论文部分内容阅读
铝电解槽作为铝电解生产的最主要设备,电能消耗巨大。每年我国铝电解生产的电力消耗就占全国用电总量的3.2%,电费占总电解铝生产成本的45%左右。因此降低铝电解槽电耗成为众多科技工作者的重要研究课题。而铝电解槽电流效率是最主要的经济技术指标之一,提高电流效率可以显著降低能耗。目前,虽然国内外已做过不少电流效率的研究工作,但由于铝电解槽是一个非线性、多耦合和大时滞的工业过程体系,故难以精确地确定短期内电解槽的电流效率。本文针对铝电解槽槽况及历史运行工艺参数进行分析、数据挖掘并建立了电流效率软测量模型。
本文通过采集电解槽槽电压、电解质温度、分子比、电解质水平、铝水平、氟化铝投入量等工艺参数历史数据作为样本;使用自标准化方法处理数据,运用插值方法填补分子比空缺值;样本数据处理后,利用模糊均值聚类方法进行了聚类;将聚类结果建立子神经网络,由子网络建立总神经网络模型。作者采用聚类分析和神经网络等智能研究方法,模拟铝电解槽生产过程,挖掘生产过程潜在规律,实现电流效率的精确测定。
利用Matlab遗传算法工具箱,以电流效率最大为目标,采用遗传算法对各工艺操作参数进行寻优,通过分析各参数对电流效率的影响从而提出能够提高铝电解槽电流效率的建议。并以某200kA电解槽为例,经过优化后,电流效率由平均92.5%提高到93.5%,达到国内领先水平。