仝翠芝,張 惠,劉洪斌

(國(guó)網(wǎng)冀北電力有限公司智能配電網(wǎng)中心,河北 秦皇島 066100)

1 引 言

對(duì)于國(guó)內(nèi)的鋼鐵企業(yè),降低步進(jìn)式加熱爐的能耗是主要工作,在鋼坯熱軋之前,步進(jìn)式加熱爐可以緩沖連鑄-熱軋環(huán)節(jié)[1],經(jīng)調(diào)查發(fā)現(xiàn),熱軋機(jī)、步進(jìn)式加熱爐和連鑄機(jī)之間的生產(chǎn)周期和生產(chǎn)能力均不相同,且在軋制過程中入爐溫度、鋼坯質(zhì)量和鋼坯規(guī)格等參數(shù)存在差異,如果不能預(yù)測(cè)步進(jìn)式加熱爐的能耗,無法制定合理的調(diào)度方案,進(jìn)而降低生產(chǎn)效率[2],因此研究步進(jìn)式加熱爐能耗預(yù)測(cè)方法具有重要意義。

饒立群[3]等人用單個(gè)加熱特征的集合體描述加熱工件,并分析工件特征加熱功率,根據(jù)分析結(jié)果建立能耗數(shù)學(xué)模型,通過GM(1,1)模型完成能耗預(yù)測(cè),該方法采集的數(shù)據(jù)中存在較多噪聲,存在去噪效果差的問題。諶東海[4]等人提出基于MI+PSO-LSTM的能耗預(yù)測(cè)模型,利用MI選取特征參數(shù),結(jié)合長(zhǎng)短時(shí)神經(jīng)記憶網(wǎng)絡(luò)中存在的超參數(shù),通過粒子群優(yōu)化算法完成訓(xùn)練優(yōu)化,利用優(yōu)化后的LSTM模型實(shí)現(xiàn)能耗預(yù)測(cè),該方法預(yù)測(cè)的能耗與實(shí)際能耗變化之間存在一定差距,存在預(yù)測(cè)精度低的問題。

為了解決上述方法中存在的問題,提出基于改進(jìn)差分進(jìn)化算法的步進(jìn)式加熱爐能耗預(yù)測(cè)方法。

2 步進(jìn)式加熱爐歷史能耗數(shù)據(jù)去噪

為了提高步進(jìn)式加熱爐能耗預(yù)測(cè)的精度[5],采用小波包原理對(duì)步進(jìn)式加熱爐的歷史能耗數(shù)據(jù)展開去噪處理,具體過程如下:

根據(jù)抽樣定理在步進(jìn)式加熱爐歷史能耗數(shù)據(jù)中進(jìn)行采樣,獲得信號(hào)X,利用小波基分解信號(hào)X,獲得Xn1,Xn2,…,Xn,2n:

(1)

(2)

3 步進(jìn)式加熱爐能耗預(yù)測(cè)

3.1 能耗預(yù)測(cè)模型

完成加熱爐歷史能耗數(shù)據(jù)的去噪后,構(gòu)建能耗預(yù)測(cè)模型。

采用時(shí)間卷積網(wǎng)絡(luò)[8-9]建立步進(jìn)式加熱爐能耗預(yù)測(cè)模型的具體過程為:通過自相關(guān)系數(shù)確定時(shí)間卷積網(wǎng)絡(luò)的滑窗尺度,將去噪后的步進(jìn)式加熱爐歷史能耗數(shù)據(jù)輸入時(shí)間卷積網(wǎng)絡(luò)中,構(gòu)建預(yù)測(cè)模型。

將空洞卷積引入時(shí)間卷積網(wǎng)絡(luò)中,提高網(wǎng)絡(luò)捕獲步進(jìn)式加熱爐歷史數(shù)據(jù)的長(zhǎng)度,t時(shí)刻加熱爐的能耗為

(3)

式中:g()為能耗預(yù)測(cè)函數(shù);k為卷積核數(shù)量;d為空洞因子。

(4)

針對(duì)步進(jìn)式加熱爐能耗存在的穩(wěn)定性較差、非線性較高的特點(diǎn),在遷移學(xué)習(xí)過程中可以準(zhǔn)確將能耗預(yù)測(cè)的加熱區(qū)(源域)學(xué)習(xí)到的知識(shí)遷移到其他加熱區(qū)(目標(biāo)域)中。

采用生成對(duì)抗網(wǎng)絡(luò)[11]對(duì)模型展開訓(xùn)練:

(1)建立生成模型H,用于采集步進(jìn)式加熱爐的能耗數(shù)據(jù),該模型的主要作用是生成偽數(shù)據(jù)H(z);

(2)建立判別模型F,用于區(qū)分能耗樣本屬于生成模型H或是真實(shí)數(shù)據(jù),判別模型F的主要目的是分類步進(jìn)式加熱爐的歷史能耗數(shù)據(jù)。

利用值函數(shù)B(H,F)對(duì)生成模型H和判別模型F展開下述極小極大對(duì)策:

(5)

式中:Rz為能耗數(shù)據(jù)屬于生成模型H生成的偽數(shù)據(jù);Ra為能耗數(shù)據(jù)屬于真實(shí)數(shù)據(jù)。

(6)

式中:B()為平均絕對(duì)誤差函數(shù)。

通過上述計(jì)算,完成步進(jìn)式加熱爐能耗預(yù)測(cè)模型的構(gòu)建。

3.2 基于改進(jìn)差分進(jìn)化算法的模型求解

完成步進(jìn)式加熱爐能耗預(yù)測(cè)模型的構(gòu)建,采用改進(jìn)差分進(jìn)化算法對(duì)預(yù)測(cè)模型進(jìn)行求解。

為了提高差分進(jìn)化算法尋求全局最優(yōu)解的能力,采用禁忌搜索算法[12-13]改進(jìn)差分進(jìn)化算法。為了提高算法的尋優(yōu)效率,縮短計(jì)算時(shí)間,對(duì)于種群中表現(xiàn)較為良好的個(gè)體進(jìn)行禁忌搜索計(jì)算,以提高預(yù)測(cè)模型的求解精度,對(duì)步進(jìn)式加熱爐的能耗進(jìn)行精準(zhǔn)的預(yù)測(cè)。具體的計(jì)算步驟如下:

(7)

式中:CRp為個(gè)體o在種群中的交叉概率。

(4)選擇操作。比較新個(gè)體Op,E與原始個(gè)體Vp,E的適應(yīng)度值F(Op,E)、F(Vp,E),通過下式完成個(gè)體的選擇操作:

(8)

(5)禁忌搜索。根據(jù)適應(yīng)度值的大小,對(duì)新個(gè)體從小到大排序,選擇前10%的個(gè)體展開下述禁忌搜索:

①設(shè)置初始禁忌表為空,設(shè)定步進(jìn)式加熱爐能耗預(yù)測(cè)模型的初始解、候選解數(shù)量、差分進(jìn)化算法的迭代次數(shù)以及禁忌表長(zhǎng)度,加熱爐能耗預(yù)測(cè)模型的歷史最優(yōu)解選取初始解;

②局部搜索當(dāng)前的能耗預(yù)測(cè)模型解,獲得候選解,并對(duì)其適應(yīng)度值展開計(jì)算;

③判斷上述獲取的候選解是否具有較高的適應(yīng)度值;

④判斷能耗預(yù)測(cè)模型歷史最優(yōu)解與候選最優(yōu)解的適應(yīng)度值,如果候選最優(yōu)解的適應(yīng)度值大于歷史最優(yōu)解,進(jìn)行下一步;如果候選最優(yōu)解的適應(yīng)度值小于歷史最優(yōu)解進(jìn)入(6);

⑤不考慮最優(yōu)候選解的禁忌狀態(tài),將其存入禁忌表中,并對(duì)禁忌表當(dāng)前的狀態(tài)展開更新,轉(zhuǎn)到(7);

⑥在步進(jìn)式加熱爐能耗預(yù)測(cè)模型的候選解中挑選非禁忌的最優(yōu)適應(yīng)度值對(duì)應(yīng)的解,并將其存儲(chǔ)到禁忌表中,對(duì)表的狀態(tài)展開更新;

⑦判斷目前的迭代次數(shù)是否達(dá)到最大值,如果達(dá)到進(jìn)入下一步,否則返回②中;

⑧輸出步進(jìn)式加熱爐能耗預(yù)測(cè)模型的最優(yōu)解。

4 實(shí)驗(yàn)與分析

為了驗(yàn)證基于改進(jìn)差分進(jìn)化算法的步進(jìn)式加熱爐能耗預(yù)測(cè)方法的整體有效性,需要對(duì)其展開測(cè)試,本次測(cè)試預(yù)測(cè)的步進(jìn)式加熱爐對(duì)象如圖1所示。

圖1 步進(jìn)式加熱爐

步進(jìn)式加熱爐相關(guān)參數(shù)如表1所示。

表1 步進(jìn)式加熱爐參數(shù)

明確步進(jìn)式加熱爐的參數(shù)后,為了對(duì)所提出預(yù)測(cè)方法的性能進(jìn)行有效預(yù)測(cè),設(shè)計(jì)如下實(shí)驗(yàn)方案:以加熱爐歷史能耗數(shù)據(jù)去噪效果、能耗預(yù)測(cè)精度、預(yù)測(cè)耗時(shí)為指標(biāo),將所提出方法文獻(xiàn)[3]、文獻(xiàn)[4]方法進(jìn)行對(duì)比驗(yàn)證。

4.1 歷史能耗數(shù)據(jù)去噪效果

根據(jù)上述選擇的步進(jìn)式加熱爐為依據(jù),采集其歷史能耗數(shù)據(jù)中煤氣流量數(shù)據(jù)與爐膛溫度數(shù)據(jù),分別采用三種方法對(duì)采集的能耗數(shù)據(jù)進(jìn)行去噪。由于步進(jìn)式加熱爐需要保持穩(wěn)定的加熱過程,因此在一定時(shí)間內(nèi)其煤氣流量數(shù)據(jù)、爐膛溫度數(shù)據(jù)同樣需要保持穩(wěn)定,不宜出現(xiàn)較大幅度的波動(dòng)。三種方法的去噪效果如圖2所示。

圖2 不同方法的數(shù)據(jù)處理結(jié)果

由圖2可知,采用所提方法處理后,步進(jìn)式加熱爐的煤氣流量曲線和爐膛溫度曲線都變得平滑,表明所提方法可有效消除數(shù)據(jù)中存在的噪聲,文獻(xiàn)[3]方法和文獻(xiàn)[4]方法對(duì)數(shù)據(jù)處理后,數(shù)據(jù)曲線的波動(dòng)仍然較大,表明以上兩種方法無法消除數(shù)據(jù)中的噪聲。這是因?yàn)樗岢龇椒ú捎眯〔ò韺?duì)步進(jìn)式加熱爐的歷史能耗數(shù)據(jù)展開了濾波處理,避免了噪聲對(duì)能耗預(yù)測(cè)產(chǎn)生的影響,提高了數(shù)據(jù)精度。

4.2 能耗預(yù)測(cè)精度

采用所提方法、文獻(xiàn)[3]方法和文獻(xiàn)[4]方法對(duì)步進(jìn)式加熱爐的能耗展開預(yù)測(cè),并將預(yù)測(cè)結(jié)果與實(shí)際能耗對(duì)比,結(jié)果如圖3所示。

圖3 能耗預(yù)測(cè)精度結(jié)果

根據(jù)圖3可知,隨著運(yùn)行時(shí)間的增長(zhǎng),步進(jìn)式加熱爐的能耗不斷增加,所提方法預(yù)測(cè)的能耗曲線與實(shí)際能耗變化情況相符,文獻(xiàn)[3]方法和文獻(xiàn)[4]方法預(yù)測(cè)的能耗曲線與步進(jìn)式加熱爐的能耗變化之間存在一定的差異。通過上述測(cè)試可知,所提方法可精準(zhǔn)地完成步進(jìn)式加熱爐能耗的預(yù)測(cè),因?yàn)樗岱椒ń⒘四芎念A(yù)測(cè)模型,將預(yù)處理后的數(shù)據(jù)輸入模型中,結(jié)合禁忌搜索算法和差分進(jìn)化算法求解模型,提高了步進(jìn)式加熱爐能耗預(yù)測(cè)結(jié)果的精度。

4.3 能耗預(yù)測(cè)整體耗時(shí)

由于算法的計(jì)算效率對(duì)能耗預(yù)測(cè)的整體耗時(shí)影響較大,因此以能耗預(yù)測(cè)耗時(shí)為指標(biāo),將所提出方法與兩種文獻(xiàn)方法進(jìn)行對(duì)比。三種方法的能耗預(yù)測(cè)耗時(shí)結(jié)果如表2所示。

表2 能耗預(yù)測(cè)耗時(shí) min

觀察表2所示的能耗預(yù)測(cè)耗時(shí)結(jié)果可以看出,隨著實(shí)驗(yàn)次數(shù)的增加,三種方法的耗時(shí)結(jié)果出現(xiàn)了明顯的差距,其中所提出方法的最高預(yù)測(cè)耗時(shí)不超過2 min,而文獻(xiàn)[3]與文獻(xiàn)[4]方法能耗預(yù)測(cè)耗時(shí)達(dá)到7 min以上。因此,說明所提出方法能夠在較短的時(shí)間內(nèi)完成能耗預(yù)測(cè)。

5 結(jié) 語(yǔ)

在鋼鐵工業(yè)發(fā)展過程中,節(jié)能降耗屬于重點(diǎn)研究?jī)?nèi)容,目前步進(jìn)式加熱爐能耗預(yù)測(cè)方法存在數(shù)據(jù)處理效果差和預(yù)測(cè)精度低的問題,因此提出基于改進(jìn)差分進(jìn)化算法的步進(jìn)式加熱爐能耗預(yù)測(cè)方法,該方法首先對(duì)加熱爐的歷史能耗數(shù)據(jù)展開了去噪處理,其次建立能耗預(yù)測(cè)模型,最后通過改進(jìn)差分進(jìn)化算法求解模型,實(shí)現(xiàn)能耗預(yù)測(cè),該方法可有效消除加熱爐歷史能耗數(shù)據(jù)中存在的噪聲,且具有較高的預(yù)測(cè)精度與較短的預(yù)測(cè)耗時(shí)。