关键词：钢铁企业;氧气系统;预测模型;优化调度
摘 要：作为占国民经济总量的26%的重要基础性产业,钢铁产业在提高我国经济实力和综合国力的同时,也带来了能源的巨大消耗,因此,节能降耗成了钢铁企业目前亟待解决的问题。氧气作为钢铁生产中必不可少自产能源介质,其制氧电耗约占钢铁企业总耗电的20%。因此,对氧气进行优化调度是钢铁企业节能降耗的一个重要途径。本课题选取钢铁企业氧气系统作为研究对象,以钢铁企业节能降耗为目的,对其进行进行优化调度建模研究,主要的研究成果如下:(1)氧气消耗具有强耦合性、高度的非线性以及扰动变化激烈且幅度大等特点,很难对其建立精确机理模型。基于此,建立了一种基于灰色模型和遗传算法优化的BP神经网络的耗氧量组合预测模型。通过实例验证,该预测方法对钢铁企业炼钢和炼铁工序耗氧量的预测拟合度较高,具有一定的实用价值。(2)由于氧气系统的氧气产耗变化的无规律,使得氧气管网压力呈现无规律变化,造成检测值与实际值之间存在一定的误差。基于此,提出了一种基于变分模态分解VMD-样本熵SE-最小二乘支持向量机LS-SVM的氧气管网压力预测方法。通过实例仿真,证明该方法预测精度较高。(3)选取氧气系统的放散量最小、经济效益最大两个指标作为目标函数,以设备能力、工艺流程等作为约束,采用混合整数线性规划模型建模,对氧气系统进行优化。最后,总结本文研究成果,并就下一步的研究方向进行了展望。
内 容：原文可通过湖北省科技信息共享服务平台（http://www.hbstl.org.cn)获取