Grey能源預測模型的研究及應用

王延明

（首鋼京唐鋼鐵聯(lián)合有限責任公司能源與環(huán)境部,河北唐山,063000）

Grey能源預測模型的研究及應用

王延明

（首鋼京唐鋼鐵聯(lián)合有限責任公司能源與環(huán)境部,河北唐山,063000）

根據(jù)鋼鐵企業(yè)能源發(fā)生和使用的特點,在能源管理系統(tǒng)的基礎上，建立了能源預測動態(tài)數(shù)學模型,并對首鋼京唐鋼鐵公司高爐煤氣系統(tǒng)進行了實例計算。實驗結果表明：在企業(yè)完全正常生產(chǎn)的情況下,對能源系統(tǒng)的發(fā)生和使用預測，取得滿意的效果。并且模型還可展現(xiàn)調(diào)度方案的效果,為調(diào)度方案的評估提供參考。

能源預測;灰色理論;應用

1 引言

能源是國民經(jīng)濟和社會發(fā)展的重要基礎，經(jīng)濟的高速發(fā)展必須要有充足的能源供應作保障，因為經(jīng)濟的高速發(fā)展必然會產(chǎn)生對能源的高需求，能源供應將成為未來制約我國經(jīng)濟發(fā)展的主要因素。同時，能源的消費和預測也成為保障能源安全穩(wěn)定供應的重要手段。本項目將以京唐鋼能源系統(tǒng)為載體開展研究工作，采用科學的方法對能源的發(fā)生、傳輸和消費系統(tǒng)作出預測，為全公司安全穩(wěn)定運行提供依據(jù)。

能源預測是從研究能源消費的歷史與現(xiàn)狀開始，分析影響能源消費的各種因素，找出能源消費與這些因素的關系，并根據(jù)這些關系對未來能源消費發(fā)展趨勢作出估計和評價。能源消費量的傳統(tǒng)預測方法有判斷分析法、時間序列分析法、計量經(jīng)濟法和投入產(chǎn)出法等。為了同時對多個具有不同變化趨勢的現(xiàn)象進行預測，結合各現(xiàn)象自身的特點，首先對歷史數(shù)據(jù)進行預處理，去除異常值，然后對歷史數(shù)據(jù)進行建模。預測能源生產(chǎn)和消費量，并用實際數(shù)據(jù)進行了檢驗。

2 能源預測模型

目前，國內(nèi)各鋼廠的能源管理主要由能源監(jiān)控、電話調(diào)度和能源計量組成，大多數(shù)是各種能源介質(zhì)的事后管理，時效性上存在進一步提高的空間。本模型提供了在線能源預測功能，為實現(xiàn)系統(tǒng)的節(jié)能減排提供了重要的參考依據(jù)。

2.1 預測基本原理

煤氣等能源介質(zhì)發(fā)生、消耗是一個工況復雜的工藝過程，影響其發(fā)生、消耗量的因素復雜多變，難于把握。目前很多智能預測方法無法或很難根據(jù)工況信息實施有效的動態(tài)預測，為了達到有效預測的目的，本模塊基于歷史統(tǒng)計等數(shù)據(jù)，并結合生產(chǎn)狀態(tài)、生產(chǎn)工藝信息進行預測，綜合運用Grey模型和BP神經(jīng)網(wǎng)絡，以期達到有效預測的目的。

目前采用的基本模型有機理模型、智能模型（時間序列模型、灰色模型、BP神經(jīng)網(wǎng)絡）。短期動態(tài)預測則主要采用機理模型和智能模型相結合的方案。在正常情況下，能源介質(zhì)波動有其自身的規(guī)律，波動范圍不大，運用智能模型基本可以達到較好的預測效果，而非正常情況下，由于外界因素（工藝條件的變化、工況的改變）而打破能源介質(zhì)本身的波動規(guī)律，此時需要結合工藝和工況用機理模型來解決。

2.2 模型介紹

Grey能源預測模型的框架如圖1所示。首先對實時數(shù)據(jù)和歷史數(shù)據(jù)等進行清理，已得到所需要的有效信息。然后應用灰色關聯(lián)及BP神經(jīng)網(wǎng)絡相關算法進行能源預測研究，為了達到滿意的預測效果，必須經(jīng)過一個迭代的過程。最后輸出能源預測的結果，為生產(chǎn)提供各種指導意見。

圖1 G rey能源模型框架圖

(1)數(shù)據(jù)清洗

預測的關鍵在于數(shù)據(jù)的完整性和數(shù)據(jù)的有效性。數(shù)據(jù)預處理是建模的關鍵，經(jīng)過數(shù)據(jù)異常值剔除、數(shù)據(jù)濾波過程得到建模的基礎數(shù)據(jù)，運用處理后的數(shù)據(jù)進行建模預測來提高預測的準確性。除了對數(shù)據(jù)的處理外，對外界工況條件變更的捕獲也很重要，及時準確的錄入工況信息能有效的修正預測結果，提高預測精度。

數(shù)據(jù)清洗即分析“臟數(shù)據(jù)”產(chǎn)生的原因和存在形式，利用現(xiàn)有技術手段和方法去清洗它們，并將它們轉化為滿足要求的數(shù)據(jù)，從而提高數(shù)據(jù)集的質(zhì)量。

：令X={x1,x2,…,xn}是一組n個能源介質(zhì)指標的XML數(shù)據(jù)集，其中，xi=[xi1,xi2,…表示第i個樣本的m個特征值。

對于給定的n個樣本，通常其劃分方法就是將目標函數(shù)按一個聚類準則指導搜索劃分。

其中第1項是數(shù)值特征的歐幾里德距離平方；第2項是類屬特征上的簡單的相異匹配測度。

(2)灰色分析

建立基于AHP和灰色關聯(lián)分析的改進算法的具體步驟如下：

1)使用AHP(層次分析法)確定各個要素的權重。

2)用變權綜合法對上步的到的結果進行處理，得到新的要素權重值。

3)應用灰色關聯(lián)分析和各個要素的權重值進行分析。

灰色關聯(lián)分析是一種多因素統(tǒng)計分析方法，它是以各因素的樣本數(shù)據(jù)為依據(jù)用灰色關聯(lián)度來描述因素間關系的強弱、大小和次序的。能源預測各要素對最終結果的影響是離亂的，據(jù)有明顯的灰性。因此，對指標進行灰色關聯(lián)分析以實現(xiàn)指標的比較是合適的。分析的基本步驟：

灰關聯(lián)生成。為了消除不同指標、不同量綱的影響，針對不同類型的指標采用不同的規(guī)范化方法，將其規(guī)范化為隸屬于[O，1]區(qū)間的效益型指標。

①效益目標：

4）計算灰關聯(lián)度

其中βk為各因子的權重，權重大小可由層次分析法和變權綜合法求得。

(3)BP神經(jīng)網(wǎng)絡

由于BP神經(jīng)網(wǎng)絡（back propagation多層前饋）利用輸出后的誤差來估計輸出層的直接前導層的誤差，再用這個誤差估計更前一層的誤差，如此一層一層的反傳下去，就獲得了所有其他各層的誤差估計。

輸入：

其中Wj表示各指標的評價權重，Oi表示各指標經(jīng)過清洗之后的數(shù)據(jù)。

輸出：

輸出最終的配比指標。

BP神經(jīng)網(wǎng)絡是一個反復的過程，需要和灰色關聯(lián)分析進行重復計算。最后得出最后配比。

經(jīng)過實際應用，本模型達到了預定效果，達到了煤氣的平衡利用，大大節(jié)約了生產(chǎn)成本，產(chǎn)生了較大的經(jīng)濟效益。預測結果可以為調(diào)度人員進行短期煤氣調(diào)度提供決策支持，同時為智能優(yōu)化調(diào)度方案的實施提供基礎數(shù)據(jù)。

3 實驗結果

圖2為京唐公司2009-12-16 00：00：00—2009-12-16 23：00時間內(nèi)的預測效果圖。其中從2009-12-16 07：00至2009-12-17 14：40為檢修狀態(tài)。如圖所示當程序捕捉到工況變化時，能及時修正預測結果，達到合理的預測效果。預測誤差在10%內(nèi)的預測值達到91.67%。

灰色模型和BP神經(jīng)網(wǎng)絡模型相結合，充分利用這兩種方法的優(yōu)點，對能源消耗及發(fā)生量小時流量進行了組合建模預測。圖3為高爐煤氣發(fā)生量的預測結果。

誤差數(shù)據(jù)分析見圖4。

圖2 煤氣短期預測界面

圖3 高爐煤氣發(fā)生預測結果

預測結果分析：本實驗中數(shù)據(jù)平均絕對相對誤差0.0114，預測平均絕對相對誤差0.0149。AR自定階模型能夠根據(jù)數(shù)據(jù)波動規(guī)律，選擇最佳的建模次數(shù)對預測對象未來的變化趨勢進行預測。本實驗所展示的是4時的預測效果。在實際應用中，模型階次會隨著數(shù)據(jù)的波動狀態(tài)，動態(tài)優(yōu)化建模。

根據(jù)對能源介質(zhì)發(fā)生及消耗量的預測，Grey模型達到了預期的效果，對鋼鐵廠能源介質(zhì)的平衡提供了有力的幫助，同時為全廠能源的調(diào)度平衡提供了有力的工具，其將在首鋼京唐的能源介質(zhì)的有效利用上發(fā)揮巨大的作用。

4 結論

本文建立了適合冶金能源系統(tǒng)的能源生產(chǎn)和消費的Grey預測模型，基于現(xiàn)有的能源管理系統(tǒng)（EMS），在實際的生產(chǎn)過程中取得了預期的效果，達到了所需要的能源預測能力。本模型的實現(xiàn)為用戶提供科學的生產(chǎn)指揮調(diào)度依據(jù)，將對京唐鋼的節(jié)能減排等工作提供有力支持。

[1]鄧聚龍.灰色系統(tǒng)理論教程[M].華中理工大學出版社,1990.11.

[2]李文兵，紀揚，李華德.鋼鐵企業(yè)煤氣產(chǎn)生消耗動態(tài)模型研究[J].冶金自動化，2008，32(3)：28-33.

[3]韓家煒.數(shù)據(jù)挖掘：概念與技術[M].北京：機械工業(yè)出版社,2007.3.

[4]王思強.能源預測預警理論與方法[M].北京：清華大學出版社, 2010.2.

[5]魏建新.鋼鐵企業(yè)的能源戰(zhàn)略[J].冶金能源,2007,262：3.

Research and App lication of the Grey Energy Prediction M odel

Wang Yangming
(The Energy and Environment Dept.of Shougang Jingtang Iron&Steel Co.,Ltd,Tangshan,Hebei 063000,China)

In accordance with the characteristics of energy production and consumption and on the basis of energy management system in steel enterprises,a dynamic mathematic model for energy prediction was established and experimentally used to calculate the BFG system of Shougang Jingtang Steel.The results showed that the dynamic model can satisfactorily predict production and consumption of energy power system as well as display the effect of energy allocation plan,to provide reference for assessment of allocation programs.

energy prediction;grey theory;application

TP29

B

1006-6764（2015）02-0057-04

2014-10-20

王延明（1980-），男，工程師，現(xiàn)從事能源管理系統(tǒng)開發(fā)與維護工作。