基于LSTM的铝电解槽况预测

侯 婕,田学法,孔淑麒

(1.海军研究院,北京 100161；2.北方工业大学 信息学院,北京 100144)

铝电解槽对于铝冶炼工业来说是其最为重要的主体设备。在我们国家的铝工业发展初始阶段,使用过电流为4～8 kA小型预焙阳极电解槽[1]。对于现阶段比较大型的电解槽它的电流很多已经达到了300～500 kA,在大型预焙槽中电耗已经减少到了13,500 kWh/t-Al。铝电解槽的电流效率也有了很大的提高,提高到90%～95%。

铝电解槽由槽体、阳极以及阴极构成,熔盐电解槽在高温、强腐蚀性的环境中工作,在炭素体阳极发生氧化反应,阴极发生还原反应产出铝液。工作电压、电解温度、电解质水平、铝水平、分子比、炉底压降等技术参数对电解槽高效、稳定生产产生作用,它们之间既相互联系又相互制约。获取各项技术参数比直接探测槽状态更容易,所以利用采集到的技术参数结合机器学习方法可以有效预测铝电解槽的状态。

本文选择使用在时间序列预测任务中具有良好表现的LSTM网络来对铝电解槽况预测,这能够使工艺人员提前了解槽况的变化,能够提前避免槽况变坏带来的损失,所以本文研究内容在铝电解工业上有很大潜在应用价值。

1 研究现状

铝电解槽的生产数据是一种时间序列而且具有数据维度高的特点。现有针对时间序列数据的预测算法有多种模型,比如人工神经网络、自回归移动平均、小波神经网络等[2-3]。时间序列预测的研究始于一个回归方程[4],它在数据分析中预测了一年中太阳黑子的数量。……