基于卷积神经网络与长短期记忆网络的多规格带钢精轧电耗分析预测

能耗数据预报在工业过程中发挥重要作用,产线级的电耗精准预报更是钢铁智能制造背景下的节能降耗热点。针对带钢热轧精轧控制段的多规格轧件电耗预测问题,首先通过皮尔逊(Pearson)相关性分析筛选出影响精轧电耗的主要因素,节约计算时间,然后充分发挥卷积神经网络(convolutional neural network, CNN)与长短期记忆网络(long short-term memory, LSTM)分别在特征提取与数据预测方面的优势,提出了一种基于CNN-LSTM混合神经网络的精轧电耗预测模型并进一步优化。通过利用预处理后的厂级实时数据进行算法验证,均方误差能控制在0.8%以内,表明该方法能对产线级多规格轧件精轧电耗准确预报。     

酒钢变电站远程视频监控系统的设计与实现

在计算机技术和网络技术迅速发展的今天,远程视频监控系统已被越来越多的单位使用.为推动酒钢电力系统管理逐步向自动化、无人化、综合化、集中化和智能化方向发展,以酒钢电力系统的变电站视频监控为例,结合现行的理论技术和实际需要设计了远程视频监控系统.