一种超低排放AI环保岛智控平台的制作方法

本发明涉及计算机，更具体地说是指一种超低排放ai环保岛智控平台。

背景技术：

1、目前，环境保护随着社会的发展越来越被重视，现有的超低排放系统的数据库技术和通讯接口技术不足以满足超低排放系统中大规模数据的存储和传输需求。对于复杂的超低排放设备，如烟气脱硝装置、脱硫装置等，需要准确地建立设备信息模型，以便进行监控、诊断和优化调控；现有技术存在建模精度不高、信息不完整等问题，需要进一步提升设备信息建模的准确性和完整性。超低排放系统涉及多种污染物脱除过程，如氮氧化物（nox）的催化还原、硫氧化物（sox）的吸收氧化等。针对不同的脱除过程，需要建立相应的机理特性模型，以支持智能控制和优化调控。现有技术存在模型精度不高、适用性不强等问题；超低排放系统的设计和运行涉及多种数理分析，如能量平衡分析、质量平衡分析、动态响应分析等。现有技术存在数学模型简化不足、分析方法不够灵活等问题，需要进一步完善数理分析建模技术，以支持超低排放系统的设计优化和运行控制。

2、综上所述，尽管现有技术在数据库、通讯接口、建模方法等方面已经取得了一定的进展，但仍然需要进一步改进和创新，以满足超低排放系统的实际生产需求，提高系统的性能和可靠性。

3、因此，有必要设计一种新的平台，实现满足超低排放系统的实际生产需求，提高系统的性能和可靠性。

技术实现思路

1、本发明的目的在于克服现有技术的缺陷，提供一种超低排放ai环保岛智控平台。

2、为实现上述目的，本发明采用以下技术方案：一种超低排放ai环保岛智控平台，包括边缘计算单元、云智控单元以及模型中心；其中，所述边缘计算单元，用于实时采集和传输排放相关数据，并进行数据的初步加工清洗以及预处理；所述云智控单元，用于对所述边缘计算单元传输的数据进行加工，且进行数据库搭建、模型构建和训练，并根据当前的环境和运行状态，调度相关模型进行实时运算，得出优化控制指令；所述模型中心，用于构建各类模型，并根据实时数据不断更新和优化所述模型。

3、其进一步技术方案为：所述边缘计算单元包括设备通信组件，所述设备通信组件，用于与终端设备集群的数据交换，采集设备运行源数据，进行整理，并传输给业务侧进行分析应用。

4、其进一步技术方案为：所述边缘计算单元还包括数据预处理模块，所述数据预处理模块，用于对源数据进行初步加工清洗。

5、其进一步技术方案为：所述边缘计算单元还包括前沿计算模块，所述前沿计算模块，用于根据业务侧需要对预处理后的数据从标准、颗粒度、完整性的维度进行加工及完善，使数据更贴合业务侧的功能需求。

6、其进一步技术方案为：所述云智控单元包括云计算模块以及智能控制模块；

7、所述云计算模块，用于进行数据加工、数据库搭建、模型构建和训练；

8、所述智能控制模块，用于根据当前的环境和运行状态，调度相关模型进行实时运算，得出优化控制指令。

9、其进一步技术方案为：所述云计算模块包括数据中心以及模型处理中心；

10、所述数据中心，用于存储设备运行的时序数据并协同进行模型构建、数据分析、系统运行、智能控制；

11、所述模型处理中心，用于模型的构建、训练及计算。

12、其进一步技术方案为：所述智能控制模块包括智控管理模块以及智控大脑模块；

13、所述智控管理模块，用于支持系统整体业务运行；

14、所述智控大脑模块，用于进行数据的综合监测、智控运行、智控分析、环保性能、设备中心、成本分析。

15、其进一步技术方案为：所述模型中心包括机理计算模型；所述机理计算模型用于烟气量和污染物浓度计算，通过多模型耦合的气态污染物预测方法实现对复杂工况的大型燃煤机组的预测。

16、其进一步技术方案为：所述模型中心包括预测推荐模型，所述预测推荐模型用于在预测模型训练成果基础上，计算得出完成目标任务所要执行的控制动作指标。

17、其进一步技术方案为：所述模型中心包括深度学习优化模型，所述深度学习优化模型，用于通过adam算法实现自适应动量的随机优化方法，用于训练深度学习模型，持续优化系统。

18、本发明与现有技术相比的有益效果是：本发明通过设置边缘计算单元、云智控单元以及模型中心，边缘计算单元可采集并传输数据，云智控单元可进行加工，且进行数据库搭建、模型构建和训练，并根据当前的环境和运行状态，调度相关模型进行实时运算，得出优化控制指令；而且模型中心可以构建各类模型，并根据实时数据不断更新和优化所述模型，实现满足超低排放系统的实际生产需求，提高系统的性能和可靠性。

19、下面结合附图和具体实施例对本发明作进一步描述。

技术特征：

1.一种超低排放ai环保岛智控平台，其特征在于，包括边缘计算单元、云智控单元以及模型中心；其中，所述边缘计算单元，用于实时采集和传输排放相关数据，并进行数据的初步加工清洗以及预处理；所述云智控单元，用于对所述边缘计算单元传输的数据进行加工，且进行数据库搭建、模型构建和训练，并根据当前的环境和运行状态，调度相关模型进行实时运算，得出优化控制指令；所述模型中心，用于构建各类模型，并根据实时数据不断更新和优化所述模型。

2.根据权利要求1所述的一种超低排放ai环保岛智控平台，其特征在于，所述边缘计算单元包括设备通信组件，所述设备通信组件，用于与终端设备集群的数据交换，采集设备运行源数据，进行整理，并传输给业务侧进行分析应用。

3.根据权利要求2所述的一种超低排放ai环保岛智控平台，其特征在于，所述边缘计算单元还包括数据预处理模块，所述数据预处理模块，用于对源数据进行初步加工清洗。

4.根据权利要求3所述的一种超低排放ai环保岛智控平台，其特征在于，所述边缘计算单元还包括前沿计算模块，所述前沿计算模块，用于根据业务侧需要对预处理后的数据从标准、颗粒度、完整性的维度进行加工及完善，使数据更贴合业务侧的功能需求。

5.根据权利要求1所述的一种超低排放ai环保岛智控平台，其特征在于，所述云智控单元包括云计算模块以及智能控制模块；

6.根据权利要求5所述的一种超低排放ai环保岛智控平台，其特征在于，所述云计算模块包括数据中心以及模型处理中心；

7.根据权利要求5所述的一种超低排放ai环保岛智控平台，其特征在于，所述智能控制模块包括智控管理模块以及智控大脑模块；

8.根据权利要求1所述的一种超低排放ai环保岛智控平台，其特征在于，所述模型中心包括机理计算模型；所述机理计算模型用于烟气量和污染物浓度计算，通过多模型耦合的气态污染物预测方法实现对复杂工况的大型燃煤机组的预测。

9.根据权利要求8所述的一种超低排放ai环保岛智控平台，其特征在于，所述模型中心包括预测推荐模型，所述预测推荐模型用于在预测模型训练成果基础上，计算得出完成目标任务所要执行的控制动作指标。

10.根据权利要求9所述的一种超低排放ai环保岛智控平台，其特征在于，所述模型中心包括深度学习优化模型，所述深度学习优化模型，用于通过adam算法实现自适应动量的随机优化方法，用于训练深度学习模型，持续优化系统。

技术总结本发明实施例公开了一种超低排放AI环保岛智控平台。所述平台包括边缘计算单元、云智控单元以及模型中心；其中，所述边缘计算单元，用于实时采集和传输排放相关数据，并进行数据的初步加工清洗以及预处理；所述云智控单元，用于对所述边缘计算单元传输的数据进行加工，且进行数据库搭建、模型构建和训练，并根据当前的环境和运行状态，调度相关模型进行实时运算，得出优化控制指令；所述模型中心，用于构建各类模型，并根据实时数据不断更新和优化所述模型。通过实施本发明实施例的平台可实现满足超低排放系统的实际生产需求，提高系统的性能和可靠性。技术研发人员：朱玲萍,王毅,朱勤荣,沈炜炜受保护的技术使用者：浙江新澄宇环境科技有限公司技术研发日：技术公布日：2024/6/26