基于热风炉组的煤气消耗量预测模型建立方法及装置的制造方法
【技术领域】
[0001] 本发明涉及冶金自动化技术领域，尤其涉及一种基于热风炉组的煤气消耗量预测 模型建立方法及装置。
【背景技术】
[0002] 钢铁行业是高能耗、高污染、高排放的行业，节能降耗一直是钢铁行业面临的严峻 问题之一。在钢铁行业，通常采用高炉炼铁，而高炉炼铁是连续作业，为了满足高炉炼铁过 程对连续高温热风的需求，一般会采用3?4座热风炉轮流交替为一座高炉送风，这些热风 炉组成热风炉组，热风炉组中每日换炉的次数和时间根据热风炉的座数和燃烧制度而定， 高炉炼铁过程中消耗的一次能源有40 %左右转变为副产煤气（以下称为高炉煤气），热风 炉是炼铁工序中的煤气资源消耗大户，热风炉燃烧一般使用高炉煤气，煤气消耗量约占高 炉煤气总量的45%，热风炉要经过燃烧一闷炉一送风一换炉一燃烧这样一个周期过程，只 在燃烧状态消耗煤气，一个热风炉的煤气消耗是间断性的，而一座高炉的热风炉组的煤气 消耗是连续性的。在高炉炼铁过程中，科学合理地对热风炉组的煤气消耗量进行预测，能 够最大限度地利用煤气资源，从而节约成本，减少环境污染。目前，通常采用煤气消耗量 预测模型对热风炉组的煤气消耗量进行预测，煤气消耗量预测模型准确性的高低直接影响 到是否能够准确地预测热风炉组的煤气消耗量。
[0003] 按照现有的基于热风炉组的煤气消耗量预测模型建立方法，是以热风炉组的每个 热风炉的热平衡为研宄基础，通过高炉作业条件，计算出输入热量、燃烧目标值、拱顶温度 等燃烧条件的物理模型，根据热风温度、风量等要求预测出热风炉热状态和煤气消耗量。该 模型的理论分析因素复杂（耦合了热风炉的炉型结构、内部煤气流动等参数），无法用在热 风炉的炉型设计参数未知时建立基于热风炉的煤气消耗量预测模型，该方法适用范围非常 有限。
【发明内容】
[0004] 本发明实施例提供一种基于热风炉组的煤气消耗量预测模型建立方法及装置，用 以解决现有的基于热风炉组的煤气消耗量预测模型建立方法适用范围非常有限的问题。
[0005] 根据本发明实施例，提供一种基于热风炉组的煤气消耗量预测模型建立方法，包 括：
[0006] 获取热风炉组的历史数据，所述历史数据包括在每个采样时刻所述热风炉组的煤 气消耗量以及所述热风炉组中每座热风炉的状态；
[0007] 根据获取的在每个采样时刻每座热风炉的状态确定所述热风炉组的燃烧状态循 环周期和在一个燃烧状态循环周期内经历燃烧状态的热风炉；
[0008] 将所述历史数据按照所述燃烧状态循环周期进行划分，将最后一个燃烧状态循环 周期之前的燃烧状态循环周期内的历史数据确定为训练集；
[0009] 分别将所述训练集包括的每个燃烧状态循环周期中相同采样时刻的煤气消耗量 确定为对应采样时刻的原始数据序列；
[0010] 对于两座热风炉处于燃烧状态转换为一座处于燃烧状态的转换时段，将平均值模 型作为所述转换时段的煤气消耗量预测模型；
[0011] 对于除去所述转换时段的非转换时段，根据所述非转换时段的每个采样时刻的原 始数据序列和灰色模型确定对应采样时刻的煤气消耗量预测模型。
[0012] 具体的，根据获取的在每个采样时刻每座热风炉的状态确定所述热风炉组的燃烧 状态循环周期和在一个燃烧状态循环周期内经历燃烧状态的热风炉，具体包括：
[0013] 按照采样时刻的先后顺序统计所述热风炉组中处于燃烧状态的热风炉；
[0014] 将统计结果中包括的最小重复单元作为一个燃烧状态循环周期内经历燃烧状态 的热风炉；
[0015] 将所述最小重复单元经历的最长时间确定为所述燃烧状态循环周期。
[0016] 具体的，根据所述非转换时段的每个采样时刻的原始数据序列和灰色模型确定对 应采样时刻的煤气消耗量预测模型，具体包括：
[0017] 针对所述非转换时段的每个采样时刻，执行：
[0018] 获取所述当前采样时刻的原始数据序列，作为所述灰色模型的建模序列；
[0019] 根据所述建模序列计算所述当前采样时刻的一次累加序列；
[0020] 根据所述一次累加序列生成背景值序列；
[0021] 根据所述一次累加序列和所述背景值序列确定灰微分方程的发展系数和灰色作 用量，得到所述灰微分方程的时间响应序列；
[0022] 根据所述时间响应序列还原所述当前采样时刻的煤气消耗量，得到所述当前采样 时刻的煤气消耗量预测模型。
[0023] 可选的，还包括：
[0024] 将所述最后一个燃烧状态循环周期内的历史数据作为测试集；
[0025] 获取所述测试集中每个采样时刻的煤气消耗量，得到每个采样时刻的实际煤气消 耗量；
[0026] 使用每个采样时刻的煤气消耗量模型预测对应采样时刻的煤气消耗量，得到每个 采样时刻的预测煤气消耗量；
[0027] 将每个采样时刻的实际煤气消耗量与预测煤气消耗量进行比较，检验每个采样时 刻的煤气消耗量预测模型的预测准确性。
[0028] 可选的，还包括：
[0029] 采用粒子群算法确定所述当前采样时刻的实际煤气消耗量与预测煤气消耗量的 相对误差绝对值和最小时的粒子速度的位置与速度，得到所述当前采样时刻的灰色模型的 背景值优化参数和初始值优化参数。
[0030] 根据本发明实施例，提供一种基于热风炉组的煤气消耗量预测模型建立装置，包 括：
[0031] 获取单元，用于获取热风炉组的历史数据，所述历史数据包括在每个采样时刻所 述热风炉组的煤气消耗量以及所述热风炉组中每座热风炉的状态；
[0032] 第一确定单元，用于根据获取的在每个采样时刻每座热风炉的状态确定所述热风 炉组的燃烧状态循环周期和在一个燃烧状态循环周期内经历燃烧状态的热风炉；
[0033] 划分单元，用于将所述历史数据按照所述燃烧状态循环周期进行划分，将最后一 个燃烧状态循环周期之前的燃烧状态循环周期内的历史数据确定为训练集；
[0034] 第二确定单元，用于分别将所述训练集包括的每个燃烧状态循环周期中相同采样 时刻的煤气消耗量确定为对应采样时刻的原始数据序列；
[0035] 第三确定单元，用于对于两座热风炉处于燃烧状态转换为一座处于燃烧状态的转 换时段，将平均值模型作为所述转换时段的煤气消耗量预测模型；对于除去所述转换时段 的非转换时段，根据所述非转换时段的每个采样时刻的原始数据序列和灰色模型确定对应 采样时刻的煤气消耗量预测模型。
[0036] 具体的，所述第一确定单元，具体用于：
[0037] 按照采样时刻的先后顺序统计所述热风炉组中处于燃烧状态的热风炉；
[0038] 将统计结果中包括的最小重复单元作为一个燃烧状态循环周期内经历燃烧状态 的热风炉；
[0039] 将所述最小重复单元经历的最长时间确定为所述燃烧状态循环周期。
[0040] 具体的，所述第三确定单元，具体用于：
[0041] 针对所述非转换时段的每个采样时刻，执行：
[0042] 获取所述当前采样时刻的原始数据序列，作为所述灰色模型的建模序列；
[0043] 根据所述建模序列计算所述当前采样时刻的一次累加序列；
[0044] 根据所述一次累加序列生成背景值序列；
[0045] 根据所述一次累加序列和所述背景值序列确定灰微分方程的发展系数和灰色作 用量，得到所述灰微分方程的时间响应序列；
[0046] 根据所述时间响应序列还原所述当前采样时刻的煤气消耗量，得到所述当前采样 时刻的煤气消耗量预测模型。
[0047] 可选的，还包括检验单元，用于：
[0048] 将所述最后一个燃烧状态循环周期内的历史数据作为测试集；
[0049] 获取所述测试集中每个采样时刻的煤气消耗量，得到每个采样时刻的实际煤气消 耗量；
[0050] 使用每个采样时刻的煤气消耗量模