原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
工業加熟
2024年第53卷第1期
Vol.53No.12024INDUSTRIALHEATING
节能环保
D01:10.3969/j.issn.1002-1639.2024.01.012
基于改进差分进化算法的步进式加热炉能耗预测方法
全翠芝，张惠，刘洪斌
（国网冀北电力有限公司智能配电网中心，河北秦皇岛066100）
摘要：为了快速寻找到全局最优解，提高加热炉能耗的预测精度，提出基于改进差分进化算法的步进式加热炉能耗预测方法。首先，
采用小波包原理对步进式加热炉的历史运行能耗数据展开去噪处理，提高能耗数据精度；其次，采用时间卷积网络建立步进式加热
炉能耗预测模型；最后，采用差分进化算法对预测模型进行求解，采用禁忌搜索算法对适应度值排名前10%的优良个体进行进一步
的搜索，使差分进化算法的全局最优解寻求能力得到改进提升。实验结果表明，所提出预测方法去噪效果较高，预测结果与实际能
耗结果基本一致,并且最长预测耗时不超过2min。
关键词：步进式加热炉；改进差分进化算法；能耗预测；小波包；禁忌搜索算法
中图分类号：TF062；TG155.12文献标志码：A文章编号：1002-1639(2024)01-0047-05
EnergyConsumptionPredictionofWalkingBeamFurnaceBasedonImprovedDifferentialEvolutionAlgorithm
TONGCuizhi,ZHANGHui,LIUHongbin
(StateGridJibeiElectricPowerCompanyLimitedSmartDistributionNetworkCenter,Qinhuangdao066100,China)
Abstract:Inordertoquicklyfindtheglobaloptimalsolutionandimprovethepredictionaccuracyoftheenergyconsumptionofthereheating
furnace,amethodforpredictingtheenergyconsumptionofthewalkingbeamreheatingfurnacebasedontheimproveddifferentialevolutional-
gorthmisproposed.Firstly,thewaveletpacketprincipleisusedtode-noisethehistoricaloperationenergyconsumptiondataofthewalking
beamheatingfurnacetoimprovetheaccuracyofenergyconsumptiondata;Secondly,thetimeconvolutionnetworkisusedtoestablishtheen-
ergyconsumptionpredictionmodelofthewalkingbeamfurnace;Finally,thedifferentialevolutionalgorithmisusedtosolvetheprediction
model,andthetabusearchalgorithmisusedtofurthersearchthetop10%oftheexcellentindividualswithfitnessvalues,sothattheglobal
optimizationsearchabilityofthedifferentialevolutionalgorithmisimproved.Theexperimentalresultsshowthattheproposedpredictionmethod
hashighdenoi
文档评论（0）