基于EMD-LSTM的冷軋煤氣消耗量預(yù)測模型仿真

翟慧，熊偉，李福進，楊杰

(1.華北理工大學(xué)電氣工程學(xué)院，河北唐山 063210；2.唐山鋼鐵集團高強汽車板有限公司，河北唐山 063026)

0 前言

在我國，鋼鐵行業(yè)作為一個重要且依賴能源的行業(yè)，如何合理利用和配置資源一直是制約它發(fā)展的重要因素。煤氣是一種重要的二次能源，其回收率影響企業(yè)生產(chǎn)成本和環(huán)境，對企業(yè)具有重要的經(jīng)濟和環(huán)境意義。其中，冷軋生產(chǎn)過程消耗大量煤氣，并且生產(chǎn)過程中發(fā)生大量的化學(xué)反應(yīng)。煤氣消耗的影響因素復(fù)雜，夾雜著周期性波動、隨機擾動，這對煤氣消耗量的預(yù)測帶來了一定難度。在實際生產(chǎn)過程中，煤氣的分配僅憑人工經(jīng)驗操作，導(dǎo)致煤氣不能充分利用；而且煤氣的突然過剩，容易導(dǎo)致設(shè)備熄火，并將多余煤氣釋放到大氣中污染環(huán)境；而煤氣的短缺則會導(dǎo)致用戶停產(chǎn)。因此，有必要為冷軋過程設(shè)計一個有效的煤氣消耗量預(yù)測模型。

隨人工智能、人工神經(jīng)網(wǎng)絡(luò)的迅速崛起，支持向量機、神經(jīng)網(wǎng)絡(luò)等方法被大量用于預(yù)測。LYU等提出了一種基于灰色徑向基函數(shù)(RBF)神經(jīng)網(wǎng)絡(luò)的高爐煤氣量預(yù)測模型。利用灰色理論對歷史數(shù)據(jù)進行預(yù)處理，獲取豐富的信息，結(jié)合 RBF 神經(jīng)網(wǎng)絡(luò)，實現(xiàn)了30 min內(nèi)有效的趨勢預(yù)測。李志剛等以高爐煤氣為主要研究對象，提出了一種基于LSTM與自回歸差分滑動平均(ARIMA)組合的預(yù)測模型，提高了煤氣預(yù)測精度。隨后，又通過調(diào)試和改進建立了PSO-BP 神經(jīng)網(wǎng)絡(luò)高爐煤氣受入量預(yù)測模型，實現(xiàn)了對煤氣的合理調(diào)度和平衡調(diào)整。……