基于數(shù)據(jù)的高爐煤氣受入量的預(yù)測(cè)
發(fā)布時(shí)間:2021-08-25 00:37
近年來,我國經(jīng)濟(jì)高速發(fā)展與環(huán)境污染之間的矛盾愈發(fā)突出,鋼鐵企業(yè)作為中國的能耗大戶,如何提高能源利用率就顯得至關(guān)重要。高爐煤氣(Blast Furnace Gas,BFG)是冶金生產(chǎn)過程中極為重要的二次能源,其受入量往往會(huì)出現(xiàn)較大的波動(dòng),這種突然的波動(dòng)若無有效防范,將帶來安全隱患,因此,對(duì)高爐煤氣受入量的準(zhǔn)確預(yù)測(cè)可以降低有害風(fēng)險(xiǎn),提高設(shè)備利用率。本文以鋼鐵行業(yè)煉鋼過程為背景,針對(duì)高爐煤氣受入量難以有效預(yù)測(cè)的問題,提出了一種數(shù)據(jù)濾波與二重神經(jīng)網(wǎng)絡(luò)相結(jié)合的建模預(yù)測(cè)新方法。首先,分析了國內(nèi)外鋼鐵企業(yè)能源管理系統(tǒng)發(fā)展?fàn)顩r,并介紹了國內(nèi)外研究學(xué)者在煤氣預(yù)測(cè)方面的研究現(xiàn)狀;其次,介紹了能量去噪法與帶有自適應(yīng)噪聲的經(jīng)驗(yàn)?zāi)B(tài)分解(EEMDAN)相結(jié)合的濾波算法,該算法一方面彌補(bǔ)了傳統(tǒng)EMD算法的缺點(diǎn),采用EEMDAN進(jìn)行模態(tài)分解,使得分解信號(hào)更加平穩(wěn)化;另一方面引入了能量去噪算法,實(shí)現(xiàn)了對(duì)工業(yè)信號(hào)的有效去噪,減少了工業(yè)擾動(dòng)對(duì)預(yù)測(cè)建模的影響。最后,建立了 EEMDAN-DRBF的預(yù)測(cè)模型,該模型主要思想是將原始信號(hào)去噪并分解為不同時(shí)間尺度下的固有模態(tài)(IMF)分量,根據(jù)各模態(tài)自相關(guān)函數(shù)的特點(diǎn),分別對(duì)每個(gè)模...
【文章來源】:天津工業(yè)大學(xué)天津市
【文章頁數(shù)】:67 頁
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
Abstract
第一章 緒論
1.1 選題背景
1.2 國內(nèi)外研究現(xiàn)狀
1.3 本文主要內(nèi)容
第二章 高爐煤氣系統(tǒng)背景介紹
2.1 鋼鐵冶金的生產(chǎn)流程簡(jiǎn)介
2.1.1 煉鐵工藝
2.1.2 煉鋼工藝
2.2 高爐煤氣的產(chǎn)耗分析
2.2.1 高爐煤氣的產(chǎn)生
2.2.2 高爐煤氣系統(tǒng)供需分析
2.2.3 高爐煤氣受入量分析
2.3 本章小結(jié)
第三章 基于經(jīng)驗(yàn)?zāi)B(tài)分解的數(shù)據(jù)處理方法
3.1 傳統(tǒng)的數(shù)據(jù)濾波方法
3.2 經(jīng)驗(yàn)?zāi)B(tài)分解的基本理論
3.2.1 經(jīng)驗(yàn)?zāi)B(tài)分解
3.2.2 集合經(jīng)驗(yàn)?zāi)B(tài)分解
3.3 帶有自適應(yīng)噪聲的集合經(jīng)驗(yàn)?zāi)B(tài)分解
3.4 模態(tài)分解中的停止準(zhǔn)則
3.5 一種基于EMD分解的去噪方法
3.5.1 EMD去噪法
3.5.2 改進(jìn)的EMD去噪法
3.5.3 改進(jìn)的EEMDAN去噪法
3.5.4 去噪仿真
3.6 本章小結(jié)
第四章 高爐煤氣受入量預(yù)測(cè)方法
4.1 常用的數(shù)據(jù)預(yù)測(cè)方法
4.2 神經(jīng)網(wǎng)絡(luò)介紹
4.2.1 BP神經(jīng)網(wǎng)絡(luò)
4.2.2 RBF神經(jīng)網(wǎng)絡(luò)
4.3 實(shí)驗(yàn)
4.3.1 RBF預(yù)測(cè)模型
4.3.2 基于EEMD的RBF預(yù)測(cè)模型
4.3.3 基于EEMDAN的RBF預(yù)測(cè)模型
4.3.4 基于改進(jìn)EEMDAN的DRBF預(yù)測(cè)模型
4.4 預(yù)測(cè)模型的測(cè)試與評(píng)價(jià)
4.5 本章小結(jié)
第五章 總結(jié)與展望
參考文獻(xiàn)
發(fā)表論文和參加科研情況
致謝
本文編號(hào):3361034
【文章來源】:天津工業(yè)大學(xué)天津市
【文章頁數(shù)】:67 頁
【學(xué)位級(jí)別】:碩士
【文章目錄】:
摘要
Abstract
第一章 緒論
1.1 選題背景
1.2 國內(nèi)外研究現(xiàn)狀
1.3 本文主要內(nèi)容
第二章 高爐煤氣系統(tǒng)背景介紹
2.1 鋼鐵冶金的生產(chǎn)流程簡(jiǎn)介
2.1.1 煉鐵工藝
2.1.2 煉鋼工藝
2.2 高爐煤氣的產(chǎn)耗分析
2.2.1 高爐煤氣的產(chǎn)生
2.2.2 高爐煤氣系統(tǒng)供需分析
2.2.3 高爐煤氣受入量分析
2.3 本章小結(jié)
第三章 基于經(jīng)驗(yàn)?zāi)B(tài)分解的數(shù)據(jù)處理方法
3.1 傳統(tǒng)的數(shù)據(jù)濾波方法
3.2 經(jīng)驗(yàn)?zāi)B(tài)分解的基本理論
3.2.1 經(jīng)驗(yàn)?zāi)B(tài)分解
3.2.2 集合經(jīng)驗(yàn)?zāi)B(tài)分解
3.3 帶有自適應(yīng)噪聲的集合經(jīng)驗(yàn)?zāi)B(tài)分解
3.4 模態(tài)分解中的停止準(zhǔn)則
3.5 一種基于EMD分解的去噪方法
3.5.1 EMD去噪法
3.5.2 改進(jìn)的EMD去噪法
3.5.3 改進(jìn)的EEMDAN去噪法
3.5.4 去噪仿真
3.6 本章小結(jié)
第四章 高爐煤氣受入量預(yù)測(cè)方法
4.1 常用的數(shù)據(jù)預(yù)測(cè)方法
4.2 神經(jīng)網(wǎng)絡(luò)介紹
4.2.1 BP神經(jīng)網(wǎng)絡(luò)
4.2.2 RBF神經(jīng)網(wǎng)絡(luò)
4.3 實(shí)驗(yàn)
4.3.1 RBF預(yù)測(cè)模型
4.3.2 基于EEMD的RBF預(yù)測(cè)模型
4.3.3 基于EEMDAN的RBF預(yù)測(cè)模型
4.3.4 基于改進(jìn)EEMDAN的DRBF預(yù)測(cè)模型
4.4 預(yù)測(cè)模型的測(cè)試與評(píng)價(jià)
4.5 本章小結(jié)
第五章 總結(jié)與展望
參考文獻(xiàn)
發(fā)表論文和參加科研情況
致謝
本文編號(hào):3361034
本文鏈接:http://sikaile.net/projectlw/yjlw/3361034.html
最近更新
教材專著