一种钢铁企业煤气预测方法、装置及系统的制作方法
【专利摘要】通过本发明实施例提供了一种煤气产耗的预测方法、装置及系统，通过获取煤气产耗数据，对所述煤气产耗数据进行预处理，根据预处理后的所述煤气产耗数据，建立煤气产耗预测模型，根据煤气产耗预测模型，获取未来预设时间段内煤气产耗的预测值及变化趋势，优化了煤气产耗数据的预测，提供了煤气平衡调度的量化依据，操作人员或工控设备，依据这一量化依据，提高了煤气平衡调度的准确性。
【专利说明】一种钢铁企业煤气预测方法、装置及系统
【技术领域】
[0001]本发明涉及钢铁工业领域，尤其涉及一种钢铁企业煤气预测方法、装置及系统。
【背景技术】
[0002]钢铁企业中生产单元对能源(如煤气、电力、氧、氮、氩、蒸汽、水等)的需求是时刻变化的。过程参数调整、工艺路径的改变、操作制度的变化都会引起能源的短期需求变化，常常造成能源供需的短期不平衡，引起能源介质的放散，造成不必要的浪费甚至产生安全隐患。
[0003]由于煤气作为钢铁企业重要二次能源，其平衡与否直接影响到钢铁企业工艺过程能否顺利进行，以及能耗指标，因此在管网动态平衡中围绕煤气进行动态平衡，实现在保证生产需求前提下，提高煤气回收量，减少煤气的转换与放散，达到更佳的节能降耗。各钢铁企业的自动化系统的检测水平、控制及调控手段各有不同，造成调度人员在进行煤气平衡时没有定量平衡的手段，主要依靠调度人员的经验及试验性的方法，由于调度人员的经验差别，经常造成煤气系统恢复到平衡需要较长时间，增加了煤气发散机率。
【发明内容】
[0004]本发明实施例提供的一种钢铁企业煤气预测方法、装置及系统，用以解决煤气平衡调度复杂，无定量依据的问题，实现煤气产耗数据预测，为操作人员进行煤气平衡调度，提供了量化依据。
[0005]本发明实施例的目的是通过以下技术方案实现的:
[0006]一种钢铁企业煤气预测方法，包括:
[0007]获取煤气产耗数据，所述煤气产耗数据包括煤气产出量和煤气消耗量；
[0008]对所述煤气产耗数据进行预处理；
[0009]根据预处理后的所述煤气产耗数据，建立煤气产耗预测模型；
[0010]根据煤气产耗预测模型，获取未来预设时间段内煤气产耗的预测值及变化趋势。
[0011]一种钢铁企业煤气预测装置，包括:
[0012]数据获取模块，用于获取煤气产耗数据，所述煤气产耗数据包括煤气产出量和煤气消耗量；
[0013]数据处理模块，用于对所述数据获取模块获取的所述煤气产耗数据进行预处理，
[0014]数据建模模块，用于根据所述数据处理模块预处理后的所述煤气产耗数据，建立煤气产耗预测模型；
[0015]数据预测模块，根据煤气产耗预测模型，获取未来预设时间段内煤气产耗的预测值及变化趋势。
[0016]一种钢铁企业煤气预测装置，包括:
[0017]至少一个数据采集设备，用于采集的煤气产耗数据，所述煤气产耗数据包括煤气产出量和煤气消耗量；[0018]煤气预测装置，用于获取来自所述数据采集设备的煤气产耗数据，对所述煤气产耗数据进行预处理，根据预处理后的所述煤气产耗数据，建立煤气产耗预测模型，根据煤气产耗预测模型，获取未来预设时间段内煤气产耗的预测值及变化趋势。
[0019]通过本发明实施例中提供了一种钢铁企业煤气预测方法、装置及系统，通过获取来自所述数据采集设备的煤气产耗数据，对所述煤气产耗数据进行预处理，根据预处理后的所述煤气产耗数据，建立煤气产耗预测模型，根据煤气产耗预测模型，获取未来预设时间段内煤气产耗的预测值及变化趋势，优化了煤气产耗数据的预测，提供了煤气平衡调度的量化依据，操作人员或工控设备，依据这一量化依据，提高了煤气平衡调度的准确性。
【专利附图】
【附图说明】
[0020]为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0021]图1是本发明实施例中提供的一种场景示意图；
[0022]图2是本发明实施例中提供的一种钢铁企业煤气预测方法；
[0023]图3是本发明实施例中提供的煤气产耗的变化及预测结果；
[0024]图4是本发明实施例中提供的煤气产耗超出阈值的预测结果；
[0025]图5是本发明实施例中提供的另一种钢铁企业煤气预测方法；
[0026]图6是本发明实施例中提供的另一种钢铁企业煤气预测装置。
【具体实施方式】
[0027]为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和【具体实施方式】对本发明作进一步详细的说明。
[0028]如图1所示，为本发明实施例的一种应用场景，包括煤气管网、传感器采集网络及工控计算机系统，钢铁企业的煤气管网系统涉及煤气生产、输送、贮存、分配、消耗、放散等诸多环节。图1中各种煤气介质(高炉煤气，焦炉煤气和转炉煤气)经处理后，先进入煤气柜，然后通过调压器或者煤气混合站供应到钢铁生产系统，或供应到动力车间的锅炉、燃气轮机等设备，转化为蒸汽、电力等其他能源介质。传感器采集网络为通过IEC61158现场总线标准或局域网TCP/IP标准将各个设备上的传感器连接在一起的网络，各个设备上的传感器负责采集煤气的产耗数据。其中，这些设备包括供能设备和耗能设备，供能设备包括回收炉和高炉，耗能设备包括钢铁生产中的轧钢、烧结、焦化等不同类型的设备。工控计算机系统可以包括服务器集群和操作主机，工控计算机系统负责收集汇总传感器的采集数据，并进行预测分析及报警。
[0029]实施例一
[0030]本发明实施例一中提供了一种钢铁企业煤气预测方法，以图1的场景中的工控计算机系统101为例，方法流程图，如图2所不:
[0031]步骤201、获取煤气产耗数据，所述煤气产耗数据包括煤气产出量和煤气消耗量；
[0032]其中，利用基于现场总线IEC 61158:2003标准或基于TCP/IP标准的传感器网络，与传感器进行通信和数据交换，从分布在各处的传感器中获取煤气产耗。这些传感器位于转炉、煤气柜、放散塔、燃气锅炉等不同地方，记录了煤气产耗的历史数据。
[0033]步骤202、对所述煤气产耗数据进行预处理；
[0034]由于现场使用的传感器功能和品牌各异，其记录的煤气产耗数据不尽相同。因此，步骤202需要对从各处传感器获取的原始数据进行预处理，例如:使用统一的计量单位、时间单位和数据格式，利用关系数据库管理系统(Relational Database ManagementSystem, RDBMS)或利用微软Excel表格进行存储操作。
[0035]步骤203、根据预处理后的所述煤气产耗数据，建立煤气产耗预测模型；
[0036]其中，基于预处理之后的数据，采用特定的数学模型对煤气产耗数据进行预测，例如:可以采用自回归(Auto Regressive, AR)模型、人工神经元网络(Artificial NeuralNetworks, ANN)、遗传算法(Genetic Algorithm)等先进数学模型。以AR模型为例，AR模型是一种常见的时间序列分析模型，如以下公式所示:
[0037]y(t)=aly(t_l)+...any(t_p)+e(t),其中，e(t)为均值为 O 的白噪声信号。
[0038]t时刻的数值y(t)由t时刻以前P个时刻数值的加权平均数(aly(t-l)+...any(t-p))和现在时刻随机扰动所产生的随机过程值e (t)所决定。通过现在的计算机自动化方法，可以使用R语言的开源软件工具或MATLAB来进行数据自动拟合，计算出AR模型的加权参数值(al、a2...an)。而在本实施例中，已知N个时间点的煤气产耗数据，采用AR模型推导出第N个时间点前面或后面的煤气产耗数据。
[0039]步骤204、根据煤气产耗预测模型，获取未来预设时间段内煤气产耗的预测值及变化趋势。
[0040]其中，为提升预测准确度，这里建立的预测模型可以设置一定的预设区间，例如:预测未来30min?ISOmin的能源产耗情况，用户可以根据需求选择预测时段长短和预测计算周期，预测计算周期最短为5min。
[0041]而设置一定的预设区间为短期预测，使得相对于煤气的日供需预测，更加贴近于现场情况，预测准确度也有所提高。
[0042]如图3所示，为基于AR模型进行的煤气产耗的变化及预测结果，从图中可以看出，竖线左边为煤气产耗的历史变化趋势，竖线右边为预测的未来煤气产耗的变化趋势。
[0043]本发明实施例一中提供的一种钢铁企业煤气预测方法，通过获取来自所述数据采集设备的煤气产耗数据，对所述煤气产耗数据进行预处理，根据预处理后的所述煤气产耗数据，建立煤气产耗预测模型，根据煤气产耗预测模型，获取未来预设时间段内煤气产耗的预测值及变化趋势，优化了煤气产耗数据的预测，提供了煤气平衡调度的量化依据，操作人员或工控设备，依据这一量化依据，提高了煤气平衡调度的准确性。
[0044]本发明实施例一中，由于煤气产耗的影响因素众多，预测模型的预测结果总会与实际情况存在一定误差，因此需要根据预测值与实际值之间差异，进行模型参数更新。例如:步骤204之后，还可以包括:
[0045]每隔预设时间段，根据所述煤气产耗的预测值与实际值之间的差异，对模型参数进行修正。
[0046]其中，模型参数修正方法包括基于误差滑动平均的修正方法和基于动态参数识别的修正方法。[0047]这里通过对模型参数不断修正，提高了模型预测的准确性。
[0048]实施例二
[0049]本发明实施例二中提供了另一种钢铁企业煤气预测方法，在实施例一的基础上增加了当预测值指示煤气管网即将失去平衡时，向用户发送报警指示的步骤，方法流程图，如图4所示:
[0050]步骤401、获取煤气产耗数据，所述煤气产耗数据包括煤气产出量和煤气消耗量；
[0051]步骤402、对所述煤气产耗数据进行预处理；
[0052]步骤403、根据预处理后的所述煤气产耗数据，建立煤气产耗预测模型；
[0053]步骤404、根据煤气产耗预测模型，获取未来预设时间段内煤气产耗的预测值及变化趋势；
[0054]步骤405、根据未来预设时间段内煤气产耗的预测值，获取未来预设时间段内煤气柜位的预测值；
[0055]步骤406、当所述煤气柜位的预测值超过预设阈值时，向用户发送报警指示。
[0056]本发明实施例二，在本发明实施例一的基础上，根据未来预设时间段内煤气产耗的预测值，获取未来预设时间段内煤气柜位的预测值，当所述煤气柜位的预测值超过预设阈值时，向用户发送报警指示，实现了煤气管网能源失衡前的报警预知，使得操作人员有充足的时间对煤气产耗进行调度调整，另外，还可触发自动控制系统对煤气产耗进行自动化的调度调整，实现了煤气产耗平衡的自动化调整功能。
[0057]本发明实施例二的步骤401至步骤404与本发明实施例一中的步骤201至步骤204相对应，在此不再赘述。
[0058]步骤405中可以根据煤气管网的平衡方程，并结合未来预设时间段内煤气产耗的预测值，计算出未来预设时间段内煤气柜位的预测值。
[0059]煤气管网的平衡方程为:
[0060]Q- — P； + // + B1 + Oi
[0061]其中，根据煤气管网实际情况，将针对不同设备的情况抽象为能源供应节点、能源消耗节点、负荷可调整节点、缓冲节点、煤气混合节点等。供应节点产出煤气量预测值为
mJ1，
a =￡&,，消耗节点消耗煤气量预测值为c [Σα,，负荷可调整节点消耗量预测值为
灸二 I
P; = ?Α，缓冲节点(煤气柜)存储量预测值为Bi = ΣΒ,、放散煤气量预测值为Oi，本实
/:15-1
施例中，为了简化求和运算，只需要对用户提出的关键节点建立预测模型，然后求和。
[0062]煤气柜位的方程为:
[0063]
仁O
[0064]其中，K为针对不同煤气柜的常数。通过煤气管网的平衡方程可以计算出H = Q — P..— P'..— O则煤气柜位的预测值A =&(δ-- Oi)/ K + H0 ,这里当煤
ii iI ?t=Q
气管网存在多个煤气柜时，需要正对不同位置的煤气柜列出不同的煤气柜位方程和预测模型。
[0065]步骤406中当所述煤气柜位的预测值超过预设阈值时，向用户发送报警指示。如图5所示，结合T2时间之前的数据，得出了虚线部分的预测趋势曲线，预测趋势曲线在T3时间超过了预设阈值22，此时系统在T2时刻向用户送报警指示，相当于操作人员提前了T3-T2的时间获知了失衡情况，提前进行了调度调整。
[0066]本发明实施例中提供了一种钢铁企业煤气预测装置，如图6所示，包括:
[0067]数据获取模块610，用于获取煤气产耗数据，所述煤气产耗数据包括煤气产出量和煤气消耗量；
[0068]数据处理模块620，用于对所述数据获取模块610获取的所述煤气产耗数据进行预处理，
[0069]数据建模模块630，用于根据所述数据处理模块620预处理后的所述煤气产耗数据，建立煤气产耗预测模型；
[0070]数据预测模块640，根据煤气产耗预测模型，获取未来预设时间段内煤气产耗的预测值及变化趋势。
[0071]其中，所述装置，还包括:
[0072]报警模块650，用于根据未来预设时间段内煤气产耗的预测值，获取未来预设时间段内煤气柜位的预测值，当所述煤气柜位的预测值超过预设阈值时，向用户发送报警指示。
[0073]所述数据建模模块630具体用于根据预处理后的所述煤气产耗数据，基于自回归AR模型，建立煤气产耗预测模型。
[0074]所述数据处理模块620具体用于对所述煤气产耗数据进行格式化规整，统一计量单位和数据格式，并利用关系数据库管理系统RDBMS或数据报表进行存储。
[0075]所述数据建模模块630还用于每隔预设时间段，根据所述煤气产耗的预测值与实际值之间的差异，对模型参数进行修正。
[0076]本发明实施例中还提供了一种钢铁企业煤气预测装置，包括:
[0077]至少一个数据采集设备，用于采集煤气产耗数据，所述煤气产耗数据包括煤气产出量和煤气消耗量；
[0078]煤气预测装置，用于获取来自所述数据采集设备的煤气产耗数据，对所述煤气产耗数据进行预处理，根据预处理后的所述煤气产耗数据，建立煤气产耗预测模型，根据煤气产耗预测模型，获取未来预设时间段内煤气产耗的预测值及变化趋势。
[0079]通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到本发明可借助软件加必需的硬件平台的方式来实现，当然也可以全部通过硬件来实施，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案对【背景技术】做出贡献的全部或者部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如R0M/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。
[0080]以上对本发明进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在【具体实施方式】及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。
【权利要求】
1.一种钢铁企业煤气预测方法，其特征在于，包括: 获取煤气产耗数据，所述煤气产耗数据包括煤气产出量和煤气消耗量； 对所述煤气产耗数据进行预处理； 根据预处理后的所述煤气产耗数据，建立煤气产耗预测模型； 根据煤气产耗预测模型，获取未来预设时间段内煤气产耗的预测值及变化趋势。
2. 根据权利要求1所述的钢铁企业煤气预测方法，其特征在于，所述方法，还包括: 根据未来预设时间段内煤气产耗的预测值，获取未来预设时间段内煤气柜位的预测值； 当所述煤气柜位的预测值超过预设阈值时，向用户发送报警指示。
3.根据权利要求1所述的钢铁企业煤气预测方法，其特征在于，所述根据预处理后的所述煤气产耗数据，建立煤气产耗预测模型，包括: 根据预处理后的所述煤气产耗数据，基于特定算法，建立煤气产耗预测模型，所述特定算法包括回归AR模型、人工神经元网络和遗传算法。
4.根据权利要求1所述的钢铁企业煤气预测方法，其特征在于，所述对所述煤气产耗数据进行预处理，包括: 对所述煤气产耗数据进行格式化规整，统一计量单位和数据格式，并利用关系数据库管理系统RDBMS或数据报表进行存储。
5.根据权利要求1至4中任意一项所述的钢铁企业煤气预测方法，其特征在于，所述方法，还包括: 每隔预设时间段，根据所述煤气产耗的预测值与实际值之间的差异，对模型参数进行修正。
6.一种钢铁企业煤气预测装置，其特征在于，包括: 数据获取模块，用于获取煤气产耗数据，所述煤气产耗数据包括煤气产出量和煤气消耗量; 数据处理模块，用于对所述数据获取模块获取的所述煤气产耗数据进行预处理，数据建模模块，用于根据所述数据处理模块预处理后的所述煤气产耗数据，建立煤气产耗预测模型； 数据预测模块，根据煤气产耗预测模型，获取未来预设时间段内煤气产耗的预测值及变化趋势。
7.根据权利要求6所述的钢铁企业煤气预测装置，其特征在于，所述装置，还包括: 报警模块，用于根据未来预设时间段内煤气产耗的预测值，获取未来预设时间段内煤气柜位的预测值，当所述煤气柜位的预测值超过预设阈值时，向用户发送报警指示。
8.根据权利要求6所述的钢铁企业煤气预测装置，其特征在于，所述数据建模模块具体用于根据预处理后的所述煤气产耗数据，基于特定算法，建立煤气产耗预测模型，所述特定算法包括回归AR模型、人工神经元网络和遗传算法。
9.根据权利要求6至8中任意一项所述的钢铁企业煤气预测装置，其特征在于，所述数据建模模块还用于每隔预设时间段，根据所述煤气产耗的预测值与实际值之间的差异，对模型参数进行修正。
10.一种钢铁企业煤气预测装置，其特征在于，包括:至少一个数据采集设备，用于采集煤气产耗数据，所述煤气产耗数据包括煤气产出量和煤气消耗量； 煤气预测装置，用于获取来自所述数据采集设备的煤气产耗数据，对所述煤气产耗数据进行预处理，根据预处理后的所述煤气产耗数据，建立煤气产耗预测模型，根据煤气产耗预测模型，获取未来预设时间·段内煤气产耗的预测值及变化趋势。
【文档编号】G06Q10/04GK103530705SQ201310487192
【公开日】2014年1月22日 申请日期:2013年10月17日 优先权日:2013年10月17日
【发明者】胡星, 李永兵, 汪卫, 刘智平, 马于涛, 吕文学 申请人:武汉钢铁(集团)公司, 武汉钢铁工程技术集团自动化有限责任公司