改进的数据驱动子空间算法求解钢铁企业能源预测问题
Improved data-driven subspace algorithm for energy prediction in iron and steel industry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)
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.