焦化工序能耗預(yù)測(cè)與優(yōu)化模型的研究與實(shí)現(xiàn)

焦化工序能耗預(yù)測(cè)與優(yōu)化模型的研究與實(shí)現(xiàn)焦化工序能耗預(yù)測(cè)與優(yōu)化模型的研究與實(shí)現(xiàn)摘要由于能源資源的日趨緊張和工業(yè)發(fā)展所需能源的日益增加，人們?cè)絹?lái)越重視對(duì)能源的合理使用。作為工業(yè)能耗大戶的鋼鐵企業(yè)，也把能源管理問(wèn)題視為重點(diǎn)。其中焦炭作為冶金、機(jī)械、化工等行業(yè)的主要原料和燃料，其在鋼鐵制造流程中的作用非常重大。作為焦炭的生產(chǎn)單元，焦化工序是整個(gè)鋼鐵制造流程中的重點(diǎn)工序，其能源消耗也深受重視，其中焦?fàn)t煉焦所消耗的能源占整個(gè)焦化工序能源凈消耗量的92%左右，所以對(duì)其能耗進(jìn)行預(yù)測(cè)與優(yōu)化對(duì)降低焦化工序乃至整個(gè)鋼鐵制造流程都具有重大意義。本文旨在對(duì)焦化工序中的焦?fàn)t煉焦生產(chǎn)過(guò)程的能耗預(yù)測(cè)與優(yōu)化進(jìn)行研究。首先，對(duì)采集到的原始樣本數(shù)據(jù)進(jìn)行預(yù)處理，結(jié)合實(shí)際生產(chǎn)情況與數(shù)據(jù)規(guī)律，對(duì)數(shù)據(jù)進(jìn)行一些分析和單位化處理；然后，應(yīng)用模糊邏輯推理技術(shù)，建立以大焦、洗精煤（配合煤）質(zhì)量指標(biāo)為輸入，焦?fàn)t煤氣（產(chǎn)出）、高爐煤氣、電、蒸汽為輸出的預(yù)測(cè)模型；最后，以能耗最低為目標(biāo)函數(shù)，使用多元回歸的方法建立能耗優(yōu)化模型的約束條件，建立能耗優(yōu)化模型，使在已知洗精煤（配合煤）質(zhì)量指標(biāo)的條件下，求取能耗的最優(yōu)解，并得出此時(shí)各消耗能源之間的配比。本文以某鋼鐵企業(yè)焦?fàn)t煉焦生產(chǎn)過(guò)程為研究對(duì)象，對(duì)上述主要的研究給予實(shí)例分析驗(yàn)證。關(guān)鍵詞：焦化、能耗預(yù)測(cè)、能耗優(yōu)化TongjiUniversityMasterofScienceinEngineeringAbstractTongjiUniversityMasterofScienceinEngineeringAbstractIIABSTRACTDuetotheshortageofenergyresourcesandtheincreasingrequirementonenergyinindustrialdevelopmentdaybyday,thereisagrowingemphasisontheeffectiveutilizationofenergy.Asthebigenergyconsumers,steelenterprisesalsofocusattentionontheenergymanagementproblem.Coke,asthemainrawmaterialandfuelinthemetallurgy,machinery,chemicalindustry,playsanimportantroleonthesteelmanufacturingprocess.Asproductionunitofcoke,coking-processisthekeypointprocessinthewholesteelmanufacturingprocess,itsenergyconsumptionalsoveryseriously.TheenergyconsumedinCokeovenunitaccountsforabout92%ofentirecoking-processenergyconsumption,therefore,energyconsumptionpredictionandoptimizationaregreatsignificancetoreducetheenergyconsumptionofcoking-process,andeventheentiresteelmanufacturingprocess.Thispapermainlyfocusesonenergyconsumptionforecastandoptimizationofcoking-process.First,wecollectoriginalsampledatafromtheinformationsystem,andthencombinedwiththeactualproductionconditionsanddataregularity,takesomeanalysisandunitingoftheoriginalsampledata.Secondly,establishapredictionmodelwhoseinputsincludethequalityindexesofthecokeandthecleanedcoal,andoutputsincludecokeovengas(output),blastfurnacegas,electricityandsteam,byfuzzylogicreasoningtechnology.Finally,thepaperestablishestheenergyconsumptionoptimizationmodelwiththelowestenergyconsumptionastheobjectivefunction,andtheconstraintswhichisobtainedbythemethodofmultiple-regressionusingmultipleregressionmethod.Then,underthedeterminedconditionsofthequalityindicatorsofthecleanedcoal,weobtaintheoptimalsolution,andwiththeratiobetweenthevariousenergy-consumingisachievedperformance.Thispaperstudiesoncokeovenofonesteelenterprise,andgiveanexampleanalysisandtestingontheabovemainresearch.KeyWords:coking,energyconsumption,prediction,optimization同濟(jì)大學(xué)碩士學(xué)位論文目錄同濟(jì)大學(xué)碩士學(xué)位論文目錄目錄第1章緒論 11.1本文研究的背景和意義 11.2焦化工序流程和能耗概況 31.2.1焦化工序流程概況 31.2.2焦化工序能耗概況 41.3焦化工序能耗優(yōu)化模型的研究現(xiàn)狀以及發(fā)展趨勢(shì) 51.3.1研究現(xiàn)狀 51.3.2焦化工序能耗優(yōu)化模型的發(fā)展趨勢(shì) 61.4本文的研究?jī)?nèi)容和安排 71.4.1主要的研究?jī)?nèi)容 71.4.2文章的結(jié)構(gòu)安排以及內(nèi)容框架 8第2章數(shù)據(jù)預(yù)處理 102.1單位化處理 102.1.1 單位化處理意義 102.1.2 實(shí)際生產(chǎn)數(shù)據(jù)的單位化處理 102.2離群點(diǎn)檢測(cè)概述 112.2.1離群點(diǎn)檢測(cè)的意義 112.2.2離群點(diǎn)檢測(cè)技術(shù) 122.3離群點(diǎn)檢測(cè)實(shí)例分析 132.3.1多元線性回歸的數(shù)學(xué)模型 132.3.2實(shí)例分析 142.4本章小結(jié) 29第3章于模糊邏輯的焦化工序能耗預(yù)測(cè)模型 303.1模糊邏輯概述 303.1.1模糊理論概念 303.1.2模糊邏輯概念以及應(yīng)用領(lǐng)域 313.2基于實(shí)際生產(chǎn)數(shù)據(jù)的模糊邏輯預(yù)測(cè)模型 313.2.1輸入輸出分配以及數(shù)據(jù)模糊化 313.2.2建立模糊推理機(jī)制 333.2.3模糊規(guī)則的確定 343.3建立預(yù)測(cè)模型 403.3.1 建立模糊邏輯預(yù)測(cè)模型 403.3.2 結(jié)果分析 423.4本章小結(jié) 43第4章焦化工序能耗優(yōu)化模型 454.1優(yōu)化模型概述 454.2焦化能耗優(yōu)化模型的建立 454.2.1 確定目標(biāo)函數(shù)與決策變量 454.2.2 確定約束條件 464.2.3 模型求解 474.2.4 結(jié)果分析 484.2.5 與預(yù)測(cè)值相比較 494.3本章小結(jié) 50第5章總結(jié)與展望 515.1全文總結(jié) 515.2研究展望 51致謝 53參考文獻(xiàn) 54附錄 56個(gè)人簡(jiǎn)歷、在讀期間發(fā)表的學(xué)術(shù)論文與研究成果 59同濟(jì)大學(xué)碩士學(xué)位論文焦化工序能耗預(yù)測(cè)與優(yōu)化模型的研究與實(shí)現(xiàn)第1章緒論緒論本文研究的背景和意義目前能源緊缺與環(huán)境惡化已經(jīng)成為全球面臨的最大問(wèn)題。近些年來(lái)，全球社會(huì)發(fā)展普遍存在對(duì)礦產(chǎn)資源、水資源等自然資源過(guò)度利用的問(wèn)題。全球經(jīng)濟(jì)持續(xù)高速增長(zhǎng)，但經(jīng)濟(jì)增長(zhǎng)的同時(shí)也引發(fā)了全球范圍內(nèi)的能源供應(yīng)緊張并對(duì)環(huán)境保護(hù)造成了巨大的壓力。在2009年12月7日至18日舉行的哥本哈根世界氣候大會(huì)，反復(fù)強(qiáng)調(diào)了節(jié)能減排的重要性。在大會(huì)到來(lái)之前，各國(guó)紛紛推出自己的減排計(jì)劃，我國(guó)決定，到2020年我國(guó)單位國(guó)內(nèi)生產(chǎn)總值二氧化碳排放比2005年下降40%～45%[1]，作為約束性指標(biāo)納入國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展中長(zhǎng)期規(guī)劃。“十一五”期間，我國(guó)單位國(guó)內(nèi)生產(chǎn)總值能耗累計(jì)下降鋼鐵制造是能源高度集中、高度消耗的過(guò)程，能源成本約占制造成本的30%左右，節(jié)能已成為鋼鐵企業(yè)在日益殘酷的市場(chǎng)競(jìng)爭(zhēng)中不得不面對(duì)的嚴(yán)峻問(wèn)題。特別是經(jīng)歷了2008年底的金融危機(jī)和幾次鐵礦石等原材料價(jià)格的高漲后，鋼鐵企業(yè)的利潤(rùn)空間大幅度縮小，節(jié)能越來(lái)越受重視，已逐漸成為鋼鐵企業(yè)提升市場(chǎng)競(jìng)爭(zhēng)力的有效手段之一。1987年開(kāi)始，我國(guó)鋼鐵工業(yè)從進(jìn)入了系統(tǒng)節(jié)能階段。在節(jié)能工作中，擁有先進(jìn)的生產(chǎn)設(shè)備和單體節(jié)能技術(shù)只是鋼鐵企業(yè)保持先進(jìn)性的基礎(chǔ)，然而，僅僅靠孤立的單向節(jié)能改造是不行的，需要的是綜合治理。一方面應(yīng)用數(shù)學(xué)方法以及系統(tǒng)工程的思想和方法對(duì)能耗進(jìn)行優(yōu)化，同時(shí)得到能源使用最優(yōu)配比以及物料最優(yōu)配置；另一方面應(yīng)合理的回收和利用二次能源；這些才是節(jié)能減排的關(guān)鍵。鋼鐵制造流程是一個(gè)復(fù)雜的連續(xù)流程，是眾多工序和設(shè)備有機(jī)地組合在一起的一個(gè)整體。在鋼鐵制造流程中能源消耗最大的工序是煉鐵系統(tǒng),包括焦化、燒結(jié)、球團(tuán)和高爐煉鐵等工序，本文主要針對(duì)的是整個(gè)煉鐵工序的首個(gè)大工序—焦化工序節(jié)能降耗。焦化工序的主要生產(chǎn)目的是為高爐煉鐵提供所需的燃料以及原料--焦炭，其重點(diǎn)生產(chǎn)過(guò)程是焦?fàn)t煉焦過(guò)程，焦?fàn)t煉焦過(guò)程的實(shí)質(zhì)是洗精煤經(jīng)過(guò)加熱燃燒轉(zhuǎn)換成焦炭、焦?fàn)t煤氣以及各種化學(xué)產(chǎn)品的過(guò)程,或認(rèn)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(guò)程。整個(gè)焦化工序所消耗的能源約約90%都是該過(guò)程消耗的。其中圖表1.1所示的是2008年我國(guó)主要鋼鐵企業(yè)焦化工序能耗的基本情況。其中，下圖中命名為“某鋼企”的鋼鐵企業(yè)為本論文研究工作的提供數(shù)據(jù)資料，后文均以“某鋼企”代替。圖表1.12008年主要鋼鐵企業(yè)焦化工序能耗（縱軸坐標(biāo)單位：kgce/t焦電力折算系數(shù)取0.1229kgce/kWh）由圖表1.1可見(jiàn)，雖然該企業(yè)焦化工序能耗與一些企業(yè)相比較低，但與國(guó)內(nèi)其他較先進(jìn)企業(yè)相比還有較大差距。2008年，該企業(yè)老區(qū)焦化化工序能耗為140.08kgce/t焦，新區(qū)為137.95kgce/t焦，全年焦化工序平均為139.1kgce/t焦。2009年上半年老區(qū)焦化工序能耗為138.77kgce/t焦，新區(qū)焦化工序能耗為138.20kgce/t焦，上半年平均工序能耗為138.52kgce/t焦【3】。與2008年相比，其2009年焦化工序能耗略有降低，可見(jiàn)該企業(yè)本身對(duì)節(jié)能降耗的重視，但是相比鋼企2平均能耗86.44kgce/t焦，還是相去甚遠(yuǎn)。經(jīng)實(shí)地考察與資料分析得知，該企業(yè)焦化工序工藝與設(shè)備在國(guó)內(nèi)均屬先進(jìn)行列，如有優(yōu)良的能耗模型進(jìn)行指導(dǎo)，使操作運(yùn)行穩(wěn)定，同時(shí)合理分配能源以及合理回收二次能源，其能耗水平定會(huì)步入領(lǐng)先水平。綜上所述，針對(duì)馬鋼焦化工序建立能耗優(yōu)化模型是非常必要的。為此本文以實(shí)際生產(chǎn)數(shù)據(jù)為研究對(duì)象，分別應(yīng)用模糊邏輯推理和多元回歸方法，為焦化工序中焦?fàn)t煉焦過(guò)程建立基于數(shù)據(jù)的能耗預(yù)測(cè)模型和能耗優(yōu)化模型，最終目的是在確定洗精煤質(zhì)量指標(biāo)的前提下，并且焦炭質(zhì)量滿足要求時(shí)，能耗最低情況下各種能源消耗的最優(yōu)配比。焦化工序流程和能耗概況焦化工序是高爐煉鋼的前道工序，經(jīng)高溫?zé)捊顾玫降慕固靠晒┙o高爐煉鐵作為燃料和原料；煉焦過(guò)程中得到的干餾荒煤氣經(jīng)回收、精制可得到各種芳香烴和雜環(huán)混合物，如粗苯，供合成纖維、醫(yī)藥、染料、涂料和國(guó)防等工業(yè)做原料；經(jīng)凈化與化學(xué)產(chǎn)品回收后的得到的凈煤氣為焦?fàn)t煤氣，既是高熱值燃料，也是合成氨、合成燃料和一系列有機(jī)合成工業(yè)的原料。因此，煉焦過(guò)程不僅是高爐煉鐵的重要前提工序，也是整個(gè)冶金工業(yè)的重要組成成分。焦化工序流程概況焦化工序整個(gè)流程如圖表1.2所示。原料煤一般以汽車(chē)、火車(chē)、貨船等方式從各地運(yùn)輸過(guò)來(lái)，在備煤車(chē)間，根據(jù)已制定的配煤比例，把不同類(lèi)型的煤配在一起，而后經(jīng)粉碎后送往煤塔。裝煤車(chē)按照作業(yè)計(jì)劃從煤塔內(nèi)取煤，經(jīng)計(jì)量后裝入焦?fàn)t的炭化室內(nèi)。煤料在炭化室內(nèi)經(jīng)過(guò)一個(gè)結(jié)焦周期的高溫干餾制成焦炭并產(chǎn)生荒煤氣。一個(gè)結(jié)焦周期后，炭化室內(nèi)的焦炭成熟，用推焦車(chē)推出，經(jīng)攔焦車(chē)導(dǎo)入熄焦車(chē)內(nèi)，并由電機(jī)車(chē)牽引熄焦車(chē)到熄焦塔內(nèi)進(jìn)行熄焦，熄焦分為干熄焦和濕熄焦，本文研究的焦化工序以干熄焦為主，濕熄焦為輔。熄焦后的焦炭卸至涼焦臺(tái)上，冷卻一定時(shí)間后送往篩焦工段，經(jīng)篩分后得到冶金焦和焦粉、焦丁。在干熄焦過(guò)程，冷卻焦炭的循環(huán)氣體，在干熄爐冷卻段與紅焦進(jìn)行熱交換后溫度升高，并經(jīng)環(huán)形煙道排出干熄爐；高溫循環(huán)氣體經(jīng)過(guò)一次除塵器分離粗顆粒焦粉后進(jìn)入干熄焦鍋爐進(jìn)行熱交換，鍋爐產(chǎn)生蒸汽，溫度降至約160℃的低溫循環(huán)氣體由鍋爐出來(lái)，經(jīng)過(guò)二次除塵器進(jìn)一步分離細(xì)顆粒焦粉后，由循環(huán)風(fēng)機(jī)送入給水預(yù)熱器冷卻至約130℃，再進(jìn)入干熄爐循環(huán)使用。經(jīng)除鹽、除氧后約104℃的鍋爐用水由鍋爐給水泵送往干熄焦鍋爐，經(jīng)過(guò)鍋爐省煤器進(jìn)入鍋爐鍋筒，并在鍋爐省煤器部位與循環(huán)氣體進(jìn)行熱交換，吸收循環(huán)氣體中的熱量；鍋爐鍋筒出來(lái)的飽和水經(jīng)鍋爐強(qiáng)制循環(huán)泵重新送往鍋爐，經(jīng)過(guò)鍋爐鰭片管蒸發(fā)器和光管蒸發(fā)器后再次進(jìn)入鍋爐鍋筒，并在鍋爐蒸發(fā)器部位與循環(huán)氣體進(jìn)行熱交換，吸收循環(huán)氣體中的熱量，產(chǎn)生蒸汽外送。產(chǎn)生的飽和蒸汽外送的CDQ發(fā)電單元，進(jìn)行發(fā)電。這里需要說(shuō)明的是，有些鋼鐵企業(yè)，對(duì)于焦化工序能耗的計(jì)算，是把CDQ發(fā)電單元作一個(gè)獨(dú)立的單元來(lái)計(jì)算能耗的，如馬鞍山鋼鐵公司，這樣就使得該公司焦化工序的能耗偏高。圖表1.2焦化工序流程焦化工序能耗概況圖表1.2焦化工序流程焦化工序消耗的能源有8種：洗精煤、高爐煤氣、焦?fàn)t煤氣、電、蒸汽、壓縮空氣、氮?dú)夂凸I(yè)凈水；產(chǎn)出的能源有6種：冶金焦、焦?fàn)t煤氣、蒸汽、焦粉焦丁、焦油和粗苯。其流程可分為五個(gè)生產(chǎn)單元：備煤、煉焦、化產(chǎn)、熄焦以及CDQ發(fā)電，各個(gè)生產(chǎn)單元對(duì)應(yīng)能耗情況如圖表1.3所示。其中在“某鋼企”中焦化工序能耗并不把CDQ發(fā)電的能源消耗與產(chǎn)出計(jì)算在內(nèi)。焦化工序能耗焦化工序能耗備煤化產(chǎn)A（kece/t焦）B（kece/t焦）C（kece/t焦）D（kece/t焦）產(chǎn)品焦炭濕熄焦干熄焦焦?fàn)tCDQ發(fā)電電圖表1.3焦化工序各工段能耗情況焦化工序的主要生產(chǎn)目的是為高爐煉鐵提供所需的燃料以及原料--焦炭，煉焦過(guò)程的實(shí)質(zhì)是洗精煤轉(zhuǎn)換成焦炭、焦?fàn)t煤氣以及各種化學(xué)產(chǎn)品的過(guò)程,或認(rèn)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(guò)程。從鋼鐵制造流程整體考察,焦化過(guò)程實(shí)質(zhì)是根據(jù)鐵素流這一被加工主體的要求(為高爐冶煉提供優(yōu)質(zhì)焦炭)而發(fā)生的碳素流轉(zhuǎn)換和耗散過(guò)程,或稱為能源轉(zhuǎn)換過(guò)程。焦化工序能耗是指生產(chǎn)一噸焦炭時(shí)備煤、焦?fàn)t、熄焦和化產(chǎn)四個(gè)生產(chǎn)單元的凈消耗和，即消耗能源扣除產(chǎn)出能源。其中干熄焦過(guò)程中進(jìn)行熱交換，產(chǎn)生高壓飽和蒸汽，整個(gè)過(guò)程基本不消耗能源，所以D一般為負(fù)值。其中焦?fàn)t這一生產(chǎn)設(shè)備的能耗最多，占總能耗的比例最大，約為整個(gè)焦化工序凈能耗的90%左右，同時(shí)焦?fàn)t又是焦化工序的重點(diǎn)設(shè)備，對(duì)應(yīng)的是焦?fàn)t煉焦單元，所以本文主要研究工作是針對(duì)焦?fàn)t煉焦過(guò)程開(kāi)展的。焦化工序能耗優(yōu)化模型的研究現(xiàn)狀以及發(fā)展趨勢(shì)研究現(xiàn)狀對(duì)于焦化工序而言，實(shí)際生產(chǎn)過(guò)程涉及到多個(gè)局部生產(chǎn)過(guò)程，主要是：煉焦配煤過(guò)程、焦?fàn)t煉焦過(guò)程、熄焦過(guò)程、化產(chǎn)過(guò)程以及CDQ發(fā)電過(guò)程。其中焦?fàn)t煉焦過(guò)程是整個(gè)焦化工序的主要耗能過(guò)程，目前鑒于工藝的復(fù)雜性，國(guó)內(nèi)外研究的主要是集中在工藝以及工藝參數(shù)對(duì)能耗的影響，一些操作參數(shù)如焦?fàn)t作業(yè)計(jì)劃與調(diào)度等對(duì)能耗的影響等方面，針對(duì)某些質(zhì)量參數(shù)對(duì)能耗進(jìn)行優(yōu)化分析的比較少見(jiàn)。工藝以及工藝參數(shù)方面，國(guó)內(nèi)的主要技術(shù)有：中南大學(xué)吳敏，雷琪【4】【5】等人提出一種焦?fàn)t火道溫度的復(fù)雜工藝分析與智能集成優(yōu)化控制技術(shù)，實(shí)現(xiàn)了焦?fàn)t煉焦燃燒過(guò)程復(fù)雜工況的實(shí)時(shí)判斷和焦?fàn)t火道溫度的優(yōu)化控制，由此建立了焦?fàn)t加熱燃燒過(guò)程控制系統(tǒng)。安徽工業(yè)大學(xué)嚴(yán)文福、鄭明東【6】等人利用焦?fàn)t炭化室傳熱的一維、二維傳熱過(guò)程，從滿足焦炭質(zhì)量要求的角度出發(fā)，得到目標(biāo)火道溫度線性模型等。焦?fàn)t作業(yè)計(jì)劃與調(diào)度方面，現(xiàn)有的主要技術(shù)有：文【7】中提出焦?fàn)t自動(dòng)化管控一體化技術(shù)，包含了焦?fàn)t生產(chǎn)過(guò)程的自動(dòng)控制以及相應(yīng)的管理功能如質(zhì)量分析、設(shè)備診斷和統(tǒng)計(jì)以及計(jì)劃編制等。中南大學(xué)吳敏，蔡雁，朱華琦【8】【9】等人提出一種基于動(dòng)態(tài)分批自適應(yīng)的多座焦?fàn)t作業(yè)協(xié)同計(jì)劃與優(yōu)化調(diào)度技術(shù)，建立了基于爐況分析的周期性自適應(yīng)任務(wù)模型，通過(guò)動(dòng)態(tài)分批優(yōu)化調(diào)度算法，實(shí)現(xiàn)了多座焦?fàn)t作業(yè)協(xié)同與優(yōu)化調(diào)度；另外，還有人提出一種基于質(zhì)量預(yù)測(cè)模型的煉焦配煤多目標(biāo)智能優(yōu)化技術(shù)【10】，通過(guò)建立的配比計(jì)算與配比優(yōu)化模型獲得最優(yōu)的配比和配煤方案實(shí)現(xiàn)煉焦配煤的優(yōu)化；文【11】中建立了焦炭質(zhì)量、產(chǎn)量及焦?fàn)t能耗的神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型和以焦炭質(zhì)量為約束條件,產(chǎn)量、能耗為目標(biāo)函數(shù)的優(yōu)化控制模型。本文對(duì)于焦化工序能耗優(yōu)化的研究，主要是針對(duì)的是在焦炭質(zhì)量指標(biāo)滿足要求的基礎(chǔ)上，洗精煤質(zhì)量指標(biāo)與各種消耗能源之間的關(guān)系。這樣，僅僅建立某個(gè)生產(chǎn)目標(biāo)的數(shù)學(xué)模型是不夠的，需要綜合定性描述的知識(shí)模型，從集成建模的角度建立多目標(biāo)優(yōu)化模型。焦化工序能耗優(yōu)化模型的發(fā)展趨勢(shì)焦化工序生產(chǎn)過(guò)程工藝復(fù)雜，能源產(chǎn)出與消耗種類(lèi)繁多，對(duì)其能源消耗進(jìn)行優(yōu)化需要綜合考慮各個(gè)方面的因素，其中影響能源消耗的因素非常多，可分為物料因素、操作因素以及工藝因素三類(lèi)。本文所做研究工作是在采集到的實(shí)際生產(chǎn)數(shù)據(jù)基礎(chǔ)上進(jìn)行了，但是同時(shí)也是由于數(shù)據(jù)方面的限制，本文將要建立的能源優(yōu)化模型是一種質(zhì)量指標(biāo)與各種能源之間的集成，以能源消耗為目標(biāo)函數(shù)，建立一定的約束條件，編程求解得到能耗最優(yōu)解，同時(shí)得到能耗最優(yōu)時(shí)的各種能源消耗的配比。本文所建立模型僅僅考慮到的影響能耗的參數(shù)是物料參數(shù)中的小部分，而目標(biāo)是焦炭質(zhì)量滿足要求，生產(chǎn)計(jì)劃得以完成和綜合能耗最低，這是一個(gè)多目標(biāo)優(yōu)化問(wèn)題。隨著科技的發(fā)展，我們?cè)诮⒛芎膬?yōu)化模型時(shí)，所要考慮的因素逐漸增加，這是一個(gè)多元化問(wèn)題，所以對(duì)于焦化工序能耗優(yōu)化模型的研究必將朝多元化、多目標(biāo)化發(fā)展。本文的研究?jī)?nèi)容和安排主要的研究?jī)?nèi)容本課題主要從數(shù)據(jù)的角度出發(fā)，本文研究工作所用樣本數(shù)據(jù)是實(shí)際生產(chǎn)的離線數(shù)據(jù)，所以要綜合考慮實(shí)際生產(chǎn)情況，對(duì)能源、物料等相關(guān)參數(shù)以及各參數(shù)之間的關(guān)系進(jìn)行分析和處理，而后建立能耗預(yù)測(cè)與優(yōu)化模型。在焦炭質(zhì)量滿足要求和滿足生產(chǎn)計(jì)劃需求的前提下，使用預(yù)測(cè)模型能夠預(yù)測(cè)焦化工序的各種能耗量，而優(yōu)化模型能夠?qū)?yōu)得到能耗的最優(yōu)值，同時(shí)得到能耗最優(yōu)時(shí)的各種消耗能源的最優(yōu)配比。本課題最主要研究以下三個(gè)方面的內(nèi)容：1）數(shù)據(jù)預(yù)處理通過(guò)調(diào)研和相關(guān)數(shù)據(jù)的采集，得到某鋼企焦化工序大量的能耗相關(guān)離線數(shù)據(jù)，這些數(shù)據(jù)是本課題研究的基礎(chǔ)。在建模之前，首先要考慮的是所選取的數(shù)據(jù)的質(zhì)量，有無(wú)異常數(shù)據(jù)。通過(guò)分析數(shù)據(jù)知，各指標(biāo)的波動(dòng)范圍較大，這些數(shù)據(jù)不能直接用來(lái)分析，需要對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，本課題擬采用的數(shù)據(jù)預(yù)處理技術(shù)是離群點(diǎn)檢測(cè)技術(shù)。該技術(shù)在本課題里的應(yīng)用主要表現(xiàn)在：a）改寫(xiě)或剔除能耗數(shù)據(jù)中明顯錯(cuò)誤的數(shù)據(jù)，以保證所建立的焦化工序能耗模型的可靠性更高；b）把異常數(shù)據(jù)作為研究對(duì)象，分析可能存在的潛在較優(yōu)的生產(chǎn)模式。2）焦化工序能耗預(yù)測(cè)模型（煉焦過(guò)程）對(duì)于整個(gè)焦化工序的能耗，從工藝角度看，即為一定的原料（能源、物料）經(jīng)過(guò)特定的設(shè)備和不同的操作，得到新的能源和物料的生產(chǎn)過(guò)程中，消耗能源與生成能源的差值；而從數(shù)學(xué)角度看，則是一定的原料參數(shù)(能源、物料配比)，在一定的設(shè)備參數(shù)和操作參數(shù)下，經(jīng)過(guò)數(shù)學(xué)算子或映射的作用而得到新的能源和物料參數(shù)，消耗能源參數(shù)與生成能源參數(shù)之差獲得了目標(biāo)函數(shù)。本文所建立預(yù)測(cè)模型主要針對(duì)的是煉焦過(guò)程，其出發(fā)點(diǎn)在于洗精煤和焦炭的質(zhì)量指標(biāo)，通過(guò)模糊邏輯推理的過(guò)程使這些指標(biāo)與煉焦過(guò)程所消耗的各項(xiàng)能源之間建立一種特定的模糊推理關(guān)系，進(jìn)而預(yù)測(cè)出各項(xiàng)能源的消耗（其中輸入為各項(xiàng)指標(biāo)，輸出為所消耗能源）。3）焦化工序能耗優(yōu)化模型對(duì)于焦化工序能耗優(yōu)化模型，本文兩方面考慮：一方面，將預(yù)測(cè)模型的結(jié)果帶入到優(yōu)化模型中去驗(yàn)證對(duì)比預(yù)測(cè)模型的可靠性；另一方面，以能耗最低為目標(biāo)函數(shù)，應(yīng)用多元回歸方法建立輸入輸出關(guān)系，其中以焦?fàn)t煤氣（產(chǎn)出量）、高爐煤氣、電和蒸汽為輸入量，給以一定的上下限限制得到預(yù)測(cè)模型的約束條件，通過(guò)本文中的優(yōu)化模型，可以計(jì)算得到目標(biāo)函數(shù)的最優(yōu)解，同時(shí)得到此時(shí)的最優(yōu)能源配比。文章的結(jié)構(gòu)安排以及內(nèi)容框架本文將按研究工作的關(guān)聯(lián)順序逐步展開(kāi)。第二章主要介紹了數(shù)據(jù)處理方面的研究工作，首先是數(shù)據(jù)預(yù)處理方面的理論知識(shí)，緊接著對(duì)實(shí)驗(yàn)數(shù)據(jù)在不改變相互之間耦合關(guān)系條件下進(jìn)行單位化處理，而后提出離群點(diǎn)檢測(cè)技術(shù)，對(duì)實(shí)驗(yàn)數(shù)據(jù)進(jìn)行離群點(diǎn)檢測(cè)。第三章主要是應(yīng)用模糊邏輯推理方面的知識(shí)，對(duì)實(shí)驗(yàn)數(shù)據(jù)建立模糊推理預(yù)測(cè)模型，本章中對(duì)模糊邏輯理論知識(shí)、模糊推理規(guī)則的產(chǎn)生以及預(yù)測(cè)模型的建立進(jìn)行了詳細(xì)的闡述。第四章的主要內(nèi)容是確定目標(biāo)函數(shù)，使用多元回歸方法得到約束條件，建立能耗優(yōu)化模型。對(duì)所建立能耗優(yōu)化模型進(jìn)行編程實(shí)現(xiàn)尋優(yōu)，得到能耗最低時(shí)，各種能源的消耗配比的最優(yōu)方案。第二、三、四章都是是以理論結(jié)合實(shí)例的模式展開(kāi)的，這樣，理論為實(shí)例分析進(jìn)行指導(dǎo)，實(shí)例分析則是理論知識(shí)的驗(yàn)證。最后，對(duì)本論文所做的工作進(jìn)行總結(jié)并對(duì)下一步工作做出展望和規(guī)劃。本論文研究工作的結(jié)構(gòu)框架如圖表1.4所示。圖表1.4圖表1.4論文內(nèi)容框架能耗優(yōu)化模型模糊預(yù)測(cè)模型數(shù)據(jù)預(yù)處理原始數(shù)據(jù)單位化樣本數(shù)據(jù)離群點(diǎn)檢測(cè)與改寫(xiě)模糊推理機(jī)制模糊推理規(guī)則模糊化模糊推理預(yù)測(cè)模型能耗預(yù)測(cè)值確定目標(biāo)函數(shù)確定約束條件建立優(yōu)化模型最優(yōu)解（包含質(zhì)量指標(biāo)參數(shù)與能源值）質(zhì)量指標(biāo)比較預(yù)測(cè)值與最優(yōu)值各種能源值預(yù)測(cè)值最優(yōu)解第2章數(shù)據(jù)預(yù)處理數(shù)據(jù)預(yù)處理建模是系統(tǒng)工程方法中的分析基礎(chǔ)和工具，是研究大規(guī)模復(fù)雜的工程系統(tǒng)問(wèn)題重要的科學(xué)方法【12】。本文是在數(shù)據(jù)的基礎(chǔ)上，并結(jié)合實(shí)際生產(chǎn)情況與合理設(shè)定的條件，對(duì)焦化工序能源消耗過(guò)程進(jìn)行建模并進(jìn)而對(duì)所消耗的能源進(jìn)行配比優(yōu)化，最終是能耗降低，對(duì)此首先需要做的工作就是對(duì)數(shù)據(jù)進(jìn)行一定的預(yù)處理。本章對(duì)數(shù)據(jù)的處理分為兩個(gè)方面：一是，對(duì)數(shù)據(jù)的單位化處理；二是，對(duì)單位化處理后的數(shù)據(jù)進(jìn)行離群點(diǎn)檢測(cè)，以供后續(xù)建模需要。單位化處理由于研究工作所針對(duì)的是實(shí)際的生產(chǎn)過(guò)程，而所分析的數(shù)據(jù)也是實(shí)際采集到的生產(chǎn)數(shù)據(jù)，一般來(lái)說(shuō)這些數(shù)據(jù)都具有很重要的意義，如果處理不當(dāng)甚至?xí)?duì)企業(yè)造成很大的影響。出于數(shù)據(jù)的保密性考慮，且實(shí)際數(shù)據(jù)數(shù)值較大，應(yīng)對(duì)原始數(shù)據(jù)進(jìn)行一些初步的處理。本文對(duì)原始數(shù)據(jù)進(jìn)行的初步處理是本人根據(jù)數(shù)據(jù)的實(shí)際情況和生產(chǎn)過(guò)程的實(shí)際情況，本著客觀、全面的態(tài)度制定的。單位化處理意義單位化處理的想法起因于單位能耗的概念，如焦化工序單位能耗即為生產(chǎn)出一噸焦炭的能源總消耗量。因原始數(shù)據(jù)中不存在焦炭的產(chǎn)量數(shù)值，且若以單位能耗的原型進(jìn)行單位化則起不到數(shù)據(jù)保密的效果，本文中選取的是以洗精煤（配合煤）的消耗量進(jìn)行單位化。因?yàn)闊捊惯^(guò)程實(shí)際為碳素的轉(zhuǎn)換過(guò)程，洗精煤與焦炭的主要區(qū)別在于，洗精煤是整個(gè)工序的輸入量，而焦炭為輸出量，應(yīng)用洗精煤進(jìn)行單位化與用焦炭進(jìn)行單位化相比，并不會(huì)影響物料與消耗能源之間的關(guān)系，所以選擇用洗精煤的消耗量進(jìn)行單位化。單位化處理的意義主要在于兩方面：1）數(shù)據(jù)的保密性；2）縮小數(shù)值，簡(jiǎn)化計(jì)算。這種單位化處理類(lèi)似于簡(jiǎn)單的歸一化處理，也是一種無(wú)量綱處理手段使物理系統(tǒng)數(shù)值的絕對(duì)值變成某種相對(duì)值關(guān)系。且本文單位化的數(shù)據(jù)是單一參照的相對(duì)值，不會(huì)改變數(shù)據(jù)之間的耦合關(guān)系。實(shí)際生產(chǎn)數(shù)據(jù)的單位化處理本文建模對(duì)象是某鋼鐵公司焦化工序中一座焦?fàn)t（某廠1#焦?fàn)t），采集的原始樣本數(shù)據(jù)如附表A所示，包括大焦的水分Mad（%）、灰分Ad（%）、揮發(fā)份Vdaf（%），洗精煤（配合煤）的水分Mad（%）、灰分Ad（%）、揮發(fā)份Vdaf（%）、消耗量（t/天），焦?fàn)t煤氣（產(chǎn)出量，km3），高爐煤氣（km3），電（有功總量，MWh），蒸汽（飽和蒸汽，t）。用洗精煤的日消耗量作為單位化的相對(duì)量，對(duì)原始樣本數(shù)據(jù)進(jìn)行初步的處理后，得到研究所需的樣本數(shù)據(jù)。同時(shí)，從所給出的大焦和洗精煤（配合煤）的各個(gè)質(zhì)量指標(biāo)的數(shù)據(jù)計(jì)算得，大焦的Mad（%）標(biāo)準(zhǔn)偏差為0.03，說(shuō)明該組數(shù)據(jù)的變化較小，對(duì)后續(xù)將要建立的預(yù)測(cè)和優(yōu)化模型的影響較小，所以不予適用；另外，根據(jù)安徽工業(yè)大學(xué)能源與環(huán)境研究所給出的“焦化工序解析及余熱資源診斷研究”知【13】，在焦?fàn)t煉焦過(guò)程中的水分使用量很少，同樣不予適用。最后經(jīng)單位化以及上述分析后得到的樣本數(shù)據(jù)如附表B所示，其中包括大焦的灰分Ad（%）、揮發(fā)份Vdaf（%），洗精煤（配合煤）的水分Mad（%）、灰分Ad（%）、揮發(fā)份Vdaf（%），焦?fàn)t煤氣（產(chǎn)出量，km3），高爐煤氣（km3），電（有功總量，KWh），蒸汽（飽和蒸汽，t）。離群點(diǎn)檢測(cè)概述一般說(shuō)來(lái)，理論研究的研究對(duì)象都是來(lái)源于實(shí)際生活、生產(chǎn)過(guò)程中的數(shù)據(jù)，而后也是要應(yīng)用到這些實(shí)際的過(guò)程中去進(jìn)而實(shí)現(xiàn)其理論研究的價(jià)值。然而這些實(shí)際采集到的數(shù)據(jù)集，其中往往會(huì)存在一些異于其它數(shù)據(jù)規(guī)律的數(shù)據(jù)，這些數(shù)據(jù)的存在會(huì)使對(duì)實(shí)際問(wèn)題的認(rèn)知模糊不清，更是會(huì)影響所建立模型的準(zhǔn)確性，離群點(diǎn)檢測(cè)技術(shù)就是對(duì)這些數(shù)據(jù)進(jìn)行挖掘和處理，是數(shù)據(jù)預(yù)處理的一種方式。上述數(shù)據(jù)集中，存在的一些異于其它數(shù)據(jù)規(guī)律的數(shù)據(jù)被稱作離群點(diǎn)(outlier)，也可以稱作孤立點(diǎn)。因此，可以這樣理解離群點(diǎn)檢測(cè)(outlierdetection)，即根據(jù)某些特定的方法，從大量的數(shù)據(jù)中分析查找出與其他數(shù)據(jù)顯著偏差的數(shù)據(jù)，是數(shù)據(jù)挖掘的基本任務(wù)之一。其目的是消除雜質(zhì)或發(fā)現(xiàn)潛在的、有意義的信息。關(guān)于離群點(diǎn)的定義有很多種，目前為止學(xué)術(shù)界能夠接受的關(guān)于離群點(diǎn)本質(zhì)的定義是Hawkins【14】給出的定義。他認(rèn)為:“anoutlierisanobservationwhichdeviatessomuchfromotherobservationsastoarousesuspicionsthatitwasgeneratedbyadifferentmechanism”，即離群點(diǎn)是在數(shù)據(jù)集中與眾不同的數(shù)據(jù)，使人懷疑這些數(shù)據(jù)并非隨機(jī)偏差，而是產(chǎn)生于完全不同的機(jī)制。離群點(diǎn)檢測(cè)的意義離群點(diǎn)數(shù)據(jù)產(chǎn)生的原因有多種，主要可以分為以下三種：1）離群點(diǎn)數(shù)據(jù)相比正常數(shù)據(jù)來(lái)源于不同的類(lèi)別。例如，進(jìn)行網(wǎng)絡(luò)入侵的人（即離群點(diǎn)數(shù)據(jù)），與合法登陸網(wǎng)絡(luò)的人相比，屬于不同的類(lèi)別；2）數(shù)據(jù)的固有變化。觀測(cè)數(shù)據(jù)在樣本總體中發(fā)生了變化，這種變化是樣本總體自然發(fā)生的；3）數(shù)據(jù)測(cè)量和采集錯(cuò)誤。人為操作錯(cuò)誤、測(cè)量?jī)x器的缺陷或故障也可能導(dǎo)致部分?jǐn)?shù)據(jù)成為離群點(diǎn)。對(duì)于上述三種類(lèi)型的離群點(diǎn)的檢測(cè)都具有非常大的意義，尤其是第一中離群點(diǎn)的檢測(cè)跟生活最是息息相關(guān)，例如電信和信用卡欺騙、藥物研究、氣象預(yù)報(bào)、電子商務(wù)、貸款審批、客戶分類(lèi)、金融領(lǐng)域、網(wǎng)絡(luò)入侵檢測(cè)等，這些情況下有關(guān)例外情況的信息比常規(guī)模式更有價(jià)值。目前在數(shù)據(jù)挖掘中,對(duì)這種例外信息情況的數(shù)據(jù)的研究，也即離群點(diǎn)數(shù)據(jù)挖掘的研究正得到越來(lái)越多的重視。本論文將對(duì)樣本數(shù)據(jù)進(jìn)行離群點(diǎn)檢測(cè)，主要具有兩方面的意義。第一，平穩(wěn)，去噪。采集到的實(shí)際生產(chǎn)數(shù)據(jù)通常會(huì)存在不穩(wěn)定數(shù)據(jù)點(diǎn)，這些數(shù)據(jù)點(diǎn)的存在對(duì)描述模型的建立起到一個(gè)類(lèi)似于誤導(dǎo)的作用，為使所建立的模型更合理的描述實(shí)際生產(chǎn)情況，這些數(shù)據(jù)必須剔除或改寫(xiě)。第二，離群點(diǎn)的潛在模式。作為離群點(diǎn)被“挑”出來(lái)的數(shù)據(jù)，僅僅可以表明這些數(shù)據(jù)是異于普通數(shù)據(jù)的，并不能確定的認(rèn)為離群點(diǎn)所處的模式就是有弊端的模式，反而有可能是存在某種更優(yōu)異的模式，本文亦將針對(duì)這方面作為預(yù)測(cè)優(yōu)化模型的輔助研究。離群點(diǎn)檢測(cè)技術(shù)目前用于檢測(cè)離群點(diǎn)的技術(shù)眾多，主要有以下幾個(gè)類(lèi)別。使用時(shí)應(yīng)考慮實(shí)際情況選擇適用的離群點(diǎn)技術(shù)。基于信息理論離群點(diǎn)檢測(cè)技術(shù)：信息理論技術(shù)使用不同的信息度量方法來(lái)分析數(shù)據(jù)集中的信息內(nèi)容，信息理論離群點(diǎn)檢測(cè)技術(shù)主要是基于“離群點(diǎn)會(huì)導(dǎo)致數(shù)據(jù)集中的信息被誤讀”的假設(shè)，即前文提到的語(yǔ)義孤立點(diǎn)【15】?；诮y(tǒng)計(jì)的離群點(diǎn)檢測(cè)技術(shù)：該技術(shù)所遵循的基本原理是“離群點(diǎn)是被認(rèn)為部分或者全部不相關(guān)的觀測(cè)值，因?yàn)樗皇羌俣ǖ母怕誓Ｐ彤a(chǎn)生的”。常見(jiàn)的基于統(tǒng)計(jì)的離群點(diǎn)檢測(cè)技術(shù)有：基于回歸模型離群點(diǎn)檢測(cè)技術(shù)【16】【17】等?；诜诸?lèi)的離群點(diǎn)檢測(cè)技術(shù)：分類(lèi)是通過(guò)學(xué)習(xí)被標(biāo)記的數(shù)據(jù)用例而形成的一個(gè)分類(lèi)模型，然后運(yùn)用這個(gè)模型，把一個(gè)測(cè)試用例歸到某一類(lèi)別中，主要用于區(qū)分屬于不同類(lèi)別的實(shí)例?；诜诸?lèi)的離群點(diǎn)檢測(cè)技術(shù)主要有：基于神經(jīng)網(wǎng)絡(luò)的分類(lèi)檢測(cè)技術(shù)、基于支持向量機(jī)制的分類(lèi)檢測(cè)技術(shù)、基于規(guī)則的分類(lèi)檢測(cè)技術(shù)等?；诮彽碾x群點(diǎn)檢測(cè)技術(shù)：該類(lèi)技術(shù)都是基于“正常數(shù)據(jù)通常出現(xiàn)于高密度的數(shù)據(jù)區(qū)，而離群點(diǎn)一般遠(yuǎn)離它們的最近的鄰居?！边@一假定，它的最大優(yōu)勢(shì)在于是純數(shù)據(jù)驅(qū)動(dòng)的?；诮彽碾x群點(diǎn)檢測(cè)技術(shù)主要有：基于第k個(gè)近鄰距離檢測(cè)技術(shù)【18】、基于相對(duì)密度的離群點(diǎn)檢測(cè)技術(shù)【19】?；诰垲?lèi)的離群點(diǎn)檢測(cè)技術(shù)：聚類(lèi)將相似的數(shù)據(jù)聚集在一個(gè)聚類(lèi)內(nèi)，而離群點(diǎn)挖掘是找出與其他對(duì)象不緊密相關(guān)的對(duì)象，該技術(shù)可以在無(wú)人工干預(yù)下進(jìn)行。一些聚類(lèi)算法有線性的或接近線性的時(shí)間和空間復(fù)雜性，因此基于聚類(lèi)算法的離群點(diǎn)挖掘技術(shù)【20】也是高效的。本文選用的離群點(diǎn)檢測(cè)技術(shù)是基于多元回歸方法的離群點(diǎn)檢測(cè)技術(shù)【21】，這種離群點(diǎn)檢測(cè)技術(shù)是基于統(tǒng)計(jì)的離群點(diǎn)檢測(cè)技術(shù)方法之一，適用于低維數(shù)據(jù)集。選用該技術(shù)的主要原因在于，研究對(duì)象數(shù)據(jù)樣本是采集的實(shí)際生產(chǎn)過(guò)程的離散數(shù)據(jù)，數(shù)據(jù)本身具有一定的關(guān)聯(lián)性，且樣本數(shù)據(jù)集中數(shù)據(jù)維數(shù)不高，所以選用多元回歸方法。離群點(diǎn)檢測(cè)實(shí)例分析多元線性回歸的數(shù)學(xué)模型設(shè)隨機(jī)變量QUOTE隨著m個(gè)自變量x1,x2,…,xm變化，并有如下線性關(guān)系式：y=β0+β1×式（2.1）稱為回歸方程.其中β0，β1，…，βm稱為回歸系數(shù)，是m+1個(gè)待估計(jì)參數(shù)，ε是隨機(jī)變量(剩余參數(shù))?；貧w分析的主要問(wèn)題是根據(jù)x1,x2,…,xm，y的QUOTE組觀測(cè)數(shù)據(jù){(xk1,xk2,…,xkm,yk)k=1，2，…，n}給出各回歸分析系數(shù)βi的估計(jì)值βiQUOTE，同時(shí)對(duì)βiQUOTE作統(tǒng)計(jì)檢驗(yàn)，該方法在MATLAB軟件中可以很好的實(shí)現(xiàn)，多元回歸分析的命令regress的調(diào)用格式如下：b=regress(y,X);[b,bint,r,rint,s]=regress(y,X,alpha)其中，QUOTE，X，alpha是輸入量。QUOTE，是因變量（列向量）；X，是1與自變量組成的矩陣；alpha，顯著水平QUOTE（缺省時(shí)設(shè)定為0.05）QUOTE，bint，r，rint，s為輸出量。QUOTE=（β0，β1，…βm）；bint，b的置信區(qū)間；QUOTE，殘差（列向量）；rint，QUOTE的置信區(qū)間；QUOTE，返回三個(gè)統(tǒng)計(jì)量：決定系數(shù)R2，F(xiàn)值，F(xiàn)（1，n-2）分部大于F值的概率p。rcoplot（r，rint）可以繪制出殘差及其置信區(qū)間杠桿圖。應(yīng)注意的是：殘差與置信區(qū)間杠桿圖，在0點(diǎn)附近比較均勻的分布，且不呈現(xiàn)一定的規(guī)律性，則說(shuō)明回歸分析做的比較理想；s返回的三個(gè)統(tǒng)計(jì)量中，決定系數(shù)R2越大，說(shuō)明回歸方程越顯著；概率p<α?xí)r，回歸模型有效。實(shí)例分析經(jīng)過(guò)本章第一節(jié)單位化以及相關(guān)分析后得到的樣本數(shù)據(jù)如附表B所示，其中包括大焦的灰分Ad（%）、揮發(fā)份Vdaf（%），洗精煤（配合煤）的水分Mad（%）、灰分Ad（%）、揮發(fā)份Vdaf（%），焦?fàn)t煤氣（產(chǎn)出量，km3），高爐煤氣（km3），電（有功總量，KWh），蒸汽（飽和蒸汽，t）。需要說(shuō)明的是對(duì)于焦化工序中焦?fàn)t煉焦工段，主要消耗能源為洗精煤、高爐煤氣、焦?fàn)t煤氣、外供電力與低壓蒸汽，其中洗精煤、外供電力為一次能源，高爐煤氣、焦?fàn)t煤氣、與低壓蒸汽為二次能源。對(duì)于二次能源，本文采用鋼鐵研究總院在《重點(diǎn)工序能源優(yōu)化應(yīng)用技術(shù)研究-結(jié)題報(bào)告》【3】中提出的定義，即，二次能源是一次能源經(jīng)加工轉(zhuǎn)換生成的能源產(chǎn)品，它包括的范圍很廣，在本例中，二次能源冶金焦和生產(chǎn)過(guò)程中的副產(chǎn)煤氣和各種余熱、余能。基于回歸模型離群點(diǎn)檢測(cè)技術(shù)是較常用的基于統(tǒng)計(jì)的離群點(diǎn)檢測(cè)技術(shù)。其檢測(cè)離群點(diǎn)主要有三個(gè)步驟。第一步，回歸模型必須擬合數(shù)據(jù)集（例如，本次工作的樣本數(shù)據(jù)），擬合數(shù)據(jù)集所建立的方程組，是以大焦的灰分Ad（%）、揮發(fā)份Vdaf（%），洗精煤（配合煤）的水分Mad（%）、灰分Ad（%）、揮發(fā)份Vdaf（%）為輸出變量，以焦?fàn)t煤氣（產(chǎn)出量，km3），高爐煤氣（km3），電（有功總量，KWh），蒸汽（飽和蒸汽，t）為輸入變量；第二步，用所建立的模型分析殘差值，對(duì)于每個(gè)測(cè)試數(shù)據(jù)，其殘差值可以用來(lái)確定該數(shù)據(jù)是否為離群點(diǎn)。第三步，對(duì)已經(jīng)確定的離群點(diǎn)進(jìn)行一定的處理，使數(shù)據(jù)趨于平穩(wěn)，為后續(xù)建模工作做準(zhǔn)備，一般的處理方法為剔除和改寫(xiě)，由于本文的樣本數(shù)據(jù)量較少，若用剔除的方法，可能會(huì)對(duì)后續(xù)工作影響較大，所以本文采取的是對(duì)離群點(diǎn)進(jìn)行改寫(xiě)的方法。改寫(xiě)的對(duì)象是大焦灰分Ad（%）、揮發(fā)份Vdaf（%），洗精煤（配合煤）的水分Mad（%）、灰分Ad（%）、揮發(fā)份Vdaf（%）數(shù)據(jù)組中的數(shù)據(jù)。改寫(xiě)的原則是：用與離群點(diǎn)較接近的正常數(shù)據(jù)根據(jù)實(shí)際情況進(jìn)行替代。存在兩種情況：a）若數(shù)據(jù)偏大，則用數(shù)據(jù)組中僅次于該數(shù)據(jù)的非離群點(diǎn)數(shù)據(jù)替代；b）若數(shù)據(jù)偏小，同樣的，用數(shù)據(jù)組中稍大于該數(shù)據(jù)的非離群點(diǎn)數(shù)據(jù)替代。（數(shù)據(jù)偏大還是偏小，在殘差與置信區(qū)間杠桿圖可以看出）。下面本文將分別對(duì)大焦的灰分Ad（%）、揮發(fā)份Vdaf（%），洗精煤（配合煤）的水分Mad（%）、灰分Ad（%）、揮發(fā)份Vdaf（%）建立與焦?fàn)t煤氣（產(chǎn)出量，km3），高爐煤氣（km3），電（有功總量，KWh），蒸汽（飽和蒸汽，t）之間的回歸關(guān)系，下面將對(duì)比給出離群點(diǎn)檢測(cè)前后的殘差與置信區(qū)間杠桿圖，以及離群點(diǎn)的處理方法。1）大焦灰分Ad（%）擬合大焦灰分Ad（%）與焦?fàn)t煤氣（產(chǎn)出量，km3），高爐煤氣（km3），電（有功總量，KWh），蒸汽（飽和蒸汽，t）之間的數(shù)據(jù)集合，得到的殘差與置信區(qū)間杠桿圖如圖表2.5所示，從圖中可以很容易觀察出離群點(diǎn)數(shù)據(jù)組別，然后根據(jù)前文制定的改寫(xiě)原則對(duì)這些離群點(diǎn)進(jìn)行改寫(xiě)，然后對(duì)改寫(xiě)過(guò)離群點(diǎn)數(shù)據(jù)的數(shù)據(jù)集進(jìn)行擬合，若仍有離群點(diǎn)則繼續(xù)改寫(xiě)，直至最后擬合數(shù)據(jù)集后不存在離群點(diǎn)數(shù)據(jù)為止，此時(shí)所得到的殘差與置信區(qū)間杠桿圖如圖表2.6所示。圖表2.5殘差與置信區(qū)間杠桿圖（大焦灰分Ad（%））圖表2.6改寫(xiě)離群點(diǎn)后的殘差與置信區(qū)間杠桿圖（大焦灰分Ad（%））由圖表2.5顯然可見(jiàn)，離群點(diǎn)數(shù)據(jù)為第五、十二、十八組數(shù)據(jù)，改寫(xiě)的對(duì)象是大焦灰分Ad（%）數(shù)據(jù)組中的數(shù)據(jù)，改寫(xiě)情況見(jiàn)表格2.1。更改后繼續(xù)擬合數(shù)據(jù)集，出現(xiàn)離群點(diǎn)數(shù)據(jù)為第十三組數(shù)據(jù)，更改情況同樣見(jiàn)表格2.1。繼續(xù)對(duì)離群點(diǎn)進(jìn)行改寫(xiě)，并擬合數(shù)據(jù)集，此時(shí)不存在離群點(diǎn)數(shù)據(jù)，所得到的殘差與置信區(qū)間杠桿圖如圖表2.6所示。表格2.1離群點(diǎn)更改情況（大焦灰分Ad（%））離群點(diǎn)批次離群點(diǎn)數(shù)據(jù)組別更改前數(shù)據(jù)值偏離情況更改后數(shù)據(jù)值第一次擬合第五組13.12偏大12.92第一次擬合第十二組13.06偏大12.88第一次擬合第十八組12.65偏小12.75第二次擬合第十三組12.33偏小12.452）大焦揮發(fā)份Vdaf（%）擬合大焦灰分Vdaf（%）與焦?fàn)t煤氣（產(chǎn)出量，km3），高爐煤氣（km3），電（有功總量，KWh），蒸汽（飽和蒸汽，t）之間的數(shù)據(jù)集合，得到的殘差與置信區(qū)間杠桿圖如圖表2.7所示，從圖中可以很容易觀察出離群點(diǎn)數(shù)據(jù)組別，然后根據(jù)前文制定的改寫(xiě)原則對(duì)這些離群點(diǎn)進(jìn)行改寫(xiě)，然后對(duì)改寫(xiě)過(guò)離群點(diǎn)數(shù)據(jù)的數(shù)據(jù)集進(jìn)行擬合，若仍有離群點(diǎn)則繼續(xù)改寫(xiě)，直至最后擬合數(shù)據(jù)集后不存在離群點(diǎn)數(shù)據(jù)為止，此時(shí)所得到的殘差與置信區(qū)間杠桿圖如圖表2.8所示。圖表圖表2.7殘差與置信區(qū)間杠桿圖（大焦揮發(fā)份Vdaf（%））圖表圖表2.8離群點(diǎn)改寫(xiě)后殘差與置信區(qū)間杠桿圖（大焦揮發(fā)份Vdaf（%））由圖表2.7顯然可見(jiàn)，離群點(diǎn)數(shù)據(jù)為第二、二十八組數(shù)據(jù)，改寫(xiě)的對(duì)象是大焦揮發(fā)份Vdaf（%）數(shù)據(jù)組中的數(shù)據(jù)，改寫(xiě)情況見(jiàn)表格2.2。更改后繼續(xù)擬合數(shù)據(jù)集，出現(xiàn)離群點(diǎn)數(shù)據(jù)為第十四組數(shù)據(jù)，更改情況同樣見(jiàn)表格2.2。對(duì)離群點(diǎn)進(jìn)行改寫(xiě)后擬合數(shù)據(jù)集，不存在離群點(diǎn)數(shù)據(jù)，所得到的殘差與置信區(qū)間杠桿圖如圖表2.8所示。表格2.2離群點(diǎn)更改情況（大焦揮發(fā)份Vdaf（%））離群點(diǎn)批次離群點(diǎn)數(shù)據(jù)組別更改前數(shù)據(jù)值偏離情況更改后數(shù)據(jù)值第一次擬合第二組1.18偏小1.24第一次擬合第二十八組1.37偏大1.35第二次擬合第十四組1.35偏小1.333）洗精煤（配合煤）的水分Mad（%）圖表2.9殘差與置信區(qū)間杠桿圖（洗精煤（配合煤）的水分Mad擬合洗精煤（配合煤）的水分Mad（%）與焦?fàn)t煤氣（產(chǎn)出量，km3），高爐煤氣（km3），電（有功總量，KWh），蒸汽（飽和蒸汽，t）之間的數(shù)據(jù)集合，得到的殘差與置信區(qū)間杠桿圖如圖表2.9所示，從圖中可以很容易觀察出離群點(diǎn)數(shù)據(jù)組別，然后根據(jù)前文制定的改寫(xiě)原則對(duì)這些離群點(diǎn)進(jìn)行改寫(xiě)，然后對(duì)改寫(xiě)過(guò)離群點(diǎn)數(shù)據(jù)的數(shù)據(jù)集進(jìn)行擬合，若仍有離群點(diǎn)則繼續(xù)改寫(xiě)，直至最后擬合數(shù)據(jù)集后不存在離群點(diǎn)數(shù)據(jù)為止，此時(shí)所得到的殘差與置信區(qū)間杠桿圖如圖表2.9殘差與置信區(qū)間杠桿圖（洗精煤（配合煤）的水分Mad圖表2.10離群點(diǎn)改寫(xiě)后殘差與置信區(qū)間杠桿圖（洗精煤（配合煤）的水分Mad）由圖表2.9顯然可見(jiàn)，離群點(diǎn)數(shù)據(jù)為第六組數(shù)據(jù)，改寫(xiě)的對(duì)象是洗精煤（配合煤）的水分Mad（%）數(shù)據(jù)組中的數(shù)據(jù)，改寫(xiě)情況見(jiàn)表格2.3。更改后繼續(xù)擬合數(shù)據(jù)集，出現(xiàn)離群點(diǎn)數(shù)據(jù)為第二十五、二十八組數(shù)據(jù)，更改情況同樣見(jiàn)表格2.3。更改后繼續(xù)擬合數(shù)據(jù)集，出現(xiàn)離群點(diǎn)數(shù)據(jù)為第二十組數(shù)據(jù)，更改情況同樣見(jiàn)表格2.3。最后對(duì)離群點(diǎn)進(jìn)行改寫(xiě)后擬合數(shù)據(jù)集，不存在離群點(diǎn)數(shù)據(jù)，所得到的殘差與置信區(qū)間杠桿圖如圖表2圖表2.10離群點(diǎn)改寫(xiě)后殘差與置信區(qū)間杠桿圖（洗精煤（配合煤）的水分Mad）表格2.3離群點(diǎn)更改情況（洗精煤（配合煤）的水分Mad（%））離群點(diǎn)批次離群點(diǎn)數(shù)據(jù)組別更改前數(shù)據(jù)值偏離情況更改后數(shù)據(jù)值第一次擬合第六組1.69偏大1.05第二次擬合第二十五組1.28偏大1.04第二次擬合第二十八組0.63偏小0.88第三次擬合第二十組1.14偏大1.034）洗精煤（配合煤）灰分Ad（%）擬合洗精煤（配合煤）的灰分Ad（%）與焦?fàn)t煤氣（產(chǎn)出量，km3），高爐煤氣（km3），電（有功總量，KWh），蒸汽（飽和蒸汽，t）之間的數(shù)據(jù)集合，得到的殘差與置信區(qū)間杠桿圖如圖表2.11所示，從圖中可以很容易觀察出離群點(diǎn)數(shù)據(jù)組別，然后根據(jù)前文制定的改寫(xiě)原則對(duì)這些離群點(diǎn)進(jìn)行改寫(xiě)，然后對(duì)改寫(xiě)過(guò)離群點(diǎn)數(shù)據(jù)的數(shù)據(jù)集進(jìn)行擬合，若仍有離群點(diǎn)則繼續(xù)改寫(xiě)，直至最后擬合數(shù)據(jù)集后不存在離群點(diǎn)數(shù)據(jù)為止，此時(shí)所得到的殘差與置信區(qū)間杠桿圖如圖表2.12所示。圖表2.11圖表2.11殘差與置信區(qū)間杠桿圖（洗精煤（配合煤）的灰分Ad）圖表圖表2.12離群點(diǎn)改寫(xiě)后殘差與置信區(qū)間杠桿圖（洗精煤（配合煤）的灰分Ad）由圖表2.11顯然可見(jiàn)，離群點(diǎn)數(shù)據(jù)為第十九、三十組數(shù)據(jù)，改寫(xiě)的對(duì)象是由圖表2.11顯然可見(jiàn)，離群點(diǎn)數(shù)據(jù)為第十九、三十組數(shù)據(jù)，改寫(xiě)的對(duì)象是洗精煤（配合煤）的灰分Ad（%）數(shù)據(jù)組中的數(shù)據(jù)，改寫(xiě)情況見(jiàn)表2.4。更改后繼續(xù)擬合數(shù)據(jù)集，出現(xiàn)離群點(diǎn)數(shù)據(jù)為第四組數(shù)據(jù)，更改情況同樣見(jiàn)表2.4。最后對(duì)離群點(diǎn)進(jìn)行改寫(xiě)后擬合數(shù)據(jù)集，不存在離群點(diǎn)數(shù)據(jù)，所得到的殘差與置信區(qū)間杠桿圖如圖表2.12所示。表格2.4離群點(diǎn)更改情況（洗精煤（配合煤）的灰分Ad（%））離群點(diǎn)批次離群點(diǎn)數(shù)據(jù)組別更改前數(shù)據(jù)值偏離情況更改后數(shù)據(jù)值第一次擬合第十九組10.30偏大10.18第二次擬合第三十組9.31偏小9.55第二次擬合第四組10.18偏大10.135）洗精煤（配合煤）揮發(fā)份Vdaf（%）擬合洗精煤（配合煤）的揮發(fā)份Vdaf（%）與焦?fàn)t煤氣（產(chǎn)出量，km3），高爐煤氣（km3），電（有功總量，KWh），蒸汽（飽和蒸汽，t）之間的數(shù)據(jù)集合，得到的殘差與置信區(qū)間杠桿圖如圖表2.13所示，從圖中可以很容易觀察出離群點(diǎn)數(shù)據(jù)組別，然后根據(jù)前文制定的改寫(xiě)原則對(duì)這些離群點(diǎn)進(jìn)行改寫(xiě)，然后對(duì)改寫(xiě)過(guò)離群點(diǎn)數(shù)據(jù)的數(shù)據(jù)集進(jìn)行擬合，若仍有離群點(diǎn)則繼續(xù)改寫(xiě)，直至最后擬合數(shù)據(jù)集后不存在離群點(diǎn)數(shù)據(jù)為止，此時(shí)所得到的殘差與置信區(qū)間杠桿圖如圖表2.14所示。圖表2.13殘差與置信區(qū)間杠桿圖（洗精煤（配合煤）揮發(fā)份圖表2.13殘差與置信區(qū)間杠桿圖（洗精煤（配合煤）揮發(fā)份Vdaf）圖表圖表2.14離群點(diǎn)改寫(xiě)后殘差與置信區(qū)間杠桿圖（洗精煤（配合煤）揮發(fā)份Vdaf）由圖表2.13顯然可見(jiàn)，離群點(diǎn)數(shù)據(jù)為第十組數(shù)據(jù)，改寫(xiě)的對(duì)象是洗精煤（配合煤）的揮發(fā)份Vdaf（%）數(shù)據(jù)組中的數(shù)據(jù)，改寫(xiě)情況見(jiàn)表格2.5。更改后繼續(xù)擬合數(shù)據(jù)集，出現(xiàn)離群點(diǎn)數(shù)據(jù)為第四、二十二組數(shù)據(jù)，更改情況同樣見(jiàn)表格2.5。最后對(duì)離群點(diǎn)進(jìn)行改寫(xiě)后擬合數(shù)據(jù)集，不存在離群點(diǎn)數(shù)據(jù)，所得到的殘差與置信區(qū)間杠桿圖如圖表2.14所示。表格2.5離群點(diǎn)更改情況（洗精煤（配合煤）的揮發(fā)份Vdaf）離群點(diǎn)批次離群點(diǎn)數(shù)據(jù)組別更改前數(shù)據(jù)值偏離情況更改后數(shù)據(jù)值第一次擬合第十組26.14偏小26.98第二次擬合第四組26.81偏小27.01第二次擬合第二十二組26.98偏小27.12本節(jié)開(kāi)始時(shí)就介紹了離群點(diǎn)可能產(chǎn)生的多種原因，考慮到本例中樣本數(shù)據(jù)組產(chǎn)生在同一個(gè)生產(chǎn)過(guò)程，且時(shí)間、環(huán)境等都相同，符合本例的離群點(diǎn)產(chǎn)生的原因應(yīng)為后兩種，即數(shù)據(jù)的固有變化和數(shù)據(jù)測(cè)量、采集誤差。若想降低離群點(diǎn)數(shù)據(jù)出現(xiàn)的概率，則要多注意減少數(shù)據(jù)測(cè)量和采集方面的誤差，因?yàn)閿?shù)據(jù)的固有變化是不受人為控制。換一個(gè)角度來(lái)看，如果排除人為造成的數(shù)據(jù)測(cè)量和采集誤差這一原因，數(shù)據(jù)的固有變化產(chǎn)生的離群點(diǎn)可能反映著一種未被發(fā)現(xiàn)的潛在的高效生產(chǎn)模式，這個(gè)問(wèn)題還需要進(jìn)一步研究。本章小結(jié)本文主要研究工作就是針對(duì)焦化工序建立能耗預(yù)測(cè)模型以及能耗優(yōu)化模型，而建模的重要準(zhǔn)備工作就是對(duì)數(shù)據(jù)的處理，樣本數(shù)據(jù)是否被妥當(dāng)處理，對(duì)后續(xù)建模的合理性與準(zhǔn)確性有很大影響。本章主要對(duì)樣本數(shù)據(jù)的預(yù)處理進(jìn)行闡述，由于數(shù)據(jù)值較大且有保密性要求，本章首先對(duì)樣本數(shù)據(jù)進(jìn)行一種無(wú)量綱處理手段，使物理系統(tǒng)數(shù)值的絕對(duì)值變成某種相對(duì)值關(guān)系，數(shù)據(jù)值變小使計(jì)算量變小，又隱藏了單位化處理的相對(duì)量達(dá)到保密效果；然后對(duì)初步處理過(guò)的數(shù)據(jù)進(jìn)行離群點(diǎn)檢測(cè)，對(duì)于檢測(cè)出來(lái)的離群點(diǎn)數(shù)據(jù)，出于樣本數(shù)據(jù)量的關(guān)系，本文未采用剔除離群點(diǎn)非方法，而是采取改寫(xiě)的方法使之非離群點(diǎn)化。經(jīng)過(guò)本章的工作，樣本數(shù)據(jù)可以用于建立能耗預(yù)測(cè)和能耗優(yōu)化模型。第3章于模糊邏輯的焦化工序能耗預(yù)測(cè)模型于模糊邏輯的焦化工序能耗預(yù)測(cè)模型模糊邏輯概述控制論的創(chuàng)始人維納教授在談到人勝過(guò)最完美的機(jī)器時(shí)說(shuō)：“人具有運(yùn)用模糊概念的能力”【22】。這清楚地指明了人腦與電腦有著本質(zhì)的區(qū)別，人腦具有善于判斷和處理模糊現(xiàn)象的能力?！澳：笔桥c“精確”相對(duì)的概念。模糊性普遍存在于人類(lèi)思維與語(yǔ)言交流中。模糊理論概念模糊理論是指用到了模糊集合的基本概念或連續(xù)隸屬度函數(shù)的理論[]。它可分類(lèi)為模糊數(shù)學(xué)，模糊系統(tǒng)，模糊決策，不確定性和信息，模糊邏輯這五個(gè)分支，它并不是完全獨(dú)立的，它們之間有緊密的聯(lián)系。例如，模糊控制就會(huì)用到模糊數(shù)學(xué)和模糊邏輯中的概念。從實(shí)際應(yīng)用的觀點(diǎn)來(lái)看，模糊理論的應(yīng)用大部分集中在模糊系統(tǒng)上，尤其集中在模糊控制上。也有一些模糊專(zhuān)家系統(tǒng)應(yīng)用于醫(yī)療診斷和決策支持。圖表3.1中，詳細(xì)描述了模糊理論的分類(lèi)與各類(lèi)的應(yīng)用，以及相互之間的關(guān)系。圖表3.1模糊理論分支與應(yīng)用模糊邏輯概念以及應(yīng)用領(lǐng)域模糊邏輯是以模糊理論為基礎(chǔ)，允許用語(yǔ)言和文字表示操作和控制規(guī)律，是一種能解決不精確，不充分信息問(wèn)題的方法。模糊邏輯和模糊數(shù)學(xué)雖然只有短短的及十余年歷史，但其理論與應(yīng)用的研究已取得了豐碩的成果，尤其是隨著模糊邏輯在自控領(lǐng)域的成功應(yīng)用，模糊控制理論和方法的研究引起了學(xué)術(shù)界和工業(yè)界的廣泛關(guān)注。自從1974年英國(guó)的馬丹尼（Mamdani）首次將模糊邏輯用于蒸汽機(jī)的控制后，模糊控制的工業(yè)過(guò)程控制、機(jī)器人、交通運(yùn)輸?shù)确矫娴玫搅藦V泛而卓有成效的應(yīng)用。與傳統(tǒng)控制方法如PID控制相比，模糊控制利用人類(lèi)專(zhuān)家控制經(jīng)驗(yàn)，對(duì)于非線性、復(fù)雜對(duì)象的控制顯示了魯棒性好、控制性能高德有點(diǎn)。模糊邏輯除了在自動(dòng)控制領(lǐng)域的廣泛有效的應(yīng)用外，還應(yīng)用于聚類(lèi)分析、故障診斷、專(zhuān)家系統(tǒng)和圖像識(shí)別等領(lǐng)域。同樣，模糊邏輯在預(yù)測(cè)方面也有一定的應(yīng)用，多應(yīng)用于復(fù)雜度較高，相關(guān)性比較不確定的問(wèn)題，如在事故的預(yù)測(cè)【23】【24】、負(fù)荷預(yù)測(cè)【25】【26】、流量預(yù)測(cè)【27】、等。基于實(shí)際生產(chǎn)數(shù)據(jù)的模糊邏輯預(yù)測(cè)模型前文提到模糊邏輯在預(yù)測(cè)方面也有一定的應(yīng)用，本章主要工作就是為焦?fàn)t煉焦過(guò)程建立相應(yīng)的能耗預(yù)測(cè)模型。本文所建立預(yù)測(cè)模型的出發(fā)點(diǎn)是洗精煤（配合煤）和大焦的各項(xiàng)質(zhì)量指標(biāo)與各項(xiàng)消耗能源量之間的關(guān)系，這是復(fù)雜度比較高的耦合關(guān)系，遂選用模糊邏輯方法為焦?fàn)t煉焦過(guò)程建立能耗預(yù)測(cè)模型。模糊邏輯預(yù)測(cè)模型的建立一般有以下四個(gè)步驟：輸入輸出分配以及數(shù)據(jù)模糊化；制定模糊推理機(jī)制；確定模糊推理規(guī)則；建立模糊邏輯預(yù)測(cè)模型。輸入輸出分配以及數(shù)據(jù)模糊化經(jīng)過(guò)第二章的工作，原始的樣本數(shù)據(jù)已經(jīng)被穩(wěn)妥處理，數(shù)據(jù)本身已經(jīng)相對(duì)穩(wěn)定，為預(yù)測(cè)模型的建立做好了充分的準(zhǔn)備。對(duì)于樣本數(shù)據(jù)，輸入為5個(gè)，即為大焦的灰分Ad（%）、揮發(fā)份Vdaf（%），洗精煤（配合煤）的水分Mad（%）、灰分Ad（%）、揮發(fā)份Vdaf（%），輸出為4個(gè)，即為焦?fàn)t煤氣（產(chǎn)出量，km3），高爐煤氣（km3），電（有功總量，KWh），蒸汽（飽和蒸汽，t）。輸入輸出分配以及字段定義如表格6所示。建立模糊邏輯預(yù)測(cè)模型首先要對(duì)各個(gè)能源的實(shí)際消耗情況，以及各個(gè)質(zhì)量指標(biāo)數(shù)值進(jìn)行模糊化，等級(jí)分配如表格3.1所示。表格3.1模糊化與輸入輸出分配輸入輸出分配各項(xiàng)指標(biāo)與能源字段定義等級(jí)分配輸入大焦灰分AdDaJ_Ad小，中，大輸入大焦揮發(fā)份VdafDaJ_Vdaf小，中，大輸入洗精煤（配合煤）水分MadPeiHM_Mad小，中，大輸入洗精煤（配合煤）灰分AdPeiHM_Ad小，中，大輸入洗精煤（配合煤）揮發(fā)份VdafPeiHM_Vdaf小，中，大輸出焦?fàn)t煤氣（產(chǎn)出量）COG_P少，中等，多輸出高爐煤氣BFG少，中等，多輸出電（有功總量）Elec少，中等，多輸出蒸汽（飽和蒸汽）ZhengQ少，中等，多對(duì)各個(gè)能源以及各個(gè)質(zhì)量指標(biāo)進(jìn)行模糊化描述，主要是按表格3.1中所分配好的等級(jí)，分析出各個(gè)對(duì)象其所屬等級(jí)，然后進(jìn)行歸類(lèi)，建立描述模型。本文是應(yīng)用高斯函數(shù)對(duì)各組數(shù)據(jù)建立相應(yīng)的描述模型，在MATLAB中編程實(shí)現(xiàn)，得到如圖表3.2所示的描述模型，圖中分別給出了大焦的灰分Ad（%）、揮發(fā)份Vdaf（%），洗精煤（配合煤）的水分Mad（%）、灰分Ad（%）、揮發(fā)份Vdaf（%），輸出有4個(gè)，即為焦?fàn)t煤氣（產(chǎn)出量，km3），高爐煤氣（km3），電（有功總量，KWh），蒸汽（飽和蒸汽，t）模糊化后的隸屬函數(shù)圖。圖表3.2各種能源與指標(biāo)去模糊化建立模糊推理機(jī)制圖表3.2各種能源與指標(biāo)去模糊化為了從數(shù)據(jù)集中找尋到合理的模糊邏輯推理規(guī)則，需要一個(gè)給出一定規(guī)范、約定或者限制的推理過(guò)程，這個(gè)推理過(guò)程是因本研究工作的需要才制定的，在文獻(xiàn)中沒(méi)有遇到過(guò)類(lèi)似定義，所以本文定義其為模糊推理機(jī)制。模糊邏輯預(yù)測(cè)模型的建立需要從數(shù)據(jù)集中找到合理的模糊推理規(guī)則，而對(duì)于模糊推理規(guī)則的制定不是憑空捏造的，這時(shí)則需要一個(gè)合理的模糊推理機(jī)制，給予指導(dǎo)與約束。模糊推理機(jī)制雖然僅僅是一個(gè)推理過(guò)程，但是模糊推理規(guī)則的卻是在其基礎(chǔ)上建立的，考慮到模糊推理規(guī)則的準(zhǔn)確性與合理性，模糊推理機(jī)制的建立，既要考慮穩(wěn)定性，也要考慮實(shí)現(xiàn)性。模糊推理機(jī)制是對(duì)輸入輸出情況的一個(gè)規(guī)范，起到一個(gè)確定性作用。對(duì)于輸入情況一致，同時(shí)輸出情況也一致，則只有此一種規(guī)則情況；對(duì)于輸入情況一致，輸出不一致時(shí)，大致可分為以下三種情況，分別給出解決方法。假定對(duì)每一等級(jí)出現(xiàn)的次數(shù)進(jìn)行統(tǒng)計(jì)，分別為t1、t2、t3，則：1）若三個(gè)等級(jí)都存在，且每一等級(jí)的統(tǒng)計(jì)值都相同，即為t1=t2=t3，則取中間等級(jí)；2）若有兩個(gè)等級(jí)的統(tǒng)計(jì)值相同，且大于余下等級(jí)的統(tǒng)計(jì)值，則取相同統(tǒng)計(jì)值中的較高等級(jí)（盡量滿足最大生產(chǎn)需求），若t1=t2>t3，則取t2對(duì)應(yīng)等級(jí)；3）若有兩個(gè)等級(jí)的統(tǒng)計(jì)值相同，且小于余下等級(jí)的統(tǒng)計(jì)值，則取余下的那一等級(jí)，若t1=t2<t3，則取t3對(duì)應(yīng)等級(jí)，4）若各個(gè)等級(jí)的統(tǒng)計(jì)值都不相同，則取統(tǒng)計(jì)值最大的所對(duì)應(yīng)的等級(jí)，若t1<t2<t3，則取t3對(duì)于等級(jí)。舉例說(shuō)明該機(jī)制如何確定模糊推理規(guī)則例如：111111111111112123111112332111111322111113121111113321所以，根據(jù)所定推理機(jī)制所得模糊規(guī)則為111112321。模糊規(guī)則的確定模糊推理規(guī)則的確定是建立模糊推理預(yù)測(cè)模型的重中之重，只有在合理的模糊推理規(guī)則下建立的模糊推理預(yù)測(cè)模型才能更有效的描述輸入與輸出的關(guān)系，才能有效的預(yù)測(cè)各個(gè)能源的消耗情況。若要確定模糊推理規(guī)則，首先要注意的是樣本的選擇，本文研究工作中所要建立的預(yù)測(cè)模型，其輸入為5，輸出為4，若在全部情況不重復(fù)出現(xiàn)的情況下，按照輸入需要最少樣本為243組，按照輸出需要樣本為81組，但是現(xiàn)有的樣本只有30組，遠(yuǎn)遠(yuǎn)達(dá)不到要求，這個(gè)問(wèn)題應(yīng)當(dāng)怎樣解決？本文對(duì)于解決樣本數(shù)據(jù)量少這一問(wèn)題，擬定了兩個(gè)方案。第一個(gè)方案：根據(jù)已有數(shù)據(jù)集，隨機(jī)抽取樣本。本例是按正態(tài)分布式抽取，以各個(gè)對(duì)象數(shù)據(jù)組中數(shù)據(jù)平均值為μ，以標(biāo)準(zhǔn)差為σ，共抽取15000組樣本。第二個(gè)方案:取樣本數(shù)據(jù)集的20組數(shù)據(jù)為樣本數(shù)據(jù)。第二種方案中選取20組數(shù)據(jù)后余下的10組數(shù)據(jù)用于驗(yàn)證兩個(gè)方案的準(zhǔn)確性。應(yīng)用前文中制定的模糊推理規(guī)則，對(duì)兩種方案所選取的樣本進(jìn)行推理，從而得出相應(yīng)的模糊推理規(guī)則。經(jīng)編程實(shí)現(xiàn)兩種方案下所得的模糊推理規(guī)則如下：第一種方案：隨機(jī)生成15000組樣本。一共生成207條模糊推理規(guī)則o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