钢铁企业煤气产生量与消耗量的动态预测方法及设备技术

本发明专利技术公开了一种钢铁企业煤气产生量与消耗量的动态预测方法及设备，方法包括：获取未来调度周期内的生产工况下煤气产耗历史数据，以及对应煤气产耗历史数据周期的生产计划和检修计划；根据生产计划和检修计划，确定所有设备生产工况；针对煤气产耗历史数据中的每一个设备的生产工况，获取每一设备的工况点，并根据所有设备的工况点对煤气量历史数据进行分类；依据分类后的各工况点的历史数据训练LSSVM模型；并采用训练的最优预测模型对煤气产耗历史数据的部分数据进行预测，得到输出的预测结果，输出的预测结果包括：未来调度周期内煤气产生装置的煤气发生量和各生产用户的煤气消耗量。上述方法能够提高动态预测的煤气量的准确性。

Dynamic prediction method and equipment of gas production and consumption in iron and steel enterprises

The invention discloses a method and apparatus for generating gas of iron and steel enterprises, and the amount of consumption amount of dynamic prediction method comprises the following steps: acquiring the future production scheduling period under the condition of gas production and consumption of historical data, historical data and the corresponding gas production and consumption cycle production plan and maintenance plan; according to the production plan and maintenance plan, ensure all equipment according to the production conditions; gas production and consumption for each device in the history data of production conditions, for each equipment condition, and according to all the equipment operating point on the classification of gas amount of historical data; on the basis of historical data to train the LSSVM model under different working conditions after class; and the prediction of gas data production and consumption of historical data by using the optimal forecasting model training and prediction result output, the output prediction results include: the future scheduling period of gas production The amount of gas generated by the raw device and the gas consumption of each production user. The above method can improve the accuracy of the gas quantity of dynamic prediction.

【技术实现步骤摘要】
钢铁企业煤气产生量与消耗量的动态预测方法及设备
本专利技术属于钢铁企业煤气预测技术，尤其涉及一种钢铁企业煤气产生量与消耗量的动态预测方法及设备。
技术介绍
在我国，钢铁工业是国民经济的基础性支柱产业，是资源、能源密集型产业，也是节能减排工作的重点。钢铁企业高炉煤气、焦炉煤气和转炉煤气是企业重要的二次能源，占企业总能耗的30％左右。钢铁企业煤气系统的运行规律与设备、原材料和产品种类等密切相关，同时也受到生产计划、检修计划和设备运行工况等因素影响。煤气预测是煤气系统的重要组成部分，根据生产计划、检修计划等工况信息，对煤气的产生量和消耗量进行预测，以便进行后续的煤气资源分配与优化调度，为煤气系统的安全平稳运行，降低放散，提高煤气利用率提供依据。因此，煤气预测成为钢铁企业节能减排的重要环节之一。钢铁企业副产煤气由高炉、焦炉、转炉生产过程中产生的，广泛应用于钢铁生产各个流程，富余的煤气还会被用来产生电力、蒸汽或其他副产品。煤气产生量是指高炉、焦炉、转炉产生的煤气量；煤气消耗量是指钢铁企业主要生产工序消耗的煤气量。实际生产中，由于钢铁生产的波动性，煤气的供需呈现动态变化，供需不平衡时会出现煤气放散或影响生产的情况。例如高炉检修结束后的复风阶段，煤气发生量较少而煤气消耗量正常，需要煤气柜供给煤气，如果此时气柜内煤气不足将会影响生产，导致严重后果；正常生产工况下如果煤气柜煤气较多，遇到煤气产生量较大的情况将不能起到平衡作用，致使煤气放散。为了合理调度煤气，调整煤气柜柜位，我们需要提前对煤气产生量和消耗量进行预测。如果能够提前预测煤气供需状况，将大幅度提高煤气的使用效率，减少不必要的放散，减少污染物的排放。目前煤气动态预测方法大多是针对某一特定设备在特定工况条件下的动态预测，由于钢铁企业实际生产过程受到生产计划、检修计划等人为因素和炉况等不确定因素的影响，设备工况变动频繁，特定工况条件下的动态预测在设备工况变化时难以准确预测，导致煤气预测值准确性不高。因此提供一种针对多工况条件下钢铁企业煤气产生量与消耗量的动态预测方法显得极其重要。
技术实现思路
针对现有技术中的问题，本专利技术提供一种钢铁企业煤气产生量与消耗量的动态预测方法及设备。第一方面，本专利技术提供一种钢铁企业煤气产生量与消耗量的动态预测方法，包括：步骤A：获取未来调度周期内的生产工况下煤气产耗历史数据，以及对应所述煤气产耗历史数据周期的生产计划和检修计划；步骤B：根据所述生产计划和检修计划，确定所有设备生产工况；步骤C：针对煤气产耗历史数据中的每一个设备的生产工况，获取每一设备的工况点，并根据所有设备的工况点对煤气量历史数据进行分类；依据分类后的各工况点的历史数据训练LSSVM模型；并采用训练后的最优预测模型对煤气产耗历史数据的部分数据进行预测，得到输出的预测结果，所述输出的预测结果包括：未来调度周期内煤气产生装置的煤气发生量和各生产用户的煤气消耗量。可选地，所述步骤C包括：C1、以集合Vi，j表示第i个设备第j个工况的煤气量历史数据集；C2、根据集合Vi，j，通过小波分析方法和向量空间重构方法构造LSSVM模型的训练数据集；C3、利用所述训练数据集，并通过启发式参数寻优方式对所述LSSVM模型进行训练，获得训练后的最优预测模型；C4、依据待预测的设备、及待预测设备的工况和所述煤气产耗历史数据，构造待处理的预测数据集；C5、采用最优预测模型处理所述待处理的预测数据集，获得输出的预测结果。可选地，步骤C2包括：依据企业煤气调度需求确定初始样本采样周期t、向量空间变换样本维数m以及模型中其它参数；获取煤气产生量和消耗量V0，并基于小波分析方法，提取低频信号提取低频信号Di(n)；对所述煤气产耗历史数据中各用户的煤气产耗历史数据进行归一化处理，使数据线性映射到0-1之间；对归一化处理后的煤气产耗历史数据进行向量空间重构，将线性排列的数据构造为最优预测模型所需要的训练数据集，构造过程可表示为：其中，输入数据中i时刻的煤气产耗历史数据记为xi，输出数据中的i时刻预测结果记为Yi，每一行中的一组xi和一组Yi分别为模型的一个输入样本和一个输出样本，训练数据集构造方法记为利用输入输出样本xt-m+1xt-m+2…xt|Yt+1Yt+2…Yt+i对模型进行训练，以及应用启发式参数寻优，对LSSVM预测模型迭代求逆，由公式计算预测值其中，I为单位矩阵，Ω为满足的Mercer定理核函数；根据预测值的判断标准/约束条件，直至将所述训练数据集中的所有样本训练完，得到训练数据集。可选地，所述待处理的预测数据集中各样本的训练方式和所述训练数据集中各样本的训练方式是相同的。可选地，所述方法还包括：将预测结果上传到企业的煤气调度服务器上，煤气调度系统根据一侧结果进行调度。可选地，所述C2中的根据预测值的判断标准，获得训练数据集，包括：在预测下一个样本之前需要计算第j个预测值误差平方：其中，式中，为第j个预测值，Yj为第j个预测样本；进而得出训练的修正值βj＝ηjej将修正值加入下一时刻的样本学习预测。可选地，所述C2中获取训练数据集时，当新的数据集(xi，yi)，i∈(t，t+N)进入训练数据集时，排除之前N个数据，重新得到输入样本。可选地，所述输出的预测结果是反归一化之后的结果。可选地，高炉设备的工况点包括：正常生产、计划年修、计划月修、临时休风、热风炉减风1500km3/h、热风炉减风1000km3/h和热风炉减风1000km3/h以下。第二方面，本专利技术还提供一种钢铁企业煤气产生量与消耗量的动态预测设备，包括：处理器，用于存储所述处理器的可执行指令的存储器；其中所述处理器被配置为：获取未来调度周期内的生产工况下煤气产耗历史数据，以及对应所述煤气产耗历史数据周期的生产计划和检修计划；根据所述生产计划和检修计划，确定所有设备生产工况；针对煤气产耗历史数据中的每一个设备的生产工况，获取每一设备的工况点，并根据所有设备的工况点对煤气量历史数据进行分类；依据分类后的各工况点的历史数据训练LSSVM模型；并采用训练后的最优预测模型对煤气产耗历史数据的部分数据进行预测，得到输出的预测结果，所述输出的预测结果包括：未来调度周期内煤气产生装置的煤气发生量和各生产用户的煤气消耗量。本专利技术具有的有益效果如下：本专利技术的钢铁企业煤气产生量与消耗量的动态预测方法及设备，通过获取每一设备的工况点，并采用工况点对煤气量历史数据进行分类，依据分类的工况点历史数据训练LSSVM模型，进而采用训练后的LSSVM模型(即最优预测模型)对构建的预测数据集进行预测，获得预测结果，预测结果相对于现有技术，预测准确性更高。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。图1为本专利技术一实施例提供的钢铁企业煤气产生量与消耗量的动态预测方法的流程图；图2为本专利技术实施例中高炉工况点的分类示意图；图3为本专利技术实施例中改进的LSSVM预测模型流程图；图4为本专利技术实施例中小波分析示意图。具体实施方式为了更好的解释本专利技术，以便于理解，下本文档来自技高网...

【技术保护点】
一种钢铁企业煤气产生量与消耗量的动态预测方法，其特征在于，包括：步骤A：获取未来调度周期内的生产工况下煤气产耗历史数据，以及对应所述煤气产耗历史数据周期的生产计划和检修计划；步骤B：根据所述生产计划和检修计划，确定所有设备生产工况；步骤C：针对煤气产耗历史数据中的每一个设备的生产工况，获取每一设备的工况点，并根据所有设备的工况点对煤气量历史数据进行分类；依据分类后的各工况点的历史数据训练LSSVM模型；并采用训练后的最优预测模型对煤气产耗历史数据的部分数据进行预测，得到输出的预测结果，所述输出的预测结果包括：未来调度周期内煤气产生装置的煤气发生量和各生产用户的煤气消耗量。

【技术特征摘要】
1.一种钢铁企业煤气产生量与消耗量的动态预测方法，其特征在于，包括：步骤A：获取未来调度周期内的生产工况下煤气产耗历史数据，以及对应所述煤气产耗历史数据周期的生产计划和检修计划；步骤B：根据所述生产计划和检修计划，确定所有设备生产工况；步骤C：针对煤气产耗历史数据中的每一个设备的生产工况，获取每一设备的工况点，并根据所有设备的工况点对煤气量历史数据进行分类；依据分类后的各工况点的历史数据训练LSSVM模型；并采用训练后的最优预测模型对煤气产耗历史数据的部分数据进行预测，得到输出的预测结果，所述输出的预测结果包括：未来调度周期内煤气产生装置的煤气发生量和各生产用户的煤气消耗量。2.根据权利要求1所述的方法，其特征在于，所述步骤C包括：C1、以集合Vi，j表示第i个设备第j个工况的煤气量历史数据集；C2、根据集合Vi，j，通过小波分析方法和向量空间重构方法构造LSSVM模型的训练数据集；C3、利用所述训练数据集，并通过启发式参数寻优方式对所述LSSVM模型进行训练，获得训练后的最优预测模型；C4、依据待预测的设备、及待预测设备的工况和所述煤气产耗历史数据，构造待处理的预测数据集；C5、采用最优预测模型处理所述待处理的预测数据集，获得输出的预测结果。3.根据权利要求2所述的方法，其特征在于，步骤C2包括：依据企业煤气调度需求确定初始样本采样周期t、向量空间变换样本维数m以及模型中其它参数；获取煤气产生量和消耗量V0，并基于小波分析方法，提取低频信号提取低频信号Di(n)；对所述煤气产耗历史数据中各用户的煤气产耗历史数据进行归一化处理，使数据线性映射到0-1之间；对归一化处理后的煤气产耗历史数据进行向量空间重构，将线性排列的数据构造为最优预测模型所需要的训练数据集，构造过程可表示为：其中，输入数据中i时刻的煤气产耗历史数据记为xi，输出数据中的i时刻预测结果记为Yi，每一行中的一组xi和一组Yi分别为模型的一个输入样本和一个输出样本，训练数据集构造方法记为利用输入输出样本xt-m+1xt-m+2…...

【专利技术属性】
技术研发人员：张琦，马家琳，李辉，倪团结，
申请(专利权)人：东北大学，
类型：发明
国别省市：辽宁,21