基于多输出T-S模糊模型的转炉煤气柜位预测

摘要

转炉煤气系统工业过程复杂，管网线路广泛、涉及的生产消耗及调节的用户众多、缓冲设备时滞且容量有限，因此整个系统具有多变量、强耦合、动态非线性的特征。转炉煤气柜位的预测是钢铁企业提高转炉煤气利用效率，实现副产煤气系统动态平衡，降低企业生产成本、实现节能降耗的前提条件和基础之一。在转炉煤气系统中，煤气柜位的变化情况是能源调度人员实施平衡调度的基础。如果其变化情况能够被有效的预测，将为转炉煤气的高效利用进而实现转炉煤气系统的动态平衡提供科学的指导、决策依据。
　　针对某钢铁企业转炉煤气系统双柜并网运行的特点，考虑子系统间影响因素的非线性和不确定关系，本文提出了一种基于卡尔曼滤波估计后件参数的多输出T-S模糊建模方法，用于预测转炉煤气双柜位。考虑了转炉煤气系统的先入柜后进网、双柜并网运行以及多维输出等实际需求，该方法首先基于数据建立了具有多输出的转炉煤气柜位模糊预测模型;在模糊规则的提取过程中，采用模糊C均值聚类算法根据样本数据对前件参数进行了辨识，将两柜前一时刻流量值以及两柜当前时刻流量差数据进行聚类，根据聚类中心和划分矩阵的结果得到隶属度参数，然后将后件参数辨识问题转化为超定线性方程组的求解问题;其中，为了避免最小二乘辨识参数中求取系数伪逆矩阵可能会产生异常解的情况，通过使用构建线性方程组的方法，采用基于卡尔曼滤波算法估计该线性方程组的最优解，从而实现了后件参数的优化。
　　为了验证所提出方法的有效性，本文分别采用含高斯白噪声的Mackey-Glass典型数据、国内某钢铁公司能源中心的转炉煤气系统一期现场数据和二期现场数据设计了三组预测仿真实验。比较了使用最小二乘支持向量机方法、基于最小二乘后件参数优化的T-S建模方法以及本文提出的基于卡尔曼滤波后件参数优化的T-S建模方法对上述三种算例进行预测的性能，并根据实验结果进行了相关分析。实验结果表明本文所提出的转炉煤气柜位预测的T-S模糊模型相比其他柜位预测模型具有精度高、耗时短的优势;同时，由于考虑了转炉煤气系统中的双柜并网运行和多维输出的特点，本文所提出的预测模型更符合钢铁企业现场需求。

目录

声明

摘要

1 绪论

1．1 研究背景

1．2 国内外研究现状

1．2．1 转炉煤气柜位预测研究现状

1．2．2 模糊模型研究现状

1．3 本文主要内容与结构

2 转炉煤气柜位预测的T-S模型建立

2．1 转炉煤气系统工艺分析

2．2 多输入多输出的T-S模糊模型建模

2．2．1 T-S模糊模型简介

2．2．2 MIMO非线性过程的模糊建模

2．2．3 转炉煤气系统建模

2．3 本章小结

3 多输出T-S模糊模型辨识

3．1 输入空间的模糊划分

3．2 模型前件参数辨识

3．2．1 模糊C均值聚类算法

3．2．2 预测模型的前件参数辨识

3．3 模型后件参数辨识

3．3．1 最小二乘法辨识后件参数

3．3．2 卡尔曼滤波方法辨识后件参数

3．4 本章小结

4 实验数据仿真验证及分析

4．1 含噪声的Mackey-Glass时间序列预测

4．2 一期煤气柜位预测

4．3 二期煤气柜位预测

4．4 本章小结

结论

参考文献

攻读硕士学位期间发表学术论文情况

致谢