RBF神经网络预测焦化企业煤气产量.pdf

《RBF神经网络预测焦化企业煤气产量.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、334化工自动化及仪表第40卷RBF神经网络预测焦化企业煤气产量陈国香张世伟曾隽芳王学雷(中国科学院自动化研究所，北京100190)摘要对焦炉的发生和消耗特性进行分析，找出影响煤气产量的主要影响因素，并建立径向基函数(RBF)神经网络模型进行预测，实验表明：RBF模型具有较强的非线性逼近能力。能较真实地反映煤气产量和影响因素之间的非线性关系，预测效果要优于BP神经网络模型。关麓词煤气产量预测炼焦影响因素RBF神经网络中圈分类号TH865文献标识码A文章编号1000-3932(2013)03-0334-04焦炉煤气具有很高的使用价值，具有热效率高、燃烧容易控制等优点。

2、企业在实际生产过程中，需要对未来煤气的产量进行预测以便对生产计划做出合理的安排。但是，许多因素(如装入焦炉的煤的成分配比、装入量、结焦时间及设备故障等)会导致煤气的产量发生波动⋯，导致企业对未来煤气产量的预测不准确，影响企业决策。目前国内外对煤气产量预测进行了大量的研究和实践，从最初的利用平均值进行评估，到传统的线性回归分析进行预测，发展到分级技术、模糊理论和人工神经网络的研究与应用。技术和理论水平不断成熟，但在实际生产中，很多企业仍然利用传统的技术和方法进行预测和调度，准确性不高，而且降低了企业的效率。笔者提出用径向基函数(RBF)神经网络进行预测，能够较好地解决

3、以上问题。由于煤气的发生量和消耗量受到多种因素的影响，它们之间是非常复杂的非线性关系，有些关系甚至是随机、模糊的，所以传统的方法很难将这些因素之间的内在关系精确地表达出来。而人工神经网络方法具有极强的非线性逼近能力，能较真实刻画出输入变量与输出变量之间的非线性关系。笔者利用RBF神经网络模型对分析获得的主要影响因素建立预测模型，进行仿真预测，实验结果表明：RBF神经网络具有很好的预测效果。1煤气产量影响因素1．1炼焦生产煤气过程炼焦过程中最主要的设备是焦炉，焦炉炉体由炭化室、燃烧室、蓄热室及斜道区等部分组成。炭化室是煤隔绝空气干馏炼焦的地方，燃烧室是煤气燃烧为炭化室

4、提供热量的地方，两者依次相间，通过其间的隔壁传递热量并且防止干馏煤气泄漏到燃烧室。斜道区是连接燃烧室和蓄热室的通道。蓄热室上部经斜道与燃烧室相连，下部经废气盘分别与分烟道、贫煤气管道及大气相通，用来吸收或传递热量，调节废气及贫煤气的温度。炼焦过程与炼焦工艺有很大的关系，分析炼焦工艺，首先是备煤阶段，即炼焦煤料的配备将不同的煤(气煤、肥煤、焦煤、瘦煤)按照一定的比例进行配比，使得到的炼焦煤在干馏后能够产生稳定的焦炭质量和煤气产量，所以备煤阶段所得煤料的配比对于炼焦过程十分关键。然后通过装煤车将煤料装入各个炭化室，在炭化室进行干馏，所得的粗煤气经过集气系统送出。经过一个

5、结焦周期(即装煤到推焦所需的时间)，用推焦车将炼制成熟的焦炭推出。最后集气系统送出的粗煤气要经过一系列的净化操作(如脱硫等)得到较为纯净的煤气供用户使用。焦化企业的煤气生产消耗过程如图1所示。图1煤气生产消耗过程收稿日期：2013-01-25(修改稿)基金项目：中国科学院重点部署项目(kgzd—ew-302-4)第3期陈国香等．RBF神经网络预测焦化企业煤气产量3351．2煤气产量影响因素1—2．1装煤量h装煤量是指每孔炭化室的装煤量或整座焦炉平均每小时的装煤量‘2

6、，即：G=NG’／7式中G——每小时装煤量，t／h；G’——每孔炭化室装煤量，t；Ⅳ——每座焦炉炉孔

7、数，个；丁——周转时间，h。煤气产量越大，需要的煤料就越多。1．2．2配煤比各种煤料的配比直接决定了混合煤中几种重要元素所占的比例，如水分及挥发分等。挥发分是标志煤变质程度的重要指标，该指标通常用于煤的分类。煤的成焦率和煤气的发生量都跟挥发分的比例有很大的关系。实验中根据配煤比计算出挥发分所占的百分比，作为其中一个输入因素进行训练、仿真。1．2．3结焦时间在工业条件下，焦炉的操作可能按照3个互相关联的因素而变化：燃烧室的温度、推出焦饼的温度和结焦时间(平均速率)。如果其中一个因素保持不变，则其余两个可以变化。有研究结果表明，当推出焦饼的温度不变时，缩短结焦时间可以使

8、煤气的产率和其中的含氢量提高；结焦时间不变时提高加热系统的温度和推出的焦炭的温度(即总的结焦温度)，使煤气的产率增大。因此无论是为缩短结焦时间(推出的焦炭温度不变)还是为提高推出的焦炭温度(结焦时间不变时)而提高加热温度时，都同样使炼焦煤气的产率提高‘31。根据实际条件，企业的仪表很难实时地控制加热温度H1，而相比之下结焦时间容易控制而且相对固定，所以笔者采用结焦时间作为其中的一个输入因素进行预测。2RBF神经网络模型预测焦炉煤气产量2．1RBF网络模型径向基函数(RadialBasedFunction，RBF)神经网络最初是用来对一组多维空间中的数据点进行插值