基于神经网络和遗传算法的炼焦单元能耗优化方法

《基于神经网络和遗传算法的炼焦单元能耗优化方法》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、硕士学位论文基于神经网络和遗传算法的炼焦单元能耗优化方法摘要炼焦单元是钢铁生产流程中的重要生产和耗能单元，利用智能方法对其能耗进行分析和优化，改变R前仅靠人工经验实现能源调配和过程状态参数设定状况，可为炼焦单元的科学用能提供指导，降低能耗。通过对炼焦单元能耗问题的分析，本文从能耗预测和COG、BFG配比对炼焦单元能耗影响两个方面展开研究。针对炼焦单元能耗预测问题：首先对炼焦单元的能耗影响因素进行分析，定性给出其原材料参数和过程状态参数；然后采用灰色关联度方法计算这些参数与炼焦单元总能耗的关联程度，选择与炼焦单元能耗

2、关联度较大的因素进行能耗预测；最后利用人工神经网络挖掘出炼焦单元原材料参数、炼焦单元总能耗与炼焦单元能源产消量、关键过程状态参数的关联关系，利用该模型对炼焦单元的历史能耗进行检测，效果分析表明所建模型满足预测要求。针对COG和BFG配比对炼焦单元能耗影响分析问题：首先利用人工神经网络挖掘出炼焦单元屮COG和BFG配比与能源产消量的关联关系；然后利用该关联关系建立炼焦单元能耗优化模型；最后通过遗传算法求解得到优化的工序能耗和相应的COG和BFG配比。关键词：炼焦单元，能耗影响因素，能耗预测，能源替换关系，能耗优化AB

3、STRACTThecokingunitisanimportantsectorinthesteelproductionprocessandisalsoanenergy-consumingunit,energyefficiencyisanalyzedandoptimizedusingintelligentmethods,thecurrentsituationinenergydeploymentandprocessparameterssettingcanbechangedforguidanceinenergydeploy

4、mentandlowingenergyconsumption.Throughtheanalysisofenergyefficiencyincokingunit,thisessayfocusedontwoaspects:oneisthepredictionofenergy;theotheroneisthedesignationofCOGandBFG;Tothepredictionofcokingunit:thecokingprocesswasfirstlyintroduced,andthemechanismanaly

5、seswhichareinfluencingthecokingunitarediscussed.Thenthegrayincidencedegree(GID)betweentheseparametersandenergyconsumptionofcokingunitwascalculatedusinggrayrelationmethod・ThenumbersofGIDabove0.5areselectedastheinputandoutput.Finallytheparametersofwashedcoal,the

6、energyconsumptionofcokingunit,theconsumptionandproductionofdifferentkindsofenergyandthekeyprocessparametersareusedtosetaBPArtificialNeuralNetwork(ANN)modelandthemodelwasexaminedbyhistoricaldata,andtheresultwasmetupwiththedemands.Tosolvetheanalysisofenergyconsu

7、mptionofcokingunitusingthereplacementofCOGandBFG:thesubstitutabilityofCOGandBFGtotheinfluenceofcokingunitwasanalyzedqualitatively;thentheBPANNwasusedtosetuptherelationbetweentheproportionofBFGandtheconsumptionandproductionofdifferentkindsofenergy.Thentheoptima

8、lmodelwasestablishedusingthemodel;finallytheratioofBFGandtheoptimalcokingovenconsumptionwasattained.Keywords:cokingoven,thefactorsinenergyconsumption,thepredictionofenergy-consumpt