一种基于XGBoost算法的加热炉能耗核算方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115438939A(43)申请公布日2022.12.06(21)申请号202211026432.0(22)申请日2022.08.25(71)申请人北京科技大学设计研究院有限公司地址100083北京市海淀区学院路30号北科大科技楼(72)发明人刘恒文范荣鑫荆丰伟曹威(74)专利代理机构北京市广友专利事务所有限责任公司11237专利代理师张仲波付忠林(51)Int.Cl.G06Q10/06(2012.01)G06K9/62(2022.01)G06N20/00(2019.01)权利要求书2页说明书8页附图2页(54)发明名称一种基于XGBoost算法的加热炉能耗核算方法(57)摘要本发明公开了一种基于XGBoost算法的加热炉能耗核算方法，包括：确定板坯能耗的影响因素，并基于XGBoost算法确定各因素权重系数；获取加热炉内板坯的物料信息；将板坯在加热炉中停留的时间段划分为多个能耗累积段，并计算出每一累积段能耗；根据各累积段内物料信息计算各累积段内各影响因素的单一板坯分摊系数；以单一板坯为能耗核算对象，基于各影响因素的权重系数、各影响因素的单一板坯分摊系数以及各累积段的能耗，计算得到各板坯的能耗。本发明能够考虑在炉时间、装钢温度、板坯规格尺寸、出钢温度等板坯差异化因素对单一板坯能耗核算的影响，实现加热炉内板坯能耗的精确核算。CN115438939ACN115438939A权利要求书1/2页1.一种基于XGBoost算法的加热炉能耗核算方法，其特征在于，包括：确定板坯能耗的影响因素，并基于XGBoost算法确定各影响因素的权重系数；以预设时刻为核算起点，获取加热炉内板坯实际生产中的物料信息；其中，所述物料信息包括：板坯编号以及所述板坯对应的各所述影响因素的取值；将板坯在加热炉中停留的时间段划分为多个能耗累积段，进行板坯在加热炉内能耗的离散化处理，并计算出每一累积段的能耗；根据各累积段内物料信息计算各累积段内各影响因素的单一板坯分摊系数；以单一板坯为能耗核算对象，基于所述板坯对应的各影响因素的权重系数、各影响因素的单一板坯分摊系数以及各累积段的能耗，计算得到各板坯的能耗。2.如权利要求1所述的基于XGBoost算法的加热炉能耗核算方法，其特征在于，所述影响因素包括：在炉时间、装钢温度、出钢温度以及板坯规格尺寸；其中，所述板坯规格尺寸包括：板坯长度、板坯宽度、板坯厚度以及板坯重量。3.如权利要求1所述的基于XGBoost算法的加热炉能耗核算方法，其特征在于，所述基于XGBoost算法确定各影响因素的权重系数，包括：获取包含所述影响因素的加热炉历史生产样本数据；将板坯能耗作为目标参数，建立XGBoost数学模型；将所述样本数据导入XGBoost数学模型进行样本训练，通过模型中feature_importance_函数得出各影响因素的重要性及相应预测值，并在归一化处理后得到各影响因素的权重系数。4.如权利要求3所述的基于XGBoost算法的加热炉能耗核算方法，其特征在于，在将所述样本数据导入XGBoost数学模型进行样本训练之前，所述方法还包括：采用箱线图法剔除所述样本数据中的异常数据。5.如权利要求4所述的基于XGBoost算法的加热炉能耗核算方法，其特征在于，在采用箱线图法剔除所述样本数据中的异常数据时，根据所述样本数据的分布情况，划分出三个四等分点，包括：下四分点位P1、中四分点位MD以及上四分点位P3，上极端异常点＝P3+3IPR，下极端异常点＝P1‑3IPR，其中，IPR表示箱子高度；超过上极端异常点或下极端异常点的数据即为异常数据。6.如权利要求2所述的基于XGBoost算法的加热炉能耗核算方法，其特征在于，所述将板坯在加热炉中停留的时间段划分为多个能耗累积段，进行板坯在加热炉内能耗的离散化处理，并计算出每一累积段的能耗，包括：将加热炉内板坯数量恒定的每个时间段记为一个能耗累积段，进行板坯在加热炉内能耗的离散化处理，并通过下式计算出每一累积段的能耗：其中，qi为第i个累积段的能耗，n为第i个累积段的采样周期个数，EQi,j为第i个累积段中第j个采样周期内燃料的瞬时流量计量，Δt为采样周期时间。7.如权利要求6所述的基于XGBoost算法的加热炉能耗核算方法，其特征在于，所述根据各累积段内物料信息计算各累积段内各影响因素的单一板坯分摊系数，包括：通过下式计算第k块板坯的在炉时间分摊系数λktime：2CN115438939A权利要求书2/2页其中，Timek为第k块板坯的在炉时间，s为当前累积段内的在炉板坯数量；通过下式计算第k块板坯的入炉温度分摊系数λkintep：其中，Δintepk为入炉温差，Δintepk＝标准入炉温度‑实际入炉温度；通过下式计算第k块板坯的宽