一種基于隱樹模型的冶金企業(yè)副產(chǎn)能源系統(tǒng)實時調整方法
【技術領域】
[0001] 本發(fā)明屬于信息技術領域，設及到統(tǒng)計學原則、語義表達與推理、隱樹模型理論， 是一種基于隱樹模型的冶金企業(yè)副產(chǎn)能源系統(tǒng)實時調整方法。本發(fā)明旨在根據(jù)冶金企業(yè)現(xiàn) 場已有的大量歷史數(shù)據(jù)建立一種能夠實現(xiàn)副產(chǎn)煤氣系統(tǒng)實時調整的隱樹模型。首先從副產(chǎn) 能源系統(tǒng)大量的歷史運行數(shù)據(jù)中有效地區(qū)分出調整點對應的數(shù)據(jù)，并與大量非調整點對應 的數(shù)據(jù)搭配構建訓練樣本集;將訓練樣本集中的數(shù)據(jù)進行語義表達，形成新的可用于建立 隱樹模型的語義樣本庫；采用雙重爬山法對語義樣本庫中的樣本進行學習 W建立隱樹模 型，結合專家經(jīng)驗對隱樹模型進行修正，獲得一個結合數(shù)據(jù)和專家經(jīng)驗的副產(chǎn)能源系統(tǒng)調 整模型;根據(jù)工業(yè)現(xiàn)場實時的監(jiān)控和預測數(shù)據(jù)，利用該模型可W確定副產(chǎn)能源系統(tǒng)在未來 某段時間內(nèi)的調整任務。
【背景技術】
[0002] 冶金企業(yè)是典型的高能耗、高污染產(chǎn)業(yè)。節(jié)能減排一直是冶金行業(yè)所面臨的最嚴 峻問題之一。隨著一次能源的緊缺，冶金生產(chǎn)過程中產(chǎn)生的副產(chǎn)能源的高效利用成為企業(yè) 實現(xiàn)節(jié)能減排的重要手段。副產(chǎn)能源系統(tǒng)主要由副產(chǎn)煤氣子系統(tǒng)、蒸汽子系統(tǒng)和電力子系 統(tǒng)組成。副產(chǎn)煤氣的主要用途是供給制造過程進行使用，如連鑄、熱社和冷社等生產(chǎn)環(huán)節(jié)都 會消耗副產(chǎn)煤氣。富余的副產(chǎn)煤氣則供給蒸汽系統(tǒng)和電力系統(tǒng)W產(chǎn)生制造過程所需的蒸汽 和電力資源。由于副產(chǎn)能源系統(tǒng)極其復雜，且伴隨有許多突發(fā)狀況，因此系統(tǒng)不可能持續(xù)較 長時間的保持高效率運行狀態(tài)，需要經(jīng)常對系統(tǒng)的低效率運行狀態(tài)進行及時的調整。
[0003] 副產(chǎn)煤氣系統(tǒng)是整個副產(chǎn)能源系統(tǒng)的核屯、，高效率的使用副產(chǎn)煤氣既可W降低對 外購能源的需求，又可W增加蒸汽廠和電廠的產(chǎn)能。因此，副廠能源系統(tǒng)的調整問題歸根結 底是如何優(yōu)化副產(chǎn)煤氣的使用問題。但由于煤氣系統(tǒng)、蒸汽系統(tǒng)和電力系統(tǒng)聯(lián)系緊密且相 互禪合，副產(chǎn)能源系統(tǒng)的調整工作是非常困難的。工業(yè)現(xiàn)場經(jīng)常為了保證生產(chǎn)的連續(xù)進行， 儲存過多的副產(chǎn)煤氣，而對于所需的蒸汽和電力資源則通過燃燒外購能源的方式來獲取， 運些外購能源都會大大的增加了生產(chǎn)的成本。當生產(chǎn)所需要的副產(chǎn)煤氣量遠遠小于企業(yè)的 儲存量，而蒸汽系統(tǒng)和電力系統(tǒng)又無法消耗如此大的富余煤氣的情況下，工業(yè)現(xiàn)場只能采 用放散的方式來對副產(chǎn)能源進行處理，W維系整個副產(chǎn)能源系統(tǒng)的平衡，運樣不僅造成了 資源的浪費，更帶來了環(huán)境的污染。
[0004] 目前工業(yè)現(xiàn)場對副產(chǎn)能源系統(tǒng)的調整主要依賴于專家的經(jīng)驗與知識，專家根據(jù)個 人經(jīng)驗通過對副產(chǎn)能源系統(tǒng)中用戶的產(chǎn)消量和存儲量進行估計，對系統(tǒng)可能會發(fā)生的異常 進行調整。運種方式的不足之處其一在于想要基于人工經(jīng)驗準確地估計出副產(chǎn)能源系統(tǒng)中 用戶在未來時間范圍內(nèi)的產(chǎn)消量和存儲量是非常困難的，運種估計的風險性很大;其二在 于現(xiàn)場的工況復雜多變，調度人員根據(jù)自己對副產(chǎn)能源系統(tǒng)變化的預估計進而制定出調度 計劃也不是一件簡單輕松的事，需要耗費大量的精力和時間。針對基于人工經(jīng)驗的調度方 式具有很大的風險性的情況，采用數(shù)學規(guī)劃的方法對副產(chǎn)能源系統(tǒng)的運行過程建立優(yōu)化模 型也是一種常見的調整方法，W工業(yè)過程的運行機理和能量守恒等條件為約束，W經(jīng)濟效 益最大化為目標，通過求解優(yōu)化模型獲得相應的調整手段，運種方法的不足之處也有兩點： 其一工業(yè)副產(chǎn)能源系統(tǒng)管網(wǎng)復雜多變，且運輸線路長，想要對副產(chǎn)能源系統(tǒng)建立數(shù)學規(guī)劃 模型是非常困難的，松弛和減少約束條件得到的可行解的可靠性得不到保證;其二是采用 數(shù)學規(guī)劃的方法缺少對系統(tǒng)未來變化的判斷，而調度手段的實施又具有一定的滯后性。除 上述兩種方法外，還有一類方法是機器學習的方法對副產(chǎn)能源系統(tǒng)中的能源產(chǎn)消量和存儲 量進行預測，然后基于預測結果制定調整計劃。運類方法的優(yōu)勢在于能夠對系統(tǒng)較為準確 地預測，其不足之處是較多的考慮了系統(tǒng)的穩(wěn)定性，也就是柜位的平穩(wěn)運行，而沒能W經(jīng)濟 效益為優(yōu)化目標，忽略了對副產(chǎn)能源系統(tǒng)的整體優(yōu)化。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明要解決的技術問題是冶金企業(yè)副產(chǎn)能源系統(tǒng)的實時調整問題。為解決上述 運一問題，對副產(chǎn)能源系統(tǒng)的歷史數(shù)據(jù)進行分析，從大量歷史數(shù)據(jù)中篩選出調整點數(shù)據(jù)(之 所W篩選出調整數(shù)據(jù)，是因為一段時間內(nèi)調整點數(shù)據(jù)的量并不大，而所構造的訓練樣本集 中應該包含足夠的調整點數(shù)據(jù)，因此不能直接將某段時間的歷史數(shù)據(jù)作為訓練樣本數(shù)據(jù)）， 并與大量的非調整點數(shù)據(jù)搭配構建訓練樣本數(shù)據(jù)集;對訓練樣本集中的數(shù)據(jù)進行語義表 達，將其轉化為可W用于構建隱樹模型的語義樣本;采用雙重爬山算法對語義樣本庫中的 樣本進行學習 W建立隱樹模型，并基于專家的經(jīng)驗對該隱樹模型進行修正，運樣就可W得 到一個基于數(shù)據(jù)和專家經(jīng)驗融合的副產(chǎn)能源系統(tǒng)調整模型。根據(jù)工業(yè)現(xiàn)場實時的監(jiān)控和預 測數(shù)據(jù)，基于該隱樹模型可W獲得在未來某段時間內(nèi)的調整手段，完成副產(chǎn)能源系統(tǒng)的實 時調整。
[0006] 本發(fā)明技術方案的整體實現(xiàn)流程如附圖1所示，具體步驟如下：
[0007] 1.數(shù)據(jù)準備:從冶金企業(yè)現(xiàn)場實時數(shù)據(jù)庫中讀取所需的副產(chǎn)能源系統(tǒng)中的大量歷 史數(shù)據(jù)，手動從系統(tǒng)的歷史監(jiān)控數(shù)據(jù)中挑選出750個調整點所對應的數(shù)據(jù)樣本，然后結合 2250個非調整點所對應的數(shù)據(jù)樣本，構建一個樣本量為3000的訓練樣本數(shù)據(jù)集；
[000引2.數(shù)據(jù)樣本的語義表達:所構造訓練樣本集中的每一條樣本都是一組數(shù)據(jù)，包含 了該時刻的各用戶的發(fā)生量、消耗量和存儲量等數(shù)據(jù)。為了方便學習，將訓練樣本集中的所 有數(shù)據(jù)都進行語義表達，利用程度副詞將各個用戶的發(fā)生、消耗或者存儲量數(shù)據(jù)轉化成語 義變量，即將發(fā)生量、消耗量和存儲量數(shù)據(jù)根據(jù)數(shù)據(jù)的取值大小分為很低、低、中、高、非常 高等不同程度，例如在某一時刻語義樣本的描述形式為用戶A的發(fā)生量非常高，用戶B的發(fā) 生量很低，……，用戶N的消耗量非常高等。
[0009] 3.建立隱樹模型并修正:采用雙重爬山算法對語義樣本庫進行學習建立一種面向 副產(chǎn)能源系統(tǒng)調整的隱樹模型。由于所建立的隱樹模型是完全基于數(shù)據(jù)的，因此可能會有 某些細節(jié)與實際工藝存在矛盾，運里進一步根據(jù)專家經(jīng)驗對所建立隱樹模型進行修正，W 獲得一個更加接近于工業(yè)實際的調整模型；
[0010] 4.基于隱樹模型的調整手段推理：隱樹模型建立W后，根據(jù)工業(yè)現(xiàn)場對副產(chǎn)能源 系統(tǒng)的監(jiān)控和預測，利用隱樹模型推理出副產(chǎn)能源系統(tǒng)在未來某段時間范圍內(nèi)的調整手 段，并將其應用于工業(yè)實際。
[0011] 本發(fā)明的效果和益處是：
[0012] 副產(chǎn)能源系統(tǒng)的機理復雜難W基于機理建立調整模型，本發(fā)明所建立的調整模型 是基于數(shù)據(jù)和知識完成的，綜合利用了工業(yè)數(shù)據(jù)庫中的數(shù)據(jù)和現(xiàn)場調度專家的經(jīng)驗，所建 立的模型更加適用于工業(yè)實際。所建立的隱樹調整模型是基于統(tǒng)計學原則建立，不同于精 確地數(shù)學模型，具有較強的柔性和適應性，能夠更好地應對工業(yè)現(xiàn)場的突發(fā)變故。隱樹調整 模型可W進行雙向推理，通過現(xiàn)場對副產(chǎn)能源系統(tǒng)的監(jiān)測和預測，將監(jiān)測或預測的結果輸 入隱樹模型可W推理出在未來時間范圍內(nèi)系統(tǒng)是否需要進行調整。如果系統(tǒng)需要調整，那 么可W通過反向推理獲得相應的調整手段，即確定調整用戶和調整量。隱樹調整模型一經(jīng) 建立，可W直接應用于工業(yè)現(xiàn)場，不需要如數(shù)學規(guī)劃方法進行反復建模，其建模復雜度不會 影響其應用于實時調整。
【附圖說明】
[0013] 圖1為本發(fā)明方案設計整體流程圖。
[0014] 圖2為高爐煤氣系統(tǒng)中某段時間內(nèi)的調整時刻曲線示意圖。
[001引圖3(a)為1，2地廠消耗高爐煤氣量曲線圖。
[0016] 圖3(b)為1,2#電廠消耗焦爐煤氣量曲線圖。
[0017] 圖3(c)為2煉鋼回收轉爐煤氣量曲線圖。
[0018] 圖4(a)為高爐煤氣發(fā)生量曲線圖。
[0019] 圖4(b)為冷社用戶消耗高爐煤氣量曲線圖。
[0020] 圖4(c