Vol.34No.2Mar.2015
冶金能源
25
ENEＲGYFOＲMETALLUＲGICALINDUSTＲY
基于HP（2）－ENN模型的高炉煤气发生量预测
王小军
（南方汇通股份有限公司）
摘
要
针对钢铁企业高炉煤气发生量频繁波动，且难以通过建立机理模型进行预测的问题，
结合HP滤波、Elman神经网络各自性质，建立了HP（2）－ENN模型对高炉煤气发生量进行预测。根据企业实际数据应用模型，结果表明，所建模型预测效果良好，与其他常用模型相比，适合高炉煤气发生量的预测，并为合理调度副产煤气提供操作依据。关键词
HP滤波
Elman神经网络
HP（2）－ENN模型
AHP（2）－ENNmodelforPredictionBFG
WangXiaojun（SouthHuitongCo．，Ltd．）
Abstract
Forblastfurnacegasgeneratesfrequentfluctuationsinironandsteelenterprise，anddiffi-
culttopredictbyestablishingamechanismmodeloftheproblem，combinedwithHPfilter，ElmanneuralnetworknatureoftheirrespectiveHP（2）－ENNmodelwasestablishedtoforecasttheblastfur-nacegasgenerates．Accordingtotheenterpriseactualdataapplicationmodel，theresultsshowthatthemodelpredictioneffectisgood，comparedwiththeothercommonlyusedmodels，suitableforblastfur-nacegasgeneratespredictions，andprovidestheoperationbasisforthereasonableschedulingby－productgas．Keywords
HP－filter
Elmanneuralnetworks
HP（2）－ENNmodel
钢铁企业生产过程中产生的高炉煤气
（BFG）是高炉炼铁的副产品，主要可燃烧成分为CO、H2和CH4，因含有大量N2及CO2，所
3［1］
以热值低，一般只有3000～3800kJ/m。随着钢铁企业节能工作的加强以及工艺的进步，钢铁
调度，尤其是当工况发生改变时无法实现高炉煤气的合理调度，致使能源利用效率降低。综上，建立有效的预测模型，对高效合理利用副产煤气具有重要的现实意义。
目前国内外对钢铁企业副产煤气预测和调度的研究比较少
［2－6］
企业高炉煤气利用效率也显著提高，但由于高炉
煤气的发生过程受到复杂因素的影响，导致发生和消耗变化的不规律，供需之间的不平衡现象经常发生，很难通过建立机理模型对其进行有效预测。目前大部分钢铁企业现场主要依靠能源调度专家的经验，根据生产计划及运行情况综合判断后粗略估计，这就会造成预测不准以及事后进行
收稿日期：2014－05－16王小军（1971－），经济师；550017贵州省贵阳市。
，且均存在一些弊端。经验预
测方法无法制定精确的调度计划；线性回归分析法的预测结果可用性低；灰色预测法不适合煤气系统的建模；人工智能的建模方法存在学习速度慢和局部极小等局限性；基于结构最小化的支持向量机（SVM）算法对大规模训练样本难以实施，在线预测精度降低。
基于高炉煤气发生量的特点，文章提出HP滤波与Elman神经网络相结合的方法对高炉煤气发生量进行预测，获得较高的预测精度。
久久建筑网m.kkreddy.com提供大量：建筑图纸、施工方案、工程书籍、建筑论文、合同表格、标准规范、CAD图纸等内容。