[发明专利]一种钢铁企业焦炉煤气发生量预测方法

说明书

本发明公开了一种钢铁企业焦炉煤气发生量预测方法，属于人工智能技术领域。本发明通过预处理、预测模型和预测结果这三个步骤来实现钢铁企业焦炉煤气发生量预测。本发明使用孤立森林算法进行异常值检测，本发明将处理后的焦炉煤气数据输入到BP神经网络中进行训练学习，预测出未来时刻的焦炉煤气流量，为企业的煤气优化调度提供可靠的依据。

技术领域

本发明属于人工智能技术领域，具体涉及一种钢铁企业焦炉煤气发生量预测方法。

背景技术

钢铁工业是能源密集型行业，是能源消耗大户。我国钢铁工业能耗占全国总能耗的比例在上下浮动中保持上升趋势。钢铁的生产过程可分为:焦化、炼铁、炼钢、轧钢等环节。这些生产环节所需的能量主要是由焦炭等矿石燃料提供的,在消耗燃料的同时会生成多种可燃气体,即钢铁企业副产煤气。生成的副产煤气将被集中收集,然后用管道输送到各生产车间,充当冶炼所需的助燃剂。据统计,钢铁生产消耗的一次能源中有转化为副产煤气的形式,其中焦炉煤气是洗精煤在焦炉中高温干馏产生的，热值在副产煤气为最高，因而对焦炉煤气的发生量及其特点进行研究就有极其重大的意义。

钢铁企业的副产煤气系统复杂且工况多变,造成副产煤气产生量瞬时波动,容易引起副产煤气调度分配不当,进而造成大量放散,而对副产煤气产生量和消耗量进行精确预测是解决此问题的重要前提，因此,建立一种有效、精确的预测模型,对煤气消耗量进行准确预测,是解决煤气资源合理调度的前提,也是降低钢铁企业综合能耗,减少煤气放散的有效途径之一。

发明内容

本发明的目的在于提供一种基于BP神经网络算法提出一种适用于钢铁企业焦炉煤气发生量预测的方法，服务于钢铁企业煤气的优化调度。解决的钢铁企业焦炉煤气产生量状态不明，调度混乱的问题。该方法首先建立异常数据检验模型，对异常数据提出安全预警的钢铁企业焦炉煤气发生量预测方法。

为了实现上述发明目的，本发明采用以下技术方案：

一种钢铁企业焦炉煤气发生量预测方法，包括如下步骤：

1)预处理：从钢铁企业数据库中获取预测焦炉煤气发生量的数据并对所述真实样本数据进行预处理；

2)预测模型：基于预处理后的样本数据构建并训练BP神经网络焦炉煤气发生量预测模型；

3)预测结果：基于训练好的焦炉煤气发生量预测模型进行焦炉煤气发生量预测，得到焦炉煤气发生量预测结果。

根据以上特征，所述预处理包括如下步骤：

1)确定焦炉煤气发生量预测模型的输入输出；

所述输入包括:上个时间段的焦炉煤气发生量、焦炉煤气压力；所述输出包括:焦炉煤气发生量的预测值；

2)使用孤立森林算法进行异常值检验并对其进行剔除,具体步如下：

①从需要检测的煤气发生量数据D中随机选择φ个样本点作为生成本棵孤立二叉树的样本集D_s；

②从样本集Ds中随机选择一个特征f和一个切割值p，若节点N 包含的所有样本在特征f下的最大值和最小值分别为f_max和f_min,则有 p∈(f_max，f_min)；

③若样本的特征f的值小于切割值p,则将该样本分到节点N的左子树；否则，分到右子树；

④重复步骤②③，分别对节点N的左右子树节点进行切分，生成孤立二叉树。当子树节点中有多条相同的数据或只有一条数据或孤立二叉树已达到设置的最大高度时，停止生成孤立二叉树；孤立森林最终由指定数目的孤立二叉树组成。

在一些示例中，根据样本点D在每棵孤立二叉树中的路径长度h (D),利用公式