气化炉风帽的堵塞预测方法、装置、存储介质及设备与流程

本发明涉及固废处理领域，具体涉及气化炉风帽的堵塞预测方法、装置、存储介质及设备。

背景技术：

1、在固废处理的气化炉中，风帽是气化炉中的核心部件之一，主要用于控制和引导气流，将热风炉的空气按照固定的进气量和流速导入气化炉的反应区域内，形成均匀分布的流化床，使进入气化炉的固废颗粒悬浮并形成类似液体的流动状态，具有较高的传热和传质性能。

2、然而在实际使用过程中，由于灰渣、细小固废颗粒以及高温的影响，长期运行的气化炉中风帽容易出现堵塞、结垢的情况，导致进入气化炉的空气不稳定，影响气化炉内固废气化的效率。

3、目前一般通过对热风炉与风帽之间的风压观察以确定风帽是否堵塞进行更换，或技术人员对气化炉的工作状态凭经验判断风帽是否堵塞进行更换。然而热风炉与风帽之间的风压除了风帽堵塞的情况还可能存在热风炉进风风压变化的因素，故在判断风帽堵塞的时候还需要技术人员对其他风压变化诱因进行排查，需要耗费大量的人力且不利于固废气化的自动化发展；另外，据技术人员的经验判断风帽堵塞进行更换容易出现误判，存在风帽未堵塞或堵塞程度未影响固废气化正常运行的状态下更换的情况，造成资源的浪费。

技术实现思路

1、基于此，本发明提供一种气化炉内风帽堵塞的预测方法，通过气化炉固废气化阶段的多部件的实时监测数据结合训练后的故障预测模型对风帽的堵塞程度进行评估预测，能够更加客观准确地判断气化炉内风帽的堵塞情况并及时对堵塞风帽进行更换，使气化炉能够保持高效率进行固废气化。

2、第一方面，本发明提供一种气化炉风帽的堵塞预测方法，包括：

3、获取时间周期内气化炉的实时风帽数据，所述实时风帽数据包括进入气化炉待处理物料的实时颗粒度、热风炉与风帽之间的实时风压以及气化炉内流化床的实时高度；

4、将所述气化炉的实时风帽数据输入至训练后的决策树-transformer模型得到风帽的堵塞预测结果；

5、根据所述风帽的堵塞预测结果发送风帽更换提示信息。

6、进一步的，所述将所述气化炉的实时风帽数据输入至训练后的决策树-transformer模型得到风帽的堵塞预测结果，包括：

7、对所述气化炉的实时风帽数据进行预处理，得到预处理后的风帽数据；

8、将预处理后的风帽数据中实时颗粒度、实时风压和流化床的实时高度按预设的权重输入至训练后的决策树-transformer模型得到风帽的堵塞预测结果。

9、进一步的，所述根据所述风帽的堵塞预测结果发送风帽更换提示信息，具体为：

10、所述风帽的堵塞预测结果包括轻微堵塞、中等堵塞和重度堵塞；

11、当所述风帽的堵塞预测结果为重度堵塞时，发送风帽更换提示信息。

12、进一步的，所述气化炉风帽的堵塞预测方法还包括：

13、当所述风帽的堵塞预测结果为中等堵塞时，缩短获取气化炉的实时风帽数据的时间间隔、提高实时风压的第一权重的同时降低流化床的实时高度的第二权重。

14、进一步的，所述决策树-transformer模型的训练包括：

15、步骤s201，获取气化炉的历史风帽数据集，所述历史风帽数据集包括多个历史时间周期采集的进入气化炉待处理物料的历史颗粒度、热风炉与风帽之间的历史风压、气化炉内流化床的历史高度以及风帽历史堵塞程度；

16、步骤s202，将所述历史风帽数据集按预设比例划分为训练集和验证集；

17、步骤s203，将所述训练集中历史颗粒度、历史风压和历史高度结合预设的权重作为输入特征，将所述训练集的历史风帽堵塞程度作为输入特征对应的标签，将所述输入特征和对应的标签结合输入至待训练的决策树-transformer模型调整模型参数，得到初步训练后的决策树-transformer模型；

18、步骤s204，将所述验证集输入至初步训练后的决策树-transformer模型得到风帽堵塞评估结果；

19、步骤s205，根据所述风帽堵塞评估结果与所述风帽历史堵塞程度得到所述初步训练后的决策树-transformer模型的误差；

20、步骤s206，若所述误差大于设定阈值，重复执行步骤s202-步骤s205,直至所述误差小于设定阈值；

21、步骤s207，若所述误差小于设定阈值，将所述初步训练后的决策树-transformer模型作为训练后的决策树-transformer模型输出。

22、第二方面，本发明还提供一种气化炉风帽的堵塞预测装置，包括：

23、数据获取模块，用于获取时间周期内气化炉的实时风帽数据，所述实时风帽数据包括进入气化炉待处理物料的实时颗粒度、热风炉与风帽之间的实时风压以及气化炉内流化床的实时高度；

24、风帽堵塞评估模块，用于将所述气化炉的实时风帽数据输入至训练后的决策树-transformer模型得到风帽的堵塞预测结果；

25、风帽堵塞提示模块，用于根据所述风帽的堵塞预测结果发送风帽更换提示信息。

26、进一步的，所述根据所述风帽的堵塞预测结果发送风帽更换提示信息，具体为：

27、所述风帽的堵塞预测结果包括轻微堵塞、中等堵塞和重度堵塞；

28、当所述风帽的堵塞预测结果为重度堵塞时，发送风帽更换提示信息。

29、第三方面，本申请还提供一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现第一方面中任一项气化炉风帽的堵塞预测方法的步骤。

30、第四方面，本发明还提供一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时，执行第一方面中任一项气化炉风帽的堵塞预测方法。

31、采用上述技术方案的有益效果为：本发明通过气化炉固废气化阶段的多部件的实时监测数据结合训练后的故障预测模型对风帽的堵塞程度进行评估预测，能够更加客观准确地判断气化炉内风帽的堵塞情况并及时对堵塞风帽进行更换，使气化炉能够保持高效率进行固废气化。

技术特征：

1.一种气化炉风帽的堵塞预测方法，其特征在于，包括：

2.如权利要求1所述的气化炉风帽的堵塞预测方法，其特征在于，所述将所述气化炉的实时风帽数据输入至训练后的决策树-transformer模型得到风帽的堵塞预测结果，包括：

3.如权利要求2所述的气化炉风帽的堵塞预测方法，其特征在于，所述根据所述风帽的堵塞预测结果发送风帽更换提示信息，具体为：

4.如权利要求3所述的气化炉风帽的堵塞预测方法，其特征在于，还包括：

5.如权利要求4所述的气化炉风帽的堵塞预测方法，其特征在于，所述决策树-transformer模型的训练包括：

6.如权利要求5所述的气化炉风帽的堵塞预测方法，其特征在于，所述风帽历史堵塞程度包括轻微堵塞、中等堵塞和重度堵塞。

7.一种气化炉风帽的堵塞预测装置，其特征在于，包括：

8.如权利要求7所述的气化炉风帽的堵塞预测装置，其特征在于，所述根据所述风帽的堵塞预测结果发送风帽更换提示信息，具体为：

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-6中任一项气化炉风帽的堵塞预测方法的步骤。

10.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时，执行权利要求1-6中任一项气化炉风帽的堵塞预测方法。

技术总结本发明提供气化炉风帽的堵塞预测方法、装置、存储介质及设备，包括：根据预设的时间间隔获取气化炉的实时风帽数据，所述实时风帽数据包括进入气化炉待处理物料的实时颗粒度、热风炉与风帽之间的实时风压以及气化炉内流化床的实时高度；将所述气化炉的实时风帽数据输入至训练后的决策树‑Transformer模型得到风帽的堵塞预测结果；根据所述风帽的堵塞预测结果发送风帽更换提示信息。通过气化炉固废气化阶段的多部件的实时监测数据结合训练后的故障预测模型对风帽的堵塞程度进行评估预测，能够更加客观准确地判断气化炉内风帽的堵塞情况并及时对堵塞风帽进行更换，提高风帽的使用效率的同时保持气化炉高效率进行固废气化。技术研发人员：陈沛波,欧志明,曾秀仪受保护的技术使用者：深圳市泽源能源股份有限公司技术研发日：技术公布日：2024/10/10