減少優(yōu)質(zhì)炭（陽極）的消耗7萬噸（折合標(biāo)準(zhǔn)煤約20萬噸）。
背景項(xiàng)目的研究成果已成為我國現(xiàn)代化預(yù)焙槽煉鋁的核心技術(shù)，自2000年以來在全部新建和改擴(kuò)建預(yù)焙鋁電解生產(chǎn)系列中得到了全面應(yīng)用。若88家企業(yè)（總產(chǎn)能431.7萬噸）及正在推廣應(yīng)用的企業(yè)（總產(chǎn)能274.3萬噸），全部形成產(chǎn)量（共計(jì)706萬噸），年增直接經(jīng)濟(jì)效益至少達(dá)到13.7億元。
作為本項(xiàng)目的研究成果------新的數(shù)據(jù)挖掘(知識(shí)發(fā)現(xiàn))技術(shù)的融入;根據(jù)初步測(cè)算,其經(jīng)濟(jì)效益將大大超過這個(gè)效益值(見附件)。
本項(xiàng)目的經(jīng)濟(jì)效益與社會(huì)效益分析：
1) 本項(xiàng)目為我國鋁電解工業(yè)實(shí)現(xiàn)從落后的自焙槽煉鋁技術(shù)向先進(jìn)的預(yù)焙槽煉鋁技術(shù)的跨越提供了不可或缺的技術(shù)，推動(dòng)了鋁電解工業(yè)的結(jié)構(gòu)調(diào)整與優(yōu)化升級(jí)，推動(dòng)了我國預(yù)焙槽煉鋁整體技術(shù)水平進(jìn)入世界先進(jìn)行列，實(shí)現(xiàn)了我國鋁電解工業(yè)整體技術(shù)跨越。
2) 在模糊控制與模糊專家系統(tǒng)基礎(chǔ)上引入數(shù)據(jù)挖掘技術(shù)，對(duì)青銅峽鋁業(yè)集團(tuán)公司電解350系列的生產(chǎn)數(shù)據(jù)進(jìn)行分析，發(fā)現(xiàn)了潛在的人所未知的電解工藝規(guī)律通過調(diào)整工藝參數(shù)，提高了電流效率，降低了能耗。以青銅峽鋁業(yè)集團(tuán)有限公司350kA預(yù)焙鋁電解槽（共290臺(tái)）一年28萬產(chǎn)能計(jì)算，提高電流效率0.8%，降低直流電耗120kWh/t-Al,每年帶來的直接經(jīng)濟(jì)效益達(dá)1050萬元。2005年中國電解鋁的產(chǎn)能為800萬噸，若全面推廣應(yīng)用此項(xiàng)技術(shù)，其直接年經(jīng)濟(jì)效益為800/28*1050=30000萬元（3個(gè)億）。
3) 本項(xiàng)目應(yīng)用對(duì)生態(tài)環(huán)境保護(hù)具有重大作用，每年可減少炭氟化合物氣體排放量 約1470噸（從溫室效應(yīng)考慮，相當(dāng)于減少CO2排放量1000萬噸以上）。
4) 顯著的節(jié)電、節(jié)炭（陽極）效果可節(jié)約國家大量化石能源，按2002年88家用戶350萬噸年產(chǎn)量計(jì)算，年節(jié)電10.5億kWh；減少優(yōu)質(zhì)炭（陽極）的消耗7萬噸（折合標(biāo)準(zhǔn)煤約20萬噸）。
5) 本項(xiàng)目技術(shù)具有完整的自主知識(shí)產(chǎn)權(quán)，作為我國現(xiàn)代化預(yù)焙槽煉鋁成套技術(shù)的重要組成部分，已在兩個(gè)國外工程項(xiàng)目（印度、伊朗）的國際性招標(biāo)中中標(biāo)，標(biāo)志著本項(xiàng)目技術(shù)已走出國門，具有參與國際高技術(shù)競(jìng)爭(zhēng)的實(shí)力。
上一頁 [1] [2] [3] [4] [5] [6] [7] [8] [9] [10] [11] [12] [13] [14] [15] [16] [17] [18] [19] [20] [21] [22] [23] 下一頁
|
