基于改进灰色模型的混合煤气压力预测方法和系统

1.本发明涉及冶金企业煤气混合加压技术，具体涉及基于灰色关联分析和多变量灰色gm(1,n)模型的混合煤气加压过程建模和预测方法和系统以及参数选择方法。


背景技术：

2.混合煤气加压过程是钢铁企业燃气输配的重要环节之一，它为后续加热炉或其他煤气用户提供充足稳定的热值并保证钢铁生产安全与供需平衡。
3.混合煤气的质量直接影响钢铁生产的质量和产量，实现有效的混合煤气加压过程控制系统对于优化配比各单体煤气量、降低生产成本、提高产品质量及减小排放等方面具有重要意义。现行常规的混合煤气加压站结构如图1所示，高炉煤气经过高炉煤气入口蝶阀式高炉煤气压力阀、蝶阀式高炉煤气流量阀进入混合管道；焦炉煤气经过焦炉煤气入口的蝶阀式焦炉煤气压力阀、蝶阀式焦炉煤气流量阀进入混合管道；经过入混合点后进行混合后煤气压力检测，之后经加压机组升压到规定压力，之后经过风机总管输送给后续加热炉或其他煤气用户。
4.由上述结构图可以看到，在来气的高炉管道和焦炉管道各安装有两道蝶阀，然后通过人工手动或自动调节这四道蝶阀来调节焦炉煤气流量和高炉煤气流量的比值，以实现混合煤气热值稳定的目的。
5.但是，混合煤气加压生产过程具有不连续、强耦合、高煤和焦煤两个气源管道压力变化大、不确定参数多等现实复杂问题。混合后的煤气负荷波动也比较大，同时煤气加压站现场还存在强电磁干扰、蝶阀故障等问题。这些因素的存在使得现场手动调节煤气配比时，虽然对混合煤气的热值稳定有一定保障作用，但总体来说混合煤气的热值仍然波动较大，而且调节速度也比较慢，达不到煤气用户对于混合煤气热值和压力稳定的生产工艺目标，也造成了高炉煤气的浪费，从而引起能源的未充分利用和经济损失。此外，煤气配比如果采用手动调节，那么它将大大增加工人的劳动强度和工作压力。同时，混合煤气压力也易受后续运行加压机组运行情况和各加压机前蝶阀开度的干扰。混合后煤气压力和风机总管压力，机前蝶阀、机后蝶阀和机前翻板的开度，均会对运行中机组风机的负荷带来影响，从而影响风机电流。
6.因此，混合煤气加压过程呈现动态变化，具有非线性、多变量耦合、大滞后及不确定参数众多等复杂特性，不易及时准确测量和预测混合煤气压力等影响混合加压系统安全的重要过程变量，且难以建立精确的在线测量机理模型，直接导致混合煤气加压系统难以适应如气源压力波动频繁和用户需求变化大等外部扰动因素。


技术实现要素：

7.本发明要解决的技术问题是，提供一种基于改进灰色模型的混合煤气压力预测方法和系统及参数选择方法，有效预测混合煤气压力，主要解决系统关键变量难以直接测量及预测的时效性问题，并为后续过程的故障诊断和控制决策奠定基础。为后续混合煤气加
压过程的故障诊断和控制决策奠定基础。
8.此外，本发明的参数选择方法可以应用于同类应用场景，帮助快速发现影响压力的重要因素并建立预测模型。
9.再此外，可以实现预测模型参数的在线优化，且具有拟合程度高、预测误差小的特点，可有效提高预测精度。能够为混合煤气加压过程关键变量的预测提供一种在线、可靠性高的途径。
10.同时，在线建模预测方法及预测模型能够提前预测混合煤气加压过程的未来变化趋势，从而保证高/焦混合煤气加压系统的安全稳定运行。
11.为解决上述技术问题，本发明所采用的技术方案是：
12.一种基于改进灰色模型的混合煤气加压过程关键参数确定方法，其特征在于包括如下步骤；
13.s1：对混合煤气加压过程进行机理分析，确定引起混合煤气压力值变化各因素的参考数据列和比较数据列；
14.s2：对参考数据列和比较数据列进行无量纲化处理；
15.s3：计算各时间点参考数据列和比较数据列在各时间点上的绝对差值的最大值和最小值，并计算参考数据列和比较数据列在各时间点上的相对差值；并在绝对差值和相对差值基础上，确定灰色关联系数；
16.s4：计算各因素灰色关联系数的均值，分析混合煤气压力与各因素的关联度，从而确定对混合煤气加压过程影响较大的关键参数。
17.其中，基于灰色关联分析法选取混合煤气压力预测模型的输入变量，采集对混合煤气加压过程中对混合煤气压力影响较大的关键因素的实时数据作为灰色关联分析法的比较数据列xi(k)(i＝1,
…
,n、k＝1,
…
,m)，其中，采集混合煤气压力值为参考数列x1(k)；对各因素进行关联度分析，从而确定混合煤气压力预测模型的样本参数。
18.上述技术方案中，s1中确定混合煤气压力值为参考数列，选择引起混合煤气压力值变化的各因素为比较数列，s3中定义影响混合煤气压力值各因素的灰色关联系数表达式ζi(k)为：
[0019][0020]
式中：x0(k)、xi(k)分别为在第k个时刻引起混合煤气压力值变化各因素的参考数列和比较数列，k＝1,
…
,m；xi为第i个比较数列，i＝1,
…
,n，ρ为分辨系数， 0《ρ《1。
[0021]
上述技术方案中，步骤s4中计算得到关联系数的平均值，即关联度γ
0i
(k)为：
[0022][0023]
本发明基于上述参数确定方法，还提供一种基于改进灰色模型的混合煤气加压在线预测方法，其特征在于包括如下步骤：
[0024]
s1、基于灰色关联度分析确定对混合煤气加压过程影响较大的关键参数作为混合煤气加压模型输入量：高炉煤气入口流量、焦炉煤气入口流量、高炉煤气压力阀开度、焦炉煤气压力阀开度、高炉煤气流量阀开度、焦炉煤气流量阀开度；将混合煤气压力值作为输出
量；采集混合煤气加压模型输入量和输出量的实时数据，形成样本数据集；
[0025]
s2、将样本数据集一部分作为训练集，一部分作为测试集，建立混合煤气压力预测模型并对输出变量进行在线实时预测；
[0026]
s3、对所建立混合煤气压力预测模型的参数进行参数辨识，最小化预测模型误差。
[0027]
上述在线预测方法技术方案中，步骤s1包括：
[0028]
s11：对混合煤气加压过程进行机理分析，确定引起混合煤气压力值变化各因素的参考数据列和比较数据列；
[0029]
s12：对参考数据列和比较数据列进行无量纲化处理；
[0030]
s13：计算各时间点参考数据列和比较数据列在各时间点上的绝对差值的最大值和最小值，并计算参考数据列和比较数据列在各时间点上的相对差值；并在绝对差值和相对差值基础上，确定灰色关联系数；
[0031]
s14：计算各因素灰色关联系数的均值，分析混合煤气压力与各因素的关联度，从而确定对混合煤气加压过程影响较大的关键参数为：高炉煤气入口流量、焦炉煤气入口流量、高炉煤气压力阀开度、焦炉煤气压力阀开度、高炉煤气流量阀开度、焦炉煤气流量阀开度。
[0032]
上述在线预测方法技术方案中，步骤s1确定并采集预测模型输入变量的实时数据：x
i1
、x
i2
…
x
in
，i1、i2
……
in表示输入量序号；将对应预测模型的输出量定为yo，则预测模型定义为yo＝f(x
i1
,x
i2
,
…
,x
in
)，f为非线性映射函数，表示各模型影响较大的输入变量与对应输出变量的关系。
[0033]
上述在线预测方法技术方案中，步骤s2混合煤气压力预测模型构建时，设关键参数为比较数列：高炉煤气入口流量x1、焦炉煤气入口流量x2、高炉煤气压力阀开度x3、焦炉煤气压力阀开度x4、高炉煤气流量阀开度x5、焦炉煤气流量阀开度x6,设混合煤气压力为参考数列x0。
[0034]
上述在线预测方法技术方案中，步骤s2混合煤气压力预测模型构建时，将关键参数作为混合煤气压力预测模型的输入量，混合煤气压力值作为输出量，并将混合煤气压力视为在一定区间内变化的灰色量，变化过程为一随机过程，基于光滑离散函数建立微分方程模型gm(1,n)作为混合煤气压力预测模型，其中，n为关键参数的个数。
[0035]
上述在线预测方法技术方案中，步骤s3利用adam算法对混合煤气压力预测模型参数进行辨识，得到混合煤气压力预测模型的参数ε》0，其中θ为优化参数变量，优化目标函数l(θ)为
⊙
为逐元素乘积，一阶矩偏置校正量y
l
为第l个样本实际输出值；为第l个样本的输出预测值；t为更新步数，g
t
为l(θ)对θ求导所得梯度，β1、β2分别为一阶矩、二阶矩衰减系数，且β1,β2∈[0,1)，α为学习率。
[0036]
上述在线预测方法技术方案中，步骤s1在数据采集和实时预测过程中，采用从当前时刻往前l个采样周期组成的移动时间窗口中的数据构成训练样本集。
[0037]
最后，本发明还提供一种基于改进灰色gm(1,n)预测模型的混合煤气加压过程预
测系统，其特征在于包括：
[0038]
基于灰色关联分析的参数选择模块，基于灰色关联度分析确定对混合煤气加压过程影响较大的关键参数作为输入量；
[0039]
数据采集模块，实时采集输入量和输出量混合煤气压力值的实时数据，形成样本数据集；
[0040]
灰色gm(1,n)预测建模模块，用于将样本数据集一部分作为训练集，一部分作为测试集，建立混合煤气压力预测模型并对输出变量进行在线实时预测；所述混合煤气压力预测模型以对混合煤气加压过程影响较大的关键参数作为输入量，混合煤气压力值作为输出量，将混合煤气压力视为在一定区间内变化的灰色量，基于光滑离散函数建立微分方程模型gm(1,n)；
[0041]
基于adam算法的gm(1,n)参数辨识模块，对所建立混合煤气压力预测模型的参数进行参数辨识，最小化预测模型误差。
[0042]
相对于现有技术，本发明的有益效果如下：
[0043]
(1)针对混合煤气加压过程复杂滞后大、难以及时获取和预测系统状态信息等问题，本发明将灰色关联分析和灰色gm(1,n)预测模型引入某钢厂混合加压煤气系统中，对混合煤气压力进行了模型构建和准确预测，有利于混合加压煤气系统的安全、稳定运行。
[0044]
(2)针对混合煤气加压过程具有多变量耦合及不确定参数众多等复杂特性，本发明将灰色关联分析法引入混合煤气加压过程中影响混合煤气压力的关键因素分析，通过对各因素的关联度排序筛选混合煤气压力在线预测模型的输入变量，并组成输入变量序列。
[0045]
(3)针对传统灰色gm(1,n)模型参数辨识的问题，本发明采用adam算法实现gm(1,n)模型参数的在线优化求解，由此提高灰色gm(1,n)模型的在线预测精度。
[0046]
(4)基于某钢厂混合加压煤气系统的实验结果表明，相比于基于标准灰色 gm(1,n)预测方法的预测模型，本发明所设计基于灰色gm(1,n)的混合煤气加压过程预测模型具有更高的预测精度，具有较强的可行性，能够为混合煤气加压过程关键变量的预测提供一种在线、可靠性高的途径。
附图说明
[0047]
下面将结合附图及实施例对本发明作进一步说明，附图中：
[0048]
图1是本发明实施例的某钢厂混合煤气加压站结构配置图。
[0049]
图2是本发明基于改进灰色gm(1,n)预测模型的混合煤气加压过程预测流程图。
[0050]
图3本发明在内的几种方法预测结果对比图，其中“+”为本发明的改进灰色gm(1,n)预测模型。
具体实施方式
[0051]
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
[0052]
实施案例：混合煤气加压过程预测建模
[0053]
某钢厂混合煤气加压站结构配置如图1所示。加压站按照热值需求将高炉煤气和
焦炉煤气以一定的比例进行混合，后经加压机组升压到规定压力后送至若干个远程用户。为了确保风机出口总管压力的安全稳定控制并减少人工操作，需要对风机出口总管压力、混合后煤气压力和工作机组电流进行建模。所构建的预测模型主要解决系统关键变量难以直接测量及测量的时效性问题，并为后续过程的决策和控制奠定基础，具体包括：数据采集及基于灰色关系分析的样本数据选择模块、基于灰色gm(1,n)预测建模模块以及基于adam算法的参数在线优化模块。
[0054]
基于灰色关联分析的样本数据选择
[0055]
由图1所示的实际煤气加压生产工艺可知，影响混合煤气加压过程的因素众多，混合煤气压力与高炉煤气和焦炉煤气的流量和压力均有关，并受到混合煤气压力表前的高炉煤气和焦炉煤气压力阀、流量阀的开度影响；同时，混合煤气压力也易受后续运行加压机组运行情况和各加压机前蝶阀开度的干扰。鉴于此，针对混合煤气加压过程预测系统，本文基于灰色关联分析方法分析混合煤气加压过程影响较大的关键变量与混合煤气压力的关系，通过关联度比较选择关键变量的实时数据建立混合后煤气压力。
[0056]
影响混合后煤气压力模型的关键变量。由图1中的混合煤气加压站结构配置可以看出，混合煤气压力检测点前，影响混合压力的量包括高炉煤气入口流量、焦炉煤气入口流和4个蝶阀的开度，其中4个蝶阀具体指高炉煤气压力阀和流量阀，焦炉煤气压力阀和流量阀。混合后煤气压力检测点后，加压机组的运行状况也会影响到混合后煤气压力的检测值。基于现场数据的相关性分析以及建模效果的对比分析可知，混合压力检测点后的加压机组运行状况变化远不如混合压力检测点前的多个变量对混合煤气压力的影响大。因此，从所有影响混合煤气压力的变量中，提取对混合煤气压力影响较大的6个关键变量作为混合煤气压力的优选样本数据。现场所采集样本数据取值范围见表1。
[0057]
表1采集数据
[0058][0059]
设x2为高炉煤气入口流量、x3为焦炉煤气入口流量、x4为高炉煤气压力阀开度、x5为焦炉煤气压力阀开度、x6为高炉煤气流量阀开度以及x7为焦炉煤气流量阀开度；将混合煤气压力为参考数列x1；
[0060]
定义混合煤气压力值为参考数列为
[0061][0062]
经过无量纲化处理、计算灰色关联系数和求解关联度后，得到这6个关键变量的关联度排序：x3》x2》x5》x4》x6》x7，其中，高炉煤气入口流量、焦炉煤气入口流量、高炉煤气压力阀开度和焦炉煤气压力阀开度对混合煤气压力影响较大，因此，选择这四个样本数据作为混合煤气压力预测模型的输入变量。
[0063]
基于adam算法的改进灰色gm(1,n)模型的预测
[0064]
根据灰色关联分析的选择，混合煤气压力预测模型的变量参数n＝4，基于灰色gm(1,n)模型对混合加压煤气系统的实测值序列进行预测，得到混合煤气压力的预测序列由预测序列与实测值序列之间的差值构成 adam算法的待优化目标函数；进过adam算法参数寻优后，确定灰色gm(1,n) 模型的灰参数。
[0065]
基于改进灰色gm(1,n)模型的混合煤气压力预测算法实现流程
[0066]
基于灰色关联分析和灰色gm(1,n)预测方法的混合煤气加压过程预测流程图如图2所示。
[0067]
包括如下步骤：
[0068]
基于灰色关联分析法选取混合煤气压力预测模型的输入变量，采集对混合煤气加压过程中对混合煤气压力影响较大的关键因素的实时数据作为灰色关联分析法的比较数据列xi(k)(i＝1,
…
,n、k＝1,
…
,m)，其中，采集混合煤气压力值为参考数列x1(k)；对各因素进行关联度分析，从而确定混合煤气压力预测模型的样本参数；
[0069]
上述方案中，首先，定义参考数列为
[0070][0071]
然后，采用均值法对混合煤气压力值为参考数列进行无量纲化处理，即将参考数列中每1个数据除以该行数据的平均值，即
[0072][0073]
式中，为比较数据列xi(k)在第k个时刻无量纲化后的值，i＝2,
…
,6, k＝1,
…
,m。
[0074]
取分辨系数ρ＝0.5,计算比较数据列xi(k)与参考数列x1(k)的在各时刻的关联系数
[0075][0076]
最后，计算关联系数的平均值，即关联度γ
0i
(k)为，
[0077][0078]
将所得的关联度进行降序排列，确定并采集对混合煤气压力影响较大的关键变量的实时数据：高炉煤气入口流量、焦炉煤气入口流量、高炉煤气压力阀开度以及焦炉煤气压力阀开度作为预测模型的输入变量。
[0079]
确定基于灰色gm(1,n)模型的混合煤气压力预测模型输入变量；
[0080]
上述技术方案中，首先，将数据集一部分作为训练集，一部分作为测试集，对灰色gm(1,n)预测模型的输出变量进行实时预测。
[0081]
建立给定输入数据集序列i＝1,2,
…
,n。对分别做一次累加，生成序列(1-ago),得到序列其中，k＝1,2,
…
,m，j＝1,2,
…
,n。
[0082]
由生成紧邻均值序列其中
[0083]
序列的变化率具有关联，则序列满足一阶微分方程：
[0084][0085]
将上式进行离散化后得到：
[0086][0087]
由此建立gm(1,n)模型。
[0088]
令参数列根据的最小二乘估计求解灰参数p＝(b
t
b)-1bt
y,其中，
[0089][0090]
将求解的ρ＝(a,b2,b3,
…
,bn)
t
带入gm(1,n)模型中，可得其预测离散解为
[0091][0092]
改进灰色gm(1,n)是利用adam算法对灰色gm(1,n)预测模型的参数列ρ＝(a,b2,b3,
…
,bn)
t
进行在线辨识；
[0093]
上述技术方案中，定义待优化目标函数为
[0094][0095]
式中：为预测值序列；为实测值序列；
[0096]
设t为更新步数，g
t
为对求导所得梯度，β1、β2分别为一阶矩、二阶矩的衰减系数(β1,β2∈[0,1))，得到g
t
的一阶矩、二阶矩；修正一阶矩、二阶矩；设ρ为学习率，以修正后一阶矩为梯度下降方向，并由修正后二阶矩更新步长，得到混合煤气压力预测模型的参数为ε》0，其中
⊙
为逐元素乘积，一阶矩偏置校正量
[0097]
上述技术方案中，将另一组输入、输出数据作为测试集，归一化处理后分别应用于输入模型的输入端和输出端进行测试。在数据采集和实时预测过程中，采用移动时间窗口数据实时更新训练样本集数据，即采用从当前时刻往前l个采样周期组成的移动时间窗口中的数据构成训练样本集。
[0098]
本发明的输入数据选择方法，其特征在于基于灰度关联分析法完成上述的关键数据分析方法，包括确定混合煤气压力过程的比较数据列、采集混合煤气压力值为参考数列，各数据的无量纲化处理，计算关联系数和关联度以及关联度排序。
[0099]
一种基于改进灰色gm(1,n)模型的预测，其特征在于包括混合煤气压力预测模型、数据采集及处理模块、基于灰色gm(1,n)建模以及基于adam算法的参数在线优化模块，用于完成上述的预测方法。
[0100]
实验结果及分析
[0101]
在数据采集和实时预测过程中，为了保证所建模型的准确性，采用图3所示的移动时间窗口数据实时更新训练样本集数据，即采用从当前时刻往前l个采样周期组成的移动时间窗口中的数据构成训练样本集。
[0102]
数据采集周期为1s，共采集2000个样本。混合煤气压力预测曲线如图3 所示。混合煤气压力实测值与预测值的预测误差和均方差见表2。
[0103]
表2预测误差
[0104][0105]
对于各有2000个混合煤气压力的训练样本数据，分别采用基于标准灰色gm(1,n)模型方法和本发明所设计的改进灰色gm(1,n)模型分别建立混合煤气压力的预测模型进行对比实验。图3中“+”曲线为采用本发明的方法所得预测输出；“。”曲线为采用标准灰色gm(1,n)模型方法所得预测输出；
“‑”
曲线为实际输出数据。
[0106]
由表2的实验结果可知，对比测试样本数据的平均误差和均方差结果，本发明所设计方法的预测性能优于基于标准灰色gm(1,n)模型的预测结果。改进灰色gm(1,n)模型所得煤气压力预测值的平均误差和均方差分别降低了58.3％、 78.9％。
[0107]
综上所述，本发明所提出的改进灰色gm(1,n)模型的混合煤气加压过程在线建模预测方法可以实现参数的在线优化，且具有拟合程度高、预测误差小的特点，可有效提高预
测精度。
[0108]
应当理解的是，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，而所有这些改进和变换都应属于本发明所附权利要求的保护范围。