本发明专利技术公开了一种高炉炼铁除尘风机能耗优化方法，涉及高炉炼铁除尘风机能耗优化技术领域，包括获取除尘风机能耗相关信息，所述相关信息包括但不限于生产信息、阀门开关量信息和负压设定参数信息；对数据进行清洗，根据3σ准则剔除离群不合理数据；通过处理后的风机能耗数据，使用light‑gbm算法，训练能耗指标预测模型同时预测风机电流、风机压差和风机转速；根据除尘风机各阀门开关情况，进行风机工况划分，每个工况内负压值范围作为寻优范围；在上线预测阶段，每分钟将实时数据首先用莱温斯坦编辑距离算法找到所属工况，之后输入到能耗指标预测模型中，基于所属工况的历史数据负压范围对目标函数进行布谷鸟搜索计算，获取推荐设定负压值。
【技术实现步骤摘要】
本专利技术涉及除尘风机能耗优化，特别是一种高炉炼铁除尘风机能耗优化方法。
技术介绍
1、目前，除尘风机的控制技术尚存在一些缺陷。固定频率控制虽然实施起来简单，但无法应对高炉操作的动态变化，常常导致风机运行过载或效率低下，影响除尘效果并造成能源浪费；变频控制虽然能够更好地适应高炉的变化，提升除尘和能源效率，但对控制系统的精度和稳定性有较高的要求，且变频器和保养成本较高；智能控制方法虽然能够实现除尘和能耗的最优化，但需要较强的计算能力和数据采集能力，且系统的复杂度和可靠性要求较高。除此之外，工业场景下设备的能耗情况受工况的影响很大，目前存在的方法中并未考虑工况对能耗的影响。
2、为了在保证除尘效果的同时实现节能目标，我们有必要利用尖端的信息技术和智能技术，包括大数据、云计算和人工智能等，来实现对能源的实时监控、智能分析、优化控制以及管理决策。随着这些技术的进步和应用，能源消耗优化领域已经涌现出许多创新的方法和实例，部分成果已经申请了专利保护。
3、现有专利展示了能源消耗优化领域的重要性和创新性，并为相关研究和应用提供了宝贵的参考和启示。但这些专利技术方法无法直接应用到高炉炼铁的除尘风机能耗优化中，高炉炼铁的场景下，设备的阀门的开度及开关情况不同，形成不同的工况，每个工况都有独特的能耗模式，而目前的专利技术的方法无法有效捕捉到工况信息，根据工况降低设备能耗。
4、因此，针对上述问题，本专利技术提供一种高炉炼铁场除尘风机能耗优化方法，旨在解决现有除尘风机控制方法中存在的不足，提高除尘效果和节能性能。</p>
技术实现思路
1、本部分的目的在于概述本专利技术的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和专利技术名称中可能会做些简化或省略以避免使本部分、说明书摘要和专利技术名称的目的模糊，而这种简化或省略不能用于限制本专利技术的范围。
2、鉴于上述或现有技术中存在的问题，提出了本专利技术。
3、因此，本专利技术解决的技术问题是：现有专利技术方法无法直接应用到高炉炼铁的除尘风机能耗优化中，高炉炼铁的场景下，设备的阀门的开度及开关情况不同，形成不同的工况，每个工况都有独特的能耗模式，而目前的专利技术的方法无法有效捕捉到工况信息，根据工况降低设备能耗。
4、为解决上述技术问题，本专利技术提供如下技术方案：一种高炉炼铁除尘风机能耗优化方法，其包括获取除尘风机能耗相关信息，所述相关信息包括但不限于生产信息、阀门开关量信息和负压设定参数信息；对数据进行清洗，根据3σ准则剔除离群不合理数据；通过处理后的风机能耗数据，使用light-gbm算法，训练能耗指标预测模型同时预测风机电流、风机压差和风机转速；根据除尘风机各阀门开关情况，进行风机工况划分，每个工况内负压值范围作为寻优范围；在上线预测阶段，每分钟将实时数据首先用莱温斯坦编辑距离算法找到所属工况，之后输入到能耗指标预测模型中，基于所属工况的历史数据负压范围对目标函数进行布谷鸟搜索计算，获取推荐设定负压值；
5、将推荐值与当前设定值进行比较，当差值超过动态阈值时，进行下控。
6、作为本专利技术所述高炉炼铁除尘风机能耗优化方法的一种优选方案，其中：所述训练能耗指标预测模型同时预测风机电流、风机压差和风机转速包括，
7、对n条m维的除尘风机能耗数据集，3个能耗指标预测的梯度提升树模型由多个回归树叠加组成，其表达式为：
8、
9、其中，式中k等于1时表示电流电流预测值，k等于2时表示压差预测值，k等于3时表示转速预测值；
10、light-gbm模型中使用的目标函数为：
11、obj＝l+ω
12、
13、
14、其中，w为叶节点分数，m为叶子节点数，γ×m是l1正项，是l2正则项；需要根据最小化目标函数的原则构建梯度提升树模型，寻找最优参数，建立最优模型；目标函数分为模型复杂度函数项ω和误差函数项l；
15、在使用风机能耗训练数据对能耗指标预测模型进行优化训练时，在保持原模型不变的基础上，加入新的函数f到模型中，最大程度地减小目标函数，具体过程为：
16、
17、此时目标函数表示为：
18、
19、对目标函数进行二阶泰勒展开，快速寻找到使目标函数最小化的参数，能得近似目标函数如下：
20、
21、当去掉常数项后可知：目标函数仅与误差函数的一阶和二阶导数相关，此时，目标函数表示为：
22、
23、若树的结构部分q已知，使用目标函数寻找最优，并得到最优目标函数值，本质为求解二次函数的最小值问题，解得：
24、
25、
26、其中，obj称为评价模型的打分函数，obj值越小，表示能耗指标预测模型的预测效果越好；gi,k表示表示一阶导数，是求出来的已知数；hi,k表示表示二阶导数，是求出来的已知数；通过递归调用构建决策树，得到大量能耗指标回归树预测模型，并使用obj搜索最优的树结构，将其放入已有模型中，从而建立最优的能耗指标预测梯度提升树模型。
27、作为本专利技术所述高炉炼铁除尘风机能耗优化方法的一种优选方案，其中：所述获取推荐设定负压值包括，
28、每分钟将实时数据首先用莱温斯坦编辑距离算法在划分的工况中找到所属工况；
29、通过计算实时工况字符串与划分的字符串进行莱温斯坦编辑距离计算，找到实时数据所属工况，在所属工况负压值范围内进行寻优，莱温斯坦编辑距离算法的原理如下：
30、对于两个字符串a、b而言，字符串a的前i个字符和字符串b的前j个字符的莱文斯坦距离符合如下公式：
31、
32、其中，是一个指示函数，当字符串a的第i个字符和字符串b的第j个字符不同时其值为1，否则为0；
33、根据风机电流预测值、风机压差预测值和风机转速预测值设计能耗优化目标函数；
34、首先先定义最终的寻优目标，以某高炉除尘风机系统为例，以总管负压作为调节参数，去寻找能耗最优的设置参数，目前总共有3个优化目标：
35、风机转速越小能耗越低；
36、风机电流越小能耗越低；
37、除尘机压差越接近设定值1500除尘机效果越好；
38、得到如下目标函数：
39、obj＝α×model电流(p1)+β×model频率(p1)+γ×[1500-model压差(p1)]+p1
40、其中，model电流(p1)表示电流预测值、model频率(p1)表示转速预测值、model压差(p1)表示压差为目标函数权重参数，是为了平衡多目标之间的寻优时的重要性而设置的，在实际运算时用于将每个目标平衡至同一数量级，使得最后寻优结果充分考虑；
41、使用改进布谷鸟搜索在所属工况负压值范围内，进行目标函数寻优。
42、作为本专利技术所述高炉炼铁除尘风机能耗优化方法本文档来自技高网
...
【技术保护点】
1.一种高炉炼铁除尘风机能耗优化方法，其特征在于：包括，
2.如权利要求1所述的高炉炼铁除尘风机能耗优化方法，其特征在于：所述训练能耗指标预测模型同时预测风机电流、风机压差和风机转速包括，
3.如权利要求2所述的高炉炼铁除尘风机能耗优化方法，其特征在于：所述获取推荐设定负压值包括，
4.如权利要求3所述的高炉炼铁除尘风机能耗优化方法，其特征在于：所述将推荐值与当前设定值进行比较，当差值超过动态阈值时，进行下控包括，建立动态阈值计算公式，表示为：
5.如权利要求4所述的高炉炼铁除尘风机能耗优化方法，其特征在于：所述优化方法还包括对3个预测模型每天进行重新训练，保证模型有效性。
6.如权利要求5所述的高炉炼铁除尘风机能耗优化方法，其特征在于：所述生产信息包括但不限于风机电流、风机压差和风机转速。
7.如权利要求6所述的高炉炼铁除尘风机能耗优化方法，其特征在于：所述阀门开关量信息包括但不限于铁口顶吸电动阀、铁口侧吸电动阀和铁口撇渣口电动阀。
【技术特征摘要】
1.一种高炉炼铁除尘风机能耗优化方法，其特征在于：包括，
2.如权利要求1所述的高炉炼铁除尘风机能耗优化方法，其特征在于：所述训练能耗指标预测模型同时预测风机电流、风机压差和风机转速包括，
3.如权利要求2所述的高炉炼铁除尘风机能耗优化方法，其特征在于：所述获取推荐设定负压值包括，
4.如权利要求3所述的高炉炼铁除尘风机能耗优化方法，其特征在于：所述将推荐值与当前设定值进行比较，当差值超过动态阈值时，进行下控包括，建立动...
【专利技术属性】
技术研发人员：毛旭初，徐凤振，李勇飞，钱奎省，胡杰英，卞志刚，汪江，
申请(专利权)人：朗坤智慧科技股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。