专利名称：一种基于数据的冶金企业高炉煤气动态预测方法
技术领域：
本发明属于信息技术领域，涉及到经验模态分解的消噪方法、贝叶斯推理方法和 回声状态网络理论，是一种基于数据的冶金企业高炉煤气动态预测方法。本发明利用冶金 企业现场已有的历史数据，采用经验模态分解法对高炉煤气各用户的煤气流量数据进行消 噪处理，建立基于回声状态网络的时间序列预测模型，预测当前时间点后指定时间长度内 高炉煤气系统的产消量；通过在回声状态网络中引入贝叶斯推理方法，建立有效的柜位预 测模型预测当前时间点后指定时间长度内煤气柜的柜位，从而有效地指导现场调度人员平 衡高炉煤气的产消状况。此方法在冶金企业其它能源介质系统均可有广泛的应用。
背景技术：
冶金企业是高能耗、高污染、高排放的产业。节能降耗一直是冶金行业所面临的 最严峻问题之一。随着一次能源的紧缺和新节能技术的提高，冶金生产过程中产生的副产 煤气能否得到合理的利用将直接影响到整个冶金企业的能耗成本和节能减排效果(Iwao Higashi, (1982). Energy balance of steel mills and utilization of byproduct gases[J]. Transactions of the Iron andSteel Institute of Japan,22(1) :57-65.)0 高炉煤气因其产量巨大，是副产煤气中很重要的一部分，合理对其利用至关重要，所以必须 对高炉煤气进行有效地调度，调度的依据是高炉煤气柜柜位的变化和高炉煤气系统的产消 量变化。在冶金企业生产过程中，高炉煤气大部分是通过煤气管网输送给各个煤气用户供 其正常生产，剩余的存入联网的煤气柜，考虑煤气柜的容量限制和安全运行，现场调度人员 需时刻把握高炉煤气柜柜位的变化情况和高炉煤气系统产消量的变化情况。当煤气柜柜位 发生异常时，根据煤气系统产消量的变化情况，增减管网中可调用户的煤气用量来平衡稳 定煤气柜位。因此准确预测出高炉煤气系统的产消量及煤气柜的柜位，可以有效指导煤气 的平衡调度，使得煤气经回收后可供生产自用及发电，从而大大降低一次能源的使用量、减 少煤气的无效排放，并且解决城市电能紧张等问题。目前实际生产中，对冶金企业高炉煤气的产消量预测还是以静态预测为主，静态 预测主要是以高炉煤气系统的计划和规划为依据，对一段时间内高炉煤气的产消量，结合 期间的生产计划、检修计划或技改项目等因素，进行简单的预测，国内至今没有采用理论 的方法对其进行动态预测；而对高炉煤气柜柜位预测则多是基于机理方法，如韩国浦项钢 厂和上海宝钢采用的柜位机理预测方法CJ. H. Kim, H. S. Yi, C. Han. (2003). A novel MILP model for ρlantwidemultiperiod optimization of byproduct gas supply system in the iron and steel making process[J]. Chemical Engineering Research Design, 81(8) :1015-1025.),该方法的工作原理为通过分析煤气柜位变化差与煤气产消差变化 之间的联系，利用前一时刻的柜位Ht和产消差Δ fl0WH来预测当前时刻的柜位Ht = Hw+Aflowt"1(4)以上方法存在如下不足首先对高炉煤气系统产消量的预测采用静态预测模式， 仅通过生产计划和规划来预测，有很大的不确定性；其次认为煤气柜仅由煤气产消差决定，
4而实际中，煤气柜由煤气管网中各独立煤气用户的煤气用量变化决定；认为煤气柜柜位和 各煤气用户之间为简单线性关系，导致预测精度不高，仅适合短时预测，而实际中，煤气柜 与影响其变化的各煤气用户之间呈现不确定的高度非线性；认为所有煤气用户影响煤气柜 的程度相同，增加了调度的复杂性，而实际中，各用户因其煤气用量的变化特点和与煤气柜 的距离差距，对煤气柜的变化影响均不相同，一些小用量和平稳变化的煤气用户还可以忽 略。
发明内容
本发明要解决的技术问题是现有冶金企业高炉煤气动态预测问题。为解决上述这 一问题，对高炉煤气的产消情况及煤气柜柜位的变化情况进行分析，针对高炉煤气系统的 产消量预测，首先对高炉煤气各用户的煤气流量数据采用经验模态分解法进行消噪处理， 然后建立一种基于回声状态网络的时间序列预测模型，预测当前时间点后指定时间长度内 (为保证预测的精度通常此时间长度小于60分钟)高炉煤气系统的产消量；针对高炉煤气 柜柜位预测，通过在回声状态网络中引入贝叶斯推理方法，建立一种有效的柜位预测模型 预测当前时间点后指定时间长度内(为保证预测的精度通常此时间长度小于60分钟)高 炉煤气柜的柜位。利用该发明可以准确地预测出高炉煤气系统的产消量和柜位变化，从而 为煤气的平衡调度提供决策支持。本发明技术方案的整体实现流程如附图1所示，具体步骤如下1.现场数据的读取从冶金企业现场实时数据库中读取所需的高炉煤气系统各 用户煤气流量数据和高炉煤气柜柜位数据；2.现场数据的消噪处理采用经验模态分解的方法对第1步中获得的数据中的各 用户煤气流量数据进行消噪处理；3.高炉煤气系统的产消量预测利用第2步消噪后的数据构建训练样本集，采用 基于回声状态网络的时间序列预测方法对高炉煤气系统中各用户的煤气流量进行预测，进 而预测高炉煤气系统的产消量；4.高炉煤气系统柜位预测建模对从数据库中读取的各用户煤气流量数据和煤 气柜柜位数据进行相应的量纲统一和归一化处理，通过在回声状态网络中引入贝叶斯方法 来构建柜位预测模型；5.高炉煤气系统的柜位预测将第3步预测得到的高炉煤气系统中各用户煤气流 量数据和已有的柜位历史数据作为第4步建立的柜位预测模型的输入，来预测高炉煤气柜 的柜位。本发明的效果和益处是本发明在对高炉煤气系统产消量进行预测时，考虑现场数据含噪高的特点，将经 验模态分解的消噪方法与回声状态网络方法有效的结合起来，对现场数据重构后进行预 测，预测精度有明显的提升；对高炉煤气柜柜位进行预测时，将贝叶斯推理的方法引入到回 声状态网络中，这种基于贝叶斯推理方法的网络能够有效地避免传统神经网络在构建因素 预测模型时经常出现的过拟合问题，能够准确地预测高炉煤气柜的柜位；本发明能够充分利用现有的高炉煤气系统已有的历史数据，预测当前时间后调度 人员指定时间长度内高炉煤气系统产消量和煤气柜柜位的变化情况，从而为煤气的平衡调度提供在线决策支持。
图1为实际高炉煤气系统管网分配图。图2为本发明的预测流程图。图3(a)为本发明实施方案中高炉煤气系统1#高炉受入流量预测结果比较图。图3(b)为本发明实施方案中高炉煤气系统1，姊焦炉煤气使用Bre流量预测结果 比较图。图3(c)为本发明实施方案中高炉煤气运行柜柜位预测结果比较图。图4为本发明实施方案的现场运行图，图4中绿线为当前时间轴，红色实线为当前 时间点前20分钟内的柜位变化真实曲线，绿线左侧的红色虚线为当前时间点前20分钟的 柜位历史预测曲线，绿线右侧的虚线为当前时间点后30分钟内的柜位实时预测曲线；蓝色 实线为当前时间点前20分钟内产消差值变化的真实曲线，绿线左侧的蓝色虚线为当前时 间点前20分钟的产消差值的历史预测曲线，绿线右侧的虚线为当前时间后30分钟内的产 消差值实时预测曲线。
具体实施例方式为了更好地理解本发明的技术方案，以下结合附图对本发明的实施方式作详细描 述，附图2为某冶金企业高炉煤气系统的管网图，高炉煤气的发生源是4座高炉，每小时大 约产生2000km3的高炉煤气；除了高炉自身热风炉消耗一部分高炉煤气外，其他消耗高炉煤 气的用户主要有三座焦炉、热轧和冷轧、化产、钢管、初轧及合成等；此外有5台装机容量达 35万千瓦的发电机组、4台70吨的低压锅炉和一台热电机组作为煤气的调节用户；管网中 配备了 2座15万m3的煤气柜来储存多余的高炉煤气。虽然现场煤气调度人员通过人工实 时监测和柜位机理方法来预测未来一段时间的柜位变化，但由于高炉煤气用户众多，计算 煤气产消差时，需要分别预测高炉煤气系统中各煤气用户的煤气流量，工作量很大，并且最 终的柜位预测也不够准确，因此煤气柜的柜位不能简单通过煤气的产消量与柜位的加和来 计算，必须建立合理的柜位预测模型来预测柜位的变化趋势。按照图1所示的方法流程，本 发明的具体实施步骤如下步骤1 现场数据的读取从冶金企业现场实时数据库读取预测所需的高炉煤气系统各用户煤气流量数据 和煤气柜柜位数据。步骤2 数据的消噪处理采用经验模态分解的消噪方法对高炉煤气系统各用户煤气流量数据进行消噪处 理，具体处理过程如下①记待处理的信号为U，找出信号U的所有局部极大、极小值点，用三次样条插值 函数拟合出信号的上包络线和下包络线，求出两包络线的平均值Hi1,将u与Hi1之差记为 hi Oi1 = U-Hi1).判断hi是否为IMF，若不是，则重复上述分解过程对其进一步分解，第k步的 结果hlk可写成hi(H)-Hilk = hlk.定义hlk = C1，则C1即为从原始数据中得到的第一个IMF ；②计算T1=U-C1，将Γι作为分解数据，重复上述筛分过程，当剩余分量小于预定值或为单调函数时停止，最终将信号分解成η个IMF和一个剩余分量rn，即
权利要求
1. 一种基于数据的冶金企业高炉煤气动态预测方法，其特征在于具体步骤如下(1)从冶金企业现场的实时数据库读取预测所需的高炉煤气系统各用户煤气流量数据 和煤气柜柜位数据。(2)采用经验模态分解的消噪方法对高炉煤气系统各用户煤气流量数据进行消噪处理①记待处理的信号为u，找出信号u的所有局部极大、极小值点，用三次样条插值函数 拟合出信号的上包络线和下包络线，求出两包络线的平均值Hl1，将U与Hl1之差记为Il1Qll = U-Hi1)判断hi是否为IMF，若不是，则重复上述分解过程对其进一步分解，第k步的结果hlk 可写成hiOt-D-Hilk = hlk.定义hlk = C1，则C1即为从原始数据中得到的第一个IMF ；②计算Γι= U-C1，将Γι作为分解数据，重复上述筛分过程，当剩余分量小于预定值或为单调函数时停止，最终将信号分解成η个IMF和一个剩余分量rn，即
全文摘要
一种基于数据的冶金企业高炉煤气动态预测方法。首先利用经验模态分解的消噪方法对已知的历史数据进行除噪处理，然后利用基于回声状态网络的时间序列预测方法对高炉煤气系统的产消量进行动态预测；其次在回声状态网络中引入贝叶斯推理方法建立各主要煤气用户煤气流量与煤气柜柜位之间的关系模型用来预测高炉煤气柜柜位在当前时刻后指定时间长度内的变化；本发明能够准确地预测高炉煤气系统的产消量和煤气柜柜位变化，为现场煤气平衡调度人员提供在线决策支持。
文档编号G01F1/66GK102147273SQ20101010331
公开日2011年8月10日 申请日期2010年1月29日 优先权日2010年1月29日
发明者从力群, 冯为民, 刘颖, 吴毅平, 张晓平, 沈兵, 王伟, 盛春阳, 赵珺 申请人:上海宝信软件股份有限公司, 大连理工大学
专业数控铣床产品供应商
20年生产经验，实力工厂，精工品质，质量有保障
