[发明专利]一种水泥炉窑生产能耗预测方法及系统

说明书

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。

技术领域

本发明属于水泥炉窑生产能耗建模技术领域，具体涉及一种水泥炉窑生产能耗预测方法，还涉及一种采用此预测方法的预测系统。

背景技术

目前，水泥生产已经成为我国国民经济的支柱产业之一，在基础设施建设中水泥起着不可替代的作用，水泥生产市场化竞争日益激烈，水泥生产工艺流程优化与节能环保需求日益突出。而建立水泥生产的能耗预测模型是减少电能消耗与污染物排放，提高水泥生产过程的品质和效率的前提条件。

当前国内外许多研究人员对水泥炉窑的能耗建模进行了深入研究，归纳起来，建模方法可分为基于机理建模和基于数据建模两类。在机理建模研究方面，主要是从分析炉窑内煅烧过程的化学物理反应出发，研究建立能消耗量与水泥炉窑主要参数之间的精确数学表达式。但是由于水泥炉窑煅烧涉及众多环节与设备，参数具有变量多，关联性强等特点，难以准确表达许多物理化学反应机理，建模时只能利用逼近假设等方法，无法准确地描述烧成系统主要参数与能耗的关系。在数据建模研究方面，相关学者主要是采用专家系统、模糊系统、人工神经网络等人工智能的方法对水泥炉窑的能耗建模进行研究，比如：现有发明专利201810910130.7提出了一种基于卷积神经网络的水泥烧成过程多能耗指标预测方法，建立的CNN模型，以能耗相关变量作为网络输入，对水泥烧成系统的单位电耗和吨煤耗进行联合预测，及时的为水泥烧成过程提供调度依据，同时避免了仅仅预测单一能耗不全面的问题，预测结果更贴近综合能耗实际情况。现有发明专利201710990534.7提出了一种隐含时间序列深度信念网络的水泥生产电耗预测方法，建立HTS-DBN模型，对模型进行无监督的前向训练，确定初始权值和偏置；采用BP反向误差修正算法对整个神经网络进行有监督的反向微调。解决了时变时延问题，能够精确的预测水泥生产电耗量，对水泥生产的科学生产调度和合理的能源规划提供依据。

目前在采用人工神经网络对水泥炉窑的能耗建模中，存在着单个人工神经网络模型精度不高，预测准确性不足的问题，不利于有效地实现节能减排和提高水泥生产的生产品质。

发明内容

本发明的目的在于克服现有技术中的不足，提供了一种水泥炉窑生产能耗预测方法及装置，采用集成算法的思想组合4个神经网络的能耗预测结果，并采用马尔科夫修正法修正预测值，获得更准确的能耗预测值。

为解决上述技术问题，本发明提供了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。

进一步的，所述预处理包括剔除缺失值、剔除噪声和降维处理。

进一步的，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：