[发明专利]一种基于知识的冶金企业转炉煤气调度方法

摘要

本发明提供一种基于知识的冶金企业转炉煤气调度方法，步骤为：首先，对于调度决策过程中所需的无法直接采集的过程变量，采用神经网络模型进行建模分析，形成基于数据的神经网络模型；其次，设计一种基于模糊聚类的产生式规则模型，通过对历史数据进行聚类分析和关联规则挖掘，挖掘数据中蕴含的知识信息，进而与专家先验知识进行融合，建立基于知识的产生式模型；最后，设计了针对该产生式规则模型的在线更新策略，如果推理结果与实际方案存在较大偏差，则对产生式规则的输出参数进行更新。利用该发明可以对转炉煤气系统的平衡状态进行动态分析，并得到相应的调度方案，从而为调度人员进行决策提供合理指导。

主权项

一种基于知识的冶金企业转炉煤气调度方法，其特征在于以下步骤：第一步，从现场数据库中读取各煤气用户的相关数据；所述的相关数据包括所有煤气用户的流量数据以及煤气柜存储量数据；第二步，根据调度模型的需要，采用基于神经网络的建模方法，对转炉煤气系统的关键数据进行预测建模，得到预测模型；所述的关键数据包括转炉煤气系统的总回收量、总消耗量以及煤气柜存储量；第三步，对第一步得到的相关数据进行量纲统一处理，对第二步得到的预测模型的变量进行模糊化处理，采用隶属度值法将精确输入量对各语言值的隶属度值作为模糊化结果，构建基于专家经验和数据特征的规则库，建立各个系统调整总量的模糊推理模型；第四步，将转炉煤气当前状态和神经网络模型输出的信息作为模糊推理模型的输入，获得转炉煤系统的调整方案；所述的信息包括转炉生产节奏、煤气回收量预测结果、煤气消耗量预测结果以及煤气柜存储量预测结果；在第三步所得的模糊推理模型中包含多条规则；两项输入中每条规则的形式为：IFxisA~andyisB~,thenz=Φ---(8)]]>其中，和是前件中的模糊集合；z＝Φ是对应输入的输出集合；多个前提的模糊推理过程中激励强度采用取小运算，即其中，是第一个输入的隶属度值；是第二个输入的隶属度值；ω是本条数据激活的规则总的权值；两项输入中两条规则形式为：IFxisA~1andyisB~1,thenz1=Φ1---(11)]]>IFxisA~2andyisB~2,thenz2=Φ2---(12)]]>若已知那么模型模糊推理的结论z为：z＝ω1z1+ω2z2  (14)第五步，更新规则库根据第三步所得到的模糊推理模型的运行情况和专家经验，对规则库不断更新优化；模型的运行情况即为第四步所得到的结果与现场实际的调整方案的偏差以及模糊推理模型对新数据的覆盖率，判断模型结果的偏差是否满足误差指标，如果满足指标，则不更新规则库；如果不满足指标，采用模糊推理模型的输入和调整方案的偏差直接与原有规则库进行融合，产生新的规则库；在与原规则库进行融合时，先判断当前产生的规则的前件是否存在，如果不存在则增加新的规则前件；如果已经存在，则比较当前规则的细化中心和规则库已有的细化中心，如果相距大于阈值则增加细化中心，如果小于阈值则不更新规则。