本技術(shù)涉及等離子體，尤其涉及鍋爐系統(tǒng)的控制方法、裝置、設(shè)備及介質(zhì)。

背景技術(shù)：

1、隨著工業(yè)自動化技術(shù)的發(fā)展，鍋爐系統(tǒng)作為工業(yè)領(lǐng)域中的重要設(shè)備，其控制系統(tǒng)的智能化與自動化水平直接影響到鍋爐的運行效率、能源消耗和環(huán)境保護。傳統(tǒng)的鍋爐控制系統(tǒng)多依賴于基于規(guī)則的控制方法，這些方法在面對復(fù)雜且動態(tài)變化的運行環(huán)境時，難以保證鍋爐系統(tǒng)的最佳運行狀態(tài)，且調(diào)整過程通常較為滯后，容易導(dǎo)致響應(yīng)速度慢、能源浪費、設(shè)備故障等問題。

2、近年來，隨著深度學(xué)習(xí)和人工智能技術(shù)的發(fā)展，尤其是深度神經(jīng)網(wǎng)絡(luò)在多模態(tài)數(shù)據(jù)處理上的應(yīng)用，提供了一種新的解決方案。然而，目前大多數(shù)鍋爐控制系統(tǒng)仍采用傳統(tǒng)的比例積分微分控制或簡單的機器學(xué)習(xí)模型，缺乏針對多模態(tài)數(shù)據(jù)的深度學(xué)習(xí)應(yīng)用，且難以根據(jù)實際運行情況進行動態(tài)調(diào)整，導(dǎo)致鍋爐運行效率較低，且系統(tǒng)響應(yīng)不夠靈敏，容易出現(xiàn)控制滯后和設(shè)備損壞等問題。

3、因此，如何提高鍋爐控制系統(tǒng)的智能化水平是亟需解決的問題。

技術(shù)實現(xiàn)思路

1、本技術(shù)旨在至少解決現(xiàn)有技術(shù)中存在的技術(shù)問題，為此，本技術(shù)第一方面提出一種鍋爐系統(tǒng)的控制方法，該方法包括：

2、獲取等離子體設(shè)備在運行過程中的當(dāng)前運行狀態(tài)數(shù)據(jù)；其中，當(dāng)前運行狀態(tài)數(shù)據(jù)包括當(dāng)前運行特征數(shù)據(jù)、當(dāng)前設(shè)備狀態(tài)數(shù)據(jù)、當(dāng)前環(huán)境數(shù)據(jù)及鍋爐的歷史運行數(shù)據(jù)；

3、將當(dāng)前運行狀態(tài)數(shù)據(jù)輸入至預(yù)設(shè)深度神經(jīng)網(wǎng)絡(luò)中進行處理，生成各預(yù)設(shè)任務(wù)分支對應(yīng)的鍋爐控制參數(shù)預(yù)測值；其中，預(yù)設(shè)深度神經(jīng)網(wǎng)絡(luò)包括輸入層、時序切塊層、時序混合專家層、融合層及輸出層，預(yù)設(shè)任務(wù)分支包括電弧功率調(diào)節(jié)值預(yù)測任務(wù)、點火操作指令預(yù)測任務(wù)、設(shè)備維護預(yù)測任務(wù)及燃燒器狀態(tài)預(yù)測任務(wù)；

4、針對各鍋爐控制參數(shù)預(yù)測值，基于鍋爐控制參數(shù)預(yù)測值與對應(yīng)的預(yù)設(shè)鍋爐控制參數(shù)目標(biāo)值生成新的鍋爐控制參數(shù)，并基于新的鍋爐控制參數(shù)對當(dāng)前鍋爐控制參數(shù)進行調(diào)整。

5、在一種可能的實施方式中，將當(dāng)前運行狀態(tài)數(shù)據(jù)輸入至預(yù)設(shè)深度神經(jīng)網(wǎng)絡(luò)中進行處理，生成各預(yù)設(shè)任務(wù)分支對應(yīng)的鍋爐控制參數(shù)預(yù)測值，包括：

6、將當(dāng)前運行狀態(tài)數(shù)據(jù)輸入至預(yù)設(shè)深度神經(jīng)網(wǎng)絡(luò)中，通過輸入層接收當(dāng)前運行狀態(tài)數(shù)據(jù)并分發(fā)至?xí)r序切塊層；

7、通過時序切塊層按照預(yù)設(shè)長度對當(dāng)前運行狀態(tài)數(shù)據(jù)進行切分處理，生成多個目標(biāo)時間塊；

8、通過時序混合專家層按照預(yù)設(shè)稀疏混合專家機制分別對各目標(biāo)時間塊進行處理，生成處理結(jié)果；

9、通過融合層采用預(yù)設(shè)跨模態(tài)注意力機制對各處理結(jié)果進行融合處理，生成融合特征；

10、通過輸出層對融合特征進行處理，生成各預(yù)設(shè)任務(wù)分支對應(yīng)的鍋爐控制參數(shù)預(yù)測值。

11、在一種可能的實施方式中，通過時序切塊層按照預(yù)設(shè)長度對當(dāng)前運行狀態(tài)數(shù)據(jù)進行切分處理，生成多個目標(biāo)時間塊，包括：

12、通過時序切塊層按照預(yù)設(shè)長度對當(dāng)前運行狀態(tài)數(shù)據(jù)進行切分處理，生成多個初始時間塊；

13、通過預(yù)設(shè)掩蔽函數(shù)對多個初始時間塊中預(yù)設(shè)數(shù)量的時間塊進行數(shù)據(jù)屏蔽處理，得到多個目標(biāo)時間塊。

14、在一種可能的實施方式中，通過時序混合專家層按照預(yù)設(shè)稀疏混合專家機制分別對各目標(biāo)時間塊進行處理，生成處理結(jié)果，包括：

15、通過時序混合專家層中的預(yù)設(shè)稀疏混合專家機制確定各目標(biāo)時間塊對應(yīng)的專家；

16、通過各專家對各目標(biāo)時間塊進行處理，得到每個專家的輸出結(jié)果；

17、對各專家的輸出結(jié)果進行加權(quán)求和處理，生成處理結(jié)果。

18、在一種可能的實施方式中，通過融合層采用預(yù)設(shè)跨模態(tài)注意力機制對各處理結(jié)果進行融合處理，生成融合特征，包括：

19、通過融合層采用預(yù)設(shè)跨模態(tài)注意力機制計算各處理結(jié)果對應(yīng)的注意力權(quán)重；

20、基于各注意力權(quán)重對各處理結(jié)果進行加權(quán)求和，生成融合特征。

21、在一種可能的實施方式中，基于鍋爐控制參數(shù)預(yù)測值與對應(yīng)的預(yù)設(shè)鍋爐控制參數(shù)目標(biāo)值生成新的鍋爐控制參數(shù)，包括：

22、計算鍋爐控制參數(shù)預(yù)測值與對應(yīng)的預(yù)設(shè)鍋爐控制參數(shù)目標(biāo)值之間的偏差值；

23、獲取與各當(dāng)前鍋爐控制參數(shù)對應(yīng)的預(yù)設(shè)調(diào)整算法；

24、基于預(yù)設(shè)調(diào)整算法及偏差值，生成新的鍋爐控制參數(shù)。

25、在一種可能的實施方式中，該方法還包括：

26、獲取新的鍋爐控制參數(shù)預(yù)測值及新的預(yù)設(shè)鍋爐控制參數(shù)目標(biāo)值；

27、計算新的鍋爐控制參數(shù)預(yù)測值與對應(yīng)的新的預(yù)設(shè)鍋爐控制參數(shù)目標(biāo)值之間的新的偏差值；

28、獲取與各當(dāng)前鍋爐控制參數(shù)對應(yīng)的預(yù)設(shè)調(diào)整算法；

29、基于預(yù)設(shè)調(diào)整算法及新的偏差值，生成新的鍋爐控制參數(shù)。

30、本技術(shù)第二方面提出一種鍋爐系統(tǒng)的控制裝置，該裝置包括：

31、獲取模塊，用于獲取等離子體設(shè)備在運行過程中的當(dāng)前運行狀態(tài)數(shù)據(jù)；其中，當(dāng)前運行狀態(tài)數(shù)據(jù)包括當(dāng)前運行特征數(shù)據(jù)、當(dāng)前設(shè)備狀態(tài)數(shù)據(jù)、當(dāng)前環(huán)境數(shù)據(jù)及鍋爐的歷史運行數(shù)據(jù)；

32、生成模塊，用于將當(dāng)前運行狀態(tài)數(shù)據(jù)輸入至預(yù)設(shè)深度神經(jīng)網(wǎng)絡(luò)中進行處理，生成各預(yù)設(shè)任務(wù)分支對應(yīng)的鍋爐控制參數(shù)預(yù)測值；其中，預(yù)設(shè)深度神經(jīng)網(wǎng)絡(luò)包括輸入層、時序切塊層、時序混合專家層、融合層及輸出層，預(yù)設(shè)任務(wù)分支包括電弧功率調(diào)節(jié)值預(yù)測任務(wù)、點火操作指令預(yù)測任務(wù)、設(shè)備維護預(yù)測任務(wù)及燃燒器狀態(tài)預(yù)測任務(wù)；

33、調(diào)整模塊，用于針對各鍋爐控制參數(shù)預(yù)測值，基于鍋爐控制參數(shù)預(yù)測值與對應(yīng)的預(yù)設(shè)鍋爐控制參數(shù)目標(biāo)值生成新的鍋爐控制參數(shù)，并基于新的鍋爐控制參數(shù)對當(dāng)前鍋爐控制參數(shù)進行調(diào)整。

34、在一種可能的實施方式中，上述生成模塊具體用于：

35、將當(dāng)前運行狀態(tài)數(shù)據(jù)輸入至預(yù)設(shè)深度神經(jīng)網(wǎng)絡(luò)中，通過輸入層接收當(dāng)前運行狀態(tài)數(shù)據(jù)并分發(fā)至?xí)r序切塊層；

36、通過時序切塊層按照預(yù)設(shè)長度對當(dāng)前運行狀態(tài)數(shù)據(jù)進行切分處理，生成多個目標(biāo)時間塊；

37、通過時序混合專家層按照預(yù)設(shè)稀疏混合專家機制分別對各目標(biāo)時間塊進行處理，生成處理結(jié)果；

38、通過融合層采用預(yù)設(shè)跨模態(tài)注意力機制對各處理結(jié)果進行融合處理，生成融合特征；

39、通過輸出層對融合特征進行處理，生成各預(yù)設(shè)任務(wù)分支對應(yīng)的鍋爐控制參數(shù)預(yù)測值。

40、在一種可能的實施方式中，上述生成模塊還用于：

41、通過時序切塊層按照預(yù)設(shè)長度對當(dāng)前運行狀態(tài)數(shù)據(jù)進行切分處理，生成多個初始時間塊；

42、通過預(yù)設(shè)掩蔽函數(shù)對多個初始時間塊中預(yù)設(shè)數(shù)量的時間塊進行數(shù)據(jù)屏蔽處理，得到多個目標(biāo)時間塊。

43、在一種可能的實施方式中，上述生成模塊還用于：

44、通過時序混合專家層中的預(yù)設(shè)稀疏混合專家機制確定各目標(biāo)時間塊對應(yīng)的專家；

45、通過各專家對各目標(biāo)時間塊進行處理，得到每個專家的輸出結(jié)果；

46、對各專家的輸出結(jié)果進行加權(quán)求和處理，生成處理結(jié)果。

47、在一種可能的實施方式中，上述生成模塊還用于：

48、通過融合層采用預(yù)設(shè)跨模態(tài)注意力機制計算各處理結(jié)果對應(yīng)的注意力權(quán)重；

49、基于各注意力權(quán)重對各處理結(jié)果進行加權(quán)求和，生成融合特征。

50、在一種可能的實施方式中，上述調(diào)整模塊具體用于：

51、計算鍋爐控制參數(shù)預(yù)測值與對應(yīng)的預(yù)設(shè)鍋爐控制參數(shù)目標(biāo)值之間的偏差值；

52、獲取與各當(dāng)前鍋爐控制參數(shù)對應(yīng)的預(yù)設(shè)調(diào)整算法；

53、基于預(yù)設(shè)調(diào)整算法及偏差值，生成新的鍋爐控制參數(shù)。

54、在一種可能的實施方式中，上述鍋爐系統(tǒng)的控制裝置還用于：

55、獲取新的鍋爐控制參數(shù)預(yù)測值及新的預(yù)設(shè)鍋爐控制參數(shù)目標(biāo)值；

56、計算新的鍋爐控制參數(shù)預(yù)測值與對應(yīng)的新的預(yù)設(shè)鍋爐控制參數(shù)目標(biāo)值之間的新的偏差值；

57、獲取與各當(dāng)前鍋爐控制參數(shù)對應(yīng)的預(yù)設(shè)調(diào)整算法；

58、基于預(yù)設(shè)調(diào)整算法及新的偏差值，生成新的鍋爐控制參數(shù)。

59、第三方面，本發(fā)明提供一種使用等離子體加熱的設(shè)備，包括：

60、控制器；

61、用于存儲所述控制器可執(zhí)行指令的存儲器；

62、其中，所述控制器被配置為執(zhí)行所述指令，以實現(xiàn)上述任一項所述的鍋爐系統(tǒng)的控制方法。

63、第四方面，本發(fā)明提供一種計算機可讀存儲介質(zhì)，該存儲介質(zhì)中存儲有至少一條指令、至少一段程序、代碼集或指令集，所述至少一條指令、所述至少一段程序、所述代碼集或指令集由處理器加載并執(zhí)行以實現(xiàn)上述任一項所述的鍋爐系統(tǒng)的控制方法。

64、本技術(shù)實施例具有以下有益效果：

65、本技術(shù)實施例提供的鍋爐系統(tǒng)的控制方法、裝置、設(shè)備及介質(zhì)，該方法包括：獲取等離子體設(shè)備在運行過程中的當(dāng)前運行狀態(tài)數(shù)據(jù)，將當(dāng)前運行狀態(tài)數(shù)據(jù)輸入至預(yù)設(shè)深度神經(jīng)網(wǎng)絡(luò)中進行處理，生成各預(yù)設(shè)任務(wù)分支對應(yīng)的鍋爐控制參數(shù)預(yù)測值，針對各鍋爐控制參數(shù)預(yù)測值，基于鍋爐控制參數(shù)預(yù)測值與對應(yīng)的預(yù)設(shè)鍋爐控制參數(shù)目標(biāo)值生成新的鍋爐控制參數(shù)，并基于新的鍋爐控制參數(shù)對當(dāng)前鍋爐控制參數(shù)進行調(diào)整。本方案通過結(jié)合預(yù)設(shè)深度神經(jīng)網(wǎng)絡(luò)，能夠?qū)崟r分析鍋爐的當(dāng)前運行狀態(tài)數(shù)據(jù)并自動對當(dāng)前鍋爐控制參數(shù)進行調(diào)整，具備較強的自適應(yīng)能力，能夠根據(jù)鍋爐狀態(tài)的變化即時優(yōu)化控制策略；另外，由于預(yù)設(shè)深度神經(jīng)網(wǎng)絡(luò)可以處理更復(fù)雜的非線性關(guān)系，能夠根據(jù)多模態(tài)的當(dāng)前運行狀態(tài)數(shù)據(jù)做出更精準(zhǔn)的預(yù)測，從而提高控制精度。