节能降耗问题已成为全球经济发展中一个具有战略意义的问题。本文针对铝电解过程难以数字化、难以建立精确的模型,从而导致不能实时、全面检测电流效率铝电解生产过程和难以控制优化运行的问题,提出一种基于数据驱动的铝电解电流效率智能优化策略,针对电解槽的不同状态,实现电流效率的智能优化,为槽控系统和工作人员提供一组可靠的决策变量,达到提升电流效率的目的。使用实际生产数据验证本课题优化策略的有效性,实验表明采用本文的优化策略能将电流效率保持在一个期望范围内,可以为技术人员提供决策参考。论文内容主要分为以下几部分:为获取实时准确的电流效率,建立基于混合鲸鱼模拟退火算法优化核极限学习机(WOASA-KELM)的铝电解电流效率预测模型。为避免数据冗余对预测模型的不利影响,采用主元分析法对数据进行降维处理得到模型输入变量,并采用基于密度的算法剔除原始数据中的离群点,保证数据质量。电解槽处于不同电解状态时,采用的控制策略不同,通过建立槽况分类模型,对槽况进行准确判断,为电流效率优化提供参考。电解温度是铝电解过程槽况稳定最重要的表征参数,结合电解槽在不同温度区域内槽状态不同,以电解温度作为槽况判据来划分槽况类别,通过分析铝电解过程,得到影响电解温度的主要操作参数,建立基于概率神经网络(PNN)的铝电解过程槽况分类模型。基于电流效率预测模型与槽况分类模型,建立铝电解过程操作参数优化模型,以生产工艺条件为约束条件,以最高电流效率与电解槽状态优为目标,采用混合鲸鱼模拟退火算法(WOASA)寻找最优电流效率值与电解温度区域所对应的生产技术参数。在电流效率低于阈值92%的情况下,对电流效率低的原因进行溯因分析,找到导致电流效率低的原因,有针对性的对操作参数设定值进行调整,将电流效率控制在目标范围内,从而提高铝电解槽的平均电流效率,实现智能决策,达到节能降耗的目的。最后,将本文所提出的方法在MATLAB上进行验证。实验表明采用本文的参数调整机制,可以将电流效率保持在一个相对较高的状态,可以为铝电解槽控系统设计与工作人员决策提供参考。