广义回归神经网络在高炉炼铁能耗预测中的应用.pdfVIP

V01．32 No．4 冶 金 能 源 July．2013 ENERGYFOR METALLURGICALINDUsTRY 15 广义回归神经网络在高炉炼铁能耗预测中的应用 陈 光 刘文涛 (安徽工业大学 冶金与资源学院) 摘 要 针对某炼铁厂建立了高炉炼铁的铁素平衡模型，对高炉铁水和炉渣产量等物流参数 进行了计算，从而得到了比较可靠的物流生产数据。为了预测铁水温度、BFG产量、BFG热 值和 日发电量，利用广义回归网络建立了高炉炼铁工序的神经网络模型，并采用平衡模型的 计算结果和其它生产数据对网络模型进行了训练和验证。提出了高炉炼铁工序能耗预测的计 算方法，为组织生产能耗预测提供了可靠的方法。 关键词 高炉炼铁 工序能耗 广义回归神经网络 预测模型 Applicationofgeneralizedregressionneuralnetwork inBF iron—makingenergy intensityprediction ChenGuang LiuWentao (AnhuiUniversityofTechnology) Abstract A ferritebalancemodelofiron—makingprocesswasestablished．Theferriteandslagflow werecalculatedbythemode1．andvalidatedproductionmaterialdatawasgot．Inordertopredictotol— tenirontemperature，BFGproduction，BFGthermalvaluenadpowervalue，theneuralnetworkmodels ofiron—makingprocesswassetupbyGRNN，anditwastrainedandwastestedbyproductiondata anddataofbalnacemodelcalculationresult．Anewcalculationme~odofiron—makingprocessenergy consumptionWaSdeduced．Itgivesagoodme~odforpredictingenergyconsumptionofarrangingpro- duction． Keywords BFiron——making processeneryg intensity generalregressionneuralnewtork predic·· tionmode 在高炉一转炉长流程钢铁企业中，炼铁系统 年来发展很快，由于它具有 自学习联想功能和使 是钢铁企业的主要耗能环节，占企业总能耗的 用简单、方便等特点 】，在工序能耗预测方面 70％～75％，其中高炉炼铁工序 占50％左右…。 被广泛应用。 因此开展高炉炼铁能耗预测的研究对降低高炉炼 在众多的神经网络中，BP (Back—Propaga— 铁工序能耗乃至钢铁企业能耗都有重要意义。 tionNeuralNetworks)网络是应用较为广泛的网 高炉系统十分复杂，近年来国内外学者采用 络 ]，广义回归网络在工序能耗预测方面的应 数学模型化的方法对高炉工艺过程进行 了研 用尚不多见。BP网络算法结构简单，易于实现， 究-2。J，但是高炉内部各种物理变化和化学反应 但是当输人变量与输出变量较多时，其泛化能力 仍不完全明确，因此建立能够完全反映高炉内部 和稳定性会降低，并且 BP网络容易陷于局部最 机理的数学模