發(fā)布時間：2020-10-27 04:46

　　 工業(yè)是我國能源消耗的大戶,能源消耗量占全國能源消耗總量的70%左右,鋼鐵行業(yè)更是高耗能的一項產(chǎn)業(yè)。而不同類型工業(yè)企業(yè)的工藝流程,裝置情況、產(chǎn)品類型、能源管理水平對能源消耗都會產(chǎn)生不同的影響。建設一個全廠級的集中統(tǒng)一的能源管理系統(tǒng)可以完成對能源數(shù)據(jù)進行在線的采集、計算、分析及處理從而在能源物料平衡、調(diào)度與優(yōu)化、能源設備運行與管理等方面發(fā)揮重要的作用。本文在分析了鞍鋼冷軋廠能源管理現(xiàn)狀和能源管理需求的基礎上,從能源管理先進性、實用性、可操作性的角度出發(fā),在能源管理系統(tǒng)的整體設計和能耗預測方面進行了較為深入研究,主要工作如下:第一部分是能源管理系統(tǒng)的整體設計。在需求分析的基礎上,完成了系統(tǒng)整體的體系架構設計。本著先進、實用的原則進行軟硬件選型。數(shù)據(jù)采集系統(tǒng)實時監(jiān)測能源介質(zhì)分類消耗。信息管理系統(tǒng)實現(xiàn)了在客觀信息基礎上的能源計劃、能源設備、能源成本、能耗預測、能源報表等功能。詳細闡述了能源計劃及能耗預測的處理過程,并對其功能界面進行了設計。第二部分在能源管理系統(tǒng)的基礎上,建立神經(jīng)網(wǎng)絡的能耗模型。近年來用遺傳算法設計神經(jīng)網(wǎng)絡的權值和閾值優(yōu)化設計問題受到廣泛重視,尤其在預測領域的應用。本文將就這一課題進行進一步地研究和探索,充分利用遺傳算法的全局搜索特性,達到對前饋神經(jīng)網(wǎng)絡最優(yōu)化設計的目的,從而最終預測結果。本文選擇適用性強的三層前饋神經(jīng)網(wǎng)絡作為優(yōu)化設計對象,提出了一種具有綜合控制策略的遺傳算法,同時考慮編碼方案、適應度函數(shù)設計、初始群體的設定和遺傳操作等各環(huán)節(jié)對遺傳算法收斂性能的影響,形成更高效的神經(jīng)網(wǎng)絡訓練算法。
【學位單位】：東北大學
【學位級別】：碩士
【學位年份】：2015
【中圖分類】：TP315;F426.31
【部分圖文】：

東北大學碩士學位論文?第３章能源管理系統(tǒng)設計??第３章能源管理系統(tǒng)設計??３．１系統(tǒng)的硬件設計??３．１．１硬件系統(tǒng)的結構??ＥＭＳ采取三級網(wǎng)絡結構，數(shù)據(jù)采集系統(tǒng)通過Ｃｏｎｔｒｏｌ?Ｎｅｔ總線結構與現(xiàn)場Ｉ／Ｏ站??進行通訊。采用輸入／輸出方式與現(xiàn)場測量儀表連接，直接引入主控制單元或接入附??近遠程輸入／輸出站內(nèi)，溫壓補正和流量累計由集散控制系統(tǒng)進行處理。電量由計量??廠以報文通訊方式進行傳輸，為累計電量，直接將其寫入數(shù)據(jù)庫中存儲。其整個結??構圖如圖３．１所示：??＿

第４章神經(jīng)網(wǎng)絡能耗預測模型研究??現(xiàn)象慢慢發(fā)展起來［３（＞］。適應度函數(shù)選擇對于ＧＡ很重要，錯誤的選擇會造成達不到??全局最優(yōu)。ＧＡ運算流程如圖４．３：??確定實際問Ｓ參致典???］?［???對參數(shù)集進行編碼???▼???初始化群體ＰＭ丨??１）位串解碼的參致?ｍ，?￣??乃計算目鏈雜?ｒ?丨廣生新—代ｆ體??３）

士學位論文?第４章神經(jīng)網(wǎng)絡能耗ｄ＾Ｃ＾Ｘ－Ｃ＾－Ｃ＾，為輸出層單元＿／的期望輸出。??得到隱含層單元相對于每個４的誤差：??ｅｉ＝ｂＩ｛＼－ｂ，）ＹＪＷｌ］ｄ］／＝１??斂誤差大于全部樣本的真實輸出與預計輸出之間的誤差值時，］。??
【參考文獻】

相關期刊論文 前3條

1 何雙來;;基于MES的冷軋生產(chǎn)管控系統(tǒng)的設計與實現(xiàn)[J];福建電腦;2011年09期

2 梅家斌;遺傳算法在神經(jīng)網(wǎng)絡權值優(yōu)化中的應用[J];武漢科技學院學報;2001年03期

3 喬楓,肖正宇,郭焱,李勁松,袁曉紅;能源中心技術在酒鋼的應用[J];冶金自動化;1998年02期

本文編號：2858060