基于數(shù)據(jù)的高爐煤氣受入量的預(yù)測(cè).pdf

1、近年來(lái)，中國(guó)經(jīng)濟(jì)高速發(fā)展與環(huán)境污染之間的矛盾愈發(fā)突出，鋼鐵企業(yè)作為中國(guó)的能耗大戶，如何提高能源利用率就顯得至關(guān)重要。高爐煤氣(Blast Furnace Gas，BFG)是冶金生產(chǎn)過(guò)程中極為重要的二次能源，其受入量往往會(huì)出現(xiàn)較大的波動(dòng)，這種突然的波動(dòng)若無(wú)有效防范，將帶來(lái)安全隱患，因此，對(duì)高爐煤氣受入量的準(zhǔn)確預(yù)測(cè)可以降低有害風(fēng)險(xiǎn)，提高設(shè)備利用率。
　　本文以鋼鐵行業(yè)煉鋼過(guò)程為背景，針對(duì)高爐煤氣受入量難以有效預(yù)測(cè)的問(wèn)題，提出了一種數(shù)據(jù)

2、濾波與二重神經(jīng)網(wǎng)絡(luò)相結(jié)合的建模預(yù)測(cè)新方法。首先，分析了國(guó)內(nèi)外鋼鐵企業(yè)能源管理系統(tǒng)發(fā)展?fàn)顩r，并介紹了國(guó)內(nèi)外研究學(xué)者在煤氣預(yù)測(cè)方面的研究現(xiàn)狀;其次，介紹了能量去噪法與帶有自適應(yīng)噪聲的經(jīng)驗(yàn)?zāi)B(tài)分解(EEMDAN)相結(jié)合的濾波算法，該算法一方面彌補(bǔ)了傳統(tǒng)EMD算法的缺點(diǎn)，采用EEMDAN進(jìn)行模態(tài)分解，使得分解信號(hào)更加平穩(wěn)化;另一方面引入了能量去噪算法，實(shí)現(xiàn)了對(duì)工業(yè)信號(hào)的有效去噪，減少了工業(yè)擾動(dòng)對(duì)預(yù)測(cè)建模的影響。最后，建立了EEMDAN-DRBF

3、的預(yù)測(cè)模型，該模型主要思想是將原始信號(hào)去噪并分解為不同時(shí)間尺度下的固有模態(tài)(IMF)分量，根據(jù)各模態(tài)自相關(guān)函數(shù)的特點(diǎn)，分別對(duì)每個(gè)模態(tài)建立徑向基神經(jīng)網(wǎng)絡(luò)(RBF)預(yù)測(cè)模型;再次，為了提升單網(wǎng)絡(luò)模型精度，根據(jù)各模態(tài)與原始數(shù)據(jù)相關(guān)性建立二重徑向基神經(jīng)網(wǎng)絡(luò)(RBF)預(yù)測(cè)模型，并通過(guò)此模型對(duì)各模態(tài)預(yù)測(cè)結(jié)果進(jìn)行融合和修正。
　　針對(duì)復(fù)雜工業(yè)過(guò)程中高爐煤氣受入量的數(shù)據(jù)的無(wú)規(guī)律性，使用本文提出的方法建立寶鋼的高爐煤氣受入量預(yù)測(cè)建模，并與其它建模方