工業(yè)是我國(guó)能源消耗的大戶(hù),能源消耗量占全國(guó)能源消耗總量的70%左右,鋼鐵行業(yè)更是高耗能的一項(xiàng)產(chǎn)業(yè)。而不同類(lèi)型工業(yè)企業(yè)的工藝流程,裝置情況、產(chǎn)品類(lèi)型、能源管理水平對(duì)能源消耗都會(huì)產(chǎn)生不同的影響。建設(shè)一個(gè)全廠(chǎng)級(jí)的集中統(tǒng)一的能源管理系統(tǒng)可以完成對(duì)能源數(shù)據(jù)進(jìn)行在線(xiàn)的采集、計(jì)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(shè)備運(yùn)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(chǎng)能源管理現(xiàn)狀和能源管理需求的基礎(chǔ)上,從能源管理先進(jìn)性、實(shí)用性、可操作性的角度出發(fā),在能源管理系統(tǒng)的整體設(shè)計(jì)和能耗預(yù)測(cè)方面進(jìn)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(shè)計(jì)。在需求分析的基礎(chǔ)上,完成了系統(tǒng)整體的體系架構(gòu)設(shè)計(jì)。本著先進(jìn)、實(shí)用的原則進(jìn)行軟硬件選型。數(shù)據(jù)采集系統(tǒng)實(shí)時(shí)監(jiān)測(cè)能源介質(zhì)分類(lèi)消耗。信息管理系統(tǒng)實(shí)現(xiàn)了在客觀(guān)信息基礎(chǔ)上的能源計(jì)劃、能源設(shè)備、能源成本、能耗預(yù)測(cè)、能源報(bào)表等功能。詳細(xì)闡述了能源計(jì)劃及能耗預(yù)測(cè)的處理過(guò)程,并對(duì)其功能界面進(jìn)行了設(shè)計(jì)。第二部分在能源管理系統(tǒng)的基礎(chǔ)上,建立神經(jīng)網(wǎng)絡(luò)的能耗模型。近年來(lái)用遺傳算法設(shè)計(jì)神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值優(yōu)化設(shè)計(jì)問(wèn)題受到廣泛重視,尤其在預(yù)測(cè)領(lǐng)域的應(yīng)用。本文將就這一課題進(jìn)行進(jìn)一步地研究和探索,充分利用遺傳算法的全局搜索特性,達(dá)到對(duì)前饋神經(jīng)網(wǎng)絡(luò)最優(yōu)化設(shè)計(jì)的目的,從而最終預(yù)測(cè)結(jié)果。本文選擇適用性強(qiáng)的三層前饋神經(jīng)網(wǎng)絡(luò)作為優(yōu)化設(shè)計(jì)對(duì)象,提出了一種具有綜合控制策略的遺傳算法,同時(shí)考慮編碼方案、適應(yīng)度函數(shù)設(shè)計(jì)、初始群體的設(shè)定和遺傳操作等各環(huán)節(jié)對(duì)遺傳算法收斂性能的影響,形成更高效的神經(jīng)網(wǎng)絡(luò)訓(xùn)練算法。
【學(xué)位單位】：東北大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2015
【中圖分類(lèi)】：TP315;F426.31
【部分圖文】：

東北大學(xué)碩士學(xué)位論文?第３章能源管理系統(tǒng)設(shè)計(jì)??第３章能源管理系統(tǒng)設(shè)計(jì)??３．１系統(tǒng)的硬件設(shè)計(jì)??３．１．１硬件系統(tǒng)的結(jié)構(gòu)??ＥＭＳ采取三級(jí)網(wǎng)絡(luò)結(jié)構(gòu)，數(shù)據(jù)采集系統(tǒng)通過(guò)Ｃｏｎｔｒｏｌ?Ｎｅｔ總線(xiàn)結(jié)構(gòu)與現(xiàn)場(chǎng)Ｉ／Ｏ站??進(jìn)行通訊。采用輸入／輸出方式與現(xiàn)場(chǎng)測(cè)量?jī)x表連接，直接引入主控制單元或接入附??近遠(yuǎn)程輸入／輸出站內(nèi)，溫壓補(bǔ)正和流量累計(jì)由集散控制系統(tǒng)進(jìn)行處理。電量由計(jì)量??廠(chǎng)以報(bào)文通訊方式進(jìn)行傳輸，為累計(jì)電量，直接將其寫(xiě)入數(shù)據(jù)庫(kù)中存儲(chǔ)。其整個(gè)結(jié)??構(gòu)圖如圖３．１所示：??＿

第４章神經(jīng)網(wǎng)絡(luò)能耗預(yù)測(cè)模型研究??現(xiàn)象慢慢發(fā)展起來(lái)［３（＞］。適應(yīng)度函數(shù)選擇對(duì)于ＧＡ很重要，錯(cuò)誤的選擇會(huì)造成達(dá)不到??全局最優(yōu)。ＧＡ運(yùn)算流程如圖４．３：??確定實(shí)際問(wèn)Ｓ參致典???］?［???對(duì)參數(shù)集進(jìn)行編碼???▼???初始化群體ＰＭ丨??１）位串解碼的參致?ｍ，?￣??乃計(jì)算目鏈雜?ｒ?丨廣生新—代ｆ體??３）

士學(xué)位論文?第４章神經(jīng)網(wǎng)絡(luò)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(duì)于每個(gè)４的誤差：??ｅｉ＝ｂＩ｛＼－ｂ，）ＹＪＷｌ］ｄ］／＝１??斂誤差大于全部樣本的真實(shí)輸出與預(yù)計(jì)輸出之間的誤差值時(shí)，］。??
【參考文獻(xiàn)】

相關(guān)期刊論文 前3條

1 何雙來(lái);;基于MES的冷軋生產(chǎn)管控系統(tǒng)的設(shè)計(jì)與實(shí)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(luò)權(quán)值優(yōu)化中的應(yīng)用[J];武漢科技學(xué)院學(xué)報(bào);2001年03期

3 喬楓,肖正宇,郭焱,李勁松,袁曉紅;能源中心技術(shù)在酒鋼的應(yīng)用[J];冶金自動(dòng)化;1998年02期

本文編號(hào)：2858060