[发明专利]一种基于知识迁移的高炉煤气调度系统建模方法

摘要

本发明提供了一种基于知识迁移的高炉煤气调度系统建模方法，首先，基于煤气系统的管网结构，建立能源发生、传输、消耗、存储、转换各阶段的能源本体模型，并基于该能源模型提取不同煤气系统的共同结构特征；其次，设计了一种基于数据分布特征的隶属度函数迁移方法，根据数据的分布特征学习不同煤气系统数据的映射关系，然后将隶属度函数进行迁移；再次，提出一种基于特征的模糊规则迁移方法，将不同系统的规则结构映射到邻近的低维特征上，通过规则重构的方式实现规则的迁移；最后，设计基于调度数据的迁移知识调整策略，将高炉煤气系统的实际调度数据输入到模型中，以输出调度方案的偏差最小为目标调整相应的规则参数。

主权项

1.一种基于知识迁移的高炉煤气调度系统建模方法，其特征在于，步骤如下：步骤1：根据煤气调度系统的实际管网结构，建立其对应的本体模型；在本体模型中，令其节点分别表示不同的设备实体，并且通过节点之间的连线表达不同设备实体之间的能量供需平衡关系，包括能源的生成、使用、存储和转化；步骤2：对步骤1建立的本体模型进行特征提取，找到两高炉煤气系统的相同结构特征，并依据该相同结构确定调度模型的输入变量和输出变量；步骤2.1为了确定梁高炉煤气系统实体间的相似度，首先建立相似度矩阵S，其中每个元素s(eqa,eqb)表示第一高炉煤气系统eqa节点和第二高炉煤气系统eqb节点的相似度，如公式(1)所示：其中，|I(eqa)|和|I(eqb)|分别表示本体模型中指向eqa第一高炉煤气系统节点和eqb第二高炉煤气系统节点的节点个数，η∈[0.6,0.8]是阻尼系数；步骤2.2按照能源介质的产消关系，将第一高炉煤气系统和第二高炉煤气系统的所有发生量实体分别放入集合RLDGin和RBFGin中，并确定两个集合中实体的对应关系；步骤2.2.1首先确定两个集合中的相同实体，每个相同的实体即构成一组对应关系；步骤2.2.2对于集合中的不同实体，根据相似度s的大小将其与各自集合中最相似的相同实体合并；若没有相同实体，则分别将RLDGin和RBFGin中的所有实体合并，并形成一组对应关系；步骤2.3对于消耗量实体进行与发生量实体同样的处理，最终得到第一高炉煤气系统和第二高炉煤气系统所有实体的对应关系，从而确定其相同的结构特征，将这个相同的结构作为模型的输入/输出变量；步骤3：从数据库中读取第一高炉煤气系统和第二高炉煤气系统的能源相关数据，基于步骤2确定的模型输入变量和输出变量，将第二高炉煤气系统调度模型的隶属度函数进行重构，对需要融合的节点进行变换；步骤3.1采用三角形隶属度函数，节点的第i个隶属度函数如下：其中ai，ci确定“脚”，bi确定“峰”；步骤3.2对于两个相互独立的节点，分别以p和q表示，则隶属度函数分别为lpi(x,ai,bi,ci)和lqj(x,aj,bj,cj)，其中i∈{1,2,…,m}，j∈{1,2,…,n}，m和n分别为两个节点的隶属度函数个数，且有m≥n；采用公式(3‑5)对两个节点的隶属度函数进行重构：当j＝1时，当j＝m时当1步骤3.3对于存在关联性的节点，先对其采集数据进行合并，然后根据人工经验和数据分布直接确定其隶属度函数的参数；步骤4：根据数据的分布特征学习第一高炉煤气系统和第二高炉煤气系统的映射关系，并将第二高炉煤气系统的隶属度函数迁移到第一高炉煤气系统调度模型中；采用直方图规定化方法，将第二高炉煤气系统数据分布映射到第一高炉煤气系统，使两系统具有相近的分布特征，具体实现如下：步骤4.1对于第μ个变量，从数据库中分别读取其第二高炉煤气系统的数据和第一高炉煤气系统的数据将其组合成为新的数据集然后将D离散化为p个区间，并对第二高炉煤气系统和第一高炉煤气系统数据分别统计每个区间下的频数v，组成频数向量V_L＝[v_L1,v_L2,…,v_Lp]和V_B＝[v_B1,v_B2,…,v_Bp]，其中，v_Lp为第二高炉煤气系统数据在第p个区间下的频数，v_Bp为第一高炉煤气系统数据在第p个区间下的频数，即数据的个数；步骤4.2根据频数向量VL和VB计算累积频数向量SL＝[sL1,sL2,…,sLp]和SB＝[sB1,sB2,…,sBp]，步骤4.3确定第一高炉煤气系统和第二高炉煤气系统数据区间的映射关系；首先固定第一高炉煤气系统数据的一个区间γ，然后依次计算其与第二高炉煤气系统数据累积频数的差距；dα,β＝|sBα‑sLβ|,β＝1,2,…,p(8)当其差距dα,β为最小值时，得到新的第二高炉煤气系统数据区间终止编号λα＝β；那么，第一高炉煤气系统数据区间α将与第二高炉煤气系统数据区间(λα‑1，λα]相对应，其中λ0＝0；步骤4.4获取第二高炉煤气系统数据区间(λα‑1，λα]的左右边界RLml和RLmr，第一高炉煤气系统数据区间i的左右边界RBml和RBmr，则第二高炉煤气系统数据区间到第一高炉煤气系统数据区间的线性映射公式如下：步骤4.5根据映射关系fα(x)，将第二高炉煤气系统隶属度函数迁移到第一高炉煤气系统，得到新的隶属度函数：a′＝fa(a)，b′＝fb(b)，c′＝fc(c)   (11)其中，fa()，fb()，fc()分别是第二高炉煤气系统数据a，b，c所处的数据区间对应的映射关系；步骤5：基于步骤2确定的模型输入变量和输出变量，对原第二高炉煤气系统调度模型的规则进行重构，在规则前件中将需要合并的输入变量进行合并；若待重构的规则如公式(12)所示，需要合并的变量为x1和x2，重构后的规则如公式(13)所示，其中合并后的变量x′的隶属度函数通过公式(3‐5)进行重构，lpqk通过公式(14)进行确定；if x1 is lpi and x2 is lqj and …,then …   (12)if x′ is lpqnew and …,then …   (13)规则重构后，新的第二高炉煤气系统调度模型与第一高炉煤气系统具有相同的结构和数据分布特征，直接进行调度知识的迁移，得到高炉煤气系统的调度模型；步骤6：将高炉煤气系统的实际调度数据输入到调度模型中，根据调度方案的偏差率对迁移的调度知识进行微调和优化；通过迁移转炉煤气系统得到的知识对于高炉煤气系统存在不完整和不准确的情况，采用误差阈值进一步提升模型的鲁棒性和准确性；步骤6.1对于输出方案y，若存在某个输出变量与实际方案的偏差大于阈值h，则表明迁移得到的知识不完备，不能覆盖样本所有情况，则为调度模型添加新的方案；步骤6.2若输出方案y的所有输出变量与实际方案的偏差均小于阈值h，则通过粒子群算法优化各个输出的隶属度函数参数；其中，a_oj,b_oj,c_oj为输出变量y_j的所有隶属度函数参数，是其中第i个隶属度函数的参数，高炉煤气系统实际调整方案为y′_i，模型输出调整方案为y_i，利用重心法centroid解模糊化，则粒子群算法的优化目标为最小化模型输出误差，如公式(19)所示，相应的约束条件如公式(20)所示：