主成分分析法在热轧吨钢电耗回归预测模型中的应用

根据热轧钢板生产的统计数据,初步确定影响热轧吨钢电耗主要因素是生产量、延伸系数、轧后厚度、轧后宽度、初始长度和轧制速度。采用主成分分析法对这些因素的统计数据进行处理和分析,得到了前3个主成分的表达式。并在这个基础上建立了热轧吨钢能耗的多元线性回归模型,通过与未经处理的原始数据建立的模型进行对比,证明主成分分析法分析后的模型具有良好的预测效果。     

秸秆颗粒成型机吨料电耗影响因素的试验研究

对影响环模秸秆颗粒冷态成型机吨料电耗的主要因素进行了正交试验研究,得出了秸秆粒度、含水率、环模孔长径比三因素与吨料电耗的数学模型,并进行了三因素及两因素间的交互效应分析,通过Matlab软件编程计算,得出吨料电耗最低时的各因素最优组合,即:粒度为6mm,含水率为16%,环模孔长径比为5.2时,吨料电耗为102.33kW·h·t~(-1)。     

基于K近邻互信息估计的原油管道电耗预测

为使用最少的特征实现管道电耗的精准预测,建立基于K近邻互信息估计的BPNN模型来预测管道电耗.利用管道输送理论公式扩充原始数据集,利用K近邻互信息估计提取强相关性特征,将提取出的特征喂入BPNN来建立原油管道电耗预测模型,最后对比利用不同输入特征建立的模型的预测精度.研究结果表明:利用K近邻互信息估计能够选出多个与电耗...     

钢球磨煤机制粉系统经济运行试验研究

本文针对该厂ＤＴＭ２９０／３５０钢球磨煤机运行制粉电耗高的问题，通过分析影响制粉电耗的主要因素并进行试验研究，得出运行时磨内不同规格钢球重量比为Φ５０：Φ４０：Φ３０＝５０：３０：２０，最佳钢球装载量为２０８吨，磨煤机经济出力为１９４ｔ／ｈ，最低制粉电耗为２４９ｋＷｈ／ｔ，比试验前下降５１８ｋＷｈ／ｔ。并提出了降低球磨机制粉电耗的一些建议。     

交流电弧炉电弧功率软测量模型

电弧功率对于电弧炉冶炼时间、吨钢电耗有着直接的影响,所以对电弧功率进行在线监测是十分重要的。但是由于现阶段检测技术的限制,对电弧功率进行直接测量比较困难,因此建立电弧功率软测量模型有着十分重要的现实意义。电弧功率软测量模型是以三相不平衡电路计算为基础,选择电炉变压器二次侧出口线电压和相电流作为辅助变量,从而实现了对电弧功率的在线测量。通过与实测数据进行对比,说明了模型具有较好的精度,可以用于对电弧功率进行在线监测。     

集束射流氧枪使用“氮气-天然气”混合燃气在电弧炉的应用

通过对炉壁集束氧枪使用的天然气中按照比例混入氮气的改造,表明按照2:1比例混入氮气对电炉钢中氮含量没有影响,降低吨钢天燃气消耗1.33 Nm~3/t,降低生产成本3元/t,不影响吨钢电耗及冶炼周期。     

LF炉降低电耗工艺研究

福建三钢炼钢厂为了进一步降低100t LF炉冶炼电耗,进行了强化钢包周转管理,控制钢水进、出站温度,提高LF操作工艺水平,以及改善钢包保温性能等一系列实践研究,使得LF炉吨钢电耗降低了4.2 kW·h,为企业创造了高达320万元的经济效益.     

吨钢可比能耗限额和电炉钢冶炼电耗限额及计算方法

1 范围 本标准规定了钢铁联合企业吨钢可比能耗限额和钢铁企业电炉钢冶炼电耗限额及计算方法。     

5吨电弧炉节电措施

一、前言我厂一台公称容量5t的年产2.5万吨钢的电弧炉是1986年10月投产的,投产以来的生产实践证明,这台电弧炉的各项技术指标达到和超过了国内同类型的设计指标.特别是每炉钢产量达到了平均13t的水平,在连续供电生产的情况下,平均吨钢电耗为538kWh.实际每炉产量比标准5t炉平均炉产量超出4t,达到了相当于10t容量标准炉产量水平.吨钢电耗亦     

电炉短网改造投入少、效益高

嘉兴钢铁集团公司有两台5吨的炼钢电弧炉,炉用变压器的容量各为4000kVA。其中的2号电炉1993年8月初投产时,电耗居高不下,吨钢电耗平均为584kWh/t,超过了公司下达的考核指标。为此,公司成立了2号     

BP网络模型在大型泵站用电量预测中的应用

针对大型泵站年用电量的非线性规律，提出应用BP网络模型的预测方法。该方法采用误差逆传播学习规则，具有较强的非线性拟合能力，实例计算分析表明，与线性回归模型预测方法相比较，BP网络模型对大型泵站年用电量的预测是有效的。     

基于逐步回归分析的用电量预测

文中针对用电量预测的多元线性回归模型，提出了逐步回归分析方法。与传统的多元线性回归模型相比较，逐步回归分析方法无需建立全部变量的回归方程，而是在全部自变量中按对因变量的作用大小，边进行显著性检验，边入选或剔除变量，不重要变量始终不进入回归方程，最后形成重要变量的最优回归方程。实例计算分析表明，与多元线性回归模型预测方法相比较，逐步回归预测模型对用电量的预测是有效的。     

贵州省2015~2020年用电量预测及其比较

为给贵州省电力规划提供依据,以便制定科学、合理的发输电规划方案,基于贵州省1985~2009年用电量特点,选取趋势外推法、线性回归法和灰色模型法三种电力负荷预测方法预测了贵州省2015~2020年的用电量,并进行对比分析。结果表明,不同的电力负荷预测方法预测精度不同,灰色系统理论具有很强的通用性。     

Energy consumption in the residential sector: a study on critical factors

In recent years, lots of efforts have been devoted to the identification of the factors influencing residential energy consumption. Many factors affect energy consumption at the same time, leading to the lack of precision when identifying which factors are significant. This paper reports the results of performing factor analysis for examining the factors affecting residential energy consumption. Data gathered through interviews and surveys with the residents and of housing units in Tehran (capital of Iran) are used for this purpose. The database applied comprises 56 predictors, for 2087 observations. Thirteen latent factors related to households’ energy consumption were shown by the data. Finally, a regression model was employed in order to recognise the most important factors. The amount of electricity and natural gas consumption was used as the dependent variable in the regression model. The results obtained can help prioritise efforts for modifying parameters in order to reduce the energy consumption in the residential sector.     

磨煤机钢球最佳级配技术应用研究

应用钢球磨损稳态模型计算和工程试验确定钢球最佳级配和合理的钢球装载量;通过改变高铬钢球的铬碳比,增添锰、钨等合金元素以及采用特殊的油淬火热处理工艺,研制成功了多元高铬合金耐磨钢球,提高了最佳级配的稳定性,有效地降低了磨煤机电流,节能效益显著。实践表明：火电厂使用该技术后,磨煤机钢球装载量减少37%、电耗降低23%、钢耗降低61%,实现了火电厂磨煤机的大幅度节能降耗;随着磨煤机负载的减小,大小齿轮、轴瓦和变速箱等设备的故障率明显降低,设备寿命得到延长,同时也节省了大量的维护成本,具有广阔的推广前景。     

基于逐步回归分析和通径分析的用水量影响因素分析

针对水资源供需矛盾日益突出的问题,运用逐步回归分析和通径分析深入分析玉溪市用水量及其影响因素,构建用水量预测模型,探求影响玉溪市用水量的主要因素及影响程度。结果表明,第一产业在生产总值中的比重、人口自然增长率、粮食作物种植比例是影响总用水量的三个主要因素,第一产业在生产总值中的比重、粮食作物种植比例对总用水量增加起促进作用,人口自然增长率对总用水量增加的间接促进作用最大;用水量预测模型能较好地拟合用水量变化。     

线性回归在供电标煤耗分析中的应用

供电标煤耗是评价热电联产企业综合竞争能力的重要指标之一。文中根据某企业供电标煤耗与热电比、汽轮机效率、锅炉效率的对应数据资料,将供电标煤耗与三者之间的变动关系加以模型化,找出并检验回归方程,尝试用回归分析的方法对供电标煤耗进行预测,为热电联产企业降低煤耗,提高市场竞争能力提供依据。     

Modelling energy consumption of the Jordanian transportation sector: the application of multivariate linear regression and adaptive neuro-fuzzy techniques

Studying the current level of energy consumed by the transportation sector in Jordan is a top priority and an important variable when it comes to modelling accurate projections of future consumption in order to monitor Jordan's sustainable development. This study compares two methods for modelling energy consumption within the Jordanian transportation sector: a multivariate linear regression model and a Neuro-fuzzy model. Within these two paradigms, energy consumption is modelled as a function of a number of factors such as: vehicles number, level of income and ownership, and fuel prices. A parallelism between the two models is highlighted providing a precise simulation for the energy consumption in the Jordanian transportation sector. The comparison proposes that when it comes to forecasting, the performance of the neuro-fuzzy model exceeds that of the multivariate linear regression model.     

Electricity consumption and associated GHG emissions of the Jordanian industrial sector: Empirical analysis and future projection

In this paper, an empirical model is developed for electricity consumption of the Jordanian industrial sector based on multivariate linear regression to identify the main drivers behind electricity consumption. In addition, projection of electricity consumption for the industrial sector based on time series forecasting is presented. It was found that industrial production outputs and capacity utilization are the two most important variables that affect demand on electrical power and the multivariate linear regression model can be used adequately to simulate industrial electricity consumption with very high coefficient of determination. To illustrate the importance of integrating energy efficiency within national energy plans, the impact of implementing high-efficiency motors was investigated and found to be significant. Without such basic energy conservation and management programs, electricity consumption and associated GHG emissions for the industrial sector are predicted to rise by 63% in the year 2019. However, if these measures are implemented on a gradual basis, over the same period, electricity consumption and GHG emissions are forecasted to ascend at a lower rate with low/no cost actions.