CN114418464B - 一种基于案例推理的二步法冶金流程能源评价方法及系统 - Google Patents

一种基于案例推理的二步法冶金流程能源评价方法及系统 Download PDF

Info

Publication number
CN114418464B
CN114418464B CN202210315396.3A CN202210315396A CN114418464B CN 114418464 B CN114418464 B CN 114418464B CN 202210315396 A CN202210315396 A CN 202210315396A CN 114418464 B CN114418464 B CN 114418464B
Authority
CN
China
Prior art keywords
energy consumption
case
heat
reasoning
information
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202210315396.3A
Other languages
English (en)
Other versions
CN114418464A (zh
Inventor
冯凯
贺东风
徐安军
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
University of Science and Technology Beijing USTB
Original Assignee
University of Science and Technology Beijing USTB
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by University of Science and Technology Beijing USTB filed Critical University of Science and Technology Beijing USTB
Priority to CN202210315396.3A priority Critical patent/CN114418464B/zh
Publication of CN114418464A publication Critical patent/CN114418464A/zh
Application granted granted Critical
Publication of CN114418464B publication Critical patent/CN114418464B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/04—Manufacturing
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/80—Management or planning
    • Y02P90/82—Energy audits or management systems therefor

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Theoretical Computer Science (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Manufacturing & Machinery (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Primary Health Care (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • General Factory Administration (AREA)
  • Waste-Gas Treatment And Other Accessory Devices For Furnaces (AREA)

Abstract

本发明提供了一种基于案例推理的二步法冶金流程能源评价方法及系统，涉及自动控制技术领域。包括：运用最小流程单元能耗情况解析的方法，对二步法冶炼不锈钢流程能耗进行解析，提出流程能源优化由工序能耗、传搁能耗和差异能耗三部分组成，其中差异能耗是流程能源优化的关键。通过对差异能耗影响因素的分析，提出了基于案例推理的冶金流程能源诊断系统的设计方法，采用灰色关联度的方法进行相似度计算，经过选择得到诊断结果。对不同操作条件和操作制度下炉次信息进行案例诊断，案例推理结果对比分析表明，案例推理的方法可以得到与待诊断炉次工艺操作水平相同、原料配置相近、能耗情况相似的案例推理炉次，适用于复杂的冶金流程能源的诊断。

Description

一种基于案例推理的二步法冶金流程能源评价方法及系统
技术领域
本发明涉及自动控制技术领域，特别是指一种基于案例推理的二步法冶金流程能源评价方法及系统。
背景技术
钢铁企业是高耗能行业，必须提高能源利用效率、节约资源、加强能源平衡与优化调度、充分利用二次能源，才能保持可持续发展。钢铁生产过程涉及的能源介质众多，各种介质之间存在转化和制约关系，能源消耗与生产过程密切相关，随着能源管理工作的深入和计算机的发展，需要不断的提高管理水平和管理效率。 目前钢铁制造流程中能源管理评价基本停留在工序内部能源的分析和计算，以某钢厂二步法冶炼不锈钢流程为例，即：脱磷铁水→电炉→AOD(argon oxygen decarburization furnace，氩氧精炼法的精炼设备)→LF（Ladle Furnace，钢包精炼炉）→连铸，各个工序内部的能源模型已经非常成熟，并且得到广泛应用。在电炉方面，王海兵[王海兵，苏雄杰． 70吨高阻抗超高功率电炉强化冶炼技术[J]．四川冶金，2010，32（5）:14-16]利用电炉能耗模型计算出70吨高阻抗超高功率电炉通过采用热兑铁水工艺、RCB喷枪喷吹氧技术及喷碳粉技术实现强化冶炼后，电炉的冶炼电耗为310.86 kWh/t；李士琦等[李士琦，孙开明，郁健等．150t交流电弧炉炼钢高效化节电[J]．过程工程学报，2008，8（增刊1）：166－170．]对天津钢管公司150t交流电弧炉炼钢高效节电技术进行研究，计算节能效果；刘润藻[刘润藻．大型超高功率电弧炉炼钢综合节能技术研究[D]．沈阳：东北大学，2006．]对优化供电制度、电炉炉料结构优化技术和强化用氧技术进行了研究，研究了电弧炉炼钢过程中的能量匹配；傅杰[傅杰．现代电弧炉冶炼周期综合控制理论及应用[J]．北京科技大学学报，2004，26(6)：589-594．]提出了现代电弧炉冶炼周期的综合控制理论，介绍了在这一理论指导下开发的包括电炉加铁水冶炼等一系列高效化电弧炉炼钢技术的节能效果。在AOD方面，李士琦等[李士琦，汪国利，路俊萍，林纲．AOD冶炼不锈钢工艺模型的研究[J]．特殊钢，2009，30(1)：29-31．]以45tAOD-L冶炼304不锈钢的实际生产数据为依据，建立了AOD奥氏体不锈钢的工艺模型。 但对于整个冶炼不锈钢流程，虽然做了很多相关的研究，却缺少成熟的能源管理模型。李文兵等开发了一种基于计算机的钢铁企业能源仿真平台[中国专利．201010514691.9]，模拟生产过程中对各种能源的需求以及副产能的生产，通过对多种能源介质介质进行调配，进一步评估各环节的效率和流程综合效率，这种通过能源使用情况对流程能源管理的方法不能直接反应流程能耗与工艺条件和操作水平的关系，难以对生产过程产生指导作用。戴坚等[宝钢能源分析评价与预测系统的设想及实现[J]．宝钢技术，2001，2：14-19．]开发了能源分析评价预测系统EAEAS，提高了能源管理效率并引入成本管理的概念，但其是钢铁企业总体能耗分析的结果，通过简单的对比进行评价。张欣欣等[铝生产能源结构及流程优化分析[J]．北京科技大学学报，2011，33(1)：116-122． ]通过对比分析铝、钢铁生产流程的冶金本质，提出铝生产高效、有序运行的生产流程结构模式，但其缺乏系统的能源评价手段和标准。另外，周庆安等提出产品能耗的概念，弥补和完善了以吨钢综合能耗为核心的能源管理体系，实现了对含铁物流的管理。邹安全[钢铁企业物流流程再造模式设计及评价[J]．物流技术，2006，9：74-78．]等运用层次分析法对企业物流流程进行综合评价，提供一种新的评价角度。 由此看出，现有技术存在的问题在于，工序内部能源评价模型已经相对成熟的前提下，对于整个流程能源模型的建立和评价困难的问题。
发明内容
针对现有技术中对于整个流程能源模型的建立和评价困难的问题的问题，本发明提出了一种基于案例推理的二步法冶金流程能源评价方法及系统。
为解决上述技术问题，本发明提供如下技术方案：
一方面，提供了一种基于案例推理的二步法冶金流程能源评价方法，该方法应用于电子设备，该方法包括：
S1：通过最小流程单元能耗情况解析法，对二步法冶炼不锈钢流程能耗进行解析，获得流程能耗的优化目标中的关键点；
S2：针对流程能耗的关键优化目标中的关键点，通过案例推理法对当前炉次信息进行诊断，得到诊断结果；
S3：针对不同操作条件和操作工艺的炉次，通过案例推理法进行诊断，将诊断结果进行对比分析，完成冶金流程能源评价。
可选地，步骤S1中，对二步法冶炼不锈钢流程能耗进行解析，获得流程能耗的优化目标中的关键点，包括：
将二步法冶炼不锈钢流程能耗解析为由两个工序组成的最小流程单元；所述二步法冶炼不锈钢流程能耗解析为：工序能耗优化、传搁能耗优化和差异能耗优化三部分；其中所述差异能耗优化目标为差异能耗最小，所述差异能耗优化为流程能耗的优化目标中的关键点。
可选地，步骤S2中，针对流程能耗的关键优化目标中的关键点，通过案例推理法对当前炉次信息进行诊断，得到诊断结果，包括：
S21：对当前炉次的基本信息进行诊断；
S22：对过往炉次信息进行案例检索；
S23：采用改善的灰色关联分析算法，对检索到的过往炉次信息进行相似度计算；
S24：提取建议参考炉次，获取当前炉次的诊断信息。
可选地，步骤S22中，对过往炉次信息进行案例检索，包括：
选择精确的检索算法对过往炉次信息进行案例检索；通过案例检索判断生产数据的完整性。
可选地，改善的灰色关联分析算法，包括：
在计算局部相似度时将权重纳入到比较环境的计算中，得到改进的灰色关联分析算法。
可选地，步骤S23中，采用改善的灰色关联分析算法，对检索到的过往炉次信息进行相似度计算，包括：
设待分析案例为
Figure 564670DEST_PATH_IMAGE001
，候选案例为s i ，案例的特征向量维数为
Figure 678119DEST_PATH_IMAGE002
，则案例
Figure 868929DEST_PATH_IMAGE001
和s i 在
Figure 358816DEST_PATH_IMAGE002
维空间上的灰色相似度
Figure 951472DEST_PATH_IMAGE003
为下述公式（1）：
Figure 501402DEST_PATH_IMAGE004
（1）
其中，
Figure 195819DEST_PATH_IMAGE005
为案例
Figure 223818DEST_PATH_IMAGE001
和s i 在特征向量的第
Figure 670980DEST_PATH_IMAGE006
个属性上的灰色距离；
将权重比纳入到比较环境的计算中，则可得到下述公式（2）：
Figure 391811DEST_PATH_IMAGE007
其中，公式（2）为案例
Figure 557213DEST_PATH_IMAGE001
和
Figure 388903DEST_PATH_IMAGE008
在特征向量的第
Figure 690571DEST_PATH_IMAGE006
个属性上的关联系数，则
Figure 333037DEST_PATH_IMAGE009
表示案例
Figure 985735DEST_PATH_IMAGE001
在特征向量的第
Figure 355536DEST_PATH_IMAGE006
个属性，
Figure 777290DEST_PATH_IMAGE010
表示案例
Figure 839924DEST_PATH_IMAGE011
在特征向量的第
Figure 714339DEST_PATH_IMAGE006
个属性；
Figure 153411DEST_PATH_IMAGE012
为分辨系数，一般取
Figure 429671DEST_PATH_IMAGE013
，
Figure 413939DEST_PATH_IMAGE014
为特征向量的第
Figure 775650DEST_PATH_IMAGE006
个属性的权值，考虑到差异能 耗影响因素的相互耦合性，该权重值暂取平均权重。
一方面，提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令，所述至少一条指令由处理器加载并执行以实现上述基于案例推理的二步法可选地，步骤S24中，提取建议参考炉次，包括： S241：通过对检索到的过往炉次信息进行相似度计算，得到一系列的相似能耗情况炉次的诊断信息； S242：采用阈值策略筛选相似能耗情况炉次，即小于预设相似度的炉次不予考虑；得到处于同一能耗层次和具有相似工艺条件的相似炉次； S243：对筛选后的炉次的诊断信息进行归纳和甄别，获得建议参考炉次。 可选地，步骤S24之后，还包括： S25：判断当前炉次能否作为典型案例进行储存；若是，则对当前炉次进行修正问题解向量，转存至案例库；若否，则放弃此案例。 一方面，提供了一种基于案例推理的二步法冶金流程能源评价系统，该系统应用于电子设备，该系统包括： 能耗解析模块，用于通过最小流程单元能耗情况解析法，对二步法冶炼不锈钢流程能耗进行解析，获得流程能耗的优化目标中的关键点； 案例推理模块，用于针对流程能耗的关键优化目标中的关键点，通过案例推理法对当前炉次信息进行诊断，得到诊断结果； 流程能源评价模块，用于针对不同操作条件和操作工艺的炉次，通过案例推理法进行诊断，将诊断结果进行对比分析，完成冶金流程能源评价。 可选地，能耗解析模块，还用于： 将二步法冶炼不锈钢流程能耗解析为由两个工序组成的最小流程单元；所述二步法冶炼不锈钢流程能耗解析为：工序能耗优化、传搁能耗优化和差异能耗优化三部分；其中所述差异能耗优化目标为差异能耗最小，所述差异能耗优化为流程能耗的优化目标中的关键点。 一方面，提供了一种电子设备，所述电子设备包括处理器和存储器，所述存储器中存储有至少一条指令，所述至少一条指令由所述处理器加载并执行以实现上述基于案例推理的二步法冶金流程能源评价方法。冶金流程能源评价方法。 本发明实施例的上述技术方案至少具有如下有益效果： 上述方案中，本发明针对冶金流程能耗分析模型中差异能耗的影响因素多、变异性大、计算模型复杂及操作条件等不确定性对其的干扰，提出了基于CBR（Case-Based Reasoning，案例推理）的冶金流程能源诊断系统的设计方法，并就不同情况下的冶炼条件下的能耗情况进行诊断和分析。针对在流程能源诊断过程中差异能耗影响因素的信息不完整的现象，引入改进的灰色关联度对流程能耗案例的相似度进行计算，提高了诊断精度。通过对不同操作条件和操作工艺的炉次进行案例推理，都得出与待诊断炉次工艺操作水平相同、原料配置相近、能耗情况相似的案例推理炉次，体现案例推理方法对复杂钢铁流程的适用性。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种基于案例推理的二步法冶金流程能源评价方法流程图；
图2是本发明实施例提供的一种基于案例推理的二步法冶金流程能源评价方法流程图；
图3是本发明实施例提供的一种基于案例推理的二步法冶金流程能源评价方法的最小流程单元能耗情况解析图；
图4是本发明实施例提供的一种初基于案例推理的二步法冶金流程能源评价方法的流程能耗优化分析图；
图5是本发明实施例提供的一种基于案例推理的二步法冶金流程能源评价方法的二步法冶炼不锈钢流程能耗情况解析图；
图6是本发明实施例提供的一种基于案例推理的二步法冶金流程能源评价方法的基于CBR的流程能耗诊断过程图；
图7是本发明实施例提供的一种基于案例推理的二步法冶金流程能源评价系统的系统框图；
图8是本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。
本发明实施例提供了一种基于案例推理的二步法冶金流程能源评价的方法，该方法可以由电子设备实现，该电子设备可以是终端或服务器。如图1所示的基于案例推理的二步法冶金流程能源评价方法流程图，该方法的处理流程可以包括如下的步骤：
S101：通过最小流程单元能耗情况解析法，对二步法冶炼不锈钢流程能耗进行解析，获得流程能耗的优化目标中的关键点；
S102：针对流程能耗的关键优化目标中的关键点，通过案例推理法对当前炉次信息进行诊断，得到诊断结果；
S103：针对不同操作条件和操作工艺的炉次，通过案例推理法进行诊断，将诊断结果进行对比分析，完成冶金流程能源评价。
可选地，步骤S101中，对二步法冶炼不锈钢流程能耗进行解析，获得流程能耗的优化目标中的关键点，包括：
将二步法冶炼不锈钢流程能耗解析为由两个工序组成的最小流程单元；所述二步法冶炼不锈钢流程能耗解析为：工序能耗优化、传搁能耗优化和差异能耗优化三部分；其中所述差异能耗优化目标为差异能耗最小，所述差异能耗优化为流程能耗的优化目标中的关键点。
可选地，步骤S102中，针对流程能耗的关键优化目标中的关键点，通过案例推理法对当前炉次信息进行诊断，得到诊断结果，包括：
S121：对当前炉次的基本信息进行诊断；
S122：对过往炉次信息进行案例检索；
S123：采用改善的灰色关联分析算法，对检索到的过往炉次信息进行相似度计算；
S124：提取建议参考炉次，获取当前炉次的诊断信息。
可选地，步骤S122中，对过往炉次信息进行案例检索，包括：
选择精确的检索算法对过往炉次信息进行案例检索；通过案例检索判断生产数据的完整性。
可选地，改善的灰色关联分析算法，包括：
在计算局部相似度时将权重纳入到比较环境的计算中，得到改进的灰色关联分析算法。
可选地，步骤S123中，采用改善的灰色关联分析算法，对检索到的过往炉次信息进行相似度计算，包括：
设待分析案例为
Figure 487254DEST_PATH_IMAGE001
，候选案例为s i ，案例的特征向量维数为
Figure 883601DEST_PATH_IMAGE002
，则案例
Figure 288037DEST_PATH_IMAGE001
和s i 在
Figure 137044DEST_PATH_IMAGE002
维空间上的灰色相似度
Figure 652339DEST_PATH_IMAGE003
为下述公式（1）：
Figure 903192DEST_PATH_IMAGE004
（1）
其中，
Figure 229262DEST_PATH_IMAGE005
为案例
Figure 565566DEST_PATH_IMAGE001
和s i 在特征向量的第
Figure 884552DEST_PATH_IMAGE006
个属性上的灰色距离；
将权重比纳入到比较环境的计算中，则可得到下述公式（2）：
Figure 989911DEST_PATH_IMAGE015
其中，公式（2）为案例
Figure 736150DEST_PATH_IMAGE001
和
Figure 559750DEST_PATH_IMAGE008
在特征向量的第
Figure 682426DEST_PATH_IMAGE006
个属性上的关联系数，则
Figure 393025DEST_PATH_IMAGE009
表示案例
Figure 310165DEST_PATH_IMAGE001
在特征向量的第
Figure 621061DEST_PATH_IMAGE006
个属性，
Figure 281849DEST_PATH_IMAGE010
表示案例
Figure 96221DEST_PATH_IMAGE011
在特征向量的第
Figure 449842DEST_PATH_IMAGE006
个属性；
Figure 982455DEST_PATH_IMAGE012
为分辨系数，一般取
Figure 181355DEST_PATH_IMAGE013
，
Figure 860686DEST_PATH_IMAGE014
为特征向量的第
Figure 385208DEST_PATH_IMAGE006
个属性的权值，考虑到差异能 耗影响因素的相互耦合性，该权重值暂取平均权重。
可选地，步骤S124中，提取建议参考炉次，包括：
S1241：通过对检索到的过往炉次信息进行相似度计算，得到一系列的相似能耗情况炉次的诊断信息；
S1242：采用阈值策略筛选相似能耗情况炉次，即小于预设相似度的炉次不予考虑；得到处于同一能耗层次和具有相似工艺条件的相似炉次；
S1243：对筛选后的炉次的诊断信息进行归纳和甄别，获得建议参考炉次。
可选地，步骤S124之后，还包括：
S125：判断当前炉次能否作为典型案例进行储存；若是，则对当前炉次进行修正问题解向量，转存至案例库；若否，则放弃此案例。
本发明实施例提供了一种基于案例推理的二步法冶金流程能源评价方法，该方法可以由电子设备实现，该电子设备可以是终端或服务器。如图2所示的基于案例推理的二步法冶金流程能源评价方法流程图，该方法的处理流程可以包括如下的步骤：
S201：通过最小流程单元能耗情况解析法，对二步法冶炼不锈钢流程能耗进行解析，获得流程能耗的优化目标中的关键点。
一种可行的实施方式中，将二步法冶炼不锈钢流程能耗解析为由两个工序组成的最小流程单元；所述二步法冶炼不锈钢流程能耗解析为：工序能耗优化、传搁能耗优化和差异能耗优化三部分；其中所述差异能耗优化目标为差异能耗最小，所述差异能耗优化为流程能耗的优化目标中的关键点。
一种可行的实施方式中，对于任何的复杂流程，都可以解析为由两个工序组成的最小流程单元，复杂流程是由最小流程单元（或简化形式）通过串联和并联的方式组成的。
通过对最小流程单元能耗情况的解析，如图3，可以找出复杂流程能耗情况的一般规律。起始限制因素为最小流程单元的起始条件，即工序A的输入条件；终点控制因素为最小流程单元的目标值，即工序B的输出限制条件；EA和EB分别是工序A和工序B的内部能耗，EA-B是工序A到工序B的传搁能耗；差异能耗EiaA-B定义为：当工序A降低一个单位的能耗时，工序B需要增加x个单位的能耗来达到终点控制条件，则EiaA-B为（x-1）个单位能耗。差异能耗EiaA-B受前后工序物料情况、操作水平、设备条件等多种因素的影响，可以把这些因素分为直接影响因素i和间接影响因素j，对于钢铁制造流程而言，直接因素包括钢水成分、温度等，其参数变化贯穿流程始终，间接影响因素包括渣量、合金量、吹氧量等，为某一工序内部的操作参数。
通过对最小流程单元能耗情况的解析可以看出，流程能耗的优化主要包括三个方面：工序内部的能耗优化、传搁能耗优化和差异能耗最小，如图4，其中差异能耗是流程能耗关键性约束条件。工序能耗优化是在工序功能实现的前提下，通过调节物料和工艺操作使其内部能耗情况得到优化；传搁能耗优化通过合理的生产调度来实现；差异能耗最小体现流程优化和工序优化的本质差别，即工序功能的匹配，在不同工序实现各自优势功能来实现流程整体能耗最小，当差异能耗为0时，流程能耗情况达到最优。
一种可行的实施方式中，依照最小流程单元的能耗解析，对二步法冶炼不锈钢流程进行能耗情况分析，如图5所示。从图5中可以看出，对于复杂的冶金流程，虽然各个工序的能耗可以通过较为完善的模型计算，但对于流程能耗中的差异能耗影响因素众多，难以通过简单的数学模型或者理论计算得出准确结果。
针对冶金流程能耗分析模型中差异能耗的影响因素多、变异性大、计算模型复杂及操作条件等不确定性对其的干扰，提出了基于案例推理的冶金流程能源诊断系统的设计方法，并就不同情况下的冶炼条件下的能耗情况进行诊断和分析。
本发明实施例中，由于冶金流程能耗分析存在差异能耗的影响因素多、变异性大、计算模型复杂及操作条件等不确定性，则本发明将案件推理法引入冶金流程能耗分析模型，具体流程如图6所示，下面将对此进行详细说明。
S202：对当前炉次的基本信息进行诊断；
S203：对过往炉次信息进行案例检索。
一种可行的实施方式中，在案例推理系统中，基本案例是由问题的一系列特征属性的特征向量和问题解向量组成。特征向量是由生产数据所有实测值经过参数化处理后，按照一定顺序组成的向量，可以表示为xi={案例编号，炉次信息，生产数据参数，工序能耗信息}，i∈[1,n]，xi表示第i个案例的特征向量。
一种可行的实施方式中，选择精确的检索算法对过往炉次信息进行案例检索；通过案例检索判断生产数据的完整性。基于案例推理的能源诊断系统中，案例检索是其核心步骤，检索算法的优劣会直接影响能源诊断的准确性。
S204：采用改善的灰色关联分析算法，对检索到的过往炉次信息进行相似度计算；
一种可行的实施方式中，灰色关联分析作为一种系统分析技术，是分析系统中各个因素关联程度的方法，或对系统动态发展趋势的量化分析方法。传统的灰色关联度算法用各特征指标的灰色关联来表示指标的局部相似度，再将各局部相似度加权平均得到总体相似度。考虑到各个指标重要程度不一样，在计算局部相似度时将权重纳入到比较环境的计算中，得到改进的灰色关联分析算法。
一种可行的实施方式中，设待分析案例为
Figure 139538DEST_PATH_IMAGE001
，候选案例为s i ，案例的特征向量维数 为
Figure 407708DEST_PATH_IMAGE002
，则案例
Figure 196672DEST_PATH_IMAGE001
和s i 在
Figure 626517DEST_PATH_IMAGE002
维空间上的灰色相似度
Figure 133721DEST_PATH_IMAGE003
为下述公式（1）：
Figure 940003DEST_PATH_IMAGE004
（1）
其中，
Figure 334207DEST_PATH_IMAGE005
为案例
Figure 200532DEST_PATH_IMAGE001
和s i 在特征向量的第
Figure 929453DEST_PATH_IMAGE006
个属性上的灰色距离；
将权重比纳入到比较环境的计算中，则可得到下述公式（2）：
Figure 539426DEST_PATH_IMAGE007
其中，公式（2）为案例
Figure 302983DEST_PATH_IMAGE001
和
Figure 74630DEST_PATH_IMAGE008
在特征向量的第
Figure 556427DEST_PATH_IMAGE006
个属性上的关联系数，则
Figure 704511DEST_PATH_IMAGE009
表示案例
Figure 73307DEST_PATH_IMAGE001
在特征向量的第
Figure 15855DEST_PATH_IMAGE006
个属性，
Figure 719369DEST_PATH_IMAGE010
表示案例
Figure 671144DEST_PATH_IMAGE011
在特征向量的第
Figure 143714DEST_PATH_IMAGE006
个属性；
Figure 788322DEST_PATH_IMAGE012
为分辨系数，一般取
Figure 979132DEST_PATH_IMAGE013
，
Figure 219751DEST_PATH_IMAGE014
为特征向量的第
Figure 812407DEST_PATH_IMAGE006
个属性的权值，考虑到差异能 耗影响因素的相互耦合性，该权重值暂取平均权重。
S205：通过对检索到的过往炉次信息进行相似度计算，得到一系列的相似能耗情况炉次的诊断信息。
一种可行的实施方式中，推过案例推理的分析策略得出一系列的相似能耗情况炉次的诊断信息，一般来说，所有相似炉次总是与当前诊断待诊断炉次不完全一致，此时需要对一系列的相似炉次进行筛选和综合分析。
S206：采用阈值策略筛选相似能耗情况炉次，即小于预设相似度的炉次不予考虑；得到处于同一能耗层次和具有相似工艺条件的相似炉次；
S207：对筛选后的炉次的诊断信息进行归纳和甄别，获得建议参考炉次。
一种可行的实施方式中，筛选相似炉次采用阈值策略，即小于某一相似度的炉次不予考虑，这样得出的相似炉次都处于同一能耗层次和具有相似工艺条件。综合分析是针对筛选后的炉次的诊断信息进行归纳和甄别，凭借经验进行分析。
S208：判断当前炉次能否作为典型案例进行储存；若是，则对当前炉次进行修正问题解向量，转存至案例库；若否，则放弃此案例。
一种可行的实施方式中，问题解向量是针对案例i的参数情况给出专家经验性的诊断，包括该炉次流程能耗的高低、节能潜力、各个工序操作问题说明以及结论意见。
本发明实施例中，应用对最小流程单元能耗解析的方法，对二步法冶炼不锈钢流程进行能耗解析，提出差异能耗是流程能源优化的关键，并分析了差异能耗的影响因素。将案例推理的方法引入钢铁制造流程能源评价中，运用灰色关联分析对不同炉次的流程信息相似度进行计算，通过筛选可以得到案例推理炉次，其流程能耗诊断信息可以作为待诊断炉次流程能耗的诊断结论。
S209：针对不同操作条件和操作工艺的炉次，通过案例推理法进行诊断，将诊断结果进行对比分析，完成冶金流程能源评价。
本发明实施例中，通过对不同操作条件和操作工艺的炉次进行案例推理，都得出与待诊断炉次工艺操作水平相同、原料配置相近、能耗情况相似的案例推理炉次，体现案例推理方法对复杂钢铁流程的适用性。
下面将结合具体实例操作，对本发明的方案进行详细说明：
一种可行的实施方式中，以某钢厂二步法冶炼不锈钢为例，根据现场实测数据建立案例库。其中，工序内部内部能耗是基于载能体的综合计算方法，统筹炉料结构、配碳量、供氧量、合金加入量、加入母液量等多种因素，更能全面的反应出工序内部的能耗情况；传搁能耗的计算基于钢包周转时间和传搁过程的温降情况进行的计算，通过温度损失得到传搁能耗。选择典型炉次的生产数据，工序内部能耗、传搁能耗和影响差异能耗的因素作为特征向量，针对该炉次能耗的评价和诊断作为问题解向量，将特征向量和问题解向量输入案例库。通过案例推理的方法对不同生产条件下的炉次进行流程的能源诊断和评价。
选取两组冶炼不锈钢的生产数据进行案例推理，一组是对全废钢冶炼和加铁水冶炼两种操作条件的炉次案例诊断对比；一组是对电炉是否喷碳两种操作制度的炉次案例诊断对比。
对于四种不同操作工艺和操作条件下的炉次案例推理的结果，取相似度最大的炉次为案例推理炉次，将其信息与相应的待诊断炉次的信息仅进行对比，如表1、表2。
表1.是否加铁水冶炼待诊断炉次与案例推理炉次信息对比
Figure 362337DEST_PATH_IMAGE016
Figure 774864DEST_PATH_IMAGE017
Figure 68442DEST_PATH_IMAGE018
Figure 515603DEST_PATH_IMAGE019
表2. 是否喷碳冶炼待诊断炉次与案例推理炉次信息对比
Figure 236435DEST_PATH_IMAGE020
Figure 401837DEST_PATH_IMAGE021
Figure 984259DEST_PATH_IMAGE022
Figure 285927DEST_PATH_IMAGE023
通过四个炉次的案例诊断对比可以看出，对于不同的操作条件和操作制度，都可以通过案例推理的方法得出与待诊断炉次工艺操作水平相同、原料配置相近、能耗情况相似的案例推理炉次，完全可以用案例推理炉次的流程能耗诊断信息作为待诊断炉次的能耗诊断结论。
本发明实施例中，案例推理是人工智能领域新兴的一种问题处理方法，它通过目标案例的提示得到历史记忆中结构化储存的源案例，并有源案例进行相应的判断和推理指导目标案例求解。基于案例推理的流程能耗诊断方法，其实质是根据某一炉次的生产数据对流程能耗案例库进行检索，获得与该炉次的流程能耗情况最为接近的案例作为目标案例，用于诊断该炉次的流程能耗情况。针对在流程能源诊断过程中差异能耗影响因素的信息不完整的现象，引入改进的灰色关联度对流程能耗案例的相似度进行计算，提高诊断精度。
本发明实施例中，应用对最小流程单元能耗解析的方法，对二步法冶炼不锈钢流程进行能耗解析，提出差异能耗是流程能源优化的关键，并分析了差异能耗的影响因素。将案例推理的方法引入钢铁制造流程能源评价中，运用灰色关联分析对不同炉次的流程信息相似度进行计算，通过筛选可以得到案例推理炉次，其流程能耗诊断信息可以作为待诊断炉次流程能耗的诊断结论。
本发明实施例中，本发明针对冶金流程能耗分析模型中差异能耗的影响因素多、变异性大、计算模型复杂及操作条件等不确定性对其的干扰，提出了基于案例推理的冶金流程能源诊断系统的设计方法，并就不同情况下的冶炼条件下的能耗情况进行诊断和分析。针对在流程能源诊断过程中差异能耗影响因素的信息不完整的现象，引入改进的灰色关联度对流程能耗案例的相似度进行计算，提高了诊断精度。通过对不同操作条件和操作工艺的炉次进行案例推理，都得出与待诊断炉次工艺操作水平相同、原料配置相近、能耗情况相似的案例推理炉次，体现案例推理方法对复杂钢铁流程的适用性。
图7是根据一示例性实施例示出的一种基于案例推理的二步法冶金流程能源评价系统的系统框图。参照图7，该系统300包括
能耗解析模块310，用于通过最小流程单元能耗情况解析法，对二步法冶炼不锈钢流程能耗进行解析，获得流程能耗的优化目标中的关键点；
案例推理模块320，用于针对流程能耗的关键优化目标中的关键点，通过案例推理法对当前炉次信息进行诊断，得到诊断结果；
流程能源评价模块330，用于针对不同操作条件和操作工艺的炉次，通过案例推理法进行诊断，将诊断结果进行对比分析，完成冶金流程能源评价。
可选地，能耗解析模块310，还用于：
将二步法冶炼不锈钢流程能耗解析为由两个工序组成的最小流程单元；所述二步法冶炼不锈钢流程能耗解析为：工序能耗优化、传搁能耗优化和差异能耗优化三部分；其中所述差异能耗优化目标为差异能耗最小，所述差异能耗优化为流程能耗的优化目标中的关键点。
可选地，案例推理模块320，还用于对当前炉次的基本信息进行诊断；
对过往炉次信息进行案例检索；
采用改善的灰色关联分析算法，对检索到的过往炉次信息进行相似度计算；
提取建议参考炉次，获取当前炉次的诊断信息。
可选地，案例推理模块320，还用于选择精确的检索算法对过往炉次信息进行案例检索；通过案例检索判断生产数据的完整性。
可选地，改善的灰色关联分析算法，包括：在计算局部相似度时将权重纳入到比较环境的计算中，得到改进的灰色关联分析算法。
可选地，案例推理模块320，还用于设待分析案例为
Figure 177660DEST_PATH_IMAGE001
，候选案例为s i ，案例的特征 向量维数为
Figure 564779DEST_PATH_IMAGE002
，则案例
Figure 200160DEST_PATH_IMAGE001
和s i 在
Figure 621914DEST_PATH_IMAGE002
维空间上的灰色相似度
Figure 684548DEST_PATH_IMAGE003
为下述公式（1）：
Figure 558963DEST_PATH_IMAGE004
（1）
其中，
Figure 483188DEST_PATH_IMAGE005
为案例
Figure 759448DEST_PATH_IMAGE001
和s i 在特征向量的第
Figure 992983DEST_PATH_IMAGE006
个属性上的灰色距离；
将权重比纳入到比较环境的计算中，则可得到下述公式（2）：
Figure 354695DEST_PATH_IMAGE007
其中，公式（2）为案例
Figure 331878DEST_PATH_IMAGE001
和
Figure 728224DEST_PATH_IMAGE008
在特征向量的第
Figure 132661DEST_PATH_IMAGE006
个属性上的关联系数，则
Figure 716089DEST_PATH_IMAGE009
表示案例
Figure 247695DEST_PATH_IMAGE001
在特征向量的第
Figure 498548DEST_PATH_IMAGE006
个属性，
Figure 73886DEST_PATH_IMAGE010
表示案例
Figure 144610DEST_PATH_IMAGE011
在特征向量的第
Figure 463596DEST_PATH_IMAGE006
个属性；
Figure 834535DEST_PATH_IMAGE012
为分辨系数，一般取
Figure 580774DEST_PATH_IMAGE013
，
Figure 155106DEST_PATH_IMAGE014
为特征向量的第
Figure 12203DEST_PATH_IMAGE006
个属性的权值，考虑到差异能 耗影响因素的相互耦合性，该权重值暂取平均权重。
可选地，案例推理模块320，还用于通过对检索到的过往炉次信息进行相似度计算，得到一系列的相似能耗情况炉次的诊断信息；
采用阈值策略筛选相似能耗情况炉次，即小于预设相似度的炉次不予考虑；得到处于同一能耗层次和具有相似工艺条件的相似炉次；
对筛选后的炉次的诊断信息进行归纳和甄别，获得建议参考炉次。
可选地，案例推理模块320，还用于判断当前炉次能否作为典型案例进行储存；若是，则对当前炉次进行修正问题解向量，转存至案例库；若否，则放弃此案例。
图8是本发明实施例提供的一种电子设备400的结构示意图，该电子设备400可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器（centralprocessing units，CPU）401和一个或一个以上的存储器402，其中，所述存储器402中存储有至少一条指令，所述至少一条指令由所述处理器401加载并执行以实现下述基于案例推理的二步法冶金流程能源评价方法的步骤：
S1：通过最小流程单元能耗情况解析法，对二步法冶炼不锈钢流程能耗进行解析，获得流程能耗的优化目标中的关键点；
S2：针对流程能耗的关键优化目标中的关键点，通过案例推理法对当前炉次信息进行诊断，得到诊断结果；
S3：针对不同操作条件和操作工艺的炉次，通过案例推理法进行诊断，将诊断结果进行对比分析，完成冶金流程能源评价。
在示例性实施例中，还提供了一种计算机可读存储介质，例如包括指令的存储器，上述指令可由终端中的处理器执行以完成上述基于案例推理的二步法冶金流程能源评价方法。例如，所述计算机可读存储介质可以是ROM、随机存取存储器（RAM）、CD-ROM、磁带、软盘和光数据存储设备等。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种基于案例推理的二步法冶金流程能源评价方法，其特征在于，包括如下步骤：
S1：通过最小流程单元能耗情况解析法，对二步法冶炼不锈钢流程能耗进行解析，获得流程能耗的优化目标中的关键点；
S2：针对流程能耗的关键优化目标中的关键点，通过案例推理法对当前炉次信息进行诊断，得到诊断结果；
所述步骤S2中，针对流程能耗的关键优化目标中的关键点，通过案例推理法对当前炉次信息进行诊断，得到诊断结果，包括：
S21：对当前炉次的基本信息进行诊断；
S22：对过往炉次信息进行案例检索；
S23：采用改善的灰色关联分析算法，对检索到的过往炉次信息进行相似度计算；
S24：提取建议参考炉次，获取当前炉次的诊断信息；
所述改善的灰色关联分析算法，包括：
在计算局部相似度时将权重纳入到比较环境的计算中，得到改进的灰色关联分析算法；
所述步骤S23中，采用改善的灰色关联分析算法，对检索到的过往炉次信息进行相似度计算，包括：
设待分析案例为
Figure DEST_PATH_IMAGE001
，候选案例为s i ，案例的特征向量维数为
Figure 221627DEST_PATH_IMAGE002
，则案例
Figure 130677DEST_PATH_IMAGE001
和s i 在
Figure 731423DEST_PATH_IMAGE002
维 空间上的灰色相似度
Figure DEST_PATH_IMAGE003
为下述公式（1）：
Figure 991503DEST_PATH_IMAGE004
（1）
其中，
Figure DEST_PATH_IMAGE005
为案例
Figure 850744DEST_PATH_IMAGE001
和s i 在特征向量的第
Figure 614300DEST_PATH_IMAGE006
个 属性上的灰色距离；
将权重比纳入到比较环境的计算中，则可得到下述公式（2）：
Figure DEST_PATH_IMAGE007
其中，公式（2）为案例
Figure 182685DEST_PATH_IMAGE001
和
Figure DEST_PATH_IMAGE009
在特征向量的第
Figure 930061DEST_PATH_IMAGE006
个属性上的关联系数，
Figure 828878DEST_PATH_IMAGE010
为分 辨系数，
Figure DEST_PATH_IMAGE011
为特征向量的第
Figure 712520DEST_PATH_IMAGE006
个属性的权值，考虑到差异能耗影响因素的相互耦合性，该 权重值暂取平均权重；
S3：针对不同操作条件和操作工艺的炉次，通过案例推理法进行诊断，将诊断结果进行对比分析，完成冶金流程能源评价。
2.根据权利要求1所述的基于案例推理的二步法冶金流程能源评价方法，其特征在于，所述步骤S1中，对二步法冶炼不锈钢流程能耗进行解析，获得流程能耗的优化目标中的关键点，包括：
将二步法冶炼不锈钢流程能耗解析为由两个工序组成的最小流程单元；所述二步法冶炼不锈钢流程能耗解析为：工序能耗优化、传搁能耗优化和差异能耗优化三部分；其中所述差异能耗优化目标为差异能耗最小，所述差异能耗优化为流程能耗的优化目标中的关键点。
3.根据权利要求1所述的基于案例推理的二步法冶金流程能源评价方法，其特征在于，所述步骤S22中，对过往炉次信息进行案例检索，包括：
选择精确的检索算法对过往炉次信息进行案例检索；通过案例检索判断生产数据的完整性。
4.根据权利要求1所述的基于案例推理的二步法冶金流程能源评价方法，其特征在于，所述步骤S24中，提取建议参考炉次，包括：
S241：通过对检索到的过往炉次信息进行相似度计算，得到一系列的相似能耗情况炉次的诊断信息；
S242：采用阈值策略筛选相似能耗情况炉次，即小于预设相似度的炉次不予考虑；得到处于同一能耗层次和具有相似工艺条件的相似炉次；
S243：对筛选后的炉次的诊断信息进行归纳和甄别，获得建议参考炉次。
5.根据权利要求1所述的基于案例推理的二步法冶金流程能源评价方法，其特征在于，所述步骤S24之后，还包括：
S25：判断当前炉次能否作为典型案例进行储存；若是，则对当前炉次进行修正问题解向量，转存至案例库；若否，则放弃此案例。
6.一种基于案例推理的二步法冶金流程能源评价系统，其特征在于，所述系统包括：
能耗解析模块，用于通过最小流程单元能耗情况解析法，对二步法冶炼不锈钢流程能耗进行解析，获得流程能耗的优化目标中的关键点；
案例推理模块，用于针对流程能耗的关键优化目标中的关键点，通过案例推理法对当前炉次信息进行诊断，得到诊断结果；
可选地，案例推理模块320，还用于对当前炉次的基本信息进行诊断；
对过往炉次信息进行案例检索；
采用改善的灰色关联分析算法，对检索到的过往炉次信息进行相似度计算；
提取建议参考炉次，获取当前炉次的诊断信息；
所述改善的灰色关联分析算法，包括：
在计算局部相似度时将权重纳入到比较环境的计算中，得到改进的灰色关联分析算法；
可选地，案例推理模块320，还用于设待分析案例为
Figure 920648DEST_PATH_IMAGE001
；候选案例为s i ，案例的特征向量 维数为
Figure 624162DEST_PATH_IMAGE002
，则案例
Figure 310358DEST_PATH_IMAGE001
和s i 在
Figure 48507DEST_PATH_IMAGE002
纬空间上的灰色相似度为下述公式（1）：
Figure 427535DEST_PATH_IMAGE004
（1）
其中，
Figure 136122DEST_PATH_IMAGE005
为案例
Figure 626009DEST_PATH_IMAGE001
和s i 在特征向量的第
Figure 953085DEST_PATH_IMAGE006
个 属性上的灰色距离；
将权重比纳入到比较环境的计算中，则可得到下述公式（2）：
Figure 503015DEST_PATH_IMAGE012
其中，公式（2）为案例
Figure 181121DEST_PATH_IMAGE001
和
Figure DEST_PATH_IMAGE009A
在特征向量的第
Figure 756590DEST_PATH_IMAGE006
个属性上的关联系数，则
Figure DEST_PATH_IMAGE013
表示 案例
Figure 469331DEST_PATH_IMAGE001
在特征向量的第
Figure 924583DEST_PATH_IMAGE006
个属性，
Figure 355565DEST_PATH_IMAGE014
表示案例
Figure DEST_PATH_IMAGE015
在特征向量的第
Figure 452834DEST_PATH_IMAGE006
个属性；
Figure 269349DEST_PATH_IMAGE010
为分辨系数，一般取
Figure 895502DEST_PATH_IMAGE016
，
Figure 548200DEST_PATH_IMAGE011
为特征向量的第
Figure 183581DEST_PATH_IMAGE006
个属性的权值，考虑到差异能 耗影响因素的相互耦合性，该权重值暂取平均权重；
流程能源评价模块，用于针对不同操作条件和操作工艺的炉次，通过案例推理法进行诊断，将诊断结果进行对比分析，完成冶金流程能源评价。
7.根据权利要求6所述的系统，其特征在于，能耗解析模块，还用于：
将二步法冶炼不锈钢流程能耗解析为由两个工序组成的最小流程单元；所述二步法冶炼不锈钢流程能耗解析为：工序能耗优化、传搁能耗优化和差异能耗优化三部分；其中所述差异能耗优化目标为差异能耗最小，所述差异能耗优化为流程能耗的优化目标中的关键点。
CN202210315396.3A 2022-03-29 2022-03-29 一种基于案例推理的二步法冶金流程能源评价方法及系统 Active CN114418464B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210315396.3A CN114418464B (zh) 2022-03-29 2022-03-29 一种基于案例推理的二步法冶金流程能源评价方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210315396.3A CN114418464B (zh) 2022-03-29 2022-03-29 一种基于案例推理的二步法冶金流程能源评价方法及系统

Publications (2)

Publication Number Publication Date
CN114418464A CN114418464A (zh) 2022-04-29
CN114418464B true CN114418464B (zh) 2022-06-24

Family

ID=81263363

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210315396.3A Active CN114418464B (zh) 2022-03-29 2022-03-29 一种基于案例推理的二步法冶金流程能源评价方法及系统

Country Status (1)

Country Link
CN (1) CN114418464B (zh)

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6299155B2 (ja) * 2013-11-05 2018-03-28 新日鐵住金株式会社 キャスト計画立案装置、方法及びプログラム
CN106408153A (zh) * 2016-08-12 2017-02-15 武汉科技大学 一种基于案例推理的钢铁企业生产动态调度调整方法及其专家系统
CN112699524A (zh) * 2020-11-26 2021-04-23 冶金自动化研究设计院 应用于特钢厂高速工具钢炼钢流程的仿真优化调度模型

Also Published As

Publication number Publication date
CN114418464A (zh) 2022-04-29

Similar Documents

Publication Publication Date Title
Sun et al. Material and energy flows of the iron and steel industry: Status quo, challenges and perspectives
Xu et al. Energy-efficient steelmaking-continuous casting scheduling problem with temperature constraints and its solution using a multi-objective hybrid genetic algorithm with local search
Zhou et al. Hybrid-model-based intelligent optimization of ironmaking process
CN108676955B (zh) 一种转炉炼钢终点碳含量和温度控制方法
Matino et al. Forecasting blast furnace gas production and demand through echo state neural network-based models: Pave the way to off-gas optimized management
CN109447346B (zh) 基于灰色预测与神经网络组合模型转炉氧耗量预测方法
CN111353656B (zh) 一种基于生产计划的钢铁企业氧气负荷预测方法
CN106096788B (zh) 基于pso_elm神经网络的转炉炼钢工艺成本控制方法及系统
CN109359723A (zh) 基于改进正则化极限学习机的转炉终点锰含量预测方法
CN109242188B (zh) 一种钢铁煤气系统长期区间预测及其结构学习方法
CN113239482B (zh) 一种转炉后吹碳含量动态预测方法及装置
CN106650944A (zh) 一种基于知识的冶金企业转炉煤气调度方法
CN115522012B (zh) 一种大型转炉控制tsc阶段吹氧量的方法
CN113962050A (zh) 一种结合产耗预测及管网计算的氧气调度计算方法
Shi et al. Key issues and progress of industrial big data-based intelligent blast furnace ironmaking technology
Wang et al. An integrated CBR model for predicting endpoint temperature of molten steel in AOD
Xin et al. Predicting the alloying element yield in a ladle furnace using principal component analysis and deep neural network
Matino et al. Application of echo state neural networks to forecast blast furnace gas production: pave the way to off-gas optimized management
Long et al. Practical production scheduling for hot metal pretreatment-steelmaking-continuous casting process involving preventive maintenance consideration
Wang et al. Whale optimization end-point control model for 260 tons BOF steelmaking
Shi et al. Energy Consumption Prediction of Steelmaking Process Based on Improved Whale Optimization Algorithm and Stochastic Configuration Network
CN114418464B (zh) 一种基于案例推理的二步法冶金流程能源评价方法及系统
CN116384254A (zh) 一种用于lf精炼炉钢水温度预测的误差修正方法及系统
Liu et al. End point prediction of basic oxygen furnace (BOF) steelmaking based on improved bat-neural network
CN116127345B (zh) 基于深度聚类生成对抗网络的转炉炼钢工艺模式设计方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant