煤氣動態(tài)預(yù)測方法的應(yīng)用

馬 瑩，李志宏，劉華峰

（山西云時代太鋼信息自動化技術(shù)有限公司，山西 太原030003）

鋼鐵企業(yè)是煤氣產(chǎn)耗大戶，其煤氣的生產(chǎn)、儲存、分配和使用是一個很復(fù)雜的動態(tài)過程，影響煤氣產(chǎn)、需量的因素很多，且時有發(fā)生。例如高爐非計劃的減休風(fēng)狀況，轉(zhuǎn)爐間歇式生產(chǎn)模式，軋鋼車間臨時的檢修、換輥與生產(chǎn)中的臨時待料、待軋等，以及高爐換爐、焦?fàn)t換向等都會造成煤氣產(chǎn)、耗量的波動。

為此一段時間以來，各鋼鐵企業(yè)都在實施煤氣的動態(tài)平衡，以便實現(xiàn)煤氣的合理調(diào)配與轉(zhuǎn)化，提高煤氣使用效率，減少煤氣放散和浪費(fèi)。而實現(xiàn)煤氣的動態(tài)平衡，首先要對煤氣的產(chǎn)耗進(jìn)行預(yù)測。要進(jìn)行煤氣預(yù)測，尤其是煤氣的短期預(yù)測，先要對鋼鐵企業(yè)各生產(chǎn)環(huán)節(jié)中影響煤氣生產(chǎn)、使用量波動的因素有一個全面的考慮，鋼鐵企業(yè)屬于流程型企業(yè)，造成煤氣產(chǎn)耗量波動的因素很多，每個生產(chǎn)環(huán)節(jié)煤氣的生產(chǎn)、使用量波動情況怎樣，其波動究竟與哪些因素相關(guān)，關(guān)聯(lián)程度有多深，這些都很難在技術(shù)書籍和相關(guān)資料上找到答案?，F(xiàn)有的煤氣預(yù)測方法有時間序列分析法和因果關(guān)系回歸分析法兩種。由于造成短期煤產(chǎn)耗量波動的原因非常復(fù)雜，幾乎不可能用因果關(guān)系來表征某一工藝參數(shù)的變化規(guī)律。即使能做出一個相關(guān)工藝參數(shù)的回歸方程，也可能不能用于煤氣的產(chǎn)耗預(yù)測。而時間序列分析方法基于一定規(guī)模的歷史數(shù)據(jù)，采用這種方法實施煤氣合理預(yù)測，必須保證生產(chǎn)工況正常，在生產(chǎn)異常情況下或者工況發(fā)生變化，則生產(chǎn)的規(guī)律性遭到破壞，預(yù)測的偏差就會很大。鑒于此，必須改進(jìn)煤氣預(yù)測方法。

1 基于統(tǒng)計學(xué)習(xí)理論和群智能的煤氣預(yù)測模型應(yīng)用

通過能源載體和能源介質(zhì)預(yù)測技術(shù)的研究，對能源載體和能源介質(zhì)未來一段時間內(nèi)的產(chǎn)生量和消耗量進(jìn)行預(yù)測，為能源調(diào)配優(yōu)化提供依據(jù)。

預(yù)測介質(zhì)包括煤氣、天然氣，預(yù)測的間隔與時長見表1。

表1 預(yù)測介質(zhì)的間隔與時長

1.1 煤氣產(chǎn)生量時間序列預(yù)測模型應(yīng)用

鋼鐵企業(yè)煤氣產(chǎn)生量的預(yù)測對于煤氣優(yōu)化調(diào)度至關(guān)重要。采用自回歸滑動平均（auto regressive moving average，ARMA）時間序列分析方法對高爐煤氣、焦?fàn)t煤氣、轉(zhuǎn)爐煤氣這三種副產(chǎn)煤氣進(jìn)行產(chǎn)生量預(yù)測。具體預(yù)測方法如下：

預(yù)測高爐副產(chǎn)煤氣產(chǎn)生量，首先進(jìn)行二階差分處理高爐煤氣產(chǎn)生量的原始序列，然后使用ARMA模型預(yù)測高爐副產(chǎn)煤氣的產(chǎn)生量。

預(yù)測焦?fàn)t副產(chǎn)煤氣產(chǎn)生量，首先進(jìn)行一階差分處理焦?fàn)t煤氣產(chǎn)生量的原始序列，然后使用滑動平均（movingaverage，MA）模型預(yù)測焦?fàn)t副產(chǎn)煤氣的產(chǎn)生量。

預(yù)測轉(zhuǎn)爐副產(chǎn)煤氣產(chǎn)生量，首先進(jìn)行二階差分求對數(shù)處理轉(zhuǎn)爐煤氣產(chǎn)生量的原始序列，然后使用ARMA-ARCH模型預(yù)測轉(zhuǎn)爐副產(chǎn)煤氣的產(chǎn)生量。

以焦?fàn)t煤氣產(chǎn)生量為例，下頁圖1為焦?fàn)t煤氣產(chǎn)生量預(yù)測結(jié)果。

下頁圖1中，同時給出了焦?fàn)t煤氣產(chǎn)生量的實際測量值與預(yù)測值。焦?fàn)t煤氣產(chǎn)生量預(yù)測結(jié)果表明：焦?fàn)t煤氣小時級產(chǎn)生量預(yù)測最小相對誤差0.48%，最大相對誤差8.36%，平均相對誤差5.14%，預(yù)測結(jié)果在10%以內(nèi)的占100%；焦?fàn)t煤氣小時級預(yù)測結(jié)果平均相對誤差為0.70%，最大相對誤差為1.59%，最小相對誤差為0.06%，所有相對誤差均在2%以內(nèi)。

圖1 焦?fàn)t煤氣產(chǎn)生量預(yù)測結(jié)果

1.2 煤氣消耗的粒子群—核偏最小二乘模型應(yīng)用

在鋼鐵企業(yè)中，產(chǎn)消系統(tǒng)的煤氣用戶大體上可以分為兩大類。其中第一類煤氣用戶因為受生產(chǎn)工藝設(shè)備所限，這類用戶只能消耗高爐煤氣、焦?fàn)t煤氣、轉(zhuǎn)爐煤氣這三種煤氣中的一種。對于這類用戶而言，如果采用一種煤氣預(yù)測模型，勢必會造成預(yù)測效率低下的問題。為此必須對不同用戶煤氣的消耗預(yù)測采用不同的且有針對性的預(yù)測模型，從而提高預(yù)測效率和預(yù)測準(zhǔn)確度。根據(jù)預(yù)測的的需要，將第一類煤氣用戶又細(xì)分為三種：1）相對固定消耗量用戶，如燒結(jié)；2）線性關(guān)系和簡單非線性關(guān)系消耗用戶，如加熱爐；3）嚴(yán)重非線性及關(guān)系非常復(fù)雜的消耗用戶，如高爐熱風(fēng)爐和回轉(zhuǎn)窯等。

對第一種固定消耗量用戶，采用指數(shù)平滑法建立預(yù)測模型；第二種線性和簡單非線性關(guān)系消耗用戶，采用主成分回歸法建立預(yù)測模型；第三種嚴(yán)重非線性復(fù)雜消耗用戶，采用粒子群耦合核偏最小二乘法建立預(yù)測模型。圖2給出了對于第三種用戶，采用粒子群耦合核偏最小二乘法建立預(yù)測模型，得出的煤氣短期使用量預(yù)測結(jié)果。

通過現(xiàn)場實際煤氣使用量數(shù)據(jù)驗證，煤氣的產(chǎn)生量和使用量預(yù)測的平均相對誤差小于6.2%，并且即便是生產(chǎn)工藝過程發(fā)生了變動，也能夠取得滿意的預(yù)測結(jié)果。

圖2 煤氣短期使用量預(yù)測結(jié)果

1.3 煤氣的動態(tài)平衡

根據(jù)煤氣預(yù)測的結(jié)果，合理分配、使用和轉(zhuǎn)化高爐煤氣、焦?fàn)t煤氣、轉(zhuǎn)爐煤氣等各種燃?xì)?，從而提高燃?xì)獾膶嶋H使用效率，盡量減少煤氣的排放。尤其值得一提的是，生產(chǎn)操作人員需要掌握產(chǎn)生煤氣的機(jī)理，深刻認(rèn)識高爐煤氣熱值低且燃燒溫度也低這個特性，正因為這個特性，鋼鐵企業(yè)的高爐煤氣一般放散比較多，所以必須注意協(xié)調(diào)考慮好高爐煤氣的動態(tài)平衡。

2 應(yīng)用效果

通過以上方法，在某鋼鐵廠實現(xiàn)了對煉鐵高爐煤氣、煉焦焦?fàn)t煤氣、煉鋼轉(zhuǎn)爐煤氣及天然氣等燃?xì)饽茉唇橘|(zhì)的實時動態(tài)平衡，達(dá)到了合理分配、使用和轉(zhuǎn)化燃?xì)饽茉唇橘|(zhì)的目的，從而提高了鋼鐵企業(yè)能源利用率，焦?fàn)t煤氣和轉(zhuǎn)爐煤氣實現(xiàn)了零排放，高爐煤氣放散率則由7.5%降至0.22%，大大提高了燃?xì)獾氖褂眯剩瑴p少了煤氣放散。

3 結(jié)語

鋼鐵企業(yè)煤氣產(chǎn)耗量的預(yù)測，在優(yōu)化能源介質(zhì)的動態(tài)平衡、實現(xiàn)能源最優(yōu)化輸配和使用、減少放散、提高環(huán)境質(zhì)量、降低能耗、提高能源率和能源環(huán)境管理水平等方面起到了十分顯著的促進(jìn)作用，具有很強(qiáng)的示范和推廣應(yīng)用價值。