适用于多工况类别的动态高炉煤气产生量预测方法及系统.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115186900A(43)申请公布日2022.10.14(21)申请号202210817240.5G06Q50/06(2012.01)(22)申请日2022.07.12(66)本国优先权数据202210607420.02022.05.31CN(71)申请人重庆大学地址400030重庆市沙坪坝区沙正街174号(72)发明人郑忠张开高小强(74)专利代理机构重庆双马智翔专利代理事务所(普通合伙)50241专利代理师顾晓玲王婷婷(51)Int.Cl.G06Q10/04(2012.01)G06N3/04(2006.01)G06N3/08(2006.01)G06N3/12(2006.01)权利要求书4页说明书12页附图8页(54)发明名称适用于多工况类别的动态高炉煤气产生量预测方法及系统(57)摘要本发明公开了一种适用于多工况类别的动态高炉煤气产生量预测方法及系统，该方法利用高炉生产数据，判断工况类别；基于生产工况类别动态确定预测周期时长，获取不同工况对应的高炉生产历史数据，选取一段时间范围内的生产历史数据，按预测周期时长将生产历史数据分段，作为样本数据进行高炉煤气产生量影响因素分析；选取与不同工况类别对应的重要影响因素作为该工况类别下的高炉煤气产生量预测模型的输入；建立预测模型，对该工况下高炉煤气的产生量进行预测。采用本技术方案，基于工况类别对高炉煤气产生量进行预测，预测效果更精准，为钢铁企业煤气预测提供技术支撑，为煤气动态调度管理奠定基础，减少煤气排放和环境污染。CN115186900ACN115186900A权利要求书1/4页1.一种适用于多工况类别的动态高炉煤气产生量预测方法，其特征在于，包括如下步骤：S1，获取高炉的生产数据，判别工况类别；S2，基于生产工况类别动态确定预测周期时长，获取不同工况对应的高炉生产历史数据，选取一段时间范围内的生产历史数据，按预测周期时长将生产历史数据分段，作为样本数据进行高炉煤气产生量影响因素分析；S3，选取与不同工况类别对应的重要影响因素作为该工况类别下的高炉煤气产生量预测模型的输入；S4，建立预测模型，对该工况下高炉煤气的产生量进行预测。2.如权利要求1所述的适用于多工况类别的动态高炉煤气产生量预测方法，其特征在于，步骤S2中，基于生产工况类别动态确定预测周期时长的方法为：根据煤气调度管理的现实需求，将顺行工况下的预测周期时长设为T1，减风工况与复风工况中的预测周期时长设为T2，其中T1>T2>0，休风时煤气产生量为0，无需设置预测周期时长。3.如权利要求1所述的适用于多工况类别的动态高炉煤气产生量预测方法，其特征在于，步骤S3中选取与不同工况类对应的重要影响因素作为该工况类别下的高炉煤气产生量预测模型的输入的方法为：计算不同工况类别下影响因素与高炉煤气产生量的关联程度值，选取关联程度值超过阈值的影响因素作为该工况类别下的高炉煤气产生量预测模型的输入。4.如权利要求3所述的适用于多工况类别的动态高炉煤气产生量预测方法，其特征在于，采用主成分分析法，或层次分析法、或模糊评价法，或灰色关联分析法计算关联程度。5.如权利要求4所述的适用于多工况类别的动态高炉煤气产生量预测方法，其特征在于，当采用灰色关联分析法时，具体计算方法为：设置参考数据列X0和比较数据序列Xh，X0为高炉煤气产生量数据集，Xh为与高炉煤气产生量相关的第h个影响因素数据集,X0，Xh和X表示为：TX0＝(x0(1),x0(2),…,x0(l))X＝(X1,X2,…,Xn)其中，n为比较序列总数量，即影响因素总数量；l为样本数量；xh(i)为第h个影响因素数据集xh中的第i个样本,将X0和X组合，形成新的数据序列XC：2CN115186900A权利要求书2/4页分别计算每个比较序列与参考序列对应元素的关联系数ξ(k)，计算方法为：其中，ω为分辨系数，0<ω≤1，ω越小，关联系数间差异越大，区分能力越强；计算第h个影响因素的关联程度值Rh，计算方法为：设置阈值，选取关联程度值超过阈值的影响因素作为该工况类别下的高炉煤气产生量预测模型的输入变量。6.如权利要求1或3所述的适用于多工况类别的动态高炉煤气产生量预测方法，其特征在于，步骤S4中，建立预测模型，对该工况下高炉煤气的产生量进行预测的方法为：S41，建立预测模型，所述预测模型的输入为与高炉煤气产生量的关联程度值超过阈值的影响因素；S42，对预测模型的参数进行优化，若达到优化终止条件，则执行步骤S43，否则继续执行步骤S42；S43，利用预测模型进行该工况下高炉煤气产生量预测。7.如权利要求6所述的适用于多工况类别的动态高炉煤气产生量预测方法，其特征在于，所述预测模型为趋势外推预测模型，或者回归预测模型，或者卡尔曼滤波