[发明专利]钢铁企业煤气产生量与消耗量的动态预测方法及设备

摘要

本发明公开了一种钢铁企业煤气产生量与消耗量的动态预测方法及设备，方法包括：获取未来调度周期内的生产工况下煤气产耗历史数据，以及对应煤气产耗历史数据周期的生产计划和检修计划；根据生产计划和检修计划，确定所有设备生产工况；针对煤气产耗历史数据中的每一个设备的生产工况，获取每一设备的工况点，并根据所有设备的工况点对煤气量历史数据进行分类；依据分类后的各工况点的历史数据训练LSSVM模型；并采用训练的最优预测模型对煤气产耗历史数据的部分数据进行预测，得到输出的预测结果，输出的预测结果包括：未来调度周期内煤气产生装置的煤气发生量和各生产用户的煤气消耗量。上述方法能够提高动态预测的煤气量的准确性。

主权项

1.一种钢铁企业煤气产生量与消耗量的动态预测方法，其特征在于，包括：步骤A：获取未来调度周期内的生产工况下煤气产耗历史数据，以及对应所述煤气产耗历史数据周期的生产计划和检修计划；步骤B：根据所述生产计划和检修计划，确定所有设备生产工况；步骤C：针对煤气产耗历史数据中的每一个设备的生产工况，获取每一设备的工况点，并根据所有设备的工况点对煤气量历史数据进行分类；依据分类后的各工况点的历史数据训练LSSVM模型；并采用训练后的最优预测模型对煤气产耗历史数据的部分数据进行预测，得到输出的预测结果，所述输出的预测结果包括：未来调度周期内煤气产生装置的煤气发生量和各生产用户的煤气消耗量；所述步骤C包括：C1、以集合V_i，j表示第i个设备第j个工况的煤气量历史数据集；C2、根据集合V_i，j，通过小波分析方法和向量空间重构方法构造LSSVM模型的训练数据集；C3、利用所述训练数据集，并通过启发式参数寻优方式对所述LSSVM模型进行训练，获得训练后的最优预测模型；C4、依据待预测的设备、及待预测设备的工况和所述煤气产耗历史数据，构造待处理的预测数据集；C5、采用最优预测模型处理所述待处理的预测数据集，获得输出的预测结果；步骤C2包括：依据企业煤气调度需求确定初始样本采样周期t、向量空间变换样本维数m以及模型中其它参数；获取煤气产生量和消耗量V₀，并基于小波分析方法，提取低频信号D_i(n)；对所述煤气产耗历史数据中各用户的煤气产耗历史数据进行归一化处理，使数据线性映射到0‑1之间；对归一化处理后的煤气产耗历史数据进行向量空间重构，将线性排列的数据构造为最优预测模型所需要的训练数据集，构造过程可表示为：其中，输入数据中i时刻的煤气产耗历史数据记为x_i，输出数据中的i时刻预测结果记为Y_i，每一行中的一组x_i和一组Y_i分别为模型的一个输入样本和一个输出样本，训练数据集构造方法记为利用输入输出样本x_t‑m+1 x_t‑m+2 … x_t|Y_t+1 Y_t+2 … Y_t+i对模型进行训练，以及应用启发式参数寻优，对LSSVM预测模型迭代求逆，由公式计算预测值其中，I为单位矩阵，Ω为满足的Mercer定理核函数；根据预测值的判断标准/约束条件，直至将所述训练数据集中的所有样本训练完，得到训练数据集。