钢铁企业高炉煤气预测技术研究

发布时间：2020-07-11 00:34

【摘要】：钢铁产业是我国国民经济的支柱产业,占国民经济总量的26%。但同时,钢铁行业也是国家能源消耗的大户,针对钢铁企业巨大的能耗问题,我国在“十二五”计划中明确提出了钢铁企业的节能减排的发展战略。高炉煤气是一种宝贵的副产能源,合理的利用高炉煤气不仅可以降低放散,还能减少冶金能源的外购量。目前,我国冶金企业的生产自动化程度较低,冶炼呈粗放型的发展模式,对于煤气资源的集中管控能力较差,钢铁企业能源中心对高炉煤气的预测、调度还仅仅是通过一些有经验的调度人员进行,预测的精度没有保障。所以,针对钢铁工业的煤气生产与消耗特点,建立准确的预测模型,是进行精细调度的前提,也是节能减排,提高能源利用效率的有效途径之一。本文主要围绕高炉煤气系统进行研究。首先,分析了国内外高炉煤气预测的成果及煤气系统的组成和管网特点。针对高炉生产周期波动大,难以准确预测等特点,采取人工神经网络模型与灰色关联度分析结合的方法,对高炉的生产数据进行预测。然后,对高炉煤气的多个消耗环节进行分析,得出烧结、焦化、热风炉、热轧四个煤气消耗量最大的环节的数据特点。再通过生产过程的连续性判断和数据的平稳性分析,得到最适宜四个环节的预测模型,分别是:一次指数平滑、线性回归、粒子群优化的最小二乘支持向量机以及支持向量回归模型。经过仿真验证,证明了模型的预测效果。其中,在预测热风炉煤气的消耗量时,本文提出一种改进的粒子群优化算法。该方法改造了惯性权重这一粒子群重要参数,采用一种两段式的惯性权重调整方案。在算法初始段和算法的后期,自适应的赋予粒子群算法适当的权重。使得粒子群获得合适的飞行速度,使算法较快的收敛。通过对比各项误差指标,可知改进的粒子群算法优化的最小二乘支持向量机的预测效果比普通的支持向量机的精度更高,对于热风炉耗气这种大波动的系统具有较好的预测能力。
【学位授予单位】：天津理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TF083
【图文】：

关联度,煤气,变量

(3-15)经过计算，结果如下图3-4显示。图3-4 煤气预测因子关联度由此可见，六个影响变量中，焦比、煤比、风温、风压的影响是比较大的，而炉压和煤气的流速相对影响较小。统计概率学上，把关联度超过0.6的变量认为具有较强的关联性。所以，利用前四个变量建立模型是比较合适的。其次还要顾及到数据建模的延续性，所以在变量输入里还要加上前一个阶段的实测数据。所以，建模所需的各个输入输出变量如下图3-5所示：

最优分类面,分类结果

图 4-6 最优分类面, 1,2,..., , , { 1,1}i l x R y ，存在超平面的解 H2 分别为 w x b 1与 w x b 1；经分类面分类结果用+1 与-1 表示）：

热风炉,实物,格子砖,燃烧制度

图 4-10 热风炉的实物图和结构热风炉的燃烧制度分两个阶段。第一阶段叫做：烧炉。烧炉的目的是将内部充分燃烧，之后将燃烧之后的热能储存到炉内的格子砖中，格子砖是，等待格子里的热空气慢慢的达到需要的温度，第二阶段开始，即送风阶

【相似文献】