一种钢铁企业燃气供需动态预测系统及方法
专利汇可以提供一种钢铁企业燃气供需动态预测系统及方法专利检索，专利查询，专利分析的服务。并且一种 钢 铁 企业燃气供需动态预测系统及方法，属于钢铁行业燃气预测技术领域。系统包括 数据采集 子系统、 数据处理 子系统、数据建模子系统、模型验证子系统、模型应用子系统及连接各子系统的 计算机网络 。燃气供需动态预测方法包括：燃气产生和消耗特性提炼、燃气产生和消耗特性定性分析、分段短期动态预测建模、燃气供需动态预测。本 发明 的优点在于：提出了一种基于历史统计数据，并结合生产状态信息，综合运用实时数据、生产状态数据、生产过程工艺参数数据的分段短期动态预测建模方法。为调度人员进行短期燃气调度提供决策支持，同时为各种智能优化调度方案的实施提供 基础 数据。，下面是一种钢铁企业燃气供需动态预测系统及方法专利的具体信息内容。
1.一种钢铁企业燃气供需动态预测系统，其特征在于：包括数据采集子系统、数据处理子系统、数据建模子系统、模型验证子系统、模型应用子系统及连接各子系统的计算机网络；
数据采集子系统：实现现场数据的采集，采集的数据包括：燃气生产和消耗的历史实绩数据，钢铁企业主工序生产状态信息，钢铁企业燃气生产状态信息，燃气生产和消耗的实时数据、钢铁企业主工序和燃气生产工序生产过程工艺参数数据；
数据处理子系统：实现将现场采集的各种状态数据、工艺参数数据和历史或实绩数据按照建模需要进行数据处理和格式转换，为燃气供需预测系统实时提供数据支持；
数据建模子系统：运行燃气供需动态预测建模系统，将数据采集子系统采集的各种数据根据所选建模方法的需要进行系统建模。
模型验证子系统：运行燃气供需动态预测模型验证系统，根据数据建模子系统建立的模型，选择燃气验证数据，进行燃气供需动态预测模型的验证，选择合理的模型；
模型应用子系统：根据模型验证子系统选择的燃气供需动态预测模型，结合钢铁企业实绩情况，将模型应用到实际的燃气供需动态预测中，为企业进行燃气调度提供决策支持。
2.一种使用权利要求1所述系统进行钢铁企业燃气供需动态预测的方法，其特征在于：
a、燃气产生和消耗特性提炼，提供结合对钢铁行业主工序工艺知识及各单元燃气产生、消耗特性进行学习研究，在学习研究的基础上，提炼燃气产生和消耗特性，为燃气产生和消耗特性定性分析提供支持；
b、燃气产生和消耗特性定性分析，结合提炼的燃气产生和消耗特性，对影响燃气波动的因素，及波动状况进行规律性研究，同时对燃气产生和消耗特性进行定性分析；
c、分段短期动态预测建模，综合运用实时数据、生产状态数据、生产过程工艺参数数据的进行机理模型建模和统计模型建模。系统提供利用各个单独的模型进行建模，也可以自定义组合各种单独的建模方法进行组合建模；每一种建模方法都提供图形展示的方式供用户查看建模效果；
d、燃气供需动态预测，根据建模—评估—建模这样的闭环结构，来建立有效的模型，利用评估认为建模效果理想的模型进行燃气供需动态预测。
3.根据权利要求2所述的方法，其特征在于：所述的燃气供需动态预测步骤为：
a、利用提供的数据采集子系统提取燃气历史或在线数据；
b、对提取的燃气数据进行预处理，处理成便于后续分析的数据；
c、选择本发明建模算法库中提供的燃气建模方法，进行燃气预测建模；
d、对建立的燃气模型进行评估，如建模效果不理想，则重新建模，反之，则用来进行燃气供需动态预测。
技术领域
本发明属于钢铁行业燃气预测技术领域，特别是提供了一种钢铁企业燃气供需动态预测系统及方法，用于钢铁企业短时燃气预测。
背景技术
目前有关燃气供需动态预测的系统和方法，如发明专利“一种一体化的钢铁企业在线能源预测系统与方法”使用多种能源预测算法，采用组合模型的方法进行能源预测，克服了采用单一或一两种能源预测方法去预测能源需求的局限性，提高了能源预测的准确性和可靠性冶金自动化研究设计院ZL200610113685.6，但该发明专利提供的系统和方法没有考虑生产计划、检修计划、及生产工况信息，即按照正常的发展进行预测，未考虑外界事件的影响，所以预测结果与实际有一定偏差、发明专利“一种基于乘积ARIMA模型的在线能源预测系统及方法”提出了一种基于ARIMA方法的能源在线预测技术，适用于平稳、非平稳、季节波动多种能源数据类型冶金自动化研究设计院200810226961.9，但该发明专利提供的模型过于单一，不能适应复杂多变的钢铁行业实际情况，同时对生产计划、检修计划、及生产工况信息的考虑有限，不能很好的模拟生产实际，故模型有一定的局限性、文献“企业能源预测方法的统计研究”利用能耗统计模型进行能源预测能源研究与利用1993，这篇文献利用统计回归模型进行能源需求预测，回归模型方法有如下优点：简便实用，它不但可以对能源需求进行预测，还可以在影响能源需求的诸因素中，利用相关检验确定最主要的影响因素，从而简化模型，突出主要矛盾。但使用回归模型有以下明显的缺点：(1)应用回归方程进行估算预测时，只能由自变量来估计因变量，不允许由因变量来推测自变量。(2)作为研究对象的现象(变量)之间的关系必须是真实的、具有内在联系的关系，而绝不能是臆造的，只有这样才能得出有科学意义的结论。(3)回归方程只宜用于内插推算，不宜用于外推预测，尤其是远端的外推预测。而文献“改进的BP神经网络煤炭需求预测模型”利用附加动量法改进的BP神经网络模型进行能源预测辽宁工程技术大学学报2005、文献“灰色系统GM模型在地区能源预测中的应用”利用灰色系统GM模型进行能源预测实用能源1990、文献“灰色系统理论在能源预测中的综合建模方法探讨”采用综合建模方法建立GM(1，1)模型对能源进行预测赣南师范学院学报1991、文献“灰色GM(1，1)和神经网络组合的能源预测模型”主要实现了用灰色预测和神经网络组合预测方法建立了组合预测模型研究与探讨2005，这几篇文献则是利用BP神经网络模型或灰色系统GM模型与神经网络模型组合模型进行能源需求预测，虽然相对于统计回归模型能源预测提高了预测准确性，利用了灰色系统GM模型的特点所需样本数据少，对原始数据要求较低，计算简单，有较高的预测精度，可检验等优点。同时也明显存在下列几点不足之处；①G(1，1)模型是一种呈指数增长的模型，当用短时间序列预测较长时间序列，会产生较大误差或不符合实际情况的值，②对含有负值项的原始数据，经多次累加后生成的数据如无法获得非负递增数据，则从理论上说应放弃此类数据的建模，③当GM(1，1)模型精度无法达到要求须对残差进行建GM(1，1)模型对原模型进行修正从而提高精度时，许多实际问题中其残差既含有正值项也含有负值项，其累加生成的数据肯定不是非负递增的，故无法修正原模型。而神经网络模型虽然具有较高的非线性映射能力，能以任意精度逼近非线性函数，但在实际计算中，也存在一些问题：①反向传播的计算过程收敛速度较慢，一般需要成百上千次的迭代计算；②存在能量函数的极小值；③隐含神经元个数和连接权的选取往往要靠经验；④网络的收敛性与网络的结构有关等。
发明内容
本发明所述的一种钢铁企业燃气供需动态预测系统包括数据采集子系统、数据处理子系统、数据建模子系统、模型验证子系统、模型应用子系统及连接各子系统的计算机网络，系统之间连接关系如附图1所述。下面逐一介绍这五个子系统：
数据采集子系统：主要实现现场数据的采集，采集的数据包括：燃气生产和消耗的历史实绩数据，钢铁企业主工序生产状态信息，钢铁企业燃气生产状态信息，燃气生产和消耗的实时数据、钢铁企业主工序和燃气生产工序生产过程工艺参数数据。
数据处理子系统：主要实现将现场采集的各种状态数据、工艺参数数据和历史或实绩数据按照建模需要进行数据处理和格式转换，为燃气供需预测系统实时提供数据支持。
数据建模子系统：运行燃气供需动态预测建模系统，将数据采集子系统采集的各种数据根据所选建模方法的需要进行系统建模。
模型验证子系统：运行燃气供需动态预测模型验证系统，主要是根据数据建模子系统建立的模型，选择燃气验证数据，进行燃气供需动态预测模型的验证，选择合理的模型。
模型应用子系统：主要任务是根据模型验证子系统选择的燃气供需动态预测模型，结合钢铁企业实绩情况，将模型应用到实际的燃气供需动态预测中，为企业进行燃气调度提供决策支持。
本发明所述的一种钢铁企业燃气供需动态预测方法包括：燃气产生和消耗特性提炼、燃气产生和消耗特性定性分析、分段短期动态预测建模、燃气供需动态预测。
该预测方法步骤如下：首先用户需要进行燃气产生和消耗特性提炼；然后根据提炼的特性进行燃气产生和消耗特性定性分析；在定性分析的基础上进行分段短期动态预测建模；最后利用建立的模型进行燃气供需动态预测。
以下详细介绍各个步骤：
1、燃气产生和消耗特性提炼，主要提供结合对钢铁行业主工序工艺知识及各单元燃气产生、消耗特性进行学习研究，在学习研究的基础上，提炼燃气产生和消耗特性，为燃气产生和消耗特性定性分析提供支持。
2、燃气产生和消耗特性定性分析，主要是结合提炼的燃气产生和消耗特性，对影响燃气波动的因素，及波动状况进行规律性研究，同时对燃气产生和消耗特性进行定性分析。
3、分段短期动态预测建模，分段短期动态预测建模是本发明方法的核心部分，是进行燃气供需动态预测的基础。主要是综合运用实时数据、生产状态数据、生产过程工艺参数数据的进行机理模型建模和统计模型建模。系统提供利用各个单独的模型进行建模，也可以自定义组合各种单独的建模方法进行组合建模。每一种建模方法都提供图形展示的方式供用户查看建模效果。
由于每一种建模方法都有其优缺点，适合于不同的环境下，所以在建模时，一般可以先判断所要建立模型的燃气数据可能的分布类型，选择适合的建模方法进行建模；如果不能判断出燃气数据可能的分布类型，则可以首先选择用简单的线性或非线性统计模型进行建模，看建模效果如何，如果所选建模方法建模效果不理想，可选择高级的神经网络模型、时间序列模型、支持矢量机模型或组合模型等进行建模。每一种建模方法都可以直观的对比其建模效果。
每种建模算法都提供两种建模方式，向导建模和直接建模。向导建模方式主要是针对不熟悉建模步骤的人员而设计，他们可以按照向导的提示方便的进行从数据提取到最终建模的一系列操作，使得不熟悉统计建模的人员也可以建立正确的模型。直接建模方式则相反，主要针对那些对建模非常熟悉或经常使用建模工具的人员而设计，所有的建模工作可以在一个对话框中完成，更加快速，效率更高。
4、燃气供需动态预测，主要是利用建立的模型进行燃气供需动态预测，在进行燃气供需动态预测之前应该首先对所建立的模型进行评估，评估结果好的模型才能用来进行燃气供需动态预测，否则还需要重新进行建模。根据建模—评估—建模这样的闭环结构，来建立有效的模型。
本发明的优点在于：
使用多种燃气预测算法，采用组合模型的方法进行燃气供需动态预测，克服了采用单一或一两种燃气预测方法去动态预测燃气供需的局限性，提高了燃气预测的准确性和可靠性。
提供了一套完整的包含数据采集、数据整理和建模分析、预测的燃气供需动态预测流程和方法，用户只要使用该系统即可完成从数据提取到燃气供需动态预测的所有功能，不需要再增加其它额外的工作。
提出了一种基于历史统计数据，并结合生产状态信息，综合运用实时数据、生产状态数据、生产过程工艺参数数据的分段短期动态预测建模方法。为调度人员进行短期燃气调度提供决策支持，同时为各种智能优化调度方案的实施提供基础数据。
根据实际情况，可以由用户自定义组合建模方法，适用于具有不同环境下的燃气供需动态数据的有效建模。
附图说明
图2是本发明所述的一种钢铁企业燃气供需动态预测方法组成图。其中，燃气供需动态预测方法6、燃气产生和消耗特性提炼7、燃气产生和消耗特性定性分析8、分段短期动态预测建模9、燃气供需动态预测10。
图3是本发明的燃气供需动态预测系统的运行程序图。
具体实施方式
1)结合现场实际情况，进行燃气数据采集。
2)将采集的燃气数据，进行建模需要的数据处理。
3)针对已经进行数据预处理的数据，进行系统建模。系统建模时，应该首先选择好建模方法(不同的建模方法适合不同的情况)，然后选择参与建模的分析自变量和因变量，设置建模需要的参数，然后就可以点击建模按钮进行系统建模。
4)建模后，可以直接在建模界面上先直观的观察建模效果，建模效果可以通过建模效果图察看。如建模效果不理想，则应该重新建模。
5)对从建模效果图上观察认为建模效果不错的模型，进行模型评估操作。模型评估时，首先导入所建模型；选择评估数据源，针对评估数据源，选择配对的自变量和因变量(一定要保证评估数据源的自变量和因变量与所建模型的自变量和因变量一致)，如需要对评估数据源进行预处理，则选择数据预处理操作；最后点击评估按钮，该系统则自动根据所建模型进行评估计算，计算结果以数据表和图形两种方式展现。
6)针对评估计算结果，确定所建模型是否满足要求，如不满足要求，则需要重新进行系统建模。
7)如果根据评估结果，认为所建模型满足要求，则进行燃气供需动态预测操作。
8)进行燃气供需动态预测时，应该首先导入燃气模型；然后选择预测数据源，针对预测数据源，选择配对的自变量(一定要保证预测数据源的自变量与所建模型的自变量一致)，如需要对预测数据源进行预处理，则选择数据预处理操作；最后点击预测按钮，该系统则自动根据所建模型进行预测计算，计算结果以数据表和图形两种方式展现。图形方式主要展现燃气的需求趋势情况。
如图1所示本发明包括包括数据采集子系统、数据处理子系统、数据建模子系统、模型验证子系统、模型应用子系统及连接各子系统的计算机网络。
如图2所示，燃气供需动态预测方法6包括燃气产生和消耗特性提炼7、燃气产生和消耗特性定性分析8、分段短期动态预测建模9、燃气供需动态预测10。
图3是本发明的燃气供需动态预测系统的运行程序图。
1)程序开始11首先进行燃气数据采集12，通过灵活的数据提取方式，用户可以有选择的提取建模和预测需要的样本数据。
2)提取后的源数据很多情况下不能直接进行建模和预测分析，需要经过数据预处理13操作，经过燃气数据预处理后，源数据将转换成便于后续建模和分析的处理后数据。
3)利用经过数据预处理后的数据，合理选择建模算法库中的建模算法，根据建模提示进行系统建模14，并可直观根据图形查看建模效果。
4)建模后的模型必须经过模型评估15才能使用，通过模型评估，判断所建立的模型效果是否满足要求16，如果不满足要求，则需要重选建模方法17进行再次燃气建模，建模后再进行模型评估，这样经过建模—评估—建模的闭环结构，来建立有效的燃气模型。
5)建模评估后，满足要求的模型，则用来进行燃气供需动态预测18，燃气供需动态预测前需要导入数据和模型。
6)对燃气供需动态预测的结果，可以以Excel格式、Txt格式、XML系统数据库格式保存预测结果19。
7)保存完燃气供需动态预测结果后，则系统一个完整的流程即运行完成，程序结束20。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种基于人工智能的医疗服务信息管理方法 | 2020-05-08 | 522 |
| 运算方法、系统及相关产品 | 2020-05-11 | 854 |
| 基于深度学习的蛋白质赖氨酸丙二酰化位点预测方法 | 2020-05-08 | 30 |
| 一种基于射频标签技术的图书馆图书信息管理系统 | 2020-05-11 | 948 |
| 基于自学习机制的配电网故障恢复方法 | 2020-05-08 | 182 |
| 深度机器学习所生成的乳腺癌预后的概率识别模型 | 2020-05-08 | 182 |
| 车联网环境下基于IGA-BP神经网络的车辆碰撞预警系统及方法 | 2020-05-08 | 47 |
| 一种基于残差密集U形网络模型的丘脑分割方法 | 2020-05-08 | 52 |
| 一种风电功率预测方法 | 2020-05-08 | 925 |
| 院内致命性消化道再出血预测关键指标的智能筛选方法 | 2020-05-08 | 844 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
