论文部分内容阅读
钢铁工业是高能耗高排放的行业,实现其节能减排是行业发展的重大需求。其中,高炉煤气作为一种重要的二次能源,研究其平衡调度问题,不仅对解决能源系统的优化、调度和管理有重要作用,更对实现钢铁工业节能减排有重要的意义。针对钢铁企业高炉煤气系统工艺复杂,难于建立系统模型的特点,本文研究了基于数据的高炉煤气发生流量和柜储量建模及平衡调度方法,具体内容如下:针对生产过程中的煤气流量数据缺失问题,考虑到相同生产状态下数据变化的相似性,设计了一种基于生产节奏信息挖掘的数据填补方法。鉴于工业生产数据节奏不固定的问题,提出一种用于挖掘不同长度信息相关性的非等长粒度相关性分析方法,并设计了一种基于分布估计算法的求解模型,从而将对应关系的优化问题转化为解空间概率矩阵的进化,避免了问题求解的困难。针对高炉煤气系统建模问题,鉴于高炉煤气发生量的波动特性以及数据含有高噪声和异常值的特点,提出了一种基于分位数回归的回声状态网络集成模型对其进行区间估计,该方法将回声状态网络训练过程中输出矩阵的线性回归模型用分位数回归来实现,并将Bootstrap方法结合不同分位数下的回归模型来构造置信区间和预测区间,解决了以往建模过程中对于高噪声和异常数据的敏感性问题,克服了线性回归算法的过拟合。在建立煤气柜储量模型的过程中,考虑到工业数据噪声大、干扰多,建立的模糊模型容易受训练样本影响导致过拟合,提出了一种模糊子集融合和规则约简方法,从而提高了模糊模型的泛化能力,简化了规则库的结构。针对高炉煤气系统调度问题,在煤气发生量区间估计模型和煤气柜存储量模型的基础上,综合考虑现场各调整用户的生产状态,提出一种基于CF-CBR的煤气调度方法。该方法通过对调度样本数据进行社区发现提取典型调度案例,从而实现案例数据样本集的约简。在案例推理过程中,根据案例相似度进行案例检索,并结合社区分布情况得到匹配案例的可信度,为调度人员进行调度决策提供依据。基于国内某钢铁企业高炉煤气系统的采集数据对本文所提出的数据填补、建模以及调度方法进行了仿真实验,其结果表明了所提方法对高炉煤气的调度问题具有良好的效果。将所研究成果结合软件工程的方法开发成为一套高炉煤气平衡调度系统,并应用于该企业能源中心,实际运行情况表明本文工作对钢铁企业高炉煤气系统的优化调度有直接的指导作用,对企业实现节能减排、降低成本有重要的实际意义。