一种钢铁企业焦炉煤气发生量预测方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114186471A(43)申请公布日2022.03.15(21)申请号202110785501.5(22)申请日2021.07.12(71)申请人兰州理工大学地址730050甘肃省兰州市七里河区兰工坪路287号(72)发明人刘姝君王文婷杜小泽张耀聪刘杰苏亚琴马峰吕垚睢子仪郭新瑞安周建(74)专利代理机构北京化育知识产权代理有限公司11833代理人秦丽(51)Int.Cl.G06F30/27(2020.01)G06F111/06(2020.01)G06F119/02(2020.01)权利要求书2页说明书6页附图4页(54)发明名称一种钢铁企业焦炉煤气发生量预测方法(57)摘要本发明公开了一种钢铁企业焦炉煤气发生量预测方法，属于人工智能技术领域。本发明通过预处理、预测模型和预测结果这三个步骤来实现钢铁企业焦炉煤气发生量预测。本发明使用孤立森林算法进行异常值检测，本发明将处理后的焦炉煤气数据输入到BP神经网络中进行训练学习，预测出未来时刻的焦炉煤气流量，为企业的煤气优化调度提供可靠的依据。CN114186471ACN114186471A权利要求书1/2页1.一种钢铁企业焦炉煤气发生量预测方法，其特征在于包括如下步骤：1)预处理：从钢铁企业数据库中获取预测焦炉煤气发生量的数据并对所述真实样本数据进行预处理；2)预测模型：基于预处理后的样本数据构建并训练BP神经网络焦炉煤气发生量预测模型；3)预测结果：基于训练好的焦炉煤气发生量预测模型进行焦炉煤气发生量预测，得到焦炉煤气发生量预测结果。2.根据权利要求1所述的一种钢铁企业焦炉煤气发生量预测方法，其特征在于所述预处理包括如下步骤：1)确定焦炉煤气发生量预测模型的输入输出；所述输入包括:上个时间段的焦炉煤气发生量、焦炉煤气压力；所述输出包括:焦炉煤气发生量的预测值；2)使用孤立森林算法进行异常值检验并对其进行剔除,具体步如下：①从需要检测的煤气发生量数据D中随机选择φ个样本点作为生成本棵孤立二叉树的样本集Ds；②从样本集Ds中随机选择一个特征f和一个切割值p，若节点N包含的所有样本在特征f下的最大值和最小值分别为fmax和fmin,则有p∈(fmax，fmin)；③若样本的特征f的值小于切割值p,则将该样本分到节点N的左子树；否则，分到右子树；④重复步骤②③，分别对节点N的左右子树节点进行切分，生成孤立二叉树。当子树节点中有多条相同的数据或只有一条数据或孤立二叉树已达到设置的最大高度时，停止生成孤立二叉树；孤立森林最终由指定数目的孤立二叉树组成。3.根据权利要求1所述的一种钢铁企业焦炉煤气发生量预测方法，其特征在于所述BP神经网络预测模型通过以下步骤建立：1)将煤气序列样本进行归一化处理；采用如下函数对所述真实样本数据进行归一化处理，将所述真实样本数据归一化为[0,1]区间上的值，函数的归一化公式为；其中，x为数据归一化后的值，xj为数据归一化前的初始值，xmin为初始数据的最小值，xmax为初始数据的最大值，ymin为归一化区间的左端点，ymax为归一化区间的右端点；2)将煤气样本分为训练集与预测集两部分，煤气样本的训练集输入利用滑动窗口法得到；3)利用焦炉煤气的训练集训练BP神经网络预测模型；4)利用搭建好的BP神经网络预测模型预测焦炉煤气的发生量。4.根据权利要求1所述的一种钢铁企业焦炉煤气发生量预测方法，其特征在于所述训练BP神经网络包括：确定BP神经网络隐含层节点；隐含层的节点个数的确定采用如下公式：2CN114186471A权利要求书2/2页其中，n为输入层神经元个数，m为输出层神经元个数，p为隐含层神经元个数，a为修正常数，一般取1到100之间的整数。5.根据权利要求2所述的一种钢铁企业焦炉煤气发生量预测方法，其特征在于所述步骤④中：根据样本点D在每棵孤立二叉树中的路径长度h(D),利用公式计算D的异常值，从而评价其异常情况；其中c(n)＝2H(n‑1)‑(2(n‑1)/n)；H(k)＝ln(k)+ξ。3CN114186471A说明书1/6页一种钢铁企业焦炉煤气发生量预测方法技术领域[0001]本发明属于人工智能技术领域，具体涉及一种钢铁企业焦炉煤气发生量预测方法。背景技术[0002]钢铁工业是能源密集型行业，是能源消耗大户。我国钢铁工业能耗占全国总能耗的比例在上下浮动中保持上升趋势。钢铁的生产过程可分为:焦化、炼铁、炼钢、轧钢等环节。这些生产环节所需的能量主要是由焦炭等矿石燃料提供的,在消耗燃料的同时会生成多种可燃气体,即钢铁企业副产煤气。生成的副产煤气将被集中收集,然后用管道输送到各生产车间,充当冶炼所需的助燃剂。据统计,钢铁生产消耗的一次能源中有转化为副产煤气的形式,其中焦炉煤气是洗精煤在焦