基于数字孪生的高炉碳排放异常预测方法

本发明提供一种基于数字孪生的高炉碳排放异常预测方法，涉及高炉碳排放技术领域，本发明提出了一种基于深度学习和机制融合的高炉顶异常碳排放检测方法。首先，收集高炉生产过程中碳迹的关键特征，并通过传感器收集高炉顶端的气体成分和外围生产数据。一些传感器无法实时获取的特征数据通过纳维‑斯托克斯NS方程进行迭代求解。然后，进行互相关分析以发现生产中碳迹的滞后关系，并建立碳排放滞后关系模型。异常运行状况由残差神经网络检测到。最后，使用实际生产数据对模型的性能进行了测试和评估。结果表明，所提出的方法能够准确检测到高炉顶端的异常碳排放，并能及时发出预警，有效减少了异常碳排放造成的环境污染和能源浪费。