石 磊
(辛集市建投燃?xì)庥邢薰?,河?辛集 052300)
在人類(lèi)的發(fā)展中,能源一直處于極其重要的地位。只有實(shí)現(xiàn)能源安全,才能實(shí)現(xiàn)經(jīng)濟(jì)的穩(wěn)定、持續(xù)、高效發(fā)展。在改革開(kāi)放后,我國(guó)經(jīng)濟(jì)發(fā)展速度驚人,大幅改善了我國(guó)人民的生活[1]。而經(jīng)濟(jì)的高速、持續(xù)發(fā)展帶來(lái)了能源消耗量的大幅增加。煤炭在我國(guó)一直是主要能源,煤炭消耗量在我國(guó)整體能源消耗量中一直占據(jù)很大占比。隨著煤炭消耗量逐年攀升,其引發(fā)的環(huán)境問(wèn)題也越來(lái)越嚴(yán)重[2]。可以說(shuō),煤炭消耗量的增加對(duì)于環(huán)境一直是一種巨大的壓力,也已經(jīng)成為社會(huì)環(huán)境保護(hù)、經(jīng)濟(jì)發(fā)展的瓶頸,在煤炭能源的使用中實(shí)現(xiàn)節(jié)能降耗早已是環(huán)境領(lǐng)域中一個(gè)重要的議題。
我國(guó)區(qū)域經(jīng)濟(jì)發(fā)展與整體煤炭分布不匹配,并且缺乏良好的煤炭運(yùn)輸能力,使燃煤電廠使用的煤種十分混雜,導(dǎo)致工業(yè)燃?xì)忮仩t使用過(guò)程中煤炭使用量與設(shè)計(jì)值有著較大偏離[3]。同時(shí)各地煤炭使用量的相關(guān)指標(biāo)有著很大差異,包括灰熔融性、灰分、硫分、揮發(fā)分、發(fā)熱量以及煤炭類(lèi)別等,也間接導(dǎo)致了煤炭使用量與設(shè)計(jì)值的偏離問(wèn)題。該問(wèn)題會(huì)引發(fā)一系列更深層次的問(wèn)題,包括引風(fēng)系統(tǒng)、送風(fēng)系統(tǒng)、制粉系統(tǒng)等鍋爐輔助機(jī)組設(shè)備容易出現(xiàn)出力不足的問(wèn)題,對(duì)鍋爐出力造成嚴(yán)重影響;爐膛結(jié)渣,使技改工程與檢修費(fèi)用上升;增加環(huán)保壓力。因此,對(duì)工業(yè)燃?xì)忮仩t使用過(guò)程中煤炭使用量預(yù)測(cè)問(wèn)題進(jìn)行研究。很多國(guó)家在工業(yè)燃?xì)忮仩t中都使用混煤,因此很早就開(kāi)始對(duì)該問(wèn)題進(jìn)行研究,特別是一些煤炭硫分不均以及煤炭資源匱乏的國(guó)家。研究發(fā)現(xiàn)煤炭使用量預(yù)測(cè)與煤炭品質(zhì)、混煤比例、氧濃度等因素相關(guān),具體需要根據(jù)各國(guó)混煤情況來(lái)預(yù)測(cè)。在研究中應(yīng)用了熱分析技術(shù)、神經(jīng)網(wǎng)絡(luò)算法、模糊算法等,取得了一定研究成果。現(xiàn)綜合以往取得的研究成果,針對(duì)我國(guó)國(guó)情設(shè)計(jì)一種工業(yè)燃?xì)忮仩t使用過(guò)程中煤炭使用量預(yù)測(cè)方法。
為實(shí)現(xiàn)工業(yè)燃?xì)忮仩t使用過(guò)程中,對(duì)煤炭使用量進(jìn)行有效預(yù)測(cè),先通過(guò)Simulink仿真工具構(gòu)建工業(yè)燃?xì)忮仩t仿真模型,然后對(duì)原始煤炭使用量數(shù)據(jù)進(jìn)行降噪處理,獲取數(shù)據(jù)的波動(dòng)成分與趨勢(shì)成分時(shí)間序列,最后使用ARMA時(shí)間序列法構(gòu)建煤炭使用量預(yù)測(cè)模型,完成工業(yè)燃?xì)忮仩t使用過(guò)程中煤炭使用量預(yù)測(cè)方法的設(shè)計(jì)。
時(shí)間變化下焦化、燒結(jié)等工序?qū)嶋H用煤量的變化規(guī)律仿真,構(gòu)建工業(yè)燃?xì)忮仩t仿真模型。在仿真模型的創(chuàng)建中,使用的仿真工具為Simulink,該工具可實(shí)現(xiàn)仿真的可視化,通過(guò)其圖形用戶(hù)接口即可對(duì)模型方塊圖進(jìn)行構(gòu)建,僅需拖動(dòng)鼠標(biāo)和單機(jī)操作即可完成[4]。為實(shí)現(xiàn)模型的動(dòng)態(tài)展示,模型的建模展現(xiàn)形式為框圖形式。隨著實(shí)際情況的變化,各模塊也會(huì)產(chǎn)生變化,以實(shí)現(xiàn)模型的補(bǔ)充、修改以及添加等操作。工業(yè)燃?xì)忮仩tSimulink仿真模型如圖1所示。
通過(guò)分層設(shè)計(jì)方式創(chuàng)建該仿真模型,模型的最高層是工業(yè)燃?xì)忮仩t整體模型,下一層為鍋爐的子模型,而子模型中包括下一個(gè)層次的對(duì)應(yīng)子模型,一直到最底層。各個(gè)子模型均有其確定的運(yùn)行功能和物理意義[5]。共構(gòu)建10個(gè)一級(jí)子模型,分別為L(zhǎng)DG動(dòng)態(tài)調(diào)度模型、COG動(dòng)態(tài)調(diào)度模型、BFG動(dòng)態(tài)調(diào)度模型、穩(wěn)定富余量分配優(yōu)化模型、LDG主工序消耗模型、LDG產(chǎn)生模型、COG主工序消耗模型、COG產(chǎn)生模型、BFG主工序消耗以及BFG產(chǎn)生模型。模型總層數(shù)為4級(jí),子模型總數(shù)量為106個(gè)。
以BFG產(chǎn)生模型一級(jí)子模型為例,對(duì)其子模型構(gòu)造進(jìn)行詳細(xì)介紹。該模型中的子模型包括高爐煤氣計(jì)算子模型、發(fā)生量顯示子模型以及多個(gè)高爐對(duì)應(yīng)的BFG二級(jí)子模型[6]。其中多個(gè)高爐對(duì)應(yīng)的BFG二級(jí)子模型中包含的子模型為處理煤氣發(fā)生量與輸入脈沖信號(hào)的子模型、序列輸入子模型、增長(zhǎng)子模型、斜坡函數(shù)子模型、矩形波發(fā)生子模型、標(biāo)量轉(zhuǎn)換子模型、類(lèi)型判斷與函數(shù)關(guān)系選擇與計(jì)算子模型、輸入時(shí)間序列子模型、輸入工況序列子模型。通過(guò)以上三級(jí)子模型,能夠獲取高爐BFG產(chǎn)生量的動(dòng)態(tài)變化曲線與大小。
1.2.1 ARMA時(shí)間序列模型構(gòu)建
使用ARMA時(shí)間序列法實(shí)施工業(yè)燃?xì)忮仩t使用過(guò)程中煤炭使用量的預(yù)測(cè),構(gòu)建ARMA時(shí)間序列模型。ARMA時(shí)間序列模型的建模分為4步:第1步為序列分析,第2步為模型識(shí)別,第3步為參數(shù)估計(jì),第4步為模型檢驗(yàn)[7]。
(1)通過(guò)序列分析能夠?qū)r(shí)間序列是否滿足模型構(gòu)建條件進(jìn)行判斷,以及判斷是否需要進(jìn)一步處理序列,如進(jìn)行序列差分處理等。當(dāng)工業(yè)燃?xì)忮仩t使用過(guò)程中原始煤炭使用量數(shù)據(jù)時(shí)間序列{Yt}={y1,y2,…,yt}滿足以下條件:①對(duì)于任意時(shí)間t,時(shí)間序列的均值永遠(yuǎn)是常數(shù);②對(duì)于2個(gè)任意時(shí)間,其自相關(guān)系數(shù)僅與兩者時(shí)間間隔有關(guān)[8]。則可稱(chēng)該原始煤炭使用量數(shù)據(jù)時(shí)間序列為平穩(wěn)時(shí)間序列。利用自相關(guān)分析圖可以對(duì)序列平穩(wěn)性進(jìn)行判斷。當(dāng)其不夠平穩(wěn),需要進(jìn)行建模前的數(shù)據(jù)處理,使其平穩(wěn)性滿足條件[9]。
(2)通過(guò)模型識(shí)別能夠分析原始煤炭使用量數(shù)據(jù)時(shí)間序列中的偏自相關(guān)函數(shù)與自相關(guān)函數(shù),對(duì)使用的ARMA時(shí)間序列模型進(jìn)行確定[10]。ARMA時(shí)間序列模型共有3種:MA(q)、ARMA(p,q)、AR(p)。其中,MA(q)時(shí)間序列模型的偏自相關(guān)函數(shù)具體見(jiàn)式(1):
yt=ut-θ1ut-1-θ2ut-2-…-θqut-q
(1)
式中,θq為第q個(gè)模型自相關(guān)閾值;ut-q為第q個(gè)模型偏自相關(guān)閾值。
MA(q)的自相關(guān)函數(shù)具體見(jiàn)式(2):
(2)
式中,k為滯后期。
對(duì)于MA(q)時(shí)間序列模型來(lái)說(shuō),其偏自相關(guān)函數(shù)伴隨著q的增加表現(xiàn)出指數(shù)衰減或正弦波衰減傾向,具有拖尾性;而當(dāng)k>q后其自相關(guān)函數(shù)的值一直為0,具有截尾性。對(duì)于ARMA(p,q)來(lái)說(shuō),2種函數(shù)均具有拖尾性。對(duì)于AR(p)時(shí)間序列模型來(lái)說(shuō),其兩種函數(shù)的性質(zhì)與MA(q)相反[11]。以原始煤炭使用量數(shù)據(jù)時(shí)間序列中的偏自相關(guān)函數(shù)與自相關(guān)函數(shù)性質(zhì)為依據(jù)對(duì)ARMA時(shí)間序列模型進(jìn)行選擇,并進(jìn)行模型定階。
(3)模型定階后通過(guò)軟件實(shí)施參數(shù)估計(jì)。
(4)檢驗(yàn)?zāi)P秃线m性,也就是對(duì)殘差序列MA(q)實(shí)施白噪聲檢驗(yàn)。未通過(guò)檢驗(yàn)時(shí),需要進(jìn)一步改進(jìn)模型。
在檢驗(yàn)中,通常側(cè)重于檢驗(yàn)隨機(jī)性,也就是k≥1時(shí),et的自相關(guān)系數(shù)應(yīng)與0 相近[12]。隨機(jī)性的檢驗(yàn)中,使用χ2檢驗(yàn)法,將et之間的相互獨(dú)立作為檢驗(yàn)的零假設(shè)。et的自相關(guān)函數(shù)具體見(jiàn)式(3):
(3)
式中,rk(e)為et的自相關(guān)函數(shù);n為序列觀測(cè)值;m為最大滯后期。
et的檢驗(yàn)統(tǒng)計(jì)量為:
(4)
對(duì)于不通過(guò)檢驗(yàn)的情況,需要通過(guò)ARCH模型提取殘差內(nèi)的有用信息[13]。
1.2.2 數(shù)據(jù)處理
直接采用工業(yè)燃?xì)忮仩t使用過(guò)程中的原始煤炭使用量數(shù)據(jù)進(jìn)行預(yù)測(cè),會(huì)使預(yù)測(cè)性能受到數(shù)據(jù)噪聲影響,使得預(yù)測(cè)精度受到影響。因此將原始數(shù)據(jù)分成2部分:波動(dòng)成分與長(zhǎng)期趨勢(shì)。如何對(duì)原始序列進(jìn)行分解成為關(guān)鍵問(wèn)題,選用的方法為HP(Hodrick-Prescott)濾波法,以濾波序列為依據(jù)對(duì)穩(wěn)定成分進(jìn)行提取[14]。獲取波動(dòng)成分序列與長(zhǎng)期趨勢(shì)序列,并解決樣本末端問(wèn)題。
將Yt設(shè)為原始煤炭使用量數(shù)據(jù)時(shí)間序列,將其分解為長(zhǎng)期趨勢(shì)變動(dòng)要素gt和周期變動(dòng)要素ct,這里2種要素為不可觀測(cè)的數(shù)值,則下式成立:
Yt=gt+ct,t=1,2,…,T
(5)
式中,t為原始煤炭使用量數(shù)據(jù)序列個(gè)數(shù)也就是時(shí)間序列中的時(shí)間;T為原始煤炭使用量數(shù)據(jù)序列最大個(gè)數(shù)。設(shè)序列平滑參數(shù)為λ,L為gt的延遲算子??傻贸鲈瓡r(shí)間序列的趨勢(shì)循環(huán)分量B:
(6)
(7)
式中,γ為濾波最小化閾值;c(L)為延遲算子多項(xiàng)式,計(jì)算公式具體如下:
c(L)=(L-1-1)-(1-L)
(8)
則濾波問(wèn)題可轉(zhuǎn)化為最小損失函數(shù)問(wèn)題,S為損失函數(shù)。具體為:
(9)
對(duì)于λ的取值,選擇經(jīng)驗(yàn)值10,完成趨勢(shì)成分的分離后即可獲得波動(dòng)成分[15]。
通過(guò)以上數(shù)據(jù)處理過(guò)程,即可獲取工業(yè)燃?xì)忮仩t使用過(guò)程中原始煤炭使用量數(shù)據(jù)的波動(dòng)成分與趨勢(shì)成分時(shí)間序列[16]。在此煤炭使用量預(yù)測(cè)的ARMA時(shí)間序列模型中輸入以上2種時(shí)間序列,通能夠使模型的預(yù)測(cè)性能不會(huì)受到數(shù)據(jù)噪聲影響,從而提高預(yù)測(cè)精度。實(shí)現(xiàn)工業(yè)燃?xì)忮仩t使用過(guò)程中煤炭使用量的有效預(yù)測(cè)。
煤炭資源的開(kāi)發(fā)為國(guó)家和地區(qū)帶來(lái)了較大的經(jīng)濟(jì)效益,但是同時(shí)煤炭的過(guò)分使用也為當(dāng)前生態(tài)環(huán)境帶來(lái)了巨大的負(fù)擔(dān)。因此通過(guò)對(duì)工業(yè)燃?xì)忮仩t使用過(guò)程中煤炭使用量進(jìn)行預(yù)測(cè),才能夠?qū)崿F(xiàn)經(jīng)濟(jì)的穩(wěn)定、持續(xù)、高效發(fā)展。本文通過(guò)實(shí)例分析,對(duì)設(shè)計(jì)的工業(yè)燃?xì)忮仩t使用過(guò)程中煤炭使用量預(yù)測(cè)方法進(jìn)行性能考核。以某市某鋼鐵企業(yè)的高爐以及焦?fàn)t為實(shí)驗(yàn)對(duì)象,分別實(shí)施工業(yè)燃?xì)忮仩t使用過(guò)程中煤炭使用量的預(yù)測(cè)實(shí)驗(yàn)。
此次實(shí)驗(yàn)選取高爐2個(gè)、焦?fàn)t2個(gè),分別標(biāo)號(hào)為高爐1、高爐2、焦?fàn)t1和焦?fàn)t2。實(shí)驗(yàn)對(duì)象現(xiàn)場(chǎng)如圖2所示。
圖2 實(shí)驗(yàn)高爐與焦?fàn)t現(xiàn)場(chǎng)Fig.2 Field diagram of experimental blast furnace and coke oven
對(duì)于該企業(yè)的高爐煤炭使用量預(yù)測(cè)實(shí)驗(yàn),在預(yù)測(cè)前首先構(gòu)建2個(gè)高爐的仿真模型,并實(shí)施2高爐使用過(guò)程中煤炭使用量原始時(shí)間序列數(shù)據(jù)的濾波處理,獲取原始時(shí)間序列數(shù)據(jù)的波動(dòng)成分與趨勢(shì)成分,其處理結(jié)果具體如圖3所示。
圖3 高爐煤炭的濾波處理結(jié)果Fig.3 Filter processing results of blast furnace coal
使用原始煤炭使用量數(shù)據(jù)的波動(dòng)成分與趨勢(shì)成分時(shí)間序列進(jìn)行煤炭使用量預(yù)測(cè),預(yù)測(cè)結(jié)果具體見(jiàn)表1。
根據(jù)表1高爐煤炭使用量的預(yù)測(cè)結(jié)果,2個(gè)高爐在不同時(shí)間段的預(yù)測(cè)值都比較準(zhǔn)確,與實(shí)際值較為貼近,整體平均絕對(duì)誤差低于1.2%。說(shuō)明設(shè)計(jì)的工業(yè)燃?xì)忮仩t使用過(guò)程中煤炭使用量預(yù)測(cè)方法具有良好的高爐煤炭使用量預(yù)測(cè)性能。
表1 高爐煤炭使用量預(yù)測(cè)結(jié)果Tab.1 Forecast results of coal consumption in blast furnace
在煤炭使用量預(yù)測(cè)實(shí)驗(yàn)中,共對(duì)2個(gè)焦?fàn)t300 h內(nèi)的煤炭使用量進(jìn)行預(yù)測(cè)。在預(yù)測(cè)前首先構(gòu)建2個(gè)焦?fàn)t的仿真模型,并實(shí)施焦?fàn)t使用過(guò)程中煤炭使用量原始時(shí)間序列數(shù)據(jù)的濾波處理,獲取原始時(shí)間序列數(shù)據(jù)的波動(dòng)成分與趨勢(shì)成分,其處理結(jié)果具體如圖4所示。
圖4 焦?fàn)t煤炭的濾波處理結(jié)果Fig.4 Filter processing results of coke oven coal
使用圖4中的濾波處理數(shù)據(jù)進(jìn)行煤炭使用量預(yù)測(cè),預(yù)測(cè)結(jié)果具體見(jiàn)表2。由表2可知,2個(gè)焦?fàn)t在不同時(shí)間段的預(yù)測(cè)值都與實(shí)際值貼近,較為準(zhǔn)確,整體平均絕對(duì)誤差低于0.7%。說(shuō)明設(shè)計(jì)方法具有良好的焦?fàn)t煤炭使用量預(yù)測(cè)性能。
實(shí)驗(yàn)鋼鐵企業(yè)共有2種轉(zhuǎn)爐,一種是頂吹轉(zhuǎn)爐A,另一種是頂?shù)讖?fù)吹轉(zhuǎn)爐B,如圖5所示。分別對(duì)2種轉(zhuǎn)爐進(jìn)行煤炭使用量預(yù)測(cè)實(shí)驗(yàn)。
表2 焦?fàn)t煤炭使用量預(yù)測(cè)結(jié)果Tab.2 Forecast results of coal consumption in coke ovens
圖5 頂吹轉(zhuǎn)爐與頂?shù)讖?fù)吹轉(zhuǎn)爐現(xiàn)場(chǎng)Fig.5 Site drawing of top blown converter and top bottom combined blown converter
在預(yù)測(cè)前,首先構(gòu)建2種轉(zhuǎn)爐的仿真模型,并實(shí)施2種轉(zhuǎn)爐使用過(guò)程中煤炭使用量原始時(shí)間序列數(shù)據(jù)的濾波處理,獲取原始時(shí)間序列數(shù)據(jù)的波動(dòng)成分與趨勢(shì)成分,其處理結(jié)果具體如圖6所示。使用圖6中的濾波處理數(shù)據(jù)進(jìn)行2種轉(zhuǎn)爐的煤炭使用量預(yù)測(cè)實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果具體如圖7所示。由圖7可知,2種轉(zhuǎn)爐煤炭使用量預(yù)測(cè)結(jié)果與實(shí)際結(jié)果的差異都不大,整體預(yù)測(cè)比較準(zhǔn)確,說(shuō)明本文設(shè)計(jì)方法具有良好的轉(zhuǎn)爐煤炭使用量預(yù)測(cè)性能,可以滿足實(shí)際工業(yè)生產(chǎn)需要。
在對(duì)工業(yè)燃?xì)忮仩t使用過(guò)程中煤炭使用量預(yù)測(cè)問(wèn)題進(jìn)行研究的過(guò)程中,構(gòu)建了煤炭使用量預(yù)測(cè)模型,實(shí)現(xiàn)了各種煤炭燃?xì)忮仩t使用量較為準(zhǔn)確地預(yù)測(cè)。并通過(guò)在某鋼鐵企業(yè)的高爐、焦?fàn)t和轉(zhuǎn)爐的預(yù)測(cè)實(shí)驗(yàn),證明了該方法的有效性與實(shí)際應(yīng)用性能。由于研究尚不夠深入,本文預(yù)測(cè)的準(zhǔn)確性仍有提升空間,后續(xù)將進(jìn)行更加深入的研究。
圖6 轉(zhuǎn)爐煤炭的濾波處理結(jié)果Fig.6 Filter processing results of converter coal
圖7 兩種轉(zhuǎn)爐煤炭使用量預(yù)測(cè)實(shí)驗(yàn)結(jié)果Fig.7 Two kinds of converter coal consumption prediction experimental results