(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111342330.5 (22)申请日 2021.11.12 (71)申请人 寰清能源科技 （上海） 有限公司 地址 201424 上海市奉贤区海坤路1号第2 幢4100室 (72)发明人 樊融　陈向阳　宋志刚　段张杰　 朱莉莉　严雯静　 (74)专利代理 机构 上海段和段律师事务所 31334 代理人 李源 (51)Int.Cl. G06F 30/27(2020.01) G06Q 10/04(2012.01) G06K 9/62(2022.01) C22C 35/00(2006.01)C22C 22/00(2006.01) C22C 1/02(2006.01) (54)发明名称 硅锰合金冶炼炉渣碱度预测系统和方法 (57)摘要 本发明提供了一种硅锰合金冶炼炉渣碱度 预测系统和方法， 包括： 数据获取模块： 获取原料 矿的化验数据、 原料矿与配料的配比数据， 以及 冶炼结束后对硅锰合金和炉渣的化验 数据； 数据 计算模块： 计算配料的化学成分和产品指标； 模 型训练模块： 根据计算得到的数值对神经网络模 型进行训练， 得到预测模 型； 数据预处理模块： 将 存在滞后的配料数据和产品数据通过时间互相 关分析进行映射重构， 并通过特征工程提取配料 数据和产品数据的特征值； 预测模块： 将特征值 输入到预测模 型中， 对未来时刻炉渣碱度进行预 测。 本发明充分考虑了投料时刻与冶炼结束时刻 的时间延 迟， 采用处理后的数据训练后的模型能 够正确反应配料与产品之间的关系， 计算精度 高。 权利要求书2页 说明书5页 附图1页 CN 114154399 A 2022.03.08 CN 114154399 A 1.一种硅锰合金冶炼炉渣碱度预测系统， 其特 征在于， 包括： 数据获取模块： 获取原料矿的化验数据、 原料矿与配料的配比数据， 以及冶炼结束后对 硅锰合金和炉渣的化验数据； 数据计算模块： 计算配料的化学成分和产品指标； 模型训练模块： 根据计算得到的数值对神经网络模型进行训练， 得到预测模型； 数据预处理模块： 将存在滞后的配料数据和产品数据通过时间互相关分析进行映射重 构， 并通过 特征工程提取配料 数据和产品数据的特 征值； 预测模块： 将特 征值输入到预测模型中， 对未来时刻炉渣碱度进行 预测。 2.根据权利要求1所述的硅锰合金冶炼炉渣碱度预测系统， 其特征在于， 所述数据获取 模块包括： 获取每次配料时原料矿与辅料的配比， 计算投入成分的综合水分、 锰含量、 铁含量、 硅 含量、 钙含量、 镁 含量、 铝含量、 锰铁比、 硅锰比、 碳锰比、 铝锰比， 以及入炉原料的理论碱度； 获取每次硅锰合金冶炼完成的出炉数据， 包括冶炼开始时间和结束时间、 硅锰合金的 产量、 渣量、 硅锰合金中的锰含量、 硅含量、 渣中锰含量、 二氧化硅含量、 氧化镁含量、 氧化钙 含量， 并计算炉渣碱度， 以及 在硅锰合金与 炉渣中， 锰、 铁、 硅、 钙、 镁、 铝的各种的总体含量。 3.根据权利要求1所述的硅锰合金冶炼炉渣碱度预测系统， 其特征在于， 在配料数据和 产品数据中， 选取锰含量、 铁含量、 钙含量、 镁含量、 碱度指标， 以15分钟为步长计算各指标 的时间互相关系数； 将相同时间步长下所有指标的互相关系数相加， 最大结果对应的时间步长为投料与 出 炉的延迟时间； 将所有指标对应的时间戳按照计算得到的延迟时间向后平移， 与出炉指标的时间戳一 一映射后拼接 两个数据集， 得到投料与产品指标的互相对应的数据集。 4.根据权利要求1所述的硅锰合金冶炼炉渣碱度预测系统， 其特征在于， 分别计算炉渣 碱度与其他指标的Pearson相关系数， 并将相关系数从大到小排列， 选取相关系数高于0.5 的变量作为预测模型的特 征值； 根据炉渣碱度与特 征值构建数据集 L； 式中， y为炉渣碱度， x为通过相关性分析得到的炉渣碱度相关特征值， 下标a、 b、 c、 n、 t 均为大于 0的自然数。 5.根据权利要求4所述的硅锰合金冶炼炉渣碱度预测系统， 其特征在于， 构建神经网络 预测模型， 模型结构包括3个全连接层， 其中第1、 2层采用Relu函数作为激活函数， 第3层采 用linear函数作为激活函数， 每层之间加入Dropout层增强预测模型的泛化能力； 将数据集L中的y作为神经网络模型的输出， 除y以外的值作为输入， 经过训练后得到炉 渣碱度的预测模型。 6.一种硅锰合金冶炼炉渣碱度预测方法， 其特 征在于， 包括：权　利　要　求　书 1/2 页 2 CN 114154399 A 2数据获取步骤： 获取原料矿的化验数据、 原料矿与配料的配比数据， 以及冶炼结束后对 硅锰合金和炉渣的化验数据； 数据计算 步骤： 计算配料的化学成分和产品指标； 模型训练步骤： 根据计算得到的数值对神经网络模型进行训练， 得到预测模型； 数据预处理步骤： 将存在滞后的配料数据和产品数据通过时间互相关分析进行映射重 构， 并通过 特征工程提取配料 数据和产品数据的特 征值； 预测步骤： 将特 征值输入到预测模型中， 对未来时刻炉渣碱度进行 预测。 7.根据权利要求6所述的硅锰合金冶炼炉渣碱度预测方法， 其特征在于， 所述数据获取 步骤包括： 获取每次配料时原料矿与辅料的配比， 计算投入成分的综合水分、 锰含量、 铁含量、 硅 含量、 钙含量、 镁 含量、 铝含量、 锰铁比、 硅锰比、 碳锰比、 铝锰比， 以及入炉原料的理论碱度； 获取每次硅锰合金冶炼完成的出炉数据， 包括冶炼开始时间和结束时间、 硅锰合金的 产量、 渣量、 硅锰合金中的锰含量、 硅含量、 渣中锰含量、 二氧化硅含量、 氧化镁含量、 氧化钙 含量， 并计算炉渣碱度， 以及 在硅锰合金与 炉渣中， 锰、 铁、 硅、 钙、 镁、 铝的各种的总体含量。 8.根据权利要求6所述的硅锰合金冶炼炉渣碱度预测方法， 其特征在于， 在配料数据和 产品数据中， 选取锰含量、 铁含量、 钙含量、 镁含量、 碱度指标， 以15分钟为步长计算各指标 的时间互相关系数； 将相同时间步长下所有指标的互相关系数相加， 最大结果对应的时间步长为投料与 出 炉的延迟时间； 将所有指标对应的时间戳按照计算得到的延迟时间向后平移， 与出炉指标的时间戳一 一映射后拼接 两个数据集， 得到投料与产品指标的互相对应的数据集。 9.根据权利要求6所述的硅锰合金冶炼炉渣碱度预测方法， 其特征在于， 分别计算炉渣 碱度与其他指标的Pearson相关系数， 并将相关系数从大到小排列， 选取相关系数高于0.5 的变量作为预测模型的特 征值； 根据炉渣碱度与特 征值构建数据集 L； 式中， y为炉渣碱度， x为通过相关性分析得到的炉渣碱度相关特征值， 下标a、 b、 c、 n、 t 均为大于 0的自然数。 10.根据权利要求9所述的硅锰合金冶炼炉渣碱度预测方法， 其特征在于， 构建神经网 络预测模型， 模型结构包括3个全连接层， 其中第1、 2层采用Relu函数作为激活函数， 第3层 采用linear函数作为激活函数， 每层之间加入Dropout层增强预测模型的泛化能力； 将数据集L中的y作为神经网络模型的输出， 除y以外的值作为输入， 经过训练后得到炉 渣碱度的预测模型。权　利　要　求　书 2/2 页 3 CN 114154399 A 3