[发明专利]一种蒸汽产耗量的动态预测方法

说明书

本发明提供一种蒸汽产耗量的动态预测方法，其包括：将归一化集合分为训练数据集和测试数据集；将训练数据集输入长短期记忆神经网络预测模型进行训练形成训练结果数据；根据训练结果数据对预测模型中的参数进行更新；将测试数据集代预测模型中进行预测得到预测结果，选择误差最小的预测结果对应的优化的预测模型作为最优预测模型；利用最优预测模型预测待预测时间间隔的蒸汽产耗数据。综合考虑了设备工况不同对蒸汽产生和消耗的影响，建立了基于设备多工况运行的蒸汽产生量与消耗量动态预测方法来解决本发明所提到的复杂工况条件下的蒸汽预测问题，更准确地预测未来调度周期内各个设备的蒸汽产生量和各生产用户的蒸汽消耗量。

技术领域

本发明属于蒸汽预测与利用领域，尤其涉及一种蒸汽产耗量的动态预测方法。

背景技术

在我国，钢铁工业是国民经济的基础性支柱产业，是资源、能源密集型产业，也是节能减排工作的重点。钢铁企业的蒸汽是企业重要的二次能源。蒸汽预测是蒸汽系统的重要组成部分，对蒸汽的产生量和消耗量进行预测，以便进行后续的蒸汽资源分配与优化调度，为煤气系统的安全平稳运行、降低放散、提高煤气利用率提供依据。因此，蒸汽预测成为钢铁企业节能减排的重要环节之一。

钢铁企业蒸汽是由煤气锅炉，余热锅炉在生产过程中产生的，并且广泛应用于钢铁生产各个流程，蒸汽还会被用来产生电力。蒸汽的产生量是指煤气锅炉，余热锅炉产生的蒸汽量；蒸汽消耗量是指钢铁企业主要生产工序消耗的蒸汽流量。实际生产中，由于钢铁生产的波动性，蒸汽的供需呈现动态变化，正常生产工况下消耗量一定，遇到蒸汽产生量较大的情况蒸汽将不能平衡，致使蒸汽放散。为了合理调度蒸汽，调整蒸汽管网，我们需要提前对蒸汽产生量和消耗量进行预测。如果能够提前预测蒸汽供需状况，将大幅度提高蒸汽的使用效率，减少不必要的放散，节省能源。

目前蒸汽动态预测方法大多是针对某一特定设备在特定工况条件下的动态预测，如可以利用逐步回归和神经网络构建蒸汽预测模型对烧结工艺的蒸汽产量进行预测；可以基于小波变换和最小二乘支持向量机对钢铁企业蒸汽产生量进行预测；以上方法都是特定工况条件下的蒸汽预测，但是由于钢铁企业实际生产过程受到生产计划等人为因素和工况等不确定因素的影响，设备工况变动频繁，以上方法在设备工况变化时难以准确预测，导致蒸汽预测数据准确性不高。

发明内容

(一)要解决的技术问题

本发明的目的在于提出一种蒸汽产耗量的动态预测方法，旨在解决现有对钢铁企业蒸汽产生量与消耗量的动态预测中没有综合考虑蒸汽系统各设备受不同运行工况的影响，使动态预测结果不准确的问题。

(二)技术方案

为了达到上述目的，本发明提供一种蒸汽产耗量的动态预测方法，采用的主要技术方案包括：

S1、获取各个设备蒸汽的产耗历史数据，并对所述产耗历史数据进行归一化处理，得到归一化集合，所述产耗历史数据包括蒸汽产生量历史数据和蒸汽消耗量历史数据；

S2、获取长短期记忆神经网络预测模型的多组设定参数；

S3、将所述归一化集合划分为训练数据集和测试数据集；

S4、将所述训练数据集输入多组已设置所述设定参数的所述长短期记忆神经网络预测模型，通过前向传播算法和反向传播算法进行训练，形成训练结果数据；

S5、根据所述训练结果数据，使用适应性矩估计算法，对设置于所述长短期记忆神经网络预测模型中的多组所述设定参数的节点矩阵和偏差向量进行更新，得到多组优化的预测模型；

S6、将所述测试数据集代入多组所述优化的预测模型中进行预测得到预测结果，通过误差计算公式计算所述预测结果与实际值之间的误差，选择误差最小的所述预测结果对应的所述优化的预测模型作为最优预测模型；