摘 要

水泥制造业是中国建材的重要产业，作为世界第一水泥大国，中国的水泥生产及消费量占据全球总额的50%以上。由于传统水泥生产技术的因素，我国水泥工业在生产过程中能源消耗较大，不利于其长远发展。在中国所有产业的能耗总量中，水泥行业的能耗占比高达5%。水泥生产工艺中主要有煤、电力及少量柴油的消耗，消耗得最多的能源是煤，所以以煤耗为对象进行分析。

现在的水泥生产过程都用上了实时监控设备，在长期的生产运行过程中积累了大量的生产运行数据，就目前来说，国内还没有一个水泥企业对这些数据充分利用，但大数据技术已经开始进入水泥行业。本文主要针对国内水泥厂煤耗较高、数据利用率低的问题，将大数据技术应用到水泥厂煤耗管控中，为水泥厂搭建大数据计算平台，建立煤耗特性的数学模型。采集并清洗水泥厂熟料煅烧工艺数据，使用稳定性选择算法分析各参数对煤耗的影响系数，使用随机森林算法建立煤耗的数学模型，使用K-means聚类算法分析节能减排措施，指导水泥厂降低煤耗，改善生产。

部分水泥企业已经在开始协同处理在生活垃圾，本文所采集的数据来源就是这样的水泥厂，根据是否添加RDF,得出两种工况下的煤耗，从而为企业的生产过程中的节能减排提出可行性建议，为企业的发展提供帮助。

关键词：水泥厂；大数据；稳定性选择；随机森林；煤耗特性

Abstract

Cement manufacturing industry is an important industry of building materials in China. As the world's largest cement country, China's cement production and consumption account for more than 50% of the global total. Due to the factors of traditional cement production technology, the energy consumption of cement industry in China is relatively large in the production process, which is not conducive to its long-term development. Among the total energy consumption of all industries in China, the energy consumption of cement industry accounts for up to 5%. Coal, electricity and a small amount of diesel oil are the main consumption in cement production process. Coal is the most energy consumed, so coal consumption is analyzed.

At present, real-time monitoring equipment is used in cement production process, and a large number of production and operation data have been accumulated in the long-term production and operation process. At present, there is no domestic cement enterprise to make full use of these data, but big data technology has begun to enter the cement industry. Aiming at the problems of high coal consumption and low data utilization rate in domestic cement plants, this paper applies big data technology to coal consumption management and control of cement plants, builds a big data calculation platform for cement plants, and establishes a mathematical model of coal consumption characteristics. Collect and clean clinker calcination process data of cement plant, use stability selection algorithm to analyze the influence coefficient of each parameter on coal consumption, use random forest algorithm to establish a mathematical model of coal consumption, use K-means clustering algorithm to analyze energy saving and emission reduction measures, guide cement plant to reduce coal consumption and improve production.

Some cement enterprises have begun to deal with domestic waste synergistically. The data collected in this paper are from such cement plants. According to whether RDF is added or not, coal consumption under two working conditions can be obtained, so as to put forward feasible suggestions for energy saving and emission reduction in the production process of enterprises, and to provide help for the development of enterprises.

Key words: cement plant; big data; stability selection; random forest; coal consumption characteristics

目 录

摘要 I

Abstract II

第1章 绪论 1

1.1研究背景及意义 1

1.1.1水泥厂能耗现状分析 1

1.1.2大数据的发展 3

1.2研究现状 4

1.2.1水泥行业大数据技术的应用 4

1.3研究内容及方法 4

第2章 大数据技术的理论基础与工具 6

2.1大数据概述 6

2.1.1大数据定义及特征 6

2.1.2 大数据核心 7

2.2大数据技术 8

2.2.1大数据处理模式 8

2.3 工具介绍 8

2.3.1大数据平台 8

2.3.2在MATLAB中处理大数据 9

2.4本章小结 10

第3章 水泥厂煤耗特性建模 11

3.1算法介绍 11

3.1.1特征选择算法：稳定性选择 11

3.1.2回归算法：随机森林 11

3.1.3聚类算法：K-means 13

3.2水泥厂热耗分析 13

3.2.1理论热耗分析 13

3.2.2实际热耗分析 13

3.3煤耗模型数据准备 15

3.3.1数据计算流程 15

3.3.2参数选择与数据采集 16

3.4数学建模 17

3.4.1特征选择 17

3.4.2建立回归模型 18

第4章 煤耗分析预测 20

4.1数据挖掘 20

4.2模型验证与优化 20

4.3优化效果展示 21

第5章 结语 21

参考文献 24

致谢 25

第1章 绪论

1.1研究背景及意义

1.1.1水泥厂能耗现状分析

水泥行业是历史悠久的传统基础材料行业，水泥生产从原料的开采到生料制备、熟料煅烧、最后制成水泥出厂，所用设备到多达数百种，同时存在着大量电能和热能的消耗。水泥产能是衡量社会发展和国家综合实力的重要标准，从1978年到2010年，中国水泥产量从6524万吨增长至18.68亿吨，年均增长率达11.05%^[1]。中国的水泥产量连续几年都位列世界前列，产量占全球水泥产量超过50%。图1.1是水泥工艺流程图。

图1.1 水泥工艺流程

我国一直都有政策在扶持水泥行业更好的发展。“十一五”期间，我国水泥行业为推广新型干法窑技术，从而淘汰传统立窑等落后窑型，2010年新型干法窑水泥占比重已达81%，行业结构调整显著。从2005年到2010年，我国水泥行业能耗降幅明显，降幅达24%：吨水泥综合能耗从119千克标煤/吨下降到96千克标煤/吨^[3]，熟料热耗和综合电耗也有显著降低。

但是由于中国水泥行业之前的粗犷式发展各个水泥厂的生产技术参差不齐，经济较为发达的东部沿海地区的水泥厂相较于中西部的部分水泥厂，在技术上较先进，管理方式也相对来说更合理，这种差异说明我国的水泥行业还有极大的提升空间。