连续加热炉内钢坯换热机理模型的能耗预测方法研究

轧钢加热炉是钢铁生产中主要的能耗设备,对加热炉进行能耗的预测是十分重要的。由于引起加热炉能耗波动的影响因素较多,采用数据挖掘的方法对其能耗进行预测,往往要引入过多的变量,引起计算的难度。本文通过对加热炉进行机理分析进行模型的建立,可实现对加热炉各工况进行离线的模拟,得到相应的能源消耗值,从而可经过在线的安装,达到实时和准确预测的目的。     

轧钢加热炉节能降耗的综合措施

分析了轧钢连续加热炉在钢铁企业中的能耗现状,提出了降低轧钢加热炉能耗的一系列措施,包括改造加热炉结构、优化工艺、改进维护手段等。     

轧钢加热炉节能降耗的综合措施

分析了轧钢连续加热炉在钢铁企业中能耗现状,提出降低轧钢加热炉能耗的一系列措施,包括改造加热炉结构、优化工艺、改进维护手段等。     

关于轧钢厂加热炉节能的新措施

轧钢加热炉是轧钢生产工序的能源消耗大户,占整个轧钢工序能耗的80%。如何将高效的节能技术应用于加热炉,是降低轧钢能耗的关键。文章介绍了黑体强化辐射传热、纳米纤维材料、多晶莫来石纤维贴块、蓄热式加热炉烟气反吹、在线钢温检测和加热炉自动燃烧控制等6项加热炉领域节能的新材料新技术,进一步实现加热炉降耗和增效。     

钢铁厂炼钢轧钢节能技术发展略述[续]

二、轧钢过程的节能技术轧钢生产的能耗占钢铁生产总能耗的20％,而其中60％用于加热炉,因此改进加热炉设备和工艺操作,回收排放的热能及采用节能新技术等都可以收到大幅度降低轧钢能耗的效果。 l。改进加热炉的设备及工     

燃煤轧钢加热炉的节能

我国目前轧钢加热炉和热处理炉的能耗约占轧钢生产能耗的70％左右,轧钢生产过程中,电力消耗占25～30％,其它动力消耗占1～5％。1978年以来,国内各轧钢企业对加热炉的节能很重视。积极地贯彻冶金部《关于轧钢加热炉节约燃料的若干规定》,促进了我国轧钢加热炉节能工作的开展,获得了显著的节能效益。1979～1981年累计节约标煤171万吨,其中节约燃油约     

简谈轧钢加热炉问题及节能

通过对首钢各厂轧钢加热炉现状调查、热平衡测试和指标监测,分析出了目前轧钢加热炉使用与运行过程存在的问题.针对这些问题,提出轧钢加热炉节能改进的对策,通过实施这些对策,可以进一步降低轧钢加热炉能耗并延长其寿命.     

轧钢加热炉的热工测定方法

前言冶金工业是全国的能耗大户,据冶金部能源办公室公布的资料表明,我国冶金工业1979年的能耗达8400万吨标煤,占全国总能耗的14%。在钢铁企业中,轧钢工序的能耗约占企业的能耗的15～20%,而在轧钢工序中,各轧钢加热炉所用的炉用燃料占了该工序能耗的70～80%。所以,抓好轧钢加热炉的节能工作十分重要。我省轧钢     

对轧钢加热炉降低能耗的几点看法

节能是冶金工业的重点工作。冶金工业的能耗占全国总能耗的18％,轧钢工序用能与冶金工业总能耗的10～12％,而加热钢材所需能耗占轧钢总能耗的70％以上,可见轧钢加热炉是轧钢工序十的耗能重点。现在加热炉的热效率水平相差很大,高的已     

轧钢加热炉节能改进

加热炉为轧钢系统中的能耗大户,其能耗约占轧钢总能耗的70％。介绍了宣钢轧钢加热炉从提高保温设计和提温的调火操作、充分利用原料的一次热能以及合理控制日常较长时间的工艺检修等措施,每吨钢节约煤气9．72kgce,每年效益665万元,实现了节能降耗的目的。     

融合线性、非线性模型的黄金价格预测模型研究

单一的线性模型或单一的非线性模型都难以全面反映黄金价格波动性的全部信息,根据单整自回归移动平均（ARIMA）模型和神经网络（NN）模型的各自特点,以上海黄金交易所黄金现货市场的交易品种Au99.99为研究对象,建立了ARIMA模型融合神经网络的黄金价格时间序列预测模型。实证结果表明,融合模型ARIMA-NN的预测准确性明显比单一模型的准确性高。     

基于BP神经网络的黄金价格非线性组合预测模型

对黄金价格进行预测时,单一模型往往难以全面反映黄金价格的变化规律.为了更有效地利用各模型的优点,将不同的预测模型进行组合可以产生更好的预测效果.利用BP神经网络对单一模型进行非线性组合,建立了黄金价格的非线性组合预测模型.实证研究结果表明,非线性组合模型的预测精度高于被组合的单一模型和不具有协整关系的线性组合模型.     

热轧张力观测器模型的研究与构建

张力观测器模型是微张力控制模型实现的基础,本文提供了一种精确的热轧机架间微张力预报的方法。采用新张力计算模型,结合轧制过程中轧制力臂变化,基于以弹性变形理论为基础的张力方程,设计出张力动态变化的计算方法,由此构建新的热轧微张力控制过程的张力观测器,在生产应用中取得了良好的效果。     

The invisible benefits of exercise.

Objective: To examine whether—and why—people underestimate how much they enjoy exercise. Design: Across four studies, 279 adults predicted how much they would enjoy exercising, or reported their actual feelings after exercising. Main Outcome Measures: Main outcome measures were predicted and actual enjoyment ratings of exercise routines, as well as intention to exercise. Results: Participants significantly underestimated how much they would enjoy exercising; this affective forecasting bias emerged consistently for group and individual exercise, and moderate and challenging workouts spanning a wide range of forms, from yoga and Pilates to aerobic exercise and weight training (Studies 1 and 2). We argue that this bias stems largely from forecasting myopia, whereby people place disproportionate weight on the beginning of a workout, which is typically unpleasant. We demonstrate that forecasting myopia can be harnessed (Study 3) or overcome (Study 4), thereby increasing expected enjoyment of exercise. Finally, Study 4 provides evidence for a mediational model, in which improving people's expected enjoyment of exercise leads to increased intention to exercise. Conclusion: People underestimate how much they enjoy exercise because of a myopic focus on the unpleasant beginning of exercise, but this tendency can be harnessed or overcome, potentially increasing intention to exercise. (PsycINFO Database Record (c) 2010 APA, all rights reserved)     

电力负荷的灰色预测

利用灰色GM(1,1)模型进行预测时,如果原始序列的变化不够光滑,预测误差很大.因此,对原始序列进行对数平滑处理,同时针对不同时段建模形成预测灰区间的特点,提出了用灰色系统理论进行电力负荷预测的具有对数平滑的灰色关联度加权预组合预测方法.该法使影响负荷的各个因素得到削弱或者抵消,提高了预测精度,并扩大了预测范围.     

基于等维积分GM(1,1)模型的黄金价格预测

GM(1,1)模型是灰色系统中最常用的一种模型,该模型采用的建模数据量小,对数据分布特征无特殊要求,应用较为广泛。利用数值积分原理将GM(1,1)模型中累加生成法改为积分生成法,并用双向差分结合等维动态预测原理,建立了等维积分GM(1,1)模型。该模型在预测过程中不断将旧信息剔除,增加新信息进入,实现了数据的及时更新,提高了预测精度。     

Multi-Objective Optimization and Analysis Model of Sintering Process Based on BP Neural Network

A multi-objective optimization and analysis model of the sintering process based on BP neural network is presented. Genetic algorithms are combined to simplify the BP neural network, which can reduce the learning time and increase the forecasting accuracy of the network model. This model has been experimented in the sintering process, and the production cost, the energy consumption, the quality （revolving intensity）, and the output are considered at the same time. Moreover, the relation between some factors and the multi-objectives has been analyzed, and the results are consistent with the process. Different objectives are emphasized at different practical periods, and this can provide a theoretical basis for the manager.     

运用灰色理论进行精矿成本预测

运用灰色预测理论，建立了精矿成本预测模型，对某铁矿山的最终精矿成本进行了预测，经检验并和实际数据对比，结果令人满意，说明灰色预测模型在精矿成本预测中具有较好的实用价值。     

Demand of Electric Power and Its Forecasting in Iron and Steel Complex

 A systematic study on the electrical load forecasting for large scale iron and steel companies was made. After analyzing the electrical load′s characteristics, an algorithm framework for the load forecasting in iron and steel complex was formulated based on model combination and scheme filtration. The algorithm features data quality self adaptation, convenient forecasting model extension, easy practical application, etc, and has been successfully applied in Baoshan Iron and Steel Co Ltd, Shanghai, China, resulting in great economic benefit.     

高炉铁水硅含量预测评价与模型选择

 分析了文献中高炉铁水硅含量预测数据,结果表明：评价指标选择决定预测效果的评价结论和模型选择;命中率判据不是评价预测效果的最佳选择;相关系数及其检验是评价预测结果优劣的客观判据;相关系数及其检验、人工预测、随机游走模型可以作为以科学性、实用性和简便性为原则的预测评价判据基准。