[发明专利]一种基于信息粒度最优分配的钢铁工业高炉煤气长期区间预测方法

摘要

本发明提供一种基于信息粒度最优分配的钢铁工业高炉煤气长期区间预测方法。本发明基于真实工业生产数据，在数据进行必要的预处理后，首先在横向即时间轴上，依据钢铁工业能源产消的阶段性特征，形成包括多个数据点的数据微粒；进而，考虑到后续模糊聚类分析需要，利用时间弯曲距离，将非等长数据微粒规范化为等长；在应用模糊聚类得到聚类中心后，将其在纵向上延展为区间值，借助模糊建模方法可获得初始区间预测结果；最终，求解基于信息粒度最优化分配理论的优化模型，获得长期区间预测结果，辅助指导现场能源调度工作，在钢铁工业其它能源介质系统中亦可推广应用。

主权项

一种基于信息粒度最优分配的钢铁工业高炉煤气长期区间预测方法，其特征在于如下步骤：第一步，从钢铁工业现场的实时关系数据库中读取高炉煤气管网各产消用户的流量数据，在建立模型前对流量数据进行处理；所述的流量数据包括高炉煤气发生量、热风炉高炉煤气用量、焦炉高炉煤气用量、冷/热轧高炉煤气用量；第二步，横向的数据粒度化对第一步得到的流量数据进行划分，获得基础数据微粒t1,t2,……,tN，其中N为粒子个数，各粒子长度不同；第三步，非等长数据微粒规范化通过各微粒间的时间弯曲距离动态计算，选择一个数据微粒作为基准序列，其他数据微粒作为待规范序列；将待规范序列与基准序列做比较，进行伸长或缩短，使各序列长度相同；步骤为：3.1)基准序列选取：对于N个数据微粒t1,t2,……,tN，分别取其中一个与其它微粒计算时间弯曲距离和，并记录相应弯曲路径；在所得结果中，选取一个数据微粒作为基准序列ts，此序列满足即时间弯曲距离和取得最小值所对应序列；其中，DTW(ti,tj)为时间弯曲距离，arg Min表示取最小值时对应的ti；基准序列的长度记为n；3.2)数据微粒规范化：根据上一步已获得的待规范序列与基准序列的弯曲路径结果，将待规范序列在弯曲部分进行自我复制或缩减，实现伸长或压缩，使多段非等长的待规范序列等距化，所得的等长序列记做s1,s2,……,sN；第四步，纵向的聚类中心粒度化对等长序列s1,s2,……,sN，应用模糊C均值聚类方法，获得聚类中心和相应模糊隶属度，分别记做vij和uik，其中i＝1,2,……,c，j＝1,2,……,n，k＝1,2,……,N；将聚类中心在纵向进行延展，形成区间数，即：vij‾=[vij-,vij+]=[vij-ϵj,vij+ϵj]---(1)]]>其中，εj称为信息粒度值，和分别是聚类中心区间的上下界；相应模糊隶属度为：uik‾=[uik-,uik+]=[(Σt=1c||sk-vi-||||sk-vt-||)-2m-1,(Σt=1c||sk-vi+||||sk-vt+||)-2m-1]---(2)]]>其中，i＝1，2，……，c，或或是聚类中心区间上下界和组成的列向量，m为模糊系数；利用区间化的聚类中心和模糊隶属度，针对上下界分别进行模糊推理，即：Rt-:Ifst-nI-isct-nI-,...,st-1-isct-1-,thenst-isct-Rt+:Ifst-nI+isct-nI+,...,st-1+isct-1+,thenst+isct+---(3)]]>其中，nI为规则输入维数；t＝1，2，……，N；和代表数据微粒的上下界；和均为数据微粒的聚类标识变量；对所有数据微粒进行模糊推理，获得由(N‑nI)条规则组成的模糊规则库；提取各最大模糊隶属度对应聚类，在模糊规则库中寻找标识一致规则，记输出模糊隶属度最大值和对应位置为列向量和计算如下变量：s-=Σj=1Nhj-uij,max-,s+=Σj=1Nhj+uij,max+---(4)]]>其中，i＝1，2，……，c，再采用中心解模糊化方法得到初始的长期预测区间：X^=[x-^,x+^]=[s-TV-,s+TV+]---(5)]]>其中，和是预测区间的上下界，v‑、v+分别是聚类中心区间上下界所组成的矩阵；第五步，基于信息粒度最优分配的长期预测区间优化在公式(5)所得结果基础上，以信息粒度εj最优分配为目标，建立的优化问题如下：maxcard{sij∈[s-TV-,s+TV+]}s.t.Σj=1nϵjn=ϵ0---(6)]]>其中，sij(i＝1，2，…，N，j＝1，2，…，n)为测试样本点；card{}表示集合的势；等式约束的目的是将信息粒度的平均值限定为定值ε0；借助粒子群优化算法求解，适应度函数取测试样本下的区间覆盖率，即：min n‑card{sij∈[s‑TV‑,s+TV+]}  (7)其中，n为测试样本长度，亦即预测长度；求解过程需反复应用公式(1)(2)(3)(4)(5)；最终，求得最优化的信息粒度εj，及相应的长期区间预测结果