钢铁企业副产煤气预测及优化调度
来源期刊:钢铁2016年第8期
论文作者:李红娟 熊文真
文章页码:90 - 98
关键词:支持向量机分类;HP滤波;Elman神经网络;最小二乘支持向量机;优化调度;
摘 要:针对钢铁企业副产煤气系统产消量频繁波动,不平衡现象比较严重,供需之间的平衡程度对钢铁企业的生产成本、能源消耗情况影响较大,并且钢铁企业中工序、设备繁多,每道工序都涉及多种能源介质的问题,利用HP滤波、支持向量机分类(SVC)、最小二乘支持向量机(LSSVM)和Elman神经网络的特性建立了SVC-HP-ENNLSSVM模型,并根据用能设备的能源利用特点和预测结果对副产煤气进行优化调度。模型应用表明:所建预测模型对煤气系统的预测平均相对误差小于4%,满足工业生产需要。根据预测结果进行的优化调度解决了煤气系统的不平衡问题,应用于钢铁企业典型工况,主工序可降低10%左右能耗,应用其自备电厂(一年按照330天计算),可多产蒸汽约104 148 t,节能约9 998 208 kg标煤。
李红娟1,熊文真2
1. 昆明理工大学质量发展研究院2. 信阳职业技术学院数学与计算科学学院
摘 要:针对钢铁企业副产煤气系统产消量频繁波动,不平衡现象比较严重,供需之间的平衡程度对钢铁企业的生产成本、能源消耗情况影响较大,并且钢铁企业中工序、设备繁多,每道工序都涉及多种能源介质的问题,利用HP滤波、支持向量机分类(SVC)、最小二乘支持向量机(LSSVM)和Elman神经网络的特性建立了SVC-HP-ENNLSSVM模型,并根据用能设备的能源利用特点和预测结果对副产煤气进行优化调度。模型应用表明:所建预测模型对煤气系统的预测平均相对误差小于4%,满足工业生产需要。根据预测结果进行的优化调度解决了煤气系统的不平衡问题,应用于钢铁企业典型工况,主工序可降低10%左右能耗,应用其自备电厂(一年按照330天计算),可多产蒸汽约104 148 t,节能约9 998 208 kg标煤。
关键词:支持向量机分类;HP滤波;Elman神经网络;最小二乘支持向量机;优化调度;