钢铁行业是我国最重要的基础产业部门之一，是工业的支柱产业。钢铁企业是能源消耗的大户，高产量的钢铁产品必然消耗大量的能源物质。但由于各种原因，我国钢铁企业的吨钢能耗远高于世界先进水平，重点钢铁企业的吨钢能耗比国外先进水平高出10％。钢铁企业节能降耗成为急需解决的事情，关系到国家、社会的发展。
本课题的提出正是以钢铁企业节能为目的，分析评价钢铁企业能耗，找出节能重点，预测钢铁企业的能耗，挖掘节能潜力，这与国家工业节能优先主题所规定的内容高度吻合。课题研究的内容在流程工业中具有很强的通用性和推广性，经济和社会意义极其重大。
本文以钢铁企业节能降耗为目的，研究钢铁企业能耗，为此做了大量工作，具体工作如下:
在钢铁企业的物质流模型的基础上，从“基准物质流”的概念入手，分析了钢铁企业生产流程中含Fe物质流在实际生产中可能发生的流动情况，并且分析了各种偏离“基准物质流”的含Fe物质对钢铁企业吨钢综合能耗的影响。分析结果表明，在钢铁企业生产流程中，凡是由外界向某中间工序输入含Fe物料，必有利于节能，且越是后部工序，节能越显著;凡是由某工序向外界输出或返回上游工序重新处理的含Fe物料，必增大该工序能耗及上游工序的实物产量，从而增大吨钢能耗，且越是后部工序，耗能越多;凡在工序内部循环使用含Fe物料，必使本工序能耗增大。
为了对钢铁企业能耗进行科学、全面的评价，选取吨钢综合能耗作为评价指标，建立了吨钢能耗的灰色群体层次分析法的层次结构，从系统的角度，应用灰色群体层次分析法评价了钢铁生产流程中的11种物质流因素对吨钢综合能耗影响程度，并按照影响程度的大小进行了排序，为指导企业制定科学的节能降耗措施提供了理论依据。
在对钢铁企业进行能耗预测时，选取GA-BP神经网络作为预测模型，选择影响吨钢综合能耗的含铁物质作为神经网络的输入。基于主成分分析法的降维原理，将影响吨钢综合能耗的11种含铁物质降维到3个新综合变量，降维、除冗余处理后的数据作为神经网络预测模型的输入，减少了预测模型的复杂性。采用GA优化BP神经网络的初始权值和阈值，克服了BP神经网络本身的一些缺陷，使得预测精度得以提高。
- 作 者：
- 李培静
- 学科专业：
- 控制理论与控制工程
- 授予学位：
- 硕士
- 学位授予单位：
- 东北大学
- 导师姓名：
- 徐林
- 学位年度：
- 2012
- 研究方向：
- 语 种：
- chi
- 基金项目：
