[發明專利]熱風爐高爐煤氣使用流量預測方法

在審

• 申請號: 201210199449.6
• 申請日: 2012-06-15
• 公開（公告）號: CN103514338A
• 公開（公告）日: 2014-01-15
• 發明（設計）人: 沈兵;馬睿;曹偉杰
• 申請（專利權）人: 上海寶信軟件股份有限公司
• 主分類號: G06F19/00
• 分類號: G06F19/00
• 代理公司: 上海漢聲知識產權代理有限公司 31236
• 代理人: 郭國中

技術領域

本發明涉及信息技術領域，涉及到熱風爐生產工藝、操作制度以及基于因素和數據驅動建模回歸預測技術，具體涉及一種鋼鐵企業熱風爐高爐煤氣使用流量預測方法。

背景技術

鋼鐵企業是能源消耗大戶，合理利用能源是鋼鐵企業始終努力的目標。對于鋼鐵企業的副產煤氣系統，為了使其實現供用平衡，目前主要依靠現場調度人員進行調配，實現煤氣的產銷平衡。熱風爐是高爐煤氣的主要使用用戶，它的高爐煤氣使用流量占到鋼鐵企業整個生產過程高爐煤氣使用總流量的30%以上，因此熱風爐高爐煤氣使用流量的預測精度直接影響調度人員調節管網平衡的效果。

現有技術中，采用了一種通用的預測方法對熱風爐高爐煤氣使用流量進行預測，這種方案具有以下問題：熱風爐高爐煤氣使用流量的影響因素較多，流量波動較大，通用的建模方法對熱風爐高爐煤氣使用流量預測精度不高并且對熱風爐操作的切換響應不是很及時。

經檢索，申請號為200710016562.5，該專利提供一種基于柜位預測的鋼鐵企業煤氣動態平衡實時控制方法，該專利提供：一種基于柜位預測的鋼鐵企業煤氣動態平衡實時控制方法:“1.基于柜位預測的鋼鐵企業煤氣動態平衡實時控制方法，其特征是，應至少包含：a、數據采集與監視控制系統SCADA將現場煤氣系統關鍵參數通過多組前端測控單元或網關經通信驅動模塊將現場的工藝參數讀入至SCADA實時數據庫，各操作終端通過網絡讀取數據庫內工藝參數數據并將各閥門的控制命令下發SCADA數據庫中，SCADA數據庫經通信驅動模塊發送至現場控制系統，實現整體煤氣系統工藝參數的數據采集及關鍵設備的遠程控制；b、利用煤氣氣柜柜位預測模塊，以當前煤氣平衡量前一段時間的數據為基礎，基于最小二乘法的系統辨識方法，在線辨識系統的參數，并作出預測；根據預測結果，煤氣平衡分配模塊進行煤氣分配量的調整平衡；c、柜位預測模塊和煤氣平衡分配模塊通過接口模塊實現與實時數據庫之間的數據交換，將影響氣柜柜位及管網穩定的實時數據傳遞給柜位預測模塊并接收來自預測模塊的運行結果，將其顯示于煤氣SCADA中；d、根據氣柜柜位的趨勢預測曲線及預測值與目標值、設定值的位置關系計算出焦爐煤氣、高爐煤氣的可調整量；e、通過煤氣實時平衡調整的SCADA人機接口，將煤氣系統工藝參數全面的、直觀的顯示出來。”本發明使用流量預測模型比采用傳統的回歸建模方法建立的熱風爐高爐煤氣使用流量預測模型預測響應速度更快并且預測精度更高。

發明內容

針對上述現有技術中的缺陷，本發明要解決的技術問題是提供一種鋼鐵企業熱風爐高爐煤氣使用流量預測方法，能夠較準確地預測熱風爐高爐煤氣使用流量變化趨勢，為現場調度人員完成煤氣的平衡調度提供合理指導。

為實現上述的目的，本發明采用的技術方案是：首先，采用根據熱風爐生產工藝和操作制度確定影響熱風爐高爐煤氣使用流量變化的主要因素，而傳統預測方法不考慮熱風爐操作制度，這使得該熱風爐高爐煤氣使用流量預測模型的能夠更好地響應熱風爐操作的變化。在熱風爐高爐煤氣使用流量預測前僅需預測主要影響因素的煤氣流量和熱風爐操作信號。然后，利用現代的回歸建模方法構建熱風爐高爐煤氣使用流量預測模型，該熱風爐高爐煤氣使用流量預測模型比采用傳統的回歸建模方法建立的熱風爐高爐煤氣使用流量預測模型預測響應速度更快并且預測精度更高。

進一步的，本發明所述的熱風爐高爐煤氣使用流量預測方法，具體包括如下步驟：

步驟一、確定高爐配備熱風爐座數；選擇高爐各熱風爐支管流量作為熱風爐高爐煤氣使用流量的影響因素。

步驟二、確定熱風爐工作制度，例如“二燒一送”或“三燒一送”，“并聯”或“交叉并聯”等。選擇高爐熱風爐換爐信號作為熱風爐高爐煤氣使用流量的影響因素。

步驟三、由于送風時間、熱風溫度與熱風爐燒爐時間存在密切關系（隨著送風時間的延長，風溫逐漸降低），因此，選擇送風溫度和送風流量作為高爐熱風爐換爐信號作為熱風爐高爐煤氣使用流量的影響因素。

步驟四、獲得熱風爐高爐煤氣使用量、熱風爐各支管高爐煤氣使用量、熱風爐換爐信號以及高爐送風溫度和送風流量等實際生產數據；

步驟五、對實際生產數據進行數據補齊、濾波和歸一化等數據預處理；

步驟六、基于預處理后實際生產數據，運用智能回歸算法建立體現熱風爐高爐煤氣使用流量與其影響因素之間的熱風爐高爐煤氣使用流量因素預測模型；

步驟七、基于時間序列的預測思想，建立各影響因素的時間序列預測模型；