1.本技术属于数据处理技术领域，尤其涉及一种加热炉能力确定方法、装置、设备及计算机存储介质。
背景技术：2.热轧加热炉是钢铁生产过程中及其重要的装备，其通过将铸坯加热到热轧需要的温度，满足铸坯的热变形条件并实现板带材的性能提升，同时也是在钢铁生产过程中降低燃耗、降低成本的关键。因此，加热炉的稳定运行至关重要，对于加热炉的工艺保证能力的衡量也成为了一个重要任务。
技术实现要素：3.本技术实施例提供一种加热炉能力确定方法、装置、设备及计算机存储介质，能够对加热炉的加热能力进行量化评价，便于对加热炉进行监控及预警。
4.第一方面，本技术实施例提供一种加热炉能力确定方法，方法包括：
5.获取加热炉的生产数据，生产数据包括温度数据和目标对象的生产数据；
6.提取目标对象的生产数据的特征值；
7.根据温度数据，获取目标对象的生产数据的特征值对应的第一数值和第一数值绝对偏差，第一数值为特征值的标准值，第一数值偏差为特征值的标准值绝对偏差；
8.根据特征值、第一数值和第一数值绝对偏差确定特征值的评分，特征值的评分用于衡量特征值的数值水平；
9.根据特征值的评分和预设特征值权重计算目标对象的评分，目标对象的评分用于表征目标对象的性能；
10.基于目标对象的评分确定目标得分，目标得分用于描述加热炉的能力水平。
11.第二方面，本技术实施例提供了一种加热炉能力确定装置，装置包括：
12.获取模块，用于获取加热炉的生产数据，生产数据包括温度数据和目标对象的生产数据；
13.提取模块，用于提取目标对象的生产数据的特征值；
14.获取模块，还用于根据温度数据，获取目标对象的生产数据的特征值对应的第一数值和第一数值绝对偏差，第一数值为特征值的标准值，第一数值绝对偏差为特征值的标准值绝对偏差；
15.确定模块，用于根据特征值、第一数值和第一数值绝对偏差确定特征值的评分，特征值的评分用于衡量特征值的数值水平；
16.计算模块，用于根据特征值的评分和预设特征值权重计算目标对象的评分，目标对象的评分用于表征目标对象的性能；
17.确定模块，还用于基于目标对象的评分确定目标得分，目标得分用于描述加热炉的能力水平。
18.第三方面，本技术实施例提供了一种加热炉能力确定设备，设备包括：
19.处理器，以及存储有计算机程序指令的存储器；
20.处理器读取并执行计算机程序指令，以实现第一方面的加热炉能力确定方法。
21.第四方面，本技术实施例提供了一种计算机存储介质，计算机存储介质上存储有计算机程序指令，计算机程序指令被处理器执行时实现第一方面的加热炉能力确定方法。
22.第五方面，本技术实施例提供了一种计算机程序产品，计算机程序产品中的指令由电子设备的处理器执行时，使得电子设备执行第一方面的加热炉能力确定方法。
23.本技术实施例的加热炉能力确定方法、装置、设备及计算机存储介质，能够基于加热炉的生产数据计算得到生产数据的特征值数据，并进一步基于特征值数据计算得到目标对象的评分，通过该评分确定加热炉的得分，实现对加热炉能力的量化分析，达到监控预警的目的。
附图说明
24.为了更清楚地说明本技术实施例的技术方案，下面将对本技术实施例中所需要使用的附图作简单的介绍，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
25.图1是本技术实施例提供的一种加热炉能力确定方法的流程示意图；
26.图2是本技术实施例提供的一种目标得分结果图；
27.图3是本技术实施例提供的一种加热炉得分图；
28.图4是本技术实施例提供的一种加热炉能力确定装置的结构示意图；
29.图5是本技术实施例提供的一种加热炉能力确定设备的结构示意图。
具体实施方式
30.下面将详细描述本技术的各个方面的特征和示例性实施例，为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及具体实施例，对本技术进行进一步详细描述。应理解，此处所描述的具体实施例仅意在解释本技术，而不是限定本技术。对于本领域技术人员来说，本技术可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本技术的示例来提供对本技术更好的理解。
31.需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
32.在钢铁生产领域，热轧加热炉是一种重要的加工设备，通过将铸坯加热到热轧需要的温度，满足铸坯的热变形条件并实现板带材的性能提升。为了保障热轧加热炉的正常运行，实现监控和预警，需要对加热炉的工艺保证能力进行量化处理。
33.为了解决现有技术问题，本技术实施例提供了一种加热炉能力确定方法、装置、设
备及计算机存储介质。下面首先对本技术实施例所提供的加热炉能力确定方法进行介绍。
34.图1示出了本技术一个实施例提供的加热炉能力确定方法的流程示意图。如图1所示，该方法可以包括以下步骤：
35.s110、获取加热炉的生产数据，生产数据包括温度数据和目标对象的生产数据。
36.获取加热炉用于生产目标对象时的生产数据，生产数据包括温度数据和目标对象的生产数据，温度数据为目标对象的出炉温度，目标对象的生产数据为目标对象生产时的条件数据。其中，目标对象为生产对象，例如，钢卷、钢板等，对此不作限定。
37.在一些实施例中，目标对象的生产数据包括热轧温度数据、热轧轧制力数据、热轧电流数据和热轧压下数据中的至少一项
38.s120、提取目标对象的生产数据的特征值。
39.提取目标对象的生产数据的特征值，特征值为可以描述生产数据特征的值，例如，特征值可以为标准差、极差等等，对此不作限定。
40.在一种实施例中，目标对象的生产数据的特征值包括头部异常评价、中部异常评价、尾部异常评价、标准差、极差、斜率、名义凸度中的至少一项。选取生产数据前
ɑ
的数据，计算平均值得到头部异常评价head；选取生产数据中
ɑ
至β的数据，计算平均值得到中部异常评价mid；选取生产数据后100％-β的数据，计算平均值得到尾部异常评价tail。标准差σ的计算公式如下：
[0041][0042]
其中，n为数据数量，yi为第i个数据值，为n个数据的平均值。
[0043]
选取生产数据中
ɑ
至β的数据，确定最大值max和最小值min，计算极差r：
[0044]
r＝max-min
[0045]
根据生产数据，计算斜率k：
[0046][0047]
其中，xi为第i个数据值的采集时间数据，为n个数据的采集时间的平均值数据。
[0048]
选取生产数据前
ɑ
的数据，计算中位数，记为me
head
；选取生产数据中
ɑ
至β的数据，计算中位数，记为me
mid
；选取生产数据后100％-β的数据，计算中位数，记为me
tail
。计算名义凸度crw：
[0049][0050]
其中，
ɑ
和β可以根据实际需要进行设置，推荐
ɑ
取值范围2％～20％，推荐β取值范围80％～98％，具体取值不作限定。
[0051]
s130、根据温度数据，获取目标对象的生产数据的特征值对应的第一数值和第一数值绝对偏差，第一数值为特征值的标准值，第一数值绝对偏差为特征值的标准值绝对偏差。
[0052]
根据目标对象的出炉温度，获取在该温度下目标对象的生产数据的特征值对应的
第一数值和第一数值绝对偏差madf。其中，第一数值和第一数值绝对偏差可以为预先设置的标准值和标准值偏差，也可以为从历史数据库中获取的数据。
[0053]
s140、根据特征值、第一数值和第一数值绝对偏差确定特征值的评分，特征值的评分用于衡量特征值的数值水平。
[0054]
根据特征值f、第一数值和第一数值绝对偏差madf，计算特征值的评分sf的公式如下：
[0055][0056][0057]
s150、根据特征值的评分和预设特征值权重计算目标对象的评分，目标对象的评分用于表征目标对象的性能。
[0058]
计算特征值的评分和预设特征值权重的乘积作为目标对象的评分，得到的评分用于表征目标对象的性能。其中，预设特征值权重可以为人工设置或历史数据库中存储的数据，对此不作限定。
[0059]
在一些实施例中，预设特征值权重包括头部异常评价权重ω
head
、中部异常评价权重ω
mid
、尾部异常评价权重ω
tail
、标准差权重ω
σ
、极差权重ωr、斜率权重ωk、名义凸度权重ω
crw
，根据预设权重值计算目标对象的评分s:
[0060]
s＝s
head
×
ω
head
+s
mid
×
ω
mid
+s
tail
×
ω
tail
+sk×
ωk+s
σ
×
ω
σ
+sr[0061]
×
ωr+s
crw
×
ω
crw
[0062]
在一些实施例中，目标对象的生产数据包括热轧温度数据、热轧轧制力数据、热轧电流数据和热轧压下数据，则目标对象的评分包括热轧温度数据评分s
temp
、热轧轧制力数据评分s
rf
、热轧电流数据评分s
cur
和热轧压下数据评分s
shc
。
[0063]
在一种示例中，目标对象的评分s计算的结果如表1所示。例如1号对象，即1号钢卷的头部异常值评分为21.89％，中部异常值评分为72.99％，尾部异常值评分为50.94％，标准差评分为57.70％，极差评分为45.42％，斜率评分为57.82％，名义凸度评分为21.62％，计算得到该钢卷的得分为48.60％，即该钢卷的加热质量评分为48.60％。
[0064]
表1
[0065][0066][0067]
s160、基于目标对象的评分确定目标得分，目标得分用于描述加热炉的能力水平。
[0068]
目标对象的评分为预设时间段内多个对象的评分，基于多个对象的评分计算目标得分。
[0069]
在一些实施例中，每个对象的综合得分ss的计算公式如下：
[0070]
ss＝s
temp
×
ω
temp
+s
rf
×
ω
rf
+s
cur
×
ω
cur
+s
shc
×
ω
shc
[0071]
其中，ω
temp
为预设的热轧温度数据权重，ω
rf
为预设的热轧轧制力数据权重，ω
cur
为预设的热轧电流数据权重，ω
shc
为预设的热轧压下数据权重，上述权重可以为经验评估结果，对此不作限定。计算预设时间段内所有对象的综合得分的平均值score为目标得分，用于描述加热炉的能力水平。
[0072]
在一些实施例中，总得分score的评级规则为:score≤5％，危险；5％《score≤40％，差；40％《score≤70％，良好；70《score≤100，优秀。
[0073]
在一种示例中，ω
temp
、ω
rf
、ω
cur
、ω
shc
设置为0.40、0.40、0.1、0.1。
[0074]
本技术实施例提供的加热炉能力确定方法，能够基于加热炉的生产数据计算得到生产数据的特征值数据，并进一步基于特征值数据计算得到目标对象的评分，通过该评分确定加热炉的得分，实现对加热炉能力的量化分析，达到监控预警的目的。
[0075]
在一些实施例中，获取加热炉的生产数据之前，方法包括：获取加热炉历史生产数据，历史生产数据包括历史温度数据和历史目标对象的生产数据；提取历史生产数据的特征值；按照预设规则计算特征值的预设特征值权重。获取加热炉的历史生产数据，历史生产数据包括历史温度数据和历史目标对象的生产数据，历史温度数据为历史对象的出炉温度
数据。利用熵权法、层次分析法、遗传算法和经验评估来确定各个特征值的权重，对于各个方法得到的特征值取平均值作为各个特征值的预设特征权重。具体地，根据熵权法计算得到各特征值的权重到各特征值的权重其中，权重和为1；根据层次分析法计算得到各特征值的权重其中，权重和为1；根据遗传算法计算得到各特征值的权重重和为1；根据遗传算法计算得到各特征值的权重根据经验评估得到各特征值的权重根据经验评估得到各特征值的权重计算得到预设特征权重计算得到预设特征权重其中，f为各特征值。
[0076]
在一种示例中，利用不同方法计算的特征值权重结果如表2所示。对于特征值头部异常值、中部异常值、尾部异常值、标准差、极差、斜率和名义凸度，熵权法计算的各特征值权重为17.00％、15.90％、2.70％、20.60％、17.20％、12.30％、14.40％；层次分析法计算的各特征值权重为6.70％、12.90％、6.50％、32.00％、31.40％、5.80％、4.80％；遗传算法计算的各特征值权重为13.20％、5.20％、11.10％、27.60％、25.70％、13.60％、3.50％；经验评估计算的各特征值权重为5.00％、5.00％、5.00％、30.00％、25.00％、15.00％、15.00％；计算得到的各特征值的最终权重即预设特征权重为10.48％、9.75％、6.33％、27.55％、24.83％、11.68％、9.43％。
[0077]
表2
[0078][0079]
在一些实施例中，方法还包括：根据历史温度数据对历史生产数据分组；确定每组数据的中位数和中位数绝对偏差，得到第一结果。根据历史温度对历史生产数据分组，分组间隔取值范围为20℃～100℃。计算每组数据中特征值的中位数me，得到{me
head
、me
mid
、me
tail
、me
σ
、mer、mek、me
crw
}，并进一步计算平均中位数和每组数据中特征值的中位数绝对偏差madf，madf的计算公式如下：
[0080]
madf＝median(|f-mef|)
[0081]
其中，第一结果为平均中位数和中位数绝对偏差madf。
[0082]
在一些实施例中，根据温度数据获取目标对象的生产数据的特征值对应的第一数值和第一数值绝对偏差，包括：根据温度获取历史数据库中的第一数值和第一数值绝对偏差。根据目标对象的出炉温度，获取历史数据库中对应的温度分组的平均中位数和中位数绝对偏差madf。
[0083]
在一种示例中，历史数据库中的数据如表3所示，例如：对于温度分组1120℃，样本数为11106，平均数:头部异常值为-0.79，标准差:头部异常值为8.81，中位数:头部异常值为-0.92，中位数绝对偏差:头部异常值为5.35，平均数:中部异常值为1.01，标准差:中部异
常值为1.46，中位数:中部异常值为0.81，中位数绝对偏差:中部异常值为0.83，平均数:尾部异常值为-2.28，标准差:尾部异常值为8.69，中位数:尾部异常值为-1.39，中位数绝对偏差:尾部异常值为4.64，平均数:标准差为9.17，标准差:标准差为7.41，中位数:标准差6.67，中位数绝对偏差:标准差为2.43，平均数:极差为24.73，标准差:极差为14.95，中位数:极差为21.56，中位数绝对偏差:极差为5.94，平均数:斜率为0.00，标准差:斜率为0.02，中位数:斜率为0.00，中位数绝对偏差:斜率为0.01，平均数:名义凸度为2.55，标准差:名义凸度为6.71，中位数:名义凸度为2.42，中位数绝对偏差:名义凸度为3.67。
[0084]
表3
[0085][0086][0087]
在一种示例中，目标得分结果如图2所示，一号炉当前得分17.9，最后一次烧钢时的特征值数据为55.54、46.36、45.16、42.78、52.42、56.07和44.75。二号炉当前得分8.5，最后一次烧钢时的特征值数据为55.83、46.01、47.21、39.92、50.77、42.62和51.36。三号炉当前得分34.1，最后一次烧钢时的特征值数据为47.41、17.79、14.69、17.67、25.14、49.62和12.42。四号炉当前得分为9.7，最后一次烧钢时的特征值数据为49.33、35.91、35.63、23.83、28.18、50.17和31.91。
[0088]
在一种示例中，加热炉的得分情况如图3所示，当加热炉的得分低于阈值时，进行
预警，即加热炉得分在箭头1和箭头2所示位置时，进行预警，能够避免生产的成本损失。其中，阈值可以设置，对此不作限定。
[0089]
本技术实施例提供的加热炉能力确定方法，能够基于加热炉的生产数据计算得到生产数据的特征值数据，并进一步基于特征值数据、历史数据库中的特征值权重数据以及第一数值计算得到目标对象的评分，通过该评分确定加热炉的得分，实现对加热炉能力的量化分析，得到加热炉工作时的得分数据，达到监控预警的目的。
[0090]
图4是本技术实施例提供的一种加热炉能力确定装置结构示意图。如图4所示，该装置可以包括获取模块410、提取模块420、确定模块430和计算模块440。
[0091]
获取模块410，用于获取加热炉的生产数据，生产数据包括温度数据和目标对象的生产数据；
[0092]
提取模块420，用于提取目标对象的生产数据的特征值；
[0093]
获取模块410，还用于根据温度数据，获取目标对象的生产数据的特征值对应的第一数值和第一数值绝对偏差，第一数值为特征值的标准值，第一数值绝对偏差为特征值的标准值绝对偏差；
[0094]
确定模块430，用于根据特征值、第一数值和第一数值绝对偏差确定特征值的评分，特征值的评分用于衡量特征值的数值水平；
[0095]
计算模块440，用于根据特征值的评分和预设特征值权重计算目标对象的评分，目标对象的评分用于表征目标对象的性能；
[0096]
确定模块430，还用于基于目标对象的评分确定目标得分，目标得分用于描述加热炉的能力水平。
[0097]
本技术实施例提供的加热炉能力确定装置400，能够基于加热炉的生产数据计算得到生产数据的特征值数据，并进一步基于特征值数据计算得到目标对象的评分，通过该评分确定加热炉的得分，实现对加热炉能力的量化分析，达到监控预警的目的。
[0098]
在一些实施例中，装置还包括：获取模块410，用于获取加热炉历史生产数据，历史生产数据包括历史温度数据和历史目标对象的生产数据；提取模块420，用于提取历史生产数据的特征值；计算模块440，用于按照预设规则计算特征值的预设特征值权重。
[0099]
在一些实施例中，装置还包括：分组模块450，用于根据历史温度数据对历史生产数据分组；确定模块430，还用于确定每组数据的中位数和中位数绝对偏差，得到第一结果。
[0100]
在一些实施例中，获取模块410，用于根据温度数据，获取目标对象的生产数据的特征值对应的第一数值和第一数值绝对偏差，包括：获取模块410，用于根据温度数据获取历史数据库中的第一数值和第一数值绝对偏差。
[0101]
在一些实施例中，目标对象的生产数据包括热轧温度数据、热轧轧制力数据、热轧电流数据和热轧压下数据中的至少一项。
[0102]
在一些实施例中，目标对象的生产数据的特征值包括头部异常评价、中部异常评价、尾部异常评价、标准差、极差、斜率、名义凸度中的至少一项。
[0103]
本技术实施例提供的加热炉能力确定装置，能够基于加热炉的生产数据计算得到生产数据的特征值数据，并进一步基于特征值数据、历史数据库中的特征值权重数据以及第一数值计算得到目标对象的评分，通过该评分确定加热炉的得分，实现对加热炉能力的量化分析，得到加热炉工作时的得分数据，达到监控预警的目的。
[0104]
图4所示装置中的各个模块/单元具有实现图1中各个步骤的功能，并能达到其相应的技术效果，为简洁描述，在此不再赘述。
[0105]
图5示出了本技术实施例提供的加热炉能力确定设备的硬件结构示意图。
[0106]
在加热炉能力确定设备可以包括处理器501以及存储有计算机程序指令的存储器502。
[0107]
具体地，上述处理器501可以包括中央处理器(central processing unit，cpu)，或者特定集成电路(application specific integrated circuit，asic)，或者可以被配置成实施本技术实施例的一个或多个集成电路。
[0108]
存储器502可以包括用于数据或指令的大容量存储器。举例来说而非限制，存储器502可包括硬盘驱动器(hard disk drive，hdd)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(universal serial bus，usb)驱动器或者两个或更多个以上这些的组合。在一个实例中，存储器502可以包括可移除或不可移除(或固定)的介质，或者存储器502是非易失性固态存储器。存储器502可在综合网关容灾设备的内部或外部。
[0109]
在一个实例中，存储器502可包括只读存储器(rom)，随机存取存储器(ram)，磁盘存储介质设备，光存储介质设备，闪存设备，电气、光学或其他物理/有形的存储器存储设备。因此，通常，存储器502包括一个或多个编码有包括计算机可执行指令的软件的有形(非暂态)计算机可读存储介质(例如，存储器设备)，并且当该软件被执行(例如，由一个或多个处理器)时，其可操作来执行参考根据本技术的一方面的方法所描述的操作。
[0110]
处理器501通过读取并执行存储器502中存储的计算机程序指令，以实现图1所示实施例中的方法/步骤s110至s160，并达到图1所示实例执行其方法/步骤达到的相应技术效果，为简洁描述在此不再赘述。
[0111]
在一个示例中，加热炉能力确定设备还可包括通信接口503和总线510。其中，如图5所示，处理器501、存储器502、通信接口503通过总线510连接并完成相互间的通信。
[0112]
通信接口503，主要用于实现本技术实施例中各模块、装置、单元和/或设备之间的通信。
[0113]
总线510包括硬件、软件或两者，将加热炉能力确定设备的部件彼此耦接在一起。举例来说而非限制，总线可包括加速图形端口(accelerated graphics port，agp)或其他图形总线、增强工业标准架构(extended industry standard architecture，eisa)总线、前端总线(front side bus，fsb)、超传输(hyper transport，ht)互连、工业标准架构(industry standard architecture，isa)总线、无限带宽互连、低引脚数(lpc)总线、存储器总线、微信道架构(mca)总线、外围组件互连(pci)总线、pci-express(pci-x)总线、串行高级技术附件(sata)总线、视频电子标准协会局部(vlb)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下，总线510可包括一个或多个总线。尽管本技术实施例描述和示出了特定的总线，但本技术考虑任何合适的总线或互连。
[0114]
该加热炉能力确定设备可以基于获取的加热炉生产数据执行本技术实施例中的加热炉能力确定方法，从而实现结合图1描述的加热炉能力确定方法。
[0115]
另外，结合上述实施例中的加热炉能力确定方法，本技术实施例可提供一种计算机存储介质来实现。该计算机存储介质上存储有计算机程序指令；该计算机程序指令被处理器执行时实现上述实施例中的任意一种加热炉能力确定方法。
[0116]
本技术实施例提供一种计算机程序产品，计算机程序产品中的指令由电子设备的处理器执行时，使得电子设备执行上述实施例中的任意一种加热炉能力确定方法。
[0117]
需要明确的是，本技术并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见，这里省略了对已知方法的详细描述。在上述实施例中，描述和示出了若干具体的步骤作为示例。但是，本技术的方法过程并不限于所描述和示出的具体步骤，本领域的技术人员可以在领会本技术的精神后，作出各种改变、修改和添加，或者改变步骤之间的顺序。
[0118]
以上所述的结构框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时，其可以例如是电子电路、专用集成电路(application specific integrated circuit，asic)、适当的固件、插件、功能卡等等。当以软件方式实现时，本技术的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中，或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、rom、闪存、可擦除rom(erom)、软盘、cd-rom、光盘、硬盘、光纤介质、射频(radio frequency，rf)链路，等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。
[0119]
还需要说明的是，本技术中提及的示例性实施例，基于一系列的步骤或者装置描述一些方法或系统。但是，本技术不局限于上述步骤的顺序，也就是说，可以按照实施例中提及的顺序执行步骤，也可以不同于实施例中的顺序，或者若干步骤同时执行。
[0120]
上面参考根据本技术的实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本技术的各方面。应当理解，流程图和/或框图中的每个方框以及流程图和/或框图中各方框的组合可以由计算机程序指令实现。这些计算机程序指令可被提供给通用计算机、专用计算机、或其它可编程数据处理装置的处理器，以产生一种机器，使得经由计算机或其它可编程数据处理装置的处理器执行的这些指令使能对流程图和/或框图的一个或多个方框中指定的功能/动作的实现。这种处理器可以是但不限于是通用处理器、专用处理器、特殊应用处理器或者现场可编程逻辑电路。还可理解，框图和/或流程图中的每个方框以及框图和/或流程图中的方框的组合，也可以由执行指定的功能或动作的专用硬件来实现，或可由专用硬件和计算机指令的组合来实现。
[0121]
以上所述，仅为本技术的具体实施方式，所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的系统、模块和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。应理解，本技术的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本技术揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本技术的保护范围之内。
技术特征：1.一种加热炉能力确定方法，其特征在于，包括：获取加热炉的生产数据，所述生产数据包括温度数据和目标对象的生产数据；提取所述目标对象的生产数据的特征值；根据所述温度数据，获取所述目标对象的生产数据的特征值对应的第一数值和第一数值绝对偏差，所述第一数值为特征值的标准值，所述第一数值绝对偏差为特征值的标准值绝对偏差；根据所述特征值、所述第一数值和所述第一数值绝对偏差确定所述特征值的评分，所述特征值的评分用于衡量所述特征值的数值水平；根据所述特征值的评分和预设特征值权重计算目标对象的评分，所述目标对象的评分用于表征所述目标对象的性能；基于所述目标对象的评分确定目标得分，所述目标得分用于描述所述加热炉的能力水平。2.根据权利要求1所述的方法，其特征在于，所述获取加热炉的生产数据之前，所述方法包括：获取加热炉历史生产数据，所述历史生产数据包括历史温度数据和历史目标对象的生产数据；提取所述历史生产数据的特征值；按照预设规则计算所述特征值的预设特征值权重。3.根据权利要求2所述的方法，其特征在于，所述方法还包括：根据所述历史温度数据对所述历史生产数据分组；确定每组数据的中位数和中位数绝对偏差，得到第一结果。4.根据权利要求3所述的方法，其特征在于，所述根据所述温度数据获取所述目标对象的生产数据的特征值对应的第一数值和第一数值绝对偏差，包括：根据所述温度数据获取历史数据库中的第一数值和第一数值绝对偏差。5.根据权利要求1-4任一项所述的方法，其特征在于，所述目标对象的生产数据包括热轧温度数据、热轧轧制力数据、热轧电流数据和热轧压下数据中的至少一项。6.根据权利要求5所述的方法，其特征在于，所述目标对象的生产数据的特征值包括头部异常评价、中部异常评价、尾部异常评价、标准差、极差、斜率、名义凸度中的至少一项。7.一种加热炉能力确定装置，其特征在于，所述装置包括：获取模块，用于获取加热炉的生产数据，所述生产数据包括温度数据和目标对象的生产数据；提取模块，用于提取所述目标对象的生产数据的特征值；所述获取模块，还用于根据所述温度数据，获取所述目标对象的生产数据的特征值对应的第一数值和第一数值绝对偏差，所述第一数值为特征值的标准值，所述第一数值绝对偏差为特征值的标准值绝对偏差；确定模块，用于根据所述特征值、所述第一数值和所述第一数值绝对偏差确定所述特征值的评分，所述特征值的评分用于衡量所述特征值的数值水平；计算模块，用于根据所述特征值的评分和预设特征值权重计算目标对象的评分，所述目标对象的评分用于表征所述目标对象的性能；
所述确定模块，还用于基于所述目标对象的评分确定目标得分，所述目标得分用于描述所述加热炉的能力水平。8.一种加热炉能力确定设备，其特征在于，所述加热炉能力确定设备包括：处理器，以及存储有计算机程序指令的存储器；所述处理器读取并执行所述计算机程序指令，以实现如权利要求1-6任意一项所述的加热炉能力确定方法。9.一种计算机存储介质，其特征在于，所述计算机存储介质上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现如权利要求1-6任意一项所述的加热炉能力确定方法。10.一种计算机程序产品，其特征在于，所述计算机程序产品中的指令由电子设备的处理器执行时，使得所述电子设备执行如权利要求1-6任意一项所述的加热炉能力确定方法。
技术总结本申请实施例提供了一种加热炉能力确定方法、装置、设备及计算机存储介质。方法包括：获取加热炉的生产数据，基于生产数据、获取的第一数值及第一数值绝对偏差计算加热炉生产数据的特征值及特征值得分，并进一步计算加热炉的能力得分。根据本申请实施例的加热炉能力确定方法，能够对加热炉的能力水平进行量化评价，实现预警作用。实现预警作用。实现预警作用。
技术研发人员：谢保盛 刘洺瑞
受保护的技术使用者：湖南华菱涟钢特种新材料有限公司
技术研发日：2022.03.17
技术公布日：2022/7/5
