基于组合算法的轧钢厂电耗预测

作者：王斌; 李凯; 纪召红; 张学成; 王珩^*

来源：冶金自动化, 2022, 46(04): 72-77.

• 轧钢厂
• 电耗预测
• 最小二乘支持向量机
• 灰狼算法
• 核函数

由于目前全国限电，钢铁厂耗电量高、电耗预测精度不高的问题亟待解决。将预处理后的热轧厂每天电耗作为预测模型的输入量，建立了最小二乘支持向量机(least squares support vector machine, LSSVM)预测模型，并对LSSVM预测模型进行核函数选择仿真分析。采用一种智能寻优灰狼算法(grey wolf optimization, GWO)进行寻优仿真分析，以平均绝对误差为目标函数值，优化LSSVM惩罚参数和核函数参数，从而建立了GWO-LSSVM的电耗预测模型。以山钢日照热轧厂为例，采用所建立预测模型对日耗电量进行仿真分析，试验结果表明，GWO-LSSVM预测模型能达到较好的曲线拟合预测效果，预测精度较高，平均绝对误差(mean absolute error, MAE)为0.838。

• 单位
  山东钢铁集团日照有限公司