一种用于储罐中液体二氧化碳精确测量与控制的方法与流程

本发明涉及二氧化碳储存，尤其是涉及一种用于储罐中液体二氧化碳精确测量与控制的方法。

背景技术：

1、随着液体二氧化碳在各行各业的广泛应用，其储存过程中的温度和压力控制对于确保安全和产品质量至关重要。现有技术中，常见的测量和控制方法无法满足高精度和快速响应的需求，尤其在面对环境条件剧烈变化时，存在明显的不足，主要表现在以下几个方面：

2、(1)安全方面：如果储罐中的压力控制不精确，可能导致压力过高，超过储罐的设计承压极限，引发泄漏甚至爆炸的风险。特别是在温度剧烈变化的环境下，液态二氧化碳膨胀或收缩速度加快，现有技术难以实时调节，增加了安全隐患。另外，温度的不稳定控制可能导致储罐内二氧化碳状态不稳定，从液态过渡到气态或相反的过程中产生大量的热量或冷量，影响储罐和周围环境的安全。

3、(2)产品质量的方面：对于利用液体二氧化碳进行生产的行业(如饮料制造)，温度和压力的波动会直接影响二氧化碳的溶解度，从而影响产品的质量和稳定性；且温度和压力控制不精确还可能导致液体二氧化碳的存储效率下降，因为在不理想的条件下，二氧化碳更易于从液态转变为气态，减少了有效存储量，增加了储存成本。

4、(3)环境条件方面：现有的测量和控制技术对环境变化的适应性不足，特别是在外部温度快速变化的情况下，如炎热的夏季或寒冷的冬季，这种技术不足可能导致内部控制系统响应不及时，无法保持储罐内部环境的稳定；而且现有系统在检测到温度和压力变化并作出反应的速度上通常不够快，无法有效应对快速变化的环境条件，这延迟了调节措施的实施，增加了安全和质量风险。

5、综上所述，现有技术中的这些不足不仅增加了液体二氧化碳储存过程的安全隐患，也对依赖此类储存系统的产品质量造成了不利影响，特别是在面对环境条件剧烈变化时，这些问题更加凸显。

6、基于上述内容，提出一种用于储罐中液体二氧化碳精确测量与控制的方法。

技术实现思路

1、本发明的目的是提供一种用于储罐中液体二氧化碳精确测量与控制的方法，通过在储罐的不同位置设置传感器，确保在极端和多变环境下的高精度数据采集，同时通过定制化学习模型，准确预测温度和压力的未来趋势，使用pid控制器和智能预警系统对储罐内环境进行实时动态调整和安全预警，增强了液体二氧化碳储罐管理的安全性和可靠性。

2、为实现上述目的，本发明提供了一种用于储罐中液体二氧化碳精确测量与控制的方法，包括以下步骤：

3、s1、数据收集：在储罐内布设传感器并采集数据；

4、s2、数据处理：采用控制系统的中央处理单元对收集的数据进行处理，去除噪声和异常值；

5、s3、模型设计：选取模型输入的特征数据，进行模型开发、性能评估和模型迭代，得到最优的深度学习模型；

6、s4、实时动态调控与安全预警：根据模型预测的结果，通过pid控制器和智能预警系统实现储罐内环境条件的实时动态调整和安全预警。

7、优选的，所述s1中，传感器的布设方式分为两种，一种是布设于储罐的顶部、中部和底部，以全面捕捉储罐内部的温度和压力分布；另一种是布设于储罐的入口处和出口处，监测二氧化碳注入和释放时的即时温度和压力变化，确保操作过程中的安全性。

8、优选的，所述s1中，传感器包括温度传感器和压力传感器，选择高精度、宽温度范围的温度传感器，能够在-50℃到+150℃范围内准确测量，以应对液体二氧化碳储存可能遇到的极端温度条件；压力传感器采用能够承受高压力并保持精确测量的压力传感器，压力测量范围应覆盖0到10mpa，以适应液体二氧化碳的压力变化范围；

9、温度传感器和压力传感器通过有线或无线方式与控制系统的中央处理单元连通；

10、顶部设置压力传感器，主要用于监测储罐内气态二氧化碳的压力变化情况，是确保储罐安全极其重要的参数；中部设置温度传感器和压力传感器，用于监测液体和气态二氧化碳的界面处的温度和压力，提供关于二氧化碳从液态向气态转变过程中温度和压力的关键数据；底部设置温度传感器和传感器，主要关注液态二氧化碳的状态，帮助监控储罐底部液态二氧化碳的压力和温度条件，这对于确保整个储罐的稳定运作和安全至关重要；

11、储罐的入口处和出口处设置压力传感器和温度传感器，监测二氧化碳注入和释放时的即时温度和压力变化，以确保在这些关键阶段能够对环境变化做出快速响应，保障操作过程的安全性；

12、在数据收集中通过布设的传感器实时收集储罐内的温度和压力数据，这些数据会因为传感器精度、环境干扰等因素包含一定的噪声。

13、优选的，所述s2包括以下步骤：

14、1)对收集到的数据进行初步筛选，排除明显的错误读数，例如由传感器故障或操作错误导致的异常数据点；

15、2)高斯滤波处理：通过试验测试不同的参数组合选取最优的参数组合，参数组合包括窗口大小和标准差σ，利用最优的参数组合进行高斯滤波去除数据中的随机噪声；窗口大小决定了滤波器考虑的数据点的数量，较大的窗口会导致更强的平滑效果，但可能会模糊数据中的重要特征；σ值决定了权重分布的宽度、高斯核的形状，影响平滑程度和边缘保留，较大的σ值会使滤波器作用更广泛，但同样可能导致重要信息的丢失；

16、在高斯滤波处理过程中，选择多组参数组合，设置一个参数网格，每个网格点代表一组特定的窗口大小和σ值，使用每组参数组合对样本数据集进行滤波，记录每种设置下的滤波结果；评估每组参数组合对噪声的去除效率，可以通过比较滤波前后的信噪比或使用其他噪声评估指标来进行评估，选取最优的参数组合；然后利用最优的参数组合进行高斯滤波去除数据中的随机噪声；

17、3)标准化处理：将处理后的数据进行标准化处理，其数学表达式为

18、

19、其中，xi为原始数据中的第i个数据点，μ为整个数据集的平均值，zi为标准化后的第i个数据点。

20、优选的，所述s3中，在s2处理后的数据中选取模型的输入特征，基于液体二氧化碳的物理特性和储存条件，选择温度变化、压力变化率、时间序列等作为模型的输入特征；将得到的特征数据划分为训练集、验证集和测试集，进行模型设计；

21、具体包括以下步骤：

22、1)模型训练：选择深度学习模型架构，如卷积神经网络(cnn)用于特征识别，循环神经网络(rnn)或长短期记忆网络(lstm)用于处理时间序列数据；

23、使用历史数据作为训练集对模型进行训练，在训练过程中，模型通过反向传播和梯度下降等算法不断调整内部参数，以最小化预测值和实际值之间的差异；同时在训练过程中定期使用相应的验证集数据评估模型的性能，调整学习率、批处理大小等超参数，找到最优的模型配置；

24、2)模型性能评估：使用独立的测试集对训练好的模型进行评估，通过指标如准确率、召回率、f1分数等衡量模型性能；对模型预测的结果进行深入分析，识别模型在预测液体二氧化碳储存参数时的强项和弱点；

25、3)模型迭代：根据性能评估的结果，对模型进行迭代优化，迭代优化包括修改模型架构、重新进行特征选取、调整超参数。

26、优选的，所述s4的实时动态调控中，持续从之前开发的机器学习模型中获取储罐内未来一段时间内的温度和压力预测值，这些预测值基于储罐内实时和历史的温度、压力数据；

27、根据得到的预测结果，设定pid控制器中的p、i、d参数，这些参数的设置需要通过实验和实践经验来调整优化，以达到最佳的控制效果；通过调节储罐内的冷却或加热装置、调节阀门进行增加或减少压力来维持储罐内的温度和压力在设定的最佳范围内；

28、同时，控制系统持续监测实际温度和压力值，并与预测值进行比较，基于实际情况与预测结果的差距，pid控制器动态调整其控制参数，以实时响应环境的变化；根据控制效果的实时反馈，逐步优化pid参数的设置，实现更加精确和稳定的控制效果。

29、优选的，所述s4的安全预警中，构建一个智能预警系统，在智能预警系统中根据液体二氧化碳的物理特性、储罐设计参数及相关安全标准，设定温度和压力的安全阈值，这些阈值应考虑到最坏情况下的安全裕度，以确保在任何情况下储罐的安全性都不会受到威胁；

30、智能预警系统实时监测储罐内传感器检测的实时数据，结合模型的预测数据，与安全阈值进行比较，确定是否存在超阈风险，存在超阈风险时，智能预警系统向操作员和管理人员发出预警信号，预警信息包括预测将要超阈的参数(温度或压力)、预计超阈的时间、建议的响应措施等，以便操作员迅速做出决策。

31、优选的，控制系统、智能预警系统与液体二氧化碳储存系统紧密集成，液体二氧化碳储存系统设置在储罐处，包括传感器、pid控制器、控制执行机构(如冷却系统、加热系统、压力调节阀门)以及通信接口；操作人员通过用户界面实时监控系统状态，必要时进行手动干预或调整pid控制器的设置；

32、在控制系统接收到预警信号后，根据预警信息，控制系统自动启动预设的应急程序，如调整冷却系统增强冷却、打开压力释放阀降低压力等，以避免参数超过安全阈值；控制系统同时提供手动控制选项，允许操作员根据实际情况进行干预，采取额外的应急措施；且在控制系统中，所有预警事件和相应的响应措施都会被记录下来，供事后分析和审查，通过分析预警事件的记录，评估预警系统的性能，识别系统响应的有效性及时效性，进一步优化安全阈值设定和响应策略。

33、因此，本发明一种用于储罐中液体二氧化碳精确测量与控制的方法，具备以下有益效果：

34、(1)考虑到液体二氧化碳的物理特性和储存环境的特殊需求，传感器阵列经过特别设计，在储罐的顶部、中部、底部以及储罐的入口处和出口处均布设了相应的温度传感器和压力传感器，以充分捕获液体二氧化碳在不同状态下的行为特性，确保能在极端和多变环境下进行高精度数据采集；同时引入高斯滤波等先进的数据预处理技术，针对从传感器收集到的原始数据进行去噪和标准化处理，显著提高了后续机器学习模型分析的准确性。

35、(2)开发并训练了卷积神经网络(cnn)和循环神经网络(rnn)混合模型，专门用于预测液体二氧化碳储罐内环境参数的变化；这一定制化模型通过大量历史数据学习，能够准确预测温度和压力的未来趋势，其设计和训练过程充分考虑了液体二氧化碳储存环境的特定挑战。

36、(3)利用机器学习模型的预测结果，通过pid控制器实现储罐内环境条件的实时动态调整。这种控制策略不仅响应当前的数据，还基于对未来条件的预测，确保储罐在任何时间都处于最佳储存状态；同时通过实时数据监测，建立了一套安全阈值预警系统，该系统能够在环境参数即将超出安全范围之前发出预警，同时自动启动预防措施，显著增强了液体二氧化碳储罐管理的安全性和可靠性。

37、下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。