改进的数据驱动子空间算法求解钢铁企业能源预测问题

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

所属期刊栏目：29

分类号：TP29(自动化技术及设备)

资助基金：国家自然科学基金重点资助项目71032004;教育部基本科研业务费资助项目N100304012,N090104002,N100704002;国家"111"资助项目B08015

在线出版日期：2013-03-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：1616-1622