基于炼钢节奏估计的冶金企业转炉煤气发生量长期预测方法
【专利摘要】一种基于炼钢节奏估计的冶金企业转炉煤气发生量预测方法。炼钢节奏的估计主要包含两部分内容：特征提取和特征融合，首先将转炉煤气发生量数据划分为有限段等时间间隔的数据片段，采用基于模匹配的方法从不同的划分数据片段中提取出能够描述炼钢节奏的时域特征和频域特征，并以一组多源的二维向量的形式将其描述；其次采用改进的模糊C均值聚类方法对多源的二维特征向量进行数据融合，估计代表炼钢节奏普遍规律的二维特征向量；最后，基于估计的炼钢节奏特征向量反重构出转炉煤气发生量的长期预测值；本发明能够准确地预测转炉煤气系统在未来较长时段内的发生量变化，为现场煤气平衡调整人员实施有效地煤气调度提供有效支持。
【专利说明】基于炼钢节奏估计的冶金企业转炉煤气发生量长期预测方法
【技术领域】
[0001]本发明属于信息【技术领域】，涉及到基于模匹配的特征提取、基于向量的特征描述和基于聚类的特征融合理论，是一种基于炼钢节奏估计的冶金企业转炉煤气发生量长期预测方法。本发明将冶金企业现场已有的转炉煤气发生量数据进行有限段的等时间间隔划分，首先采用基于模匹配的方法从不同的划分数据片段中提取出能够描述生产节奏的时域特征和频域特征，并以一组多源的二维向量的形式将其描述；其次采用改进的模糊C均值聚类方法对多源的二维特征向量进行数据融合，估计代表炼钢节奏普遍规律的二维特征向量；最后，基于估计的炼钢节奏特征向量重构出转炉煤气发生量的长期预测值；本发明对转炉煤气发生量的长时段预测结果可以有效地指导煤气平衡调整人员实施煤气调度工作。
【背景技术】
[0002]节能减排是冶金行业目前所面临的最严峻问题之一。随着一次能源的紧缺和新节能技术的提高，冶金生产过程中产生的副产煤气是否能够得到合理的利用将直接影响到整个冶金企业的节能降耗效果，所以必须对副产煤气系统实施合理有效地平衡调整。由于副产煤气系统具备复杂性、非线性和不确定性的特点，所以建立副产煤气系统的平衡调整模型是非常困难的，基于预测的启发式优化调度方式是目前为止较为行之有效的副产煤气系统平衡调整方法(J.Zhao, ff.Wang, Y.Liu, et al.(2011).A two-stage online predictionmethod for a Blast Furnace Gas system and its application[J].1EEE Transactionson Control Systems Technology, 19 (3): 507-520.)。转炉煤气是钢铁企业炼钢过程中产生的主要二次能源，是副产煤气系统的主要组成部分，因此，转炉煤气的发生量预测问题是一项重要的研究。由于转炉煤气是不连续间歇回收的，使得转炉煤气的发生量预测是一项有挑战性的工作。
[0003]对冶金企业转炉煤气的发生量的短期预测采用的是基于时间序列的预测方法，如最小 二乘支持向量回归机(J.Zhao, ff.Wang, ff.Pedrycz, et al.(2012).0nlineparameter optimization-based prediction for converter gas system by parallelstrategies[J].1EEE Transactions on Control Systems Technology, 20(3):835-845.),该类方法的原理是利用机器学习算法强大的学习能力对转炉煤气发生量的历史时间序列进行学习，建立基于数据的非线性时间序列回归模型，给定当前时刻以前的一段时间序列作为模型输入，预测出未来短时段内转炉煤气的发生量。这类方法用于长期预测时存在着如下的不足:(I)基于时间序列的预测采用的是一种迭代预测模式，迭代预测会导致预测误差的积累，不能应用于长期预测；(2)工业数据存在着一定的缺失，基于时间序列的预测对缺失数据的应对能力较差；(3)基于时间序列预测的回归模型的参数不易确定；(4)工业数据普遍是含有噪声的，基于时间序列的预测方法对噪声的应对能力不高。
[0004]目前实际应用中，对冶金企业转炉煤气的发生量的长期预测还是以静态预测为主，静态预测主要是以转炉煤气系统的计划和规划为依据，对一段时间内转炉煤气的发生量，结合期间炼钢的生产计划、检修计划或技改项目等因素，进行简单的预测。静态预测方法存在如下不足:(I)静态的预测方式过分的依赖于人工经验，预测结果的可靠性得不到保证；(2)对转炉煤气系统发生量的长期预测，仅通过生产计划和规划来预测，有很大的不确定性，且大多数情况下准确的生产计划和检修计划是不可能提前较长一段时间获得。
【发明内容】
[0005]本发明要解决的技术问题是现有冶金企业转炉煤气发生量长期预测问题。为解决上述这一问题，对转炉煤气的发生情况进行分析，得出煤气发生与转炉炼钢节奏相关联的结论，提出通过估计转炉炼钢节奏的方法来实现转炉煤气发生量的长期预测。首先，将转炉煤气发生量数据划分为有限段等时间间隔的数据片段，采用基于模匹配的方法从不同的划分数据片段中提取出能够描述炼钢节奏的时域特征和频域特征，并以一组多源的二维向量的形式将其描述；其次采用改进的模糊C均值聚类方法对多源的二维特征向量进行数据融合，估计代表炼钢节奏普遍规律的二维特征向量；最后，基于估计的能够描述炼钢节奏的特征向量反重构出转炉煤气发生量的长期预测值。利用该发明可以准确地预测出转炉煤气在未来较长时段内的发生量变化，从而为煤气系统的平衡调度提供决策支持。
[0006]本发明技术方案的整体实现流程如附图1所示，具体步骤如下:
[0007]1.现场数据的读取:从冶金企业现场实时数据库中读取所需的转炉煤气发生量数据；
[0008]2.现场数据的预处理:将转炉煤气发生量数据划分为有限段等时间间隔的数据片段；
[0009]3.特征提取:采用基于模匹配的方法从不同的划分数据片段中提取出能够描述炼钢节奏的时域特征和频域特征，并以一组多源的二维向量的形式将其描述；
[0010]4.特征融合:采用改进的模糊C均值聚类方法对多源的二维特征向量进行数据融合，估计代表炼钢节奏普遍规律的二维特征向量；
[0011]5.转炉煤气发生量长期预测:基于估计的炼钢节奏特征向量反重构出转炉煤气发生量的长期预测值。
[0012]本发明的效果和益处是:
[0013]本发明在对转炉煤气系统发生量进行预测时，充分考虑转炉煤气发生量受转炉炼钢节奏的影响的事实，采用特征提取的方法提取出多天数据中隐含的时域特征和频域特征，并对多天数据的特征进行融合得到能够反映转炉炼钢普遍特征的向量，最后基于特征向量反重构出转炉煤气发生量数据，这种方法避开了对时间序列的直接研究，预测过程中也不存在迭代，也不存在预测误差的积累，预测精度有明显的提升；本发明所陈述的基于炼钢节奏估计的转炉煤气发生量长期预测办法对数据异常和数据缺失具有较强的鲁棒性，因为只要不是每一天在同一时刻的数据都存在缺失，特征融合阶段依然可以获得反映一整天炼钢普遍特征的向量，如果某一天数据中存在异常，特征融合阶段也会自动的舍弃异常数据的特征。
[0014]本发明能够充分利用现有的转炉煤气系统已有的历史数据，预测当前时间后较长时段内转炉煤气系统发生量的变化情况，从而为煤气系统的平衡调整提供在线决策支持。【专利附图】
【附图说明】
[0015]图1为本发明的长期预测流程图。
[0016]图2为某冶金企业转炉煤气系统的管网简图。
[0017]图3为工业实际中的转炉煤气发生量的曲线图。
[0018]图4为本发明实施方案中用于模匹配的模的基本形态图。
[0019]图5为本发明实施方案中的模匹配方法的实施结果显示图。
[0020]图6为本发明实施方案中经过特征筛选后得到的某一天的转炉煤气发生量的特征分布图，横轴表示的是时域特征，纵轴表示的是频域特征。
[0021]图7为本发明实施方案中经过特征融合后的结果显示图。
[0022]图8为本发明实施方案中转炉煤气系统发生量预测结果显示图。
[0023]图9为本发明实施方案中转炉煤气系统发生量预测结果的比较图，图中将本发明中提到的方法与ESN方法和LSSVM方法进行了比较。
【具体实施方式】
[0024]为了更好地理解本发明的技术方案，以下结合附图对本发明的实施方式作详细描述，附图2为某冶金企业转炉煤气系统的管网图，转炉煤气的发生源是6座转炉，每小时大约产生27km3的高炉煤气，并通过煤气管网进入并网的煤气柜，然后再输配给各个用户。由于转炉煤气的发生量受转炉炼钢节奏的影响，所以转炉煤气发生量序列呈现出如图3所示的形式，即图中的每一个波峰代表转炉炼一炉次钢。虽然现场煤气调度人员通过人工实时监测，结合期间炼钢的生产计划、检修计划或技改项目等因素，可以完成对转炉煤气发生量的简单长期预测，但是这需要调度人员对转炉煤气系统和转炉炼钢的工艺非常熟悉。这种预测方式过分的依赖于人工经验，且工作量很大，因此必须建立科学的转炉煤气发生量预测模型来预测转炉煤气发生量的变化趋势。按照图1所示的方法流程，本发明的具体实施步骤如下:
[0025]步骤1:现场数据的读取
[0026]从冶金企业现场实时数据库读取预测所需的转炉煤气系统发生量数据；
[0027]步骤2:数据的预处理
[0028]将转炉煤气发生量数据划分为有限段的等时间间隔的数据片段，记其中某一划分时间片段为χ(η)，η为序列长度；
[0029]步骤3:特征提取
[0030]采用基于模匹配的方法从不同的时间片段中提取出能够描述炼钢节奏的时域特征和频域特征，并以一组多源的二维向量的形式将其描述:
[0031]①构造模序列
[0032]将图3所示的历史数据中的每个波峰的数据提取出来，通过对所有波峰数据的拟合学习求得所需要的基本波形，如图4中的虚线方框中波形，将两个基本波形拼在一起构成模序列t，两个基本波形之间的距离可以伸缩；
[0033]②模匹配
[0034]本发明中构造的模序列具有时移特性和伸缩特性，时移特性是指模序列在与目标样本序列进行匹配时，以一定的时移尺度进行移动，以本文中提到的目标样本为匹配对象，有效时移尺度的集合描述为B = {b1； b2,..., bj,..., bN};其中，bN为模序列的最大时移量。伸缩特性描述炼钢间隙持续的时长，受生产工艺约束，生产间隙具有一定的上下限。生产间隙的最小值是为了保证充足的时间来进行下一周期的生产准备，生产间隙的最大值是为了确保生产的连续性，本发明中伸缩尺度的集合描述为A =，其中
和A分别代表伸缩尺度的上下限。
[0035]模序列经过长度伸缩，可以得到模序列组It1, t2，...，tj，本文通过计算第i个模序列tiOn)与某样本序列X(η)的卷积来衡量模序列与样本序列的匹配程度，具体如式(I)所示
[0036]
【权利要求】
1.一种基于炼钢节奏估计的冶金企业转炉煤气发生量长期预测方法，其特征在于具体步骤如下: (1)从冶金企业现场的实时数据库读取预测所需的转炉煤气系统发生量数据； (2)将转炉煤气发生量数据划分为#段的等时间间隔的数据片段，记其中某一划分时间片段为X (η)，η为序列长度； (3)采用基于模匹配的方法从不同的时间片段中提取出能够描述炼钢节奏的时域特征和频域特征 ①构造模序列t，t具有平移特性和伸缩特性； ②模匹配:计算模序列组与样本序列的匹配程度，模序列经过长度伸缩，得到一组模序列It1, t2,..., ,通过卷积来计算模序列tiOii)与样本序列X (η)的匹配程度
【文档编号】G06Q10/04GK103793767SQ201410066954
【公开日】2014年5月14日 申请日期:2014年2月26日 优先权日:2014年2月26日
【发明者】赵珺, 盛春阳, 汤晓燕, 王伟, 刘颖 申请人:大连理工大学