玻璃作为建筑行业、汽车行业等行业的重要的基础材料,玻璃行业是国家的民生行业。但同时玻璃行业消耗非常多的能源,节能减排对于玻璃生产企业来说是一个巨大的挑战。目前对窑炉的能效优化研究主要是围绕着窑炉结构的优化进行,但是对企业而言,如何对已经投入使用的玻璃窑炉设备进行能效优化才是最关心的问题。在玻璃窑炉的工作过程中,不仅有复杂的物理过程,还有复杂的化学过程,因此有必要探究马蹄焰窑炉的系统结构和生产工艺,进行热平衡分析,建立热效率预测模型,为企业的最优生产决策提供指导。本文的研究对象是蓄热式马蹄焰玻璃窑炉,首先研究了窑炉的生产工艺和窑炉结构对窑炉燃烧的影响,构建了马蹄焰窑炉的热平衡模型。针对玻璃窑炉高温的工作环境下可能出现的异常数据,进行了数据预处理,减少了对预测模型的干扰。因为通过皮尔逊相关系数分析窑炉压力、温度等数据对窑炉热效率的影响,找出主要的影响因素,构建基于神经进化的热效率预测模型。然后结合实际生产数据,进行仿真实验。最后综合研究的内容,将热平衡分析模块和热效率预测模块应用到实际中。本文的主要内容如下:(1)针对马蹄焰窑炉的工艺流程复杂、生产过程能源消耗较高的问题,本文深入解析马蹄焰窑炉的系统结构、工艺流程以及燃烧方式。通过对玻璃窑炉整体生产框架到局部结构的分析,为蓄热式马蹄焰玻璃窑炉的热平衡模型提供了理论支撑。(2)对实际生产环境中因环境恶劣、网络故障、传感器故障等原因造成的数据异常、缺失、冗余等情况,使用统计过程分析和四分位数两种方法同时对数据进行异常数据的识别,在满足准确识别异常同时,还满足数据处理的时效性。结合热平衡的理论,计算出窑炉的能量输入和能量输出情况,构建出热平衡模型,得出热效率值,为后续的热效率预测提供了数据基础。(3)建立热效率预测模型。本文提出了基于神经进化的热效率预测模型。为了更简便快捷的构建进化神经网络,采用了进化策略作为神经进化的方法。结合玻璃窑炉数据具有时序性的特点,被进化的神经网络使用长短期记忆神经网络。为加快神经进化的速度,神经网络进化的过程提出了一种新颖性奖励的方法。为了验证模型的预测准确性,本文使用BP神经网络和长短期记忆神经网络作对比实验。实验结果分析,基于进化神经的热效率预测模型表现更好。综合上述研究方法和模型,在原有的能源管理系统的基础上面,采用Java语言进行拓展升级开发。将热平衡模型和热效率预测模型嵌入到系统中,系统最终投入实际生产中运行。