CN107330597B - 基于模糊模式识别的高炉热风炉能耗状态多维度评估方法 - Google Patents

Abstract

本发明公开了基于模糊模式识别的高炉热风炉能耗状态多维度评估方法，包括步骤：(1)采集钢铁企业能源管控系统中热风炉运行数据，计算三个维度能耗指标；(2)通过历史数据统计分析得到能耗指标应达值和能耗指标阈值；(3)得出能耗评估指标和多维度能耗评估特征向量；(4)循环执行步骤(1)、(2)、(3)，得到典型的能耗评估特征向量，形成完整的状态样本集；(5)通过模糊C均值(Fuzzy C‑means)聚类算法(简称FCM)，对样本集进行聚类和分类；(6)采集高炉热风炉待评价的运行数据，得到待评价的能耗评估指标，采用基于证据理论的模糊模式识别方法将能耗评估指标特征向量与步骤(5)中症状集进行匹配，从而得到热风炉运能耗状态的最终评估结果。

Description

基于模糊模式识别的高炉热风炉能耗状态多维度评估方法

技术领域

本发明涉及到一种能耗状态多维度评估方法，属于冶金领域，具体涉及到钢铁企业高炉热风炉系统的能耗评估。

背景技术

高炉热风炉系统是钢铁厂高炉的鼓风设备，其主要作用是为高炉不间断的提供1000度以上的高温热风，热风温度和热风量直接影响高炉的出铁量。现代高炉多采用蓄热式热风炉，其工作原理是先燃烧煤气，用产生的烟气加热蓄热室的格子砖，再将冷风通过炽热的格子砖进行加热，然后将热风炉轮流交替地进行燃烧和送风，使高炉连续获得高温热风。热风炉主要的能源消耗是煤气，直接产品是热风，间接产品是铁水。因此，煤气消耗量、送风量、高炉出铁量、热风炉温度是热风炉系统最为关键的几个指标。

传统的能耗评估分析，最主要对热风炉进行热平衡计算，通过效率来评估能耗状况。但热风炉效率计算存在一些困难点(1)缺乏煤气热值仪，不能准确的测量煤气热值。(2)缺乏助燃空气计量，助燃空气带入的显热无法计算。(3)散热损失、排烟损失只能估算。有鉴于此，热风炉效率计算复杂、不准确、且离线进行，对热风炉的能耗评估有一定的指导意义，但是显然是不够全面。

除了热风炉效率，传统的能耗评估也有热风炉煤气消耗总量、煤气单耗等，但是都是单个指标进行评估。高炉热风炉系统影响因素多，工况变化大，运行指标和能耗指标相互关联，高炉工况和热风炉工况相互影响，因此需要研究一种综合的评估方法，能够兼顾热风炉能耗指标、运行指标和高炉工况。

发明内容

本发明的目的是：提供基于模糊模式识别的高炉热风炉能耗状态多维度评估方法，结合高炉和热风炉历史运行数据和实时运行数据，根据选取的多维度能耗评估指标，来对热风炉系统的综合能耗状态做出评估。运行人员根据综合评估结果实时掌握热风炉的运行状态所处水平，是否与需求工况相符合，为热风炉运行人员的操作，为生产管理考核提供有力依据。

为了达到上述目的,本发明所采用的技术方案是：

步骤1：热风炉多维度能耗指标计算。采集钢铁企业能源管控系统中热风炉运行数据，计算能够反映热风炉能耗状态的能耗指标。

结合高炉热风炉的物理特性，钢铁企业实际情况运行的调研，选取如下三个维度评估指标作为评估热风炉能耗状况的能耗指标：(1)θ_x单位送风耗煤气量(m3/km3)，不考虑热风温度和煤气温度的波动，该指标能够直接反映热风炉能源消耗和产出的关系。(2)θ_y单位出铁耗煤气量(m3/t)，该指标也能直接反映热风炉系统的能源消耗和最终产出关系。(3)θ_z热风炉热风温度(℃)，热风温度是热风炉关键的运行参数，能够反映热风炉的热量吸收情况，从而反映热风炉热量转换状态，间接反映热风炉能源消耗和产出的关系。

步骤2：热风炉能耗指标应达值、能耗指标阈值计算。采用历史数据统计分析、运行人员经验等手段，得到能耗指标应达值、能耗指标阈值。

本发明中取近一年热风炉运行数据历史数据进行计算，得到热风能耗指标的平均值作为能耗指标应达值。剔除特殊工况的数据，取热风炉能耗指标的最差值，作为能耗指标阈值。

步骤3：热风炉多维度能耗评估指标计算。根据能耗指标实时值、能耗指标应达值、能耗指标阈值以及良好度的定义，计算能耗评估指标，能耗评估指标反映能耗指标的良好度,在[0,1]区间。

对于单位送风消耗煤气量、单位吨铁耗煤气量，单耗越低能耗状态越好。因此，θ₀＜θ_max，能耗评估指标公式如下：

对于送风温度，因为送风温度高能耗状况好。因此θ₀＞θ_max，能耗评估指标公式如下：

式中：θ₀为能耗指标的应达值；

θ_max为能耗指标的阈值；

θ为能耗指标的实际值；

能耗评估指标β在[0,1]之间。因此形成了归一化处理的多维度能耗评估指标体系，为模糊评估提供了保证。

步骤4：能耗评估指标特征向量和样本集建立。选取历史运行数据为典型状态参量，循环执行步骤1、2、3，得到典型能耗评估特征向量，形成完整的状态样本集；

根据三个维度的能耗指标θ_x、θ_y、θ_z得到三个维度的能耗评估指标β_x、β_y、β_z，从而得到高炉热风炉能耗评估特征向量：

U＝[β_x β_y β_z]

式中：β_x为单位送风耗煤气量评估指标；

β_y为单位出铁耗煤气量评估指标；

β_z为送风温度评估指标；

从能源管理系统中获取近一年的运行数据，计算能耗评估特征向量，将特征向量与已有的样本集中的评估指标进行对比，如果样本集中已有该特征向量，则丢弃，若样本集中没有改向量则保存，这样不断的填充样本集，使得样本集更加丰富，评估更加合理。

步骤5：能耗评估症状集的建立。通过模糊C均值(Fuzzy C-means)(简称FCM)模糊聚类算法，对样本集进行聚类和分类，从而得到典型的优、良、中、差症状集；结合三个维度的能耗评估指标，获得三个维度表征热风炉能耗状态的优、良、中和差分类的4行3列的症状集矩阵。

据能耗评估指标的定义知道，能耗指标与标准值越接近，能耗评估指标越高，表明高炉热风炉系统能耗状况越好。由于几个指标之前存在相互约束，简单按指标直接指定优、良、中、差是不合适的。根据样本集进行聚类既能体现指标本身的特征，又能反映运行的实际情况。基于状态样本集的数据采用FMC聚类方法进行聚类，将样本聚类成优、良、中、差四类s₁、s₂、s₃、s₄典型状态。

S＝{s₁，s₂，s₃，s₄}

结合三个维度的能耗评估指标类心，得到4行3列的症状集矩阵

0≤λ_ij≤1表示优、良、中、差能耗评估指标聚类类心。

步骤6：采集高炉热风炉实时运行的数据，执行步骤1、2、3得到能耗评估指标。采用基于Dempster证据融合规则的模糊模式识别方法将能耗评估指标特征向量与步骤5中症状集进行匹配，从而得到热风炉运能耗状态的最终评估结果。

通过证据理论模式识别方方法，计算出状态U各评估指标与症状集S的隶属度矩阵。

矩阵R中第i行R_i＝[r_si1 r_si2 r_si3 r_si4]是第i个指标u_i的单指标诊断，r_si1、r_si2、r_si3、r_si4就表示u_i属于优、良、中、差四类的隶属度；进一步得出综合的评估结果：

R_s＝[r_s1 r_s2 r_s3 r_s4]

式中r_si＝a*r_s1i+b*r_s2i+c*r_s3i，0≤r_si≤1，a，b，c为各维度指标在最终评估中所占的权重值。根据r_si的大小最终判断出状态所属类别。

要得到综合的评估结果，需要确定各维度评估指标的权重值。考虑高炉热风炉系统中，几个评估指标的重要性没有明显区分，但热风温度是一个相对更为直观的因素，因此各指标的权重分配如下：单位送风耗煤气量评估指标权重为0.33，单位吨铁产煤气量评估指标权重为0.33，热风温度评估指标权重为0.34，综合隶属度r_si＝0.33*r_s1i+0.33*r_s2i+0.34*r_s3i。最后由综合隶属度，根据最大隶属度原则，可得到综合评估结果。

本发明的优点在于：

(1)本发明提出了高炉热风炉多维度能耗状态评估的概念，与传统基于单一评估指标的评估方式相比，评估结果较为全面。

(2)本发明提出了能耗评估指标，能耗评估特征向量的概念，并且基于特征向量的样本集进行FCM聚类，样本集数据均来自热风炉历史运行数据，评估结果更加客观真实。

(3)本发明在模式识别的时候提出采用基于证据理论的模糊模式识别方法，考虑了类的分散程度对判断结果造成的影响，结果的可信度更高。

(4)本发明提供了一种高炉热风炉能耗评估的手段，可用评估热风炉的运行状态，为热风炉操作人员和管理人员提供运行指导。

附图说明

图1是本发明所提出的基于模糊模式识别的热风炉能耗指标多维度评估方法模型。

图2是本发明所提出的基于模糊模式识别的热风炉能耗指标多维度评估方法模型实现框图。

图3是本发明所提出的高炉热风炉能耗评估指标特征向量计算框图。

图4是本发明所提出的高炉热风炉能耗评估症状集建立流程示意图。

图5是本发明所提出的评估方法实际评估流程示意图。

具体实施方式

以下结合附图，对本发明的技术方案进行详细说明。

实施例1

本发明提供基于模糊模式识别的高炉热风炉能耗状态多维度评估方法，结合高炉和热风炉历史运行数据和实时运行数据，根据选取的多维度指标，来对热风炉系统的综合能耗状态做出评估。以评估结果来指导生产运行，对运行状况进行考核，评估方法算法模型如图1所示，具体实现流程如图2所示：

步骤1：典型状态参量的选取，本发明目的是评估热风炉能耗状态，因此需要选取能够反映热风炉能源消耗的典型状态参量，即能耗指标。

结合某钢铁企业的现场调研和实际生产需要，得到能耗指标特征向量。

X＝[θ_x θ_y θ_z]

式中：

θ_x为单位送风耗煤气量(m3/km3)，不考虑热风温度和煤气温度的波动，该指标单能直观评估热风炉投入和产出关系。

θ_y为单位出铁耗煤气量(m3/t)，该指标能够反映整个热风炉系统的煤气投入和最终产出关系，且兼顾了高炉的运行工况。

θ_z为热风炉热风温度(℃)，热风温度能够直接反映热风炉的热量转换情况，也是热风炉运行的关键指标。

上述能耗指标计算具体计算方法：

式中：Q_mq为热风炉总管煤气流量(m3/h)

Q_rf为热风炉总管热风流量(m3/h)

Q_fe为平均每小时出铁量(t/h)

T_rf为热风温度(℃)

针对某企业1080立方米高炉，配备了三台热风炉，采用“两烧一送模式”，通过一年数据的统计，单位送风耗煤气量θ_x，波动区间在380-500(m3/km3)；单位出铁耗煤气量θ_y，波动区间在450-550(m3/t)；热风温度θ_z，波动区间在1100-1200(℃)。

步骤2：能耗评估指标特征向量的计算。本发明提出能耗状态的多维度评估方法，因此能耗评估指标特征向量的计算是评估方法中最为重要的一步。如图3所示，计算主要需要经过①输入参数采集②数据滤波及合理性检查③能耗指标计算④能耗指标应达值和阈值计算⑤能耗评估指标计算⑥能耗评估指标特征向量计算。其中①②③在步骤1中已经完成，在本步骤中主要阐述④⑤⑥。

对于单位送风消耗煤气量、单位吨铁耗煤气量，单耗越低能耗状态越好。因此，θ₀＜θ_max，能耗评估指标公式如下：

对于送风温度，因为送风温度高能耗状况好。因此θ₀＞θ_max，能耗评估指标计算公式如下：

式中：θ₀为能耗指标应达值；

θ_max为能耗指标阈值；

θ为能耗指标实际值；

β在[0,1]之间，便于采用模糊理论对其进行处理和识别。有了良好度的概念，便完成了归一化处理的多维度能耗评估指标体系，为模糊评估提供了保证。

θ₀、θ_max可以通过理论计算、运行人员经验、数据统计等方式得到。本发明采用数据统计方法取近一年热风炉运行数据历史数据进行计算，得到各项能耗指标的平均值作为能耗指标应达值，得到各项能耗指标的最差值作为能耗指标阈值。

最后，将各能耗评估指标整合为向量，得到高炉热风炉能耗评估特征向量：

U＝[β_x β_y β_z]

式中：β_x为单位送风耗煤气量评估指标；

β_y为单位出铁耗煤气量评估指标；

β_z为送风温度评估指标；

步骤3：样本集及症状集的建立，如图4所示，①从能源管理系统中获取近一年的运行数据②按步骤2计算能耗评估特征向量③将特征向量与已有的样本集中的评估指标进行对比④如果样本集中已有该特征向量，则丢弃，继续循环计算⑤若样本集中没有该向量则加入样本集⑥对样本进行聚类和分析，得到症状集⑦循环计算，不断完善更新样本集

在⑥中对样本集采用FCM算法模糊聚类，以聚类类心来确定优、良、中和差分类准则。结合三个维度的评估指标，获得三个维度表征热风炉能耗状态的优、良、中和差分类的4行3列的症状集矩阵。

针对某企业1080立方米高炉，通过近一年365个样本集聚类，将高炉热风炉系统的能耗状态，聚为四类S＝{s₁、s₂、s₃、s₄}典型状态。以类心来表征这四类的特点，四个类分别为s₁＝(0.88，0.92，0.94)、s₂＝(0.78，0.78，0.81)、s₃＝(0.59，0.68，0.62)、s₄＝(0.46，0.44，0.35)。

从而得到优、良、中、差症状集

步骤4：热风炉能耗状态的实时评估，如图5所示：①对高炉的实时运行数据进行采集②计算实时的能耗评估指标特征向量③根据特征向量与症状集的模糊模式匹配，得到隶属度矩阵④根据权重值，得到最终的综合评估结果⑤评估结果指导生产。

③中基于Dempster证据融合规则的模糊模式识别方法，计算出状态U各评估指标与症状集S的隶属度矩阵。

矩阵R中第i行R_i＝[r_si1 r_si2 r_si3 r_si4]是第i个指标u_i的单指标诊断，r_si1、r_si2、r_si3、r_si4就表示u_i属于优、良、中、差四类的隶属度，进一步得出综合的评估结果：

R_s＝[r_s1 r_s2 r_s3 r_s4]

式中r_si＝a*r_s1i+b*r_s2i+c*r_s3i，0≤r_si≤1，a，b，c为各维度指标在最终评估中所占的权重值。根据r_si的大小最终判断出状态所属类别。

④中权重大小的确定，考虑高炉热风炉系统几个评估指标的重要性没有明显区分，但热风温度跟运行的相关性较大，因此各指标的权重分配如下：单位送风耗煤气量评估指标权重为0.33，单位吨铁产煤气量评估指标权重为0.33，热风温度评估指标权重为0.34，综合隶属度r_si＝0.33*r_s1i+0.33*r_s2i+0.34*r_s3i。最后由综合隶属度，根据最大隶属度原则，可得到综合评估结果。

针对某企业1080立方米高炉，根据实时运行值得到特征向量U₀＝[0.995 0.6370.990]，通过与症状集进行模糊模式匹配，得到综合评估集R＝[0.205 0.794 0.0010.000],根据评估值得到最终评估结果为“良”。

运行人员根据实时显示的优、良、中、差得状态，得到比较明显的提醒，再根据指标隶属度分析，得到出热风炉可能存在的能耗问题，及时关注和改进。管理人员根据评估的结论对热风炉系统进行评估和考核，从而指导生产和管理。

以上实施例仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明保护范围之内。

Claims (4)

1.基于模糊模式识别的高炉热风炉能耗状态多维度评估方法，其特征在于包含如下步骤：

步骤1：选取反映热风炉能源消耗状态的指标，结合热风炉运行数据进行多维度能耗指标计算；所述能耗指标是指能够直接或间能够反映热风炉能源消耗和产品产出的指标,采用的三个维度能耗指标分别为：单位吨铁耗煤气量、单位送风耗煤气量、热风温度；

步骤2：根据理论计算以及历史数据统计分析，计算能耗指标应达值、能耗指标阈值；

步骤3：根据能耗指标实时值、能耗指标应达值、能耗指标阈值以及设定的良好度程度，计算能耗评估指标；

步骤4：选取历史运行数据为典型状态参量，循环执行步骤1、2、3，得到典型的能耗评估特征向量，并形成完整的状态样本集；

步骤5：通过模糊聚类和分类算法，对步骤4中的样本集进行聚类和分类，得到能耗评估症状集包括优、良、中、差症状集；结合三个维度的能耗评估指标，以聚类类心来确定优、良、中和差分类准则，得到三个维度表征热风炉能耗状态的优、良、中和差分类的4行3列的症状集矩阵；

步骤6：采用基于Dempster证据融合规则的模糊模式识别方法，对待评估的能耗评估特征向量与步骤5中的能耗评估症状集进行匹配，得到热风炉运能耗状态的综合评估结果；

具体包括：通过证据理论模式识别方方法，计算出状态U各评估指标与症状集S的隶属度矩阵：

矩阵R中第i行R_i＝[r_si1 r_si2 r_si3 r_si4]是第i个指标u_i的单指标诊断，r_si1、r_si2、r_si3、r_si4就表示u_i属于优、良、中、差四类的隶属度；进一步得出综合的评估结果：

R_s＝[r_s1 r_s2 r_s3 r_s4]

式中r_si＝a*r_s1i+b*r_s2i+c*r_s3i，0≤r_si≤1，a，b，c为各维度指标在最终评估中所占的权重值，根据r_si的大小最终判断出状态所属类别。

2.如权利要求1所述的基于模糊模式识别的高炉热风炉能耗状态多维度评估方法，其特征是:步骤2中，所述的能耗指标应达值为能耗指标在理想状况下能够达到的最佳值；所述的能耗指标阈值为排除特殊工况后，能耗指标最差值；能耗指标应达值和能耗指标阈值可以通过理论计算、数据统计、运行经验等方式确定。

3.如权利要求1所述的基于模糊模式识别的高炉热风炉能耗状态多维度评估方法，其特征是:步骤3中，所述设定的良好度程度在[0,1]区间，其计算方法为：

对于单位送风消耗煤气量、单位吨铁耗煤气量类型的能耗指标，指标β越小能耗状态越好，计算公式如下：

对于送风温度类型的能耗指标，指标β越大能耗状况越好，计算公式如下：

式中：θ₀为能耗指标的应达值；

θ_max为能耗指标的阈值；

θ为能耗指标的实际值。

4.如权利要求1所述的基于模糊模式识别的高炉热风炉能耗状态多维度评估方法，其特征是:步骤4中，所述的能耗评估特征向量U的计算模型为：

U＝[β_x β_y β_z]，

式中：β_x为单位送风耗煤气量评估指标0≤β_x≤1；

β_y为单位吨铁煤气量评估指标0≤β_y≤1；

β_z为送风温度评估指标0≤β_z≤1。

Images