CN117035342A - 一种钢铁企业煤气系统优化调度方法及系统 - Google Patents
一种钢铁企业煤气系统优化调度方法及系统 Download PDFInfo
- Publication number
- CN117035342A CN117035342A CN202311052730.1A CN202311052730A CN117035342A CN 117035342 A CN117035342 A CN 117035342A CN 202311052730 A CN202311052730 A CN 202311052730A CN 117035342 A CN117035342 A CN 117035342A
- Authority
- CN
- China
- Prior art keywords
- gas
- fitness
- predicted
- consumption
- yield
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 123
- 229910000831 Steel Inorganic materials 0.000 title claims abstract description 33
- 239000010959 steel Substances 0.000 title claims abstract description 33
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 title claims description 34
- 229910052742 iron Inorganic materials 0.000 title claims description 17
- 238000005457 optimization Methods 0.000 title abstract description 20
- 230000008569 process Effects 0.000 claims abstract description 75
- 238000009826 distribution Methods 0.000 claims abstract description 23
- 238000012545 processing Methods 0.000 claims description 55
- 230000006870 function Effects 0.000 claims description 49
- 238000010801 machine learning Methods 0.000 claims description 41
- 238000004519 manufacturing process Methods 0.000 claims description 28
- 239000003034 coal gas Substances 0.000 claims description 21
- 238000004458 analytical method Methods 0.000 claims description 19
- 239000011159 matrix material Substances 0.000 claims description 12
- 238000010276 construction Methods 0.000 claims description 8
- 238000007781 pre-processing Methods 0.000 claims description 8
- 238000010606 normalization Methods 0.000 claims description 7
- 238000012549 training Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000004140 cleaning Methods 0.000 claims description 4
- 238000009792 diffusion process Methods 0.000 claims description 2
- 239000007789 gas Substances 0.000 description 475
- 238000003860 storage Methods 0.000 description 35
- 238000013480 data collection Methods 0.000 description 9
- 238000012986 modification Methods 0.000 description 9
- 230000004048 modification Effects 0.000 description 9
- 230000008901 benefit Effects 0.000 description 5
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 4
- 239000003546 flue gas Substances 0.000 description 4
- 239000000047 product Substances 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 239000001301 oxygen Substances 0.000 description 3
- 229910052760 oxygen Inorganic materials 0.000 description 3
- 230000000644 propagated effect Effects 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 239000000571 coke Substances 0.000 description 2
- 238000002485 combustion reaction Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 238000012417 linear regression Methods 0.000 description 2
- 238000011022 operating instruction Methods 0.000 description 2
- 239000002994 raw material Substances 0.000 description 2
- 241000579895 Chlorostilbon Species 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000006227 byproduct Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000010976 emerald Substances 0.000 description 1
- 229910052876 emerald Inorganic materials 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 239000010977 jade Substances 0.000 description 1
- 239000003607 modifier Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- ZLIBICFPKPWGIZ-UHFFFAOYSA-N pyrimethanil Chemical compound CC1=CC(C)=NC(NC=2C=CC=CC=2)=N1 ZLIBICFPKPWGIZ-UHFFFAOYSA-N 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 239000010979 ruby Substances 0.000 description 1
- 229910001750 ruby Inorganic materials 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000005245 sintering Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06313—Resource planning in a project environment
-
- 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- 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
-
- 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
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- Educational Administration (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Primary Health Care (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Manufacturing & Machinery (AREA)
- Medical Informatics (AREA)
- Biodiversity & Conservation Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本说明书实施例公开了一种钢铁企业煤气系统优化调度方法及系统,涉及调度技术领域。其中,该方法包括:获取与煤气产量相关的煤气系统数据和煤气用户与煤气消耗量相关的工艺数据;根据该煤气系统数据和该工艺数据进行预测,获取预测煤气产量和预测煤气消耗量;根据该预测煤气产量和预测煤气消耗量确定约束条件;在约束条件内对煤气用户对应的分配煤气流量进行枚举,生成N个调度方案;构建第一适应度函数和第二适应度函数;遍历该N个调度方案,得到N个第一适应度和N个第二适应度;根据该第一适应度和第二适应度,得到N个第三适应度;基于该第三适应度确定目标调度方案,并根据目标调度方案对煤气用户所对应的分配煤气流量进行自动调节。
Description
技术领域
本申请涉及调度技术领域,具体而言,涉及一种钢铁企业煤气系统优化调度方法及系统。
背景技术
钢铁企业生产时会产生大量的煤气,包括高炉煤气、转炉煤气、焦炉煤气等。其中,高炉煤气是高炉生产时的副产物,也是钢铁企业各工序生产时主要利用的二次能源。
高炉煤气产生后,可以通过厂内的煤气管网输送至各用户,主要用户有热风炉、加热炉、锅炉、烧结点火炉、竖炉、回转窑等,若用户未能消纳所有煤气,则会出现煤气放散的情况。目前,钢铁企业普遍采用的高炉煤气调度方式为人工调度,主要是通过监测高炉煤气管网压力以及各工序的高炉煤气消耗流量,设定煤气管网压力的允许波动范围,通过电话的方式告知相关人员调整煤气用量。但是,由于该方式会导致煤气调度具有滞后性,会使得各工序的煤气消耗难以始终保持在较优水平,并且,通过人工调度的方式,可能会因为误判、漏报等因素导致较大的煤气管网压力和流量波动,对生产造成较大的影响。
基于此,有必要研究一种针对钢铁企业煤气系统的优化调度方法,以实现煤气智能调度,提高高炉煤气利用效率,减少高炉煤气放散。
发明内容
本说明书实施例的一个方面提供一种钢铁企业煤气系统优化调度方法,该方法包括:
获取与煤气产量相关的煤气系统数据和每一个煤气用户与煤气消耗量相关的工艺数据;
根据所述与煤气产量相关的煤气系统数据和所述与煤气消耗量相关的工艺数据进行预测,获取未来时间段内的预测煤气产量和每一个所述煤气用户在所述未来时间段内对应的预测煤气消耗量;
根据所述预测煤气产量和所述预测煤气消耗量确定约束条件;
在所述约束条件内基于所述预测煤气产量和每一个所述煤气用户对应的预测煤气消耗量对每一个煤气用户对应的分配煤气流量进行枚举,生成N个调度方案;
构建第一适应度函数和第二适应度函数,其中,所述第一适应度函数用于计算所述调度方案所对应的煤气放散总量,所述第二适应度函数用于计算所述调度方案所对应的分配煤气流量与所述预测煤气消耗量之间的总匹配度;
遍历所述N个调度方案,得到N个第一适应度和N个第二适应度;
根据所述N个第一适应度和所述N个第二适应度,得到N个第三适应度;
基于所述N个第三适应度从所述N个调度方案中确定目标调度方案,并根据所述目标调度方案对每一个所述煤气用户所对应的分配煤气流量进行自动调节。
在一些实施例中,所述根据所述与煤气产量相关的煤气系统数据和所述与煤气消耗量相关的工艺数据进行预测,获取未来时间段内的预测煤气产量和每一个所述煤气用户在所述未来时间段内对应的预测煤气消耗量,包括:
获取训练好的第一机器学习模型和第二机器学习模型;
对所述与煤气产量相关的煤气系统数据和所述与煤气消耗量相关的工艺数据进行预处理,所述预处理包括数据清洗、异常值处理和缺失值处理;
将经过所述预处理后的所述与煤气产量相关的煤气系统数据输入训练好的所述第一机器学习模型,得到所述未来时间段内的预测煤气产量;
将经过所述预处理后的每一个所述煤气用户对应的与煤气消耗量相关的工艺数据输入训练好的所述第二机器学习模型,得到每一个所述煤气用户在所述未来时间段内对应的预测煤气消耗量。
在一些实施例中,所述获取训练好的第一机器学习模型和第二机器学习模型,包括:
获取与煤气产量相关的样本煤气系统数据和每一个煤气用户与煤气消耗量相关的样本工艺数据;
通过所述样本煤气系统数据训练所述第一机器学习模型的煤气产量预测层,通过所述样本工艺数据训练所述第二机器学习模型的煤气消耗量预测层,其中,所述第二机器学习模型包括与每一个煤气用户分别对应的子模型;
构建预测误差拟合层;
将所述预测误差拟合层的第一输入层与所述煤气产量预测层的输出层全连接,得到所述第一机器学习模型;
将所述预测误差拟合层的第二输入层与所述煤气消耗量预测层的输出层全连接,得到所述第二机器学习模型。
在一些实施例中,所述构建预测误差拟合层,包括:
确定预测误差拟合规则,并根据所述预测误差拟合规则构建所述预测误差拟合层;
其中,所述预测误差拟合规则包括:
获取所述与煤气产量相关的煤气系统数据或所述与煤气消耗量相关的工艺数据在指定长度的相邻时间段内的同比变化度;
将所述煤气产量预测层得到的煤气产量预测结果或所述煤气消耗量预测层得到的煤气消耗量预测结果与所述同比变化度进行乘积计算,获取预测结果变化量;
根据所述预测结果变化量对所述煤气产量预测结果或所述煤气消耗量预测结果进行误差拟合。
在一些实施例中,所述约束条件至少包括:
每一个煤气用户所对应的分配煤气流量与对应预测煤气流量的差值小于或等于二者之中较小值的20%;以及
所有煤气用户所对应的分配煤气总流量小于所述预测煤气产量,且大于或等于所述预测煤气产量的85%。
在一些实施例中,所述第一适应度函数如下所示:
其中,Sk表示第k个调度方案对应的煤气放散量数据集,f1,f2,…,fn分别表示第1~n个煤气用户在第k个调度方案下所对应的煤气放散量,fi表示第i个煤气用户对应的煤气放散量,表示第k种调度方案所对应的第一适应度。
在一些实施例中,所述第二适应度函数如下所示:
其中,Pk表示第k个调度方案对应的匹配度数据集,d1,d2,…,dn分别表示第1~n个煤气用户在第k个调度方案下所对应的分配煤气流量与所述预测煤气消耗量之间匹配度,yi表示第i个煤气用户所对应的预测煤气消耗量,bi表示第i个煤气用户所对应的分配煤气流量,min(yi,bi)表示取yi和bi中的较小值,di表示第i个煤气用户所对应的匹配度,表示第k种调度方案所对应的第二适应度。
在一些实施例中,所述根据所述N个第一适应度和所述N个第二适应度,得到N个第三适应度,包括:
基于所述N个第一适应度和所述N个第二适应度构建权重分析矩阵;
对所述权重分析矩阵进行熵权法分析,获取所述第一适应度对应的第一权重和所述第二适应度对应的第二权重;
基于所述第一适应度、第二适应度、第一权重以及所述第二权重,得到所述第三适应度。
在一些实施例中,所述基于所述N个第一适应度和所述N个第二适应度构建权重分析矩阵,包括:
对所述N个第一适应度和所述N个第二适应度进行标准化处理,得到N个第一标准化适应度和N个第二标准化适应度,其中,所述标准化处理包括归一化处理;
以所述N个第一标准化适应度为第一列元素,以所述N个第二标准化适应度为第二列元素,得到所述权重分析矩阵。
本说明书实施例的另一个方面还提供一种钢铁企业煤气系统优化调度系统,该系统包括:
获取模块,用于获取与煤气产量相关的煤气系统数据和每一个煤气用户与煤气消耗量相关的工艺数据;
预测模块,用于根据所述与煤气产量相关的煤气系统数据和所述与煤气消耗量相关的工艺数据进行预测,获取未来时间段内的预测煤气产量和每一个所述煤气用户在所述未来时间段内对应的预测煤气消耗量;
约束条件确定模块,用于根据所述预测煤气产量和所述预测煤气消耗量确定约束条件;
调度方案生成模块,用于在所述约束条件内基于所述预测煤气产量和每一个所述煤气用户对应的预测煤气消耗量对每一个煤气用户对应的分配煤气流量进行枚举,生成N个调度方案;
适应度函数构建模块,用于构建第一适应度函数和第二适应度函数,其中,所述第一适应度函数用于计算所述调度方案所对应的煤气放散总量,所述第二适应度函数用于计算所述调度方案所对应的分配煤气流量与所述预测煤气消耗量之间的总匹配度;
第一适应度和第二适应度确定模块,用于遍历所述N个调度方案,得到N个第一适应度和N个第二适应度;
第三适应度确定模块,用于根据所述N个第一适应度和所述N个第二适应度,得到N个第三适应度;
目标调度方案确定模块,用于基于所述N个第三适应度从所述N个调度方案中确定目标调度方案,并根据所述目标调度方案对每一个所述煤气用户所对应的分配煤气流量进行自动调节。
本说明书实施例所提供的钢铁企业煤气系统优化调度方法及系统可能带来的有益效果至少包括:(1)通过根据数据采集装置采集得到的与煤气产量相关的煤气系统数据和各煤气用户与煤气消耗量相关的工艺数据进行预测,获取未来时间段内的预测煤气产量和每一个煤气用户在该未来时间段内对应的预测煤气消耗量,可以更好地表征未来时间段内的煤气产量情况和各煤气用户的煤气消耗量情况,为后续煤气流量分配提供有效的参考;(2)通过构建预测误差拟合规则,可以根据预测结果变化量对煤气产量预测结果或煤气消耗量预测结果进行误差拟合,从而以实现对煤气产量预测结果或煤气消耗量预测结果的自动修正和优化;(3)通过在约束条件内基于预测煤气产量和每一个煤气用户对应的预测煤气消耗量对每一个煤气用户对应的分配煤气流量进行枚举,生成N个调度方案,然后构建适应度函数以评价各个调度方案所对应的第一适应度、第二适应度和第三适应度,最后基于第三适应度从N个调度方案中确定目标调度方案,并根据该目标调度方案对每一个所述煤气用户所对应的分配煤气流量进行自动调节,可以确定出煤气放散总量最小、分配煤气流量与预测煤气消耗量之间的总匹配度最大的调度方案,从而可以提高煤气调度控制的精细化程度,优化高炉煤气的利用效率,减少煤气放散和环境影响;(4)通过准确的煤气产量和煤气消耗量预测,以及相应的调度方案进行煤气自动调度,还可以避免人工调度所导致的滞后性,降低煤气管网压力的波动性,提升高炉煤气系统的稳定性和可靠性。
附加的特征将在下面的描述中部分地阐述。对于本领域技术人员来说,通过查阅以下内容和附图将变得显而易见,或者可以通过实例的产生或操作来了解。本说明书的特征可以通过实践或使用以下详细实例中阐述的方法、工具和组合的各个方面来实现和获得。
附图说明
本说明书将以示例性实施例的方式进一步描述,这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的,在这些实施例中,相同的编号表示相同的结构,其中:
图1是根据本说明书的一些实施例所示的钢铁企业煤气系统优化调度系统的示例性应用场景示意图;
图2是根据本说明书的一些实施例所示的钢铁企业煤气系统优化调度系统的示例性模块图;
图3是根据本说明书一些实施例所示的钢铁企业煤气系统优化调度方法的示例性流程图。
具体实施方式
为了更清楚地说明本说明书实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地,下面描述中的附图仅仅是本说明书的一些示例或实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明,图中相同标号代表相同结构或操作。
应当理解,本说明书中所使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而,如果其他词语可实现相同的目的,则可通过其他表达来替换所述词语。
如本说明书和权利要求书中所示,除非上下文明确提示例外情形,“一”、“一个”、“一种”和/或“该”等词并非特指单数,也可包括复数。一般说来,术语“包括”与“包含”仅提示包括已明确标识的步骤和元素,而这些步骤和元素不构成一个排它性的罗列,方法或者设备也可能包含其它的步骤或元素。
本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是,前面或后面操作不一定按照顺序来精确地执行。相反,可以按照倒序或同时处理各个步骤。同时,也可以将其他操作添加到这些过程中,或从这些过程移除某一步或数步操作。
下面结合附图对本说明书实施例提供的钢铁企业煤气系统优化调度方法及系统进行详细说明。
图1是根据本说明书一些实施例所示的钢铁企业煤气系统优化调度系统的示例性应用场景示意图。
参照图1,在一些实施例中,钢铁企业煤气系统优化调度系统的应用场景100可以包括数据采集装置110、存储设备120、处理设备130、终端设备140以及网络150。应用场景100中的各个部件可以以多种方式相连接。例如,数据采集装置110可以与存储设备120和/或处理设备130通过网络150连接,也可以与存储设备120和/或处理设备130直接连接。又例如,存储设备120可以与处理设备130直接连接或通过网络150连接。又例如,终端设备140可以与存储设备120和/或处理设备130通过网络150连接,也可以与存储设备120和/或处理设备130直接连接。
数据采集装置110可以用于获取与煤气产量相关的煤气系统数据和每一个煤气用户与煤气消耗量相关的工艺数据,其中,该系统数据可以反映出高炉煤气产量,该工艺数据可以反映出每一个煤气用户的煤气消耗量。在一些实施例中,与煤气产量相关的煤气系统数据可以包括煤气压力、煤气温度、煤气流量、原料类型、原料投放量等,与煤气消耗量相关的工艺数据可以包括助燃风量、烟气残氧量、炉膛温度、排烟温度、烟气CO含量、分配煤气流量等。在一些实施例中,数据采集装置110可以包括压力传感器、温度传感器、流量计、氧含量检测仪、CO含量检测仪等。在一些实施例中,可以通过该数据采集装置110进行实时数据采集,并通过对采集得到的数据进行处理,得到前述与煤气产量相关的煤气系统数据和每一个煤气用户与煤气消耗量相关的工艺数据。需要指出的是,在本说明书实施例中,为了获取每一个煤气用户与煤气消耗量相关的工艺数据,可以针对每一个煤气用户配置一组数据采集装置110以分别采集其与煤气消耗量相关的工艺数据。在一些实施例中,数据采集装置110可以具有独立的电源,其可以通过有线或无线(例如蓝牙、WiFi等)的方式将采集的煤气系统数据和/或工艺数据发送给应用场景100中的其他部件(例如,存储设备120、处理设备130、终端设备140)。
在一些实施例中,数据采集装置110可以通过网络150将其采集的煤气系统数据和/或工艺数据发送至存储设备120、处理设备130、终端设备140等。在一些实施例中,可以通过处理设备130对数据采集装置110所采集的煤气系统数据和/或工艺数据进行处理。例如,处理设备130可以基于该煤气系统数据和/或工艺数据预测未来时间段内的预测煤气产量和每一个煤气用户在该未来时间段内对应的预测煤气消耗量。在一些实施例中,处理设备130可以基于该预测煤气产量和预测煤气消耗量确定N个调度方案,并从该N个调度方案中确定目标调度方案。在一些实施例中,该预测煤气产量、预测煤气消耗量和/或目标调度方案可以发送至存储设备120进行记录,或者发送至终端设备140以反馈给用户(例如相关工作人员)。
网络150可以促进信息和/或数据的交换。网络150可以包括能够促进应用场景100的信息和/或数据交换的任何合适的网络。在一些实施例中,应用场景100的至少一个组件(例如,数据采集装置110、存储设备120、处理设备130、终端设备140)可以通过网络150与应用场景100中至少一个其他组件交换信息和/或数据。例如,处理设备130可以通过网络150从数据采集装置110和/或存储设备120获得与煤气产量相关的煤气系统数据和/或每一个煤气用户与煤气消耗量相关的工艺数据。又例如,处理设备130可以通过网络150从终端设备140获得用户操作指令,示例性的操作指令可以包括但不限于调阅该煤气系统数据和/或工艺数据,读取基于该煤气系统数据和/或工艺数据确定的预测煤气产量、预测煤气消耗量和/或目标调度方案等。
在一些实施例中,网络150可以为任意形式的有线或无线网络,或其任意组合。仅作为示例,网络150可以包括缆线网络、有线网络、光纤网络、远程通信网络、内部网络、互联网、局域网络(LAN)、广域网络(WAN)、无线局域网络(WLAN)、城域网(MAN)、公共开关电话网络(PSTN)、蓝牙网络、ZigBee网络、近场通讯(NFC)网络等或其任意组合。在一些实施例中,网络150可以包括至少一个网络接入点,应用场景100的至少一个组件可以通过接入点连接到网络150以交换数据和/或信息。
存储设备120可以储存数据、指令和/或任何其他信息。在一些实施例中,存储设备120可以存储从数据采集装置110、处理设备130和/或终端设备140获得的数据。例如,存储设备120可以存储数据采集装置110采集的与煤气产量相关的煤气系统数据和/或每一个煤气用户与煤气消耗量相关的工艺数据;又例如,存储设备120可以存储处理设备130计算得到的预测煤气产量、预测煤气消耗量和/或目标调度方案。在一些实施例中,存储设备120可以存储处理设备130用来执行或使用来完成本说明书中描述的示例性方法的数据和/或指令。在一些实施例中,存储设备120可以包括大容量存储器、可移动存储器、易失性读写存储器、只读存储器(ROM)等或其任意组合。示例性的大容量存储器可以包括磁盘、光盘、固态磁盘等。在一些实施例中,存储设备120可以在云平台上实现。仅作为示例,所述云平台可以包括私有云、公共云、混合云、社区云、分布云、内部云、多层云等或其任意组合。
在一些实施例中,存储设备120可以连接到网络150以与应用场景100中的至少一个其他组件(例如,数据采集装置110、处理设备130、终端设备140)通信。应用场景100中的至少一个组件可以通过网络150访问存储设备120中存储的数据、指令或其他信息。在一些实施例中,存储设备120可以与应用场景100中的一个或以上组件(例如,数据采集装置110、终端设备140)直接连接或通信。在一些实施例中,存储设备120可以是数据采集装置110和/或处理设备130的一部分。
处理设备130可以处理从数据采集装置110、存储设备120、终端设备140和/或应用场景100的其他组件获得数据和/或信息。在一些实施例中,处理设备130可以从数据采集装置110、存储设备120或终端设备140中任意一个或多个获得前述煤气系统数据和/或工艺数据,通过对该煤气系统数据和/或工艺数据进行处理以确定预测煤气产量和/或预测煤气消耗量。在一些实施例中,处理设备130可以从存储设备120获取预先存储的计算机指令,并执行该计算机指令以实现本说明书所描述的钢铁企业煤气系统优化调度方法。
在一些实施例中,处理设备130可以是单一服务器或服务器组。服务器组可以是集中式的或分布式的。在一些实施例中,处理设备130可以是本地或远程的。例如,处理设备130可以通过网络150从数据采集装置110、存储设备120和/或终端设备140访问信息和/或数据。又例如,处理设备130可以直接连接到数据采集装置110、存储设备120和/或终端设备140以访问信息和/或数据。在一些实施例中,处理设备130可以在云平台上实现。例如,云平台可以包括私有云、公共云、混合云、社区云、分布式云、云间云、多云等或其任意组合。
终端设备140可以接收、发送和/或显示数据。所述接收的数据可以包括数据采集装置110采集的数据、存储设备120存储的数据、处理设备130处理得到的预测煤气产量、预测煤气消耗量和/或目标调度方案等。所述发送的数据可以包括用户(例如相关工作人员)的输入数据和指令等。例如,终端设备140可以将用户输入的操作指令通过网络150发送给数据采集装置110,以控制数据采集装置110进行相应的数据采集。又例如,终端设备140可以将用户输入的操作指令通过网络150发送给处理设备130。
在一些实施例中,终端设备140可以包括移动设备141、平板计算机142、膝上型计算机143等或其任意组合。例如,移动设备141可以包括移动电话、个人数字助理(PDA)、专用移动终端等或其任意组合。在一些实施例中,终端设备140可以包括输入设备(如键盘、触摸屏)、输出设备(如显示器、扬声器)等。在一些实施例中,处理设备130可以是终端设备140的一部分。
应当注意的是,上述有关应用场景100的描述仅仅是为了示例和说明,而不限定本说明书的适用范围。对于本领域技术人员来说,在本说明书的指导下可以对应用场景100进行各种修正和改变。然而,这些修正和改变仍在本说明书的范围之内。例如,数据采集装置110的可以包括更多或更少的功能组件。
图2是根据本说明书一些实施例所示的钢铁企业煤气系统优化调度系统的模块示意图。在一些实施例中,图2所示的钢铁企业煤气系统优化调度系统200可以以软件和/或硬件的方式应用到图1所示的应用场景100,例如,可以以软件和/或硬件的形式配置到处理设备130和/或终端设备140,以用于对数据采集装置110所采集的煤气系统数据和/或工艺数据进行处理,并基于该煤气系统数据和/或工艺数据确定预测煤气产量、预测煤气消耗量和/或目标调度方案。
参照图2,在一些实施例中,钢铁企业煤气系统优化调度系统200可以包括获取模块210、预测模块220、约束条件确定模块230、调度方案生成模块240、适应度函数构建模块250、第一适应度和第二适应度确定模块260、第三适应度确定模块270以及目标调度方案确定模块280。
获取模块210可以用于获取与煤气产量相关的煤气系统数据和每一个煤气用户与煤气消耗量相关的工艺数据。
预测模块220可以用于根据所述与煤气产量相关的煤气系统数据和所述与煤气消耗量相关的工艺数据进行预测,获取未来时间段内的预测煤气产量和每一个所述煤气用户在所述未来时间段内对应的预测煤气消耗量。
约束条件确定模块230可以用于根据所述预测煤气产量和所述预测煤气消耗量确定约束条件。
调度方案生成模块240可以用于在所述约束条件内基于所述预测煤气产量和每一个所述煤气用户对应的预测煤气消耗量对每一个煤气用户对应的分配煤气流量进行枚举,生成N个调度方案。
适应度函数构建模块250可以用于构建第一适应度函数和第二适应度函数,其中,所述第一适应度函数用于计算所述调度方案所对应的煤气放散总量,所述第二适应度函数用于计算所述调度方案所对应的分配煤气流量与所述预测煤气消耗量之间的总匹配度。
第一适应度和第二适应度确定模块260可以用于遍历所述N个调度方案,得到N个第一适应度和N个第二适应度。
第三适应度确定模块270可以用于根据所述N个第一适应度和所述N个第二适应度,得到N个第三适应度。
目标调度方案确定模块280可以用于基于所述N个第三适应度从所述N个调度方案中确定目标调度方案,并根据所述目标调度方案对每一个所述煤气用户所对应的分配煤气流量进行自动调节。
关于上述各个模块的更多细节可以参照本说明书的其他位置(例如图3部分及其相关描述),此处不再赘述。
应当理解,图2所示的钢铁企业煤气系统优化调度系统200及其模块可以利用各种方式来实现。例如,在一些实施例中,系统及其模块可以通过硬件、软件或者软件和硬件的结合来实现。其中,硬件部分可以利用专用逻辑来实现;软件部分则可以存储在存储器中,由适当的指令执行系统,例如微处理器或者专用设计硬件来执行。本领域技术人员可以理解上述的方法及系统可以使用计算机可执行指令和/或包含在处理器控制代码中来实现,例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本说明书的系统及其模块不仅可以有诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现,也可以用例如由各种类型的处理器所执行的软件实现,还可以由上述硬件电路和软件的结合(例如,固件)来实现。
需要注意的是,上述关于钢铁企业煤气系统优化调度系统200的描述仅出于说明性目的而提供,并不旨在限制本说明书的范围。可以理解,对于本领域的技术人员来说,可以根据本说明书的描述,在不背离这一原理的情况下,对各个模块进行任意组合,或者构成子系统与其他模块连接。例如,图2中所述的获取模块210、预测模块220、约束条件确定模块230、调度方案生成模块240、适应度函数构建模块250、第一适应度和第二适应度确定模块260、第三适应度确定模块270以及目标调度方案确定模块280可以是一个系统中的不同模块,也可以是一个模块实现上述的两个或两个以上模块的功能。再例如,钢铁企业煤气系统优化调度系统200还可以包括预处理模块,该预处理模块可以用于对所述与煤气产量相关的煤气系统数据和所述与煤气消耗量相关的工艺数据进行数据清洗、异常值处理和缺失值处理等预处理。诸如此类的变形,均在本说明书的保护范围之内。在一些实施例中,前述各个模块可以是处理设备130和/或终端设备140的一部分。
图3是根据本说明书一些实施例所示的钢铁企业煤气系统优化调度方法的示例性流程图。在一些实施例中,方法300可以通过处理逻辑来执行,该处理逻辑可以包括硬件(例如,电路、专用逻辑、可编程逻辑、微代码等)、软件(运行在处理设备上以执行硬件模拟的指令)等或其任意组合。在一些实施例中,图3所示的钢铁企业煤气系统优化调度方法300的流程图中的一个或多个操作可以通过图1所示的处理设备130和/或终端设备140实现。例如,方法300可以以指令的形式存储在存储设备120中,并由处理设备130和/或终端设备140调用和/或执行。下文以处理设备130为例描述方法300的执行过程。
参照图3,在一些实施例中,钢铁企业煤气系统优化调度方法300可以包括:
步骤310,获取与煤气产量相关的煤气系统数据和每一个煤气用户与煤气消耗量相关的工艺数据。在一些实施例中,步骤310可以由获取模块210执行。
在一些实施例中,可以通过数据采集装置110采集与煤气产量相关的煤气系统数据和每一个煤气用户与煤气消耗量相关的工艺数据,其中,与煤气产量相关的煤气系统数据可以包括煤气压力、煤气温度、煤气流量、原料类型、原料投放量等,与煤气消耗量相关的工艺数据可以包括助燃风量、烟气残氧量、炉膛温度、排烟温度、烟气CO含量、分配煤气流量等。
在一些实施例中,数据采集装置110采集得到的与煤气产量相关的煤气系统数据和每一个煤气用户与煤气消耗量相关的工艺数据可以存储在存储设备120中,获取模块210可以从存储设备120获取该煤气系统数据和/或工艺数据。在一些实施例中,该获取模块210可以与数据采集装置110通信连接,获取模块210可以直接从数据采集装置110获取与煤气产量相关的煤气系统数据和每一个煤气用户与煤气消耗量相关的工艺数据。
步骤320,根据所述与煤气产量相关的煤气系统数据和所述与煤气消耗量相关的工艺数据进行预测,获取未来时间段内的预测煤气产量和每一个所述煤气用户在所述未来时间段内对应的预测煤气消耗量。在一些实施例中,步骤320可以由预测模块220执行。
可以理解,采用人工调度的方式会存在一定的滞后性,煤气利用效率较低,并且可能导致煤气管网压力、用户流量波动过大等问题。基于此,在本说明书的一些实施例中,通过根据数据采集装置110采集得到的与煤气产量相关的煤气系统数据和各煤气用户与煤气消耗量相关的工艺数据进行预测,获取未来时间段内(例如未来1~5分钟)的预测煤气产量和每一个煤气用户在该未来时间段内对应的预测煤气消耗量,然后根据该预测煤气产量和每一个煤气用户在该未来时间段内对应的预测煤气消耗量对每一个煤气用户的分配煤气流量进行自动调节,从而提高高炉煤气利用效率,减少煤气放散量。需要说明的是,本说明书中主要以高炉煤气系统进行示例性说明,在一些其他的实施例中,该调度方法可以应用到其他的煤气系统,例如转炉煤气系统、焦炉煤气等。
通过准确的煤气产量预测、煤气消耗量预测和灵活的煤气流量调度,可以有效应对煤气系统中各煤气用户的煤气消耗量的变化和波动,提高系统的智能性和煤气调度的准确性。具体地,在一些实施例中,可以利用数据采集装置110采集得到的历史数据(该历史数据包括与煤气产量相关的煤气系统数据和每一个煤气用户与煤气消耗量相关的工艺数据)和线性回归、神经网络等模型算法对煤气产量和每一个煤气用户的煤气消耗量进行预测,得到未来时间段内的预测煤气产量和每一个煤气用户在该未来时间段内对应的预测煤气消耗量。
示例性地,在一些实施例中,可以获取训练好的第一机器学习模型和第二机器学习模型,然后对前述与煤气产量相关的煤气系统数据和各煤气用户与煤气消耗量相关的工艺数据进行数据清洗、异常值处理和缺失值处理等预处理,并将经过预处理后的煤气系统数据输入训练好的第一机器学习模型,得到未来时间段内的预测煤气产量,同时将经过预处理后的每一个煤气用户对应的与煤气消耗量相关的工艺数据输入训练好的第二机器学习模型,则可以得到每一个煤气用户在该未来时间段内对应的预测煤气消耗量。
具体地,在一些实施例中,获取训练好的第一机器学习模型和第二机器学习模型的过程可以包括如下子步骤:
S3201,获取与煤气产量相关的样本煤气系统数据和每一个煤气用户与煤气消耗量相关的样本工艺数据,其中,该样本煤气系统数据和样本工艺数据可以根据数据采集装置110采集的历史数据得到。
S3202,通过样本煤气系统数据训练第一机器学习模型的煤气产量预测层,通过样本工艺数据训练第二机器学习模型的煤气消耗量预测层,其中,第二机器学习模型包括与每一个煤气用户分别对应的子模型。在一些实施例中,该第一机器学习模型和第二机器学习模型可以包括线性回归模型、BP神经网络(Back propagation Neural Network)等。关于模型训练的过程可以视为公知技术,本说明书中不再进行赘述。
S3203,构建预测误差拟合层。需要指出的是,在本说明书中,该预测误差拟合层是指一种用于优化模型的层或组件,用于调整模型的预测结果与实际观测值之间的误差。在一些实施例中,该预测误差拟合层可以通过反向传播算法将模型的预测误差反向传递回模型的参数,从而使模型能够根据误差的大小和方向来调整参数。
在一些实施例中,构建预测误差拟合层的过程可以包括:确定预测误差拟合规则,并根据该预测误差拟合规则构建预测误差拟合层。其中,该预测误差拟合规则包括:获取与煤气产量相关的煤气系统数据或与煤气消耗量相关的工艺数据在指定长度的相邻时间段内的同比变化度;将煤气产量预测层得到的煤气产量预测结果或煤气消耗量预测层得到的煤气消耗量预测结果与该同比变化度进行乘积计算,获取预测结果变化量;根据该预测结果变化量对煤气产量预测结果或煤气消耗量预测结果进行误差拟合。
需要说明的是,在一些实施例中,前述指定长度的相邻时间段可以根据所预测的未来时间段的长度进行设定,例如,当需要预测未来2分钟内的预测煤气产量和预测煤气消耗量时,该指定长度可以设定为小于或等于2分钟的任意长度。
S3204,将预测误差拟合层的第一输入层与煤气产量预测层的输出层全连接,得到第一机器学习模型。
S3205,将预测误差拟合层的第二输入层与煤气消耗量预测层的输出层全连接,得到第二机器学习模型。
在本说明书实施例中,前述预测误差拟合层可以包括至少两个层结构,例如第一输入层和第二输入层,其中,第一输入层可以用于对煤气产量预测结果进行误差拟合,第二输入层可以用于对每一个煤气用户对应的煤气消耗量预测结果进行误差拟合。通过将预测误差拟合层的第一输入层与煤气产量预测层的输出层全连接,即可得到前述第一机器学习模型。类似地,通过将预测误差拟合层的第二输入层与煤气消耗量预测层的输出层全连接,即可得到前述第二机器学习模型。
在得到训练好的第一机器学习模型和第二机器学习模型之后,即可通过将数据采集装置采集得到的与煤气产量相关的煤气系统数据输入该训练好的第一机器学习模型,将数据采集装置采集得到的各煤气用户与煤气消耗量相关的工艺数据输入该训练好的第二机器学习模型,以获取未来时间段内的预测煤气产量和每一个煤气用户在该未来时间段内对应的预测煤气消耗量。
步骤330,根据所述预测煤气产量和所述预测煤气消耗量确定约束条件。在一些实施例中,步骤330可以由约束条件确定模块230执行。
在一些实施例中,该约束条件至少包括:每一个煤气用户所对应的分配煤气流量与对应预测煤气流量的差值小于或等于二者之中较小值的20%;以及所有煤气用户所对应的分配煤气总流量小于预测煤气产量,且大于或等于预测煤气产量的85%。
示例性地,在一些实施例中,该约束条件可以表示如下:
其中,yi表示第i个煤气用户所对应的预测煤气消耗量,bi表示第i个煤气用户所对应的分配煤气流量,min(yi,bi)表示取yi和bi中的较小值,n表示煤气用户的数量,Yc表示通过第一机器学习模型预测得到的预测煤气产量。
步骤340,在所述约束条件内基于所述预测煤气产量和每一个所述煤气用户对应的预测煤气消耗量对每一个煤气用户对应的分配煤气流量进行枚举,生成N个调度方案。在一些实施例中,步骤340可以由调度方案生成模块240执行。
在上述约束条件下,调度方案生成模块240可以对每一个煤气用户对应的分配煤气流量进行枚举,生成N个调度方案。每一种调度方案中至少包括每一个煤气用户所对应的分配煤气流量。在一些实施例中,该N个调度方案可能包括不同的分配煤气流量组合、不同的煤气供应时间和/或不同的煤气供应压力。其中,N可以大于或等于1。当N=0时,表示在未来时间段内高炉煤气系统的煤气产量可能与各煤气用户的消耗量严重不匹配,此时,可以发出提示信息或报警信号以提醒相关工作人员。
步骤350,构建第一适应度函数和第二适应度函数。在一些实施例中,步骤350可以由适应度函数构建模块250执行。
进一步地,在通过调度方案生成模块240生成前述N个调度方案之后,可以构建第一适应度函数和第二适应度函数,以用于对该N个调度方案进行评价。换言之,即通过该第一适应度函数和第二适应度函数,可以评价该N个调度方案的优劣。
在一些实施例中,前述第一适应度函数可以用于计算每一个调度方案所对应的煤气放散总量,第二适应度函数可以用于计算每一个调度方案所对应的分配煤气流量与预测煤气消耗量之间的总匹配度。
示例性地,在一些实施例中,第一适应度函数可以表示如下:
其中,Sk表示第k个调度方案对应的煤气放散量数据集,f1,f2,…,fn分别表示第1~n个煤气用户在第k个调度方案下所对应的煤气放散量,fi表示第i个煤气用户对应的煤气放散量,表示第k种调度方案所对应的第一适应度。根据该第一适应度函数可以得出,煤气放散量fi的值越大,则对应的第一适应度越小。需要说明的是,在本说明书的一些实施例中,每一个煤气用户在对应调度方案下的煤气放散量可以基于机器学习模型得到,例如,可以通过大量分配煤气流量数据、每一个煤气用户与煤气消耗量相关的工艺数据以及对应的煤气放散量对该机器学习模型进行训练,以使其获得基于分配煤气流量和每一个煤气用户与煤气消耗量相关的工艺数据预测对应的煤气放散量的能力。
第二适应度函数可以表示如下:
其中,Pk表示第k个调度方案对应的匹配度数据集,d1,d2,…,dn分别表示第1~n个煤气用户在第k个调度方案下所对应的分配煤气流量与所述预测煤气消耗量之间匹配度,yi表示第i个煤气用户所对应的预测煤气消耗量,bi表示第i个煤气用户所对应的分配煤气流量,min(yi,bi)表示取yi和bi中的较小值,di表示第i个煤气用户所对应的匹配度,表示第k种调度方案所对应的第二适应度。根据该第二适应度函数可以得出,煤气用户的分配煤气流量与对应的预测煤气消耗量的差值越小,匹配度di的值越大,对应的第二适应度越大。
步骤360,遍历所述N个调度方案,得到N个第一适应度和N个第二适应度。在一些实施例中,步骤360可以由第一适应度和第二适应度确定模块260执行。
在得到前述第一适应度函数和第二适应度函数之后,分别针对该N个调度方案中的每一个进行计算,可以得到N个第一适应度和N个第二适应度。该第一适应度越大,表示在该调度方案下所有煤气用户的煤气放散总量越少,煤气利用效率越高。该第二适应度越大,则表示在该调度方案下所有煤气用户对应的分配煤气流量与预测煤气消耗量之间的匹配度的总和越大,越可能满足煤气用户在未来时间段内的煤气消耗量需求。
步骤370,根据所述N个第一适应度和所述N个第二适应度,得到N个第三适应度。在一些实施例中,步骤370可以由第三适应度确定模块270执行。
在通过上述步骤得到N个调度方案分别对应的N个第一适应度和N个第二适应度之后,第三适应度确定模块270可以根据该N个第一适应度和N个第二适应度得到N个第三适应度。
具体而言,在一些实施例中,第三适应度确定模块270可以基于前述N个第一适应度和N个第二适应度构建权重分析矩阵。示例性地,在一些实施例中,第三适应度确定模块270可以对该N个第一适应度和N个第二适应度进行标准化处理,得到N个第一标准化适应度和N个第二标准化适应度,其中,该标准化处理可以包括归一化处理。然后,第三适应度确定模块270可以以该N个第一标准化适应度为第一列元素,以该N个第二标准化适应度为第二列元素,得到前述权重分析矩阵。
进一步地,在得到该权重分析矩阵之后,第三适应度确定模块270可以对该权重分析矩阵进行熵权法分析,获取第一适应度对应的第一权重和第二适应度对应的第二权重。需要说明的是,熵权法是一种多准则决策分析方法,其可以用于确定各个准则的权重或重要性,进而进行综合评价或决策。关于使用熵权法确定前述第一权重和第二权重的过程可以视为公知技术,本说明书中不再对其具体过程进行赘述。在一些其他的实施例中,可以根据实际情况采用其他的权重分配方法,例如,在一些可能的实现方式中,还可以选用层次分析法以确定第一适应度对应的第一权重和第二适应度对应的第二权重。
最后,第三适应度确定模块270可以基于前述第一适应度、第二适应度、第一权重以及第二权重,得到第三适应度。该第三适应度可以用于表征每一个调度方案中的分配煤气流量对于所有煤气用户在未来时间段内的预测消耗量和工艺数据的整体适应度。
在一些实施例中,该第三适应度可以表示如下:
其中,表示F3(k)第k种调度方案所对应的第三适应度,x1表示通过前述熵权法分析所确定的第一适应度所对应的第一权重,x2表示通过前述熵权法分析所确定的第二适应度所对应的第二权重。
步骤380,基于所述N个第三适应度从所述N个调度方案中确定目标调度方案,并根据所述目标调度方案对每一个所述煤气用户所对应的分配煤气流量进行自动调节。在一些实施例中,步骤380可以由目标调度方案确定模块280执行。
在通过前述步骤确定N个调度方案分别对应的N个第三适应度之后,可以从中选择最大值所对应的调度方案作为目标调度方案,并根据该目标调度方案对每一个煤气用户在未来时间段内所对应的分配煤气流量进行自动调节,以满足每一个煤气用户在未来时间段内的煤气消耗量需求,并优化煤气流量分配,从而实现煤气智能调度,提高高炉煤气利用效率,减少高炉煤气放散量。
综上所述,本说明书实施例可能带来的有益效果包括但不限于:(1)在本说明书一些实施例所提供的钢铁企业煤气系统优化调度方法及系统中,通过根据数据采集装置采集得到的与煤气产量相关的煤气系统数据和各煤气用户与煤气消耗量相关的工艺数据进行预测,获取未来时间段内的预测煤气产量和每一个煤气用户在该未来时间段内对应的预测煤气消耗量,可以更好地表征未来时间段内的煤气产量情况和各煤气用户的煤气消耗量情况,为后续煤气流量分配提供有效的参考;(2)在本说明书一些实施例所提供的钢铁企业煤气系统优化调度方法及系统中,通过构建预测误差拟合规则,可以根据预测结果变化量对煤气产量预测结果或煤气消耗量预测结果进行误差拟合,从而以实现对煤气产量预测结果或煤气消耗量预测结果的自动修正和优化;(3)在本说明书一些实施例所提供的钢铁企业煤气系统优化调度方法及系统中,通过在约束条件内基于预测煤气产量和每一个煤气用户对应的预测煤气消耗量对每一个煤气用户对应的分配煤气流量进行枚举,生成N个调度方案,然后构建适应度函数以评价各个调度方案所对应的第一适应度、第二适应度和第三适应度,最后基于第三适应度从N个调度方案中确定目标调度方案,并根据该目标调度方案对每一个所述煤气用户所对应的分配煤气流量进行自动调节,可以确定出煤气放散总量最小、分配煤气流量与预测煤气消耗量之间的总匹配度最大的调度方案,从而可以提高煤气调度控制的精细化程度,优化高炉煤气的利用效率,减少煤气放散和环境影响;(4)在本说明书一些实施例所提供的钢铁企业煤气系统优化调度方法及系统中,通过准确的煤气产量和煤气消耗量预测,以及相应的调度方案进行煤气自动调度,还可以避免人工调度所导致的滞后性,降低煤气管网压力的波动性,提升高炉煤气系统的稳定性和可靠性。
需要说明的是,不同实施例可能产生的有益效果不同,在不同的实施例中,可能产生的有益效果可以是以上任意一种或几种的组合,也可以是其他任何可能获得的有益效果。
上文已对基本概念做了描述,显然,对于本领域技术人员来说,上述详细披露仅仅作为示例,而并不构成对本说明书的限定。虽然此处并没有明确说明,本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议,所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。
同时,本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此,应强调并注意的是,本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外,本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外,本领域技术人员可以理解,本说明书的各方面可以通过若干具有可专利性的种类或情况进行说明和描述,包括任何新的和有用的工序、机器、产品或物质的组合,或对他们的任何新的和有用的改进。相应地,本说明书的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外,本说明书的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品,该产品包括计算机可读程序编码。
计算机存储介质可能包含一个内含有计算机程序编码的传播数据信号,例如在基带上或作为载波的一部分。该传播信号可能有多种表现形式,包括电磁形式、光形式等,或合适的组合形式。计算机存储介质可以是除计算机可读存储介质之外的任何计算机可读介质,该介质可以通过连接至一个指令执行系统、装置或设备以实现通讯、传播或传输供使用的程序。位于计算机存储介质上的程序编码可以通过任何合适的介质进行传播,包括无线电、电缆、光纤电缆、RF、或类似介质,或任何上述介质的组合。
本说明书各部分操作所需的计算机程序编码可以用任意一种或多种程序语言编写,包括面向对象编程语言如Java、Scala、Smalltalk、Eiffel、JADE、Emerald、C++、C#、VB.NET、Python等,常规程序化编程语言如C语言、Visual Basic、Fortran2003、Perl、COBOL2002、PHP、ABAP,动态编程语言如Python、Ruby和Groovy,或其他编程语言等。该程序编码可以完全在用户计算机上运行、或作为独立的软件包在用户计算机上运行、或部分在用户计算机上运行部分在远程计算机运行、或完全在远程计算机或处理设备上运行。在后种情况下,远程计算机可以通过任何网络形式与用户计算机连接,比如局域网(LAN)或广域网(WAN),或连接至外部计算机(例如通过因特网),或在云计算环境中,或作为服务使用如软件即服务(SaaS)。
此外,除非权利要求中明确说明,本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用,并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例,但应当理解的是,该类细节仅起到说明的目的,附加的权利要求并不仅限于披露的实施例,相反,权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如,虽然以上所描述的系统组件可以通过硬件设备实现,但是也可以只通过软件的解决方案得以实现,如在现有的处理设备或移动设备上安装所描述的系统。
同理,应当注意的是,为了简化本说明书披露的表述,从而帮助对一个或多个发明实施例的理解,前文对本说明书实施例的描述中,有时会将多种特征归并至一个实施例、附图或对其的描述中。但是,这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上,实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字,应当理解的是,此类用于实施例描述的数字,在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明,“大约”、“近似”或“大体上”表明所述数字允许有±20%的变化。相应地,在一些实施例中,说明书和权利要求中使用的数值参数均为近似值,该近似值根据个别实施例所需特点可以发生改变。在一些实施例中,数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本说明书一些实施例中用于确认其范围广度的数值域和参数为近似值,在具体实施例中,此类数值的设定在可行范围内尽可能精确。
针对本说明书引用的每个专利、专利申请、专利申请公开物和其他材料,如文章、书籍、说明书、出版物、文档等,特此将其全部内容并入本说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外,对本说明书权利要求最广范围有限制的文件(当前或之后附加于本说明书中的)也除外。需要说明的是,如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方,以本说明书的描述、定义和/或术语的使用为准。
最后,应当理解的是,本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此,作为示例而非限制,本说明书实施例的替代配置可视为与本说明书的教导一致。相应地,本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。
Claims (10)
1.一种钢铁企业煤气系统优化调度方法,其特征在于,包括:
获取与煤气产量相关的煤气系统数据和每一个煤气用户与煤气消耗量相关的工艺数据;
根据所述与煤气产量相关的煤气系统数据和所述与煤气消耗量相关的工艺数据进行预测,获取未来时间段内的预测煤气产量和每一个所述煤气用户在所述未来时间段内对应的预测煤气消耗量;
根据所述预测煤气产量和所述预测煤气消耗量确定约束条件;
在所述约束条件内基于所述预测煤气产量和每一个所述煤气用户对应的预测煤气消耗量对每一个煤气用户对应的分配煤气流量进行枚举,生成N个调度方案;
构建第一适应度函数和第二适应度函数,其中,所述第一适应度函数用于计算所述调度方案所对应的煤气放散总量,所述第二适应度函数用于计算所述调度方案所对应的分配煤气流量与所述预测煤气消耗量之间的总匹配度;
遍历所述N个调度方案,得到N个第一适应度和N个第二适应度;
根据所述N个第一适应度和所述N个第二适应度,得到N个第三适应度;
基于所述N个第三适应度从所述N个调度方案中确定目标调度方案,并根据所述目标调度方案对每一个所述煤气用户所对应的分配煤气流量进行自动调节。
2.如权利要求1所述的方法,其特征在于,所述根据所述与煤气产量相关的煤气系统数据和所述与煤气消耗量相关的工艺数据进行预测,获取未来时间段内的预测煤气产量和每一个所述煤气用户在所述未来时间段内对应的预测煤气消耗量,包括:
获取训练好的第一机器学习模型和第二机器学习模型;
对所述与煤气产量相关的煤气系统数据和所述与煤气消耗量相关的工艺数据进行预处理,所述预处理包括数据清洗、异常值处理和缺失值处理;
将经过所述预处理后的所述与煤气产量相关的煤气系统数据输入训练好的所述第一机器学习模型,得到所述未来时间段内的预测煤气产量;
将经过所述预处理后的每一个所述煤气用户对应的与煤气消耗量相关的工艺数据输入训练好的所述第二机器学习模型,得到每一个所述煤气用户在所述未来时间段内对应的预测煤气消耗量。
3.如权利要求2所述的方法,其特征在于,所述获取训练好的第一机器学习模型和第二机器学习模型,包括:
获取与煤气产量相关的样本煤气系统数据和每一个煤气用户与煤气消耗量相关的样本工艺数据;
通过所述样本煤气系统数据训练所述第一机器学习模型的煤气产量预测层,通过所述样本工艺数据训练所述第二机器学习模型的煤气消耗量预测层,其中,所述第二机器学习模型包括与每一个煤气用户分别对应的子模型;
构建预测误差拟合层;
将所述预测误差拟合层的第一输入层与所述煤气产量预测层的输出层全连接,得到所述第一机器学习模型;
将所述预测误差拟合层的第二输入层与所述煤气消耗量预测层的输出层全连接,得到所述第二机器学习模型。
4.如权利要求3所述的方法,其特征在于,所述构建预测误差拟合层,包括:
确定预测误差拟合规则,并根据所述预测误差拟合规则构建所述预测误差拟合层;
其中,所述预测误差拟合规则包括:
获取所述与煤气产量相关的煤气系统数据或所述与煤气消耗量相关的工艺数据在指定长度的相邻时间段内的同比变化度;
将所述煤气产量预测层得到的煤气产量预测结果或所述煤气消耗量预测层得到的煤气消耗量预测结果与所述同比变化度进行乘积计算,获取预测结果变化量;
根据所述预测结果变化量对所述煤气产量预测结果或所述煤气消耗量预测结果进行误差拟合。
5.如权利要求1所述的方法,其特征在于,所述约束条件至少包括:
每一个煤气用户所对应的分配煤气流量与对应预测煤气流量的差值小于或等于二者之中较小值的20%;以及
所有煤气用户所对应的分配煤气总流量小于所述预测煤气产量,且大于或等于所述预测煤气产量的85%。
6.如权利要求1所述的方法,其特征在于,所述第一适应度函数如下所示:
其中,Sk表示第k个调度方案对应的煤气放散量数据集,f1,f2,…,fn分别表示第1~n个煤气用户在第k个调度方案下所对应的煤气放散量,fi表示第i个煤气用户对应的煤气放散量,表示第k种调度方案所对应的第一适应度。
7.如权利要求6所述的方法,其特征在于,所述第二适应度函数如下所示:
其中,Pk表示第k个调度方案对应的匹配度数据集,d1,d2,…,dn分别表示第1~n个煤气用户在第k个调度方案下所对应的分配煤气流量与所述预测煤气消耗量之间匹配度,yi表示第i个煤气用户所对应的预测煤气消耗量,bi表示第i个煤气用户所对应的分配煤气流量,min(yi,bi)表示取yi和bi中的较小值,di表示第i个煤气用户所对应的匹配度,表示第k种调度方案所对应的第二适应度。
8.如权利要求7所述的方法,其特征在于,所述根据所述N个第一适应度和所述N个第二适应度,得到N个第三适应度,包括:
基于所述N个第一适应度和所述N个第二适应度构建权重分析矩阵;
对所述权重分析矩阵进行熵权法分析,获取所述第一适应度对应的第一权重和所述第二适应度对应的第二权重;
基于所述第一适应度、第二适应度、第一权重以及所述第二权重,得到所述第三适应度。
9.如权利要求8所述的方法,其特征在于,所述基于所述N个第一适应度和所述N个第二适应度构建权重分析矩阵,包括:
对所述N个第一适应度和所述N个第二适应度进行标准化处理,得到N个第一标准化适应度和N个第二标准化适应度,其中,所述标准化处理包括归一化处理;
以所述N个第一标准化适应度为第一列元素,以所述N个第二标准化适应度为第二列元素,得到所述权重分析矩阵。
10.一种钢铁企业煤气系统优化调度系统,其特征在于,包括:
获取模块,用于获取与煤气产量相关的煤气系统数据和每一个煤气用户与煤气消耗量相关的工艺数据;
预测模块,用于根据所述与煤气产量相关的煤气系统数据和所述与煤气消耗量相关的工艺数据进行预测,获取未来时间段内的预测煤气产量和每一个所述煤气用户在所述未来时间段内对应的预测煤气消耗量;
约束条件确定模块,用于根据所述预测煤气产量和所述预测煤气消耗量确定约束条件;
调度方案生成模块,用于在所述约束条件内基于所述预测煤气产量和每一个所述煤气用户对应的预测煤气消耗量对每一个煤气用户对应的分配煤气流量进行枚举,生成N个调度方案;
适应度函数构建模块,用于构建第一适应度函数和第二适应度函数,其中,所述第一适应度函数用于计算所述调度方案所对应的煤气放散总量,所述第二适应度函数用于计算所述调度方案所对应的分配煤气流量与所述预测煤气消耗量之间的总匹配度;
第一适应度和第二适应度确定模块,用于遍历所述N个调度方案,得到N个第一适应度和N个第二适应度;
第三适应度确定模块,用于根据所述N个第一适应度和所述N个第二适应度,得到N个第三适应度;
目标调度方案确定模块,用于基于所述N个第三适应度从所述N个调度方案中确定目标调度方案,并根据所述目标调度方案对每一个所述煤气用户所对应的分配煤气流量进行自动调节。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311052730.1A CN117035342A (zh) | 2023-08-21 | 2023-08-21 | 一种钢铁企业煤气系统优化调度方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311052730.1A CN117035342A (zh) | 2023-08-21 | 2023-08-21 | 一种钢铁企业煤气系统优化调度方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117035342A true CN117035342A (zh) | 2023-11-10 |
Family
ID=88622520
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311052730.1A Pending CN117035342A (zh) | 2023-08-21 | 2023-08-21 | 一种钢铁企业煤气系统优化调度方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117035342A (zh) |
-
2023
- 2023-08-21 CN CN202311052730.1A patent/CN117035342A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104102212B (zh) | 一种钢铁企业中煤气和蒸汽系统的调度方法、设备和系统 | |
Feng et al. | End temperature prediction of molten steel in LF based on CBR–BBN | |
CN1403593A (zh) | 一种利用智能控制系统控制高炉冶炼的方法 | |
CN101408769A (zh) | 一种基于乘积arima模型的在线能源预测系统及方法 | |
CN107544457A (zh) | 基于可靠性分析的炼化装置运行周期专家决策系统及方法 | |
Ferrano Jr et al. | Prediction of thermal storage loads using a neural network | |
CN101763105A (zh) | 一种自适应可选约束的钢铁企业燃气优化调度系统及方法 | |
CN1207399C (zh) | 智能控制高炉冶炼的系统 | |
CN112215464A (zh) | 一种多工况下高炉煤气的预测平衡调度系统 | |
CN111340269B (zh) | 用于流程工业过程的实时优化方法 | |
CN104408317A (zh) | 一种基于Bootstrap回声状态网络集成的冶金企业煤气流量区间预测方法 | |
CN102109837B (zh) | 钢铁企业焦炉煤气柜位预测平衡方法 | |
Koukaras et al. | Proactive buildings: A prescriptive maintenance approach | |
CN102830662B (zh) | 一种流程工业管网系统的监控系统和方法 | |
CN117035342A (zh) | 一种钢铁企业煤气系统优化调度方法及系统 | |
CN116993326A (zh) | 一种智能化设备全生命周期监控方法及系统 | |
CN117346129A (zh) | 锅炉高温过热器外包低温受热面的温度调控系统 | |
CN101776909A (zh) | 一种钢铁企业燃气供需动态预测系统及方法 | |
CN115823500A (zh) | 基于智慧燃气的燃气入户压力调控方法和物联网系统 | |
CN115877793A (zh) | 油田用能源管控系统及油田用能耗管控方法 | |
Jain et al. | Using model calibration to develop a measurement and verification framework for managing the energy performance gap in buildings | |
CN112347695B (zh) | 一种变压器顶层油温的预测方法及系统 | |
CN117113886B (zh) | 一种压力预测方法及装置 | |
Feng et al. | Gas system scheduling strategy for steel metallurgical process based on multi-objective differential evolution | |
CN116050615A (zh) | 一种基于超混沌储备池集成计算的钢铁企业副产煤气系统流量预测方法 |
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 |