基于數(shù)據(jù)的高爐煤氣受入量的預(yù)測.pdf

1、近年來，中國經(jīng)濟高速發(fā)展與環(huán)境污染之間的矛盾愈發(fā)突出，鋼鐵企業(yè)作為中國的能耗大戶，如何提高能源利用率就顯得至關(guān)重要。高爐煤氣(Blast Furnace Gas，BFG)是冶金生產(chǎn)過程中極為重要的二次能源，其受入量往往會出現(xiàn)較大的波動，這種突然的波動若無有效防范，將帶來安全隱患，因此，對高爐煤氣受入量的準確預(yù)測可以降低有害風險，提高設(shè)備利用率。
　　本文以鋼鐵行業(yè)煉鋼過程為背景，針對高爐煤氣受入量難以有效預(yù)測的問題，提出了一種數(shù)據(jù)

2、濾波與二重神經(jīng)網(wǎng)絡(luò)相結(jié)合的建模預(yù)測新方法。首先，分析了國內(nèi)外鋼鐵企業(yè)能源管理系統(tǒng)發(fā)展狀況，并介紹了國內(nèi)外研究學者在煤氣預(yù)測方面的研究現(xiàn)狀;其次，介紹了能量去噪法與帶有自適應(yīng)噪聲的經(jīng)驗?zāi)B(tài)分解(EEMDAN)相結(jié)合的濾波算法，該算法一方面彌補了傳統(tǒng)EMD算法的缺點，采用EEMDAN進行模態(tài)分解，使得分解信號更加平穩(wěn)化;另一方面引入了能量去噪算法，實現(xiàn)了對工業(yè)信號的有效去噪，減少了工業(yè)擾動對預(yù)測建模的影響。最后，建立了EEMDAN-DRBF

3、的預(yù)測模型，該模型主要思想是將原始信號去噪并分解為不同時間尺度下的固有模態(tài)(IMF)分量，根據(jù)各模態(tài)自相關(guān)函數(shù)的特點，分別對每個模態(tài)建立徑向基神經(jīng)網(wǎng)絡(luò)(RBF)預(yù)測模型;再次，為了提升單網(wǎng)絡(luò)模型精度，根據(jù)各模態(tài)與原始數(shù)據(jù)相關(guān)性建立二重徑向基神經(jīng)網(wǎng)絡(luò)(RBF)預(yù)測模型，并通過此模型對各模態(tài)預(yù)測結(jié)果進行融合和修正。
　　針對復雜工業(yè)過程中高爐煤氣受入量的數(shù)據(jù)的無規(guī)律性，使用本文提出的方法建立寶鋼的高爐煤氣受入量預(yù)測建模，并與其它建模方