电炉广泛用于炼钢、熔制玻璃、冶炼有色金属等领域,在国防军工与经济发展中发挥着重要作用。同时电炉也是高能耗、物耗设备,通过优化其供电曲线可以提高电能效率、降低电费支出,对提高企业经济效益、实现节能降耗具有重要的研究意义与应用价值。目前企业采用单炉用电优化策略,无法考虑群炉最大需量约束,导致电熔镁炉被频繁的分闸、断电,降低了电能效率。针对这一问题,本文依托国家自然科学基金青年科学基金项目课题“电冶金过程柔性负荷调度动态多目标闭环优化方法研究”(61603088),提出了电熔镁炉能效调度方法,该方法以群炉电能效率为目标,在满足最大需量约束的前提下从时空两个角度对电熔镁炉用电负荷进行调度。主要研究工作包括以下几个方面:1)本文分别从时空两个角度对电熔镁炉能效调度问题进行了分析:一是电炉用电需量在熔炼过程中波动剧烈,导致生产不平稳,降低了电能效率,在时间上对电炉用电负荷进行调度,能够削峰填谷,降低企业需量电费成本;二是群炉平均负荷受最大需量约束,在空间上根据不同电炉之间用电效率差异优化配置电能,以实现群炉总体电能效率优化。2)电炉需量受熔炼工况变化而动态变化,因此准确预测工况是实现能效调度的基础。熔炼工况具有周期性,且受到人为操作、环境变化等不确定因素的影响。传统的基于规则推理的工况识别方法无法有效利用不确定信息,且无法预测未来工况的变化。针对这一问题,提出基于置信规则推理的电熔镁炉工况预测方法。通过分析熔炼工况数据与相关专家经验,提取出电流设定误差、电流变化量绝对值等特征向量,以特征向量、工况预测结果分别作为模型的前提属性与结果属性,建立工况预测模型。利用电熔镁企业真实生产数据对所提工况预测方法进行验证,结果表明工况预测准确率达到95%以上。3)群炉需量预测是实现能效调度的关键。需量变化受到电极升降与动态工况的影响,具有强非线性、动态、随机波动等特性。针对需量变化的特点提出基于循环神经网络的电熔镁炉需量预测方法,设计了LSTM、GRU、RNN、双向LSTM、双层LSTM和三层LSTM等不同网络结构需量预测模型,探讨了不同超参数、激活函数和网络结构对需量预测模型性能的影响,并将上述所提方法与最小二乘支持向量机(LSSVM)需量预测模型进行了比较。利用电熔镁企业真实生产数据对所提需量预测方法进行验证,并对误差序列进行自相关分析,实验结果表明基于LSTM的电熔镁炉需量预测精度最高,MAE为5.72%、RMSE为7.8%和MAPE为2.996%。4)在上述研究的基础上,结合启发式规则与滚动决策思想,提出基于启发式规则的电熔镁炉能效调度策略。通过预测熔炼工况动态特性,确定电炉调度优先级,将调度优先级与专家经验结合提取规则建立能效调度规则库。利用电熔镁砂企业真实生产数据对所提能效调度方法进行了验证,结果表明本文所提电熔镁炉能效调度方法能够显著降低分闸、断电次数,负荷率增长4.94%,保证了生产的平稳性,提高了电能效率。