Méthodes statistiques pour la modélisation des émissions d'un four de réchauffage d'un laminoir

Thèmes abordés

Modélisation, four de chauffage, régression linéaire multiple, analyse, composantes principales

Résumé du document

Dans ce rapport, nous allons présenter notre étude statistique de la modélisation des émissions d'un four de réchauffage d'un laminoir. Nous utiliserons les données collectées lors du fonctionnement d'un four de réchauffage d'un laminoir. Les données à notre disponibilité sont classées en deux types : les variables caractéristiques du processus industriel (mesurées en continu pour contrôler et optimiser le fonctionnement du four), et les concentrations de polluants du processus, mesurées à la sortie de la cheminée. Étant donné que les concentrations de polluants sont rarement accessibles puisque leur prélèvement d'un four en cours de son fonctionnement présente plusieurs difficultés (température de refoulement élevée, mesures de hauteur, coût élevé, etc.). Alors, notre objectif est de modéliser les mesures de pollution de la cheminée en fonction des mesures du processus. Pour ce faire, une campagne de mesures de ces polluants a été menée suivant une étude de cas d'une fonderie d'acier située à Valencienne, elle se compose de trois fours ou des tickets (matière première) sont fondus. La température y monte jusqu'à 1300 °C. Il existe trois circuits différents : celui des billets à faire fondre, celui du gaz naturel et celui de l'oxygène de l'air ambiant.

Extraits

[...] Soustrayez la moyenne pour chaque type de mesure ou ligne xi. Calculez la SVD ou les vecteurs propres de la co-variance. Il a été constaté qu'il existait de nombreuses applications intéressantes de l'ACP, parmi lesquelles, aujourd'hui, la vie sciemment ou inconsciemment, l'analyse de données multivariées et la compression d'images sont utilisées alternativement. Principaux résultats de l'ACP La figure suivante montre la représentation des variables explicatives dans le plan factoriel (qui est constitué des deux direction propres les plus importantes). Nous remarquons que les variables caractéristiques du processus industriel qui fournissent le plus d'information sur les concentrations de polluants du processus sont: Température d'air de combustion après le récupérateur, Température des fumées après le récupérateur, et La première quantité de débit d'air et de débit de gaz. [...]

[...] Les modèles développés sont généralement utilisés pour la prédiction de valeurs de processus futures ou dans des applications de contrôle de processus. Les aspects importants de la modélisation empirique sont le préconditionnement des données, la complexité du modèle, la linéarité du modèle et l'extrapolation du modèle. Les différentes techniques de modélisation boîte noire ou empiriques sont: la modélisation des moindres carrés partiels, la modélisation des séries chronologiques, la modélisation des réseaux de neurones Modélisation du CO2 et du NO2 par régression linéaire multiple La régression linéaire est un bon algorithme d'apprentissage supervisé qui est utilisé pour prédire les problèmes, il permet de déterminer le coefficient de régression cible en trouvant une ligne d'ajustement la mieux adaptée entre les variables indépendantes et dépendantes. [...]

[...] Le principe du pollueur-payeur peut être appliqué aux émetteurs de gaz à effet de serre par le biais d'un prix dit du carbone. Cela impose une taxe sur les émissions de gaz à effet de serre équivalente au coût potentiel correspondant provoqué par le changement climatique futur - forçant ainsi les émetteurs à internaliser le coût de la pollution. De cette façon, une incitation financière est créée pour une usine, par exemple, pour minimiser ses coûts de pollution en réduisant les émissions. [...]

[...] les résultats de ce modèles statistiques sont assez proche des même que le modèle sans sélection de variable. R2=0,64Nous pouvons expliquer 64% de la variance de l'émission de C02 avec seulement 4 variables caractéristiques du processus industriel. F = 4163, p = 0la statistique de Fisher est très élevé et la p-value est nulle, ce qui nous permet de rejeter l'hypothèse de la non signification du modèle. Nous rappelons aussi que ces 4 variables été déterminé comme les variables les plus informatifs d'après l'ACP Modélisation du NO2 Nous avons obtenu les statistiques suivants pour le modèle de régression linéaire multiple: R2=0,53Nous pouvons expliquer seulement 53% de la variance de l'émission de N02 avec les variables caractéristiques du processus industriel. [...]

[...] Il existe 3 circuits différents : celui des billets à faire fondre, celui du gaz naturel et celui de l'oxygène de l'air ambiant. Abstract: we will process the data recorded during the operation of a reheating furnace of a rolling mill. We have two types of variables: variables characteristic of the industrial process (measured continuously to control and optimize the operation of the furnace), and the concentrations of pollutants from the process, measured at the outlet of the chimney. These "pollution" data are not usually measured because they are difficult to perform (high discharge temperature, height measurements, high cost, etc.). [...]