[发明专利]一种基于数据驱动的矿热炉节能优化方法及其装置

说明书

本发明公开了一种基于数据驱动的矿热炉节能优化方法及其装置，涉及矿热炉节能优化技术领域。针对待预测矿热炉，获取矿热炉的历史生产数据，包括原料的重量、杂质含量和所对应单位能耗；对历史生产数据进行预处理，得到矿热炉的能耗向量；将矿热炉能耗特征向量输入随机森林算法，计算得到矿热炉能耗模型；在当前杂质含量的原料生产下，利用遗传算法对各个原料的重量进行编码，将矿热炉能耗模型作为适应度函数，将原料重量和当前原料的杂质含量输入能耗模型，计算得到所预测的矿热炉能耗，进行遗传操作的迭代循环，得到最低能耗和最优重量。应用本发明，能实现在不同杂质含量原料的生产下对矿热炉能耗的准确预测并对重量进行寻优。

技术领域

本发明涉及矿热炉节能优化技术领域，具体涉及一种基于数据驱动的矿热炉节能优化方法及其装置。

背景技术

矿热炉是铁合金生产的核心设备，在冶炼过程中矿热炉的能耗占用了冶炼工艺中的大部分电能。随着冶炼规模的扩大，不可避免地会消耗更多的电能。能耗水平是矿热炉运行控制的关键指标之一，矿热炉工厂往往会制定年度、季度或者月度的能耗计划目标，该目标的制定既考虑到矿热炉冶炼流程的特点、运行条件以及以往的能耗水平，也考虑到对能耗提升的管理、设备系统的技改等因素。矿热炉生产过程中，除了电极升降会影响能耗，配料时原料的重量对能耗也有一定的影响。原料重量对能耗的影响分析，通常是通过人工经验来判断，如果能基于原料重量与单耗的关系，对矿热炉能耗进行预测，就能得到最优的原料重量和矿热炉能耗，以达到降低生产成本、提高生产效率的目的，因此亟需开发一种矿热炉节能优化的方法。

发明内容

本发明的目的在于提供一种基于数据驱动的矿热炉节能优化方法及其装置，基于原料重量与单耗的关系，对矿热炉能耗进行预测，实现对矿热炉的节能优化。

为解决上述的技术问题，本发明采用以下技术方案：一种基于数据驱动的矿热炉节能优化方法，其特征在于包括如下步骤：

S1、获取待预测矿热炉的历史生产数据：

S1-1、获取矿热炉中原料的重量x_i、杂质含量y_i以及所对应的单位能耗e；

S1-2、使用数据获取模块按照炉次将第S1-1步骤中获取的数据收集汇总；

S1-3、数据存储模块将数据以炉次为主键存储在数据库中；

S2、数据预处理模块对历史生产数据进行预处理，得到矿热炉能耗特征向量v，对矿热炉能耗特征向量v进行预处理后，存储在数据库中；

S3、将经过数据处理的矿热炉能耗特征向量v输入到随机森林算法中，训练出矿热炉的能耗模型，利用平均绝对百分比误差MAPE和拟合优度R²来衡量模型的准确性；

S4、将原料的重量x_i作为遗传算法的变量进行编码并设定范围，经过初始化种群，将原料重量和当前杂质含量输入矿热炉能耗模型得到的单位能耗作为适应度评估值，然后进行选择，交叉和变异的迭代循环，直至寻找到在当前原料的杂质含量y_i生产下的最低能耗e的原料重量x_i。

更进一步的技术方案是步骤S1所述原料重量x_i为配料时第i种原料的重量，杂质含量y_i为第i种原料的杂质含量，其中杂质含量为实验室检测数据。

更进一步的技术方案是所述步骤S2的具体过程如下，

S2-1、将历史生产数据以炉次为主键，转换为矿热炉能耗特征向量v：

v＝(x₁，x₂，…，x_n，y₁，y₂，…，y_n)