پيش بيني مصرف برق كوره هاي قوس الكتريكي با رويكرد يادگيري عميق

در حال حاضر بخش قابل توجهي از توليد فولاد جهان، بر استفاده از سوخت هاي فسيلي متكي است كه به معناي توليد مقادير زيادي از گازهاي گلخانه اي توسط اين صنعت است. بنابراين با مديريت مصرف انرژي كوره هاي قوس، نه تنها به بهبود عملكرد اين صنعت كمك مي كند، بلكه باعث كاهش مصرف انرژي و انتشار گازهاي گلخانه اي مي شود. ‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌‌در اين پژوهش روش شبكه هاي عصبي مصنوعي براي پيش بيني ميزان مصرف انرژي به كار رفته است. پارامترهاي موثر انتخاب شده شامل Power off، Power on، Yield شارژ فلزي، مقدار آهك، مقدار كك،‌ مقدار دولوميت،‌ ميزان اكسيژن استفاده شده در ذوب، درصد آهن اسفنجي(DRI)، شيفت نيروي انساني، دماي ذوب، تناژ تخليه و ميزان كربن استفاده شده و مقدار مصرف فروآلياژها در ذوب بودند. در اين پژوهش از شبكه هاي عصبي MLP و رگرسيون چند متغيره استفاده شد. مقايسه نتايج مدلها با يكديگر نشان مي دهد مدل شبكه هاي عصبي مصنوعي دو لايه با 2 نورون در لايه اول و 21 نورون در لايه دوم از بالاترين دقت و ضريب همبستگي برخوردار است و عامل Power on و تناژتخليه و Yield از تاثيرگذارترين عوامل بر مصرف برق كوره قوس هستند.