[发明专利]一种智能数据演化系统及方法

说明书

本发明提供一种智能数据演化系统及方法。本发明包括：用于基于控制系统传递的运行装置运行数据往复优化投入与产出之间价值关系的数据处理单元，所述数据处理单元包括：监测模块，判断模块，分析模块和优化模块，本发明利用人工智能技术和工业大数据，通过监测、判断、分析、优化4个模块的持续运行，形成人工智能技术和工业大数据不断循环演化的计算机虚拟工厂，达到企业提质、增效、节能、降耗的经济效益目标。本发明利用大数据分析找出影响企业经济效益的因素，使用RGA模型和非线性规划等模型对投入产出、过程控制、设备运维的实时状况进行持续监测、判断、分析和优化。

技术领域

本发明涉及工业大数据分析领域，尤其涉及一种智能数据演化系统及方法。

背景技术

石油化工、煤化工等流程型行业有大量的工业大数据，其核心部分为生产过程控制大数据、生产工艺大数据、设备运维大数据，如何将这些工业大数据利用起来，和人工智能技术相结合，达到优化产出、提高质量、增加效率、降低消耗、节约能源，作为企业新的效益增长点，目前国内外都处在探索阶段。

发明内容

根据上述提出的技术问题，而提供一种智能数据演化系统及方法。本发明采用的技术手段如下：

一种智能数据演化系统，包括：用于基于控制系统传递的运行装置运行数据往复优化投入与产出之间价值关系的数据处理单元，

所述数据处理单元包括：

监测模块，用于基于预设的目标和效益以及判断模块、分析模块、优化模块的需求，设定监测对象和指标，即设定被监测运行装置的运行数据；

判断模块，用于基于预设的目标和效益以及分析模块、优化模块的需求，对监测模块采集的数据进行判断；

分析模块，用于基于预设的目标和效益以及优化模块的需求，对经过监测模块采集、判断模块处理的数据进行分析；具体地，通过设定分析方法和分析模型进行包括价值分析、问题分析、因果分析、历史比较和标杆比较在内的多种分析；

优化模块，用于基于预设的目标和效益，对经过监测模块、判断模块、分析模块的数据进行优化和仿真，得出高精度仿真模型，通过求解该仿真模型，得出该装置工艺参数的更优解。

进一步地，所述优化模块对装置进行高精度仿真，形成该装置的高精度运行模型，在得出各装置高精度运行模型的基础上，组成生产工艺全流程的高精度运行模型，构筑的所述模型为非线性模型或线性模型。

进一步地，所述优化模块基于生产工艺全流程的高精度运行模型和预设的投入产出模型、设备运维模型组成完整的计算机虚拟工厂非线性规划模型，采用预设的方法和算法对其进行求解，实时将结果反馈至监测模块、判断模块、分析模块。

进一步地，所述采用预设的方法和算法包括机器学习、深度学习、强化学习中的至少一种。

进一步地，智能数据演化系统通过可视化和表格的形式，整体提供给各部门和企业生产经营决策层。

一种智能数据演化方法，包括如下步骤：

步骤1、设定监测模块需要监测的数据；根据产物最小测量周期，依据监测数据系统绘制催化剂生命周期工艺参数与产物的相关曲线。将测量产物的最小时间点设定为△X，将该时间对应产物设定为△Y，当△Y/△X发生明显变化的时候，将此时的上一个测量周期的时间△Xi和产物△Yi，作为催化剂生命周期和工艺装置运行周期对应产物变化的分界点，将步骤1的曲线按时间进行分段。对分段曲线采用如下三种方法拟合，具体为线性拟合方法、抛物线拟合方法和机器学习拟合方法。

步骤2、递归拟合，将第i条实测曲线作为i+1预测曲线，用i+1曲线的实测值修正其预测值，不断循环修正。