基于EMD-BP神经网络预测模型的能源管理系统设计与实现

论文摘要

钢铁工业是国民经济的重要基础产业,其能源消耗量约占全国工业总能源消耗量的15%,因此钢铁行业是节能减排的重点行业。目前,钢铁企业能源管理工作普遍面临计量点多、计量点分散、自动化／信息化水平落后等情况,且长期以来,都是依靠人工取值、人工抄表的方式进行统计,获取的信息少、数据传输的速度慢、处理的周期长,并最终造成了能源的浪费。因此如何建立能源管理系统,有效地提高企业能源管理效率,合理地调配企业能源,从整体上实现节能降耗,是一项值得研究的课题。本文以钢铁企业中的高炉煤气作为主要研究对象,煤气是钢铁企业生产过程中产生的最为重要的二次能源,而在一般情况下,企业在对煤气调度和平衡调整不善时,首先选择将高炉煤气作放散处理,导致高炉煤气的严重浪费,因此科学地预测高炉煤气的发生量和使用量,制定合理的高炉煤气使用计划,对钢铁企业的节能降耗工作具有十分重要的意义。本文分析了高炉煤气整体管网结构以及各用户的发生或消耗情况,提出了一种基于EMD-BP神经网络预测的能源管理模型设计,与传统的BP人工神经网络模型相比较,该方法具有较快的预测速度和较高的预测精度。最后,本文设计并实现了一套基于EMD-BP神经网络预测模型的能源管理系统,通过实际使用的效果分析,该系统能较好的做到煤气系统的平衡,减少了煤气的放散率,具有较好的节能效果。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 研究背景
• 1.2 国内外研究现状
• 1.3 研究内容及意义
• 1.4 组织结构
• 第二章 相关技术概述
• 2.1 BP人工神经网络概述
• 2.1.1 基本概念
• 2.1.2 神经元模型
• 2.1.3 网络结构
• 2.2 经验模式分解（EMD）理论概述
• 2.2.1 经验模式分解（EMD）简介
• 2.2.2 固有模态函数（IMF）
• 2.2.3 经验模式分解原理
• 第三章 基于EMD-BP神经网络预测的能源管理模型设计
• 3.1 预测目的
• 3.2 预测对象分析
• 3.2.1 高炉煤气系统管网结构
• 3.2.2 各用户高炉煤气产消分析
• 3.3 基于EMD-BP神经网络的预测方法
• 3.3.1 EMD处理
• 3.3.2 神经网络结构
• 3.3.3 训练过程
• 第四章 基于EMD-BP神经网络预测模型的能源管理系统设计
• 4.1 需求分析
• 4.2 用户分析
• 4.3 系统架构设计
• 4.4 硬件系统设计
• 4.4.1 现场传感器
• 4.4.2 数据采集与传输
• 4.5 软件系统设计
• 4.5.1 数据采集与监控系统软件设计
• 4.5.2 管理系统软件设计
• 4.5.3 数据库设计
• 第五章 基于EMD-BP神经网络预测模型的能源管理系统实现
• 5.1 基于EMD-BP神经网络预测技术的实现及效果
• 5.1.1 数据预处理
• 5.1.2 BP神经网络预测
• 5.1.3 预测效果分析
• 5.2 能源管理系统的实际应用
• 5.3 系统运行界面
• 第六章 结论与展望
• 6.1 结论
• 6.2 展望
• 参考文献
• 致谢