一种钢铁企业煤气系统优化调度方法及系统技术方案

本说明书实施例公开了一种钢铁企业煤气系统优化调度方法及系统，涉及调度技术领域。其中，该方法包括：获取与煤气产量相关的煤气系统数据和煤气用户与煤气消耗量相关的工艺数据；根据该煤气系统数据和该工艺数据进行预测，获取预测煤气产量和预测煤气消耗量；根据该预测煤气产量和预测煤气消耗量确定约束条件；在约束条件内对煤气用户对应的分配煤气流量进行枚举，生成N个调度方案；构建第一适应度函数和第二适应度函数；遍历该N个调度方案，得到N个第一适应度和N个第二适应度；根据该第一适应度和第二适应度，得到N个第三适应度；基于该第三适应度确定目标调度方案，并根据目标调度方案对煤气用户所对应的分配煤气流量进行自动调节。自动调节。自动调节。

【技术实现步骤摘要】
一种钢铁企业煤气系统优化调度方法及系统


[0001]本申请涉及调度
，具体而言，涉及一种钢铁企业煤气系统优化调度方法及系统。

技术介绍

[0002]钢铁企业生产时会产生大量的煤气，包括高炉煤气、转炉煤气、焦炉煤气等。其中，高炉煤气是高炉生产时的副产物，也是钢铁企业各工序生产时主要利用的二次能源。
[0003]高炉煤气产生后，可以通过厂内的煤气管网输送至各用户，主要用户有热风炉、加热炉、锅炉、烧结点火炉、竖炉、回转窑等，若用户未能消纳所有煤气，则会出现煤气放散的情况。目前，钢铁企业普遍采用的高炉煤气调度方式为人工调度，主要是通过监测高炉煤气管网压力以及各工序的高炉煤气消耗流量，设定煤气管网压力的允许波动范围，通过电话的方式告知相关人员调整煤气用量。但是，由于该方式会导致煤气调度具有滞后性，会使得各工序的煤气消耗难以始终保持在较优水平，并且，通过人工调度的方式，可能会因为误判、漏报等因素导致较大的煤气管网压力和流量波动，对生产造成较大的影响。
[0004]基于此，有必要研究一种针对钢铁企业煤气系统的优化调度方法，以实现煤气智能调度，提高高炉煤气利用效率，减少高炉煤气放散。

技术实现思路

[0005]本说明书实施例的一个方面提供一种钢铁企业煤气系统优化调度方法，该方法包括：
[0006]获取与煤气产量相关的煤气系统数据和每一个煤气用户与煤气消耗量相关的工艺数据；
[0007]根据所述与煤气产量相关的煤气系统数据和所述与煤气消耗量相关的工艺数据进行预测，获取未来时间段内的预测煤气产量和每一个所述煤气用户在所述未来时间段内对应的预测煤气消耗量；
[0008]根据所述预测煤气产量和所述预测煤气消耗量确定约束条件；
[0009]在所述约束条件内基于所述预测煤气产量和每一个所述煤气用户对应的预测煤气消耗量对每一个煤气用户对应的分配煤气流量进行枚举，生成N个调度方案；
[0010]构建第一适应度函数和第二适应度函数，其中，所述第一适应度函数用于计算所述调度方案所对应的煤气放散总量，所述第二适应度函数用于计算所述调度方案所对应的分配煤气流量与所述预测煤气消耗量之间的总匹配度；
[0011]遍历所述N个调度方案，得到N个第一适应度和N个第二适应度；
[0012]根据所述N个第一适应度和所述N个第二适应度，得到N个第三适应度；
[0013]基于所述N个第三适应度从所述N个调度方案中确定目标调度方案，并根据所述目标调度方案对每一个所述煤气用户所对应的分配煤气流量进行自动调节。
[0014]在一些实施例中，所述根据所述与煤气产量相关的煤气系统数据和所述与煤气消
耗量相关的工艺数据进行预测，获取未来时间段内的预测煤气产量和每一个所述煤气用户在所述未来时间段内对应的预测煤气消耗量，包括：
[0015]获取训练好的第一机器学习模型和第二机器学习模型；
[0016]对所述与煤气产量相关的煤气系统数据和所述与煤气消耗量相关的工艺数据进行预处理，所述预处理包括数据清洗、异常值处理和缺失值处理；
[0017]将经过所述预处理后的所述与煤气产量相关的煤气系统数据输入训练好的所述第一机器学习模型，得到所述未来时间段内的预测煤气产量；
[0018]将经过所述预处理后的每一个所述煤气用户对应的与煤气消耗量相关的工艺数据输入训练好的所述第二机器学习模型，得到每一个所述煤气用户在所述未来时间段内对应的预测煤气消耗量。
[0019]在一些实施例中，所述获取训练好的第一机器学习模型和第二机器学习模型，包括：
[0020]获取与煤气产量相关的样本煤气系统数据和每一个煤气用户与煤气消耗量相关的样本工艺数据；
[0021]通过所述样本煤气系统数据训练所述第一机器学习模型的煤气产量预测层，通过所述样本工艺数据训练所述第二机器学习模型的煤气消耗量预测层，其中，所述第二机器学习模型包括与每一个煤气用户分别对应的子模型；
[0022]构建预测误差拟合层；
[0023]将所述预测误差拟合层的第一输入层与所述煤气产量预测层的输出层全连接，得到所述第一机器学习模型；
[0024]将所述预测误差拟合层的第二输入层与所述煤气消耗量预测层的输出层全连接，得到所述第二机器学习模型。
[0025]在一些实施例中，所述构建预测误差拟合层，包括：
[0026]确定预测误差拟合规则，并根据所述预测误差拟合规则构建所述预测误差拟合层；
[0027]其中，所述预测误差拟合规则包括：
[0028]获取所述与煤气产量相关的煤气系统数据或所述与煤气消耗量相关的工艺数据在指定长度的相邻时间段内的同比变化度；
[0029]将所述煤气产量预测层得到的煤气产量预测结果或所述煤气消耗量预测层得到的煤气消耗量预测结果与所述同比变化度进行乘积计算，获取预测结果变化量；
[0030]根据所述预测结果变化量对所述煤气产量预测结果或所述煤气消耗量预测结果进行误差拟合。
[0031]在一些实施例中，所述约束条件至少包括：
[0032]每一个煤气用户所对应的分配煤气流量与对应预测煤气流量的差值小于或等于二者之中较小值的20％；以及
[0033]所有煤气用户所对应的分配煤气总流量小于所述预测煤气产量，且大于或等于所述预测煤气产量的85％。
[0034]在一些实施例中，所述第一适应度函数如下所示：
[0035][0036]其中，S
k
表示第k个调度方案对应的煤气放散量数据集，f1,f2,
…
,f
n
分别表示第1～n个煤气用户在第k个调度方案下所对应的煤气放散量，f
i
表示第i个煤气用户对应的煤气放散量，表示第k种调度方案所对应的第一适应度。
[0037]在一些实施例中，所述第二适应度函数如下所示：
[0038][0039]其中，P
k
表示第k个调度方案对应的匹配度数据集，d1,d2,
…
,d
n
分别表示第1～n个煤气用户在第k个调度方案下所对应的分配煤气流量与所述预测煤气消耗量之间匹配度，y
i
表示第i个煤气用户所对应的预测煤气消耗量，b
i
表示第i个煤气用户所对应的分配煤气流量，min(y
i
,b
i
)表示取y
i
和b
i
中的较小值，d
i
表示第i个煤气用户所对应的匹配度，表示第k种调度方案所对应的第二适应度。
[0040]在一些实施例中，所述根据所述N个第一适应度和所述N个第二适应度，得到N个第三适应度，包括：
[0041]基于所述N个第一适应度和所述N个第二适应度构建权重分析矩阵；
[0042]对所述权重分析矩阵进行熵权法分析，获取所述第一适应度对应的第一权重和所述第二适应度对应的第二权重；
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种钢铁企业煤气系统优化调度方法，其特征在于，包括：获取与煤气产量相关的煤气系统数据和每一个煤气用户与煤气消耗量相关的工艺数据；根据所述与煤气产量相关的煤气系统数据和所述与煤气消耗量相关的工艺数据进行预测，获取未来时间段内的预测煤气产量和每一个所述煤气用户在所述未来时间段内对应的预测煤气消耗量；根据所述预测煤气产量和所述预测煤气消耗量确定约束条件；在所述约束条件内基于所述预测煤气产量和每一个所述煤气用户对应的预测煤气消耗量对每一个煤气用户对应的分配煤气流量进行枚举，生成N个调度方案；构建第一适应度函数和第二适应度函数，其中，所述第一适应度函数用于计算所述调度方案所对应的煤气放散总量，所述第二适应度函数用于计算所述调度方案所对应的分配煤气流量与所述预测煤气消耗量之间的总匹配度；遍历所述N个调度方案，得到N个第一适应度和N个第二适应度；根据所述N个第一适应度和所述N个第二适应度，得到N个第三适应度；基于所述N个第三适应度从所述N个调度方案中确定目标调度方案，并根据所述目标调度方案对每一个所述煤气用户所对应的分配煤气流量进行自动调节。2.如权利要求1所述的方法，其特征在于，所述根据所述与煤气产量相关的煤气系统数据和所述与煤气消耗量相关的工艺数据进行预测，获取未来时间段内的预测煤气产量和每一个所述煤气用户在所述未来时间段内对应的预测煤气消耗量，包括：获取训练好的第一机器学习模型和第二机器学习模型；对所述与煤气产量相关的煤气系统数据和所述与煤气消耗量相关的工艺数据进行预处理，所述预处理包括数据清洗、异常值处理和缺失值处理；将经过所述预处理后的所述与煤气产量相关的煤气系统数据输入训练好的所述第一机器学习模型，得到所述未来时间段内的预测煤气产量；将经过所述预处理后的每一个所述煤气用户对应的与煤气消耗量相关的工艺数据输入训练好的所述第二机器学习模型，得到每一个所述煤气用户在所述未来时间段内对应的预测煤气消耗量。3.如权利要求2所述的方法，其特征在于，所述获取训练好的第一机器学习模型和第二机器学习模型，包括：获取与煤气产量相关的样本煤气系统数据和每一个煤气用户与煤气消耗量相关的样本工艺数据；通过所述样本煤气系统数据训练所述第一机器学习模型的煤气产量预测层，通过所述样本工艺数据训练所述第二机器学习模型的煤气消耗量预测层，其中，所述第二机器学习模型包括与每一个煤气用户分别对应的子模型；构建预测误差拟合层；将所述预测误差拟合层的第一输入层与所述煤气产量预测层的输出层全连接，得到所述第一机器学习模型；将所述预测误差拟合层的第二输入层与所述煤气消耗量预测层的输出层全连接，得到所述第二机器学习模型。
4.如权利要求3所述的方法，其特征在于，所述构建预测误差拟合层，包括：确定预测误差拟合规则，并根据所述预测误差拟合规则构建所述预测误差拟合层；其中，所述预测误差拟合规则包括：获取所述与煤气产量相关的煤气系统数据或所述与煤气消耗量相关的工艺数据在指定长度的相邻时间段内的同比变化度；将所述煤气产量预测层得到的煤气产量预测结果或所述煤气消耗量预测层得到的煤气消耗量预测结果与所述同比变化度进行乘积计算，获取预测结果变化量；根据所述预测结果变化量对所述煤气产量预测结果或所述煤气消耗量预测结果进行误差拟合。5.如权利要求1所述的方法，其特征在于，所述约束条件至少包括：每一个煤气用户所对应的分配煤气流量与对应预测煤气流量的差值小于或等于二者之中较小值的20％；以及所有煤气用户所对应的分配煤气总流量小于所述预测煤气产量，且大于或等于所述预测煤气产量的85％。...

【专利技术属性】
技术研发人员：郑宏，刘逍，姜福生，陈维维，党鹏乐，邢超，
申请(专利权)人：磐石建龙钢铁有限公司，
类型：发明
国别省市：