改进的数据驱动子空间算法求解钢铁企业能源预测问题
张颜颜1
唐立新2
1.东北大学物流优化与控制计究所,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1108192.东北大学物流优化与控制计究所,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
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.
关键词：数据驱动子空间粒子群优化能源预测
分类号：TP29(自动化技术及设备)
资助基金：国家自然科学基金(71032004)教育部中央高校基本科研业务费专项(N100304012,N090104002,N100704002)国家资助项目(111;B08015)
论文发表日期：2012-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 1616-1622 )
英文信息