论文部分内容阅读
随着工业科技的发展,信息技术和自动化控制技术逐步应用于现代钢铁企业冶炼过程,部分企业建立能源管理系统(Energy Management System, EMS)用于生产能量流程和能源利用状况的监视和控制。氧气作为钢铁企业重要的耗能工质,在炼铁、炼钢等冶炼过程中不可或缺,由氧气生产、储存和使用单元构成的氧气系统的优化运行是企业节能减排的有效途径。本文针对钢铁企业氧气系统建立预测和调度模型,旨在采用人工智能的方法预测氧气消耗量,采用目标优化模型和单元模型指导生产调度与操作,减少钢铁企业氧气放散量,节能增效。为预知氧气系统运行趋势和各用户的氧气消耗量,为生产调度提供数据支持,本文基于支持向量机(Support Vector Machine, SVM)和最小二乘支持向量机(Least Square Support Vector Machine, LSSVM)方法,利用钢铁企业实际生产数据,建立氧气系统预测模型。通过数据提取、清洗、归一化预处理和不同模型参数优化选取方法获得不同拟合精度预测模型。对比各模型预测效果表明,改进后的支持向量机和最小二乘支持向量机非线性回归模型更适合于氧气系统消耗量预测,其中最小二乘支持向量机氧气系统预测模型预测精度更高,运算速度快,适于钢铁企业氧气系统在线预测的推广应用。为有效调节氧气系统供需平衡,本文在预测模型的基础上以氧气生产、储存和使用单元模型为主要约束条件,建立氧气放散量最小、空分系统运行成本最低和综合收益最大目标优化凸规划模型。同时,根据钢铁企业生产过程的不同工况,分别制订动态调度规则,规范调度操作,由此保障氧气系统动态平衡,减少氧气的放散。企业应用表明,本文所建预测和调度模型对钢铁企业氧气系统生产运行和氧气调度操作具有一定的指导意义。针对某钢铁企业氧气系统,在2011年11月14日15-19h的5小时研究时段内,预测模型的应用使1#高炉氧气消耗量预测数据与真实数据的均方误差(MSE)为507409.49m3,平均绝对误差(MAE)为579.91m3,平均相对误差(MAPE)小于0.282；2#高炉氧气消耗量预测数据与真实数据MSE为19440.79m3,MAE为79.00m3, MAPE为0.028；转炉氧气消耗量预测数据与实际运行数据MSE为5464.8m3,MAE为62.4m3,MAPE为0.003。调度模型的应用使企业氧气系统放散量减少58636m3,液氧外供量增加7.31吨。可见,钢铁企业氧气系统最小二乘支持向量机预测模型和目标优化调度模型,能够比较精准预测氧气系统消耗量变化趋势,并根据预测结果进行动态调度,有利于保持氧气系统动态平衡,有效减少氧气的放散,降低能源成本,提高生产效率,增加收益。