基于数据驱动的高炉煤气复合预测模型

对钢铁企业高炉煤气系统科学准确的预测,可以为煤气的合理调度提供依据,对企业提高能源利用效率、减少煤气放散和环境污染有着非常重要的意义。针对钢铁企业高炉煤气系统设备工况复杂、煤气量波动频繁、难以准确预测的问题,依据小波分析方法、BP神经网络、最小二乘支持向量机的性质建立了基于数据驱动的高炉煤气的复合预测模型。该模型综合考虑高炉煤气系统生产计划和检修计划,对高炉煤气系统的产耗用户在不同工况下分别建立训练数据集,利用多组模型参数预测高炉煤气产生量、消耗量和缓冲量。利用某大型钢铁企业实际数据进行测试,该模型能够结合设备的实际生产工况变化,实现煤气的准确预测。结果表明,该模型平均绝对百分比误差小于4.95%,对变工况煤气系统有较好的预测效果。     

基于HP-Elman-LSSVM模型钢铁企业自备电厂煤气供入量预测及优化调度

 钢铁企业自备电厂是副产煤气的主要缓冲用户,在消纳富余煤气、减少煤气放散、实现煤气平衡方面发挥着极为重要的作用。充分考虑自备电厂煤气供入量特点,建立了HP-Elman-LSSVM预测模型,并根据自备电厂能源利用的特点,建立拟合模型求解自备电厂锅炉的经济运行负荷,在此基础上对供入自备电厂的煤气进行优化调度。将该模型应用于具体企业,实现了钢铁企业自备电厂煤气预测和优化调度。模型应用表明：所建模型对自备电厂煤气供入量30、45、60个点的预测平均相对误差分别为1.9%、1.4%、1.4%,能有效解决实际生产中自备电厂煤气供入量预测不准问题。并通过煤气优化调度,自备电厂可大幅度提升蒸汽产率,应用企业每年可多产蒸汽约8.1322万t,折合节约标煤9443.955t。     

钢铁企业副产煤气短周期优化调度模型

 在钢铁生产过程中,消耗的煤炭大约34%会转化为副产煤气。为了提高副产煤气能源利用率,以钢铁企业副产煤气系统为研究对象,利用混合整数线性规划法（mixed integer linear programming,MILP）,以操作成本最小化为目标函数,以物料平衡、能量平衡、设备操作参数限制等为约束条件建立富余煤气优化调度模型。与前人的模型相比,对锅炉模型进行改进,不仅提高锅炉模型的调节精度,而且更接近实际情况。此外,为了研究煤气柜和锅炉稳定性,引入煤气柜总标准偏移量（sum of standard deviation volume,[SSDV）]惩罚因子和锅炉总改变量（sum of switching percentage,[SSP）]惩罚因子,并用帕雷托最优法理论确定出最佳的[SSDV]和[SSP。]结果表明,新的优化模型能很好地降低煤气柜和锅炉的波动,维持煤气系统的平稳运行。     

基于相关向量机样本选择的钢铁企业副产煤气系统预测

针对副产煤气系统的运行数据冗余度高、噪声强等特点，提出了一种基于相关向量机算法(relevance vector machine, RVM)的训练样本选择的副产煤气系统预测算法。鉴于RVM算法具有相关样本自动选择的特点，提出采用此算法对原始训练集数据进行训练，以获取的相关向量作为基本训练集；之后利用K近邻算法(K nearest neighbor, KNN)实现对基本训练集合的样本增强，并以此作为新的训练集，从而实现样本的去冗余，提高训练样本质量，提升算法效率与预测准确度。采用国内某钢铁厂高炉煤气数据进行试验，试验效果表明，本文所提的方法可有效针对高炉煤气数据进行样本选择，并以较快的模型训练效率获得较高的煤气柜柜容预测精度，预测结果可为钢铁煤气系统的优化调度工作提供基础。     

钢铁工业副产煤气资源化利用分析及案例

 在钢铁产品的生产过程中,同时产生大量的副产煤气,即高炉煤气（BFG）、焦炉煤气（COG）和转炉煤气（LDG）,在钢铁企业的能源平衡中占有十分重要的地位（约占全部二次能源产生总量的70%）。目前钢铁企业副产煤气大多数是燃料化利用,而副产煤气高附加值利用的另一个方向是开发副产煤气中碳元素和氢元素（H2、CmHn和CO等）价值,实现资源化利用。钢厂推进副产煤气资源化利用的核心是进行能量流（煤气流）的解析及其网络的优化,副产煤气资源化利用的主要途径有制取氢气、甲醇、液化天然气（LNG）、合成天然气（SNG）、压缩天然气（CNG）、合成氨、二甲醚、乙二醇、烯烃等化工产品。四川达钢焦炉煤气和转炉煤气制甲醇的案例研究表明,副产煤气资源化利用不仅能使钢铁企业的副产煤气资源得到高效利用,而且有显著的经济和环境效益。     

不同生产负荷下副产煤气调度建模和仿真

钢铁企业不同的生产负荷会影响副产煤气的产生量和消耗量,为了获得更大的经济效益,需要针对钢铁企业不同的生产负荷,对缓冲设备的副产煤气消耗进行优化分配。基于线性规划,以系统运行成本最小为目标函数,建立钢铁企业不同生产负荷下的副产煤气调度模型。利用Visual Studio 2013平台开发了副产煤气调度仿真系统,通过对高炉在不同生产负荷下的生产实例仿真,验证了模型的有效性。     

基于大系统思想的钢铁企业煤气优化调度问题探讨

能源优化调度问题比较复杂,各方研究者往往是根据具体课题和具体厂家、在各自有限的范围内建模分析.本文以钢铁企业的主要副产能源煤气作为考察对象,归纳总结煤气优化调度规律,并结合钢厂实际和生产工艺建立了数学规划模型.最后以某钢铁企业为背景,用实验证明了该模型能很好地按照目标函数对煤气进行有效调度,实现煤气放散量最少和能源成本最小.     

基于代价敏感学习的钢铁企业转炉煤气柜柜位预测

钢铁企业转炉煤气柜柜位的准确预测可为煤气系统调度提供重要依据，然而鉴于转炉煤气(Linz Donawitz gas, LDG)回收的冲击性，调度人员对柜位的超上限问题尤为关注。为此，依托大量系统运行数据，提出了一种基于代价敏感学习支持向量机(support vector machine, SVM)的转炉煤气柜柜位预测方法，可提高对柜位超上限情况的预报精度。该方法以LDG回收流量、LDG消耗流量等作为输入，以未来柜位值作为输出，利用KKT方程，将原约束条件转化为等式约束，对煤气柜位超限误报和未超限误报设定了不同的代价；最终通过最小化模型漏报误差，将原预测问题转化为一系列线性方程并求解。针对国内某钢铁厂数据的仿真实验结果表明，所提方法将LDG柜位超限状况的漏报率降低至0.16%,可为调度人员制定合理的调度策略提供更快速有效的指导。     

热风炉煤气消耗量中期预测模型

在钢铁生产过程中,副产煤气占钢铁企业总能耗的40%,因此,准确预测副产煤气的消耗量可以为钢铁企业煤气系统的优化调度提供科学的指导。热风炉是副产煤气系统的最大用户之一,由于工作周期频繁调整导致副产煤气消耗量波动剧烈,预测难度较大。针对现有预测模型预测提前量较短的问题,建立了基于时间序列的BP神经网络预测模型,在保证较高的预测精度的前提下将预测提前量延长至30 min。以现场采集的热风炉煤气数据作为数据样本进行实例分析,发现训练样本为2 000组、预测样本为30组时预测效果最好,平均误差绝对值可达4.04%。此外,还对不同预测模型进行对比,结果表明本模型最适合热风炉煤气消耗量的中期预测。     

基于HP(2)-Elman模型的钢铁企业富余煤气预测及优化调度

针对钢铁企业富余煤气的频繁波动对自备电厂能耗及煤气平衡影响严重,且难以通过建立机制模型进行预测的问题,依据HP滤波和Elman神经网络性质建立了HP(2)-Elman预测模型.并根据自备电厂能源利用的特点,建立拟合模型求解锅炉的经济运行负荷,在此基础上对富余煤气进行优化调度.模型应用表明:所建预测模型对煤气柜位预测平均相对误差小于2.8％,自备电厂煤气供入量30、45、60个点预测平均相对误差分别为1.7％、1.6％、1.6％.根据预测结果进行的优化调度可为煤气柜位调整及自备电厂锅炉负荷分配提供操作依据,一年按照330天计算,可多产蒸汽约100495t,节能约11670481kg标煤.     

基于便携式激光诱导击穿光谱技术的耐热钢老化等级评估

长期承受高温高压耐热钢的运行状态严重影响着设备系统的安全生产,传统检验手段在时间和操作上存在一定的局限性。将开发的便携式激光诱导击穿光谱(LIBS)设备应用于耐热钢失效分析,结合化学计量学方法实现T91钢老化等级的预测评估。首先对不同老化等级T91样品的光谱特性进行了分析,研究了不同表面状态样品的元素特征谱线随脉冲数变化趋势,获取各样品的典型光谱;然后采用K折叠支持向量机递归特征消除算法(K-SVM-REF)对光谱变量进行特征选择,以提高模型预测性能。结果表明基于特征选择的光谱变量较全谱变量建立的支持向量机(SVM)预测模型测试集的分类准确率从84.38%提升到90.63%。此外还研究了样品表面状态对模型性能的影响,为开发的便携式LIBS设备用于实现金属受热面失效诊断的实际测量提供了有效的依据和方法。     

基于便携式激光诱导击穿光谱技术的耐热钢老化等级评估

长期承受高温高压耐热钢的运行状态严重影响着设备系统的安全生产,传统检验手段在时间和操作上存在一定的局限性。将开发的便携式激光诱导击穿光谱(LIBS)设备应用于耐热钢失效分析,结合化学计量学方法实现T91钢老化等级的预测评估。首先对不同老化等级T91样品的光谱特性进行了分析,研究了不同表面状态样品的元素特征谱线随脉冲数变化趋势,获取各样品的典型光谱;然后采用K折叠支持向量机递归特征消除算法(K-SVM-REF)对光谱变量进行特征选择,以提高模型预测性能。结果表明基于特征选择的光谱变量较全谱变量建立的支持向量机(SVM)预测模型测试集的分类准确率从84.38%提升到90.63%。此外还研究了样品表面状态对模型性能的影响,为开发的便携式LIBS设备用于实现金属受热面失效诊断的实际测量提供了有效的依据和方法。     

A Green Mixed Integer Linear Programming Model for Optimization of Byproduct Gases in Iron and Steel Industry

Byproduct gas is an important secondary energy in iron and steel industry, and its optimization is vital to cost reduction. With the development of iron and steel industry to be more eco-friendly, it is necessary to construct an integrated optimized system, taking economics, energy consumption and environment into consideration. Therefore, the environmental cost caused by pollutants discharge should be factored in total cost when optimizing byproduct gas distribution. A green mixed integer linear programming(MILP) model for the optimization of byproduct gases was established to reduce total cost, including both operation cost and environmental cost. The operation cost included penalty for gas deviation, costs of fuel and water consumption, holder booster trip penalty, and so forth; while the environmental cost consisted of penalties for both direct and indirect pollutants discharge. Case study showed that the proposed model brought an optimum solution and 2.2% of the total cost could be reduced compared with previous one.     

基于激光诱导击穿光谱技术的废旧金属分类辨识

废旧金属回收是工业中金属的重要来源之一,是发展循环经济的重要内容。废旧金属产量巨大,通常表面覆盖杂质,凹凸不平,因此对分类方法的判别能力和计算速度提出较高要求。采用激光诱导击穿光谱技术研究分析了7种废旧金属分类识别问题,包括生铝、熟铝、镁、不锈钢、锌、黄铜与红铜。为了符合现场应用条件,实验中每个样本点只激发一次建立并分析了多种分类模型,包括支持向量机(SVM)分类模型,主成分分析方法结合支持向量机(PCA-SVM)分类模型,遗传算法结合支持向量机(GA-SVM)分类模型,遗传算法选择特征光谱结合主成分分析方法和支持向量机(GA-PCA-SVM)分类模型,以及遗传算法选择特征光谱结合主成分分析方法和人工神经网络(GA-PCA-BP)分类模型。通过遗传算法选取包含丰富特征的谱段组合与支持向量机方法相结合建立GA-SVM分类模型,490组验证样本分类准确率为93.47%。为了判断该模型的鲁棒性,对一批新样品,在自研的分选系统上以传送带匀速运行的方式进行测试,获取的750组光谱测试数据,分类准确率为88.27%,证明了该分类模型具有很好的移植性和应用性。     

一个广义三次样条光滑半监督支持向量机

研究半监督支持向量机分类优化模型的非光滑问题.建立了光滑半监督支持向量机模型,采用广义三弯矩法导出零点二阶光滑的广义三次样条函数,并以此逼近半监督支持向量机优化中的非光滑部分.构造出基于上述样条函数的具有一阶光滑的半监督支持向量机,从而可以用优化中的光滑算法来求解该模型.分析了广义三次样条函数逼近对称铰链损失函数的逼近精度,证明了新模型的收敛性.数值实验显示新模型有较好的分类效果.     

基于支持向量机和随机森林算法结合光纤式激光诱导击穿光谱定量检测核电用钢中铬

核电站关键设备的状态检测技术是核电安全性和经济性的重要保障,激光诱导击穿光谱技术(Laser-induced breakdown spectroscopy,LIBS)是一种可在线测量材料元素组分及其结构状态的新方法,基于采用光纤传输激光并回传等离子体辐射的光纤式激光诱导击穿光谱(fiber-optic LIBS,FO-...     

基于激光诱导击穿光谱技术的废旧金属分类辨识

废旧金属回收是工业中金属的重要来源之一,是发展循环经济的重要内容。废旧金属产量巨大,通常表面覆盖杂质,凹凸不平,因此对分类方法的判别能力和计算速度提出较高要求。采用激光诱导击穿光谱技术研究分析了7种废旧金属分类识别问题,包括生铝、熟铝、镁、不锈钢、锌、黄铜与红铜。为了符合现场应用条件,实验中每个样本点只激发一次建立并分析了多种分类模型,包括支持向量机(SVM)分类模型,主成分分析方法结合支持向量机(PCASVM)分类模型,遗传算法结合支持向量机(GA-SVM)分类模型,遗传算法选择特征光谱结合主成分分析方法和支持向量机(GA-PCA-SVM)分类模型,以及遗传算法选择特征光谱结合主成分分析方法和人工神经网络(GA-PCA-BP)分类模型。通过遗传算法选取包含丰富特征的谱段组合与支持向量机方法相结合建立GA-SVM分类模型,490组验证样本分类准确率为93.47%。为了判断该模型的鲁棒性,对一批新样品,在自研的分选系统上以传送带匀速运行的方式进行测试,获取的750组光谱测试数据,分类准确率为88.27%,证明了该分类模型具有很好的移植性和应用性。     

MILP Model for Plant-Wide Optimal By-Product Gas Scheduling in Iron and Steel Industry

 The scheduling of byproduct gases in byproduct gas system, cogeneration system and production system is studied. All gas-consuming users are divided into three kinds according to their different characters and then a distribution model is established. A dynamic mixed integer linear programming (MILP) model for multiperiod optimization of byproduct gas is performed to optimize byproduct gas distribution to achieve total cost reduction. Case study shows that 6.2% operation cost is reduced using the proposed model.