王延明
(首鋼京唐鋼鐵聯(lián)合有限責(zé)任公司能源與環(huán)境部,河北唐山,063000)
Grey能源預(yù)測模型的研究及應(yīng)用
王延明
(首鋼京唐鋼鐵聯(lián)合有限責(zé)任公司能源與環(huán)境部,河北唐山,063000)
根據(jù)鋼鐵企業(yè)能源發(fā)生和使用的特點(diǎn),在能源管理系統(tǒng)的基礎(chǔ)上,建立了能源預(yù)測動態(tài)數(shù)學(xué)模型,并對首鋼京唐鋼鐵公司高爐煤氣系統(tǒng)進(jìn)行了實(shí)例計(jì)算。實(shí)驗(yàn)結(jié)果表明:在企業(yè)完全正常生產(chǎn)的情況下,對能源系統(tǒng)的發(fā)生和使用預(yù)測,取得滿意的效果。并且模型還可展現(xiàn)調(diào)度方案的效果,為調(diào)度方案的評估提供參考。
能源預(yù)測;灰色理論;應(yīng)用
能源是國民經(jīng)濟(jì)和社會發(fā)展的重要基礎(chǔ),經(jīng)濟(jì)的高速發(fā)展必須要有充足的能源供應(yīng)作保障,因?yàn)榻?jīng)濟(jì)的高速發(fā)展必然會產(chǎn)生對能源的高需求,能源供應(yīng)將成為未來制約我國經(jīng)濟(jì)發(fā)展的主要因素。同時,能源的消費(fèi)和預(yù)測也成為保障能源安全穩(wěn)定供應(yīng)的重要手段。本項(xiàng)目將以京唐鋼能源系統(tǒng)為載體開展研究工作,采用科學(xué)的方法對能源的發(fā)生、傳輸和消費(fèi)系統(tǒng)作出預(yù)測,為全公司安全穩(wěn)定運(yùn)行提供依據(jù)。
能源預(yù)測是從研究能源消費(fèi)的歷史與現(xiàn)狀開始,分析影響能源消費(fèi)的各種因素,找出能源消費(fèi)與這些因素的關(guān)系,并根據(jù)這些關(guān)系對未來能源消費(fèi)發(fā)展趨勢作出估計(jì)和評價。能源消費(fèi)量的傳統(tǒng)預(yù)測方法有判斷分析法、時間序列分析法、計(jì)量經(jīng)濟(jì)法和投入產(chǎn)出法等。為了同時對多個具有不同變化趨勢的現(xiàn)象進(jìn)行預(yù)測,結(jié)合各現(xiàn)象自身的特點(diǎn),首先對歷史數(shù)據(jù)進(jìn)行預(yù)處理,去除異常值,然后對歷史數(shù)據(jù)進(jìn)行建模。預(yù)測能源生產(chǎn)和消費(fèi)量,并用實(shí)際數(shù)據(jù)進(jìn)行了檢驗(yàn)。
目前,國內(nèi)各鋼廠的能源管理主要由能源監(jiān)控、電話調(diào)度和能源計(jì)量組成,大多數(shù)是各種能源介質(zhì)的事后管理,時效性上存在進(jìn)一步提高的空間。本模型提供了在線能源預(yù)測功能,為實(shí)現(xiàn)系統(tǒng)的節(jié)能減排提供了重要的參考依據(jù)。
2.1 預(yù)測基本原理
煤氣等能源介質(zhì)發(fā)生、消耗是一個工況復(fù)雜的工藝過程,影響其發(fā)生、消耗量的因素復(fù)雜多變,難于把握。目前很多智能預(yù)測方法無法或很難根據(jù)工況信息實(shí)施有效的動態(tài)預(yù)測,為了達(dá)到有效預(yù)測的目的,本模塊基于歷史統(tǒng)計(jì)等數(shù)據(jù),并結(jié)合生產(chǎn)狀態(tài)、生產(chǎn)工藝信息進(jìn)行預(yù)測,綜合運(yùn)用Grey模型和BP神經(jīng)網(wǎng)絡(luò),以期達(dá)到有效預(yù)測的目的。
目前采用的基本模型有機(jī)理模型、智能模型(時間序列模型、灰色模型、BP神經(jīng)網(wǎng)絡(luò))。短期動態(tài)預(yù)測則主要采用機(jī)理模型和智能模型相結(jié)合的方案。在正常情況下,能源介質(zhì)波動有其自身的規(guī)律,波動范圍不大,運(yùn)用智能模型基本可以達(dá)到較好的預(yù)測效果,而非正常情況下,由于外界因素(工藝條件的變化、工況的改變)而打破能源介質(zhì)本身的波動規(guī)律,此時需要結(jié)合工藝和工況用機(jī)理模型來解決。
2.2 模型介紹
Grey能源預(yù)測模型的框架如圖1所示。首先對實(shí)時數(shù)據(jù)和歷史數(shù)據(jù)等進(jìn)行清理,已得到所需要的有效信息。然后應(yīng)用灰色關(guān)聯(lián)及BP神經(jīng)網(wǎng)絡(luò)相關(guān)算法進(jìn)行能源預(yù)測研究,為了達(dá)到滿意的預(yù)測效果,必須經(jīng)過一個迭代的過程。最后輸出能源預(yù)測的結(jié)果,為生產(chǎn)提供各種指導(dǎo)意見。
圖1 G rey能源模型框架圖
(1)數(shù)據(jù)清洗
預(yù)測的關(guān)鍵在于數(shù)據(jù)的完整性和數(shù)據(jù)的有效性。數(shù)據(jù)預(yù)處理是建模的關(guān)鍵,經(jīng)過數(shù)據(jù)異常值剔除、數(shù)據(jù)濾波過程得到建模的基礎(chǔ)數(shù)據(jù),運(yùn)用處理后的數(shù)據(jù)進(jìn)行建模預(yù)測來提高預(yù)測的準(zhǔn)確性。除了對數(shù)據(jù)的處理外,對外界工況條件變更的捕獲也很重要,及時準(zhǔn)確的錄入工況信息能有效的修正預(yù)測結(jié)果,提高預(yù)測精度。
數(shù)據(jù)清洗即分析“臟數(shù)據(jù)”產(chǎn)生的原因和存在形式,利用現(xiàn)有技術(shù)手段和方法去清洗它們,并將它們轉(zhuǎn)化為滿足要求的數(shù)據(jù),從而提高數(shù)據(jù)集的質(zhì)量。
:令X={x1,x2,…,xn}是一組n個能源介質(zhì)指標(biāo)的XML數(shù)據(jù)集,其中,xi=[xi1,xi2,…表示第i個樣本的m個特征值。
對于給定的n個樣本,通常其劃分方法就是將目標(biāo)函數(shù)按一個聚類準(zhǔn)則指導(dǎo)搜索劃分。
其中第1項(xiàng)是數(shù)值特征的歐幾里德距離平方;第2項(xiàng)是類屬特征上的簡單的相異匹配測度。
(2)灰色分析
建立基于AHP和灰色關(guān)聯(lián)分析的改進(jìn)算法的具體步驟如下:
1)使用AHP(層次分析法)確定各個要素的權(quán)重。
2)用變權(quán)綜合法對上步的到的結(jié)果進(jìn)行處理,得到新的要素權(quán)重值。
3)應(yīng)用灰色關(guān)聯(lián)分析和各個要素的權(quán)重值進(jìn)行分析。
灰色關(guān)聯(lián)分析是一種多因素統(tǒng)計(jì)分析方法,它是以各因素的樣本數(shù)據(jù)為依據(jù)用灰色關(guān)聯(lián)度來描述因素間關(guān)系的強(qiáng)弱、大小和次序的。能源預(yù)測各要素對最終結(jié)果的影響是離亂的,據(jù)有明顯的灰性。因此,對指標(biāo)進(jìn)行灰色關(guān)聯(lián)分析以實(shí)現(xiàn)指標(biāo)的比較是合適的。分析的基本步驟:
灰關(guān)聯(lián)生成。為了消除不同指標(biāo)、不同量綱的影響,針對不同類型的指標(biāo)采用不同的規(guī)范化方法,將其規(guī)范化為隸屬于[O,1]區(qū)間的效益型指標(biāo)。
①效益目標(biāo):
4)計(jì)算灰關(guān)聯(lián)度
其中βk為各因子的權(quán)重,權(quán)重大小可由層次分析法和變權(quán)綜合法求得。
(3)BP神經(jīng)網(wǎng)絡(luò)
由于BP神經(jīng)網(wǎng)絡(luò)(back propagation多層前饋)利用輸出后的誤差來估計(jì)輸出層的直接前導(dǎo)層的誤差,再用這個誤差估計(jì)更前一層的誤差,如此一層一層的反傳下去,就獲得了所有其他各層的誤差估計(jì)。
輸入:
其中Wj表示各指標(biāo)的評價權(quán)重,Oi表示各指標(biāo)經(jīng)過清洗之后的數(shù)據(jù)。
輸出:
輸出最終的配比指標(biāo)。
BP神經(jīng)網(wǎng)絡(luò)是一個反復(fù)的過程,需要和灰色關(guān)聯(lián)分析進(jìn)行重復(fù)計(jì)算。最后得出最后配比。
經(jīng)過實(shí)際應(yīng)用,本模型達(dá)到了預(yù)定效果,達(dá)到了煤氣的平衡利用,大大節(jié)約了生產(chǎn)成本,產(chǎn)生了較大的經(jīng)濟(jì)效益。預(yù)測結(jié)果可以為調(diào)度人員進(jìn)行短期煤氣調(diào)度提供決策支持,同時為智能優(yōu)化調(diào)度方案的實(shí)施提供基礎(chǔ)數(shù)據(jù)。
圖2為京唐公司2009-12-16 00:00:00—2009-12-16 23:00時間內(nèi)的預(yù)測效果圖。其中從2009-12-16 07:00至2009-12-17 14:40為檢修狀態(tài)。如圖所示當(dāng)程序捕捉到工況變化時,能及時修正預(yù)測結(jié)果,達(dá)到合理的預(yù)測效果。預(yù)測誤差在10%內(nèi)的預(yù)測值達(dá)到91.67%。
灰色模型和BP神經(jīng)網(wǎng)絡(luò)模型相結(jié)合,充分利用這兩種方法的優(yōu)點(diǎn),對能源消耗及發(fā)生量小時流量進(jìn)行了組合建模預(yù)測。圖3為高爐煤氣發(fā)生量的預(yù)測結(jié)果。
誤差數(shù)據(jù)分析見圖4。
圖2 煤氣短期預(yù)測界面
圖3 高爐煤氣發(fā)生預(yù)測結(jié)果
預(yù)測結(jié)果分析:本實(shí)驗(yàn)中數(shù)據(jù)平均絕對相對誤差0.0114,預(yù)測平均絕對相對誤差0.0149。AR自定階模型能夠根據(jù)數(shù)據(jù)波動規(guī)律,選擇最佳的建模次數(shù)對預(yù)測對象未來的變化趨勢進(jìn)行預(yù)測。本實(shí)驗(yàn)所展示的是4時的預(yù)測效果。在實(shí)際應(yīng)用中,模型階次會隨著數(shù)據(jù)的波動狀態(tài),動態(tài)優(yōu)化建模。
根據(jù)對能源介質(zhì)發(fā)生及消耗量的預(yù)測,Grey模型達(dá)到了預(yù)期的效果,對鋼鐵廠能源介質(zhì)的平衡提供了有力的幫助,同時為全廠能源的調(diào)度平衡提供了有力的工具,其將在首鋼京唐的能源介質(zhì)的有效利用上發(fā)揮巨大的作用。
本文建立了適合冶金能源系統(tǒng)的能源生產(chǎn)和消費(fèi)的Grey預(yù)測模型,基于現(xiàn)有的能源管理系統(tǒng)(EMS),在實(shí)際的生產(chǎn)過程中取得了預(yù)期的效果,達(dá)到了所需要的能源預(yù)測能力。本模型的實(shí)現(xiàn)為用戶提供科學(xué)的生產(chǎn)指揮調(diào)度依據(jù),將對京唐鋼的節(jié)能減排等工作提供有力支持。
[1]鄧聚龍.灰色系統(tǒng)理論教程[M].華中理工大學(xué)出版社,1990.11.
[2]李文兵,紀(jì)揚(yáng),李華德.鋼鐵企業(yè)煤氣產(chǎn)生消耗動態(tài)模型研究[J].冶金自動化,2008,32(3):28-33.
[3]韓家煒.數(shù)據(jù)挖掘:概念與技術(shù)[M].北京:機(jī)械工業(yè)出版社,2007.3.
[4]王思強(qiáng).能源預(yù)測預(yù)警理論與方法[M].北京:清華大學(xué)出版社, 2010.2.
[5]魏建新.鋼鐵企業(yè)的能源戰(zhàn)略[J].冶金能源,2007,262:3.
Research and App lication of the Grey Energy Prediction M odel
Wang Yangming
(The Energy and Environment Dept.of Shougang Jingtang Iron&Steel Co.,Ltd,Tangshan,Hebei 063000,China)
In accordance with the characteristics of energy production and consumption and on the basis of energy management system in steel enterprises,a dynamic mathematic model for energy prediction was established and experimentally used to calculate the BFG system of Shougang Jingtang Steel.The results showed that the dynamic model can satisfactorily predict production and consumption of energy power system as well as display the effect of energy allocation plan,to provide reference for assessment of allocation programs.
energy prediction;grey theory;application
TP29
B
1006-6764(2015)02-0057-04
2014-10-20
王延明(1980-),男,工程師,現(xiàn)從事能源管理系統(tǒng)開發(fā)與維護(hù)工作。