The invention provides a long-term interval prediction method for blast furnace gas based on the optimal allocation of information granularity. The invention of real industrial production based on the data in the data is necessary after the pretreatment, the first is in the horizontal time axis, based on the stage characteristics of energy production and consumption of iron and steel industry, the formation of particles including data of multiple data points; then, taking into account the subsequent fuzzy clustering analysis to the time warping distance, non data standardization for isometric isometric particles; in the application of fuzzy clustering to get cluster center, in the vertical extension to interval values, using fuzzy modeling method can obtain the initial interval prediction results; finally, the optimization model is solved based on the theory of information granularity optimization, long interval forecasting results, auxiliary guide field energy dispatch work. The application can be extended in other energy medium system in iron and steel industry.
【技术实现步骤摘要】
一种基于信息粒度最优分配的钢铁工业高炉煤气长期区间预测方法
本专利技术属于信息
,涉及到粒度计算、动态时间弯曲、模糊系统建模等技术,是一种基于信息粒度最优化的钢铁工业高炉煤气长期区间预测方法。
技术介绍
冶金工业是一个高耗能高排放行业。除氧气、氮气等一次能源外,如何合理利用随钢铁生产过程所产生的副产煤气,亦即二次能源,是目前行业关注的重点。高炉煤气是钢铁生产过程的重要二次能源之一,它随高炉炼铁过程产生,广泛用于热风炉燃烧、焦炉炼焦和低压锅炉等环节。在日常生产中,高炉煤气发生量、热风炉高炉煤气用量等均为现场调度人员的关注重点,对上述产消用户未来趋势的判断,将直接影响到能源调度与优化排产的工作效率,以及企业的能耗成本等。(Guo,Z.C.,Fu,Z.X.(2010).CurrentsituationofenergyconsumptionandmeasurestakenforenergysavingintheironandsteelindustryinChina.Energy,35(11),4356-4360.)。随着冶金企业信息化水平不断提高,数据驱动方法逐渐成为解决此类能源预测问题的有效途径。目前的应用模式主要基于迭代机制构建数据样本,进而采用诸如神经网络、支持向量机等模型进行数据样本训练和趋势预测(Sheng,C.,Zhao,J.,Wang,W.,Leung,H.(2013).Predictionintervalsforanoisynonlineartimeseriesbasedonabootstrappingreservoircomputingne ...
【技术保护点】
一种基于信息粒度最优分配的钢铁工业高炉煤气长期区间预测方法,其特征在于如下步骤:第一步,从钢铁工业现场的实时关系数据库中读取高炉煤气管网各产消用户的流量数据,在建立模型前对流量数据进行处理;所述的流量数据包括高炉煤气发生量、热风炉高炉煤气用量、焦炉高炉煤气用量、冷/热轧高炉煤气用量;第二步,横向的数据粒度化对第一步得到的流量数据进行划分,获得基础数据微粒t
【技术特征摘要】
1.一种基于信息粒度最优分配的钢铁工业高炉煤气长期区间预测方法,其特征在于如下步骤:第一步,从钢铁工业现场的实时关系数据库中读取高炉煤气管网各产消用户的流量数据,在建立模型前对流量数据进行处理;所述的流量数据包括高炉煤气发生量、热风炉高炉煤气用量、焦炉高炉煤气用量、冷/热轧高炉煤气用量;第二步,横向的数据粒度化对第一步得到的流量数据进行划分,获得基础数据微粒t1,t2,……,tN,其中N为粒子个数,各粒子长度不同;第三步,非等长数据微粒规范化通过各微粒间的时间弯曲距离动态计算,选择一个数据微粒作为基准序列,其他数据微粒作为待规范序列;将待规范序列与基准序列做比较,进行伸长或缩短,使各序列长度相同;步骤为:3.1)基准序列选取:对于N个数据微粒t1,t2,……,tN,分别取其中一个与其它微粒计算时间弯曲距离和,并记录相应弯曲路径;在所得结果中,选取一个数据微粒作为基准序列ts,此序列满足即时间弯曲距离和取得最小值所对应序列;其中,DTW(ti,tj)为时间弯曲距离,argMin表示取最小值时对应的ti;基准序列的长度记为n;3.2)数据微粒规范化:根据上一步已获得的待规范序列与基准序列的弯曲路径结果,将待规范序列在弯曲部分进行自我复制或缩减,实现伸长或压缩,使多段非等长的待规范序列等距化,所得的等长序列记做s1,s2,……,sN;第四步,纵向的聚类中心粒度化对等长序列s1,s2,……,sN,应用模糊C均值聚类方法,获得聚类中心和相应模糊隶属度,分别记做vij和uik,其中i=1,2,……,c,j=1,2,……,n,k=1,2,……,N;将聚类中心在纵向进行延展,形成区间数,即:其中,εj称为信息粒度值,和分别是聚类中心区间的上下界;相应模糊隶属度为:其中,i=...
【专利技术属性】
技术研发人员:韩中洋,赵珺,王霖青,盛春阳,王伟,冯为民,汪晶,
申请(专利权)人:大连理工大学,上海宝信软件股份有限公司,
类型:发明
国别省市:辽宁,21
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。