一种基于乘积ＡＲＩＭＡ模型的在线能源预测系统及方法技术方案

一种基于乘积ＡＲＩＭＡ模型的在线能源预测系统及方法，属于钢铁企业能源预测技术领域。该系统包括现场的可编程控制器ＰＬＣ，集散控制系统ＤＣＳ组成的过程控制系统ＰＣＳ层，生产执行系统ＭＥＳ层，企业资源计划管理ＥＲＰ层，网络体系；网络体系由安装在现场的数据采集系统ＳＣＡＤＡ，实时数据库服务器，数据库服务器，应用服务器，客户端工作站，防病毒数据库以及连接各个计算机、控制器、传感器的网络组成。优点在于：通过预测算法参数配置模块配置合适的模型级次，可以实现对多种数据类型包括平稳、非平稳、季节波动数据进行实时在线预测。

Online energy prediction system and method based on product ARIMA model

The utility model relates to an on-line energy prediction system and a method based on a product ARIMA model, which belongs to the technical field of energy prediction in iron and steel enterprises. The system includes a field programmable controller PLC, distributed control system DCS control system composed of PCS layer, MES layer manufacturing execution system, enterprise resource planning, ERP layer, network system; network system by installing SCADA data acquisition system in the field of real-time database server, database server, application server, client workstations, anti the virus database and connect the computer, controller, sensor network. The advantage of this method is that it can realize real-time on-line prediction of many kinds of data including stationary, non-stationary and seasonal fluctuation data by predicting the parameters of the algorithm, configuring the module and configuring the appropriate model levels.

【技术实现步骤摘要】

本专利技术属于钢铁企业能源预测
，提供了一种基于乘积ARIMA模型的在线 能源预测系统及方法，可以对多种数据类型包括平稳，非平稳，季节波动进行建模预 测，主要用于短期及中期预测。
技术介绍
钢铁企业能源的流动和波动情况受很多因素的影响，复杂多变，难于把握，在很 大程度上表现为一种随机不稳定状态，而影响其波动的因素又时有发生，不可能用一 种固定的模型达到准确预测的效果，如果不能利用最近的信息对模型参数进行修正， 将产生较大的预测偏差。因此本文提出一种基于乘积ARIMA模型的在线能源预测方法。目前的预测技术大致分为三类(l)定性预测方法。这种预测方法适用于缺乏历史 统计数据的系统对象， 一般是人们根据系统过去和现在的经验，判断和直觉进行预测， 其中以人的逻辑为主，仅要求提供系统发展的方向、状态、形式等定性结果。目前钢 厂方面的能源预测好多是基于此类的经验预测，对预测者的专家经验要求比较高。(2) 因果关系预测方法。这类预测方法的理论基础是系统变量之间存在某种前因后果的关 系，找出影响某种结果的几个因素，建立因与果的数学模型，根据因变量的变化预测 结果变量的变化，即预测系统的发展方向又确定具体的数值变化规律。主要方法包括 时间序列分析、线性回归分析、灰色预测、神经网络技术等。其中时间序列分析和灰 色预测即可基于历史数据预测又可基于因果关系预测。基于因果关系的时间序列预测 主要应用在控制领域。灰色预测技术比较常用的是GM (1， 1)模型，具有建模简单， 建模数据少的优点，但是它也有本身的不足例如建模数据要求非负，数据趋势呈指 数增长等，这就限制了其在实际中的广泛应用。尽管目前有很多方法例如经过数据预 处理，使其负荷指数增长；改变建模方式等使其应用范围开阔了很多，但是也只是针 对某些能源介质特定的变化趋势而言，预测效果较好，而对于钢厂复杂多变的环境并 不适应。神经网络技术在能源预测领域也是广为应用的一种方法，但是由于神经网络 技术建模训练时间较长，存在局部极值等缺陷，不适合用于在线预测。回归预测技术 虽然是一种比较成熟的预测技术，但是由于钢铁行业影响能源波动的因素比较多，很 难用一个因果关系的回归模型来描述，即使能拟合出这样一个比较满意的回归方程， 其结果也很难用于预测。因为一般在因果关系中，因变量和自变量在时间上是同步的， 如果因变量的未来状态无法获取，则这种回归模型，将无法用于预测。(3)时间序列 预测方法。该方法适用于利用统计数据研究预测对象随时间变化的趋势。它主要是根 据对象随时间变化的历史资料，只考虑系统变量随时间的变化规律，对系统未来的表 现进行定量预测。主要有移动平均法(MA)，自回归方法(AR)，自回归滑动平均法(ARMA)， 自回归求和滑动平均方法(ARIMA)，指数平滑法，趋势外推法等。其中ARMA方法是由 Box-Jenkins在70年代初提出的一种时间序列方法，其中AR、 MA模型，指数平滑模型 只是作为它的特列包含在内。而ARIMA模型主要是针对非平稳过程的一类时间序列方法。它的应用范围比较广泛平稳模型，非平稳模型，它适用于描述许多时间序列， 一旦对序列确定出合适的模型，立刻就有最优的预报方法，在生产实践中获得了广泛应用，是一类非常重要的随机模型描述方法。而乘积ARIMA模型则是在ARIMA模型的 基础之上针对具有季节波动性的数据列提出的一种描述模型，扩大了时间序列模型的 应用范围，乘积ARIMA模型适用于平稳、非平稳、季节波动数据类型。
技术实现思路
本专利技术的目的在于提供一种基于乘积ARIMA模型的在线能源预测系统及方法，根 据钢铁行业能源波动状况的随机，不稳定性，提出了一种基于ARIMA方法的能源在线 预测技术，适用于平稳、非平稳、季节波动多种能源数据类型，并且结合钢厂的生产 和检修计划对预测结果进行修正，形成比较完整的能源在线预测体系。预测结果可以 为钢铁行业调度人员提供决策支持。本专利技术的系统包括现场的PLC (可编程控制器)，DCS (集散控制系统)组成的PCS (过程控制系统)层，生产执行系统MES层，企业资源计划管理ERP层，网络体系； 网络体系由安装在现场的数据采集系统SCADA，实时数据库服务器，数据库服务器， 应用服务器，客户端工作站，防病毒数据库以及连接各个计算机、控制器、传感器的 网络组成。由PLC、 DCS组成的PCS层是钢厂自动化系统的基础和核心，包括各种自动化生产 设备、自动化控制仪表、自动化检测仪器等，负责现场设备的智能控制过程和生产中 第一线实时数据的采集。MES层是连接PCS层和ERP层的桥梁，它从ERP系统接受生产计划信息，并对生产 计划进行分解，产生调度指令，指导企业生产活动。同时接受从PCS层传递来的数据， 并进行整理，为ERP层提供决策支持。ERP层可以根据市场状况及未来订单从全局出发制定生产计划，下发给MES层指导 生产。数据采集系统(SCADA):主要实现数据采集和现场的控制。它包括两个层次的含 义 一是分布式数据采集系统即智能数据采集系统，也就是通常所说的下位机；另一 个是数据处理和显示系统，即上位机HMI。下位机一般意义上通常是指硬件层次上的， 即各种数据采集设备，如RTU、 FTU、 PLC及各种智能控制设备等。这些智能采集设备 与生产过程中的仪表相结合，感知设备各种参数的状态，并将这些状态转换成数字信 号，通过数字通信网传递到HMI系统，上位机HMI系统接受这些信息后，会对这些信 息进行处理同时以适当的形式如声音、图形、图像等方式展现给用户，以达到监视的 目的。这些处理后的数据会保存到实时数据库(如InSql)中，以供给数据管理系统使 用。实时数据库服务器负责实时存储数据采集系统传上来的能源数据，为能源预测 功能及其他数据管理功能提供数据支持。数据库服务器运行专业的关系型数据库，将现场的生产过程数据和设备运行数 据以及从ERP或者MES系统获得的能源计划数据和检修数据等存在数据库中。应用服务器它是整个系统的核心，主要通过与数据库以及客户端通信，担负着 预测项目配置模块，预测模型参数配置模块，实时动态预测模块的数据请求和计算工 作。客户端工作站主要提供人际交互的界面，以比较友好的方式展现预测结果及根据用户请求进行结果分析和验证。防病毒服务器主要负责网络病毒的防护、网络病毒库的更新。 能源预测的任务主要是通过一下几个功能模块实现的1、预测项目配置模块2、预测算法参数配置模块3、能源预测模块4、预测结果展示及验证模块。其预测步骤为a、 配置能源预测项目及相应的预测模型参数；b、 从模型库提取能源预测模型，利用实时数据，在线建模预测；C、利用预测结果展示和验证模块进行预测结果展示及分析，当结果误差较大时， 重新进行模型阶次参数配置。1、 预测项目配置模块主要负责与数据库通讯，配置各种预测项目名称、相应描 述信息、预测媒介、数据采集点等信息，并存入数据库，同时提供增加，删除，修改 操作，方便用户更改预测项目信息。2、 预测算法参数配置模块本专利技术基于乘积ARIMA算法对钢铁企业各能源介质波动状况进行预测，并且对该算法进行了封装，只提供以下7个参数作为该算法的输入 参数非季节自回归阶次P，非季节滑动平均阶次q，非季节差分阶次d本文档来自技高网...

【技术保护点】
一种基于乘积ＡＲＩＭＡ模型的在线能源预测系统，其特征在于：该系统包括现场的可编程控制器ＰＬＣ，集散控制系统ＤＣＳ组成的过程控制系统ＰＣＳ层，生产执行系统ＭＥＳ层，企业资源计划管理ＥＲＰ层，网络体系；网络体系由安装在现场的数据采集系统ＳＣＡＤＡ，实时数据库服务器，数据库服务器，应用服务器，客户端工作站，防病毒数据库以及连接各个计算机、控制器、传感器的网络组成；　由ＰＬＣ、ＤＣＳ组成的ＰＣＳ层包括各种自动化生产设备、自动化控制仪表、自动化检测仪器，负责现场设备的智能控制过程和生产中第一线实时数据的采集；　ＭＥＳ层是连接ＰＣＳ层和ＥＲＰ层的桥梁，它从ＥＲＰ系统接受生产计划信息，并对生产计划进行分解，产生调度指令，指导企业生产活动；同时接受从ＰＣＳ层传递来的数据，并进行整理，为ＥＲＰ层提供决策支持；ＥＲＰ层是整个系统架构的最高层，它制定生产计划，下发给ＭＥＳ层指导生产；　数据采集系统ＳＣＡＤＡ：负责底层ＤＣＳ，ＰＬＣ系统的数据采集和监控，将采集的数据上传到实时数据库，供给上层的数据管理系统使用；　实时数据库服务器：负责实时存储数据采集系统传上来的能源数据，为能源预测功能及其他数据管理功能提供数据支持；　数据库服务器：运行专业的关系型数据库，将现场的生产过程数据和设备运行数据以及从ＥＲＰ或者ＭＥＳ系统获得的能源计划数据和检修数据等存在数据库中；　应用服务器：它是整个系统的核心，通过与数据库以及客户端通信，担负着预测项目配置模块，预测模型参数配置模块，实时动态预测模块的数据请求和计算工作；　客户端工作站：提供人际交互的界面，以比较友好的方式展现预测结果及根据用户请求进行结果分析和验证；　防病毒服务器：主要负责网络病毒的防护、网络病毒库的更新。...

【技术特征摘要】

【专利技术属性】
技术研发人员：梁青艳，孙要夺，薛俊鹏，
申请(专利权)人：冶金自动化研究设计院，
类型：发明
国别省市：11[中国|北京]