[发明专利]一种基于Bootstrap回声状态网络集成的冶金企业煤气流量区间预测方法

说明书

技术领域

本发明属于信息技术领域，涉及到重采样方法、Bootstrap估计、贝叶斯估计方法和回声状态网络集成理论，是一种基于Bootstrap回声状态网络集成的冶金企业煤气流量区间预测方法。本发明利用冶金企业现场已有的历史数据，首先对煤气系统各用户流量数据进行重采样处理以构造有效的训练样本；然后建立基于回声状态网络集成的区间预测模型，预测当前时间点后指定时间长度内的煤气系统用户流量；最后分别基于Bootstrap方法和Bayesian方法估计模型和数据不确定性对预测结果的影响，进而构造出置信区间和预测区间。此方法在冶金企业其它能源介质系统均可有广泛的应用。 

背景技术

冶金企业是高能耗、高污染、高排放的产业。节能降耗一直是冶金行业所面临的最严峻问题之一。随着一次能源的紧缺和新节能技术的提高，冶金生产过程中产生的副产煤气能否得到合理的利用将直接影响到整个冶金企业的能耗成本和节能减排效果(Iwao Higashi,(1982).Energy balance of steel mills and utilization of byproduct gases[J].Transactions of the Iron and Steel Institute of Japan,22(1):57-65.)。合理利用副产煤气至关重要，所以必须对副产煤气系统进行有效地调度，而副产煤气的发生和消耗流量的变化是实施调度手段的重要参考指标。在冶金企业生产过程中，副产煤气是炼铁、炼焦和炼钢的副产物，通过煤气管网输送给各个煤气用户供其正常生产，剩余的存入联网的煤气柜，考虑煤气柜的容量限制和安全运行，现场调度人员需时刻把握副产煤气系统发生和消耗流量的变化情况。当煤气系统的发生流量严重大于其消耗流量，煤气柜的柜位会迅速上升，为防止煤气柜的容量超限，需要增加系统中调整用户对煤气的消耗量以维持煤气系统的平衡；反之，如果煤气系统的消耗流量严重大于其发生流量，煤气柜中的煤气会自动供给消耗用户使用，如果煤气柜中的煤气储备不足时，需要减少系统中调整用户的消耗量以维持煤气系统的平衡。因此准确预测副产煤气系统的发生和消耗消量，可以有效指导煤气的平衡调度。然而冶金企业副产煤气的发生和消耗流量预测问题是极其复杂的，根本无法保证预测的精确性，所以调度人员往往不仅关注于煤气流量预测的结果，更关心预测结果的可靠性，甚至希望得到煤气流量在未来一段时间内的可能的变化范围。综上，为副产煤气系统的发生和消耗流量构造置信区间和预测区间，可以更有效地指导煤气系统的平衡调度，使得煤气经回收后可供生产自用及发电，从而大大降低一次能源的使用量、减少煤气的无效排放，并且解决城市电能紧张等问题。 

目前实际生产中，对冶金企业副产煤气的发生和消耗流量预测除了最基本的经验预测法外，还是以点预测为主，点预测主要是通过神经网络(Zhao J,Wang W,Liu Y,et al.A two-stage online prediction method for a blast furnace gas system and its application[J].IEEE Transactions on  Control Systems Technology,2011,19(3):507-520.)和支持向量机(Zhao J,Liu Q,Pedrycz W,et al.Effective noise estimation-based online prediction for byproduct gas system in steel industry[J].IEEE Transactions on Industrial Informatics,2012,8(4):953-963.)等机器学习方法预测出煤气系统发生或消耗用户流量在未来一段时间内可能的取值。本发明认为仅仅通过机器学习的方法对煤气系统用户流量进行预测还很难满足调度人员的需要，结合统计类方法对预测结果的可信度进行估计是非常必要的。 

以上方法存在如下不足：首先，对副产煤气系统发生和消耗流量的预测采用点预测模式，仅能给出未来时间范围内发生和消耗流量的可能取值，缺少对预测结果可靠性的分析，而工业数据通常都含有较高级别的噪声和不确定性，预测结果的可靠性是调度人员非常关心的；其次，如果调度人员基于可靠性未知的预测结果做出相应的调度计划可能给系统运行的安全性带来巨大隐患，所以调度人员往往缺乏对点预测结果的信任，也就是说点预测结果很难被用作调度手段制定时的参考，以防止错误的调度手段给工业生产带来巨大的损失。 

发明内容