研究内容及意义

针对上述情况，为平衡煤气管网状态，制定合理的转炉煤气调度计划，本文提出基于概率因果关系的Bayesian网络结构学习及推理的冶金煤气系统调度新方法，该方法以煤气存储柜及系统中所有可调整消耗用户为研宄对象，考虑煤气管网在线学习网络结构的精度和速度，通过智能优化算法选择适宜的节点拓扑顺序，形成煤气存储柜与系统可调用户间Bayesian网络关系模型，实时找出当前对煤气柜位产生直接影响的因素。在此基础上通过Bayesian推理计算出调整对象当前的最优调整量。为进一步验证所提调度方案的适用性，提出将给出调整方案后的用户用量及当前柜位通过基于递归神经网络的模型来完成预测，从而检验调度方案实施后的煤气柜位运行情况，形成闭环控制体系。在系统验证阶段，鉴于转炉煤气系统在整个冶金能源系统中的典型性，本文以转炉煤气系统的平衡调度为例，采用某钢铁企业能源中心实际数据进行了大量验证试验，结果表明本文提出的基于Bayesian网络结构学习及推理的煤气调整方案能够更好地为企业的副产煤气平衡调度提供科学的指导。