一种钢铁企业燃气供需动态预测系统及方法技术方案

一种钢铁企业燃气供需动态预测系统及方法，属于钢铁行业燃气预测技术领域。系统包括数据采集子系统、数据处理子系统、数据建模子系统、模型验证子系统、模型应用子系统及连接各子系统的计算机网络。燃气供需动态预测方法包括：燃气产生和消耗特性提炼、燃气产生和消耗特性定性分析、分段短期动态预测建模、燃气供需动态预测。本发明专利技术的优点在于：提出了一种基于历史统计数据，并结合生产状态信息，综合运用实时数据、生产状态数据、生产过程工艺参数数据的分段短期动态预测建模方法。为调度人员进行短期燃气调度提供决策支持，同时为各种智能优化调度方案的实施提供基础数据。

【技术实现步骤摘要】

本专利技术属于钢铁行业燃气预测
，特别是提供了一种钢铁企业燃气供需动态预测系统及方法，用于钢铁企业短时燃气预测。
技术介绍
目前，钢铁行业对燃气预测的研究是在一个相对较长的时间段上所作的静态预测，并未考虑生产计划与设备的检修计划，即按照正常的发展进行预测，未考虑外界事件的影响，无法实现有效的实时动态预测，如何根据动态工况信息进行在线动态预测，为动态优化调度提供支持是一个很重要的研究领域。 目前有关燃气供需动态预测的系统和方法，如专利技术专利"一种一体化的钢铁企业在线能源预测系统与方法"使用多种能源预测算法，采用组合模型的方法进行能源预测，克服了采用单一或一两种能源预测方法去预测能源需求的局限性，提高了能源预测的准确性和可靠性冶金自动化研究设计院ZL200610113685. 6，但该专利技术专利提供的系统和方法没有考虑生产计划、检修计划、及生产工况信息，即按照正常的发展进行预测，未考虑外界事件的影响，所以预测结果与实际有一定偏差、专利技术专利"一种基于乘积ARIMA模型的在线能源预测系统及方法"提出了一种基于ARIMA方法的能源在线预测技术，适用于平稳、非平稳、季节波动多种能源数据类型冶金自动化研究设计院200810226961. 9，但该专利技术专利提供的模型过于单一，不能适应复杂多变的钢铁行业实际情况，同时对生产计划、检修计划、及生产工况信息的考虑有限，不能很好的模拟生产实际，故模型有一定的局限性、文献"企业能源预测方法的统计研究"利用能耗统计模型进行能源预测能源研究与利用1993，这篇文献利用统计回归模型进行能源需求预测，回归模型方法有如下优点简便实用，它不但可以对能源需求进行预测，还可以在影响能源需求的诸因素中，利用相关检验确定最主要的影响因素，从而简化模型，突出主要矛盾。但使用回归模型有以下明显的缺点(l)应用回归方程进行估算预测时，只能由自变量来估计因变量，不允许由因变量来推测自变量。(2)作为研究对象的现象(变量)之间的关系必须是真实的、具有内在联系的关系，而绝不能是臆造的，只有这样才能得出有科学意义的结论。(3)回归方程只宜用于内插推算，不宜用于外推预测，尤其是远端的外推预测。而文献"改进的BP神经网络煤炭需求预测模型"利用附加动量法改进的BP神经网络模型进行能源预测辽宁工程技术大学学报2005、文献"灰色系统GM模型在地区能源预测中的应用"利用灰色系统GM模型进行能源预测实用能源1990、文献"灰色系统理论在能源预测中的综合建模方法探讨"采用综合建模方法建立GM(l，l)模型对能源进行预测赣南师范学院学报1991、文献"灰色GM(1，1)和神经网络组合的能源预测模型"主要实现了用灰色预测和神经网络组合预测方法建立了组合预测模型研究与探讨2005，这几篇文献则是利用BP神经网络模型或灰色系统GM模型与神经网络模型组合模型进行能源需求预测，虽然相对于统计回归模型能源预测提高了预测准确性，利用了灰色系统GM模型的特点所需样本数据少，对原始数据要求较低，计算简单，有较高的预测精度，可检验等优点。同时也明显存在下列几点不足之处；①G(1，1)模型是一种呈指数增长的模型，当用短时间序列预测较长时间序列，会产生较大误差或不符合实际情况的值，②对含有负值项的原始数据，经多次累加后生成的数据如无法获得非负递增数据，则从理论上说应放弃此类数据的建模，③当GM(1，1)模型精度无法达到要求须对残差进行建GM(l，l)模型对原模型进行修正从而提高精度时，许多实际问题中其残差既含有正值项也含有负值项，其累加生成的数据肯定不是非负递增的，故无法修正原模型。而神经网络模型虽然具有较高的非线性映射能力，能以任意精度逼近非线性函数，但在实际计算中，也存在一些问题①反向传播的计算过程收敛速度较慢，一般需要成百上千次的迭代计算；②存在能量函数的极小值；③隐含神经元个数和连接权的选取往往要靠经验；④网络的收敛性与网络的结构有关等。
技术实现思路
本专利技术的目的在于提供，基于历史统计数据，并结合生产状态信息，综合运用实时数据、生产状态数据、生产过程工艺参数数据的分段短期动态预测建模方法。同时基于所建模型，搭建了燃气供需动态预测系统。从而提高了燃气供需动态预测的准确性和可靠性。针对当前钢铁生产企业燃气能源需求预测的现状，根据动态工况信息进行燃气在线动态预测，为调度人员进行短期燃气调度提供决策支持，同时为各种智能优化调度方案的实施提供基础数据。 本专利技术所述的一种钢铁企业燃气供需动态预测系统包括数据采集子系统、数据处理子系统、数据建模子系统、模型验证子系统、模型应用子系统及连接各子系统的计算机网络，系统之间连接关系如附图1所述。下面逐一介绍这五个子系统 数据采集子系统主要实现现场数据的采集，采集的数据包括燃气生产和消耗的历史实绩数据，钢铁企业主工序生产状态信息，钢铁企业燃气生产状态信息，燃气生产和消耗的实时数据、钢铁企业主工序和燃气生产工序生产过程工艺参数数据。数据处理子系统主要实现将现场采集的各种状态数据、工艺参数数据和历史或实绩数据按照建模需要进行数据处理和格式转换，为燃气供需预测系统实时提供数据支持。 数据建模子系统运行燃气供需动态预测建模系统，将数据采集子系统采集的各种数据根据所选建模方法的需要进行系统建模。 模型验证子系统运行燃气供需动态预测模型验证系统，主要是根据数据建模子系统建立的模型，选择燃气验证数据，进行燃气供需动态预测模型的验证，选择合理的模型。 模型应用子系统主要任务是根据模型验证子系统选择的燃气供需动态预测模型，结合钢铁企业实绩情况，将模型应用到实际的燃气供需动态预测中，为企业进行燃气调度提供决策支持。 本专利技术所述的一种钢铁企业燃气供需动态预测方法包括燃气产生和消耗特性提炼、燃气产生和消耗特性定性分析、分段短期动态预测建模、燃气供需动态预测。该预测方法步骤如下首先用户需要进行燃气产生和消耗特性提炼；然后根据提炼的特性进行燃气产生和消耗特性定性分析；在定性分析的基础上进行分段短期动态预测建模；最后利用建立的模型进行燃气供需动态预测 以下详细介绍各个步骤 1、燃气产生和消耗特性提炼，主要提供结合对钢铁行业主工序工艺知识及各单元燃气产生、消耗特性进行学习研究，在学习研究的基础上，提炼燃气产生和消耗特性，为燃气产生和消耗特性定性分析提供支持。 2、燃气产生和消耗特性定性分析，主要是结合提炼的燃气产生和消耗特性，对影响燃气波动的因素，及波动状况进行规律性研究，同时对燃气产生和消耗特性进行定性分析。 3、分段短期动态预测建模，分段短期动态预测建模是本专利技术方法的核心部分，是进行燃气供需动态预测的基础。主要是综合运用实时数据、生产状态数据、生产过程工艺参数数据的进行机理模型建模和统计模型建模。系统提供利用各个单独的模型进行建模，也可以自定义组合各种单独的建模方法进行组合建模。每一种建模方法都提供图形展示的方式供用户查看建模效果。 由于每一种建模方法都有其优缺点，适合于不同的环境下，所以在建模时，一般可以先判断所要建立模型的燃气数据可能的分布类型，选择适合的建模方法进行建模；如果不能判断出燃气数据可能的分布类型，则可以首先选择用简单的线性或非线性统计模型进行建模，看建模效果如何，如果所选建模方法建模效果不理想，可选择高级的神本文档来自技高网...

【技术保护点】
一种钢铁企业燃气供需动态预测系统，其特征在于：包括数据采集子系统、数据处理子系统、数据建模子系统、模型验证子系统、模型应用子系统及连接各子系统的计算机网络；数据采集子系统：实现现场数据的采集，采集的数据包括：燃气生产和消耗的历史实绩数据，钢铁企业主工序生产状态信息，钢铁企业燃气生产状态信息，燃气生产和消耗的实时数据、钢铁企业主工序和燃气生产工序生产过程工艺参数数据；数据处理子系统：实现将现场采集的各种状态数据、工艺参数数据和历史或实绩数据按照建模需要进行数据处理和格式转换，为燃气供需预测系统实时提供数据支持；数据建模子系统：运行燃气供需动态预测建模系统，将数据采集子系统采集的各种数据根据所选建模方法的需要进行系统建模。模型验证子系统：运行燃气供需动态预测模型验证系统，根据数据建模子系统建立的模型，选择燃气验证数据，进行燃气供需动态预测模型的验证，选择合理的模型；模型应用子系统：根据模型验证子系统选择的燃气供需动态预测模型，结合钢铁企业实绩情况，将模型应用到实际的燃气供需动态预测中，为企业进行燃气调度提供决策支持。

【技术特征摘要】

【专利技术属性】
技术研发人员：孙要夺，梁青艳，孙彦广，
申请(专利权)人：冶金自动化研究设计院，
类型：发明
国别省市：11[中国|北京]