钢铁企业煤气预测与调度建模

摘要

作为高能耗的钢铁企业,如何有效利用能源,提高能源利用效率、减少不必要的能源浪费是一个亟待解决的问题。钢铁企业在生产过程中会产生大量的副产煤气(高炉煤气、焦炉煤气和转炉煤气),这些煤气既是重要的二次能源也是污染大气的主要污染源,如不合理优化利用将会造成不必要的能源浪费和环境污染,并造成钢铁企业生产成本的增加。
　　 本文首先对国内外钢铁企业副产煤气利用情况进行比较分析,提出我国钢铁企业存在的不足以及本文的研究意义。其次对本文要用到的时间序列分析预测相关知识进行概括性的介绍,在对传统的时间序列预测模型进行分析的同时,提出了最小方差的自适应预测算法,并进一步提出改进的多步自适应预测算法。运用时间序列及预测理论的相关知识对钢铁企业副产煤气进行煤气流量预测,比较各种算法的优缺点,建立了煤气流量预测模型。将煤气流量预测结果与实际煤气计量数据进行比较,运用最小二乘回归和偏最小二乘回归理论建立煤气优化调度模型,初步归纳出钢铁企业煤气调度的相关原则。通过以上的煤气流量预测与调度模型的建立,可以实现钢铁企业副产煤气的合理利用,以达到既保证用户煤气使用量,又降低钢铁企业生产成本,增加利润的目的。

目录

文摘

英文文摘

第一章 绪论

1.1 本文的选题背景

1.2 本文的研究意义

1.3 本文的内容及组织结构

第二章 煤气预测理论基础

2.1 预测理论概述

2.1.1 预测理论的基本原理

2.1.2 实际预测的常用方法

2.2 时间序列预处理

2.2.1 滑动平均法

2.2.2 加权移动平均法

2.2.3 滑动平均权系数的确定

2.3 时间序列分析

2.3.1 时间序列模型

2.3.2 时间序列数据的相关性分析

2.3.3 Box-Jenkins预测法

2.4 回归分析法建模

2.4.1 线性回归模型

2.4.2 模型参数的估计

第三章 煤气流量线性最小方差自适应预测算法

3.1 数据及预测效果评价介绍

3.2 Box-Jenkins预测法的不足

3.3 基于时间序列模型的线性最小方差自适应预测算法

3.3.1 时间序列数据的预处理

3.3.2 模型参数的递推估计

3.3.3 基于线性最小方差原理的Astrom预测算法

第四章 煤气预测模型

4.1 煤气预测模型的选择

4.1.1 AR(p)预测模型

4.1.2 MA(q)预测模型

4.1.3 ARMA(p,q)预测模型

4.2 基于AR(p)模型的一步预测模型

4.3 煤气流量预测的改进算法

4.3.1 改进的基于线性最小方差多步自适应预测算法

4.3.2 改进算法的瞬时煤气流量预测

第五章 煤气优化调度

5.1 某钢铁企业煤气系统网络结构模型

5.1.1 副产煤气管网的分类

5.1.2 调度单元模型的分类

5.2 煤气优化调度模型

5.2.1 回归建模

5.2.2 调度单元模型的构建

5.2.3 建模数据的预处理

5.3 煤气优化调度模型的评价策略

5.4 煤气的调度原则

第六章 总结与展望

参考文献

致谢