一种基于最小二乘支持向量机对卷烟企业蒸汽消耗量进行预测的方法技术

技术编号:11942068 阅读:106 留言:0更新日期:2015-08-26 13:11
本发明专利技术公开了一种基于最小二乘支持向量机对卷烟企业蒸汽消耗量进行预测的方法,运用最小二乘支持向量机的方法建立起一个未来某一段时间蒸汽消耗总量的预测模型,对企业的蒸汽消耗量进行预测,然后根据预测结果利用锅炉蓄热器或蒸汽相关的控制调节系统和方法对蒸汽的供应量和供气压力进行调节,以满足下一时刻蒸汽的实际需求;利用改进后的最小二乘支持向量机的先进预测方法进行蒸汽消耗量的预测能够在短时间内通过运算得到较为精确的预测数据,并利用现代化系统调控优化技术手段,及时调节蒸汽供汽量,提前完成蒸汽供应量优化调控工作,提高蒸汽利用效率,减少蒸汽的浪费,降低现代化卷烟生产过程中的能源成本。

【技术实现步骤摘要】

本专利技术设及卷烟企业生产过程中能源预测控制领域,尤其设及一种基于最小二乘 支持向量机对卷烟企业蒸汽消耗量进行预测的方法。
技术介绍
卷烟工业属于轻工制造业的一员,随着生产制造技术的发展,自动化、信息化水平 的提高,卷烟生产走在了轻工业制造技术的前列;现有的卷烟企业整个生产流程中都需要 消耗一定量的压力不同的饱和蒸汽,如烟叶发酵、烟包回潮、润叶、烘丝、梗丝膨化、糖料间、 制浆房及冷冻站和热交换站等;部分工序的生产设备不仅蒸汽消耗量大,而且还是周期性 用汽,因此不同的生产工况或不同时间的生产均有可能造成用汽量波动;该就导致了在卷 烟企业的生产过程中,一方面可能造成蒸汽供应过量,导致能量浪费;另一方面可能因蒸汽 需求量突然的增加,而蒸汽管网供应不足,影响生产设备运行和产品质量,直接造成经济损 失。 现有技术利用企业能源管理系统记录了t时刻设备蒸汽消耗点的数据和t时刻蒸 汽消耗总量数据,并且利用该些数据对蒸汽的使用量进行预测,还采用了蒸汽蓄热器等手 段来缓解用汽波动的问题,但W上方式都属于被动调控,反馈不及时,调控动作迟缓,缺乏 操作的主动性,还将不可避免的造成一定程度上的能源浪费和损失。
技术实现思路
本专利技术公开了一种基于最小二乘支持向量机对卷烟企业蒸汽消耗量进行预测的 方法,用于解决现有技术中因为利用蒸汽蓄热器等被动调控手段调节卷烟企业蒸汽消耗量 方法而导致的反馈不及时、调控动作迟缓、缺乏操作主动性的问题。 为了解决上述问题,本专利技术采用W下技术方案: -种基于最小二乘支持向量机对卷烟企业蒸汽消耗量进行预测的方法,其特征在 于,包括W下步骤: A;利用各设备蒸汽消耗的数据作为影响蒸汽消耗总量的影响因子对进行预测,根 据数据库数据存储的频率,将各监测时刻的m个蒸汽消耗设备的监测数据构成生产历史数 据集L其中X'tm为t时刻的各设备蒸汽消耗的数据,y'U为t时刻的蒸汽消耗总量,t= 1,2, 3,……n,m为消耗蒸汽的设备的个数,【主权项】1. ,其特征在 于,包括以下步骤: A :利用各设备蒸汽消耗的数据作为影响蒸汽消耗总量的影响因子对进行预测,根据 数据库数据存储的频率,将各监测时刻的m个蒸汽消耗设备的监测数据构成生产历史数据 集L,其中X' tmS t时刻的各设备蒸汽消耗的数据,y' tlS t时刻的蒸汽消耗总量,t = 1,2, 3,......n,m为消耗蒸汽的设备的个数,B :将建立模型的生产历史数据集L作为样本数据,剔除样本数据中数据值为O或负 数的数据列,然后对剔除异常数据后的样本数据进行归一化预处理,数据归一化范围为 ,归一化预处理之后的样本数据设为U :C :利用最小二次支持向量机的建模方法对预处理后的样本数据U进行建模,利用交叉 检验的方法将建模数据U分为训练模型数据U1和测试模型数据U 2两部分,然后用训练模型 数据U1中的X tm作为自变量、用训练模型数据U1中的y tl作为因变量建立预测模型,即将自 变量Xtm作为模型的输入值,将因变量y tl作为模型的输出值,建立预测模型,然后进入下一 步; D :利用最小二次支持向量机的建模方法将输入值Xtm用一个非线性函数-0映射到高 维特征空间变为P(Jt),在此高维特征空间进行线性回归,并在高维特征空间中构造最优决 策函数:利用最小二次支桂么由拔^监扁^丨、#鹿二彳先曰·其中,《,b分别为高维空间中预测模型的复杂度和常数项,Ii为模型的拟合误差,i =1,2,……,t,C为错误惩罚因子,s. t.为约束条件,min为目标函数,然后进入下一步; E :引入拉格朗日乘子对目标优化函数进行拉格朗日变换,同时采用核函数表示方式, 得到卷烟企业中t时刻设备蒸汽消耗点的数据和t时刻蒸汽消耗总量数据的预测模型:其中a i为回归系数,i = 1,2,......,t,然后进入下一 步; F :用测试模型数据U2中的自变量X JP因变量y 1数据进行模型预测精度的测试,测试 过程是将自变量Xi输入预测模型,求得计算值y' i,再与测试模型数据队中真实的因变量 Yi值进行比较,分别计算均方误差MSE、平均绝对误差MAE和平均相对误差MAPE并作为预 测模型的预测精度的评价指标。【专利摘要】本专利技术公开了,运用最小二乘支持向量机的方法建立起一个未来某一段时间蒸汽消耗总量的预测模型,对企业的蒸汽消耗量进行预测,然后根据预测结果利用锅炉蓄热器或蒸汽相关的控制调节系统和方法对蒸汽的供应量和供气压力进行调节,以满足下一时刻蒸汽的实际需求;利用改进后的最小二乘支持向量机的先进预测方法进行蒸汽消耗量的预测能够在短时间内通过运算得到较为精确的预测数据,并利用现代化系统调控优化技术手段,及时调节蒸汽供汽量,提前完成蒸汽供应量优化调控工作,提高蒸汽利用效率,减少蒸汽的浪费,降低现代化卷烟生产过程中的能源成本。【IPC分类】G06F19-00【公开号】CN104866725【申请号】CN201510292193【专利技术人】徐晓光, 王建军, 肖辉, 葛勇, 王璐, 邓业江 【申请人】河南中烟工业有限责任公司【公开日】2015年8月26日【申请日】2015年6月1日本文档来自技高网...

【技术保护点】
一种基于最小二乘支持向量机对卷烟企业蒸汽消耗量进行预测的方法,其特征在于,包括以下步骤:A:利用各设备蒸汽消耗的数据作为影响蒸汽消耗总量的影响因子对进行预测,根据数据库数据存储的频率,将各监测时刻的m个蒸汽消耗设备的监测数据构成生产历史数据集L,其中x’tm为t时刻的各设备蒸汽消耗的数据,y’t1为t时刻的蒸汽消耗总量,t=1,2,3,……n,m为消耗蒸汽的设备的个数,L=x11′x12′...x1m′y11′x21′x21′...x2m′y21′...............xt1′xt2′...xtm′yt1′,]]>然后进入下一步;B:将建立模型的生产历史数据集L作为样本数据,剔除样本数据中数据值为0或负数的数据列,然后对剔除异常数据后的样本数据进行归一化预处理,数据归一化范围为[‑1,1],归一化预处理之后的样本数据设为U:U=x11x12...x1my11x21x21...x2my21...............xt1xt2...xtmyt1,]]>然后进入下一步;C:利用最小二次支持向量机的建模方法对预处理后的样本数据U进行建模,利用交叉检验的方法将建模数据U分为训练模型数据U1和测试模型数据U2两部分,然后用训练模型数据U1中的xtm作为自变量、用训练模型数据U1中的yt1作为因变量建立预测模型,即将自变量xtm作为模型的输入值,将因变量yt1作为模型的输出值,建立预测模型,然后进入下一步;D:利用最小二次支持向量机的建模方法将输入值xtm用一个非线性函数映射到高维特征空间变为在此高维特征空间进行线性回归,并在高维特征空间中构造最优决策函数:利用最小二次支持向量机结构风险最小化原则,选取目标优化函数为:其中,ω,b分别为高维空间中预测模型的复杂度和常数项,ξi为模型的拟合误差,i=1,2,……,t,C为错误惩罚因子,s.t.为约束条件,min为目标函数,然后进入下一步;E:引入拉格朗日乘子对目标优化函数进行拉格朗日变换,同时采用核函数表示方式,得到卷烟企业中t时刻设备蒸汽消耗点的数据和t时刻蒸汽消耗总量数据的预测模型:其中αi为回归系数,i=1,2,……,t,然后进入下一步;F:用测试模型数据U2中的自变量xi和因变量yi数据进行模型预测精度的测试,测试过程是将自变量xi输入预测模型,求得计算值y’i,再与测试模型数据U2中真实的因变量yi值进行比较,分别计算均方误差MSE、平均绝对误差MAE和平均相对误差MAPE并作为预测模型的预测精度的评价指标。...

【技术特征摘要】

【专利技术属性】
技术研发人员:徐晓光王建军肖辉葛勇王璐邓业江
申请(专利权)人:河南中烟工业有限责任公司
类型:发明
国别省市:河南;41

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1