一种高炉炉温预测方法、终端设备及存储介质.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115495982A(43)申请公布日2022.12.20(21)申请号202211149371.7G06F119/08(2020.01)(22)申请日2022.09.21(71)申请人中冶南方工程技术有限公司地址430223湖北省武汉市东湖新技术开发区大学园路33号(72)发明人余成明刘云龙叶理德严晗(74)专利代理机构北京大诚新创知识产权代理有限公司11848专利代理师程文敢(51)Int.Cl.G06F30/27(2020.01)G06N3/04(2006.01)G06N3/08(2006.01)G06Q10/04(2012.01)G06Q50/04(2012.01)权利要求书1页说明书5页附图2页(54)发明名称一种高炉炉温预测方法、终端设备及存储介质(57)摘要本发明涉及一种高炉炉温预测方法、终端设备及存储介质，该方法中包括：采集历史时间段内高炉的各项控制参数和状态参数的值；对所有参数进行滞后相关性分析，以从所有参数中得到特征参数；根据高炉内铁水温度的自相关程度，确定网络的序列长度；根据得到特征参数，确定网络中各循环单元的输入维度；基于确定的序列长度和输入维度，从采集的数据中提取训练数据组成训练集；基于序列长度和输入维度构建LSTM网络模型，将某一时刻高炉的特征参数作为输入、该时刻的高炉炉温作为模型的输出，对模型进行训练；通过训练后的模型对高炉炉温进行预测。本发明提升了现有高炉炉温的预测的准确性。CN115495982ACN115495982A权利要求书1/1页1.一种高炉炉温预测方法，其特征在于，包括以下步骤：S1：采集历史时间段内高炉的各项控制参数和状态参数的值；S2：对所有参数进行滞后相关性分析，以从所有参数中得到特征参数；S3：根据高炉内铁水温度的自相关程度，确定LSTM网络的序列长度；根据得到特征参数，确定LSTM网络中各循环单元的输入维度；S4：基于确定的序列长度和输入维度，从步骤S1采集的数据中提取训练数据组成训练集；S5：基于序列长度和输入维度构建LSTM网络模型，将某一时刻高炉的特征参数作为输入、该时刻的高炉炉温作为模型的输出，对模型进行训练；S6：通过训练后的模型对高炉炉温进行预测。2.根据权利要求1所述的高炉炉温预测方法，其特征在于：步骤S1中还包括对采集的数据进行预处理，预处理包括：对各项参数进行正态分布校验，剔除不符合正态分布的参数，并对符合正态分布的参数进行异常值剔除和缺失值补全，最后对所有符合正态分布的参数的值进行标准化，使得不同参数的取值范围数量级一致。3.根据权利要求1所述的高炉炉温预测方法，其特征在于：步骤S2中特征参数的获取方法为：利用主成分分析法，通过线性变换，将所有参数映射到低维子空间中，得到降维后的特征参数。4.根据权利要求1所述的高炉炉温预测方法，其特征在于：步骤S3中利用自相关函数函数ACF和偏自相关函数PACF共同确定与当前铁水温度最为相关的前t个时刻铁水温度，序列长度即为与当前铁水温度最为相关的铁水温度的个数t。5.一种高炉炉温预测终端设备，其特征在于：包括处理器、存储器以及存储在所述存储器中并在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1～4中任一所述方法的步骤。6.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现如权利要求1～4中任一所述方法的步骤。2CN115495982A说明书1/5页一种高炉炉温预测方法、终端设备及存储介质技术领域[0001]本发明涉及高炉炼铁领域，尤其涉及一种高炉炉温预测方法、终端设备及存储介质。背景技术[0002]高炉炼铁作为钢铁制造主体的上游工序，是整个钢铁工业的重要构成环节，无论是对整个行业的发展，还是对行业整体的节能减排，都起着十分重要的作用。高炉炼铁的炉况是否顺利进行，关系至整个炼铁过程是否高效和节能，而高炉炉温则是甄别高炉炉况的重要指标，一般可以通过控制炉温来保证高炉炉况的顺利进行。建立可靠又精确的炉温预报模型，用来指导高炉炼铁工作人员进行炉温控制，不仅仅只是理论研究，更对钢铁工业的生产实践，有着重大的指导意义。[0003]目前所采用的炉温预报的模型主要为炉炼铁研究者从高炉生产过程中的热平衡与物料平衡角度出发进行机理的计算，由此推导出相应的机理模型；或者依赖于积累大量实践经验而产生的专家知识的基础上，研究者开发了相应的定性推理型。这些方法因主要源于物理过程或者经验，具有可解释性，但仍不能准确的解释复杂的高炉生产状态下炉温的变化。发明内容[0004]为了解决上述问题，本发明提出了一种高炉炉温预测方法、终端设备及存储介质。[0005]具体方案如下：[0006]一种高炉炉温预测方