铝电解槽状态可视化展示

李晋宏，袁 媛



铝电解槽状态可视化展示

李晋宏，袁 媛

（北方工业大学 计算机学院，北京 100144）

针对目前不能给出一个直观明确的铝电解槽可视化画像的问题，本文利用统计学方法，结合某铝电解厂的测量数据，进行了多角度分析，可以得出一个各个数据的判断符号，最后结合可视化形式对铝电解槽进行可视化画像展示。这种方法更加有效的得出一个清晰地结论，也使工艺人员可以更快速地找到测量到的问题点。解决了工艺人员不了解数据结论的问题和大量数据结论不够清晰以至于现场人员需要消耗时间去理解数据的问题。

铝电解生产；电解槽画像；统计学分析；数据可视化

0 引言

随着信息科技的高速发展，现代社会每时每刻都会产生大量的数据，大数据的时代已经到来了。面对海量数据，如何处理分析以及存储是当前亟需解决的问题，而数据可视化分析技术是大数据分析的重要方法，可以帮助数据分析人员更快的找到数据中隐含的规律和模式[1]。数据可视化主要是利用将数据进行图形化来更加清晰明确地表示信息，是关于数据视觉表现形式的科学技术研究。但是，这并不就意味着，数据可视化就一定因为要实现其功能用途而令人感到枯燥乏味，或者是为了看上去绚丽多彩而显得极端复杂。数据可视化与信息图形、信息可视化、科学可视化以及统计图形密切相关。当前，在研究、教学和开发领域，数据可视化乃是一个极为活跃而又关键的方面。“数据可视化”这条术语实现了成熟的科学可视化领域与较年轻的信息可视化领域的统一。可视化及可视分析将数据通过直观的视觉形式展现给用户，并提供有效的交互方式支持用户对数据进行探索[2]。

1 研究背景

在大数据背景下，我们可以检测到铝电解生产过程中的诸多数据，这些数据具有复杂性和实时性，反映一个电解槽生产过程中各个部分的质量问题。

目前，国内对铝电解生产工艺的研究比较多，但关于测量生产过程中的数据，以及利用这些数据进行多维分析的研究还处于初级阶段，铁军利用矩形导体周围磁场测得阳极导杆电流的数据[3]并对阳极电压数据采用因子分析和功率谱分析法进行分析[4]；北方工业大学的李晋宏教授为了减小铝电解生产过程中的误差，及时发现测量错误，将统计过程控制引入到铝电解生产中，实现了一个面向铝电解生产的统计过程控制系统[5]；北方工业大学的曹丹阳等教授在研究多维分析的基础上结合铝电解生产数据的特点详细阐述铝电解槽生产数据多维分析系统的实现与应用[6]；在铝电解数据可视化方向，国内并没有过多的研究，没有一个合适的方法对这些数据进行展示。

本文采集了某电解铝厂生产过程中的四大类数据：阳极电压、阴极电压、钢棒温度和侧壁温度，一共有196个测点，针对这四类数据进行数据处理再结合工艺人员的专业知识，综合展示出来一个电解槽的画像。铝电解生产过程中可能会产生8中状态：（1）阳极是否长包；（2）铝液是否升高；（3）过热度高低；（4）伸腿的长度的情况；（5）炉帮的厚度的情况；（6）阴极是否破损；（7）是否有热传导；（8）氧化铝的浓度是否均匀。这些状态与整个槽状态息息相关，影响着铝电解生产的质量。

2 实验数据

电解槽测量数据分为：阳极电压（AB 两侧分别16点），阴极电压（AB两侧分别40点），阴极钢棒温度（AB两侧共80点），槽壳温度（AB两侧分别20点）。

2.1 数据处理

数据采集过程中可能由于设备等原因产生空缺值，针对这些数据异常点需要进行数据清洗，根据数据可观测出异常点属于极个别现象，简单处理即可，本文采用的方法为删除异常点，直接将空缺值进行删除。

根据系统选取的时间，可以获得在时间序列上的一组数据，将这四类数据进行简单的预处理后再对四类数据求平均值、方差、标准差、斜率，根据不同需求得到的平均值、方差、标准差的多维分析可以得出八种不同状态的数据，最后用可视化图形进行展示。

根据研究背景可知以及公益人员的专业知识和经验结合多维分析，本实验将这八类状态的返回形式分别设置为：（1）阳极破损为01；（2）铝液液面状态为+0-；（3）过热度为+0-；（4）伸腿的长度+0-；（5）炉帮的厚度为+0-；（6）阴极破损为01；（7）热传导+0-；（8）氧化铝的浓度+0-。对应每类状态，利用这四类数据进行不同的算法计算，得出一个可能的结果反馈给现场的工艺人员。

2.2 判断算法

（2）铝液升高的判断需要设立一个delta值（记作1），判断一段时间的阳极电压变化为+1，若1的长时间大于某个极小值则判定为铝液升高，若1在正负极小值区间波动，则表明铝液液面正常，符合生产过程中的变化现象，若是1长时间为负数且小于某个极小值，那么就猜测可能是铝液液面降低。

（3）根据阳极电压的斜率变化2判断过热度是否正常，选择24小时的数据求斜率，若2在某个极小值正负值之间变化则说明过了度正常，否则 若大于极小值正值则表示过热，小于极小值负值则过低。

（5）一共有20槽壳温度的测试点（一边10个），求每一个测试点24小时的斜率，将求得的斜率如上述比较方法得出每个点的符号，最后在观测整体符号情况，设定一个特定值。若整体大于特定值则判定炉帮变厚，小于特定值的负值则炉帮变薄，否则不变。

（6）阴极破损与钢棒温度相关，阴极若发生破损钢棒温度会急剧上升。若>1,则可能改点出现阴极破损情况，这80个数据中有一个数据出现>1，则表明整个电解槽画像可能出现阴极破损现象。

（7）热传导的判断，本实验中是依据阴极电压和钢棒温度的相关性进行判断的，将这两类数据集合组成一个矩阵，判断矩阵的协方差后求得相关系数。得到每组数据相关系数后综合分析80个数据，得出是否有热传导现象。

a. 协方差公式：

b. 相关系数：

Var[]、Var[]为、的方差。

（8）氧化铝浓度的分布可能会影响到阳极电压，所以本文采用阳极电压对氧化铝浓度分布进行判断。对某个测点的阳极电压求标准差，若标准差大于设定的数，则表明可能由于氧化铝浓度不均匀导致，否则不是。最后分析80个点的判断，得出结论。

3 实验结果和分析

登录系统，选取某铝厂一分厂一车间一工区的一天，可以看到如图1所示的展示图形。

该系统目前监测某铝厂的两个电解槽，通过图片展示用户可以清楚的看到铝电解槽的八类状态的情形。

为了能够更加清楚地展示细节，该系统还可以进行可视化交互，将鼠标移至某一种状态点击后，可观测到个个测量点的可视化状态，由于八类状态每类属于两种或三种状态，所以本实验认为使用点图既可以很好地表示每类状态的各个数据点位置，又可以按照颜色区分每个数据点的最终状态，效果如图2所示。

图1 电解槽画像展示

图2 阴极破损可视化展示

4 结论

21世纪正处于信息化时代，互联网+给人类带来的便利有目共睹[6]。在电解铝的生产过程中将这些数据利用互联网和数据可视化可大大提高生产过程中对问题槽子的查找排查速度。本实验采用echarts可视化工具，结合铝电解生产工艺，可以清晰地将问题反馈给现场工艺人人员。实现生产信息化、可视化。

[1] 乔萨础拉, 努尔布力, 苏芮. 数据可视分析研究现状与发展趋势的图谱分析[J]. 现代电子技术, 2018(14).

[2] 陆旻, 袁晓如. 地理空间数据可视化中的过滤[J]. 计算机辅助设计与图形学学报, 2016, 28(5): 702-711.

[3] 赵仁涛, 紫京浩, 张志芳, 等. 铝电解槽阳极电流检测方法的研究[J]. 有色金属(冶炼部分), 2014(3): 14-17.

[4] 赵仁涛, 林立明, 张志芳, 等. 铝电解槽阳极数据分析[J]. 有色金属(冶炼部分), 2014(1): 28-32.

[5] 曹丹阳, 李晋宏, 王绍鹏, 等. 统计过程控制在铝电解生产中的应用研究[J]. 冶金自动化, 2010, 34(6): 20-24.

[6] 曹丹阳, 杨炳儒, 李晋宏, 等. 多维分析技术在铝电解生产中的应用研究[J]. 冶金自动化, 2010, 34(1): 16-21.

[7] 李大伟, 杜洪波, 周孝林, 等. 基于“用户画像”挖掘的图书推荐App设计[J]. 软件, 2018(5).

[8] 李晋宏, 戴海涛. 可穿戴设备数据挖掘及可视化技术的研究[J]. 软件, 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] 宋丽丽, 康林冲, 王漪, 等. 基于B/S的海洋环境数据可视化与服务[J]. 海洋科学, 2016, 40(7): 124-131.

[13] 苏立, 詹舒波. 计算机辅助电话调查系统问卷及xml可视化生成设计与实现[J]. 软件, 2016(2): 116-120.

[14] 孙彦超, 章坚民. 基于MATLAB的DG选址定容可视化系统的设计与实现[J]. 软件, 2018(4).

[15] 马明明, 胡俊. 面向文本的标签云可视化度量模型的研究[J]. 软件, 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

李晋宏(1965-)，男，教授，主要研究方向：工业生产智能系统、数据挖掘等；袁媛(1994-)，女，研究生，主要研究方向：数据挖掘及其可视化分析。

李晋宏，袁媛. 铝电解槽状态可视化展示[J]. 软件，2018，39（12）：151-154