改进的数据驱动子空间算法求解钢铁企业能源预测问题

作     者：张颜颜 唐立新 ZHANG Yan-yan;TANG Li-xin

作者机构：东北大学物流优化与控制研究所辽宁沈阳110819 东北大学流程工业综合自动化国家重点实验室辽宁沈阳110819 东北大学辽宁省制造系统与物流优化重点实验室辽宁沈阳110819 

出 版 物：《控制理论与应用》 (Control Theory & Applications)

年 卷 期：2012年第29卷第12期

页      面：1616-1622页

核心收录：

学科分类：0808[工学-电气工程] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 0802[工学-机械工程] 0811[工学-控制科学与工程] 081202[工学-计算机软件与理论] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金重点资助项目(71032004) 教育部基本科研业务费资助项目(N100304012 N090104002 N100704002) 国家"111"资助项目(B08015) 

主　　题：数据驱动子空间 粒子群优化 能源预测 

摘      要：本文以钢铁企业生产与能源系统作为研究背景,设计一种数据驱动的子空间方法(data-driven subspace,DDS)预测各生产工序的能源消耗.针对钢铁生产中能源消耗和回收的特点进行了分析,以提取子空间方法的建模因素;为了设计有效的求解方法,对实际生产和数据的特征进行了分析.为了提高预测准确率,文中引入了反馈因子和遗忘因子来改进子空间方法,因子的取值采用粒子群算法(particle swarm optimization,PSO)来优化.对实际生产数据的测试验证了本文所提出的方法的有效性,该结果能够为钢铁企业的能源预测和管理提供有效的决策支持.