一种水泥炉窑生产能耗预测方法及系统.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CN111639821A(43)申请公布日2020.09.08(21)申请号202010518391.1G06N3/04(2006.01)(22)申请日2020.06.09G06K9/62(2006.01)G06K9/54(2006.01)(71)申请人国电南瑞科技股份有限公司G06K9/40(2006.01)地址210003江苏省南京市江宁区诚信大G06F30/27(2020.01)道19号申请人中国科学院力学研究所(72)发明人丁志阳丁孝华谢丰李延满赵景涛黄堃杨文王海龙梁加本顾芳紫魏小林赵京(74)专利代理机构南京纵横知识产权代理有限公司32224代理人张欢欢(51)Int.Cl.G06Q10/04(2012.01)G06Q50/04(2012.01)权利要求书3页说明书11页附图3页(54)发明名称一种水泥炉窑生产能耗预测方法及系统(57)摘要本发明公开了一种水泥炉窑生产能耗预测方法及系统，采用集成算法的思想组合神经网络,建立预测精度高于单个神经网络模型的水泥炉窑生产集成能耗模型。在用集成模型预测能耗时采用马尔科夫修正法，使模型的能耗预测值更加贴近实际值，为水泥生产过程的能耗监管提供了更精确的参考依据。CN111639821ACN111639821A权利要求书1/3页1.一种水泥炉窑生产能耗预测方法，其特征是，包括以下过程：获取水泥炉窑关键参数数据及对应的电能消耗数据作为样本数据集；对样本数据集进行预处理；并将样本数据集分成训练样本集和测试样本集；利用训练样本集训练集成能耗模型；利用测试样本集输入集成能耗模型得到对应的能耗预测值；采用马尔科夫修正法修正能耗预测值得到修正后的最终预测值。2.根据权利要求1所述的一种水泥炉窑生产能耗预测方法，其特征是，所述预处理包括剔除缺失值、剔除噪声和降维处理。3.根据权利要求1所述的一种水泥炉窑生产能耗预测方法，其特征是，所述降维处理包括：采用平均影响值法进行降维处理，具体包括以下过程：1)将训练样本集P中的数据列Pj,j＝1,2,3,.....n的每个数值在原来基础上分别加和减10％，形成两个新的数据列和即：2)将由和组成的两个新的训练样本集进行预测，相应得到两组预测结果和二者求差后的差值表示变量Pj变化对输出结果产生的影响变化值IVj：并对m个样本输出差值IVj求和并取平均，得到第j个输入变量的平均影响值MIVj：由于预测的仅是水泥生产的能耗，所以输出结果仅包含能耗值一项，所以IVj＝MIVj；3)对MIVj的绝对值按大小降序排列，若排序后的前k个MIV绝对值的累计贡献率满足下式：则选择对应的这k个输入变量可以代表全部输入变量。4.根据权利要求1所述的一种水泥炉窑生产能耗预测方法，其特征是，所述集成能耗模型包括4个RBF神经网络，4个RBF神经网络的输出平均值作为集成能耗模型输出的能耗预测值。5.根据权利要求1所述的一种水泥炉窑生产能耗预测方法，其特征是，所述采用马尔科夫修正法修正能耗预测值得到修正后的最终预测值，包括：1)按时间序列将测试样本集中的各样本能耗实际值Y1与网络输出预测值Y2比较，求出2CN111639821A权利要求书2/3页两者的相对残差值：其中网络输出预测值Y2为四个能耗模型输出的均值。并将相对残差值归一化：*其中Zmin为序列中相对残差的最小值，Zmax为序列中相对残差的最大值，Z为归一化的结果；2)根据相对残差的大小分布，按需求确定划分区间的个数n，将相对残差值划分出n个状态：E1,E2,E3,......,En(16)n个状态对应的残差区间为：Qi∈(ai,bi),i＝1,2,...,n(17)3)求出状态Ei只经1步转移到特定状态Ej的概率：mij为序列中状态Ei经一步转移到状态Ej的次数；由Pij组合出1步状态转移概率矩阵：由此求出k步状态转移概率矩阵：4)建立马尔科夫链预测模型：kpk+1＝p0A(21)其中p0为初始时刻的概率分布，pk+1为k+1时刻的概率分布，由k+1时刻的概率分布可得该时刻对应的状态和残差区间Q∈(Q1,Q2)，并根据修正公式：X1＝Y2/1-Q1；X2＝Y2/1-Q2(22)式中:Y2为神经网络预测值，对应的残差区间的上限为Q1，下限为Q2；最后求X1与X2的平均值，即为经马尔科夫修正后的神经网络能耗预测值。6.一种水泥炉窑生产能耗预测系统，其特征是，包括样本获取模块、样本处理模块、模型预测模块和预测值修正模块，其中：3CN111639821A权利要求书3/3页样本获取模块，用于获取水泥炉窑关键参数数据及对应的电能消耗数据作为样本数据集；样本处理模块，用于对样本数据集进行预处理；并将样本数据集分成训练样本集和测试样本集；模型预测模块，用于利用训练样本集训