一种基于XGBoost算法的加热炉能耗核算方法

一种基于xgboost算法的加热炉能耗核算方法
技术领域
1.本发明涉及热轧生产技术领域，特别涉及一种基于xgboost算法的加热炉能耗核算方法。


背景技术：

2.钢铁企业作为国民经济的支柱产业，是传统的高能耗、高污染行业，其生产过程中高度依赖水、电、煤气、蒸汽等能源介质的大量消耗。钢铁行业消耗的能源约占全球能源消耗5％，二氧化碳排放量约占人为排放量的7％。伴随经济社会的发展，特别是在碳中和大背景下，钢铁企业能源的成本压力、碳排放达标的环保压力越来越大。因此，实现对能耗的精准核算和精细管控，成为钢铁企业持续有效的节能降耗、实现绿色制造和可持续发展的重点内容。
3.加热炉作为热轧领域重要工艺设备，其能耗占整个热轧工序的60％-70％。现有加热炉节能研究主要多倾向通过改进控制方法提高燃烧过程控制精度的燃烧过程控制、基于数学建模提高热效率等方面实现节能减排的进一步挖潜。但事实上，板坯个体的差异、在炉时间、装钢温度等因素对板坯能耗也存在重要的影响。因此，如何核算单个板坯加热能耗，并以此为依据制定生产计划和能源消耗管理和评价机制，对实现进一步节能减排，具有重要指导意义。
4.经检索公开号为cn111159919a的专利申请公开了一种衡量加热炉能耗分摊的方法。其根据板坯在加热炉中停留的时间划分多个累积段进行能耗累积段，进行能耗累积的离散处理，并计算加热炉单个板坯能耗，计算过程中考虑了板坯吸热及热损耗分摊等因素，但如何考虑在炉时间、装钢温度、板坯规格尺寸、出钢温度等板坯差异化因素对单一板坯能耗核算的影响，该申请并未真正触及。
5.公开号为cn108646637a的专利申请公开了一种加热炉节能运维智控系统，其技术方案主要从加强加热炉能耗监控、提高加热炉自动控制入手，降低加热炉能耗。由供电单元、可编程逻辑控制器、视频采集与存储单元、网络交换单元、光纤收发器、配电接线单元、人机交互单元、节能运维智控系统、客户端等单元组成。该技术方案可实现加热效果优化调节，提高了加热炉加热质量，但加热炉中单个板坯能耗节能分析是实现加热炉整体节能的有效途径，该申请案并未真正触及。
6.公开号为cn108062583a的专利公开了一种面向节能减排的加热炉工艺参数寻优方法，该方法通过构建加热炉能耗模型，配置加热炉工艺参数范围，获得加热炉最优工艺参数。该算法简单可靠，但同样地，对于如何考虑在炉时间、装钢温度、板坯规格尺寸、出钢温度等板坯差异化因素对单一板坯能耗核算的影响，该申请并未真正触及。
7.综上所述，现有技术主要从加强加热炉自动控制，构建数学模型，优化工艺参数方面进行研究降耗，但如何考虑在炉时间、装钢温度、板坯规格尺寸、出钢温度等板坯差异化因素对单一板坯能耗核算的影响，均未涉及。


技术实现要素：

8.本发明提供了一种基于xgboost算法的加热炉能耗核算方法，以解决现有加热炉生产板坯过程中生产单个板坯能源消耗量及成本核算算法计算不精确，不能反映出坯料材质、规格尺寸、装钢温度、出钢温度对加热炉能耗影响的技术问题，实现加热炉生产过程中不同因素条件下单独坯料能耗的精细核算。
9.为解决上述技术问题，本发明提供了如下技术方案：
10.一方面，本发明提供一种基于xgboost算法的加热炉能耗核算方法，包括：
11.确定板坯能耗的影响因素，并基于xgboost算法确定各影响因素的权重系数；
12.以预设时刻为核算起点，获取加热炉内板坯实际生产中的物料信息；其中，所述物料信息包括：板坯编号以及所述板坯对应的各所述影响因素的取值；
13.将板坯在加热炉中停留的时间段划分为多个能耗累积段，进行板坯在加热炉内能耗的离散化处理，并计算出每一累积段的能耗；
14.根据各累积段内物料信息计算各累积段内各影响因素的单一板坯分摊系数；
15.以单一板坯为能耗核算对象，基于所述板坯对应的各影响因素的权重系数、各影响因素的单一板坯分摊系数以及各累积段的能耗，计算得到各板坯的能耗。
16.进一步地，所述影响因素包括在炉时间、装钢温度、出钢温度及板坯规格尺寸；其中，板坯规格尺寸包括板坯长度、板坯宽度、板坯厚度以及板坯重量。
17.进一步地，所述基于xgboost算法确定各影响因素的权重系数，包括：
18.获取包含所述影响因素的加热炉历史生产样本数据；
19.将板坯能耗作为目标参数，建立xgboost数学模型；将所述样本数据导入xgboost数学模型进行样本训练，通过模型中feature_importance_函数得出各影响因素的重要性及相应预测值，并在归一化处理后得到各影响因素的权重系数。
20.进一步地，在将所述样本数据导入xgboost数学模型进行样本训练之前，所述方法还包括：采用箱线图法剔除所述样本数据中的异常数据。
21.进一步地，在采用箱线图法剔除所述样本数据中的异常数据时，根据所述样本数据的分布情况，划分出三个四等分点，包括下四分点位p1、中四分点位md以及上四分点位p3，上极端异常点＝p3 3ipr，下极端异常点＝p1-3ipr，其中，ipr表示箱子高度；超过上极端异常点或下极端异常点的数据即为异常数据。
22.进一步地，所述将板坯在加热炉中停留的时间段划分为多个能耗累积段，进行板坯在加热炉内能耗的离散化处理，并计算出每一累积段的能耗，包括：
23.将加热炉内板坯数量恒定的每个时间段记为一个能耗累积段，进行板坯在加热炉内能耗的离散化处理，并通过下式计算出每一累积段的能耗：
[0024][0025]
其中，qi为第i个累积段的能耗，n为第i个累积段的采样周期个数，eq
i,j
为第i个累积段中第j个采样周期内燃料的瞬时流量计量，δt为采样周期时间。
[0026]
进一步地，所述根据各累积段内物料信息计算各累积段内各影响因素的单一板坯分摊系数，包括：
[0027]
通过下式计算第k块板坯的在炉时间分摊系数λk
time
：
[0028][0029]
其中，timek为第k块板坯的在炉时间，s为当前累积段内的在炉板坯数量；通过下式计算第k块板坯的入炉温度分摊系数λk
intep
：
[0030][0031]
其中，δintepk为入炉温差，δintepk＝标准入炉温度-实际入炉温度；
[0032]
通过下式计算第k块板坯的宽度分摊系数λk
width
：
[0033][0034]
其中，widthk为第k块板坯的宽度；
[0035]
通过下式计算第k块板坯的厚度分摊系数λk
thick
：
[0036][0037]
其中，thickk为第k块板坯的厚度；
[0038]
通过下式计算第k块板坯的长度分摊系数λk
length
：
[0039][0040]
其中，lengthk为第k块板坯的长度；
[0041]
通过下式计算第k块板坯的重量分摊系数λk
weight
：
[0042][0043]
其中，weightk为第k块板坯的重量；
[0044]
通过下式计算第k块板坯的出炉温度分摊系数λk
extep
：
[0045][0046]
其中，δextepk为出炉温差，δextepk＝实际出钢温度-目标出钢温度。
[0047]
进一步地，各板坯的能耗的计算公式为：
[0048][0049]
其中，qk表示第k块板坯的能耗，m表示第k块板坯的能耗累积段数量，ε
time
表示在炉时间的权重系数，ε
intep
表示入炉温度的权重系数，ε
width
表示板坯宽度的权重系数，ε
thick
表示板坯厚度的权重系数，ε
length
表示板坯长度的权重系数，ε
weight
表示板坯重量的权重系数，ε
extep
表示出炉温度的权重系数。
[0050]
再一方面，本发明还提供了一种电子设备，其包括处理器和存储器；其中，存储器中存储有至少一条指令，所述指令由处理器加载并执行以实现上述方法。
[0051]
又一方面，本发明还提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令，所述指令由处理器加载并执行以实现上述方法。
[0052]
本发明提供的技术方案带来的有益效果至少包括：
[0053]
1、本发明提供的基于xgboost算法的加热炉能耗核算方法，能够综合考虑坯料规格、在炉时间、装钢温温度、出钢温度等多因素对加热炉能耗的影响，实现了加热炉生产过程中不同因素条件下单独坯料能耗的精细核算。
[0054]
2、本发明提供的基于xgboost算法的加热炉能耗核算方法，有助于企业制定生产计划，建立能源消耗管理和评价机制，实现加热炉能源的精细化管理。
附图说明
[0055]
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0056]
图1是本发明实施例提供的基于xgboost算法的加热炉能耗核算方法的执行流程示意图；
[0057]
图2是本发明实施例提供的箱线图模型示意图；
[0058]
图3是本发明实施例提供的能耗影响因素权重系数柱状图；
[0059]
图4是本发明实施例提供的加热炉能耗累积流程示意图。
具体实施方式
[0060]
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。
[0061]
第一实施例
[0062]
本实施例提供了一种基于xgboost算法的加热炉能耗核算方法，该方法可以考虑多因素影响，精确核算加热炉内板坯加热燃气消耗量。
[0063]
具体地，本实施例方法的执行流程如图1所示，包括以下步骤：
[0064]
s1，确定板坯差异化能耗影响因素，获取加热炉生产样本数据，基于xgboost算法确定各板坯差异化燃耗影响因素的权重系数；
[0065]
需要说明的是，本实施例结合现场实际情况，确定在炉时间、装钢温度、出钢温度、钢坯的长度、宽度、厚度、重量等作为影响钢坯能耗的重要因素。
[0066]
基于xgboost算法确定各板坯差异化燃耗影响因素的权重系数的过程如下：
[0067]
s11，获取包含上述影响因素的加热炉历史生产样本数据；
[0068]
s12，将板坯能耗作为目标参数，建立xgboost数学模型；将样本数据导入xgboost数学模型进行样本训练，通过模型中feature_importance_函数可得出各影响因素的重要性及相应预测值，并在归一化处理后得到：在炉时间权重系数ε
time
，入炉温度权重系数ε
intep
，宽度权重系数ε
width
，厚度权重系数ε
thick
，长度权重系数ε
length
，重量权重系数ε
weight
，以及出炉温度权重系数ε
extep
。
[0069]
其中，需要说明的是，在将样本数据导入xgboost数学模型进行样本训练之前，为避免异常数据影响导致模型失真，本实施例采用箱线图法剔除样本数据中的异常数据。具体地，如图2所示，在采用箱线图法剔除样本数据中的异常数据时，本实施例根据样本数据的分布情况，划分出三个四等分点，包括：下四分点位p1、中四分点位md以及上四分点位p3，
上极端异常点＝p3 3ipr，下极端异常点＝p1-3ipr，其中，ipr表示箱子高度；剔除样本数据中的异常数据时，超过上极端异常点或下极端异常点的数据即为异常数据。
[0070]
本实施例获取某轧钢厂500组数据，剔除异常数据67组，剩余433组。将样本集导入xgboost算法，使用xgbregressor函数对样本进行训练，调整模型参数，建立模型。xgboost模型参数见表1，根据生产实际选定特征参数见表2。
[0071]
表1xgboost模型参数表
[0072]
公式参数模型参数含义数值γgamma正则化参数0.1λlambda正则化参数1mn_estimator树的数量200tt叶子节点数32 max_depth树最大深度6 eta收缩步长0.3 objective定义损失函数reg:linear subsample随机采样比例0.9
[0073]
表2特征参数
[0074]
特征字段含义数值chargetemp板坯入炉温度/℃0-800slabthick板坯厚度/mm220-230slabwidth板坯宽度/mm1000-1420slablength板坯实际出炉温度/℃4000-7000slabweight板坯重量/kg8000-16000dchg_temp 1220-1244difftime在炉时间190-245
[0075]
模型建立后，通过模型中feature_importance_函数可得出各特征参数的重要性及相应的预测值，归一化处理后可得到各影响因素权重性系数如图3所示。
[0076]
s2，以预设时刻为核算起点，获取加热炉内板坯实际生产中的物料信息；
[0077]
具体地，本实施例在核算起点通过物料跟踪系统获取钢坯的坯料编号、规格尺寸、出钢温度、装钢温度、在炉时间等物料信息。
[0078]
s3，将板坯在加热炉中停留的时间段划分为多个能耗累积段，进行板坯在加热炉内能耗的离散化处理，并计算出每一累积段的能耗；
[0079]
具体地，如图4所示，本实施例将加热炉内钢坯数量恒定的每个时间段记为一个能耗累积段，从而将钢坯在加热炉中停留的时间段划分为m个能耗累积段，进行能耗累积的离散处理，并按照下式计算各能耗累积段的能耗：
[0080][0081]
其中，qi为第i个能耗累积段的能耗，单位kgce，n为第i个累积段的采样周期个数，eq
i,j
为第i个累积段中第j个采样周期内燃料的瞬时流量计量，单位kgce/h，δt为采样周期时间，j为第i个能耗累积段的第j次采集。
[0082]
s4，根据各能耗累积段内的物料信息，计算出各能耗累积段内各影响因素的单一板坯分摊系数；
[0083]
具体地，各影响因素的单一板坯分摊系数的计算方式如下：
[0084]
通过下式计算第k块板坯的在炉时间分摊系数：
[0085][0086]
其中，timek为第k块板坯的在炉时间，单位min，λk
time
为在炉时间分摊系数，s为当前累积段内的在炉板坯数量；
[0087]
通过下式计算第k块板坯的入炉温度分摊系数：
[0088][0089]
其中，δintepk为入炉温差，单位℃，δintepk＝标准入炉温度-实际入炉温度；λk
intep
为入炉温度分摊系数；
[0090]
通过下式计算第k块板坯的宽度分摊系数：
[0091][0092]
其中，widthk为第k块板坯的宽度，单位mm；λk
width
为钢坯宽度分摊系数；通过下式计算第k块板坯的厚度分摊系数：
[0093][0094]
其中，thickk为第k块板坯的厚度，单位mm；λk
thick
为钢坯厚度分摊系数；通过下式计算第k块板坯的长度分摊系数：
[0095][0096]
其中，lengthk为第k块板坯的长度，单位mm；λk
length
为钢坯长度分摊系数；通过下式计算第k块板坯的重量分摊系数：
[0097][0098]
其中，weightk为第k块板坯的重量，单位kg；λk
weight
为钢坯重量分摊系数；通过下式计算第k块板坯的出炉温度分摊系数λk
extep
：
[0099][0100]
其中，λk
extep
为出炉温度分摊系数，δextepk为出炉温差，单位℃，δextepk＝实际出钢温度-目标出钢温度。
[0101]
上述各计算公式中，s为某一累积段内在炉钢坯数量。
[0102]
s5，以单一板坯为能耗核算对象，基于各影响因素的权重系数、各影响因素的单一板坯分摊系数及板坯在炉能耗累积，对各板坯的燃耗进行归集核算。
[0103]
具体地，本实施例以第i个累积段内的第k块坯料作为核算对象，综合考虑个影响因素的权重系数及各个影响因素的单一板坯分摊系数，计算出第k块坯料在第i个累积段内
的燃耗，将第k块钢坯在炉期间的m个累积段进行求和，获得第k块坯料加热炉燃气消总消耗量，具体计算公式如下：
[0104][0105]
其中，qk表示第k块板坯的能耗，m表示第k块板坯的能耗累积段数量。
[0106]
综上，本实施例的加热炉能耗核算方法，通过大数据平台获取大量加热炉燃气消耗历史数据信息，通过建立xgboost数学模型，将样本导入模型，进行样本训练，获得各特征参数的重要性及相应的权重系数，在综合考虑多因素影响及坯料分摊系数的基础上以单一坯料作为核算对象进行燃气消耗的离散化累积，克服了现有加热炉生产过程中生产单个板坯能源消耗量及成本核算算法计算不精确，无法反映出坯料材质、规格尺寸、装钢温度、出钢温度对加热炉能耗的影响，实现了加热炉生产过程中不同因素条件下单独坯料能耗的精细核算。
[0107]
第二实施例
[0108]
本实施例提供一种电子设备，其包括处理器和存储器；其中，存储器中存储有至少一条指令，所述指令由处理器加载并执行，以实现第一实施例的方法。
[0109]
该电子设备可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器(central processing units，cpu)和一个或一个以上的存储器，其中，存储器中存储有至少一条指令，所述指令由处理器加载并执行上述方法。
[0110]
第三实施例
[0111]
本实施例提供一种计算机可读存储介质，该存储介质中存储有至少一条指令，所述指令由处理器加载并执行，以实现上述第一实施例的方法。其中，该计算机可读存储介质可以是rom、随机存取存储器、cd-rom、磁带、软盘和光数据存储设备等。其内存储的指令可由终端中的处理器加载并执行上述方法。
[0112]
此外，需要说明的是，本发明可提供为方法、装置或计算机程序产品。因此，本发明实施例可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质上实施的计算机程序产品的形式。
[0113]
本发明实施例是参照根据本发明实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0114]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。这些计算机程序指令也可装载到计算机或其他可编程数据处
理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0115]
还需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
[0116]
最后需要说明的是，以上所述是本发明优选实施方式，应当指出，尽管已描述了本发明优选实施例，但对于本技术领域的技术人员来说，一旦得知了本发明的基本创造性概念，在不脱离本发明所述原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。