一种基于多时间尺度融合的高炉炉喉温度估计方

本技术涉及能源与动力工程，尤其涉及一种基于多时间尺度融合的高炉炉喉温度估计方法及装置。背景技术：1、随着现代化的发展，社会对钢铁的产量和质量的需求不断提升。钢铁产量和质量水平已经成为一个国家经济实力和工业化水平的重要衡量指标。高炉炼铁是全世界钢铁生产的主要途径，其能耗占钢铁生产总能耗的70％。高炉是一种大型逆流移动床化学反应器，其内部涉及复杂的物质传输现象和化学反应，并且是一个典型的“黑箱”容器。另外，高炉内部环境十分严酷，高温、高压、多粉尘等恶劣环境使得高炉内部的很多参数难以直接检测或者检测代价极高，进而导致高炉操作控制难以形成闭环控制。2、准确地检测并合理地控制煤气流的分布和发展是高炉炼铁过程控制的必要前提。煤气流的分布和高炉运行状况、能源与原料的消耗、铁水的产量和质量、高炉寿命等重要指标直接相关。不同的煤气流分布状况也会使得高炉内部的工作状况不同。因此，及时了解料面煤气流的状况，合理地控制煤气流的分布，对于提高高炉产品的质量和产量具有重要意义。3、高炉喉部温度测量直接反应了气体的流动分布，是炉顶气流流动状态的表征参数。炉喉温度的监测是高炉炼铁过程监控的重要内容之一。在生产实践中，基于热电偶传感器的炉喉十字测温装置是最经典、应用最广泛的方法。炉喉十字测温精度高、实时性好、具有良好的动态性能。然而，由于炉喉位置存在高温气体与温度传感器直接接触、粉尘较大、高压环境恶劣的情况，一方面，采集到的数据往往无法直接被使用，另一方面，传感器时常发生故障，导致难以检测到准确的温度数据，并且由于高炉停炉检修周期长，影响工作人员判断高炉实际运行状况，进而带来高炉运行监控的风险，严重影响了高炉的高效、低耗运行。技术实现思路1、本技术实施例的目的是提供一种基于多时间尺度融合的高炉炉喉温度估计方法及装置，以解决现有技术中存在的炉喉温度难以准确测量的不足。2、根据本技术实施例的第一方面，提供一种基于多时间尺度融合的高炉炉喉温度估计方法，包括：3、获取高炉设备参数、炉料参数、布料矩阵、高炉主参数和炉喉测温点数据；4、将所述高炉设备参数、炉料参数和布料矩阵作为输入，根据布料规律、等体积原则和下降规律计算高炉内部各层的料面形状，根据所述料面形状计算各层矿焦比参数；5、根据高炉内部反应的多时间尺度特性，将所述高炉主参数、炉喉测温点数据和矿焦比参数划分得到高频数据集和低频数据集，并分别进行特征重要性筛选，得到特征筛选后的高频数据集和低频数据集；6、通过特征筛选后的低频数据集训练支持向量回归器，利用训练好的支持向量回归器模型对低频炉喉温度进行估计，基于随机过采样对低频炉喉温度估计值进行扩充，融合至筛选后的高频数据集中，得到融合后的高频数据集；7、基于融合后的高频数据集，利用门控循环单元网络的集成方法，训练得到高炉炉喉温度估计模型；8、将所述高炉炉喉温度估计模型用于对炉喉相应位置温度进行高频实时估计。9、可选的，将所述高炉设备参数、炉料参数和布料矩阵作为输入，根据布料规律、等体积原则和下降规律计算高炉内部各层的料面形状，包括：10、根据所述高炉设备参数，计算炉料到达料面所形成料堆堆尖在高炉内部的坐标位置；11、将前一个倾角形成的料面作为新的初始料面形状，按照布料矩阵依次计算第二个到最后一个溜槽倾角下的料面形状函数，完成一个布料矩阵的布料循环，重复该步骤，获得各层的料面形状。12、可选的，所述坐标位置包括横坐标和纵坐标，所述横坐标和纵坐标根据布料矩阵中单环炉料体积与先后两个料面形状之间的体积相等的原则计算得到。13、可选的，根据所述料面形状计算各层矿焦比参数，包括：14、根据所述料面形状，计算各层矿焦比参数的计算公式如下：15、16、其中，b表示某点与高炉中心线的距离，χ(b)η表示第η层的料面形状函数，m表示选定料层层数，η和m为正整数，下标o表示矿石层，c表示焦炭层。17、可选的，根据高炉内部反应的多时间尺度特性，将所述高炉主参数、炉喉测温点数据和矿焦比参数划分得到高频数据集和低频数据集，包括：18、根据高炉内部反应的多时间尺度特性，分别以两种不同的采样频率构建高频数据集和低频数据集，其中，所述高频数据集包含高炉主参数、炉喉测温点数据，所述低频数据集包含高炉主参数、炉喉测温点数据和矿焦比参数。19、可选的，分别进行特征重要性筛选，得到特征筛选后的高频数据集和低频数据集，包括：20、根据高频数据集和低频数据集的数据特点及数据分布，分别进行特征重要性筛选，其中对于高频数据集，采用基于随机森林的特征重要性分数进行特征筛选；对于低频数据集，采用根据专家经验及文献资料进行特征筛选。21、可选的，基于融合后的高频数据集，利用门控循环单元网络的集成方法，训练得到高炉炉喉温度估计模型，包括：22、将融合后的高频数据集划分为训练集和验证集，通过不同的训练集和验证集，训练得到参数不同的门控循环单元网络基模型；23、根据所有门控循环单元网络基模型，得到高炉炉喉温度估计模型。24、根据本技术实施例的第二方面，提供一种基于多时间尺度融合的高炉炉喉温度估计装置，包括：25、获取模块，用于获取高炉设备参数、炉料参数、布料矩阵、高炉主参数和炉喉测温点数据；26、计算模块，用于将所述高炉设备参数、炉料参数和布料矩阵作为输入，根据布料规律、等体积原则和下降规律计算高炉内部各层的料面形状，根据所述料面形状计算各层矿焦比参数；27、划分筛选模块，用于根据高炉内部反应的多时间尺度特性，将所述高炉主参数、炉喉测温点数据和矿焦比参数划分得到高频数据集和低频数据集，并分别进行特征重要性筛选，得到特征筛选后的高频数据集和低频数据集；28、估计扩充融合模块，用于通过特征筛选后的低频数据集训练支持向量回归器，利用训练好的支持向量回归器模型对低频炉喉温度进行估计，基于随机过采样对低频炉喉温度估计值进行扩充，融合至筛选后的高频数据集中，得到融合后的高频数据集；29、训练模块，用于基于融合后的高频数据集，利用门控循环单元网络的集成方法，训练得到高炉炉喉温度估计模型；30、估计模块，用于将所述高炉炉喉温度估计模型用于对炉喉相应位置温度进行高频实时估计。31、根据本技术实施例的第三方面，提供一种电子设备，所述电子设备包括：32、一个或多个处理器；33、存储装置，用于存储一个或多个程序，34、当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如第一方面所述的方法。35、根据本技术实施例的第四方面，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，该程序被处理器执行时实现如第一方面所述的方法。36、本技术的实施例提供的技术方案可以包括以下有益效果：37、由上述实施例可知，本技术结合高炉内部相应的运动规律，建立高炉料面的数学模型，计算炉内各层矿焦比参数，并根据高炉内部反应的多时间尺度特性，得到高频数据集和低频数据集，利用机器学习方法和集成学习方法实现对炉喉相应位置温度进行高频实时估计，实现了高炉内部炉喉温度的在线监控。38、当高炉炉喉十字测温装置存在故障时，本发明通过现代化的手段实时估计高炉炉喉温度，能有效的帮助现场工作人员更准确地判断高炉煤气流的分布，对于保证高炉炉内顺行有着重要的现实意义。39、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本技术。