岳有军 李佳佳 赵 辉 王红君

(天津理工大学自动化学院，天津 300384)

钢铁企业蒸汽管网压力预测

岳有军 李佳佳 赵 辉 王红君

(天津理工大学自动化学院，天津 300384)

为解决钢铁企业中蒸汽管网压力变化无规律很难对蒸汽系统进行实时有效调度的问题，提出一种基于小波变换-贝叶斯神经网络预测方法。首先利用小波变换对原始数据进行降噪处理，以降低数据中的误差干扰；然后利用贝叶斯正则化算法结合BP神经网络，在训练优化过程中降低网络结构的复杂性，避免网络过拟合，提高了网络的泛化能力同时改善了预测效果。实验结果表明：基于小波变换-贝叶斯神经网络预测方法的钢铁生产蒸汽管网压力的预测精度高、性能好，具有良好的实用性，可提高企业蒸汽管网的运行管理水平，为蒸汽的合理调度提供了科学的理论依据。

压力预测 蒸汽管网 噪声 小波变换 小波神经网络 贝叶斯神经网络

钢铁生产是典型的高物耗和高能耗行业，据初步估算，钢铁工业的能耗约占工业总能耗的23%，排在第一位，并占全国总能耗的16.1%[1]。在巨大的能源消耗中，能利用的能源仅占30%，导致了钢铁企业能源紧缺现象加剧、生产成本提高。在钢铁企业的生产过程中，由于效率低下的能源利用率，使能源消耗成本占到总成本的20%～40%左右，直接降低了我国钢铁产品的竞争力。因而，降低能源消耗、提高能源利用率是钢铁企业亟待解决的问题[2]。

蒸汽是钢铁企业最重要的能源之一，蒸汽消耗在钢铁企业能源总成本中超过10%，蒸汽系统能源的有效利用对钢铁企业节能减排有着重要意义。……