[发明专利]一种钢铁生产能耗免疫预测控制模型

说明书

技术领域

本发明涉及钢铁生产管理系统，具体为一种钢铁生产能耗免疫预测控制模型。

背景技术

钢铁产业属于能源密集型产业，我国钢铁行业的能源消耗量约占全国能耗总量的15%，钢铁企业能耗水平与国际先进水平相比差距在10%-15%，高能耗、高成本、高污染制约了我国钢铁工业的发展，目前，造成我国钢铁行业能耗高的原因主要包括：1、钢铁生产流程长、能源及工序过程复杂，现场数据信息多元化且难以检测和利用；2、能耗统计模型差异化，评价数据来源复杂，造成能耗计量误差；3、缺乏对能耗机理的深入分析，能耗控制困难；4、缺乏先进管理思想与智能预测方法来对能源使用的指导，能源利用率不高。虽然针对复杂工业生产过程的能耗建模研究已取得较大进展，在企业生产成本控制方法和策略方面研究也比较成熟，但大多数集中在生产成本、作业成本等方面。具体到能耗结构及能耗成本控制方面的深入研究较少，尤其在钢铁企业能耗成本控制与管理策略方面突出成果还比较匮乏，概况起来主要有以下一些问题：

（1）工业生产中的过程能源计量存在动态、不完整、异构数据信息，其异构和动态特性导致能耗模型不稳定，缺乏适应性。

（2）能耗模型结构较单一，导致能耗成本结构不全面，影响整体评估和成本控制效果。

（3）企业大部分采用构成法估算成本，存在影响成本的指标体系构建不科学、成本预测方法求得的结果往往不能令人满意等问题。

（4）传统的建模预测方法，局限于差分方程和离散模型，反映事物的短过程。在实际生产过程中，影响因素多，时间周期有长，并时有突发事件，因而采用传统方法则难以准确预测钢铁生产过程中能耗动态问题，且预测结果一般为非动态、不完全成本。

发明内容

本发明所解决的技术问题在于提供一种钢铁生产能耗免疫预测控制模型，以解决上述背景技术中的缺点。

本发明所解决的技术问题采用以下技术方案来实现：

一种钢铁生产能耗免疫预测控制模型，其中免疫预测控制通过预测模型，利用免疫进化策略寻找最优控制量，设预测时域为                                                ，控制时域为，一般地，设被控对象为：

  （1）

其中u，y，分别为系统的输入和输出和扰动矢量，p和q分别为和的阶次，为线性或非线性函数；根据和一系列观测值，通过免疫预测建立输入与输出之间的非线性映射关系，并通过免疫实现滚动优化，基于克隆选择的免疫预测控制通过预测模型，利用克隆选择算法寻找最优控制量，设预测时域为P，控制时域为L，具体实现方法如下：

第一步：抗原与抗体定义及编码：将目标函数作为抗原，预测时域P内的P步控制增量作为抗体，采用浮点数编码；

第二步：初始化：初始时必须选取合适的算法参数并对抗体初始化，由于抗体是对控制增量编码，可以采用全零初始化或采用式（2）对抗体初始化；

         （2）

算法主要包括下面参数：

抗体规模N，抗体种群的大小，一般选20~40；

抗体选择率ps，在种群中选取参与克隆的优良抗体的比例；取50%~70%；

最大克隆数目，抗体最大复制数量，取5~10；

变异概率pm，取0.01~0.1；

最大变异率，取0.1~0.5；

死亡率per，被淘汰重新初始化抗体所占比率，取0.1~0.3； 

第三步：目标函数：对于能耗问题，可以将多目标控制要求转换为一个求最小值的多目标函数；一般情况下，要求快速跟踪给定轨迹并且超调尽可能小，控制量尽量平滑，可以采用式（3）的二次目标函数； 

   （3）

式中：

           

为输入输出维数，为预测时域，误差系数，控制系数，控制参考轨迹，模型预测值由预测模型求得，误差修正后的预测值，预测误差；本算法能适应各种预测模型表达式，具有较好的通用性；

第四步：约束条件的处理：在预测的免疫优化中，对于控制增量的边界约束条件可通过限制抗体编码中基因取值范围来实现；对其它约束采用罚函数法来实现；采用罚函数法就是在生成个体时不考虑约束条件，而在目标函数上添加一个惩罚项，将原来的约束问题变成了无约束问题,如式（4）所示；每个约束条件构成一个罚函数，x为约束条件的自变量；罚函数的选择必须根据约束条件类型来选取；

      （4）