基于卷積長(zhǎng)短期記憶網(wǎng)絡(luò)的加熱爐溫度場(chǎng)實(shí)時(shí)預(yù)測(cè)方法

李 濤，王艷麗

(中國(guó)石油化工股份有限公司天津分公司，天津 300271)

加熱爐是煉化裝置的重要設(shè)備，若其燃燒過程不穩(wěn)定，在運(yùn)行過程中，可能會(huì)在隨機(jī)位置出現(xiàn)局部超溫。針對(duì)易結(jié)焦工藝介質(zhì)，若加熱爐的某局部位置長(zhǎng)時(shí)間運(yùn)行在超溫狀態(tài)，會(huì)導(dǎo)致爐管破壞失效，因此必須采取措施優(yōu)化加熱爐的燃燒狀況【1】。但加熱爐設(shè)備龐大、環(huán)境惡劣，難以對(duì)有關(guān)物理量參數(shù)進(jìn)行在線測(cè)量，導(dǎo)致燃燒調(diào)整得不到可靠的依據(jù)，難以實(shí)現(xiàn)燃燒優(yōu)化運(yùn)行。因此可以采取軟測(cè)量的方案以獲得工業(yè)加熱爐溫度場(chǎng)。

軟測(cè)量指的是在工業(yè)生產(chǎn)中通過已經(jīng)得到的測(cè)量值，結(jié)合計(jì)算機(jī)等應(yīng)用技術(shù)，對(duì)難以測(cè)量和不能測(cè)量的變量進(jìn)行數(shù)學(xué)推斷，從而得到不能直接測(cè)量的重要變量的值。軟測(cè)量具有動(dòng)態(tài)響應(yīng)迅速的優(yōu)勢(shì)，可以連續(xù)給出工業(yè)過程中的重要變量的值。

軟測(cè)量模型可以劃分為基于原理的軟測(cè)量模型(Model-Driven Models，簡(jiǎn)稱MDM)以及基于數(shù)據(jù)的軟測(cè)量模型(Data-Driven Models，簡(jiǎn)稱DDM【2】，又稱為數(shù)據(jù)驅(qū)動(dòng)的軟測(cè)量模型)。

其中MDM用于工業(yè)過程中所涉及的復(fù)雜物理化學(xué)等有關(guān)理論知識(shí)，原理模型通常數(shù)值計(jì)算精度較高、可解釋性強(qiáng)。但是基于機(jī)理的傳統(tǒng)模型往往由大量代數(shù)方程組組成，計(jì)算量大、收斂慢，難以滿足軟測(cè)量實(shí)時(shí)性的要求。CFD是計(jì)算流體力學(xué)(Computational Fluid Dynamics)的縮寫，也是MDM的一種。它利用數(shù)值分析的方法，可解決燃燒及流體流動(dòng)的問題。加熱爐溫度、流量等工況數(shù)據(jù)可以作為CFD計(jì)算的依據(jù)，據(jù)此可以得到加熱爐內(nèi)部的溫度計(jì)算值。CFD雖然可以計(jì)算出十分詳盡豐富的工業(yè)加熱爐三維溫度場(chǎng)數(shù)據(jù)，但同樣存在計(jì)算量大的問題，在現(xiàn)有計(jì)算能力下，難以獲得實(shí)時(shí)溫度場(chǎng)。

本文采用的基于深度學(xué)習(xí)的軟測(cè)量建模方法屬于DDM，作為一種基于數(shù)據(jù)驅(qū)動(dòng)的模型，該方法的精度依賴于數(shù)據(jù)的數(shù)量以及準(zhǔn)確性，在有充足數(shù)據(jù)支持的情況下，才可以得到滿足需求的結(jié)果。

因此，提出了一種卷積長(zhǎng)短期記憶網(wǎng)絡(luò)的新方法，以CFD的高精度計(jì)算結(jié)果作為數(shù)據(jù)集，并且針對(duì)三維溫度場(chǎng)使用卷積LSTM的網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行訓(xùn)練，以實(shí)現(xiàn)對(duì)加熱爐的溫度場(chǎng)進(jìn)行預(yù)測(cè)。

1 溫度場(chǎng)預(yù)測(cè)實(shí)驗(yàn)

1.1 CFD模擬情況小結(jié)

在數(shù)值模擬中，本研究建立了符合實(shí)際情況的湍流模型和組分模型，并且據(jù)此生成了充足的網(wǎng)格進(jìn)行計(jì)算，得到了加熱爐內(nèi)溫度場(chǎng)的三維空間分布。計(jì)算模型是焦化爐F102B東室的二分之一，經(jīng)熱電偶數(shù)據(jù)修正后，擴(kuò)展為整個(gè)F102B東室的爐膛三維溫度場(chǎng)。將數(shù)值計(jì)算的結(jié)果與管壁上8個(gè)熱電偶的溫度進(jìn)行對(duì)比，發(fā)現(xiàn)CFD仿真計(jì)算得出的溫度場(chǎng)與8個(gè)管壁熱電偶測(cè)得的溫度誤差都在5%以內(nèi)。因此，可以認(rèn)為CFD仿真得到的加熱爐三維溫度場(chǎng)能夠很好地代表真實(shí)溫度場(chǎng)。

1.2 實(shí)驗(yàn)數(shù)據(jù)集的建立

1.2.1 數(shù)據(jù)集的組成

本研究的目標(biāo)是輸入工況時(shí)間序列數(shù)據(jù)得到預(yù)測(cè)溫度場(chǎng)。用于溫度場(chǎng)預(yù)測(cè)的訓(xùn)練數(shù)據(jù)集分為輸入的工況數(shù)據(jù)和仿真計(jì)算溫度場(chǎng)數(shù)據(jù)兩部分。工況部分是訓(xùn)練和測(cè)試時(shí)網(wǎng)絡(luò)的輸入數(shù)據(jù)。通過數(shù)據(jù)擴(kuò)充CFD仿真計(jì)算得到的溫度場(chǎng)數(shù)據(jù)是網(wǎng)絡(luò)輸出的真值。通過計(jì)算網(wǎng)絡(luò)輸出與真值之間誤差的梯度，可以對(duì)網(wǎng)絡(luò)參數(shù)進(jìn)行優(yōu)化，使得網(wǎng)絡(luò)輸出在下一次迭代中更加接近真值【3】。

1.2.2 典型工況的選取

工況部分由工業(yè)加熱爐中分布式控制系統(tǒng)DCS的各個(gè)溫度、壓力、氧含量、空氣流量等傳感器間隔固定時(shí)間測(cè)量得到的19個(gè)變量組成。數(shù)據(jù)時(shí)間段為2018年。因?yàn)榧訜釥t的溫度變化相對(duì)緩慢，所以本研究采用的數(shù)據(jù)間隔為1 h，數(shù)據(jù)集中總共包括連續(xù)5835 h的數(shù)據(jù)。因?yàn)楣r數(shù)據(jù)中每個(gè)變量的數(shù)值范圍都不一樣，實(shí)驗(yàn)中不同變量都被分別歸一化到了[0,1]。

同時(shí)由于加熱爐溫度場(chǎng)具有一定的穩(wěn)定性，工況沒有較大改變的時(shí)間段內(nèi)，溫度場(chǎng)會(huì)在一個(gè)相對(duì)穩(wěn)定的范圍內(nèi)波動(dòng)，因此本研究根據(jù)管壁熱電偶溫度數(shù)據(jù)將5 835 h的工況劃分為7個(gè)典型工況，以此來減少CFD計(jì)算次數(shù)。

1.2.3 基于典型工況的溫度場(chǎng)數(shù)據(jù)

通過CFD計(jì)算得到了對(duì)應(yīng)7個(gè)典型工況，每個(gè)典型工況為一組，包含5個(gè)溫度場(chǎng)，共35個(gè)溫度場(chǎng)。每個(gè)溫度場(chǎng)都包含了工業(yè)加熱爐內(nèi)爐管管壁上的500 185個(gè)節(jié)點(diǎn)的溫度值，如圖1所示。但這樣的數(shù)據(jù)結(jié)構(gòu)并不適合作為網(wǎng)絡(luò)的輸出，因此將這些節(jié)點(diǎn)重新排列成一個(gè)14×32×652的矩陣。除此之外，溫度場(chǎng)數(shù)據(jù)同樣需要?dú)w一化到[0,1]，如圖2所示。

圖1 管壁溫度場(chǎng)示意

圖2 管道展開為矩陣示意

1.2.4 數(shù)據(jù)擴(kuò)充

因?yàn)榻惦A模型需要大量的數(shù)據(jù)對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，所以為降階模型的訓(xùn)練能順利進(jìn)行，本研究根據(jù)實(shí)際情況構(gòu)造出一系列的模擬溫度場(chǎng)作為網(wǎng)絡(luò)訓(xùn)練的數(shù)據(jù)使用。

本研究選取每個(gè)計(jì)算溫度場(chǎng)對(duì)應(yīng)工況附近的30個(gè)工況來構(gòu)造模擬溫度場(chǎng)。以模型輸入量中各個(gè)管壁熱電偶的溫度為參照對(duì)CFD計(jì)算溫度場(chǎng)進(jìn)行調(diào)整，得到模擬溫度場(chǎng)。

1.3 實(shí)驗(yàn)選用網(wǎng)絡(luò)結(jié)構(gòu)

本研究中的溫度場(chǎng)預(yù)測(cè)是基于工況序列進(jìn)行的，選用具有優(yōu)秀時(shí)空序列建模能力的ConvLSTM網(wǎng)絡(luò)進(jìn)行預(yù)測(cè)。

本研究所設(shè)計(jì)的網(wǎng)絡(luò)結(jié)構(gòu)如圖3所示。所述的溫度場(chǎng)實(shí)時(shí)預(yù)測(cè)網(wǎng)絡(luò)由編碼網(wǎng)絡(luò)(Encoding Network)和預(yù)測(cè)網(wǎng)絡(luò)(Forecasting Network)部分組成，圖3中的數(shù)字代表特征通道數(shù);每一層的卷積核大小都為3×3，共有4層卷積長(zhǎng)短期記憶網(wǎng)絡(luò)(ConvLSTM)；輸入(input)數(shù)據(jù)通道數(shù)為18，第一層長(zhǎng)短期記憶網(wǎng)絡(luò)(ConvLSTM 1)輸出數(shù)據(jù)通道數(shù)為24，第二層長(zhǎng)短期記憶網(wǎng)絡(luò)(ConvLSTM2)輸出數(shù)據(jù)通道數(shù)為48，第三層長(zhǎng)短期記憶網(wǎng)絡(luò)(ConvLSTM3)輸出數(shù)據(jù)通道數(shù)為24；將第一層長(zhǎng)短期記憶網(wǎng)絡(luò)(ConvLSTM1)和第三層長(zhǎng)短期記憶網(wǎng)絡(luò)(ConvLSTM3)的輸出數(shù)據(jù)進(jìn)行拼接，得到通道數(shù)量為48的數(shù)據(jù)，并送入第四層長(zhǎng)短期記憶網(wǎng)絡(luò)(ConvLSTM4)，最終得到24通道的溫度場(chǎng)輸出(output)。由于網(wǎng)絡(luò)是通過多個(gè)ConvLSTM層堆疊構(gòu)成，所以它對(duì)于復(fù)雜動(dòng)態(tài)系統(tǒng)的特征提取能力很強(qiáng)。

圖3 網(wǎng)絡(luò)結(jié)構(gòu)

同時(shí)，第一層長(zhǎng)短期記憶網(wǎng)絡(luò)(ConvLSTM1)、第二層長(zhǎng)短期記憶網(wǎng)絡(luò)(ConvLSTM2)、第三層長(zhǎng)短期記憶網(wǎng)絡(luò)(ConvLSTM3)的輸入和輸出的時(shí)間序列長(zhǎng)度均為10，第四層長(zhǎng)短期記憶網(wǎng)絡(luò)(ConvLSTM4)的輸入時(shí)間序列長(zhǎng)度為10、輸出時(shí)間序列為長(zhǎng)度3(h1～h3代表第1層～第三層長(zhǎng)短期記憶網(wǎng)絡(luò)的輸出結(jié)果)。

1.4 網(wǎng)絡(luò)訓(xùn)練

1) 對(duì)工業(yè)加熱爐各數(shù)據(jù)采用式(1)分別進(jìn)行歸一化處理：

(1)

其中，x為要進(jìn)行歸一化的數(shù)據(jù)，mean、max、min分別為該工況數(shù)據(jù)訓(xùn)練樣本范圍內(nèi)的均值、最大值、最小值；

2) 實(shí)際工況只是一維向量，與目標(biāo)網(wǎng)絡(luò)輸出三維溫度場(chǎng)并不匹配，因此需將一維的工況擴(kuò)展成三維，即需要對(duì)工業(yè)加熱爐各數(shù)據(jù)進(jìn)行三維擴(kuò)展。這里所述的數(shù)據(jù)包括按設(shè)定時(shí)間測(cè)量得到的工業(yè)加熱爐中分布式控制系統(tǒng)的各個(gè)溫度、壓力、氧含量、空氣流量的值；這里所述的擴(kuò)展方法相同，均是將1個(gè)工況數(shù)據(jù)擴(kuò)展成一個(gè)32×652的矩陣，矩陣中每個(gè)元素都填上該工況數(shù)據(jù)；而對(duì)于管壁上的8個(gè)熱電偶的溫度數(shù)據(jù)，擴(kuò)展的時(shí)候只在熱電偶對(duì)應(yīng)的空間位置附近50個(gè)元素填上該熱電偶測(cè)得的溫度數(shù)據(jù)，其余元素置零，最后得到18×32×652的輸入數(shù)據(jù)。

3) 將管壁溫度場(chǎng)轉(zhuǎn)換為三維溫度場(chǎng)。因?yàn)槿S溫度場(chǎng)還包含了管壁的結(jié)構(gòu)信息，但這樣的溫度場(chǎng)無法作為網(wǎng)絡(luò)輸出，因此本文將管壁溫度場(chǎng)上的計(jì)算點(diǎn)重新排列成三維溫度場(chǎng)。首先沿z軸將管道分為24根，然后將管壁沿軸切開展開成一個(gè)矩形，展開方法為按管道軸心方向依次選取32個(gè)點(diǎn)，并將32個(gè)點(diǎn)沿z軸方向進(jìn)行排列，得到第一列數(shù)據(jù)；再沿管道軸心方向依次選取32個(gè)點(diǎn)繼續(xù)排列，重復(fù)652次，得到一個(gè)24×32×652的矩陣；同時(shí)，將溫度場(chǎng)的溫度數(shù)值均除以1000，使其位于0～1之間，保留三維溫度場(chǎng)每個(gè)點(diǎn)對(duì)應(yīng)的管壁溫度場(chǎng)的空間坐標(biāo)。

4) 對(duì)溫度場(chǎng)實(shí)時(shí)預(yù)測(cè)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。訓(xùn)練時(shí)不凍結(jié)網(wǎng)絡(luò)參數(shù)。訓(xùn)練時(shí)的初始學(xué)習(xí)率為0.01、批次大小為1，選擇L1損失函數(shù)并采用Adam 算法進(jìn)行優(yōu)化?？偣驳?00次，每迭代40次就將學(xué)習(xí)率乘以0.8進(jìn)行衰減；網(wǎng)絡(luò)在第480次迭代時(shí)達(dá)到最佳效果，得到最優(yōu)模型；最優(yōu)模型輸出的平均絕對(duì)誤差為28.3 K(開爾文)。

2 實(shí)驗(yàn)結(jié)果與分析

2.1 溫度驗(yàn)證

由于經(jīng)過CFD計(jì)算得出的溫度場(chǎng)只有一個(gè)時(shí)刻的數(shù)據(jù)，而網(wǎng)絡(luò)訓(xùn)練需要大量的數(shù)據(jù)，因此為使本實(shí)例能順利進(jìn)行，根據(jù)實(shí)際情況構(gòu)造出一系列的模擬溫度場(chǎng)作為網(wǎng)絡(luò)訓(xùn)練的數(shù)據(jù)使用。

本文選取每個(gè)計(jì)算溫度場(chǎng)對(duì)應(yīng)工況附近的30個(gè)工況來構(gòu)造模擬溫度場(chǎng)。以工況中單個(gè)管壁熱電偶的溫度為標(biāo)準(zhǔn)對(duì)計(jì)算溫度場(chǎng)進(jìn)行調(diào)整，得到模擬溫度場(chǎng)。例如對(duì)于15號(hào)工況的計(jì)算溫度場(chǎng)，如果想要獲得10號(hào)工況的模擬溫度場(chǎng)，應(yīng)當(dāng)先計(jì)算10號(hào)工況中8個(gè)熱電偶數(shù)據(jù)相對(duì)于15號(hào)工況中8個(gè)熱電偶的變化百分比；然后根據(jù)8個(gè)變化百分比調(diào)整15號(hào)工況計(jì)算溫度場(chǎng)對(duì)應(yīng)管道的溫度，而對(duì)于中間沒有熱電偶的管道則根據(jù)最近的兩個(gè)熱電偶的變化百分比采取漸變處理。

本次實(shí)驗(yàn)的溫度場(chǎng)預(yù)測(cè)實(shí)際上是一個(gè)回歸任務(wù)，對(duì)于此問題，本研究將使用平均絕對(duì)誤差MAE來評(píng)價(jià)算法性能。MAE的計(jì)算見式(2)：

(2)

由上述結(jié)果可以看出，預(yù)測(cè)結(jié)果整體上的誤差在可接受范圍內(nèi)。但也需要衡量局部的誤差才能更好地反映算法性能。表1所示為針對(duì)第4 805 h的預(yù)測(cè)溫度場(chǎng)和對(duì)應(yīng)的8個(gè)熱電偶的溫度差。

表1 ConvLSTM預(yù)測(cè)在8個(gè)測(cè)點(diǎn)的溫度對(duì)比

從表1可以看出：網(wǎng)絡(luò)預(yù)測(cè)結(jié)果在局部細(xì)節(jié)方面也能很好地符合真實(shí)數(shù)據(jù)。

2.2 趨勢(shì)驗(yàn)證

除了要求預(yù)測(cè)溫度場(chǎng)符合真實(shí)工況外，還希望預(yù)測(cè)結(jié)果能夠符合溫度的變化趨勢(shì)。圖4～圖11所示為8個(gè)熱電偶在4805號(hào)工況以及往后20 h的真實(shí)值和預(yù)測(cè)值變化趨勢(shì)對(duì)比。

圖4 1號(hào)熱電偶趨勢(shì)

圖5 2號(hào)熱電偶趨勢(shì)

圖6 3號(hào)熱電偶趨勢(shì)

圖7 4號(hào)熱電偶趨勢(shì)

圖8 5號(hào)熱電偶趨勢(shì)

圖9 6號(hào)熱電偶趨勢(shì)

圖10 7號(hào)熱電偶趨勢(shì)

圖11 8號(hào)熱電偶趨勢(shì)

由圖4～圖11可以看出：網(wǎng)絡(luò)的預(yù)測(cè)結(jié)果可以比較準(zhǔn)確地預(yù)測(cè)工況的變化趨勢(shì)。

2.3 溫度場(chǎng)還原

在數(shù)據(jù)預(yù)處理階段，本文將溫度場(chǎng)重新排列為24×32×652的矩陣，便于網(wǎng)絡(luò)輸入與輸出。在最后一步還需將矩陣還原為管壁溫度場(chǎng)，這樣可以更為直觀地感受實(shí)驗(yàn)結(jié)果。圖12和圖13所示為4805號(hào)工況的計(jì)算溫度場(chǎng)與預(yù)測(cè)溫度場(chǎng)在matlab的三維散點(diǎn)建模結(jié)果，其中管道的缺口是由于計(jì)算點(diǎn)分布不均導(dǎo)致的在還原過程中缺少的相應(yīng)計(jì)算點(diǎn)。

從圖12和圖13所示的還原建模圖可以看出：網(wǎng)絡(luò)的預(yù)測(cè)溫度場(chǎng)與計(jì)算溫度場(chǎng)十分相似，預(yù)測(cè)結(jié)果較好。

圖12 計(jì)算溫度場(chǎng)建模

圖13 預(yù)測(cè)溫度場(chǎng)建模

3 結(jié)論

對(duì)于加熱爐內(nèi)管道三維溫度場(chǎng)進(jìn)行預(yù)測(cè)是一個(gè)十分具有挑戰(zhàn)性的問題，為了解決這一問題，提出了基于ConvLSTM的溫度場(chǎng)預(yù)測(cè)算法。該方法以ConvLSTM為基礎(chǔ)，通過合理的數(shù)據(jù)處理以及數(shù)據(jù)的跨層連接實(shí)現(xiàn)良好的溫度場(chǎng)預(yù)測(cè)。

本研究利用CFD仿真計(jì)算得出的溫度場(chǎng)以及由DCS記錄的工況數(shù)據(jù)作為數(shù)據(jù)集，在設(shè)計(jì)的ConvLSTM網(wǎng)絡(luò)中進(jìn)行訓(xùn)練。從測(cè)試結(jié)果可以看出，無論是對(duì)于2018年的老數(shù)據(jù)還是2019年的新數(shù)據(jù)，網(wǎng)絡(luò)預(yù)測(cè)結(jié)果與真實(shí)值的誤差都在5%以內(nèi)，并且網(wǎng)絡(luò)預(yù)測(cè)結(jié)果也可以很好地跟上溫度場(chǎng)隨著時(shí)間變化的趨勢(shì)，表明了本文的算法可以得到符合真實(shí)情況的預(yù)測(cè)溫度場(chǎng)，而且能比較準(zhǔn)確地預(yù)測(cè)出工況的變化趨勢(shì)。在未來的工作中，將嘗試引入更多的真實(shí)數(shù)據(jù)集進(jìn)行訓(xùn)練，使得模型結(jié)果更為真實(shí)，同時(shí)也將繼續(xù)改進(jìn)該算法，以適應(yīng)更加復(fù)雜的工況。