基于神经网络算法的钢铁企业电力能耗预测

酒钢集团碳钢薄板厂 吴 强 李发业 中电普瑞科技有限公司 罗 斌

1 引言

目前我国吨钢能耗水平高出国外先进国家，因此有必要建立钢铁企业电力能耗预测模型，预测电力能耗水平，为钢铁企业节能降耗提供科学依据。李培静[1]采用了神经网络的模型，并基于主成分分析的原理，降低了模型的复杂程度。施杰等人[2]建立的Boosting 模型准确性较高，用户能够依据该企业的生产情况对电能情况预测。崔贺[3]利用支持向量机以及BP 神经网络算法对能源进行预测，从而节约能源。宋安原等人[4]实现了对城市中各个用户的用电情况预测。杜捷[5]指出企业目前面临着发电量增加，综合能耗也随之增加的风险。目前缺乏钢铁企业电力系统的预测模型，因此本文针对钢铁企业实际电力消耗及钢铁生产流程，采用BP 神经网络建立钢铁企业电力能耗预测模型。

2 钢铁企业电力能耗预测的建立

2.1 基于神经网络算法的钢铁企业电力能耗预测模型

神经网络是机器学习中较为重要的方法，神经网络算法是基于生物神经网络的一种预测模型。主要通过神经元的权重进行建模，进行实际的预测，神经网络结果为输入层—隐含层—输出层。

设输入层输入值为x1，x2，…xn，神经网络的权值分别为wij和wjk，神经网络输出层中预测值为y1，y2，…yn。本文采用BP 神经网络进行预测，预测算法步骤如下。

一是输入层节点输为n，需要根据影响因素进行确定节点数，隐含层节点数为l，输出层节点输为k，输入层与隐含层神经元之间权值为wij，隐含层与输出层神经元之间权值为wjk，并将权值进行初始化，隐含层和输出层初始化的阈值分别为a和b。……