[发明专利]一种水泥炉窑生产能耗预测方法及系统

权利要求书

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P_j,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P_j变化对输出结果产生的影响变化值IV_j：

并对m个样本输出差值IV_j求和并取平均，得到第j个输入变量的平均影响值MIV_j：

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IV_j＝MIV_j；

3)对MIV_j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Z_min为序列中相对残差的最小值，Z_max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,......,E_n (16)

n个状态对应的残差区间为：

Q_i∈(a_i,b_i),i＝1,2,...,n (17)

3)求出状态E_i只经1步转移到特定状态E_j的概率：

m_ij为序列中状态E_i经一步转移到状态E_j的次数；

由P_ij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：

p_k+1＝p₀A^k (21)

其中p₀为初始时刻的概率分布，p_k+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。