【技术实现步骤摘要】
本专利技术属于高炉煤气，尤其涉及一种高炉煤气的煤气产量预测及管道压力动态平衡方法。
技术介绍
1、为了实现对高炉煤气的管道压力的动态平衡，在授权专利技术专利授权公告号cn114593365b《一种钢铁企业副产煤气实时调度系统》中通过设置管网压力监测模块、设备信息追踪模块、煤气实时调度模块和调度策略推送模块；在压力监测模块和设备信息追踪模块的紧密配合下，使用煤气实时调度模块得到副产煤气的调度策略推送消息，但是却存在以下技术问题：
2、1、未考虑对高炉煤气的产量进行实时预测，对于钢铁企业来说，高炉煤气的产量是实时变化的，若不能提前实现对高炉煤气的产量进行实时预测，则有可能会导致压力的调节速率无法满足要求，进而导致爆管等意外事故的发生。
3、2、未考虑结合运行年限、煤气管网的温度进行管网的压力阈值的修正，一般来说，对于运行年限较久或者煤气管网的温度较高的管网，其煤气管网所能承受的最大压力会有所降低，因此若不能考虑上述两种因素，则同样有可能会导致爆管等意外事故的发生。
4、针对上述技术问题，本专利技术提供了一种高炉煤气的煤气产量预测及管道压力动态平衡方法。
技术实现思路
1、为实现本专利技术目的，本专利技术采用如下技术方案：
2、根据本专利技术的一个方面，提供了一种高炉煤气的煤气产量预测及管道压力动态平衡方法。一种高炉煤气的煤气产量预测及管道压力动态平衡方法，其特征在于，具体包括：
3、s11基于第一时间阈值，获取固体燃料的平均颗
4、s12基于所述高炉煤气的预测产量与所述高炉煤气的实时产量的差值的绝对值，并基于所述绝对值判断所述高炉煤气的变动量是否大于第一阈值，若是，则进入步骤s13，若否，则返回步骤s11；
5、s13基于所述高炉煤气的预测产量，确定在所述预测产量的基础上的所述煤气管网的预测压力，判断所述预测压力是否大于第一压力阈值，若是，则进入步骤s14，若否，则返回步骤s11；
6、s14基于所述煤气管网的额定压力阈值、煤气管网的运行年限、煤气管网的温度，采用基于机器学习算法的评估模型，得到所述煤气管网的修正压力阈值，并基于所述煤气管网的预测压力是否小于所述修正压力阈值，若是，则返回步骤s11,若否，则进入步骤s15；
7、s15基于所述煤气管网的预测压力、煤气管网的修正压力阈值，对所述煤气管网的压力进行动态平衡。
8、通过构建输入集，并将所述输入集传输至基于gwo-elman算法的煤气产量预测模型中，得到所述高炉煤气的预测产量，从而实现了对高炉煤气的产量的准确预测，提升了煤气管网的动态平衡的可靠性，保证了煤气管网的运行的稳定性。
9、通过第一阈值、第一压力阈值的设置，从而实现了对高炉煤气的预测产量变动不大的情况的筛选，减少了需要进行修正压力阈值判断的次数，提升了整体判断的效率，进而保证了煤气管网的运行的稳定性。
10、通过采用基于机器学习算法的评估模型，得到煤气管网的修正压力阈值，从而实现了根据所述煤气管网的温度和运行年限进行动态调整，保证了煤气管网的运行稳定性。
11、进一步的技术方案在于，所述第一时间阈值根据所述煤气管网的额定压力阈值、煤气管网的长度、近一周的高炉煤气的平均产量进行确定，其中所述煤气管网的额定压力阈值越大，所述煤气管网的长度越短，近一周的高炉煤气的平均产量越小，则第一时间阈值越大。
12、进一步的技术方案在于，高炉煤气的预测产量构建的具体步骤为：
13、s21基于所述固体燃料的供应量和实时的固体燃料的供应量，判断所述固体燃料的供应量的变动量是否大于第一变动量阈值，若是，则进入步骤s23，若否，则进入步骤s22；
14、s22基于所述供氧量和实时的供氧量，判断所述供氧量的变动量是否大于第二变动量阈值，若是，则进入步骤s23，若否，则将实时的高炉煤气的产量作为所述高炉煤气的预测产量；
15、s23将所述输入集传输至基于gwo-elman算法的煤气产量预测模型中，得到所述高炉煤气的预测产量；
16、其中所述基于gwo-elman算法的煤气产量预测模型的构建的具体步骤为：
17、步骤1：对原始数据进行预处理，划分训练集、验证集和测试集；
18、步骤2：根据预测需要，设定网络输入输出节点数，并通过试凑法选定隐藏层节点数，确定elman神经网络拓扑结构；
19、步骤3：gwo算法初始化，设置种群规模m，最大迭代次数tmax，划定待优化网络权值阈值的寻优范围，根据网络初始权值阈值对灰狼位置初始化；
20、步骤4：构建elman神经网络模型并训练，其中elman神经网络模型的各层的输入输出所对应的表达式为：
21、y(t)＝g(w3x(t))
22、x(t)＝f(w1xc(t)+w2(u(t-1))
23、xc(t)＝x(t-1)
24、其中y(t)和x(t)分别表示第t次迭代时的输出层和隐藏层的输出，w3为隐藏层-输出层权值，g(*)为输出层激活函数；w1表示承接层-隐藏层权值，xc(t)表示第t次迭代时的承接层输出，w2表示输入层-隐藏层权值，u(t-1)表示第t次迭代时的输入层的输入，f(*)是隐藏层激活函数；
25、步骤5:以模型预测均方误差最小为目标，计算适应度函数值，选出α,β、γ狼，并更新ω狼的位置及相关参数；
26、步骤6:判断是否达到最大迭代次数，若达到则α狼对应的位置即为所搜索到elman模型的最优初始权值和阈值，反之，跳到步骤3；
27、步骤7:选择gwo算法寻优后得到的α狼的位置所对应的值作为elman神经网络初始权值和阈值，构建得到所述煤气产量预测模型。
28、进一步的技术方案在于，所述第一变动量阈值、第二变动量阈值根据近一周的所述高炉煤气的平均产量进行确定，其中所述近一周的所述高炉煤气的平均产量越大，则第一变动量阈值和第二变动量阈值越小。
29、进一步的技术方案在于，所述预测压力根据实时的高炉煤气的产量与煤气管网的压力的关系，基于所述高炉煤气的预测产量进行确定。
30、进一步的技术方案在于，所述煤气管网的修正压力阈值的构建的具体步骤为：
31、s31基于所述煤气管网的运行年限、所述煤气管网的近一年的维修次数，得到所述煤气管网的基础可靠度，并判断所述煤气管网的基础可靠度是否小于第一可靠阈值，若是，则进入步骤s33，若否，则进入步骤s32；
32、s32判断所述煤气管网的温度是否大于第一温度阈值，若是，则进入步骤s33，若否，则将所述煤气管网的额定压力阈值作为所述煤气管网的修正压力阈值；
33、s3本文档来自技高网...
【技术保护点】
1.一种高炉煤气的煤气产量预测及管道压力动态平衡方法，其特征在于，具体包括：
2.如权利要求1所述的高炉煤气的煤气产量预测及管道压力动态平衡方法，其特征在于，所述第一时间阈值根据所述煤气管网的额定压力阈值、煤气管网的长度、近一周的高炉煤气的平均产量进行确定，其中所述煤气管网的额定压力阈值越大，所述煤气管网的长度越短，近一周的高炉煤气的平均产量越小，则第一时间阈值越大。
3.如权利要求1所述的高炉煤气的煤气产量预测及管道压力动态平衡方法，其特征在于，高炉煤气的预测产量构建的具体步骤为：
4.如权利要求3所述的高炉煤气的煤气产量预测及管道压力动态平衡方法，其特征在于，所述第一变动量阈值、第二变动量阈值根据近一周的所述高炉煤气的平均产量进行确定，其中所述近一周的所述高炉煤气的平均产量越大，则第一变动量阈值和第二变动量阈值越小。
5.如权利要求3所述的高炉煤气的煤气产量预测及管道压力动态平衡方法，其特征在于，所述预测压力根据实时的高炉煤气的产量与煤气管网的压力的关系，基于所述高炉煤气的预测产量进行确定。
6.如权利要求1所述的高
7.如权利要求1所述的高炉煤气的煤气产量预测及管道压力动态平衡方法，其特征在于，当所述煤气管网的预测压力大于或者等于所述修正压力阈值时，对所述高炉煤气进行协调，以使得所述煤气管网的压力达到动态平衡。
8.一种计算机可读存储介质，其上存储有计算机程序，当所述计算机程序在计算机中执行时，令计算机执行权利要求1-7任一项所述的一种高炉煤气的煤气产量预测及管道压力动态平衡方法。
9.一种计算机程序产品，其特征在于，所述计算机程序产品存储有指令，所述指令在由计算机执行时，使得所述计算机实施权利要求1-7任一项所述的一种高炉煤气的煤气产量预测及管道压力动态平衡方法。
...【技术特征摘要】
1.一种高炉煤气的煤气产量预测及管道压力动态平衡方法，其特征在于，具体包括：
2.如权利要求1所述的高炉煤气的煤气产量预测及管道压力动态平衡方法，其特征在于，所述第一时间阈值根据所述煤气管网的额定压力阈值、煤气管网的长度、近一周的高炉煤气的平均产量进行确定，其中所述煤气管网的额定压力阈值越大，所述煤气管网的长度越短，近一周的高炉煤气的平均产量越小，则第一时间阈值越大。
3.如权利要求1所述的高炉煤气的煤气产量预测及管道压力动态平衡方法，其特征在于，高炉煤气的预测产量构建的具体步骤为：
4.如权利要求3所述的高炉煤气的煤气产量预测及管道压力动态平衡方法，其特征在于，所述第一变动量阈值、第二变动量阈值根据近一周的所述高炉煤气的平均产量进行确定，其中所述近一周的所述高炉煤气的平均产量越大，则第一变动量阈值和第二变动量阈值越小。
5.如权利要求3所述的高炉煤气的煤气产量预测及管道压力动态平衡方法，...
【专利技术属性】
技术研发人员：兰向东，卓钢，高华兵，袁志明，文超，
申请(专利权)人：四川点石能源股份有限公司，
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。