专利类型：发明公开申请(专利)号：CN202510176516.X申请日：2025-02-18申请公布号：CN120031203A申请公布日：2025-05-23申请人：昆明理工大学地址：650093 云南省昆明市一二一大街文昌路68号发明人：胡建杭; 向恒杰; 王华; 唐从玮专辑：信息科技专题：计算机软件及计算机应用主分类号：G06Q10/04分类号：G06Q10/04;G06Q10/063;G06Q50/04;G06Q50/26;G06F18/2135;G06N20/00;G06F123/02国省代码：53页数：15代理机构：昆明隆合知识产权代理事务所(普通合伙)代理人：张沛钦主权项：1.一种基于PCA的钢铁冶炼流程中能耗及碳排放的预测方法,其特征在于,所述方法包括：S101、收集钢铁冶炼流程的不同时间段的历史能耗及碳排放数据得到初始数据集合,所述历史能耗及碳排放数据包括生产数据、设备运行数据、环境数据和市场数据；S102、对初始数据集合中的数据进行预处理,所述预处理包括异常值剔除、缺失值插补和多工序特征整合与校正；S103、对所述初始数据集合采取PCA降维并提取关键特征的成分矩阵,所述提取的关键特征包括影响钢铁冶炼流程的至少两个特征变量,特征变量提取自炼焦过程、球团过程、烧结过程、炼铁过程、炼钢过程和轧钢过程中；S104、将成分矩阵转换为特征变量与目标变量一同进行归一化处理,消除不同特征变量因量纲和数值范围差异对数据分析和模型计算带来的影响,确保变量在同一数值尺度下参与分析；S105、采用多个机器学习模型进行训练,得到多个初始预测效果,所述多个机器学习模型包括支持向量机SVM、随机森林RF算法、XGBoost和神经网络,根据需求来适配不同模型,不同模型基于其独特的算法特点捕捉数据中的不同模式和关系；S106、调整模型超参数使得模型效果最优,根据数据的具体情况动态调整机器学习模型的超参数,以实现预测效果的最优化；S107、采取误差分析,交叉验证评判多个模型的效果,将多个模型的预测效果进行对比,选取效果最佳的模型作为目标模型；S108、输入实时能耗及碳排放数据至所述目标模型中,输出最终预测结果。摘要：本发明公开了一种基于PCA的钢铁冶炼流程能耗及碳排放预测方法及系统,属于钢铁冶炼流程能耗及碳排放数据分析技术领域,该方法包括：收集钢铁冶炼流程的不同时间段的历史能耗及碳排放数据；对能耗及碳排放数据进行剔除异常值,插补缺失值等预处理；采取PCA降维并提取关键特征的成分矩阵；将成分矩阵转换为特征变量与目标变量一同进行归一化处理；采用多个机器学习模型进行训练,得到多个初始预测效果；调整模型超参数使得模型效果最优；采取误差分析,交叉验证等评判多个模型的效果,将多个模型的预测效果进行对比,选取效果最佳的模型；输入实时能耗及碳排放数据,输出最终预测结果,使得钢铁企业能够根据历史生产数据预测未来能耗及碳排放量,实时调节生产计划,达到合理利用能源,降低钢铁冶炼过程对环境的负面影响。