[發明專利]一種基于多因素分析的高爐煤氣柜位預測方法

在審

• 申請號: 202111419683.0
• 申請日: 2021-11-26
• 公開（公告）號: CN114066094A
• 公開（公告）日: 2022-02-18
• 發明（設計）人: 吳定會;朱勇;倪淵之;范俊巖;費桂杰
• 申請（專利權）人: 江南大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/04;G06N3/04;G06N3/08
• 代理公司: 無錫華源專利商標事務所(普通合伙) 32228
• 代理人: 崔婕

1.基于多因素分析的高爐煤氣柜位預測方法，其特征是，包括以下步驟：

步驟1、獲取數據庫中高爐煤氣流量和煤氣柜柜位相關的歷史數據；

步驟2、對歷史數據進行數據預處理；

步驟3、進行柜位波動多因素分析，利用絕對流量占比和灰色關聯度分析方法確定高爐煤氣柜位波動主要影響因素；

步驟4、基于步驟3分析的影響因素構建高爐煤氣柜位預測模型，實現對高爐煤氣柜位未來多步預測。

2.如權利要求1所述的基于多因素分析的高爐煤氣柜位預測方法，其特征是，步驟1所述歷史數據包括：高爐煤氣受入量數據，生產中需要消耗高爐煤氣的各設備的高爐煤氣消耗量數據，高爐煤氣柜位數據；其中，高爐煤氣受入量數據和高爐煤氣消耗量數據都屬于高爐煤氣流量數據。

3.如權利要求1所述的基于多因素分析的高爐煤氣柜位預測方法，其特征是，步驟2所述數據預處理方式包括：缺失數據填補、異常數據剔除以及無量綱化處理。

4.如權利要求2所述的基于多因素分析的高爐煤氣柜位預測方法，其特征是，步驟3的分析方法包括以下步驟：

步驟3.1、計算設備高爐煤氣流量占高爐煤氣總流量的比重，剔除小流量設備，保留大流量設備；其中，高爐煤氣總流量指高爐煤氣總受入量或者高爐煤氣總消耗量；

步驟3.2、對每一個大流量設備的高爐煤氣流量與高爐煤氣柜位數據進行關聯度分析，確定柜位波動的主要影響因素。

5.如權利要求4所述的基于多因素分析的高爐煤氣柜位預測方法，其特征是，步驟3.1計算設備高爐煤氣流量占高爐煤氣總流量的比重時，針對高爐煤氣產生設備和高爐煤氣消耗設備分別計算；方法為：

步驟3.1.1、計算任意采樣時刻每一個設備高爐煤氣流量占高爐煤氣總流量的比重：

其中，t＝1,2,…,N，N為步驟1中采集的樣本點的數量；若為計算高爐煤氣產生設備的高爐煤氣流量占高爐煤氣總流量的比重，則I表示所有高爐煤氣產生設備的數量；若為計算高爐煤氣消耗設備高爐煤氣流量占高爐煤氣總流量的比重，則I表示所有高爐煤氣消耗設備的數量；x_i表示第i個設備的高爐煤氣流量歷史數據，λ_i表示第i個設備的高爐煤氣流量占高爐煤氣總流量的比重；

步驟3.1.2、求出每一個設備高爐煤氣流量占高爐煤氣總流量的比重：

式中，η_i表示第i個設備高爐煤氣流量占高爐煤氣總流量比重；

步驟3.1.3、設定閾值，η_i小于該閾值的設備被剔除，保留η_i大于閾值的設備作為大流量設備。

6.如權利要求4所述的基于多因素分析的高爐煤氣柜位預測方法，其特征是，步驟3.2包括以下步驟：

步驟3.2.1、計算任意采樣時刻每一個大流量設備與高爐煤氣柜位之間的關聯系數:

式中，M表示由步驟3.1確定的大流量設備的數目，m＝1,2,…,M；q＝1,2,…,M；n＝1,2,…,N；y表示高爐煤氣柜位歷史數據；x_q,x_m表示第q或m個設備的高爐煤氣流量歷史數據；ζ_q表示第q個大流量設備的高爐煤氣流量歷史數據與高爐煤氣柜位歷史數據的關聯系數，ρ為分辨系數；

步驟3.2.2、求出每一個大流量設備的高爐煤氣流量與高爐煤氣柜位的關聯度：

r_q表示第q個大流量設備的高爐煤氣流量與高爐煤氣柜位之間的關聯度；

步驟3.2.3、設定關聯度閾值，剔除關聯度小于閾值的設備，最終得到高爐煤氣柜位波動的主要影響因素。

7.如權利要求4所述的基于多因素分析的高爐煤氣柜位預測方法，其特征是，步驟4所述高爐煤氣柜位預測模型使用Elman神經網絡模型，其參數使用JAYA算法優化；對高爐煤氣柜位未來多步預測首先預測每一個主要影響因素未來多步數值，進而求出每一個主要影響因素未來多步煤氣流量的變化量，作為高爐煤氣柜位預測模型的輸入，預測未來多步煤氣柜位值。