数据驱动的多时间尺度高炉煤气利用率模型预测控制

• Published in: 控制理论与应用 Vol. 42; no. 1; pp. 189 - 201
• Main Authors: 安剑奇, 赵国宇, 何勇, 李炜俊, 郭云鹏, 吴敏
• Format: Journal Article
• Language: Chinese
• Published: 地球探测智能化技术教育部工程研究中心,湖北武汉 430074%娄底华菱云创数智科技有限公司,湖南娄底 417009 2025; 复杂系统先进控制与智能自动化湖北省重点实验室,湖北武汉 430074; 地球探测智能化技术教育部工程研究中心,湖北武汉 430074%中国地质大学(武汉)自动化学院,湖北武汉 430074; 中国地质大学(武汉)自动化学院,湖北武汉 430074; 中国地质大学(武汉)未来技术学院,湖北武汉 430074; 地球探测智能化技术教育部工程研究中心,湖北武汉 430074%中国地质大学(武汉)未来技术学院,湖北武汉 430074
• Subjects: 模型预测控制; model predictive control; blast furnace gas utilization rate; empirical mode decomposition; 经验模态分解; multi-time-scale system; 数据驱动建模; 高炉煤气利用率; 多时间尺度系统; data-driven modeling
• ISSN: 1000-8152
• DOI: 10.7641/CTA.2024.30318

煤气利用率(GUR)是衡量高炉能耗和稳顺运行的重要指标,受布料和送风操作在不同时间尺度下影响.现有对煤气利用率的建模、预测和控制仅在单一时间尺度上进行,忽略了多时间尺度特性,影响预测和控制的准确性.因此,提出一种数据驱动的多时间尺度高炉煤气利用率模型预测控制方法(MTSGURMPC).首先,根据经验模态分解和相关性分析得到布料和送风对煤气利用率影响的不同尺度;然后,建立布料长时间尺度和送风短时间尺度模型,提出了多时间尺度模型预测控制结构用于快速准确寻找高炉最优操作策略,该结构将煤气利用率划分为不同尺度进行模型预测控制,兼顾了高炉多时间尺度和模型预测控制动态优化特性,不断反馈优化趋近最优解;最后,基于某钢铁厂高炉工业数据进行应用实验,结果表明该方法能够实现煤气利用率准确预测和控制,并有效提高控制精度.