鋼鐵企業(yè)典型工序節(jié)能技術(shù)

第9章鋼鐵企業(yè)典型工序節(jié)能技術(shù)能源是人類賴以生存的重要物質(zhì)基礎(chǔ)，是經(jīng)濟發(fā)展和社會前進的必需資源。能源的開發(fā)和利用也是衡量一個國家經(jīng)濟發(fā)展和科學(xué)技術(shù)水平的標志之一。20世紀70年代以來，能源就與人口、糧食、環(huán)境和資源并稱為世界上的五大問題。節(jié)約資源是我國的基本國策，節(jié)能優(yōu)先成為應(yīng)對能源問題的長期戰(zhàn)略[2]。鋼鐵工業(yè)是國民經(jīng)濟的基礎(chǔ)產(chǎn)業(yè)，也是我國能源資源消耗和污染排放的重點行業(yè)。煉焦單元是鋼鐵制造流程的基礎(chǔ)和關(guān)鍵單元,從鋼鐵制造流程整體考察，煉焦單元不但為煉鐵工序提供所需的原料-焦炭，焦炭在高爐煉鐵過程中焦炭起著發(fā)熱劑、還原劑、滲碳劑和料柱骨架四大作用。煉焦單元也為燒結(jié)、煉鋼和軋鋼工序提供所需的燃料即焦爐煤氣（Coke-OvenGas,COG），消耗煉鐵工序回收的高爐煤氣（BlastFurnaceGas,BFG）。煉焦單元能源消耗占鋼鐵企業(yè)能源總消耗的5%[3]左右，也始終是鋼鐵企業(yè)節(jié)能減排的重點。煉焦單元消耗和產(chǎn)出能源種類眾多，與鋼鐵流程中其他工序均存在能流的交叉使用、與自身工序也存在返流狀況，能源調(diào)配十分復(fù)雜。由于煉焦生產(chǎn)過程復(fù)雜，操作環(huán)境惡劣，檢測手段少，比起其它工業(yè)爐窯，焦爐的控制較難實施。一些關(guān)鍵過程狀態(tài)參數(shù)主要依靠人工經(jīng)驗給定，難以根據(jù)工況變化進行實時調(diào)整,如煤料在炭化室內(nèi)停留的時間-結(jié)焦時間，反映焦爐加熱均勻程度的K均勻等。針對以上問題，本章基于對某大型鋼鐵企業(yè)的實地調(diào)研，首先介紹焦化工序流程概況和能耗概況，然后對焦化工序能耗影響因素進行分析，最后基于歷史數(shù)據(jù)，利用灰色關(guān)聯(lián)度方法、BP人工神經(jīng)網(wǎng)絡(luò)和遺傳算法等智能方法，對煉焦單元的能耗進行預(yù)測和優(yōu)化，為煉焦單元能源調(diào)配和過程控制提供決策支持，為煉焦單元能耗優(yōu)化工作提供可行方向。9.1焦化工序節(jié)能技術(shù)9.1.1焦化工序流程和能耗概況焦化工序流程介紹圖9.1煉焦單元與鋼鐵生產(chǎn)流程中各工序間的關(guān)系圖9.1給出了典型長流程鋼鐵企業(yè)的生產(chǎn)流程，其中焦化工序是洗精煤轉(zhuǎn)換成焦炭、焦爐煤氣以及各種化學(xué)產(chǎn)品的過程,或認為是碳素流轉(zhuǎn)化為固態(tài)焦炭和氣態(tài)碳—氫化合物、液態(tài)碳—氫化合物的過程。焦化工序是一個復(fù)雜的工業(yè)過程，一般地將焦化工序分為四個單元：備煤單元，煉焦單元，熄焦單元和化產(chǎn)單元，如圖9.2所示。煉焦是煤炭轉(zhuǎn)化最古老的方法，煉焦工業(yè)的發(fā)展與冶金工業(yè)的發(fā)展和技術(shù)進步有密切的關(guān)系，在一百多年的發(fā)展過程中，煉焦工業(yè)為冶金工業(yè)提供了焦炭這種特殊的燃料。在煉焦過程中，經(jīng)回收精制得到的化學(xué)產(chǎn)品是化學(xué)、醫(yī)藥和國防等工業(yè)寶貴的原料。在我國，煉焦廠還是城市煤氣的重要氣源。下面分別對焦化工序的四個生產(chǎn)單元進行介紹[39-40]。圖9.2焦化工序及各個生產(chǎn)單元間的關(guān)系備煤單元煉焦煤入爐前包括來煤接收、儲存、倒運、粉碎、配合和混勻等工作。若來煤灰分較高，還應(yīng)包括選煤、脫水工作；為擴大弱黏結(jié)性煤的用量，可采取干燥、預(yù)熱、搗固、配型煤、配添加劑等預(yù)處理工作。這些處理過程統(tǒng)稱為備煤工藝。備煤工藝對于節(jié)約優(yōu)質(zhì)煉焦煤，確保高爐用焦質(zhì)量，在焦化工序中具有重要意義，其中配煤過程是其中的關(guān)鍵。冶金焦的質(zhì)量要求是：灰分低、硫分少，強度高，各向異性程度大，要滿足上述要求，在常規(guī)煉焦方法條件下，用單種煤煉焦是很難實現(xiàn)的。而且由于煤種的相對儲量、分布和開采能力的制約，不可能進行大規(guī)模的單種煤煉焦生產(chǎn)，特別是優(yōu)質(zhì)煉焦煤源的逐漸減少，給配煤煉焦提出了更加嚴峻的課題。配合煤的意義在于使各種煤之間性質(zhì)上取長補短，符合焦爐的生產(chǎn)要求，生產(chǎn)出滿足質(zhì)量要求的優(yōu)質(zhì)焦炭，并增產(chǎn)煉焦化學(xué)產(chǎn)品，實現(xiàn)煤炭資源的合理利用。煉焦單元煉焦單元是焦化工序的關(guān)鍵生產(chǎn)單元和主要耗能單元，可分為三個過程：焦爐加熱燃燒過程、集氣管集氣過程和推焦過程，在這里作詳細介紹。（1）焦爐加熱燃燒過程焦爐是熱工爐窯中較為復(fù)雜的熱工設(shè)備，焦爐主體由許多相互間隔的炭化室和燃燒室組成，炭化室和燃燒室僅一墻之隔。為使炭化室均勻加熱，加熱系統(tǒng)定時改變廢氣流向，同時，為充分利用廢氣余熱，通過蓄熱室來預(yù)熱進入燃燒室的空氣（煤氣），因此焦爐每隔30分鐘交換作為煤氣和空氣上升通道的蓄熱室及作為廢氣下降通道的蓄熱室，即進行換向。加熱煤氣和空氣在燃燒室的火道內(nèi)混合燃燒產(chǎn)生熱量，將廢氣在高溫下以輻射傳熱為主，并伴隨有對流傳熱方式，將熱量通過爐墻傳導(dǎo)給煤料。煤料在整個結(jié)焦時間內(nèi)，因煤料性質(zhì)的變化及導(dǎo)熱系數(shù)的不同，爐墻傳給煤料的熱量在結(jié)焦初期較大，以后就小些，即在整個結(jié)焦時間內(nèi)的熱流是變化的，其比熱流在結(jié)焦的第一個小時內(nèi)達到最高值，然后逐漸降低。煤料一次經(jīng)過上述結(jié)焦過程的各階段，逐漸炭化為焦炭。（2）集氣管集氣過程炭化室在高溫下干餾，產(chǎn)生一定量的荒煤氣，通過位于焦爐頂部的集氣管對荒煤氣進行收集。由于焦爐由多個炭化室組成，每個炭化室所處的結(jié)焦階段不同，因此所有炭化室的荒煤氣集于集氣管之后，其組成成分基本是穩(wěn)定的。收集到的荒煤氣通過冷凝器以及鼓風機送至凈化裝置，凈化后的焦爐煤氣一部分外送到動力分廠的焦爐煤氣柜供全廠使用，另一部分回爐，作為焦爐加熱燃燒的燃料。推焦過程推焦過程主要完成從配合煤到焦炭過程中的機械操作。在確定一個炭化室的焦炭已經(jīng)成熟后，通過三大車（推焦車、攔焦車和熄焦車）的協(xié)調(diào)將焦炭取出進行熄焦，并運至儲存地或冶煉現(xiàn)場。推焦車負責完成頂裝焦爐平煤和推焦操作，在煤料瀉入炭化室后，由平煤桿將煤料推平，在焦炭成熟后，由推焦桿將焦炭推到熄焦車上，同時還可以完成啟閉機側(cè)爐門、機械化清掃門和爐框等功能。攔焦車的作用是將從炭化室推出的熾熱焦炭導(dǎo)入熄焦車內(nèi)，同時還可以完成啟閉焦側(cè)爐門、機械化清掃門和爐框等功能。熄焦車的作用是接受推出的熾熱焦炭，運往干熄焦裝置用惰性氣體將余熱回收用于發(fā)電或補充管網(wǎng)蒸汽，然后卸在涼焦臺上冷卻。熄焦單元熄焦從總體上講就是焦化企業(yè)把剛剛出爐的焦碳冷卻到常溫的過程。煉焦終了時，焦炭的溫度一般為950～1100℃，經(jīng)過熄焦，焦炭冷卻到250℃以下。熄焦方式一般分為濕法熄焦、壓力熄焦、低水分熄焦和干法熄焦這四種。目前常用主要有干熄焦和濕熄焦兩類方法。干法熄焦能回收焦炭顯熱、改善焦炭質(zhì)量、對環(huán)境污染少，但投資較濕法為高。常規(guī)濕法熄焦工藝簡單，投資少，但不能回收焦炭顯熱，對環(huán)境污染較大。在干法熄焦中，焦炭的顯熱借助于惰性氣體回收并可用以生產(chǎn)水蒸汽，由惰性氣體獲得的焦炭顯熱也可通過換熱器用于預(yù)熱煤、空氣、煤氣和水等。在回收焦炭顯熱的同時，可減少大量熄焦水，消除含有焦粉的水汽和有害氣體對附近構(gòu)筑物和設(shè)備的腐蝕，從而改善環(huán)境。干法熄焦還避免了濕法熄焦時水對紅焦的劇冷作用，故有利于焦炭質(zhì)量的提高，也可適當提高配合煤中氣煤或弱黏煤的配比。化產(chǎn)單元煤在煉焦時一般72%～78%轉(zhuǎn)化為焦炭，22%～28%轉(zhuǎn)化為荒煤氣?；拿簹獬屎稚蜃攸S色，經(jīng)回收后得到焦油、粗苯、硫銨（氨水）、硫氰化物等產(chǎn)品，這些產(chǎn)品都是重要的化工原料。通過洗油吸收回收焦爐煤氣中的粗苯，粗苯通過精制加工后，可得到輕苯、重苯、精苯、甲苯、二甲苯等產(chǎn)品。煤焦油直接從焦爐煤氣中冷凝下來，其中含有上萬種有機化合物，95%為芳香族化合物?，F(xiàn)在，全世界每年從焦油中提取500萬噸化工產(chǎn)品，廣泛應(yīng)用于塑料、合成纖維、染料、合成橡膠、醫(yī)藥、農(nóng)藥，以及耐輻射、耐高溫材料和國防工業(yè)等領(lǐng)域。焦爐煤氣中所含的氨可用于支取硫銨、無水氨或膿氨水：其中所含的氫可用于制造合成氨，進一步制取尿素、硝氨和碳氨等產(chǎn)品。回收的硫化氫用于生產(chǎn)單斜硫和硫：氰化氫用于制取黃血鹽納或黃血鹽等化工原料。同時，硫化氫和氰化氫的回收對減輕大氣和水質(zhì)污染，加強環(huán)境保護以及減輕設(shè)備腐蝕具有重要意義。經(jīng)過回收化學(xué)產(chǎn)品后的焦爐氣主要含有H2、CH4和CO等氣體。凈焦爐煤氣是高熱值的燃氣可用作工業(yè)及民用燃料。煉焦單元能耗影響因素介紹煉焦單元是一個復(fù)雜的工業(yè)過程，對能耗影響因素眾多，本章基于對某大型鋼鐵企業(yè)的調(diào)研，定性地分析原材料參數(shù)和生產(chǎn)過程狀態(tài)參數(shù)對煉焦單元能耗的影響，為建立能耗預(yù)測模型找出可行的建模因素。原材料參數(shù)分析：煉焦的原材料是配合煤，配合煤的質(zhì)量技術(shù)指標眾多，下面對煉焦單元能耗影響參數(shù)進行定性分析[39-40]。1）灰分灰分是惰性物質(zhì)，是煤中的主要雜質(zhì)。配煤的灰分，在煉焦時不熔融、不粘結(jié)也不收縮，能使煤的粘結(jié)性變差,焦炭的裂紋增多，機械強度和耐磨強度都會降低；另外配煤灰分將會全部轉(zhuǎn)入焦炭，降低焦炭的等級,而且在高爐煉鐵時會增高焦比，降低鐵產(chǎn)量，增加排渣量。一般配合煤的成焦率為70%～80%，焦炭灰分為配合煤灰分的1.3～1.4倍。因此，煉焦用的原煤在配煤之前都應(yīng)該進行洗選，洗選后的精煤可降低灰分，提高煉焦煤的粘結(jié)性?；曳挚捎绊懡固抠|(zhì)量，含量高，會使高爐渣量增加，導(dǎo)致了焦比上升，產(chǎn)量下降。灰分還可影響成焦率，從而對煉焦能耗產(chǎn)生影響。2）水分在常規(guī)煉焦條件下，裝爐煤的堆比重主要受煤料水分、細度以及加煤過程的影響，增加堆比重的有效途徑是減少煤料的水分，但是若采用一般的裝爐方法，在加煤時冒煙冒火嚴重，必須采用專門的裝爐工藝。煤料的水分除影響堆比重外，還影響焦爐的結(jié)焦時間（或加熱制度）、煉焦的耗熱量和剩余氨水量，由于新裝爐內(nèi)的煤料與墻面直接接觸，煤料中水分的蒸發(fā)使墻面溫度急劇下降，對焦爐爐墻砌體很不利。因此，在煉焦生產(chǎn)中，控制煤料的水分是非常必要的。水分變化，相當于濕煤中的干煤被水分所取代，即水分變化帶來濕煤耗熱量變化，從而對煉焦能耗產(chǎn)生影響。煤中水分分為內(nèi)在水分、外在水分、結(jié)晶水和分解水?，F(xiàn)在我們常用的水份指標有兩種：a、全水份（Mt），是煤中所有內(nèi)在水份和外在水份的總和，也常用Mar表示。通常規(guī)定在8%以下。b、空氣干燥基水份(Mad)，指煤炭在空氣干燥狀態(tài)下所含的水份。3）揮發(fā)分煤的揮發(fā)分對焦炭的質(zhì)量影響很大，配合煤的揮發(fā)分偏低雖然有利于提高焦炭的機械強度和塊度，但焦炭的耐磨性差；反之，揮發(fā)分偏高，在煉焦過程中就有較多的裂解產(chǎn)物逸出，產(chǎn)生一個非常大的應(yīng)力作用于焦炭，使之從內(nèi)向外發(fā)生崩裂，形成許多細小的裂紋結(jié)構(gòu)，導(dǎo)致焦炭的強度降低。揮發(fā)分影響成焦率和產(chǎn)氣率，從而對煉焦單元能耗產(chǎn)生影響。4）硫分硫是煤中有害元素，煉焦時煤中的硫分約70%～80%轉(zhuǎn)入焦炭，煉鐵時又轉(zhuǎn)入生鐵中。按成焦率75%左右計算，焦炭硫分約為配合煤硫分的80%～90%。用高硫生鐵煉出的鋼具有熱脆性，鋼材中的含硫量大于0.07%，受熱后容易發(fā)生脆裂現(xiàn)象。煤中的硫，特別是硫鐵礦硫還能加速煤的風化與自燃，煤經(jīng)氧化后粘結(jié)性急劇下降。通常煉焦煤的硫分每增高0.1個百分點，就會使焦炭硫分增高0.08，焦比上升1.2%左右，高爐生產(chǎn)能力降低1.6%～2.0%，所以煉焦用配煤中的硫分最高不應(yīng)超過1.2%，且硫分越低越好。為降低焦炭硫分，煉焦過程中往往通過提高煉焦終止溫度，而這將增加煤氣消耗，使煉焦單元能耗升高。5）煤料細度細度是指煤料粉碎后小于3mm的煤料重量占總重量的百分比。常規(guī)煉焦細度一般要求在80%左右，搗固煉焦細度一般要求大于85%。細度過低，配合煤混合不均勻，焦炭內(nèi)部結(jié)構(gòu)不均一，強度降低。細度過高，不僅粉碎設(shè)備動力消耗增大，設(shè)備的處理能力降低，更重要是細度過高時，裝爐煤的堆比重下降，使焦炭質(zhì)量和產(chǎn)量受影響，影響煉焦單元能耗。過程狀態(tài)參數(shù)分析煉焦單元包括焦爐加熱燃燒過程、集氣管集氣過程和推焦過程三個過程，下面將這些過程狀態(tài)參數(shù)對煉焦單元能耗的影響進行定性分析[39-41]。1）裝煤系數(shù)裝煤系數(shù)是反映裝煤均勻程度的指標，其計算公式為：(9.1)裝煤系數(shù)可影響焦炭產(chǎn)量，從而影響到煉焦單元能耗。2）K均勻為保證全爐各燃燒室溫度均勻，各測溫火道溫度與同側(cè)直行溫度的平均值相差不應(yīng)超過±20℃，邊爐相差不超過±30℃，超過此值的測溫火道為溫度不合格火道，并以均勻系數(shù)K均勻作為考核。K均勻3）K安定焦爐各燃燒室測溫火道的溫度值稱直行溫度。一般于換向后5min(或10min)在下降氣流時測量，因為這時爐溫的下降速度已趨平穩(wěn)。為防止焦爐砌磚被燒熔，硅磚焦爐測溫火道換向后的最高溫度不得超過1450℃。硅磚荷重軟化溫度雖可達1620℃左右，由于火道內(nèi)測溫點與最高溫度點（火焰燃燒點）相差100～150℃，火道溫度在整個結(jié)焦期間尚有波動（波動值25～30℃），故火道的極限度對硅磚焦爐規(guī)定應(yīng)不大于1450℃。直行溫度不但要求均勻，還要求直行溫度的平均值保持穩(wěn)定，并用安定系數(shù)K安定考核。K安定也影響燃氣燃燒量，從而影響到煉焦單元能耗。4）K2焦爐的出焦和裝煤應(yīng)嚴格按計劃進行，保證各炭化室的焦餅按規(guī)定時間均勻成熟，做到安全、定時、準點。并定時進行機械和設(shè)備的預(yù)防性檢修。為評定推焦操作的均衡性，要求各炭化室的結(jié)焦時間與規(guī)定相差不超過±5min，并以推焦執(zhí)行系數(shù)K2評定。作為煉焦生產(chǎn)穩(wěn)定性的度量，K2對焦炭質(zhì)量和煉焦能耗均有影響。5）結(jié)焦時間結(jié)焦時間是指煤料在炭化室內(nèi)停留的時間，通常是指從開始平煤（裝煤時刻）在22h～24h時煉焦耗熱量最低。以此為基準，縮短和延長結(jié)焦時間均使煉焦耗熱量增高。結(jié)焦時間從22h～24h縮短至14～15h，每縮短1h，耗熱量約增加40～55KJ/kg。結(jié)焦時間影響了焦炭質(zhì)量、COG回收量及消耗量，因此對煉焦單元能耗有很大影響。綜上所述，原料煤的灰分、水分、揮發(fā)分、硫分和煤料細度都將直接影響煉焦單元的能耗，裝煤系數(shù)、K均勻、K安定、K2、結(jié)焦時間也對煉焦單元能耗有影響。為增加能耗預(yù)測模型的精度和泛化能力，我們下章對其關(guān)聯(lián)程度進行計算，定量的選擇影響較大的因素作為預(yù)測模型的輸入和輸出。COG和BFG的配比分析：鋼鐵聯(lián)合企業(yè)生產(chǎn)中產(chǎn)生的主要副產(chǎn)品氣體燃料包括BFG、COG和轉(zhuǎn)爐煤氣(Linz-DonavitzprocessGas,LDG)，其中以BFG、COG應(yīng)用最為廣泛，它們在鋼鐵企業(yè)的燃料平衡中占有很重要的地位，BFG、COG所提供的熱量通常占鋼鐵企業(yè)總熱量收入的80%以上[42]。焦爐加熱用煤氣主要是COG和BFG，有的廠還采用轉(zhuǎn)爐煤氣。這些煤氣的大致組成如表9.1所示[41]。表9.1各種煤氣的組成和發(fā)熱值煤煤氣組成COGBFGLDGH255~601.5~35~6CO5~825~3080~86CH423~280.2~0.50.7~1.6CnHm2~410.3CO21.5~39~1510N23~555~603.5O20.4~0.80.2~0.40.5低發(fā)熱值KJ/m316720~188103230~41805600~9218煉焦單元使用煤氣主要是加熱焦爐，對炭化室內(nèi)洗精煤進行間接加熱并發(fā)生干餾，加熱煤氣的熱量使得炭化室內(nèi)的洗精煤轉(zhuǎn)化為焦炭、COG、焦油以及相應(yīng)的顯熱和熱損失。據(jù)對某大型鋼鐵企業(yè)計算，煤氣燃燒熱占焦爐熱量總收入的70%以上。加熱煤氣的種類可以是單一的COG、BFG或COG、BFG混合煤氣，由于發(fā)熱值不同，提供相同的熱量所需的煤氣量、空氣量及所產(chǎn)生的廢氣量亦不同，因此，用不同的煤氣加熱焦爐，其煉焦耗熱量有所差異[44]。鋼鐵聯(lián)合企業(yè)為了更合理利用煤氣及平衡煤氣，焦爐應(yīng)盡量采用BFG加熱，這樣置換出高發(fā)熱值COG供軋鋼加熱爐等用戶使用。為了穩(wěn)定煤氣發(fā)熱值，往往在高爐煤氣中摻入一定量的COG，稱為混合煤氣加熱。因此，COG和BFG配比對煉焦單元能耗是有影響的，在整個企業(yè)煤氣平衡時，選擇合適的COG和BFG配比，使得煉焦單元能耗較低，對于煉焦單元節(jié)能是一個新的思路和方向。9.1.2煉焦單元能耗影響因素分析灰色關(guān)聯(lián)度方法影響綜合生產(chǎn)目標的影響因素眾多，對綜合生產(chǎn)目標的主要影響因素的確定，只依據(jù)機理分析以及人工經(jīng)驗可靠性不高，并且缺乏理論依據(jù)。需要從理論上定量計算各因素對綜合生產(chǎn)目標的影響程度，這稱之為關(guān)聯(lián)性分析。在關(guān)聯(lián)性分析中，常用的定量計算方法是數(shù)理統(tǒng)計法，如回歸分析、方差分析、主成分分析等[45]，它們要求大樣本和典型的概率分布。另一種方法即為灰色系統(tǒng)理論提出的灰色關(guān)聯(lián)分析方法[46-47]，它可在不完全的信息中，對所要分析研究的各因素，通過一定的數(shù)據(jù)處理，在隨機的因素序列間找出它們的關(guān)聯(lián)性，找到主要特性和主要影響因素?；疑P(guān)聯(lián)分析是基于行為因子序列的微觀或宏觀幾何接近，以分析和確定因子間的影響程度或因子對主行為的貢獻度而進行的一種分析方法[48-49]。在煉焦單元中，由于數(shù)據(jù)之間的概率分布難以確定，并且信息存在不完全的情況，難以采用數(shù)理統(tǒng)計的方法進行關(guān)聯(lián)度定量計算，所以在分析過程中采用灰色關(guān)聯(lián)分析方法對影響煉焦單元能耗的因素進行關(guān)聯(lián)性分析。灰色關(guān)聯(lián)分析計算步驟如下：Step1：原始數(shù)據(jù)處理初值化處理設(shè)有原始（以煉焦過程狀態(tài)參數(shù)關(guān)聯(lián)分析為例，n=5）對x0作初值化處理得y0，則（9.2）(2)均值化處理設(shè)有原始（以煉焦過程狀態(tài)參數(shù)關(guān)聯(lián)分析為例，n=5），令其均值為，(9.3)則對x0作均值化處理，得y0為：（9.4）(3)歸一化處理在非時間序列中，同一序列有許多不同的物理量，且數(shù)值大小相差過分懸殊，為避免造成非等權(quán)情況，對這些數(shù)列作歸一化處理。Step2：計算灰色關(guān)聯(lián)系數(shù)。若經(jīng)數(shù)據(jù)處理后的母數(shù)列為(X0(t))，子數(shù)列為(xi(t))，在時刻t=k時，(x0(k)與(xi(k))的灰色關(guān)聯(lián)系數(shù)為（9.5）式中為k時刻兩個序列的絕對值，即，，分別為各個時刻的絕對值的最大值與最小值，為分辨系數(shù)，其作用在于提高灰色關(guān)聯(lián)系數(shù)之間的差異顯著性，，一般取0.5。Step3：求灰色關(guān)聯(lián)度與灰色關(guān)聯(lián)矩陣。其計算公式為：（9.6）式中為子序列與母序列0的灰色關(guān)聯(lián)度。N為序列的長度即數(shù)據(jù)個數(shù)，(以煉焦單元過程狀態(tài)參數(shù)關(guān)聯(lián)分析為例，n=5)。若有n個母序列，m個子序列(以煉焦單元過程狀態(tài)參數(shù)關(guān)聯(lián)分析為例n=5)，各子序列j對母序列i的關(guān)聯(lián)度為，則可得灰色關(guān)聯(lián)矩陣為：(9.7)Step4：關(guān)聯(lián)度排序以及優(yōu)勢分析對進行從大到小排序，根據(jù)排序結(jié)果判斷子因素與母因素的關(guān)聯(lián)性強弱，排序越靠前，則說明此子因素與母因素的關(guān)聯(lián)性越強，反之越弱。原材料參數(shù)選擇由節(jié)可知影響洗精煤質(zhì)量指標的主要因素分別為灰分Ad、空氣干燥基水分Mad、全水分Mt、揮發(fā)分Vdaf、硫分Sd,t和煤料細度。為保證模型的準確性和預(yù)測的可行性，須選取對煉焦單元能耗影響最大的幾個參數(shù)。分別以煉焦單元總能耗x(0)作為參考序列，以灰分x(0)(1)，以空氣干燥基水分x(0)(2)，以全水分x(0)(3)，以揮發(fā)分K2x(0)(4)，以硫分x(0)(5)，以煤料細度x(0)(6)作為比較序列。以某大型鋼鐵企業(yè)2010年10月和11月每天的煉焦單元總能耗作為參考序列，以過程狀態(tài)參數(shù)作為比較序列，樣本統(tǒng)計指標如表9.2所示，表9.2煉焦過程狀態(tài)參數(shù)影響因素樣本統(tǒng)計表統(tǒng)計指標X(0)X(0)(1)X(0)(2)X(0)(3)X(0)(4)X(0)(5)X(0)(6)平均值120.02199.91080.978810.68827.92720.767675.304最小值87.79069.63000.61009.400026.46000.720073.6000最大值153.998610.28001.370011.800028.91000.83007.3000標準偏差13.66280.12840.22650.64570.57570.02891.2391按照灰色關(guān)聯(lián)分析計算步驟：首先按式(9.4)進行均值化處理，然后按照式(9.5)求取灰色關(guān)聯(lián)系數(shù)，最后按照式(9.6)求取到的灰色關(guān)聯(lián)度如下所示。表9.3煉焦過程狀態(tài)參數(shù)灰色關(guān)聯(lián)度表各種參數(shù)X(0)(1)X(0)(2)X(0)(3)X(0)(4)X(0)(5)X(0)(6)灰色關(guān)聯(lián)度0.76720.64110.73990.75670.74700.7632對灰色關(guān)聯(lián)度進行排序為：X(0)(1)>X(0)(6)>X(0)(4)>X(0)(5)>X(0)(3)>X(0)(2)則可以確定灰分系數(shù)在原材料參數(shù)中對煉焦單元能耗影響最大，煤料細度和揮發(fā)分次之。其次是硫分、全水分和空氣干燥基水分。由于X(0)(1)、X(0)(2)、X(0)(3)、X(0)(4)、X(0)(5)、X(0)(6)與煉焦單元總能耗X(0)的灰色關(guān)聯(lián)度都大于0.5，因此將灰分，空氣干燥基水分，全水分，揮發(fā)分，硫分，煤料細度均作為模型的輸入變量。過程狀態(tài)參數(shù)選擇由節(jié)分析可知，影響煉焦單元能耗的過程狀態(tài)參數(shù)包括：指示反映裝煤程度的指標K裝煤，焦爐側(cè)溫火道平均溫度的均勻系數(shù)K均勻，反映焦爐測溫火道平均溫度的穩(wěn)定性指標K安定，反映焦爐推焦操作正常與否的指標K2以及焦爐的結(jié)焦時間等。為保證模型的準確性和預(yù)測的可行性，須選取對煉焦單元能耗影響最大的幾個參數(shù)。分別以煉焦單元總能耗x(0)作為參考序列，以K裝煤x(0)(1)，K均勻x(0)(2)，K安定x(0)(3)，K2x(0)(4)，結(jié)焦時間x(0)(5)作為比較序列。以某大型鋼鐵企業(yè)2010年10月和11月每天的煉焦單元總能耗及過程狀態(tài)參數(shù)作為比較序列，樣本統(tǒng)計指標如表9.4所示，表9.4煉焦過程狀態(tài)參數(shù)影響因素樣本統(tǒng)計表統(tǒng)計指標X(0)X(0)(1)X(0)(2)X(0)(3)X(0)(4)X(0)(5)平均值120.02190.99400.92960.99320.96521.0686最小值87.79060.97000.89000.83000.91001.0583最大值153.99861.00000.97001.00001.00001.0736標準偏差13.66280.00960.02210.0340.02220.0031按照灰色關(guān)聯(lián)分析計算步驟：首先按式(9.4)進行均值化處理，然后按照式(9.5)求取灰色關(guān)聯(lián)系數(shù)，最后按照式(9.6)求取到的灰色關(guān)聯(lián)度如下所示。表9.5煉焦過程狀態(tài)參數(shù)灰色關(guān)聯(lián)度表各種參數(shù)X(0)(1)X(0)(2)X(0)(3)X(0)(4)X(0)(5)灰色關(guān)聯(lián)度0.63480.63940.64500.63840.6362對灰色關(guān)聯(lián)度進行排序為：X(0)(3)>X(0)(2)>X(0)(4)>X(0)(5)>X(0)(1)。則可以確定K安定系數(shù)是過程狀態(tài)參數(shù)中對煉焦單元能耗影響最大，K均勻和K2次之。其次是K裝煤和結(jié)焦時間。由于X(0)(1)、X(0)(2)、X(0)(3)、X(0)(4)、X(0)(5)與煉焦單元總能耗X(0)的灰色關(guān)聯(lián)度都大于0.5，因此將K裝煤，K均勻，K安定，K2，結(jié)焦時間均作為模型的輸出變量。9.1.3煉焦單元能耗預(yù)測模型針對復(fù)雜工業(yè)過程中眾多重要過程參數(shù)難以實時檢測的問題，目前主要采用基于數(shù)據(jù)驅(qū)動的智能建模方法實現(xiàn)對這些參數(shù)的有效預(yù)測。這些基于數(shù)據(jù)驅(qū)動的智能建模方法主要有基于統(tǒng)計分析的預(yù)測建模方法、基于統(tǒng)計學(xué)習(xí)理論的預(yù)測建模方法、基于即時學(xué)習(xí)策略的預(yù)測建模方法和基于人工神經(jīng)網(wǎng)絡(luò)的預(yù)測建模方法。該方法以大數(shù)定理和漸進理論為理論基礎(chǔ)，在經(jīng)驗風險最小化原則下，算法的結(jié)論大都是在訓(xùn)練樣本趨于無窮的假設(shè)下的得到的。工業(yè)應(yīng)用是，模型訓(xùn)練過程需要有能夠覆蓋整個生產(chǎn)過程的大量數(shù)據(jù)，如果當前輸入數(shù)據(jù)不在訓(xùn)練數(shù)據(jù)所覆蓋的工況區(qū)域，則會出現(xiàn)較大的預(yù)測誤差，同時該方法在線適應(yīng)能力較差，當生產(chǎn)工況出現(xiàn)偏移時，需要根據(jù)新采集的數(shù)據(jù)采用人工離線訓(xùn)練的方式對模型參數(shù)進行校正。由節(jié)可知，煉焦單元的原材料參數(shù)、生產(chǎn)過程狀態(tài)參數(shù)與煉焦單元能耗之間存在關(guān)聯(lián)關(guān)系，但其維數(shù)高、內(nèi)部機理復(fù)雜，存在著很強的非線性。人工神經(jīng)網(wǎng)絡(luò)具有很強的自適應(yīng)學(xué)習(xí)能力，較強的容錯能力和魯棒性，而且可以逼近任意非線性函數(shù)[67]，在鋼鐵企業(yè)生產(chǎn)過程的信息分析中獲得了廣泛的應(yīng)用[68-69]，尤其以BP神經(jīng)網(wǎng)絡(luò)應(yīng)用最為廣泛。本章即以BP神經(jīng)網(wǎng)絡(luò)為研究方法，建立煉焦單元能耗預(yù)測模型。BP人工神經(jīng)網(wǎng)絡(luò)模型的建模流程針對BP人工神經(jīng)網(wǎng)絡(luò)在應(yīng)用中存在的問題，在煉焦單元能耗預(yù)測模型中，我們提出BP人工神經(jīng)網(wǎng)絡(luò)的建模流程，如圖9.3所示。通過灰色關(guān)聯(lián)度方法計算能耗影響因素的關(guān)聯(lián)度值，依據(jù)其關(guān)聯(lián)度大小選擇作為建模因素，得到樣本數(shù)據(jù)。對樣本數(shù)據(jù)進行孤立點檢測和歸一化處理，本文利用基于距離和的孤立點檢測方法進行去噪，然后將數(shù)據(jù)歸結(jié)到0.2～0.8之間，具體原因?qū)⒃跀?shù)據(jù)預(yù)處理中“歸一化”部分給出。并將所得數(shù)據(jù)分為學(xué)習(xí)數(shù)據(jù)和檢驗數(shù)據(jù)。設(shè)定神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，利用BP算法和學(xué)習(xí)數(shù)據(jù)建立人工神經(jīng)網(wǎng)絡(luò)模型。利用檢驗數(shù)據(jù)和所建模型進行最小誤差、最大誤差和誤差平方和計算。比較各個誤差，若滿足模型精度則輸出模型；否則修改神經(jīng)網(wǎng)絡(luò)隱含層節(jié)點個數(shù)后，利用BP算法訓(xùn)練模型后，繼續(xù)計算誤差并修正隱含層節(jié)點個數(shù)，直至滿足模型精度。圖9.3BP人工神經(jīng)網(wǎng)絡(luò)的建模流程數(shù)據(jù)預(yù)處理選取某鋼鐵公司2011年10月份的數(shù)據(jù)作為樣本進行建模。首先進行數(shù)據(jù)預(yù)處理。數(shù)據(jù)預(yù)處理是進行神經(jīng)網(wǎng)絡(luò)建模前的準備工作，將很多不符合要求的數(shù)據(jù)剔除，以及進行必要的數(shù)據(jù)變化，有利于建模的精確性。只有當建模精度符合要求的時候，對于企業(yè)的決策評估才能起到真正的輔助決策的作用。（1）去噪處理“去噪”有很多的方法，包括離群點檢測方法、死區(qū)處理法、算術(shù)平均值法、中值濾波法、低通濾波法、滑動濾波法等，本文采用基于距離的孤立點檢測方法。孤立點檢測用來發(fā)現(xiàn)數(shù)據(jù)集中小部分對象[71]，這些對象與數(shù)據(jù)中的一般行為或數(shù)據(jù)模型有著明顯的不同。早期的孤立點檢測研究多見于統(tǒng)計領(lǐng)域?；诮y(tǒng)計的方法一般只適用于單變量的數(shù)據(jù)，雖然某些算法也可以檢測多變量數(shù)據(jù)，但需要事先指定（假定）數(shù)據(jù)服從的分布模型，這兩個缺點極大地限制了它的應(yīng)用。近來，研究人員又提出了各種各樣的方法，大致可以分為基于距離的方法、基于深度的方法、基于密度的方法和基于聚類的方法[72]。基于距離的孤立點的概念最早由E.M.Knorr和R.T.Ng[71]提出，S.Ramaswamyetal[73]和S.D.Bayetal[74]分別進行了改進。在這種方法里，一般根據(jù)數(shù)據(jù)對象的最近鄰居來判斷其是否為孤立點?；诰嚯x的孤立點的優(yōu)點在于不需知道數(shù)據(jù)的分布模型，因而可以應(yīng)用于任何可以用某種距離機制量度的特征空間。孤立點的定義是數(shù)據(jù)集中到第k個最近鄰居的距離最大的n個對象[72]；基于距離的孤立點與基于統(tǒng)計的方法相比有幾個優(yōu)點，首先，它不要求用戶知道數(shù)據(jù)集服從哪種統(tǒng)計分布模型，同時，它克服了基于統(tǒng)計的孤立點檢測僅能檢測單個屬性的缺點。這里的距離量度函數(shù)一般使用絕對距離或者歐氏距離。假定數(shù)據(jù)對象為區(qū)間標度變量類型，則絕對距離（又稱曼哈頓距離）的定義如下：(9.8)而歐式距離為：(9.9)其中m為數(shù)據(jù)對象的維(屬性)數(shù),表示第個對象第屬性的值。這兩個距離可統(tǒng)一為：(9.10)這就是明考斯基距離。對其它變量類型的對象距離，也有相應(yīng)的計算方法[75]。為減低孤立點檢測對用戶的要求，文獻[24]提出基于距離和的孤立點定義，與前文介紹基于距離的孤立點檢測方法相同，使用絕對距離或者歐氏距離，首先計算數(shù)據(jù)集中對象兩兩之間的距離，然后累計每個對象與其它對象的距離，設(shè)M為用戶期望的孤立點個數(shù)，則距離之和最大的M個對象即為孤立點。基于距離和的孤立點檢測可以描述如下：對原始數(shù)據(jù)集進行標準化后，計算n個對象兩兩之間的距離形成距離矩陣R:(9.11)令即為矩陣R中第i行的和，值越大，說明對象i與其他的對象距離越遠，值最大的M個對象即為孤立點。通過上文孤立點的定義知道孤立點是通過與數(shù)據(jù)對象距離最大的k個對象來識別。此孤立點定義可以看作該定義的一種變形，因為它實際上是通過對象與數(shù)據(jù)集中所有其它對象的距離之和來判別異常，那么此時所挑選出的M個對象即為上文定義中的n值。在本文研究中，我們從31組數(shù)據(jù)中選取6組數(shù)據(jù)剔除，即k值取31，n取值為6，從圖9.4中紅色橢圓可以看出，經(jīng)過處理得出31組數(shù)據(jù)集中距離和為7，20,14,19,30,12這6組數(shù)據(jù)。圖9.431組樣本距離和（2）歸一化處理傳統(tǒng)上歸一化是將樣本數(shù)據(jù)變換到[0,1]或[-1,1]，但是由于BP神經(jīng)網(wǎng)絡(luò)的隱含層神經(jīng)元往往采用Sigmoid轉(zhuǎn)移函數(shù)，-1和1是其極值，容易導(dǎo)致訓(xùn)練速度緩慢，甚至不收斂。文[74]提出利用式(9.12)進行數(shù)據(jù)歸一化。(9.12)歸一化后的數(shù)據(jù)范圍是[0.2,0.8]，這樣就避免了歸一化到[0,1]的缺陷。因此本文也采用該方法歸一化學(xué)習(xí)數(shù)據(jù)?；贐P人工神經(jīng)網(wǎng)絡(luò)建立煉焦單元能耗模型選取BP神經(jīng)網(wǎng)絡(luò)模型的結(jié)構(gòu)確定主要涉及到層數(shù)的確定、輸入輸出單元數(shù)的確定、隱含層數(shù)目的確定、激勵函數(shù)的確定、訓(xùn)練方式的選擇、訓(xùn)練終止條件等。(1)層數(shù)的確定Kolmogrov等人已經(jīng)證明，基于BP算法的三層反向傳播前饋網(wǎng)絡(luò)模型可以表征任意的非線性關(guān)系[76]?；诖?，采用三層前饋網(wǎng)絡(luò)作為基本神經(jīng)網(wǎng)絡(luò)。它由輸入層、隱含層和輸出層組成，各層之間實行全連接，層內(nèi)神經(jīng)元之間無連接。(2)輸入輸出節(jié)點數(shù)的確定煉焦單元能耗預(yù)測模型輸入層的神經(jīng)元節(jié)點對應(yīng)于輸入變量(參數(shù))即焦化工序能耗以及配合煤質(zhì)量指標；輸出層的神經(jīng)元節(jié)點對應(yīng)于輸出變量(參數(shù))即煉焦單元輸入能源、輸出能源以及過程狀態(tài)參數(shù)。(3)激勵函數(shù)激勵函數(shù)是模型執(zhí)行對該神經(jīng)元所獲得的網(wǎng)絡(luò)輸入的變換，也稱激活函數(shù)或激發(fā)函數(shù)。BP算法學(xué)習(xí)過程中出現(xiàn)的“平臺現(xiàn)象”是指網(wǎng)絡(luò)在學(xué)習(xí)的過程中誤差在一定的時間范圍內(nèi)，并不隨學(xué)習(xí)次數(shù)的增加而減少，而過了這段時間后，誤差明顯下降的現(xiàn)象。導(dǎo)致“平臺現(xiàn)象”的最直接的原因是由于神經(jīng)元的總輸入進入飽和區(qū)，而使神經(jīng)元的飽和非線性作用函數(shù)的導(dǎo)數(shù)逼近于零，從而使權(quán)值、閾值的更新無效。激活函數(shù)的種類很多，本研究采用Sigmoid函數(shù)，其表達式為：(9.13)其導(dǎo)數(shù)為：(9.14)實踐表明，該函數(shù)可以有效的消除“平臺現(xiàn)象”加快收斂速度，具有良好的模型泛化能力。(4)訓(xùn)練終止條件學(xué)習(xí)過程中，使訓(xùn)練終止的收斂的方式有兩種；一是限定訓(xùn)練次數(shù)，當訓(xùn)練的次數(shù)達到限定次數(shù)時，即終止；二是分別設(shè)置各輸出量的收斂網(wǎng)絡(luò)誤差限定值，當樣本的各輸出量的絕對誤差的平均值都小于設(shè)置值時，即終止。模型訓(xùn)練終止條件由用戶的具體要求來決定。本研究系統(tǒng)默認訓(xùn)練次數(shù)為5000次，網(wǎng)絡(luò)誤差為0.01。(5)隱含層單元數(shù)的確定隱含層神經(jīng)元作用機理到目前還沒有非常明確的認識清楚。隱含層神經(jīng)元的個數(shù)的選擇是一個十分復(fù)雜的問題，盡管很多文獻對隱含層單元數(shù)的選擇提出了許多技巧，但還是沒有很好的解析式來確定最佳的隱含層單元數(shù)。隱含層單元數(shù)太少，網(wǎng)絡(luò)可能不能訓(xùn)練出來，這是因為使用隱含層單元數(shù)少時，局部極小就多；或者網(wǎng)絡(luò)不“魯棒”，不能識別以前未見過的樣本，容錯性差。隱含層單元數(shù)過多，將使學(xué)習(xí)時間過長，誤差也不一定最小。本研究采用重復(fù)試驗法[77]與經(jīng)驗公式法相結(jié)合來確定隱含層單元數(shù)．重復(fù)試驗法是對同一批學(xué)習(xí)樣本訓(xùn)練不同隱含層單元數(shù)的神經(jīng)網(wǎng)絡(luò)，然后用該網(wǎng)絡(luò)來預(yù)報訓(xùn)練樣本，計算得出實際值與預(yù)測值的最大相對誤差、最小相對誤差，誤差平方和。將預(yù)報結(jié)果最佳的神經(jīng)網(wǎng)絡(luò)隱含層單元數(shù)確定為隱含層單元數(shù)．經(jīng)驗公式法是根據(jù)以下公式試算：(9.15)(9.16)(9.17)式中：n—輸入神經(jīng)元個數(shù)；m—輸出神經(jīng)元個數(shù)； a—為1-10之間的常數(shù)。結(jié)合法的思路是：首先利用經(jīng)驗公式法初步試算，然后利用重復(fù)試驗法來確定。這樣可以大大提高模型的正確識別率，減少盲目性。根據(jù)式(9.15)得出隱含層數(shù)目為15，根據(jù)式(9.16)得出隱含層數(shù)目為6～15,根據(jù)式(9.17)得出隱含層數(shù)目為3,選擇3種答案的交集，在隱含層單元數(shù)范圍是6～15的情況下討論確定最佳取值。本研究的模型結(jié)構(gòu)采用“輸入層—隱含層—輸出層”的形式，在7-P-13節(jié)點模型下，對隱含層單元數(shù)完成訓(xùn)練所需步數(shù)的研究結(jié)果如下表9.6所示。表9.6在7-P-13節(jié)點模型下，對隱含層節(jié)點數(shù)的研究結(jié)果隱含層單元數(shù)6789101112131415完成訓(xùn)練所需步數(shù)3327309428873134284117391468591888481從表9.6可見，在設(shè)定訓(xùn)練次數(shù)和訓(xùn)練精度要求下，隱含層個數(shù)從6到12完成訓(xùn)練所需迭代次數(shù)很大，當隱含層神經(jīng)元的個數(shù)在[13,15]之間時，訓(xùn)練次數(shù)低于1000。為了確定隱含層單元數(shù)，對模型輸出與實際輸出進行誤差計算，如表9.7所示為神經(jīng)網(wǎng)絡(luò)的13個輸出變量的在隱含層單元數(shù)分別為13，14，15時的誤差分析。表9.7神經(jīng)網(wǎng)絡(luò)13種輸出變量在不同隱含層單元數(shù)下的誤差分析隱含數(shù)層單元分析出輸絡(luò)網(wǎng)誤差隱含數(shù)層單元分析出輸絡(luò)網(wǎng)誤差131415焦爐煤氣使用量最小相對誤差0.00450.00840.0013最大相對誤差0.17590.18790.2223誤差平方和0.13900.17440.2509高爐煤氣使用量最小相對誤差0.00080.00060.0034最大相對誤差0.29810.39750.3715誤差平方和0.29940.38800.2934電使用量最小相對誤差0.00110.01140.0012最大相對誤差0.19860.24410.1842誤差平方和0.15780.23360.1992低壓蒸汽使用量最小相對誤差0.00060.00100.0050最大相對誤差0.23720.38960.3283誤差平方和0.19420.25350.2830焦爐煤氣發(fā)生量最小相對誤差0.00170.00590.0067最大相對誤差0.32580.12370.2173誤差平方和0.34270.09790.1763焦炭最小相對誤差0.00710.00650.0009最大相對誤差0.21850.23520.3155誤差平方和0.27560.32740.2960焦油最小相對誤差0.00990.00040.0044最大相對誤差0.18920.20620.2408誤差平方和0.20200.23730.2561粗苯最小相對誤差0.00700.00140.0040最大相對誤差0.22490.22570.2601誤差平方和0.14070.21930.1974K均勻最小相對誤差0.00690.01200.0035最大相對誤差0.32120.18590.3047誤差平方和0.32540.24630.2832K安定最小相對誤差0.00420.00290.0030最大相對誤差0.38500.38360.2430誤差平方和0.20730.27830.1643K2最小相對誤差0.00970.00350.0019最大相對誤差0.52450.44720.4346誤差平方和0.60150.34580.4275裝煤系數(shù)最小相對誤差0.00390.00000.0046最大相對誤差0.30060.28250.3689誤差平方和0.27730.28760.2626結(jié)焦時間最小相對誤差0.00400.00070.0023最大相對誤差0.12640.27840.2539誤差平方和0.08640.18970.1571從表9.7中可以看出，在隱含層單元數(shù)為13時，K2的最大相對誤差，超過50%，在隱含層個數(shù)為14和15時，誤差指標都在合理范圍內(nèi)，從降低神經(jīng)網(wǎng)絡(luò)復(fù)雜程度考慮，選擇隱含層個數(shù)為14。預(yù)測效果分析為檢驗預(yù)測模型的泛化性能，選取某鋼鐵公司焦化廠2010年11月份10組數(shù)據(jù)作為測試集，分別對過程狀態(tài)參數(shù)和煉焦單元能源產(chǎn)消進行預(yù)測，過程狀態(tài)參數(shù)，煉焦單元產(chǎn)消的預(yù)測值與實際值的對比數(shù)據(jù)，最小相對誤差，最大相對誤差以及相應(yīng)的誤差平方和如下表9.8-表9.12所示。表9.8神經(jīng)網(wǎng)絡(luò)輸出變量實際值與輸出值(1)網(wǎng)絡(luò)輸出樣本編號號網(wǎng)絡(luò)輸出樣本編號號焦爐煤氣(消耗)高爐煤氣(消耗)電(消耗)低壓蒸汽(消耗)焦爐煤氣(產(chǎn)出)焦炭(產(chǎn)出)焦油(產(chǎn)出)1實際值0.78650.60840.43150.65470.67130.79980.7999預(yù)測值0.78490.49640.43360.50440.60720.67060.87182實際值0.75680.79990.31390.45880.72360.79990.7385預(yù)測值0.61910.65600.36390.56660.69890.70150.82823實際值0.79990.76810.51970.79080.74960.56050.5847預(yù)測值0.73540.58560.46550.60680.62340.49860.56124實際值0.74520.64370.49230.79990.61640.26140.3169預(yù)測值0.73300.83010.40730.76130.69080.33740.35165實際值0.73550.59990.51560.65870.70190.38940.3792預(yù)測值0.60410.73790.47960.62050.72540.47690.43206實際值0.60450.63430.26230.74350.19990.19990.1999預(yù)測值0.71220.69470.31090.66030.19370.20610.15307實際值0.57500.29660.19990.74350.34960.69760.7918預(yù)測值0.73410.23010.21540.68710.40370.61260.88898實際值0.74070.19990.50830.44060.65510.73680.7984預(yù)測值0.70100.19340.57000.50540.72180.65330.71229實際值0.68730.49400.25430.49520.79990.79170.7957預(yù)測值0.62370.43460.28340.42970.61960.61730.756110實際值0.19990.27380.79990.19990.79720.60270.6748預(yù)測值0.14160.28040.70900.24550.64520.71390.7822表9.9神經(jīng)網(wǎng)絡(luò)輸出變量實際值與輸出值(2)樣本編號網(wǎng)絡(luò)輸出樣本編號網(wǎng)絡(luò)輸出粗苯(產(chǎn)出)K裝煤K均勻K安定K結(jié)焦時間1實際值0.79750.73600.19990.79990.79990.6590預(yù)測值0.76640.67040.18290.79990.77520.62662實際值0.66410.77020.49590.79990.79990.7094預(yù)測值0.72550.79390.50100.79990.72230.70633實際值0.60620.69680.68240.79990.76210.7999預(yù)測值0.56760.68340.65540.79990.84140.76664實際值0.41440.69680.62950.79990.76210.7245預(yù)測值0.48100.59100.64740.79990.68610.70735實際值0.44140.19990.68240.79990.76210.6935預(yù)測值0.47460.15970.51830.79990.65100.77496實際值0.19990.39360.72770.79990.76210.6767預(yù)測值0.15960.30010.79540.7999061140.70817實際值0.79400.47210.68240.79990.76210.7652預(yù)測值0.61510.36430.63530.79990.62860.69428實際值0.79990.47210.62950.79990.79990.6935預(yù)測值0.67660.49470.50560.79990.88480.78799實際值0.79750.59990.48590.79990.19990.7245預(yù)測值0.71530.52680.54290.79990.18540.700110實際值0.69040.79990.79990.79990.19990.1999預(yù)測值0.77990.72980.66750.79990.19890.1604表9.10煉焦單元能源消耗實際值與預(yù)測值誤差分析煉焦單元消耗能源焦爐煤氣高爐煤氣電低壓蒸汽最小相對誤差0.00020.02410.00490.0483最大相對誤差0.29160.23760.18530.2350誤差平方和0.27660.33490.15200.2772表9.11煉焦單元能源產(chǎn)出實際值與預(yù)測值誤差分析煉焦單元產(chǎn)出能源焦爐煤氣焦炭焦油粗苯最小相對誤差0.03100.03100.04020.0352最大相對誤差0.22540.29070.23460.2253誤差平方和0.17680.29960.16540.1879表9.12煉焦單元過程狀態(tài)參數(shù)實際值與預(yù)測值誤差分析煉焦單元過程狀態(tài)參數(shù)K裝煤K均勻K安定K結(jié)焦時間最小相對誤差0.01920.010300.03090.0044最大相對誤差0.23760.240500.19770.1976誤差平方和0.20610.160800.14970.0880為了更加清楚直觀地觀察實際值與預(yù)測值的差距，將預(yù)測值進行反歸一化，反歸一化公式為：(9.18)式（9.18）中x為反歸一化之后的數(shù)值；xmax為實際值的最大值；xmin為實際值的最小值；為歸一化之后的數(shù)值；將預(yù)測得到的數(shù)據(jù)進行反歸一化之后得出煉焦單元能源產(chǎn)消和過程狀態(tài)參數(shù)10組實際值與預(yù)測值對比散點圖如圖9.5所示。a—焦爐煤氣使用量b—高爐煤氣使用量c—電使用量d—低壓蒸汽使用量e—焦爐煤氣發(fā)生量f—焦炭產(chǎn)量g—焦油產(chǎn)量h—粗苯產(chǎn)量i—K安定系數(shù)j—K2系數(shù)k—裝煤系數(shù)l—結(jié)焦時間m—K均勻系數(shù)圖9.5煉焦單元能耗預(yù)測模型實際值與輸出值對比圖通過上述誤差分析，證明該模型具有較好的泛化能力，可作為煉焦單元能耗預(yù)測模型。從預(yù)測值經(jīng)過反歸一化之后與實際值的數(shù)值對比圖可以看出，預(yù)測值與實際值相差值相差很小，變化趨勢一致，因此建立的煉焦單元能耗預(yù)測模型的泛化能力強，可為能源調(diào)配和過程控制提供決策支持。9.1.4煉焦單元能耗優(yōu)化COG和BFG配比與煉焦單元能耗的關(guān)系模型數(shù)據(jù)預(yù)處理同第9.1.3節(jié)，仍然選取某鋼鐵公司2011年10月份的數(shù)據(jù)作為樣本進行建模。首先利用基于距離和的孤立點檢測方法剔除異常數(shù)據(jù)，然后進行歸一化。在該問題中，我們還是設(shè)定從31組數(shù)據(jù)中剔除6組數(shù)據(jù)，即k值取31，n取值為6，各組數(shù)據(jù)的平均距離和如圖9.6所示。從表中紅色圓圈可以看出，經(jīng)過處理得出距離其余31組數(shù)據(jù)最大距離的為第30,10,6,12,3,8這6組數(shù)據(jù)。圖9.631組樣本距離和剔除6個孤立點，同樣利用式（9.12），將本問題使用的數(shù)據(jù)歸一化到[0.2,0.8]，得到建模數(shù)據(jù)?；贐P神經(jīng)網(wǎng)絡(luò)的COG和BFG配比與煉焦單元能耗關(guān)聯(lián)模型按照9.1.3節(jié)提出的BP神經(jīng)網(wǎng)絡(luò)建模流程，神經(jīng)網(wǎng)絡(luò)模型的結(jié)構(gòu)確定主要涉及到模型層數(shù)的確定、輸入輸出單元數(shù)的確定、隱含層數(shù)目的確定、激勵函數(shù)的確定、訓(xùn)練終止條件等。(1)層數(shù)的確定由于基于BP算法的三層反向傳播前饋網(wǎng)絡(luò)模型可以表征任意的非線性關(guān)系，基于神經(jīng)網(wǎng)絡(luò)的COG和BFG配比與煉焦單元能耗關(guān)聯(lián)模型可以采用三層網(wǎng)絡(luò)結(jié)構(gòu)。(2)輸入輸出節(jié)點數(shù)的確定實際建模時，輸入層的神經(jīng)元節(jié)點對應(yīng)于煉焦單元中BFG的配比，用X表示；輸出層的神經(jīng)元節(jié)點對應(yīng)于輸出變量(參數(shù))即煉焦單元輸入能源、輸出能源，即消耗的能源有4種：COG(y1),BFG(y2)，電(y3)，蒸汽(y4)；產(chǎn)出的能源有4種：焦油(y5)，焦炭（冶金焦+焦粉、焦丁）(y6)，COG(y7)，粗苯(y8)。(3)激勵函數(shù)由于Sigmoid函數(shù)能有效消除“平臺現(xiàn)象”加快收斂速度，具有良好的模型泛化能力。因此，本模型的激勵函數(shù)采用Sigmoid函數(shù)。(4)訓(xùn)練終止條件本模型默認訓(xùn)練次數(shù)為5000次，網(wǎng)絡(luò)誤差為0.01。(5)隱含層數(shù)目本研究依舊采用在第9.13節(jié)中提及的重復(fù)試驗法與經(jīng)驗公式法相結(jié)合來確定隱含層單元數(shù)。經(jīng)驗公式法是根據(jù)公式(9.15)、(9.16)、(9.17)試算：本次模型中n=1,m=8。根據(jù)式(9.15)得出隱含層數(shù)目為3，根據(jù)式(9.16)得出隱含層數(shù)目為4～13,根據(jù)式(9.17)得出隱含層數(shù)目小于1，不成立,選擇在隱含層單元數(shù)范圍在4～13的情況下討論確定最佳取值。本研究的模型結(jié)構(gòu)采用“輸入層—隱含層—輸出層”的形式，在1-P-8節(jié)點模型下，對隱含層單元數(shù)完成訓(xùn)練所需步數(shù)的研究結(jié)果如下表9.13所示。表9.13在1-P-8節(jié)點模型下對隱含層單元數(shù)的研究結(jié)果隱含層節(jié)點數(shù)45678910111213完成訓(xùn)練所需步數(shù)>5000>5000>50004350413716281039740591290從表9.13可見，在設(shè)定訓(xùn)練次數(shù)和訓(xùn)練精度要求下，隱含層個數(shù)從4到10完成訓(xùn)練所需迭代次數(shù)很大，當隱含層神經(jīng)元的個數(shù)在[11,13]之間時，訓(xùn)練次數(shù)低于1000。為了確定隱含層單元數(shù)，對模型輸出與實際輸出進行誤差計算，如表9.14所示為神經(jīng)網(wǎng)絡(luò)的8個輸出變量的在隱含層單元數(shù)分別為13，14，15時的誤差分析。表9.14神經(jīng)網(wǎng)絡(luò)13種輸出變量在不同隱含層單元數(shù)下的誤差分析隱含數(shù)層單元分析出輸絡(luò)網(wǎng)誤差隱含數(shù)層單元分析出輸絡(luò)網(wǎng)誤差111213焦爐煤氣使用量最小相對誤差0.00170.00400.0023最大相對誤差0.17310.11390.1972誤差平方和0.12990.08720.1595高爐煤氣使用量最小相對誤差0.00140.00690.0024最大相對誤差0.26740.25080.2920誤差平方和0.27530.23510.2739電使用量最小相對誤差0.00040.00190.0018最大相對誤差0.24540.24380.2317誤差平方和0.19700.23670.2175低壓蒸汽使用量最小相對誤差0.00010.00230.0010最大相對誤差0.12010.25280.2542誤差平方和0.08470.14970.1472焦爐煤氣發(fā)生量最小相對誤差0.00220.00180.0039最大相對誤差0.26040.25190.2239誤差平方和0.26040.26380.2674焦炭最小相對誤差0.00100.00240.0044最大相對誤差0.34070.27560.2800誤差平方和0.50580.40230.3351焦油最小相對誤差0.00060.00070.0010最大相對誤差0.38760.38250.4128誤差平方和0.37330.44040.4437粗苯最小相對誤差0.00020.00010.0081最大相對誤差0.19220.19110.1781誤差平方和0.13450.18460.1556從表9.14看出，當隱含層神經(jīng)元個數(shù)為13時，焦油的最大相對誤差超過了40%，當隱含層個數(shù)為11時，焦炭和焦油的最大相對誤差都超過了30%，只有隱含層個數(shù)為12時，焦油的最大相對誤差超過了30%，因此，選擇12作為隱含層的單元數(shù)。COG和BFG配比對煉焦單元能耗的優(yōu)化COG和BFG配比對煉焦單元能耗優(yōu)化模型單位產(chǎn)量的綜合能源消耗量反映企業(yè)生產(chǎn)的綜合情況，該指標的計算依據(jù)生產(chǎn)某種產(chǎn)品的能源消耗總量及產(chǎn)品的產(chǎn)量。產(chǎn)品生產(chǎn)能耗主要包括用于該產(chǎn)品的原料、燃料、動力和工藝等所消耗的能源，并折算為一次能源，單位為噸標準煤/噸產(chǎn)品?；谏鲜龇治觯霉?jié)建立的COG和BFG配比與煉焦單元能耗關(guān)系模型，我們可建立COG和BFG配比對煉焦單元能耗優(yōu)化模型。設(shè)為BFG配比，為COG和BFG配比對煉焦單元能耗關(guān)系的神經(jīng)網(wǎng)絡(luò)模型，則為煉焦單元的能源產(chǎn)消向量。從而煉焦單元能耗為：(9.19)其中，是煉焦單元消耗能源，依次為COG，BFG，電，蒸汽；是煉焦單元產(chǎn)出能源，分別是焦油，焦炭，COG，粗苯；為冶金焦和焦粉焦丁，兩者合稱全焦，是煉焦單元的產(chǎn)品；為某鋼鐵公司2011年10月份的成焦率平均值；為某鋼鐵公司全焦的折合標準煤系數(shù)。因此COG和BFG配比對煉焦單元能耗優(yōu)化模型為：(9.20)其中，由上文可知，為神經(jīng)網(wǎng)絡(luò)的輸出，即，則式(9.20)可以轉(zhuǎn)化為：(9.21)由于神經(jīng)網(wǎng)絡(luò)模型的隱含層采用S型激活函數(shù)，S型激活函數(shù)是非線性的，因此是關(guān)于的非線性函數(shù)，從而目標函數(shù)是非線性的?；谶z傳算法的COG和BFG配比對煉焦單元能耗優(yōu)化步驟由于目標函數(shù)中嵌套了神經(jīng)網(wǎng)絡(luò)模型，因此COG和BFG配比對煉焦單元能耗優(yōu)化模型難以使用傳統(tǒng)的優(yōu)化方法進行求解。由于遺傳算法對目標函數(shù)和約束函數(shù)的要求寬松等優(yōu)勢，我們采用遺產(chǎn)算法求解上節(jié)提出的優(yōu)化模型。1）個體編碼解碼編碼問題是設(shè)計遺傳算法的首要和關(guān)鍵問題。遺傳算法的編碼技術(shù)必須考慮“染色體”合法性、可行性、有效性以及問題解空間表征的完全性。由于優(yōu)化模型的解為BFG的配比，是一個上的實數(shù)，分別為的下界和上界，因此使用二進制編碼可以方便且完整表達。染色體的長度，其中為編碼精度。2）適應(yīng)值函數(shù)適應(yīng)值