【研究】造纸企业能耗预测研究

由于基础薄弱、管理落后的问题，我国制浆造纸行业仍是高耗能、高污染的粗放式生产方式。能耗与环境问题成为企业和政府亟待解决的问题。

能源管理系统（Energy Management System，EMS）是利用计算机技术和网络通信技术对生产现场中的各种能耗数据进行采集，将预处理后的数据进行分析并发布，最终达到降低污染、节约能源的目的。本课题实现监控与管理、能耗数据分析与预测、能源网络优化等功能，达到造纸企业能源有效管理和节能减排作用。

1 EMS系统总体架构

1.1系统架构

该系统框架为三层结构为：数据采集层、数据处理层、应用管理层。

1.2系统网络结构

该能管系统网络采用双环网冗余服务器的架构，此架构大大提高系统的通讯能力，增强系统的可靠性，并且便于系统向上扩展。

2 GA-BP神经网络预测模型

BP神经网络具有各种逼近、并行、容错以及自我学习的特征别广泛应用于模型预测，但是其自身也存在缺陷，多遍反馈、收敛速度慢且易陷入局部极小点使预测模型精确度较低。GA是对参数进行编码运算而不需要有关体系的任何先验知识，从串集开始搜索，覆盖面积大，避免陷入局部最优解的风险，利于全局优化。本文将BP神经网络与GA算法的优点相结合，利用GA算法对优化BP神经网络模型权值和阈值，获得GA-BP优化网络模型。

3 电耗预测模型的建立及仿真

3.1预测模型建立

以车间前22天的数据对后6天的耗电量进行预测，此车间每日四班电耗数据、每班的最高室温和最低室温及电价情况，共计输入层节点数为4个；输出层节点数为1个。

3.2仿真结果对比分析

由图4 遗传优化进程中最优个体适应度曲线可知，随着进化代数的推移，每代中的最优个体适应度值慢慢的降低，直至第50代。

 图1 最优个体适应度趋势图

4 现场应用

图2 电力系统实施监控图 

本文以西门子S7-400PLC为控制器、B.DATA能管软件为平台，设计某造纸企业EMS系统，该具备监控与管理、能耗数据分析与预测、能源网络优化等功能，图12为电力负荷监视图。并用遗传算法调节 BP 神经网络的权重和阈值，构建GA-BP神经网络用于纸厂水、电、汽等能源的预测，能够有效避免局部极值和初值相关性等问题,提高收敛速度,得到较好的网络结构。实际应用表明：GA-BP神经网络预测模型相对误差为±4%，预测精度高，能够满足企业需要，具有较高的借鉴和实践意义。

作者：胡亚南 宁奎伟 丰会萍 王鹏文