目前,氧气供需的不平衡问题一直困扰着钢铁生产企业,它不仅会使资源造成无谓的浪费,同时也会影响企业正常的生产运行。本论文基于某钢铁公司智慧能源管控平台项目的软硬件平台针对氧气消耗预测、平衡调度优化模型进行研究。研究重点是对主要耗氧设备进行氧气消耗量影响因子分析,利用神经元网络等算法构建氧气消耗预测模型,通过生产计划、检修计划及能耗的主要影响因子精确预测各主要用能设备的耗氧量,同时结合氧气管道压力,氧气球罐容积制定制氧气负荷调整方案,最终形成氧气消耗预测模型和平衡优化调度模型,真正意义上做到生产计划和能源计划的协同,并解决氧气供需平衡模型约束条件复杂带来的问题。本论文主要工作内容如下:(1)首先分析影响氧气消耗的重要影响因子,确定数据采集范围与各级相关系统建立数据通讯接口,进行生产数据与能源数据集成。然后利用相关分析技术进一步确定与高炉炼铁、转炉炼钢氧气消耗相关的重要影响因素,确定关键输入。对数据进行清洗和整理,形成样本数据集。(2)运用时间序列算法和BP神经网络算法作为系统的数学理论基础,利用IBM SPSS数据挖掘软件,开发建立了氧气消耗预测模型,对高炉和转炉的氧气消耗做出预测。在充分分析耗氧设备转炉、高炉的氧气消耗量,氧气存储设备管网、液氧的氧气缓冲能力的基础上,结合炼钢工序冶炼计划和高炉耗氧的特点,建立起基于BP神经网络算法的转炉氧气预测模型和基于时间序列算法的高炉氧气消耗预测模型。通过模型精度评估和对比,这两种算法建立的模型4小时内预测精度可达到99%以上,满足实际氧气管网平衡优化应用需要。(3)根据优化的目标不同,利用氧气预测模型预测的氧气消耗量作为输入,建立不同的氧气管网平衡优化模型(包括氧气放散最小和制氧机组单耗最小等),分析不同模型优化的结果,并进行对比分析,结合实际业务需求进行优化模型的动态选择和动态优化。本系统综合考虑了高炉炼铁和转炉炼钢氧气消耗的各类影响因素,覆盖面较广,其结论比较具有实际价值。本论文通过模型的建立,初步解决了钢铁企业氧气系统供需不平衡和根据人工经验调度方法结果不够准确的问题,从而对企业降低能源成本,提高能源利用率起到关键作用。