基于组合算法的轧钢厂电耗预测

摘要：

由于目前全国限电,钢铁厂耗电量高、电耗预测精度不高的问题亟待解决.将预处理后的热轧厂每天电耗作为预测模型的输入量,建立了最小二乘支持向量机(least squares support vector machine,LSSVM)预测模型,并对LSSVM预测模型进行核函数选择仿真分析.采用一种智能寻优灰狼算法(grey wolf optimization,GWO)进行寻优仿真分析,以平均绝对误差为目标函数值,优化LSSVM惩罚参数和核函数参数,从而建立了GWO-LSSVM的电耗预测模型.以山钢日照热轧厂为例,采用所建立预测模型对日耗电量进行仿真分析,试验结果表明,GWO-LSSVM预测模型能达到较好的曲线拟合预测效果,预测精度较高,平均绝对误差(mean ab-solute error,MAE)为 0.838.

关键词：轧钢厂、电耗预测、最小二乘支持向量机、灰狼算法、核函数

所属期刊栏目：46

分类号：TP301.6;TG338;TP273

在线出版日期：2022-09-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：72-77