一种基于Stacking的高炉铁水质量区间预测方法技术

本发明专利技术提出一种基于Stacking的高炉铁水质量区间预测方法，包括：获取高炉原始历史数据，并进行预处理；根据输入输出参数从预处理后的高炉原始历史数据提取样本数据集；建立基于N折模型的Stacking算法铁水质量模型并计算建模误差预测区间；根据N折模型的Stacking算法铁水质量模型对实时采集的高炉数据进行预测，得到预测值和预测区间；本发明专利技术可以避免离线化验的滞后性和人工操作带来的不确定性，实现多元铁水质量值和预测区间的同时预报。为现场的操作人员及时准确判断高炉内部运行状态提供了关键指标，同时可以根据工况的变化，利用最新的过程数据更新软测量模型参数，避免了时不变模型的局限性，实用价值很高。

A Stacking-based Interval Prediction Method for Blast Furnace Iron Quality

【技术实现步骤摘要】
一种基于Stacking的高炉铁水质量区间预测方法
本专利技术属于高炉冶炼自动化控制
，具体涉及一种基于Stacking的高炉铁水质量区间预测方法。
技术介绍
高炉是一个在炼铁过程中的大型的对流反应器和热交换器，同时高炉炼铁也是社会发展的一个重要环节。然而高炉内部冶炼环境极其严酷，反应最剧烈的区域温度高达2000多度，压强高达标准大气压的4倍左右，且伴随着固、液、气多相共存的状态，使高炉内部状态难以实时监测，从而难以对高炉进行优化控制。目前，被广泛用来间接反映高炉内部状态的指标为铁水质量参数，综合性的铁水质量指标通常采用Si含量、P含量、S含量和铁水温度来衡量，铁水质量参数的测量一般采用离线化验法，测量结果会滞后1-2小时，因此其结果无法实时的反映高炉内部状态。为了实现对高炉内部运行状态实时全面地监测，就需要建立高炉多元铁水质量参数的在线软测量模型以实现对铁水质量的实时在线软测量，充分利用高炉炼铁过程中可检测的运行数据，建立数据驱动的高炉多元铁水质量在线软测量模型。专利公开号CN102031319A公开了“一种高炉铁水含硅量的预报方法”，该方法包括数据参数选取及预处理、预测算法本文档来自技高网...

【技术保护点】
1.一种基于Stacking的高炉铁水质量区间预测方法，其特征在于，具体步骤如下：步骤1：获取高炉原始历史数据，并进行预处理，包括：对数据统一时间粒度、剔除休风数据和异常数据以及归一化数据，具体包括如下步骤：步骤1.1：按时间先后顺序对采集的数据进行标注，使用最近邻时间原则，即按照时间的先后顺序，人工进行匹配得到时间粒度一致的高炉炼铁过程的历史数据；步骤1.2：剔除休风数据和异常数据：剔除休风数据，具体方式为：依据交班记录确定高炉计划检修时间段，剔除此时间段的高炉本体休风数据，休风数据具体指热风炉不向高炉吹风的数据；剔除异常数据，采用拉依达准则，即3σ准则进行异常值的剔除，即数据偏差大于3σ的...

【技术特征摘要】
1.一种基于Stacking的高炉铁水质量区间预测方法，其特征在于，具体步骤如下：步骤1：获取高炉原始历史数据，并进行预处理，包括：对数据统一时间粒度、剔除休风数据和异常数据以及归一化数据，具体包括如下步骤：步骤1.1：按时间先后顺序对采集的数据进行标注，使用最近邻时间原则，即按照时间的先后顺序，人工进行匹配得到时间粒度一致的高炉炼铁过程的历史数据；步骤1.2：剔除休风数据和异常数据：剔除休风数据，具体方式为：依据交班记录确定高炉计划检修时间段，剔除此时间段的高炉本体休风数据，休风数据具体指热风炉不向高炉吹风的数据；剔除异常数据，采用拉依达准则，即3σ准则进行异常值的剔除，即数据偏差大于3σ的数据应该剔除；σ为上述筛选出的高炉本体数据的标准差，如下公式所示：步骤1.3：对高炉数据进行数据归一化处理，得到归一化后的高炉历史数据作为样本数据集，如下公式所示：其中，xi、分别为第i个变量归一化前、后的取值，max(xi)、min(xi)分别为第i个变量的最大值、最小值，归一化处理后的数据在如下范围内：xi∈(-1,1)；步骤2：获取高炉多元铁水质量指标软测量所需输入输出参数，并根据输入输出参数从预处理后的高炉原始历史数据提取样本数据集；步骤2.1：根据高炉工艺机理确定需要软测量的高炉铁水质量输出参数为Si(硅)含量y1(％)、P(磷)含量y2(％)、S(硫)含量y3(％)和铁水温度y4(℃)；步骤2.2：采取灰色关联性分析的方法，提取前k个关联度最高的高炉本体参数作为软测量的辅助变量，包括：炉腹煤气量u1(m3)、热风温度u2(℃)、热风压力u3(KPa)、富氧率u4、鼓风湿度u5(RH)、喷煤量u6(m3/h)；步骤2.3：根据过程动态特性，基于上述6个辅助变量，引入非线性自回归模型(NARX),确定如下16个变量为软测量模型的输入变量：当前时刻炉腹煤气量u1(t)(m3)；当前时刻热风温度u2(t)(℃)；当前时刻热风压力u3(t)(KPa)；当前时刻富氧率u4(t)；当前时刻鼓风湿度u5(t)(RH)；当前时刻设定喷煤量u6(t)(m3/h)；上一时刻Si含量y1(t-1)(％)；上一时刻P含量y2(t-1)(％)；上一时刻炉腹煤气量u1(t-1)(m3)；上一时刻热风温度u2(t-1)(℃)；上一时刻热风压力u3(t-1)(KPa)；上一时刻富氧率u4(t-1)；上一时刻鼓风湿度u5(t-1)(RH)；上一时刻设定喷煤量u6(t-1)(m3/h)；上一时刻S含量y3(t-1)(％)；上一时刻铁水温度y4(t-1)(℃)；步骤2.4：根据输入输出参数，从预处理后的高炉原始历史数据中，提取训练数据集，其中，输出参数为离线测量的实际输出，输入参数为在线软测量的历史数据；步骤3：基于高炉多元铁水质量指标软测量所需输入输出参数，建立基于N折模型的Stacking算法铁水质量模型并计算建模误差预测区间；步骤3.1：建立基于N折模型的Stacking算法铁水质量模型；步骤3.2：计算预测区间；步骤4：根据N折模型的Stacking算法铁水质量模型对实时采集的高炉...

【专利技术属性】
技术研发人员：周平，刘进进，谢晋，柴天佑，
申请(专利权)人：东北大学，
类型：发明
国别省市：辽宁,21