基于LSTM-Attention与MOPSO高炉节能减排控制算法研究

来源：电子测量技术杂志2023年第14期北京时间：

作者：耿治胜，王月明，高东辉，罗果萍

单位：1.内蒙古科技大学信息工程学院 包头 014010; 2.内蒙古科技大学材料与冶金学院 包头 014010; 3.包钢稀土钢炼铁厂 包头 014010

摘要：随着节能环保观念和绿色持续发展理念的深入人心，如何做好高炉节能减排已为目前钢铁行业面对的主要问题之一。为实现高炉节能减排，将人工智能技术与高炉生产数据相结合，提出了燃料比最低和煤比最高的多目标优化方案。在燃料比和煤比预测方面运用随机森林(RF)、长短时记忆网络结构(LSTM)、结合注意力机制的长短时记忆(LSTM-Attention)3个算法对比分析，选择出对燃料比和煤比预测最准确的LSTM-Attention模型作为预测模型。并在LSTM-Attention预测模型基础上，结合多目标粒子群算法(MOPSO)和非支配排序遗传算法(NSGA-II)分别寻找Pareto最优解进行对比，选择效果较好的MOPSO进行结果分析。结果表明，在高炉生产工况一定的情况下，控制决策变量压差、氧量、喷煤量和风量的参数值，约能降低能耗4.06×1011 kJ/年，减少CO2的排放量25.91 t/年，为高炉实现节能减排提供技术支持。

关键词：节能减排;燃料比;煤比;LSTM-Attention;多目标粒子群优化算法

基金资助：内蒙古自治区自然科学基金（2020MS06008）、内蒙古自治区关键技术攻关项目（2021GG0045）资助