基于数据解析的钢铁企业能源预测问题研究

发布时间：2023-08-06 17:31

　　在可持续发展和生态文明的大环境下,钢铁企业作为我国能源消耗大户,如何提高自身的能源利用率和综合竞争力成为当务之急。因此,本文以钢铁企业的能源消耗预测为研究背景,在明确了钢铁企业现有的能耗问题及其局限性的基础上,对能源预测问题进行分析研究,利用BP神经网络和最小二乘支持向量机算法对各工序的能耗数据进行预测,把握能源消耗的趋势,减少能源的浪费,降低钢铁生产和贮存成本。最后根据钢铁企业的实际需求,设计开发了 Web版钢铁企业能源预测系统。本文主要的研究工作总结如下:(1)首先本文综合研究了国内外能源预测问题研究现状,分析了目前钢铁企业能源介质消耗的机理和存在的现实问题。对各主工序流程中能源介质消耗和回收情况进行了研究和分析,并按能源介质消耗机理和计量方式的不同将能耗预测问题进行了分类研究。(2)对于按月统计的小规模样本数据集,提出基于差分进化算法的混核最小二乘支持向量机算法模型来求解预测问题,差分进化算法用于对影响模型预测精度的参数进行优化。然后对该预测模型进行了求解,并与基于差分进化的单核最小二乘支持向量机模型的结果进行了比较,表明了该算法对能耗预测问题具有较高的精度。(3)针对大规模的样...

【文章页数】：74 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究背景及意义
        1.1.1 研究背景
        1.1.2 研究意义
    1.2 国内外研究现状
        1.2.1 钢铁企业能源预测问题研究现状
        1.2.2 预测方法研究现状
    1.3 主要研究内容及研究路线
        1.3.1 主要研究内容
        1.3.2 主要研究路线
    1.4 本章小结
第2章 钢铁企业能源介质预测问题
    2.1 钢铁企业能源管理现状和能耗问题
        2.1.1 钢铁企业能源管理现状
        2.1.2 钢铁企业能耗分析
    2.2 钢铁企业工序能耗预测问题
        2.2.1 钢铁企业能耗影响因素分析和用能计划流程
        2.2.2 钢铁企业工序能耗预测问题分类
    2.3 本章小结
第3章 基于DE的混核LSSVM预测研究
    3.1 LSSVM模型
    3.2 差分进化算法
    3.3 单核LSSVM模型
        3.3.1 数据处理
        3.3.2 模型求解
    3.4 基于DE的混核LSSVM模型
        3.4.1 混核模型求解
        3.4.2 数值实验
    3.5 本章小结
第4章 基于DE的BP神经网络预测研究
    4.1 神经网络模型
    4.2 基于DE的BP神经网络算法
        4.2.1 DE-BP神经网络模型
        4.2.2 DE-BP模型求解
    4.3 数值实验和结果分析
    4.4 本章小结
第5章 钢铁企业能源介质预测系统
    5.1 系统需求分析
    5.2 系统结构设计
    5.3 数据库设计
    5.4 功能模块实现
    5.5 本章小结
第6章 总结与展望
    6.1 工作总结
    6.2 展望
参考文献
致谢



本文编号：3839748