基于多点分布模型的数字能源氮气站数据处理方法及系统与流程

本发明属于数据处理，具体地，涉及一种基于多点分布模型的数字能源氮气站数据处理方法及系统。

背景技术：

1、多点分布模型是指由多个节点构成的网络结构，这些节点可以相互联结，共享资源和信息，实现了系统的分布式和并行化。

2、氮气站的生产过程需要进行氧化铵的制备，而氧化铵的制备过程中需要进行气相反应，产生副产物氮氧化物（no或nox），氮氧化物（no或nox）是空气的主要污染物，其中，nox对环境的损害作用极大，它既是形成酸雨的主要物质之一，也是形成大气中光化学烟雾的重要物质和消耗o3的一个重要因子，为减少这些有害气体对环境的影响，需要对这些有害气体进行处理和净化，而现有技术中无法自动实现将有害气体的处理资源分配到不同的节点上，从而导致有害气体无法及时得到处理而产生泄露。

技术实现思路

1、为解决上述背景技术中存在的技术问题，本发明提供了一种基于多点分布模型的数字能源氮气站数据处理方法及系统。

2、本发明的目的可以通过以下技术方案实现：

3、一种基于多点分布模型的数字能源氮气站数据处理方法，包括以下步骤：

4、获取氮气站生产数据，根据氮气站历史生产数据建立多点分布模型；

5、实时采集多处产生的有害气体的浓度；

6、基于所述多点分布模型，将监测到的有害气体浓度分配到多点分布模型的多个节点，通过不同节点的有害气体的浓度确定多个节点对应的净化设备的净化任务，其中：

7、实时采集多处产生的有害气体的浓度包括：实时记录多个设备生产过程中产生的有害气体浓度；将多个设备产生的有害气体浓度数据进行传输，使有害气体浓度数据分配到多点分布模型的多个节点，多个节点并行处理多个设备产生的有害气体浓度数据；根据有害气体浓度数据调节多个设备的净化任务。

8、进一步的，根据有害气体浓度数据调节多个设备的净化任务具体包括以下步骤：

9、确定每个净化设备的处理能力：根据净化设备的技术参数和实际生产情况，确定每个净化设备的处理能力，即每小时可处理多少有害气体；

10、确定净化设备的净化目标：根据国家和地方相关标准，确定有害气体排放的标准值，作为净化的目标；

11、测量有害气体浓度：在生产车间中布置测量设备，测量有害气体的浓度，并将数据传输至多点分布模型的各个节点；

12、制定优化策略：根据测量到的有害气体浓度，结合设备的处理能力，制定出净化任务分配策略；

13、分配净化任务：按照净化任务分配策略，将净化任务分配至各个设备，确保每个设备的净化任务达到最优化；

14、监控净化效果：对每个设备的净化效果进行实时监控，通过数据分析和反馈，对净化任务的调整做出相应的改变，使净化效果达到预期目标。

15、进一步的，将监测到的有害气体浓度分配到多点分布模型的多个节点具体包括以下步骤：

16、使用贝叶斯网络法对读个节点的有害气体浓度数据进行模型训练；

17、根据监测到的有害气体种类和浓度，确定多点分布模型的节点，每个节点代表一个有害气体种类或浓度的变量；

18、将监测到的有害气体浓度数据输入到对应的节点中，形成数值表示变量的数据点；

19、对每个节点属性进行分析，调查变量自身的概率分布，以及与其他节点相关的概率分布，并将分析结果用作多点分布模型的建模依据；

20、通过实验、采样和观察的方法，对模型的参数进行学习和优化；

21、基于数据和参数学习的结果，进行模型预测，得到对未来可能出现的有害气体浓度分布的预估；

22、对模型预测的结果进行评估和分析，进行模型校正和调整。

23、进一步的，使用贝叶斯网络法对读个节点的有害气体浓度数据进行模型训练具体包括以下步骤：

24、根据问题设定和数据情况，构建具体的贝叶斯网络模型；

25、对于氮气站的变量，设置其附加的全概率表，包括因变量和自变量的条件概率分布；

26、利用检测数据，基于训练样本对模型的条件概率表进行参数学习；

27、通过已有的信息，利用模型进行推断或新数据的预测。

28、进一步的，所述全概率表的概率分布结果的计算公式为：

29、p(b) = p(ba1)p(a1) + p(ba2)p(a2) + … + p(ban)p(an)其中，p(b)为变量b的概率分布结果，p(ai)表示变量a取值为ai的概率，p(bai)表示在a取值为ai的条件下，变量b的概率分布。

30、进一步的，所述制定优化策略具体包括以下步骤：

31、动态维护净化任务队列，将待处理的净化任务放入净化任务队列中；

32、将净化任务队列中的任务依次分配给可用的执行节点；

33、当一个节点完成分配的净化任务后，节点自动请求净化任务队列中的下一项任务；

34、节点依次处理任务，直至净化任务队列中的任务全部处理完成。

35、进一步的，所述制定优化策略还包括：根据任务执行情况，可动态地增加或减少执行节点，以适应任务量的变化。

36、一种基于多点分布模型的数字能源氮气站数据处理系统，执行前述的一种基于多点分布模型的数字能源氮气站数据处理方法，包括数据获取模块、模型建立模块和预测模块，其中：

37、所述数据获取模块用于获取氮气站生产设备产生的有害气体的相关数据；所述相关数据包括有害气体的浓度、流量、设备技术参数和环境参数；

38、所述模型建立模块用于根据氮气站历史参数建立多点分布模型；

39、所述预测模块用于利用预测模型对氮气站生产过程中产生的有害气体的相关数据进行处理，以获取目标预测结果。

40、进一步的，所述预测模型为多点分布模型，所述多点分布模型包括网络结构、计算节点、中央控制节点和数据库，所述网络结构包括数学模型层、数据管理层、系统框架层和应用接口层。

41、进一步的，所述数学模型层包括数学公式和计算方法，用于描述气体在空气中的扩散、传输和沉降的物理过程。

42、本发明的有益效果：

43、1、本发明公开的一种基于多点分布模型的数字能源氮气站数据处理方法及系统，将监测到的有害气体浓度分配到多点分布模型的多个节点进行多项分析和优化，以得到准确的预估结果，并可据此为事故预防和处理提供数据支持；

44、2、本发明公开的一种基于多点分布模型的数字能源氮气站数据处理方法及系统公开了利用贝叶斯网络法中的全概率表预测氮气站有害气体的相关数据，通过加权平均的方式对不同条件下变量的概率分布进行综合，从而得到条件概率表，利用条件概率表，可以对有害气体的浓度及发生时间等关键参数进行推断和预测。

技术特征：

1.一种基于多点分布模型的数字能源氮气站数据处理方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于多点分布模型的数字能源氮气站数据处理方法，其特征在于，根据有害气体浓度数据调节多个设备的净化任务具体包括以下步骤：

3.根据权利要求1所述的一种基于多点分布模型的数字能源氮气站数据处理方法，其特征在于，将监测到的有害气体浓度分配到多点分布模型的多个节点具体包括以下步骤：

4.根据权利要求3所述的一种基于多点分布模型的数字能源氮气站数据处理方法，其特征在于，使用贝叶斯网络法对读个节点的有害气体浓度数据进行模型训练具体包括以下步骤：

5.根据权利要求4所述的一种基于多点分布模型的数字能源氮气站数据处理方法，其特征在于，所述全概率表的概率分布结果的计算公式为：

6.根据权利要求2所述的一种基于多点分布模型的数字能源氮气站数据处理方法，其特征在于，所述制定优化策略具体包括以下步骤：

7.根据权利要求6所述的一种基于多点分布模型的数字能源氮气站数据处理方法，其特征在于，所述制定优化策略还包括：根据任务执行情况，可动态地增加或减少执行节点，以适应任务量的变化。

8.一种基于多点分布模型的数字能源氮气站数据处理系统，其特征在于，执行权利要求1至7任一项所述的一种基于多点分布模型的数字能源氮气站数据处理方法，包括数据获取模块、模型建立模块和预测模块，其中：

9.根据权利要求8所述的一种基于多点分布模型的数字能源氮气站数据处理系统，其特征在于，所述预测模型为多点分布模型，所述多点分布模型包括网络结构、计算节点、中央控制节点和数据库，所述网络结构包括数学模型层、数据管理层、系统框架层和应用接口层。

10.根据权利要求9所述的一种基于多点分布模型的数字能源氮气站数据处理系统，其特征在于，所述数学模型层包括数学公式和计算方法，用于描述气体在空气中的扩散、传输和沉降的物理过程。

技术总结
本发明涉及一种基于多点分布模型的数字能源氮气站数据处理方法及系统，属于数据处理技术领域，获取氮气站生产数据，根据氮气站历史生产数据建立多点分布模型；实时采集多处产生的有害气体的浓度；基于所述多点分布模型，将监测到的有害气体浓度分配到多点分布模型的多个节点，通过不同节点的有害气体的浓度确定多个节点对应的净化设备的净化任务。通过将监测到的有害气体浓度分配到多点分布模型的多个节点需要进行多项分析和优化，以得到准确的预估结果，并可据此为事故预防和处理提供数据支持。

技术研发人员：胡培生,孙小琴,魏运贵,胡明辛
受保护的技术使用者：广东鑫钻节能科技股份有限公司
技术研发日：
技术公布日：2024/1/13