文献类型：期刊文章

作　　者：张颜颜[1,2] 唐立新[1,3]

机构地区：[1]东北大学物流优化与控制研究所,辽宁沈阳110819 [2]东北大学流程工业综合自动化国家重点实验室,辽宁沈阳110819 [3]东北大学辽宁省制造系统与物流优化重点实验室,辽宁沈阳110819

出　　处：《控制理论与应用》

基　　金：国家自然科学基金重点资助项目(71032004);教育部基本科研业务费资助项目(N100304012;N090104002;N100704002);国家"111"资助项目(B08015)

年　　份：2012

卷　　号：29

期　　号：12

起止页码：1616-1622

语　　种：中文

收录情况：BDHX、BDHX2011、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2011_2012、EI、IC、INSPEC、JST、MR、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：本文以钢铁企业生产与能源系统作为研究背景,设计一种数据驱动的子空间方法(data-driven subspace,DDS)预测各生产工序的能源消耗.针对钢铁生产中能源消耗和回收的特点进行了分析,以提取子空间方法的建模因素;为了设计有效的求解方法,对实际生产和数据的特征进行了分析.为了提高预测准确率,文中引入了反馈因子和遗忘因子来改进子空间方法,因子的取值采用粒子群算法(particle swarm optimization,PSO)来优化.对实际生产数据的测试验证了本文所提出的方法的有效性,该结果能够为钢铁企业的能源预测和管理提供有效的决策支持.

关 键 词：数据驱动子空间  粒子群优化 能源预测

分 类 号：TP301.6]