鋁電解槽狀態可視化展示

李晉宏，袁 媛

?

鋁電解槽狀態可視化展示

李晉宏，袁 媛

（北方工業大學 計算機學院，北京 100144）

針對目前不能給出一個直觀明確的鋁電解槽可視化畫像的問題，本文利用統計學方法，結合某鋁電解廠的測量數據，進行了多角度分析，可以得出一個各個數據的判斷符號，最后結合可視化形式對鋁電解槽進行可視化畫像展示。這種方法更加有效的得出一個清晰地結論，也使工藝人員可以更快速地找到測量到的問題點。解決了工藝人員不了解數據結論的問題和大量數據結論不夠清晰以至于現場人員需要消耗時間去理解數據的問題。

鋁電解生產；電解槽畫像；統計學分析；數據可視化

0 引言

隨著信息科技的高速發展，現代社會每時每刻都會產生大量的數據，大數據的時代已經到來了。面對海量數據，如何處理分析以及存儲是當前亟需解決的問題，而數據可視化分析技術是大數據分析的重要方法，可以幫助數據分析人員更快的找到數據中隱含的規律和模式[1]。數據可視化主要是利用將數據進行圖形化來更加清晰明確地表示信息，是關于數據視覺表現形式的科學技術研究。但是，這并不就意味著，數據可視化就一定因為要實現其功能用途而令人感到枯燥乏味，或者是為了看上去絢麗多彩而顯得極端復雜。數據可視化與信息圖形、信息可視化、科學可視化以及統計圖形密切相關。當前，在研究、教學和開發領域，數據可視化乃是一個極為活躍而又關鍵的方面。“數據可視化”這條術語實現了成熟的科學可視化領域與較年輕的信息可視化領域的統一。可視化及可視分析將數據通過直觀的視覺形式展現給用戶，并提供有效的交互方式支持用戶對數據進行探索[2]。

1 研究背景

在大數據背景下，我們可以檢測到鋁電解生產過程中的諸多數據，這些數據具有復雜性和實時性，反映一個電解槽生產過程中各個部分的質量問題。

目前，國內對鋁電解生產工藝的研究比較多，但關于測量生產過程中的數據，以及利用這些數據進行多維分析的研究還處于初級階段，鐵軍利用矩形導體周圍磁場測得陽極導桿電流的數據[3]并對陽極電壓數據采用因子分析和功率譜分析法進行分析[4]；北方工業大學的李晉宏教授為了減小鋁電解生產過程中的誤差，及時發現測量錯誤，將統計過程控制引入到鋁電解生產中，實現了一個面向鋁電解生產的統計過程控制系統[5]；北方工業大學的曹丹陽等教授在研究多維分析的基礎上結合鋁電解生產數據的特點詳細闡述鋁電解槽生產數據多維分析系統的實現與應用[6]；在鋁電解數據可視化方向，國內并沒有過多的研究，沒有一個合適的方法對這些數據進行展示。

本文采集了某電解鋁廠生產過程中的四大類數據：陽極電壓、陰極電壓、鋼棒溫度和側壁溫度，一共有196個測點，針對這四類數據進行數據處理再結合工藝人員的專業知識，綜合展示出來一個電解槽的畫像。鋁電解生產過程中可能會產生8中狀態：（1）陽極是否長包；（2）鋁液是否升高；（3）過熱度高低；（4）伸腿的長度的情況；（5）爐幫的厚度的情況；（6）陰極是否破損；（7）是否有熱傳導；（8）氧化鋁的濃度是否均勻。這些狀態與整個槽狀態息息相關，影響著鋁電解生產的質量。

2 實驗數據

電解槽測量數據分為：陽極電壓（AB 兩側分別16點），陰極電壓（AB兩側分別40點），陰極鋼棒溫度（AB兩側共80點），槽殼溫度（AB兩側分別20點）。

2.1 數據處理

數據采集過程中可能由于設備等原因產生空缺值，針對這些數據異常點需要進行數據清洗，根據數據可觀測出異常點屬于極個別現象，簡單處理即可，本文采用的方法為刪除異常點，直接將空缺值進行刪除。

根據系統選取的時間，可以獲得在時間序列上的一組數據，將這四類數據進行簡單的預處理后再對四類數據求平均值、方差、標準差、斜率，根據不同需求得到的平均值、方差、標準差的多維分析可以得出八種不同狀態的數據，最后用可視化圖形進行展示。

根據研究背景可知以及公益人員的專業知識和經驗結合多維分析，本實驗將這八類狀態的返回形式分別設置為：（1）陽極破損為01；（2）鋁液液面狀態為+0-；（3）過熱度為+0-；（4）伸腿的長度+0-；（5）爐幫的厚度為+0-；（6）陰極破損為01；（7）熱傳導+0-；（8）氧化鋁的濃度+0-。對應每類狀態，利用這四類數據進行不同的算法計算，得出一個可能的結果反饋給現場的工藝人員。

2.2 判斷算法

（2）鋁液升高的判斷需要設立一個delta值（記作1），判斷一段時間的陽極電壓變化為+1，若1的長時間大于某個極小值則判定為鋁液升高，若1在正負極小值區間波動，則表明鋁液液面正常，符合生產過程中的變化現象，若是1長時間為負數且小于某個極小值，那么就猜測可能是鋁液液面降低。

（3）根據陽極電壓的斜率變化2判斷過熱度是否正常，選擇24小時的數據求斜率，若2在某個極小值正負值之間變化則說明過了度正常，否則 若大于極小值正值則表示過熱，小于極小值負值則過低。

（5）一共有20槽殼溫度的測試點（一邊10個），求每一個測試點24小時的斜率，將求得的斜率如上述比較方法得出每個點的符號，最后在觀測整體符號情況，設定一個特定值。若整體大于特定值則判定爐幫變厚，小于特定值的負值則爐幫變薄，否則不變。

（6）陰極破損與鋼棒溫度相關，陰極若發生破損鋼棒溫度會急劇上升。若>1,則可能改點出現陰極破損情況，這80個數據中有一個數據出現>1，則表明整個電解槽畫像可能出現陰極破損現象。

（7）熱傳導的判斷，本實驗中是依據陰極電壓和鋼棒溫度的相關性進行判斷的，將這兩類數據集合組成一個矩陣，判斷矩陣的協方差后求得相關系數。得到每組數據相關系數后綜合分析80個數據，得出是否有熱傳導現象。

a. 協方差公式：

b. 相關系數：

Var[]、Var[]為、的方差。

（8）氧化鋁濃度的分布可能會影響到陽極電壓，所以本文采用陽極電壓對氧化鋁濃度分布進行判斷。對某個測點的陽極電壓求標準差，若標準差大于設定的數，則表明可能由于氧化鋁濃度不均勻導致，否則不是。最后分析80個點的判斷，得出結論。

3 實驗結果和分析

登錄系統，選取某鋁廠一分廠一車間一工區的一天，可以看到如圖1所示的展示圖形。

該系統目前監測某鋁廠的兩個電解槽，通過圖片展示用戶可以清楚的看到鋁電解槽的八類狀態的情形。

為了能夠更加清楚地展示細節，該系統還可以進行可視化交互，將鼠標移至某一種狀態點擊后，可觀測到個個測量點的可視化狀態，由于八類狀態每類屬于兩種或三種狀態，所以本實驗認為使用點圖既可以很好地表示每類狀態的各個數據點位置，又可以按照顏色區分每個數據點的最終狀態，效果如圖2所示。

圖1 電解槽畫像展示

圖2 陰極破損可視化展示

4 結論

21世紀正處于信息化時代，互聯網+給人類帶來的便利有目共睹[6]。在電解鋁的生產過程中將這些數據利用互聯網和數據可視化可大大提高生產過程中對問題槽子的查找排查速度。本實驗采用echarts可視化工具，結合鋁電解生產工藝，可以清晰地將問題反饋給現場工藝人人員。實現生產信息化、可視化。

[1] 喬薩礎拉, 努爾布力, 蘇芮. 數據可視分析研究現狀與發展趨勢的圖譜分析[J]. 現代電子技術, 2018(14).

[2] 陸旻, 袁曉如. 地理空間數據可視化中的過濾[J]. 計算機輔助設計與圖形學學報, 2016, 28(5): 702-711.

[3] 趙仁濤, 紫京浩, 張志芳, 等. 鋁電解槽陽極電流檢測方法的研究[J]. 有色金屬(冶煉部分), 2014(3): 14-17.

[4] 趙仁濤, 林立明, 張志芳, 等. 鋁電解槽陽極數據分析[J]. 有色金屬(冶煉部分), 2014(1): 28-32.

[5] 曹丹陽, 李晉宏, 王紹鵬, 等. 統計過程控制在鋁電解生產中的應用研究[J]. 冶金自動化, 2010, 34(6): 20-24.

[6] 曹丹陽, 楊炳儒, 李晉宏, 等. 多維分析技術在鋁電解生產中的應用研究[J]. 冶金自動化, 2010, 34(1): 16-21.

[7] 李大偉, 杜洪波, 周孝林, 等. 基于“用戶畫像”挖掘的圖書推薦App設計[J]. 軟件, 2018(5).

[8] 李晉宏, 戴海濤. 可穿戴設備數據挖掘及可視化技術的研究[J]. 軟件, 2015, 36(12): 69-71.

[9] Visualization of streaming data_ Observing change and context in information visualization techniques.

[10] An Enhanced Visualization Process Model for Incremental Visualization.

[11] Imawan A, Kwon J. A timeline visualization system for road traffic big data[C]// IEEE International Conference on Big Data. IEEE, 2015: 2928-2929.

[12] 宋麗麗, 康林沖, 王漪, 等. 基于B/S的海洋環境數據可視化與服務[J]. 海洋科學, 2016, 40(7): 124-131.

[13] 蘇立, 詹舒波. 計算機輔助電話調查系統問卷及xml可視化生成設計與實現[J]. 軟件, 2016(2): 116-120.

[14] 孫彥超, 章堅民. 基于MATLAB的DG選址定容可視化系統的設計與實現[J]. 軟件, 2018(4).

[15] 馬明明, 胡俊. 面向文本的標簽云可視化度量模型的研究[J]. 軟件, 2018(5).

Visualization Display of Electrolytic Aluminum Data

LI Jin-hong, YUAN Yuan

(College of Computer Science, North China University of Technology, Shijingshan 100144, Beijing)

In view of the problem of cannot Intuitively and explicitly visual visualization of aluminum cells at present. This paper uses statistical methods for multi angle analysis of measurement data of an aluminum electrolysis plant for analysis. A judgment symbol of each data can be obtained. Finally, the aluminum reduction cell can be visualized with drawing a portrait. This method is more effective to draw a clear conclusion, the process can more quickly find the measurement problems. It solves the problem that the technicians don't understand the data conclusions and a large number of data conclusions are not clear enough that it takes more energy to understand the data.

Aluminum electrolysis production; Image of aluminum cell; Statistical analysis; Visualization of data

TP301.6

A

10.3969/j.issn.1003-6970.2018.12.034

李晉宏(1965-)，男，教授，主要研究方向：工業生產智能系統、數據挖掘等；袁媛(1994-)，女，研究生，主要研究方向：數據挖掘及其可視化分析。

李晉宏，袁媛. 鋁電解槽狀態可視化展示[J]. 軟件，2018，39（12）：151-154