改进的数据驱动子空间算法求解钢铁企业能源预测问题

• 作者: 唐立新 张颜颜
• 来源期刊: 控制理论与应用
• 关键词: 数据驱动子空间 粒子群优化 能源预测
• 年，卷（期）: 2012,（12）
• 所属期刊栏目: 短文
• 页码范围: 1616-1622
• 页数: 7页
• 分类号: TP29
• 语种: 中文

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	唐立新	东北大学物流优化与控制计究所	106	2154	24.0	41.0
5	张颜颜	东北大学物流优化与控制计究所	7	45	4.0	6.0