13、基于混合PSO - LSSVM算法的造纸过程电力消耗预测模型

基于混合PSO - LSSVM算法的造纸过程电力消耗预测模型

1. 背景与意义

近年来，中国总能耗大幅上升，从2006年的2.31×10³Mtce增长到2016年的4.36×10³Mtce，十年间增长近90%。同时，中国造纸厂的产能急剧增加，2011 - 2017年，纸和纸板产量从32.33Mt增长到111.3Mt，能耗从2000年的33.6Mtce上升到2017年的52.1Mtce。造纸业的快速发展给电力储备和减排目标带来巨大压力。然而，由于技术差距，造纸厂仍坚持传统运营模式，缺乏优化流程和管理能耗的智能方法，导致大量能源浪费。

造纸过程耗电量巨大，约占总能耗的15% - 20%。预测未来电力负荷有助于优化造纸过程的电力消耗结构，提高能源效率，降低生产成本。因此，开发短期电力负荷预测（STELF）模型是造纸厂未来发展的趋势。

造纸厂的电力负荷受政策、经济、外部环境以及生产过程中的许多随机因素（如不同电气设备之间的干扰）影响，与实际生产过程存在复杂的非线性关系。在没有人工智能方法的帮助下，很难为造纸厂开发STELF模型。

2. 研究现状

目前，STELF主要有四个研究方向：
- 线性方法 ：包括线性回归（LR）、指数平滑法、自回归移动平均（ARMA）及改进的ARMA方法等。基于线性方法的预测模型具有适应性强、稳定性好、数学结构简单等优点，能处理季节性和非平稳问题。但由于电力需求时间序列的非线性特征，这些成熟的线性预测模型无法充分考虑影响电力负荷的多维关键因素，导致精度低，无法表达电力负荷的非线性特征。
- 智能算法 ：为解决线性方法的问题，基