[發(fā)明專利]一種基于XGBoost算法的加熱爐能耗核算方法

在審

• 申請?zhí)枺?/td>: 202211026432.0
• 申請日: 2022-08-25
• 公開（公告）號: CN115438939A
• 公開（公告）日: 2022-12-06
• 發(fā)明（設(shè)計）人: 劉恒文;范榮鑫;荊豐偉;曹威
• 申請（專利權(quán)）人: 北京科技大學(xué)設(shè)計研究院有限公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06K9/62;G06N20/00
• 代理公司: 北京市廣友專利事務(wù)所有限責(zé)任公司 11237
• 代理人: 張仲波;付忠林

1.一種基于XGBoost算法的加熱爐能耗核算方法，其特征在于，包括：

確定板坯能耗的影響因素，并基于XGBoost算法確定各影響因素的權(quán)重系數(shù)；

以預(yù)設(shè)時刻為核算起點(diǎn)，獲取加熱爐內(nèi)板坯實際生產(chǎn)中的物料信息；其中，所述物料信息包括：板坯編號以及所述板坯對應(yīng)的各所述影響因素的取值；

將板坯在加熱爐中停留的時間段劃分為多個能耗累積段，進(jìn)行板坯在加熱爐內(nèi)能耗的離散化處理，并計算出每一累積段的能耗；

根據(jù)各累積段內(nèi)物料信息計算各累積段內(nèi)各影響因素的單一板坯分?jǐn)傁禂?shù)；

以單一板坯為能耗核算對象，基于所述板坯對應(yīng)的各影響因素的權(quán)重系數(shù)、各影響因素的單一板坯分?jǐn)傁禂?shù)以及各累積段的能耗，計算得到各板坯的能耗。

2.如權(quán)利要求1所述的基于XGBoost算法的加熱爐能耗核算方法，其特征在于，所述影響因素包括：在爐時間、裝鋼溫度、出鋼溫度以及板坯規(guī)格尺寸；其中，所述板坯規(guī)格尺寸包括：板坯長度、板坯寬度、板坯厚度以及板坯重量。

3.如權(quán)利要求1所述的基于XGBoost算法的加熱爐能耗核算方法，其特征在于，所述基于XGBoost算法確定各影響因素的權(quán)重系數(shù)，包括：

獲取包含所述影響因素的加熱爐歷史生產(chǎn)樣本數(shù)據(jù)；

將板坯能耗作為目標(biāo)參數(shù)，建立XGBoost數(shù)學(xué)模型；將所述樣本數(shù)據(jù)導(dǎo)入XGBoost數(shù)學(xué)模型進(jìn)行樣本訓(xùn)練，通過模型中feature_importance_函數(shù)得出各影響因素的重要性及相應(yīng)預(yù)測值，并在歸一化處理后得到各影響因素的權(quán)重系數(shù)。

4.如權(quán)利要求3所述的基于XGBoost算法的加熱爐能耗核算方法，其特征在于，在將所述樣本數(shù)據(jù)導(dǎo)入XGBoost數(shù)學(xué)模型進(jìn)行樣本訓(xùn)練之前，所述方法還包括：采用箱線圖法剔除所述樣本數(shù)據(jù)中的異常數(shù)據(jù)。

5.如權(quán)利要求4所述的基于XGBoost算法的加熱爐能耗核算方法，其特征在于，在采用箱線圖法剔除所述樣本數(shù)據(jù)中的異常數(shù)據(jù)時，根據(jù)所述樣本數(shù)據(jù)的分布情況，劃分出三個四等分點(diǎn)，包括：下四分點(diǎn)位P1、中四分點(diǎn)位MD以及上四分點(diǎn)位P3，上極端異常點(diǎn)＝P3+3IPR，下極端異常點(diǎn)＝P1-3IPR，其中，IPR表示箱子高度；超過上極端異常點(diǎn)或下極端異常點(diǎn)的數(shù)據(jù)即為異常數(shù)據(jù)。

6.如權(quán)利要求2所述的基于XGBoost算法的加熱爐能耗核算方法，其特征在于，所述將板坯在加熱爐中停留的時間段劃分為多個能耗累積段，進(jìn)行板坯在加熱爐內(nèi)能耗的離散化處理，并計算出每一累積段的能耗，包括：

將加熱爐內(nèi)板坯數(shù)量恒定的每個時間段記為一個能耗累積段，進(jìn)行板坯在加熱爐內(nèi)能耗的離散化處理，并通過下式計算出每一累積段的能耗：

其中，q_i為第i個累積段的能耗，n為第i個累積段的采樣周期個數(shù)，EQ_i,j為第i個累積段中第j個采樣周期內(nèi)燃料的瞬時流量計量，Δt為采樣周期時間。