基于粒子群优化案例推理的RH终点温度预测

针对RH流程终点钢温预报问题,提出了一种基于多元线性回归和粒子群优化算法改良的案例推理方法。首先,对待一般案例推理方法中缺乏影响因素的问题,利用多元线性回归的方法进行属性约简;其次,面对案例检索中相似度计算缺乏权重计算方法的问题,采用粒子群优化算法对权值进行优化;最后,基于简化的影响因素和优化权重,采用改进的灰色关联相似性的案例检索来预测RH终点的钢水温度。利用某钢铁厂RH工艺的实际生产数据,分别对多元线性回归、BP神经网络、一般案例推理方法和粒子群优化案例推理方法进行测试,从结果可以看出,文中所使用的基于粒子群优化过的案例推理方法的预报精度,相较于多元线性回归,BP神经网络以及一般案例推理更加准确。

LF炉温度预报模型研究

针对传统温度预报模型中计算复杂度较高、耗时长且浪费大量人力的缺点,本文以印度比莱钢铁厂LF炉(ladle furnace)为研究对象,提出了基于蒙特卡洛方法优化神经网络结构的新模型。该方法相比于传统的神经网络算法省去了由人工实验不断尝试来确定网络结构的复杂过程。本文采用最大相似法和邻近炉次法对数据进行筛选建立新的样本数据库,提高样本数据的精确性,减小样本数据的误差。采用遗传算法对神经网络进行优化,使模型的收敛速度更快,预测精度更高。仿真结果表明,本模型的预报误差在±5℃的准确率达90.52%,在±10℃以内的准确率达96.93%,具有较高的预测精度,能够满足LF炉炉外精炼生产需要。

构筑继电保护装置运行状态和检验方法研究体系

本文对微机继电保护技术发展带来的继电保护检验方法滞后、脱节、不具权威性、现场维护受影响、安全保证打折扣等问题进行了认真分析,提出了电力系统要通过建立原始继电保护装置资料搜集系统,构筑继电保护装置运行状态和检验方法研究体系,有效保证继电保护装置维护质量,保证电力系统安全稳定运行。