【技术实现步骤摘要】
一种预测高炉煤气产消量的方法
[0001]本专利技术涉及高炉运营技术,尤其设计基于ARMAX模型来预测高炉煤气产销量的方法。
技术介绍
[0002]高炉煤气是高炉炼铁过程中的副产能源,产消量波动频繁,给高炉煤气的优化调度造成了困难,导致能源浪费与环境污染,甚至为煤气管网的运行带来安全隐患。
[0003]因此,采用合理的方式对高炉煤气的产消量进行预测显得尤为重要。现今的预测手段主要是依靠现场人员依靠经验进行短期的趋势估计,此种方法未利用现场大量历史数据且存在一定误差,不能实现准确的点预测,当现场工况发生突变时,人工估计会导致预测结果的准确性大幅度降低。
[0004]所以如果能基于历史数据建立一种准确高效的预测模型,不仅可以实现对高炉煤气精准点预测,而且还可以避免人工预测的主观性,提高预测的准确性。
技术实现思路
[0005]本专利技术的主要目的在于提供一种预测高炉煤气产消量的方法,以基于小样本数据对高炉煤气产消量进行准确预测。
[0006]为了实现上述目的,根据本专利技术提供了一种预测高炉煤气产消量的方法,步骤包括:
[0007]S1获取高炉煤气产销的历史数据,经处理后获取输入数据集与输出数据集;并将划分的输入数据集与输出数据集按照设定的训练样本数量划分为训练集与测试集;
[0008]S2基于ARMAX模型建立辨识模型并确定出初步预测模型,以供依据粒子群优化算法得出寻优后的预测模型结构;
[0009]S3将步骤S1中的训练集数据作为步骤S2中寻优后的预测模 ...
【技术保护点】
【技术特征摘要】
1.一种预测高炉煤气产消量的方法,步骤包括:S1获取高炉煤气产销的历史数据,经处理后获取输入数据集与输出数据集;并将划分的输入数据集与输出数据集按照设定的训练样本数量划分为训练集与测试集;S2基于ARMAX模型建立辨识模型并确定出初步预测模型,以供依据粒子群优化算法得出寻优后的预测模型结构;S3将步骤S1中的训练集数据作为步骤S2中寻优后的预测模型的输入,以获取输出结果作为预测结果。2.根据权利要求1所述的预测高炉煤气产消量的方法,其中步骤S2中初步预测模型的建立步骤包括:基于ARMAX模型建立辨识模型建立步骤包括:基于ARMAX模型建立辨识模型将辨识模型中的过程模型作为初步预测模型,其中,为t时刻预测输出,为基于数据辨识建立的预测模型,为预测模型中的分母多项式,为预测模型中的分子多项式。3.根据权利要求1所述的预测高炉煤气产消量的方法,其中步骤S2中依据粒子群优化算法得出寻优后的预测模型结构的步骤包括:将初步预测模型作为系统初始模型,以计算初始模型的预设适应度值初始模型的预设适应度值使用粒子群优化算法对初始模型分子分母最高阶参数进行降阶优化,并产生适应度值f
i
,若f
i
<f
i
‑1,则消去分子分母的相同零极点获得次高阶模型,若无相同零极点,则分子分母同时考虑降阶处理重新辨识获得次高阶模型,再次利用粒子群优化算法对次高阶模型分子分母进行降阶优化,并产生新的适应度值f
i+1
,若f
i+1
<f
i
,则重复上述步骤进行优化,直至满足设定的精度条件,停止寻优,输出当前阶次模型作为寻优后的预测模型,若f
i+1
>f
i
,则输出上一阶次模型作为寻优后的预测模型,其中,为t时刻的预测输出,y(t)为t时刻的实际采集值,f
i
为第i次循环迭代得到的适应度值;S4将步骤S1中的训练集数据作为步骤S3中寻优后的预测模型的输入,以获取输出结果作为预测结果。4.根据权利要求1所述的预测高炉煤气产消量的方法,其中步骤S1中的输入、输出数据集的划分步骤包括:设定n为预测步长,t为样本时间点,以时刻t,(t+1),(t+2),
…
,(t+n
‑
1)的历史数据作为输入数据集,而时刻(t+n)的历史数据作为输出数据集。5.根据权利要求4所述的预测高炉煤气产消量的方法,其中步骤S1中的训练集与测试集的划分步骤包括:设定训练样本数量为num...
【专利技术属性】
技术研发人员:万成,茅心怡,王湘泽,刘科,
申请(专利权)人:上海宝能信息科技有限公司,
类型:发明
国别省市:
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。