基于馬爾科夫鏈的工業(yè)企業(yè)能耗智能預(yù)測(cè)模型構(gòu)建

李承國(guó)， 劉愛勇， 寧尚武， 趙樽波， 王 超

（山東厚豐汽車散熱器有限公司， 山東 泰安 271000）

0 引言

現(xiàn)如今，部分工業(yè)企業(yè)在社會(huì)需求的影響下，逐漸擴(kuò)展自身的規(guī)模，相應(yīng)的能耗量也進(jìn)一步提升[1]。為加強(qiáng)對(duì)企業(yè)能耗的控制，一般會(huì)設(shè)定具有針對(duì)性的能耗預(yù)測(cè)模型[2]，設(shè)定傳統(tǒng)地增強(qiáng)神經(jīng)網(wǎng)絡(luò)算法能耗預(yù)測(cè)模型，傳統(tǒng)STIRPAT 能耗預(yù)測(cè)模型，這一類模型雖然可以完成日常的檢測(cè)任務(wù)，但是整體的預(yù)測(cè)強(qiáng)度不高，且綜合性不強(qiáng)，較容易受到外部因素的影響，進(jìn)而導(dǎo)致最終的預(yù)測(cè)結(jié)果不精準(zhǔn)，為后續(xù)的預(yù)測(cè)工作造成影響，因此，對(duì)基于馬爾科夫鏈的工業(yè)企業(yè)能耗智能預(yù)測(cè)模型進(jìn)行構(gòu)建與分析。馬爾科夫鏈主要指的是具有離散特征的指數(shù)集與狀態(tài)空間之間的隨機(jī)處置過程，該理論多被應(yīng)用在化工企業(yè)能耗的預(yù)測(cè)模型設(shè)計(jì)之中，與傳統(tǒng)的預(yù)測(cè)形式相對(duì)比，馬爾科夫鏈可以幫助模型塑造一個(gè)更為穩(wěn)定、循環(huán)的預(yù)測(cè)結(jié)構(gòu)，針對(duì)實(shí)際的能耗情況以及對(duì)應(yīng)的能耗處置措施，標(biāo)記出對(duì)應(yīng)的能耗點(diǎn)位，再加上互聯(lián)網(wǎng)、大數(shù)據(jù)技術(shù)的輔助與支持，進(jìn)一步強(qiáng)化整體的預(yù)測(cè)效果，營(yíng)造更加清晰完整地預(yù)測(cè)關(guān)聯(lián)性預(yù)測(cè)模型的應(yīng)用奠定基礎(chǔ)[2]。

1 設(shè)計(jì)工業(yè)企業(yè)能耗馬爾科夫鏈智能預(yù)測(cè)模型

1.1 能耗特征變量智能提取

工業(yè)企業(yè)由于其自身的發(fā)展需求，日常的能耗量相對(duì)較大，所以，為避免出現(xiàn)能耗過量的問題，需要采用預(yù)測(cè)的形式，設(shè)定一個(gè)穩(wěn)定的能耗控制程序，為日常的能耗管控工作奠定基礎(chǔ)[3]。在進(jìn)行模型的設(shè)計(jì)之前，需要先明確企業(yè)的能耗總量，并進(jìn)行能耗特征變量的智能提取[4]。首先，利用專業(yè)的設(shè)備及裝置，設(shè)置固定的預(yù)測(cè)周期，分析能耗的變化規(guī)律，與此同時(shí)，從底層特征中提取出抽象的能耗高層特征，構(gòu)建一個(gè)穩(wěn)定的預(yù)測(cè)流程，計(jì)算出單向能耗的變動(dòng)偏差，如下公式（1）所示：

式中：H為單向能耗的變動(dòng)偏差；m為定向能耗量；α為深度能耗轉(zhuǎn)換比；R為單向功耗；θ 為能耗覆蓋范圍。綜合上述測(cè)定，最終可以測(cè)算得出單向能耗的變動(dòng)偏差，將其設(shè)定為能耗特征變量的標(biāo)準(zhǔn)差值，在此基礎(chǔ)之上，由于化工企業(yè)日常能耗存在差異，所以，根據(jù)其變動(dòng)規(guī)律，總結(jié)其存在的變量特征[5]。

此時(shí)，可以利用企業(yè)的智能控制程序以及結(jié)構(gòu)，將變量的總特征進(jìn)行轉(zhuǎn)換設(shè)定，逐步形成定向的預(yù)測(cè)規(guī)律，與控制系統(tǒng)形成具有關(guān)聯(lián)性的模型基礎(chǔ)，為后續(xù)的預(yù)測(cè)工作奠定基礎(chǔ)[6]。但是這部分需要注意的是，能耗特征變量的智能提取，可以根據(jù)不同的預(yù)測(cè)層級(jí)設(shè)定對(duì)應(yīng)的預(yù)測(cè)目標(biāo)，獲取出實(shí)際的特征變量，形成循環(huán)式的預(yù)測(cè)結(jié)果，具有較強(qiáng)的穩(wěn)定性，可以進(jìn)一步確保得出預(yù)測(cè)結(jié)果的真實(shí)可靠[7]。

1.2 部署關(guān)聯(lián)預(yù)測(cè)節(jié)點(diǎn)

根據(jù)上述提取的能耗特征變量，綜合實(shí)際的預(yù)測(cè)需求及標(biāo)準(zhǔn)，明確具體的預(yù)測(cè)范圍，進(jìn)行基礎(chǔ)關(guān)聯(lián)預(yù)測(cè)節(jié)點(diǎn)的部署。首先，將化工企業(yè)預(yù)測(cè)的區(qū)域劃定為3 個(gè)區(qū)段，每一個(gè)區(qū)段的能耗量均是不同的，存在較大差異。依據(jù)企業(yè)具體的總能耗情況，設(shè)定預(yù)測(cè)節(jié)點(diǎn)的布設(shè)結(jié)構(gòu)，如圖1 所示。

圖1 基礎(chǔ)關(guān)聯(lián)預(yù)測(cè)節(jié)點(diǎn)布設(shè)結(jié)構(gòu)圖示

根據(jù)圖1，完成對(duì)基礎(chǔ)關(guān)聯(lián)預(yù)測(cè)節(jié)點(diǎn)布設(shè)結(jié)構(gòu)的設(shè)計(jì)。隨后，以此為基礎(chǔ)，在每一個(gè)化工企業(yè)波段中設(shè)定對(duì)應(yīng)數(shù)量的預(yù)測(cè)節(jié)點(diǎn)，并在合理的標(biāo)準(zhǔn)下，形成相應(yīng)的關(guān)聯(lián)程序，以此來達(dá)到全覆蓋式預(yù)測(cè)處理。過程中需要對(duì)重點(diǎn)能耗區(qū)域設(shè)定雙重的預(yù)測(cè)節(jié)點(diǎn)，并將點(diǎn)位的間距拉大，確保預(yù)測(cè)結(jié)果的可靠性及真實(shí)性。

接下來，根據(jù)預(yù)測(cè)節(jié)點(diǎn)的布設(shè)位置，再加上該企業(yè)的總能耗情況，根據(jù)馬爾科夫鏈的處置結(jié)構(gòu)，設(shè)定具體的能耗預(yù)測(cè)周期，一般7 d 為1 個(gè)周期，共需要設(shè)定基礎(chǔ)的6 個(gè)周期，過程中需要全程對(duì)能耗的應(yīng)用量進(jìn)行設(shè)定，形成穩(wěn)定的預(yù)測(cè)程序，并逐步構(gòu)建出循環(huán)預(yù)測(cè)體系。

1.3 構(gòu)建馬爾科夫鏈多層級(jí)預(yù)測(cè)結(jié)構(gòu)

利用以上布設(shè)的預(yù)測(cè)節(jié)點(diǎn)，在單個(gè)周期內(nèi)采集相應(yīng)的數(shù)據(jù)及信息，預(yù)設(shè)一個(gè)核心控制節(jié)點(diǎn)，與控制程序相融合，加強(qiáng)全覆蓋式的預(yù)測(cè)處理。隨后，在此基礎(chǔ)之上，采用馬爾科夫鏈構(gòu)建一個(gè)多層級(jí)的模型預(yù)測(cè)結(jié)構(gòu)。

可以將日常的企業(yè)能耗量編制成一個(gè)個(gè)定向的序列數(shù)據(jù)包，當(dāng)節(jié)點(diǎn)完成采集之后，根據(jù)自身設(shè)定的比例進(jìn)行轉(zhuǎn)換，由系統(tǒng)的信道傳輸至于預(yù)測(cè)平臺(tái)內(nèi)部。此時(shí)，將預(yù)測(cè)結(jié)構(gòu)劃分為多個(gè)處理層級(jí)，分別是輸入層、輸出層、隱藏層和循環(huán)層等，具體如圖2 所示：

圖2 馬爾科夫鏈能耗預(yù)測(cè)層級(jí)設(shè)定圖示

如圖2 所示，完成對(duì)能耗預(yù)測(cè)層級(jí)的設(shè)定及分析。接下來，根據(jù)企業(yè)能耗的變動(dòng)以及特征，對(duì)化工企業(yè)能耗電量與生產(chǎn)單位產(chǎn)量相互關(guān)聯(lián)，測(cè)定其變化的具體情況，根據(jù)不同預(yù)測(cè)層級(jí)獲取的數(shù)據(jù)，對(duì)該日能耗總量進(jìn)行預(yù)估。此時(shí)，可以根據(jù)上述得出的數(shù)據(jù)與信息，計(jì)算出模型結(jié)構(gòu)在單向周期能耗預(yù)測(cè)的標(biāo)準(zhǔn)次數(shù)，如公式（2）所示：式中：U為單向周期能耗預(yù)測(cè)的標(biāo)準(zhǔn)次數(shù)；a為轉(zhuǎn)變偏差；ν 為預(yù)測(cè)總范圍；d為預(yù)測(cè)頻率；i為預(yù)設(shè)預(yù)測(cè)次數(shù)。根據(jù)上述測(cè)算，最終可以實(shí)現(xiàn)對(duì)單向周期能耗預(yù)測(cè)的標(biāo)準(zhǔn)次數(shù)的測(cè)定。隨后，在此基礎(chǔ)之上，對(duì)設(shè)定的預(yù)測(cè)層級(jí)作出調(diào)整和標(biāo)定，確保該模型的預(yù)測(cè)能力，具有更強(qiáng)的靈活性、多變性。

1.4 能耗預(yù)測(cè)矩陣增設(shè)

能耗預(yù)測(cè)矩陣的設(shè)定，一定程度上可以增加實(shí)際的預(yù)測(cè)精度，并擴(kuò)大對(duì)應(yīng)的預(yù)測(cè)范圍，在標(biāo)定的區(qū)域之內(nèi)，完成預(yù)設(shè)的能耗預(yù)測(cè)任務(wù)。隨后，將能耗預(yù)測(cè)的目標(biāo)調(diào)整，將化工企業(yè)的能耗的需求與能耗變化特征變量之間建立定向的預(yù)測(cè)關(guān)系，但是存在的共線性常常會(huì)導(dǎo)致預(yù)測(cè)結(jié)果出現(xiàn)誤差，因此根據(jù)得到的特征變量，設(shè)定關(guān)系預(yù)測(cè)矩陣，如公式（3）所示：式中：J為能耗預(yù)測(cè)變量關(guān)系；k為變量初始值；n為能耗的無限預(yù)測(cè)范圍。根據(jù)上述測(cè)定，最終完成能耗預(yù)測(cè)矩陣的構(gòu)建。隨后，在此基礎(chǔ)之上，在各個(gè)預(yù)測(cè)層級(jí)設(shè)定對(duì)應(yīng)的目標(biāo)，利用智能化的控制程序，形成一個(gè)更為穩(wěn)定的預(yù)測(cè)體系，實(shí)現(xiàn)基礎(chǔ)性的能耗預(yù)測(cè)。

1.5 馬爾科夫鏈執(zhí)行目標(biāo)修正實(shí)現(xiàn)智能預(yù)測(cè)

利用上述能耗預(yù)測(cè)模型設(shè)定的矩陣，進(jìn)行預(yù)測(cè)目標(biāo)以及任務(wù)的明確排布，隨后，在此基礎(chǔ)之上，對(duì)化工企業(yè)日常的能耗管理情況加強(qiáng)控制，同時(shí)，設(shè)定一個(gè)循環(huán)的執(zhí)行目標(biāo)鏈，進(jìn)行變動(dòng)預(yù)測(cè)指標(biāo)的設(shè)定，如下表1 所示。

表1 變動(dòng)預(yù)測(cè)指標(biāo)基礎(chǔ)參數(shù)設(shè)定表

從表1 可以看出，完成對(duì)變動(dòng)預(yù)測(cè)指標(biāo)基礎(chǔ)參數(shù)的設(shè)定，隨后，可以將該預(yù)測(cè)機(jī)制設(shè)定在模型的內(nèi)部結(jié)構(gòu)中，進(jìn)一步完善、優(yōu)化預(yù)測(cè)效果及后續(xù)的預(yù)測(cè)處理能力，實(shí)現(xiàn)多元化全覆蓋式的預(yù)測(cè)處理。

2 模型測(cè)試

本次主要是對(duì)基于馬爾科夫鏈的工業(yè)企業(yè)能耗智能預(yù)測(cè)模型實(shí)際應(yīng)用效果的分析與研究?？紤]到最終該測(cè)試結(jié)果的真實(shí)可靠，采用對(duì)比的形式展開分析，選定A 工業(yè)企業(yè)作為實(shí)際的模型測(cè)試對(duì)象，參考文獻(xiàn)［1］和文獻(xiàn)［2］，設(shè)定傳統(tǒng)地增強(qiáng)神經(jīng)網(wǎng)絡(luò)算法能耗預(yù)測(cè)模型測(cè)試組，傳統(tǒng)STIRPAT 能耗預(yù)測(cè)模型測(cè)試組以及本文所設(shè)計(jì)的馬爾科夫鏈能耗智能預(yù)測(cè)模型測(cè)試組，測(cè)試得出的結(jié)果比照驗(yàn)證，根據(jù)實(shí)際的模型測(cè)試需求及目標(biāo)，進(jìn)行相關(guān)測(cè)試環(huán)境的搭建。

2.1 測(cè)試準(zhǔn)備

根據(jù)馬爾科夫鏈原理，對(duì)A 工業(yè)企業(yè)中冷器加強(qiáng)卡的應(yīng)用能耗情況進(jìn)行分析與研究。為確保最終測(cè)試結(jié)果的真實(shí)可靠，選定該企業(yè)4 個(gè)區(qū)域段的中冷器加強(qiáng)卡及相關(guān)設(shè)備的應(yīng)用能耗作出設(shè)定。該設(shè)備的承壓內(nèi)部施加0.35 MPa 壓強(qiáng)，在疲勞工況下，自身的加速度峰值為±30 m/s2，振動(dòng)方向?yàn)榇怪?、前后、左右方向，振?dòng)頻率23 Hz，每個(gè)方向振動(dòng)1.5×106次。

在這樣的背景之下，自身所產(chǎn)生的能耗量是相對(duì)較大的，具有較強(qiáng)的可變性與調(diào)控性。設(shè)定具體的能耗預(yù)測(cè)周期，并根據(jù)上述獲取的數(shù)據(jù)及信息，測(cè)算出單個(gè)區(qū)域段的單向標(biāo)準(zhǔn)能耗值，如公式（4）所示：

式中：F為單個(gè)區(qū)域段的單向標(biāo)準(zhǔn)能耗值，o為總預(yù)測(cè)范圍；z為能耗敏感度；R為預(yù)測(cè)單向距離；w為堆疊距離。根據(jù)上述測(cè)定，最終完成對(duì)單個(gè)區(qū)域段的單向標(biāo)準(zhǔn)能耗值的測(cè)算。至此完成對(duì)測(cè)試環(huán)境的搭接。

2.2 測(cè)試過程及結(jié)果分析

根據(jù)上述搭建的測(cè)試環(huán)境，綜合馬爾科夫鏈原理，對(duì)化工企業(yè)能耗預(yù)測(cè)方法的實(shí)際應(yīng)用效果進(jìn)行分析。首先，利用設(shè)定的基礎(chǔ)性預(yù)測(cè)節(jié)點(diǎn)，獲取各個(gè)周期的預(yù)測(cè)數(shù)據(jù)以及信息，通過預(yù)測(cè)矩陣，調(diào)整不同階段各個(gè)測(cè)定區(qū)域段的預(yù)測(cè)任務(wù)及目標(biāo)，逐步形成一個(gè)具有循環(huán)性的預(yù)測(cè)結(jié)構(gòu)，標(biāo)記出4 個(gè)測(cè)定點(diǎn)，得出預(yù)測(cè)結(jié)果之后，與初始的能耗預(yù)測(cè)模型相對(duì)，分別測(cè)算出此時(shí)的預(yù)測(cè)相對(duì)偏差，如公式（5）所示。

式中：Q為能耗預(yù)測(cè)相對(duì)誤差；λ 為層級(jí)能耗值；z為能耗敏感度；C為定向?qū)蛹?jí)預(yù)測(cè)偏差；r為預(yù)測(cè)次數(shù)。根據(jù)上述測(cè)定，最終可以完成對(duì)測(cè)試結(jié)果的分析，如表2 所示。

表2 測(cè)試結(jié)果對(duì)比分析表

根據(jù)表2，完成對(duì)測(cè)試結(jié)果的分析：對(duì)比于傳統(tǒng)地增強(qiáng)神經(jīng)網(wǎng)絡(luò)算法能耗預(yù)測(cè)模型測(cè)試組，傳統(tǒng)STIRPAT 能耗預(yù)測(cè)模型測(cè)試組，馬爾科夫鏈能耗智能預(yù)測(cè)模型測(cè)試組最終得出的預(yù)測(cè)相對(duì)誤差相對(duì)較低，被較好地控制在了1.5 以下，說明在對(duì)A 化工企業(yè)能耗預(yù)測(cè)的過程中，預(yù)測(cè)范圍擴(kuò)大，誤差可控，預(yù)測(cè)速度快，具有實(shí)際的應(yīng)用價(jià)值。

采用三種預(yù)測(cè)方法對(duì)化工企業(yè)能耗預(yù)測(cè)時(shí)間進(jìn)行統(tǒng)計(jì)，其結(jié)果如圖3 所示。

圖3 三種預(yù)測(cè)方法對(duì)化工企業(yè)能耗預(yù)測(cè)時(shí)間

由圖3 可知，傳統(tǒng)傳統(tǒng)的增強(qiáng)神經(jīng)網(wǎng)絡(luò)算法能耗預(yù)測(cè)模型測(cè)試組預(yù)測(cè)時(shí)間在3.5 s 左右，傳統(tǒng)STIRPAT能耗預(yù)測(cè)模型測(cè)試組預(yù)測(cè)時(shí)間在2.5 s 左右。而馬爾科夫鏈能耗智能預(yù)測(cè)模型測(cè)試組預(yù)測(cè)時(shí)間在1.5 s 左右，明顯低于上述兩種傳統(tǒng)方法。因此，基于馬爾科夫鏈的工業(yè)企業(yè)能耗智能預(yù)測(cè)的效率更高，預(yù)測(cè)速度快。

3 結(jié)論

與傳統(tǒng)的能耗預(yù)測(cè)模型相對(duì)比，本次綜合馬爾科夫鏈原理，所設(shè)計(jì)的智能能耗模型相對(duì)更加穩(wěn)定、靈活，在復(fù)雜的能耗環(huán)境下，具有更強(qiáng)的針對(duì)性和變動(dòng)性，分階段對(duì)企業(yè)實(shí)際能耗進(jìn)行測(cè)定分析。另外，馬爾科夫鏈的應(yīng)用，還可以在一定程度上擴(kuò)大實(shí)際的預(yù)測(cè)范圍，增加預(yù)測(cè)的精準(zhǔn)度與可靠性，為關(guān)聯(lián)性的預(yù)測(cè)工作提供后期的參考依據(jù)，實(shí)現(xiàn)化工企業(yè)能耗的合理預(yù)測(cè)。