金屬鎳冶煉企業(yè)既是重要的金屬生產(chǎn)者,也是能源資源的消耗大戶,能耗費(fèi)用已經(jīng)占到企業(yè)單項(xiàng)操作費(fèi)用的大部分,選取恰當(dāng)?shù)姆椒▉肀O(jiān)測和控制能源消耗是目前新形勢下節(jié)能減排的關(guān)鍵。本文以JC鎳生產(chǎn)企業(yè)火法冶煉的含鎳的物質(zhì)流基本模型為基礎(chǔ),從物質(zhì)流的基礎(chǔ)概念入手,分析了金屬鎳生產(chǎn)企業(yè)在生產(chǎn)過程中含鎳的物質(zhì)流在實(shí)際的企業(yè)生產(chǎn)中可能發(fā)生的物質(zhì)流動(dòng)狀況;分析了含鎳的物質(zhì)在偏離基準(zhǔn)物質(zhì)流圖的情況下會(huì)對(duì)企業(yè)造成能耗方面的影響;確定了影響綜合能耗的指標(biāo)。根據(jù)確定的指標(biāo)應(yīng)用層次分析法與變異系數(shù)法相結(jié)合的方法確定了指標(biāo)對(duì)鎳的綜合能耗影響的相對(duì)大小,按照指標(biāo)與綜合能耗的相關(guān)性大小排序、累積貢獻(xiàn)率,并根據(jù)指標(biāo)的重要程度提出了相應(yīng)的對(duì)策和建議。以累計(jì)貢獻(xiàn)率超過85%的指標(biāo)為模型輸入端單元,選取改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)作為綜合能耗預(yù)測模型。本文采用遺傳算法優(yōu)化了 BP神經(jīng)網(wǎng)絡(luò)的權(quán)重、閥值,弱化了 BP神經(jīng)網(wǎng)絡(luò)自身所帶有的一些缺陷,使得BP神經(jīng)網(wǎng)絡(luò)自身的預(yù)測綜合能耗的精度得以提高,有效預(yù)測金屬鎳企業(yè)綜合能耗及其變化趨勢。企業(yè)管理層可以參照模型預(yù)測的結(jié)果采取措施節(jié)能降耗。 

【文章來源】：山東科技大學(xué)山東省

【文章頁數(shù)】：83 頁

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖１．１鎳礦儲(chǔ)量??Ｆｉｇｕｒｅ?１．１?Ｎｉｃｋｅｌ?ｏｒｅ?ｒｅｓｅｒｖｅｓ??１??

圖１．２．鎳及其制品出口額??Ｆｉｇｕｒｅ?１．２．?Ｅｘｐｏｒｔｓ?ｏｆ?ｎｉｃｋｅｌ?ａｎｄ?ｉｔｓ?ｐｒｏｄｕｃｔｓ??從圖１．１和圖１．２可以看出我國近些年來鎳的儲(chǔ)備不斷的下滑，說明鎳礦發(fā)??現(xiàn)的速度和原有儲(chǔ)備的數(shù)量不及鎳礦開采利用的速度，導(dǎo)致了我國鎳資源的儲(chǔ)??備也是日漸枯竭。近些年來，我國在鎳及其制品上一直占有比較高的出口額，??產(chǎn)品主要以原材料及其初加工的半成品為主，產(chǎn)品附加值比較低。再加上如鎳??礦多為純度比較低，露采比例很小，可供采掘的金屬鏡的儲(chǔ)量僅占金屬鎮(zhèn)總儲(chǔ)??量的１０％，金屬鎳開采以及金屬鎳冶煉的相關(guān)技術(shù)較為落后；弱酸或弱堿介質(zhì)??浮選工藝廣泛的運(yùn)用在選礦上，選礦能力為每年四百三十萬噸；精煉和熔煉技??術(shù)和國外先進(jìn)的技術(shù)相比差距較大，這也是造成我國金屬鎳開采和冶煉成本居??高不下的重要原因。進(jìn)而直接造成到了我國金屬鎳生產(chǎn)能源的大量消耗。??我國金屬鎳能源消耗的增長率要遠(yuǎn)遠(yuǎn)高于金屬镲產(chǎn)量的增長率

山東科技大學(xué)碩士學(xué)位論文?緒論??（２）定性與定量相結(jié)合的分析方法??本文從定性的角度，對(duì)實(shí)際的冶煉生產(chǎn)流程進(jìn)行物質(zhì)流和能量流的分析，??對(duì)能量流和物質(zhì)流的實(shí)際流動(dòng)規(guī)律進(jìn)行詳細(xì)闡述。從定量的角度，確定研究系??統(tǒng)中能耗因素，確定能耗影響因素對(duì)整個(gè)系統(tǒng)的綜合能耗的影響大小，使用改??進(jìn)的神經(jīng)網(wǎng)絡(luò)對(duì)金屬鎳冶煉能耗系統(tǒng)進(jìn)行訓(xùn)練，最終得到符合條件的神經(jīng)網(wǎng)絡(luò)??模型。??（３）調(diào)查法??有計(jì)劃、有目的的針對(duì)冶煉企業(yè)現(xiàn)階段的各個(gè)生產(chǎn)流程的能源消耗數(shù)據(jù)進(jìn)??行收集，對(duì)收集到的數(shù)據(jù)信息進(jìn)行分析，比較，為金屬鎳冶煉綜合能耗評(píng)價(jià)與??預(yù)測模型的構(gòu)建提供了數(shù)據(jù)支持。??本文的技術(shù)路線如圖１．３所示：??

【參考文獻(xiàn)】：
期刊論文
[1]基于徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的功率器件集總參數(shù)熱模型[J]. 唐瑩瑩,季漢濤,萬萌,于杏.  科學(xué)技術(shù)與工程. 2017(34)
[2]灰色綜合評(píng)價(jià)法在流域水電規(guī)劃開發(fā)方案優(yōu)選中的應(yīng)用[J]. 任林波,華國春.  吉林水利. 2017(11)
[3]GA-BP神經(jīng)網(wǎng)絡(luò)在深基坑變形預(yù)測中的應(yīng)用[J]. 黃亞寧,陳浩沖,宋肖冰.  工程建設(shè). 2017(10)
[4]基于徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的機(jī)載LiDAR點(diǎn)云空洞填補(bǔ)方法[J]. 蔡香玉,楊林,呂海洋.  南京師范大學(xué)學(xué)報(bào)(工程技術(shù)版). 2017(03)
[5]基于徑向基函數(shù)網(wǎng)絡(luò)的多元函數(shù)逼近[J]. 付裕.  智庫時(shí)代. 2017(08)
[6]水利工程施工應(yīng)急能力G1-灰色評(píng)價(jià)方法研究[J]. 孫開暢,李權(quán),尹志偉.  水利水電技術(shù). 2017(06)
[7]基于分布估計(jì)的基函數(shù)神經(jīng)網(wǎng)絡(luò)算法優(yōu)化[J]. 李喆.  計(jì)算機(jī)仿真. 2017(06)
[8]基于能量流網(wǎng)絡(luò)仿真的鋼鐵工業(yè)多能源介質(zhì)優(yōu)化調(diào)配[J]. 孫彥廣,梁青艷,李文兵,賈天云.  自動(dòng)化學(xué)報(bào). 2017(06)
[9]BP神經(jīng)網(wǎng)絡(luò)和SVM模型對(duì)施加生物炭土壤水分預(yù)測的適用性[J]. 王彤彤,翟軍海,何歡,鄭紀(jì)勇,涂川.  水土保持研究. 2017(03)
[10]土壤重金屬污染灰色綜合評(píng)價(jià)模型[J]. 郭云開,謝瓊,安冠星,周烽松,李健,丁美青.  測繪科學(xué). 2017(05)

碩士論文
[1]鋼鐵企業(yè)能耗分析評(píng)價(jià)與預(yù)測[D]. 李培靜.東北大學(xué) 2012



本文編號(hào)：3611532