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；
[0051] 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。
[0052] 可选的，还包括优化单元，用于：
[0053] 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。
[0054]本发明有益效果如下：
[0055] 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，通 过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；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；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；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；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。 该方案中，根据热风炉组的历史数据来确定各个采样时刻的煤气消耗量预测模型，无论是 否获取热风炉组中的热风炉的炉型结构、内部煤气流动等参数，只要获取到热风炉组的历 史数据即可建立煤气消耗量预测模型，相对于现有技术的方法适用范围广泛。
【附图说明】
[0056] 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现 有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而 言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0057] 图1为本发明实施例中一种基于热风炉组的煤气消耗量预测模型建立方法的流 程不意图；
[0058]图2为本发明实施例在实际应用中热风炉组的煤气消耗量示意图；
[0059] 图3为本发明实施例中热风炉组一个燃烧状态循环周期过程内的运行状态的示 意图；
[0060]图4为本发明实施例中预测煤气消耗量与实际煤气消耗量对比图；
[0061] 图5为本发明实施例中预测误差百分比的示意图；
[0062] 图6为本发明实施例中一种基于热风炉组的煤气消耗量预测模型建立装置的流 程不意图。
【具体实施方式】
[0063] 针对现有技术中存在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，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， 该方法的流程如图1所示，执行步骤如下：
[0064] S11 :获取热风炉组的历史数据。
[0065] 热风炉组在给高炉连续送风时，会记录热风炉组的历史数据，该历史数据包括在 每个采样时刻热风炉组的煤气消耗量以及热风炉组中每座热风炉的状态，由于只有热风炉 处于燃烧状态时才消耗煤气，因此需要获取每座热风炉的状态。
[0066] S12 :根据获取的在每个采样时刻每座热风炉的状态确定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。
[0067] 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，因此，可以确定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。
[0068] S13:将历史数据按照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。
[0069] S14:分别将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。
[0070] 具体的，还可以根据热风炉组的燃烧状态循环周期中经历燃烧状态的热风炉，将 每个燃烧状态循环周期内的历史数据进行分组，例如，有1号、2号、3号三座热风炉，在一个 燃烧循环周期内，处于燃烧状态的热风炉分别是1号热风炉一 1号2号热风炉一 2号热风 炉一 2号3号热风炉一 3号热风炉一 3号1号热风炉一 1号热风炉，那么就可以将该燃烧 状态循环周期内的历史数据分为六组，同组的历史数据按照采样时刻分类，得到每个采样 时刻的原始数据序列。
[0071] S15: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 值模型作为转换时段的煤气消耗量预测模型；对于除去转换时段的非转换时段，根据非转 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。
[0072] 需要说明的是，预测下一燃烧状态循环周期内的转换时段的煤气消耗量时，可以 获取当前燃烧状态循环周期内转换为一座热风炉处于燃烧状态后的第一采样时刻的煤气 消耗量数据序列的平均值，将该平均值作为预测的下一燃烧状态循环周期内的转换时段的 煤气消耗量；预测下一个燃烧状态循环周期内的非转换时段内采样时刻的煤气消耗量时， 由于一个采样时刻对应一个煤气消耗量预测模型，因此可以根据对应采样时刻的煤气消耗 量预测模型和当前燃烧状态循环周期内对应采样时刻的原始数据序列进行预测。
[0073] 该方案中，根据热风炉组的历史数据来确定各个采样时刻的煤气消耗量预测模 型，无论是否获取热风炉组中的热风炉的炉型结构、内部煤气流动等参数，只要获取到热风 炉组的历史数据即可建立煤气消耗量预测模型，相对于现有技术的方法适用范围广泛。
[0074] 具体的，上述S12中的根据获取的在每个采样时刻每座热风炉的状态确定热风炉 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：
[0075] 按照采样时刻的先后顺序统计热风炉组中处于燃烧状态的热风炉；
[0076] 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；
[0077] 将最小重复单元经历的最长时间确定为燃烧状态循环周期。
[0078] 图2是实际应用中热风炉组的煤气消耗量示意图，从图中可以看出，热风炉组的 煤气消耗量是非线性非稳态的，并且异常随机波动较大，但整体保持一个稳定的趋势，表现 为周期性的有规律的大幅度波动。图3是对热风炉组一个燃烧状态循环周期过程内的运行 状态进行统计，本发明实施例热风炉组包括3座热风炉，记为1号热风炉、2号热风炉、3号 热风炉，最小重复单元表现为1号热风炉处于燃烧状态一1号2号热风炉处于燃烧状态一 2号热风炉处于燃烧状态一 2号3号热风炉处于燃烧状态一 3号热风炉处于燃烧状态一 3 号1号热风炉处于燃烧状态一 1号热风炉处于燃烧状态，最小重复单元经历的时间长度不 一致，可以将最小重复单元经历的最长时间确定为燃烧状态循环周期。
[0079] 具体的，上述S16中的根据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：
[0080] 针对非转换时段的每个采样时刻，执行：
[0081] 获取当前采样时刻的原始数据序列，作为灰色模型的建模序列；
[0082] 根据建模序列计算当前采样时刻的一次累加序列；
[0083] 根据一次累加序列生成背景值序列；
[0084] 根据一次累加序列和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 灰微分方程的时间响应序列；
[0085] 根据时间响应序列还原当前采样时刻的煤气消耗量，得到当前采样时刻的煤气消 耗量预测模型。
[0086] 灰色模型采用背景值和初始值优化后的GM(1，1)模型，该模型中