【技术实现步骤摘要】
本申请涉及冶金热工节能，特别是涉及一种加热炉煤气消耗量预测方法、装置、设备、介质及产品。
技术介绍
1、随着钢铁企业的不断发展壮大，越来越多的钢铁企业不仅仅是关注钢铁产量，还有能源消耗问题。随着能源消耗的增加，必然会导致企业能耗成本和产出成本的增加，同时也带来了更多的污染排放，因此能源消耗对钢铁企业的发展有重大意义。
2、关于加热炉节能降耗的相关研究中通过对相关数据的抓取，试图从数据中发现加热炉煤气消耗的规律，从而根据生产计划预测出加热炉煤气消耗量，然后根据预测的加热炉煤气消耗量进行生产避免加热炉煤气浪费。但是这种方法预测的加热炉煤气消耗量并不准确。
技术实现思路
1、本申请的目的是提供一种加热炉煤气消耗量预测方法、装置、设备、介质及产品，可提高加热炉煤气消耗量的预测准确度。
2、为实现上述目的，本申请提供了如下方案：
3、第一方面，本申请提供了一种加热炉煤气消耗量预测方法，包括：
4、将预设时间段分为多个时间段，获取第一样本集和第二样本集；所述第一样本集包括加热炉在各时间段对钢坯进行加热时的生产数据集合；所述生产数据集合包括加热炉各入炉生产数据的平均值；所述第二样本集包括加热炉在各时间段对钢坯进行加热时的热值燃耗集合；所述热值燃耗集合包括煤气热值平均值和煤气燃耗平均值；
5、将第一样本集按设定比例分为第一训练集和第一验证集；
6、将第二样本集按设定比例分为第二训练集和第二验证集；所述第二训练集中包括第1个时间
7、根据第二训练集和第二验证集对arima模型进行训练和验证得到煤气热值预测模型；
8、对第一训练集进行聚类得到第一训练集对应的簇；一个簇对应入炉特征相同的所有钢坯；
9、以第一训练集对应的簇为基准，对第一验证集进行聚类，得到第一样本集对应的簇；
10、根据第二训练集、第二验证集、第一训练集对应的簇、第一样本集对应的簇和加热炉在各时间段对钢坯进行加热时的预测煤气热值平均值对目标簇集合中各簇对应的燃耗预测数学模型进行训练和验证得到燃耗预测模型集合，所述燃耗预测模型集合用于对加热炉煤气消耗量进行预测；目标簇集合包括第一训练集对应的簇；预测煤气热值平均值通过所述煤气热值预测模型得到。
11、可选的，所述入炉生产数据，具体包括：
12、计划在炉平均时长、钢坯的平均长度、钢坯的平均宽度、钢坯的平均厚度、钢坯的平均比热容、钢坯的平均密度、钢坯入炉平均温度和钢坯目标出炉平均温度。
13、可选的，所述根据第二训练集和第二验证集对arima模型进行训练和验证得到煤气热值预测模型，具体包括：
14、在当前迭代次数下，根据上一迭代次数下的arima模型计算当前迭代次数下的arima模型中的自回归项数和移动平均项数，并构建当前迭代次数下的arima模型；初始迭代次数下的arima模型中的自回归项数和移动平均项数根据第二训练集中的煤气热值平均值得到；
15、根据第二训练集中的煤气热值平均值对当前迭代次数下的arima模型进行训练得到当前迭代次数下训练后的arima模型；
16、若i＝m+1，则将第二训练集中第i-p个时间段的煤气热值平均值到第m个时间段的煤气热值平均值，输入到当前迭代次数下训练后的arima模型，得到第i个时间段的预测煤气热值平均值；p为当前迭代次数下的arima模型中的自回归项数；
17、当m+1+p小于或等于n时若m+1＜i＜m+1+p，则将第二训练集中第i-p个时间段的煤气热值平均值到第m个时间段的煤气热值平均值以及第m+1个时间段的预测煤气热值平均值到第i-1个时间段的预测煤气热值平均值，输入到当前迭代次数下训练后的arima模型，得到第i个时间段的预测煤气热值平均值；p为当前迭代次数下的arima模型中的自回归项数；
18、若m+1+p≤i≤n，则将第i-p个时间段的预测煤气热值平均值到第i-1个时间段的预测煤气热值平均值，输入到当前迭代次数下训练后的arima模型，得到第i个时间段的预测煤气热值平均值；p为当前迭代次数下的arima模型中的自回归项数；
19、当m+1+p大于n时，若m+1＜i＜m+1+p，则将第二训练集中第i-p个时间段的煤气热值平均值到第m个时间段的煤气热值平均值以及第m+1个时间段的预测煤气热值平均值到第i-1个时间段的预测煤气热值平均值，输入到当前迭代次数下训练后的arima模型，得到第i个时间段的预测煤气热值平均值；p为当前迭代次数下的arima模型中的自回归项数；
20、对第i个时间段的预测煤气热值平均值与第二验证集中第i个时间段的煤气热值平均值进行误差分析得到误差值；
21、若所述误差值不满足迭代停止条件，则更新迭代次数，进入下次迭代次数；
22、若所述误差值满足迭代停止条件，则确定当前迭代次数下训练后的arima模型为煤气热值预测模型。
23、可选的，所述误差值为均方误差和平均百分比误差。
24、可选的，根据第二训练集、第二验证集、第一训练集对应的簇、第一样本集对应的簇和加热炉在各时间段对钢坯进行加热时的预测煤气热值平均值对目标簇集合中各簇对应的燃耗预测数学模型进行训练和验证得到燃耗预测模型集合，具体包括：
25、对于第一训练集对应的任意一个簇，将第二训练集和第二验证集中加热炉在第一时间段集合内各时间段对钢坯进行加热时的热值燃耗集合加入第一训练集对应的所述簇，得到第一训练集对应的所述簇的第三训练集；第一时间段集合包括第一训练集对应的所述簇对应的所有时间段；
26、对于第一样本集对应的任意一个簇，将加热炉在第二时间段集合内各时间段对钢坯进行加热时的预测煤气热值平均值以及第二训练集和第二验证集中加热炉在第二时间段集合内各时间段对钢坯进行加热时的煤气燃耗加入第一样本集对应的所述簇，得到第一样本集对应的所述簇的第三验证集；所述第二时间段集合包括第一样本集对应的所述簇对应的所有时间段；
27、根据第一训练集对应的所有簇的第三训练集以及第一样本集对应的所有簇的第三验证集对目标簇集合中各簇对应的燃耗预测数学模型进行训练和验证得到第二验证结果，若所述第二验证结果不符合第二设定阈值，则更改预设数量，并返回对第一训练集进行聚类得到第一训练集对应的簇的步骤，若所述的第二验证结果符合第二设定阈值，则确定目标簇集合中各簇对应的燃耗预测数学模型为燃耗预测模型集合。
28、可选的，根据第一训练集对应的所有簇的第三训练集以及第一样本集对应的所有簇的第三验证集对目标簇集合中各簇对应的燃耗预测数学模型进行训练和验证得到第二验证结果，具体包括，具体包括：
29、对于第一训练集对应的任意一个簇，根据本文档来自技高网...
【技术保护点】
1.一种加热炉煤气消耗量预测方法，其特征在于，所述加热炉煤气消耗量预测方法包括：
2.根据权利要求1所述的加热炉煤气消耗量预测方法，其特征在于，所述入炉生产数据，具体包括：
3.根据权利要求1所述的加热炉煤气消耗量预测方法，其特征在于，所述根据第二训练集和第二验证集对ARIMA模型进行训练和验证得到煤气热值预测模型，具体包括：
4.根据权利要求3所述的加热炉煤气消耗量预测方法，其特征在于，所述误差值为均方误差和平均百分比误差。
5.根据权利要求1所述的加热炉煤气消耗量预测方法，其特征在于，根据第二训练集、第二验证集、第一训练集对应的簇、第一样本集对应的簇和加热炉在各时间段对钢坯进行加热时的预测煤气热值平均值对目标簇集合中各簇对应的燃耗预测数学模型进行训练和验证得到燃耗预测模型集合，具体包括：
6.根据权利要求5所述的加热炉煤气消耗量预测方法，其特征在于，根据第一训练集对应的所有簇的第三训练集以及第一样本集对应的所有簇的第三验证集对目标簇集合中各簇对应的燃耗预测数学模型进行训练和验证得到第二验证结果，具体包括：
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。