一种基于知识迁移的高炉煤气调度系统建模方法技术方案

本发明专利技术提供了一种基于知识迁移的高炉煤气调度系统建模方法，首先，基于煤气系统的管网结构，建立能源发生、传输、消耗、存储、转换各阶段的能源本体模型，并基于该能源模型提取不同煤气系统的共同结构特征；其次，设计了一种基于数据分布特征的隶属度函数迁移方法，根据数据的分布特征学习不同煤气系统数据的映射关系，然后将隶属度函数进行迁移；再次，提出一种基于特征的模糊规则迁移方法，将不同系统的规则结构映射到邻近的低维特征上，通过规则重构的方式实现规则的迁移；最后，设计基于调度数据的迁移知识调整策略，将高炉煤气系统的实际调度数据输入到模型中，以输出调度方案的偏差最小为目标调整相应的规则参数。

A modeling method of blast furnace gas dispatching system based on knowledge transfer

The invention provides a modeling method of blast furnace gas dispatching system based on knowledge transfer. Firstly, based on the pipe network structure of the gas system, the energy ontology model of each stage of energy generation, transmission, consumption, storage and conversion is established, and the common structural characteristics of different gas systems are extracted based on the energy model. A method of transferring membership function based on data distribution characteristics is designed. According to the data distribution characteristics, the mapping relationship of different gas system data is learned, and then the membership function is transferred. Thirdly, a method of transferring fuzzy rules based on characteristics is proposed, which maps the rule structure of different systems to the adjacent ones. In terms of low-dimensional features, rule migration is realized by rule reconstruction. Finally, a knowledge adjustment strategy based on scheduling data is designed to input the actual scheduling data of blast furnace gas system into the model, and the corresponding rule parameters are adjusted with the objective of minimizing the deviation of the output scheduling scheme.

【技术实现步骤摘要】
一种基于知识迁移的高炉煤气调度系统建模方法
本专利技术属于信息
，涉及到语义特征提取、特征重构、数据挖掘、模糊推理和迁移学习，是一种基于知识迁移学习的冶金企业高炉煤气调度系统的建模方法。本专利技术利用能源系统结构上的相似性，基于其他煤气系统中已有的调度知识信息和高炉煤气系统中保存的运行数据，设计了一种煤气调度知识的迁移学习方法。该模型通过对煤气数据进行特征提取和迁移学习，挖掘不同煤气系统结构和调度知识中的特征信息，进而实现调度规则的迁移，并通过高炉煤气系统的实际调度数据实现规则的修正。通过此方法能够更加有效利用实践工作中总结的调度知识，在冶金企业其它能源介质的调度问题中有广泛的推广价值。
技术介绍
冶金企业是高能耗、高污染、高排放的产业。节能降耗一直是冶金行业所面临的最严峻问题之一。随着一次能源的紧缺和新节能技术的提高，冶金生产过程中产生的副产煤气能否得到合理的利用将直接影响到整个冶金企业的能耗成本和节能减排效果(J.Yang,J.Cai,W.Sun,J.Liu.(2015).Optimizationandschedulingofbyproductgassysteminsteelplant.钢铁研究学报(英文版),22(5),408-413.)。高炉煤气是炼铁过程的副产品，其生产过程连续、产生的煤气量较大，加之炼铁环节热风炉单元存在换炉操作，使得高炉煤气发生量存在较大波动，出现煤气产消不平衡的问题。在生产现场，通过煤气柜可以缓冲一定量的煤气不平衡。然而煤气柜容量有限，如果对生产过程调度不合理，则需要对过剩煤气进行点火放散，造成能源的浪费。反之，如果煤气量严重不足，则会造成部分生产环节的停产，影响正常的生产计划。因此，对高炉煤气进行合理的调度，可以保证煤气的合理利用，提高二次能源的使用效率、减少煤气的无效排放。目前实际生产中，对冶金企业高炉煤气的综合平衡以流量实时监测和柜位报警机制为主，通过调度人员的经验进行调度决策，至今没有完善的理论方法对高炉煤气的调度问题进行建模。由于煤气系统用户众多，管网情况复杂，各个调度人员的经验存在差异，煤气放散和不足的情况时有发生。对于调度方法的研究，有学者采用数学规划的方法进行建模分析，通过求解数学模型可以得到最佳调度方案(L.Zhou,Z.W.Liao,J.D.Wang,B.B.Jiang,Y.R.Yang,W.L.Du.(2015).Energyconfigurationandoperationoptimizationofrefineryfuelgasnetworks.AppliedEnergy,139:365-375.)。其建立的调度模型由目标函数和约束条件两部分组成，目标函数一般是最小化运行成本以及最大化生产收益，约束条件是根据生产工艺约束及物理约束建立的。还有学者使用复杂网络、贝叶斯网络等网络化方法对需要调度对象进行动态描述，建立调度模型，从而将生产过程中的调度问题转换成网络上的节点遍历过程(J.Zhao,W.Wang,K.Sun,Y.Liu.(2014).Abayesiannetworksstructurelearningandreasoning-basedbyproductgasschedulinginsteelindustry.IEEETransactionsonAutomationScienceandEngineering,11(4):1149-1154.)。此外，针对实际生产过程的不确定信息，一些学者采用基于模糊的调度方法，将调度模型转化成模糊规则，然后再通过模糊控制器将系统的实时信息映射到调度指令集中的相应模式，从而产生调度指令(Chen,X.,&Azim,A.(2017).TFS:towardsfuzzyrule-basedfeedbackschedulinginnetworkedcontrolsystems.IntelligentIndustrialSystems(4),1-13.)。近年来，大量学者利用数据挖掘、异构数据处理等相关技术，对制造过程产生的大量离线和在线数据进行分析处理，挖掘出隐含在数据中的经验、知识及规则，再进一步应用到生产过程的优化与管理中，以解决传统调度方法难以解决的复杂制造过程中的调度问题(Long,H.,Zhang,Z.,Sun,M.X.,&Li,Y.F.(2018).Thedata-drivenscheduleofwindfarmpowergenerationsandrequiredreserves.Energy.)。然而，这些方法存在明显不足：首先，由于复杂制造过程涉及到的物料能源种类、耗能设备以及能源转换设备较多，同时生产现场的环境恶劣，机理模型难以体现实际环境的复杂性和随机性。其次，采用数学规划方法建立调度模型时，产生的变量、约束条件较多，需要的数据量大，计算耗时长，随着调度规模的扩大，调度问题的求解难度急剧增加。再次，基于网络的调度方法结构简单，计算量少，能够比较好的描述出复杂生产过程中的动态特性，但是该方法建立的网络模型参数难以确定。此外，使用调度规则来确定调度方案避免了大量的复杂计算，效率高且模型稳定性好，但是对于复杂的工业调度问题，通过经验知识建立规则库的工作难度较大。最后，基于数据的调度方法需要大量的有标签数据作为样本，而在实际应用问题中有时无法获取足够的样本数据。
技术实现思路
本专利技术要解决的技术问题是现有冶金企业高炉煤气系统的平衡调度问题。为解决上述这一问题，设计了一种基于特征和数据的迁移学习方法，将其他煤气系统的调度知识信息迁移到高炉煤气系统的调度问题中。首先，基于煤气系统的管网结构，建立能源发生、传输、消耗、存储、转换各阶段的能源本体模型，并基于该能源模型提取不同煤气系统的共同结构特征；其次，设计了一种基于数据分布特征的隶属度函数迁移方法，根据数据的分布特征学习不同煤气系统数据的映射关系，然后将隶属度函数进行迁移；再次，提出一种基于特征的模糊规则迁移方法，将不同系统的规则结构映射到邻近的低维特征上，通过规则重构的方式实现规则的迁移；最后，设计基于调度数据的迁移知识调整策略，将高炉煤气系统的实际调度数据输入到模型中，以输出调度方案的偏差最小为目标调整相应的规则参数。利用该专利技术可以充分利用煤气系统中已有的调度知识，将已有知识迁移到其他的能源系统中，大大节省将经验知识转化为调度模型的工作量，提高调度模型的建模效率。本专利技术的技术方案：一种基于知识迁移的高炉煤气调度系统建模方法，包括以下五个部分：(1)确定模型结构，建立煤气系统的本体模型，并提取不同煤气系统的共同结构特征；(2)根据确定的模型结构，对煤气系统调度模型各输入输出变量的隶属度进行重新调整，并从现场的数据库中收集相应的历史数据，根据数据的分布特征学习不同煤气系统对应结构的数据映射关系，进而将各个变量的隶属度函数进行迁移；(3)根据确定的模型结构，对煤气系统已有的模糊规则进行重构，进而实现规则的迁移。(4)通过实际调度数据实现对迁移调度知识的微调和优化。本专利技术的效果和益处是：本专利技术能够充分利用已有的相关知识，将不同煤气系统的大量调度知识迁移到高炉煤气系统中，并通过实际数据对知识信息进行动态调整和优化，有效提高了知识的利用率，本文档来自技高网...

【技术保护点】
1.一种基于知识迁移的高炉煤气调度系统建模方法，其特征在于，步骤如下：步骤1：根据煤气调度系统的实际管网结构，建立其对应的本体模型；在本体模型中，令其节点分别表示不同的设备实体，并且通过节点之间的连线表达不同设备实体之间的能量供需平衡关系，包括能源的生成、使用、存储和转化；步骤2：对步骤1建立的本体模型进行特征提取，找到两高炉煤气系统的相同结构特征，并依据该相同结构确定调度模型的输入变量和输出变量；步骤2.1为了确定梁高炉煤气系统实体间的相似度，首先建立相似度矩阵S，其中每个元素s(eqa,eqb)表示第一高炉煤气系统eqa节点和第二高炉煤气系统eqb节点的相似度，如公式(1)所示：

【技术特征摘要】
1.一种基于知识迁移的高炉煤气调度系统建模方法，其特征在于，步骤如下：步骤1：根据煤气调度系统的实际管网结构，建立其对应的本体模型；在本体模型中，令其节点分别表示不同的设备实体，并且通过节点之间的连线表达不同设备实体之间的能量供需平衡关系，包括能源的生成、使用、存储和转化；步骤2：对步骤1建立的本体模型进行特征提取，找到两高炉煤气系统的相同结构特征，并依据该相同结构确定调度模型的输入变量和输出变量；步骤2.1为了确定梁高炉煤气系统实体间的相似度，首先建立相似度矩阵S，其中每个元素s(eqa,eqb)表示第一高炉煤气系统eqa节点和第二高炉煤气系统eqb节点的相似度，如公式(1)所示：其中，|I(eqa)|和|I(eqb)|分别表示本体模型中指向eqa第一高炉煤气系统节点和eqb第二高炉煤气系统节点的节点个数，η∈[0.6,0.8]是阻尼系数；步骤2.2按照能源介质的产消关系，将第一高炉煤气系统和第二高炉煤气系统的所有发生量实体分别放入集合RLDGin和RBFGin中，并确定两个集合中实体的对应关系；步骤2.2.1首先确定两个集合中的相同实体，每个相同的实体即构成一组对应关系；步骤2.2.2对于集合中的不同实体，根据相似度s的大小将其与各自集合中最相似的相同实体合并；若没有相同实体，则分别将RLDGin和RBFGin中的所有实体合并，并形成一组对应关系；步骤2.3对于消耗量实体进行与发生量实体同样的处理，最终得到第一高炉煤气系统和第二高炉煤气系统所有实体的对应关系，从而确定其相同的结构特征，将这个相同的结构作为模型的输入/输出变量；步骤3：从数据库中读取第一高炉煤气系统和第二高炉煤气系统的能源相关数据，基于步骤2确定的模型输入变量和输出变量，将第二高炉煤气系统调度模型的隶属度函数进行重构，对需要融合的节点进行变换；步骤3.1采用三角形隶属度函数，节点的第i个隶属度函数如下：其中ai，ci确定“脚”，bi确定“峰”；步骤3.2对于两个相互独立的节点，分别以p和q表示，则隶属度函数分别为lpi(x,ai,bi,ci)和lqj(x,aj,bj,cj)，其中i∈{1,2,…,m}，j∈{1,2,…,n}，m和n分别为两个节点的隶属度函数个数，且有m≥n；采用公式(3-5)对两个节点的隶属度函数进行重构：当j＝1时，当j＝m时当1<j<m时步骤3.3对于存在关联性的节点，先对其采集数据进行合并，然后根据人工经验和数据分布直接确定其隶属度函数的参数；步骤4：根据数据的分布特征学习第一高炉煤气系统和第二高炉煤气系统的映射关系，并将第二高炉煤气系统的隶属度函数迁移到第一高炉煤气系统调度模型中；采用直方图规定化方法，将第二高炉煤气系统数据分布映射到第一高炉煤气系统，使两系统具有相近的分布特征，具体实现如下：步骤4.1对于第μ个变量，从数据库中分别读取其第二高炉煤气系统的数据和第一高炉煤气系统的数据将其组合成为新的数据集然后将D离散化为p个区间，并对第二高炉煤气系统和第一高炉煤气系统数据分别统计每个区间下的频...

【专利技术属性】
技术研发人员：吕政，赵珺，刘颖，王伟，
申请(专利权)人：大连理工大学，
类型：发明
国别省市：辽宁,21