基于分层分块结构的流程工业过程运行状态评价(5)

表1 各层评价指标列表Table 1 The assessment indices for each level序号 指标名称 位置1一次浸出率 一次浸出单元层2一浸能耗 一次浸出单元层3一浸物耗 一次浸出单元层4二次浸出率 二次浸出单元层5二浸能耗 二次浸出单元层6二浸物耗 二次浸出单元层7一次洗涤率 一次洗涤单元层8二次洗涤率 二次洗涤单元层9总浸出率 浸出功能区层10 总浸出能耗 浸出功能区层11 总浸出物耗 浸出功能区层12 总洗涤率 总洗涤率13 置换率 置换功能区层14 置换能耗 置换功能区层15 置换物耗 置换功能区层16 CEI 全流程层

表2 湿法冶金过程变量表Table 2 The variables of the gold hydrometallurgy process序号 指标名称 位置1矿石来料量 生产条件2初始金品位 生产条件3矿石平均粒径 生产条件4调浆后矿浆浓度 一次浸出单元5调浆后矿浆流量 一次浸出单元6一浸前调浆水量 一次浸出单元7一浸NaCN添加量 一次浸出单元8一浸后金氰离子浓度 一次浸出单元9一浸空气流量 一次浸出单元10 一浸溶氧量 一次浸出单元11 一浸矿浆密度 一次浸出单元12 一次浸出单元 二次浸出单元13 二浸前矿浆流量 二次浸出单元14 二浸前调浆水量 二次浸出单元15 二浸NaCN添加量 二次浸出单元16 二浸后金氰离子浓度 二次浸出单元17 二浸空气流量 二次浸出单元18 二浸溶氧量 二次浸出单元19 二浸矿浆密度 二次浸出单元20 一洗前矿浆浓度 一次压滤洗涤单元21 一洗后金氰离子浓度 一次压滤洗涤单元22 一洗后滤液流量 一次压滤洗涤单元23 一洗后滤液流量 一次压滤洗涤单元24 二洗前矿浆浓度 二次压滤洗涤单元25 二洗后金氰离子浓度 二次压滤洗涤单元26 二洗后滤液流量 二次压滤洗涤单元27 二洗后滤饼流量 二次压滤洗涤单元28 脱氧塔1压力 置换功能区29 流入置换压滤机贵液流量 置换功能区30 流入置换压滤机贵液金氰离子浓度 置换功能区31 锌粉添加量 置换功能区32 锌粉平均粒径 置换功能区33 贫液流量 置换功能区34 贫液金氰离子浓度 置换功能区

图6是基于本文所提RSHMM方法的全流程评价结果,能较为准确地判断出运行状态等级的变化,几个时刻的判断延迟主要来源于离散化步骤的信息损失.RSHMM方法不仅能够得到全流程运行状态等级的评价结果,还能得到各级过程指标的状态,利于提高解释性,快速定位导致非优运行状态的原因变量,对生产调整提供清晰的指导.非优原因追溯结果如图7所示,所提方法能够准确定位非优原因变量,并且深入展示非优运行状态产生的原因.

图6 基于RSHMM的在线评价结果Fig.6 RSHMM based online assessment result

表3 RSHMM和RS评价正确率对比(%)Table 3 The assessment accuracy rate comparison of RSHMM and RS(%)建模数据总量 RSHMM的评价正确率 RS的评价正确率1500 68.0 32.5 3000 81.7 58.7 6000 92.3 76.1 94.1 87.3 95.3 95.2

图7 基于RSHMM的非优原因追溯结果Fig.7 RSHMM based non-optimal cause identification result

同时,将该过程用传统RS方法进行评价.经过反复实验证明,基于RSHMM和RS评价方法的正确率与建模数据量有较大关系.表3是在不同的建模数据量下,RSHMM和RS评价的正确率.可见,当建模数据量少时,RSHMM的正确率远大于RS.而当建模数据量大到一定程度时,两种方法正确率差距较小.用基于RS的方法进行追溯,追溯结果虽然包含了正确的非优原因,但同时也包含了其他因素,追溯结果解释性差.

综上所述,相比于传统的不分层评价方法,本文所提方法有如下优势:1)对建模数据量的要求更低;2)解释性强,展示各层次指标和变量的状态,利于深入分析过程运行状态产生的原因;3)候选非优原因变量范围小,更符合实际生产需求;4)可以清晰、准确、快速定位非优原因变量,指导生产调整.

4 结论

针对含不确定信息的流程工业过程运行状态评价问题,本文考虑到流程工业特点和数据特性,提出一种基于分层分块结构的流程工业过程运行状态评价和非优原因追溯方法.所提方法清晰直观地表达了流程工业工艺特性,以及变量、指标之间的层次关系.因此,可以通过过程变量,逐步推算综合评价指标的状态,实现全流程的评价.对于非优运行状态,在分层分块结构的基础上,利用匹配度公式,逐步查找非优的指标和过程变量,最终确定导致非优的原因变量,提供生成指导.最后,将所提方法应用于某金湿法冶金过程,取得了良好效果,证明了所提方法的有效性、准确性和可解释性.考虑到不确定信息,各子块分别用RS建模,但RS离散化过程中存在信息损失,评价精度有限.后续研究将会集中于提高运行状态评价精度.

1 Ang B W,Su B,Wang H.A spatial-temporal decomposition approach to performance assessment in energy and Economics,2016,60:112?121

文章来源：《湿法冶金》 网址: http://www.sfyjzz.cn/qikandaodu/2021/0128/392.html