基于数据解析的Kalman滤波算法在钢铁能源诊断中的应用研究

发布时间：2020-05-22 19:38

【摘要】：钢铁产业是我国重要的产业之一,对钢铁产业的研究对国民经济有非常重要的作用和意义。由于钢铁生产流程复杂多样,而且大都伴随着高温高热的生产环境,这对生产过程中的能源管理带来了困难。本文从钢铁企业实际能源管理中提炼出能源诊断问题,目的是结合生产工艺,基于历史实际生产能源数据,对各工序能源消耗情况进行分析,识别出能源消耗异常情况,为能源管理人员分析能源实际消耗量,优化整个能源系统以达到节能目的提供有效的数据支持。目前,有关钢铁企业的诊断问题的研究大都停留在定性分析的阶段,而本文以钢铁企业实际生产数据为建模基础,将模型和实际生产紧密联系在一起,提出了基于数据的诊断方法和评价标准。主要研究工作如下:(1)以钢铁企业生产过程中的能源消耗现状为背景,提出了针对钢铁能源介质的诊断问题。在学习钢铁生产工艺和分析现场采集到的测量数据时,发现钢铁生产过程存在机理模型难以建立和测量数据内含大量噪声等问题,根据这些问题的特点,提出了基于数据驱动的能源介质消耗关系模型。(2)首先在分析了各种统计模型的特点的基础上选择LSSVM模型作为本文的数据建模方法。LSSVM模型的非线性拟合能力可以表达钢铁能源介质间的消耗关系,而其对噪声的控制可以在一定程度上减弱测量噪声带来的误差。然后针对钢铁能源诊断问题的特点设计了智能优化策略以对其参数进行优化。最后利用数据实验证实了该模型的有效性。(3)将基于LSSVM的能源消耗模型与传统的卡尔曼滤波算法相结合,建立了基于LSSVM的卡尔曼滤波模型。诊断算法以选定的标准数据为依据,利用标准数据滤波结果的统计特点来制定评价标准。通过对比真实测量数据与评价标准之间的偏差给出当前系统的异常程度。最后将该算法应用到了钢铁企业六个典型工序的数据的诊断中,分析验证了模型的诊断效果。(4)基于数据解析思想开发了电力信息管理系统,利用数据解析技术对系统收集到的数据进行了分析,总结了当地近几年的经济情况并预测了未来经济走势。在这个过程中也将本文提出的诊断算法应用对了数据分析过程中,在解决问题的同时验证了算法的有效性。
【图文】：

焦炉煤气,流量,变压吸附技术,炉煤气

技术有很多，现在大多数钢铁企业采用的是变压吸附技术。在这个过程中，，对原逡逑料及焦炉煤气的监控非常重要，钢铁厂一般会对其进行测量和监控。本文收集到逡逑的焦炉制氢工序中焦炉煤气的流量数据如图２．１所示。逡逑０ｘ邋１０４逡逑Ｄｒ逦下－逦—Ｔ—逦￣逦￣Ｔ逦逦ｔ逦—Ｌ逦ｌＰ逦ｌ逦．．逡逑５．５逦？逦１逡逑ｆＵ暴／＃＿逡逑＊逦ｊｌ逡逑２．５邋？逦１逡逑0．逦？逦＇逦ｒ逦ｌ逦ｒ逦ｒ逦ｆ逦ｒ逡逑２０逦４０逦６０逦８０逦１００逦１２０逦１４０逦１６０逡逑观测点逡逑图２．１焦炉煤气流量的测量值逡逑Ｆｉｇ．邋２．１邋Ｍｅａｓｕｒｅｍｅｎｔ邋ｖａｌｕｅ邋ｏｆ邋ｃｏｋｅ邋ｏｖｅｎ邋ｇａｓ邋ｆｌｏｗ逡逑－ＩＩ－逡逑

窗参数,均值滤波,氢气流量,噪声信号

从图中可以看出，焦炉煤气的观测值波动比较大。为分析内含噪声的具体情逡逑况，选定一个合适时间窗参数，利用均值滤波，将噪声信号从原信号中分类出来，逡逑得到的噪声信号如图２．２所示。逡逑１．５＾１°４邋．邋－—ｔ１逦？逦１逦１＾逡逑１邋；－逦－逡逑Ｒ邋０５！逦？邋｜逦Ａ逦＾逡逑ｍｉ：逡逑－１邋［＇逦－逡逑＊１５＇．逦：逦？逦－逦－逦？逦？逡逑０逦２０逦４０逦６０逦８０逦１００逦１２０逦１４０逦１６０逡逑观测点逡逑图２．２焦炉煤气测量值中的噪声逡逑Ｆｉｇ．邋２．２邋Ｎｏｉｓｅ邋ｉｎ邋ｔｈｅ邋ｍｅａｓｕｒｅｄ邋ｖａｌｕｅ邋ｏｆ邋ｃｏｋｅ邋ｏｖｅｎ邋ｇａｓ逡逑同消耗量一样，在焦炉煤气制氢的过程中，氢气的产量也是很多钢铁企业关逡逑心的一个重要指标。本文收集到的该钢铁企业某一时间段内的氢气产出流量如图逡逑２．３所示。逡逑２Ｓｘ１０４逡逑Ｚ邋０邋：＊逦．逦—１逦—邋Ｌ逦Ｌ逦邋Ｌ逦Ｌ逦逦Ｌ逦＿‘一逦－．？：逡逑ＩＩ逡逑ａ逦１邋．N」」逡逑０逦２０逦４０逦６０逦８０逦１００逦１２０逦１４０逦１６０逦１８０逡逑观测点逡逑图２．３氢气流量的测量值逡逑Ｆｉｇ．邋２．３邋Ｍｅａｓｕｒｅｍｅｎｔ邋ｖａｌｕｅ邋ｏｆ邋ｈｙｄｒｏｇｅｎ邋ｆｌｏｗ逡逑同样，选定一个时间窗参数，利用均值滤波分离出其中的噪声信号，如图２．４逡逑－１２－逡逑
【学位授予单位】：东北大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TN713;TF31

【参考文献】