一种工业加热炉的温度场预测方法及装置与流程

本发明涉及温度场预测，尤其涉及一种工业加热炉的温度场预测方法及装置。

背景技术：

1、工业加热炉是工业炼化装置中的关键设备，其安全运行直接影响着装置的寿命、生产能力和经济效益。由于工业加热炉燃烧过程不稳定，运行过程中可能会出现随机位置的局部超温现象。炉管主要由易结焦的工艺介质构成，长时间运行在超温状态可能导致炉管损耗和破坏，因此必须采取措施优化加热炉的温度场燃烧情况。然而，由于加热炉设备规模庞大且工作环境恶劣，难以实时测量相关物理参数，导致燃烧调整缺乏可靠依据，无法实现优化运行。因此，只能依靠建立工业加热炉温度场的深度学习预测模型来进行燃烧优化运行。

2、使用生成式网络与映射网络的联合网络模型已经被证明能够较好地解决加热炉三维温度场重建的问题。利用生成式网络进行自监督学习，能够对特征进行有效降维并学习到温度场的深层潜在特征。再利用映射网络采取监督学习的方式，学习工况输入到深层特征的映射，能够学习到输入到深层特征的一一对应关系，将这两部分训练好后进行联合，最终得到流程为“工况输入-深层潜在特征-温度场”的工业加热炉温度场预测模型。

3、但这种预测模型只能在结构相对简单、数据量小、单一燃烧器的温度场上具有不错的表现，当模型迁移至数据量大，结构复杂且存在多个燃烧器不同开关情况的大型工业加热炉上时，所获得的结果会大打折扣——现有的生成式网络结构无法在有限维度下尽可能全面地进行数据压缩，重建精度受模型压缩后的潜在特征的维数影响很大，如果保留的压缩后的潜在特征维度过高，一方面会影响计算效率和速度，另一方面也会让后续映射网络的匹配造成困难，如果保留的压缩后的潜在特征维度过低，又会导致生成式网络的重建精确度不够。

技术实现思路

1、本发明提供一种工业加热炉的温度场预测方法及装置，用于克服现有的工业加热炉的预测模型及其方法无法应用于数据量大，结构复杂且存在多个燃烧器不同开关情况的大型工业加热炉上的技术问题。

2、第一方面，本发明提供了一种工业加热炉的温度场预测方法，包括：

3、获取工业加热炉的数据集，所述数据集包括工况数据及其对应的温度场真值；所述温度场真值通过cfd仿真得到；

4、分别搭建生成式网络及工况映射网络，并基于所述工况数据及其对应的所述温度场真值进行迭代训练，得到训练后的所述生成式网络和训练后的所述工况映射网络；所述特征提取模块中添加有鉴别器，所述鉴别器用于多所述特征提取模块中的编码器进行约束；

5、联合训练后的所述工况映射网络和训练后的所述生成式网络中的解码器部分，根据所述工况数据及其对应的所述温度场真值，构建目标工业加热炉温度场预测网络；

6、响应于预测请求，获取所述工业加热炉的实时数据；

7、将所述实时数据输入所述温度场预测神经网络，得到所述实时数据对应的温度场预测值。

8、可选地，获取工业加热炉的数据集，所述数据集包括工况数据及其对应的温度场真值之后，还包括：

9、按照归一化表达式，对所述数据集进行归一化处理；所述归一化表达式为：

10、

11、其中，x为需归一化的工况数据，mean为工况数据的均值，max为工况数据的最大值，min为工况数据的最小值，f(x)为归一化后的工况数据。

12、可选地，分别搭建特征提取模块及工况映射网络，并基于所述工况数据及其对应的所述温度场真值进行迭代训练，得到训练后的所述生成式网络和训练后的所述工况映射网络，包括：

13、通过残差连接的两个编码器及两个解码器组成所述生成式网络；

14、添加三个多尺寸鉴别器对所述解码器重建的温度场进行约束；三个所述鉴别器共享同一套权重参数，且所述鉴别器的尺寸从粗到细排列；

15、将所述生成式网络和所述鉴别器，按照改进的损失函数进行交叉联合训练，得到训练后的所述特征提取模块。

16、可选地，联合训练后的所述工况映射网络和训练后的所述生成式网络中的解码器部分，根据所述工况数据及其对应的所述温度场真值，构建目标工业加热炉温度场预测网络，包括：

17、将所述工况数据输入训练后的所述生成式网络中的解码器部分，得到相应的潜在特征；

18、将所述潜在特征输入训练后的所述工况映射网络，将所述潜在特征映射回重建的温度场；

19、根据所述重建的温度场及对应的所述温度场真值，对初始工业加热炉温度场预测网络进行调整，得到目标工业加热炉温度场预测网络。

20、可选地，根据所述重建的温度场及对应的所述温度场真值，对初始工业加热炉温度场预测网络进行调整，得到目标工业加热炉温度场预测网络，包括：

21、将所述温度场真值与所述重建的温度场进行比较，确定训练误差；

22、基于所述训练误差，通过反向传播算法对初始工业加热炉温度场预测网络进行调整，得到最优网络参数，并采用所述最优网络参数生成所述目标工业加热炉温度场预测网络。

23、第二方面，本发明提供了一种工业加热炉的温度场预测装置，包括：

24、获取模块，用于获取工业加热炉的数据集，所述数据集包括工况数据及其对应的温度场真值；所述温度场真值通过cfd仿真得到；

25、无监督训练模块，用于分别搭建生成式网络及工况映射网络，并基于所述工况数据及其对应的所述温度场真值进行迭代训练，得到训练后的所述生成式网络和训练后的所述工况映射网络；所述特征提取模块中添加有鉴别器，所述鉴别器用于多所述特征提取模块中的编码器进行约束；

26、目标网络构建模块，用于联合训练后的所述工况映射网络和训练后的所述生成式网络中的解码器部分，根据所述工况数据及其对应的所述温度场真值，构建目标工业加热炉温度场预测网络；

27、响应模块，用于响应于预测请求，获取所述工业加热炉的实时数据；

28、温度场预测模块，用于将所述实时数据输入所述温度场预测神经网络，得到所述实时数据对应的温度场预测值。

29、可选地，还包括：

30、归一化模块，用于按照归一化表达式，对所述数据集进行归一化处理；所述归一化表达式为：

31、

32、其中，x为需归一化的工况数据，mean为工况数据的均值，max为工况数据的最大值，min为工况数据的最小值，f(x)为归一化后的工况数据。

33、可选地，所述无监督训练模块包括：

34、网络组成子模块，用于通过残差连接的两个编码器及两个解码器组成所述生成式网络；

35、约束子模块，用于添加三个多尺寸鉴别器对所述解码器重建的温度场进行约束；三个所述鉴别器共享同一套权重参数，且所述鉴别器的尺寸从粗到细排列；

36、联合训练子模块，用于将所述生成式网络和所述鉴别器，按照改进的损失函数进行交叉联合训练，得到训练后的所述特征提取模块。

37、第三方面，本技术提供一种电子设备，包括处理器以及存储器，所述存储器存储有计算机可读取指令，当所述计算机可读取指令由所述处理器执行时，运行如上述第一方面提供的所述方法中的步骤。

38、第四方面，本技术提供一种存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时运行如上述第一方面提供的所述方法中的步骤。

39、从以上技术方案可以看出，本发明具有以下优点：

40、本发明提供了一种工业加热炉的温度场预测方法及装置，方法包括：获取工业加热炉的数据集，所述数据集包括工况数据及其对应的温度场真值；所述温度场真值通过cfd仿真得到；分别搭建生成式网络及工况映射网络，并基于所述工况数据及其对应的所述温度场真值进行迭代训练，得到训练后的所述生成式网络和训练后的所述工况映射网络；所述特征提取模块中添加有鉴别器，所述鉴别器用于多所述特征提取模块中的编码器进行约束；联合训练后的所述工况映射网络和训练后的所述生成式网络中的解码器部分，根据所述工况数据及其对应的所述温度场真值，构建目标工业加热炉温度场预测网络；响应于预测请求，获取所述工业加热炉的实时数据；将所述实时数据输入所述温度场预测神经网络，得到所述实时数据对应的温度场预测值。通过生成式网络提取全局特征，实现底层的信息互通，并在鉴别器的约束下完成数据的粗略对齐，减少网络各层需要保存的信息量，从而保证重建出的预测温度场具有更逼真的结构和细节，尤其是在细节提升方面效果明显。