第一章 緒論

1.1 課題的研究背景與意義

進(jìn)入 21 世紀(jì)以來(lái)，特別是在世界大環(huán)境和全球金融危機(jī)的影響下，我國(guó)鋼鐵行業(yè)也發(fā)生了巨大的變化。2015 年，我國(guó)粗鋼產(chǎn)量為 8.04 億噸，改革開(kāi)放以來(lái)首次出現(xiàn)負(fù)增長(zhǎng)，比 2014 年下降 2.3 個(gè)百分點(diǎn)。其中，我國(guó)北方地區(qū)的粗鋼產(chǎn)量都有所下降，山東、河南等地區(qū)粗鋼產(chǎn)量緩慢增長(zhǎng)。進(jìn)入 2016 年，隨著結(jié)構(gòu)性改革加快，國(guó)民經(jīng)濟(jì)增長(zhǎng)緩慢，鋼鐵消費(fèi)需求預(yù)計(jì)將會(huì)持續(xù)收縮[1]。

在這種情況下，鋼鐵企業(yè)作為耗能大戶，實(shí)行優(yōu)化生產(chǎn)、節(jié)能降耗已經(jīng)到了刻不容緩的地步。我國(guó)政府在“十三五規(guī)劃”中也明確提出：節(jié)能減排既是本階段工業(yè)發(fā)展的中心任務(wù)，也是可持續(xù)發(fā)展的必然要求。鋼鐵行業(yè)作為整個(gè)國(guó)民經(jīng)濟(jì)中能源消耗較大的產(chǎn)業(yè),節(jié)能減排的潛力較大,尤其是高爐煉鐵過(guò)程作為鋼鐵工業(yè)最主要的能源消耗工序,更是承擔(dān)了節(jié)能減排的重大任務(wù)[2]。在鋼鐵企業(yè)中，整個(gè)鐵前系統(tǒng)能耗約占鋼鐵企業(yè)能耗總量的 70% ，而高爐煉鐵在鐵前系統(tǒng)中的能耗占煉鐵工序能耗的 60%左右。

由此可知，高爐煉鐵在鋼鐵企業(yè)能耗中所占比例非常之大，因此，鋼鐵企業(yè)的節(jié)能降耗工作重點(diǎn)從高爐入手最為有效。針對(duì)高爐煉鐵參數(shù)預(yù)測(cè)和優(yōu)化控制模型的研究,首先對(duì)高爐煉鐵過(guò)程中的入爐焦比、鐵水溫度和鐵水產(chǎn)量等關(guān)鍵參數(shù)進(jìn)行合理預(yù)測(cè)，其次是在關(guān)鍵參數(shù)的預(yù)測(cè)模型的基礎(chǔ)上來(lái)建立高爐煉鐵多目標(biāo)優(yōu)化控制模型，合理進(jìn)行能源管理和優(yōu)化調(diào)度，最終實(shí)現(xiàn)鋼鐵企業(yè)節(jié)能減排的目的。

.........

1.2 國(guó)內(nèi)外研究現(xiàn)狀及存在問(wèn)題

針對(duì)高爐煉鐵焦比預(yù)測(cè)問(wèn)題，近年來(lái)，相關(guān)學(xué)者開(kāi)展了各種分析和研究。從機(jī)理模型構(gòu)建到人工智能算法應(yīng)用，都體現(xiàn)對(duì)高爐煉鐵入爐焦比預(yù)測(cè)的重視。郝曉靜[4]提出了一種確定影響焦比關(guān)鍵因素的方法。該方法首先利用通徑分析,對(duì)某鋼鐵廠實(shí)際生產(chǎn)數(shù)據(jù)進(jìn)行處理,在給定的高爐系統(tǒng)的諸多變量中,利用最小剩余通徑系數(shù)確定影響目標(biāo)函數(shù)的主要變量因素。然后將諸因素關(guān)系處理為直接通徑和間接通徑,并對(duì)其進(jìn)行了排序,最后，找出了影響指定目標(biāo)函數(shù):焦比的主要直接通徑和間接通徑。胡蒙均[5]以某鋼鐵企業(yè)數(shù)據(jù)為基礎(chǔ),運(yùn)用三種不同的方法對(duì)入爐焦比進(jìn)行了預(yù)測(cè)。

分別為：ARMA 模型預(yù)測(cè)方法，灰色系統(tǒng)分析及預(yù)測(cè)以和 BP 神經(jīng)網(wǎng)絡(luò)。通過(guò)三種方法的比較，BP 神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)的結(jié)果相對(duì)準(zhǔn)確。范志剛[6]首先對(duì) BP 神經(jīng)網(wǎng)絡(luò)算法進(jìn)行改進(jìn)研究，主要是添加了慣性項(xiàng)和動(dòng)態(tài)調(diào)整步長(zhǎng)，然后利用改進(jìn)后的 BP 神經(jīng)網(wǎng)絡(luò)建立高爐煉鐵焦比預(yù)測(cè)模型，實(shí)驗(yàn)結(jié)果證明,經(jīng)過(guò)訓(xùn)練的 BP 神經(jīng)網(wǎng)絡(luò)對(duì)高爐焦比有良好的預(yù)測(cè)效果,其預(yù)測(cè)誤差小于 2%。并根據(jù)生產(chǎn)實(shí)際探討了將神經(jīng)網(wǎng)絡(luò)和專家系統(tǒng)相結(jié)合,實(shí)現(xiàn)在線預(yù)報(bào)的可能性。周洋[7]基于聚類分析和神經(jīng)網(wǎng)絡(luò)結(jié)合的焦比預(yù)測(cè)模型。

首先，通過(guò)聚類分析將高爐數(shù)據(jù)集聚劃分為幾類,分類訓(xùn)練相應(yīng)的神經(jīng)網(wǎng)絡(luò)模型,實(shí)現(xiàn)高爐焦比的預(yù)測(cè)。結(jié)果表明,加入聚類分析的神經(jīng)網(wǎng)絡(luò)模型在平均絕對(duì)誤差和平均相對(duì)誤差都低于普通神經(jīng)網(wǎng)絡(luò)。王艷紅[8]基于輔料資源運(yùn)行原理對(duì)高爐綜合焦比進(jìn)行分析，提出了一種網(wǎng)絡(luò)結(jié)構(gòu)為16-20-1 的改進(jìn) BP 神經(jīng)網(wǎng)絡(luò)高爐預(yù)測(cè)模型。仿真表明，該模型在對(duì)高爐生產(chǎn)數(shù)據(jù)進(jìn)行學(xué)習(xí)后，其預(yù)測(cè)誤差率相對(duì)較低，具有一定的準(zhǔn)確性和有效性。

.......