一种基于DE-MK-MSVR的锡冶炼过程多类别能耗预测方法技术

本发明专利技术涉及一种基于DE‑MK‑MSVR的锡冶炼过程多类别能耗预测方法，属于能耗预测技术领域。具体包括：对锡冶炼过程所采集的数据进行缺失值、异常值、数据量纲的处理，采用距离相关系数矩阵分析能耗影响因素，搭建多输出能耗预测模型，引入多核学习对模型改进，采用差分进化算法优化模型参数，最后采用经典的多输出预测模型进行对比。所述方法能解决锡冶炼过程中涉及多类型能源消耗且存在强相关性所带来的综合能耗预测难题；避免了构建多个单一能耗预测模型而忽略能源之间相关性导致的整体预测效果不佳且计算成本过高的问题。本发明专利技术克服了传统模型只能预测单一能耗的缺点，能同时预测在相同能耗影响因素下的不同类型能源的消耗情况，模型预测精度高。

【技术实现步骤摘要】

本专利技术涉及能耗预测，具体涉及一种基于de-mk-msvr的锡冶炼过程多类别能耗预测方法。

技术介绍

1、有色金属冶炼作为高排放、高耗能行业，低碳化是其可持续发展的关键，。有色金属在冶炼过程中消耗大量的煤炭、矿石等自然矿产资，能源消耗是企业的重要成本之一，能耗预测对挖掘节能潜力有非常重要的作用。目前的能耗预测方法大致可分为三类：机理建模、数据驱动建模及混合建模。基于机理的建模方法，大多为领域专家在具备丰富的领域知识的提前下，根据对象过程内部的反应运行机制，利用过程涉及到的如化学反应规律、热力学、能量质量守恒定律等规律建立过程模型的方法，该方法一般较为复杂且成本较高；基于数据驱动建模方法不过分依赖反应过程的机理知识，通过分析过程特性和数据特征来建立能耗预测模型，其预精度高、响应快，代表方法有bp神经网络预测，长短期记忆神经网络(lstm)，支持向量机(svm)，随机森林(rf)等模型；混合建模是将机理分析与数据驱动相结合的方法，通过将先验知识引入到建模和分析过程中，不仅可以极大地提高建模优化的效率，还可以解决模型泛化能力差的问题。>

2、面对锡冶本文档来自技高网...

【技术保护点】

1.一种基于DE-MK-MSVR的锡冶炼过程多能耗预测方法，其特征在于，所述方法的具体步骤如下：

2.根据权利要求1所述的一种基于DE-MK-MSVR的锡冶炼过程多能耗预测方法，其特征在于：所述的S1中的数据采集装置包括：电子式多功能智能电表、智能热力仪表、热力积算仪、智能气体流量表、智能液态流量表、称重仪表、压力、温度、测速传感器。

3.根据权利要求1所述的一种基于DE-MK-MSVR的锡冶炼过程多能耗预测方法，其特征在于：所述的S2中预处理包括：数据格式的转换、缺失值填充、异常值检测以及数据量纲的统一，具体过程如下：

4.根据权利要求1所述的一种基...

【技术特征摘要】

1.一种基于de-mk-msvr的锡冶炼过程多能耗预测方法，其特征在于，所述方法的具体步骤如下：

2.根据权利要求1所述的一种基于de-mk-msvr的锡冶炼过程多能耗预测方法，其特征在于：所述的s1中的数据采集装置包括：电子式多功能智能电表、智能热力仪表、热力积算仪、智能气体流量表、智能液态流量表、称重仪表、压力、温度、测速传感器。

3.根据权利要求1所述的一种基于de-mk-msvr的锡冶炼过程多能耗预测方法，其特征在于：所述的s2中预处理包括：数据格式的转换、缺失值填充、异常值检测以及数据量纲的统一，具体过程如下：

4.根据权利要求1所述的一种基于de-mk-msvr的锡冶炼过程多能耗预测方法，其特征在于：所述的s3的具体过...

【专利技术属性】
技术研发人员：冯早，王正浪，李超群，
申请(专利权)人：昆明理工大学，
类型：发明
国别省市：