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技术

本发明专利技术提供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。本发明专利技术基于真实工业生产数据，在数据进行必要的预处理后，首先在横向即时间轴上，依据钢铁工业能源产消的阶段性特征，形成包括多个数据点的数据微粒；进而，考虑到后续模糊聚类分析需要，利用时间弯曲距离，将非等长数据微粒规范化为等长；在应用模糊聚类得到聚类中心后，将其在纵向上延展为区间值，借助模糊建模方法可获得初始区间预测结果；最终，求解基于信息粒度最优化分配理论的优化模型，获得长期区间预测结果，辅助指导现场能源调度工作，在钢铁工业其它能源介质系统中亦可推广应用。

A method for predicting long term interval of blast furnace gas in iron and steel industry based on optimal allocation of information granularity

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).Predictionintervalsforanoisynonlineartimeseriesbasedonabootstrappingreservoircomputingnetworkensemble.IEEETransactionsonneuralnetworksandlearningsystems,24(7),1036-1048.)(Z.Y.Han,Y.Liu,J.Zhao,W.Wang.(2012).Realtimepredictionforconvertergastanklevelsbasedonmulti-outputleastsquaresupportvectorregressor.ControlEngineeringPractice,20(12),1400-1409)。然而，这些方法的预测结果精度易收到迭代误差的影响，一般只能提供约30分钟的准确预测结果，对后续能源优化排产工作的指导意义较为有限。在预测方法的研究上，粒度计算结合模糊系统建模的方式由于避免了迭代过程，已取得一定成果(Dong,R.,Pedrycz,W.(2008).Agranulartimeseriesapproachtolong-termforecastingandtrendforecasting.PhysicaA:StatisticalMechanicsanditsApplications,387(13),3253-3270.)。然而，这一模型在冶金工业应用上仍存在如下不足：首先，对数据的基本微粒划分仅依据简单的上升、下降等趋势，如此方式在面对波动剧烈的工业数据时难以适用，且忽视了数据变化与产品生产之间的关系；其次，现有研究成果一般是点预测，结果较为绝对，而以区间形式预估未来能源产消情况更符合人的认知习惯，且可直观给出结果的可靠性衡量，有助于提升其实用性。
技术实现思路
本专利技术主要解决钢铁工业高炉煤气的长期区间预测问题。专利技术中所用数据为工业现场的真实数据，首先以能源产消的阶段性特征划分数据，形成基础数据微粒，进而借助时间弯曲距离将长度不等的数据微粒规范为等长，在模糊聚类后将聚类中心纵向延展为区间值，并以信息粒度最优分配为指导对其进行优化，最终获得长期区间预测结果。为了达到上述目的，本专利技术的技术方案为：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，该钢铁工业高炉煤气长期区间预测方法基于真实工业生产数据，在数据进行必要的预处理后，首先在横向即时间轴上，依据钢铁工业能源产消的阶段性特征，形成包括多个数据点的数据微粒；进而，考虑到后续模糊聚类分析需要，利用时间弯曲距离，将非等长数据微粒规范化为等长；在应用模糊聚类得到聚类中心后，将其在纵向上延展为区间值，借助模糊建模方法可获得初始区间预测结果；最终，求解基于信息粒度最优化分配理论的优化模型，获得长期区间预测结果。这种长期区间预测结果更具参考性，可更好地辅助指导现场能源调度工作，在钢铁工业其它能源介质系统中亦可推广应用。本专利技术的具体步骤如下：第一步，由钢铁工业现场能源系统的实时数据库中采集高炉煤气产消用户数据，并对这些原始数据做基本的除噪、滤波及填补等处理，为后续建模过程保证基础数据质量；第二步，分析能源产消数据，例如高炉煤气回收、热风炉用高炉煤气等，对应生产阶段将多个数据点聚合为数据微粒，形成基本分析单元；第三步，基于时间弯曲距离，在非等长数据微粒中选取基准序列，进而对其它数据微粒进行伸长或压缩，以达到统一数据长度的目的；第四步，应用模糊C均值聚类算法，将所获得的聚类中心纵向延伸为区间数，利用模糊推理、解模糊化等模糊建模方法，获得初始区间预测结果；第五步，以信息粒度最优分配为目标，针对预测区间建立优化模型，借助智能算法求得最终长期区间预测结果。本专利技术方法在横轴、纵轴两个方向上实现了信息粒度的拓展。其中，横向上对应能源产消阶段将数据点聚合为数据微粒，为长期预测奠定基础；纵向上将聚类中心延伸为区间数，结合信息粒度最优分配进行优化；通过以上两部分工作最终获得长期区间预测结果。此外，时间弯曲距离的运用，解决了非等长数据微粒的等长规范化问题。准确的长期区间预测结果可为现场能源调度工作提供有力支持。附图说明图1为高炉煤气系统管网示意图。图2为本专利技术应用流程图。图3为热风炉高炉煤气用量数据横向粒度化举例示意图。图4为热风炉高炉煤气用量数据聚类中心纵向粒度化举例示意图。图5(a)为Delta方法对热风炉高炉煤气用量的长期区间预测结果图。图5(b)为MVE方法对热风炉高炉煤气用量的长期区间预测结果图。图5(c)为本专利技术方法对热风炉高炉煤气用量的长期区间预测结果图。图6(a)为Delta方法对高炉煤气发生量的长期区间预测结果图。图6(b)为MVE方法对高炉煤气发生量的长期区间预测结果图。图6(c)为本专利技术方法对高炉煤气发生量的长期区间预测结果图。图中：MVE是指均值方差估计(MeanVarianceEstimation)。具体实施方式为了更好地理解本专利技术的技术方案与具体实施方式，下面以国内钢铁工业信息化水平较高的宝山钢铁厂高炉煤气系统为例做进一步说明。由图1所示的宝钢高炉煤气管网示意图可以看出，该系统中含有四座转炉作为发生单元，热风炉等则构成了消耗单元，低压锅炉、电厂等是该管网的可调节单元，两个煤气柜连接在管网末端存储多余煤气，为管网平衡起缓冲作用，此外还有煤气混合站、煤气加压站等作为输配系统。由于管网实际配置复杂，铺设线路较长，遍布厂区各个生产区域，同时高炉煤气管网又存在非线性、大时滞等特点，因此准确有效的机理建模显得尤为困难。鉴于此，本专利技术从数据驱动方法角度出发，解决相关能源预测问题。本专利技术的具体实施步骤如下：步骤1：数据预处理从钢铁工业现场实时关系数据库读取高炉煤气系统产消量数据。考虑到工业本文档来自技高网...

【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