[發(fā)明專利]一種優(yōu)化煉焦配煤的方法、優(yōu)化煉焦配煤的系統(tǒng)及配煤優(yōu)化管理系統(tǒng)

在審

• 申請?zhí)枺?/td>: 202210337639.3
• 申請日: 2022-03-31
• 公開（公告）號: CN115115085A
• 公開（公告）日: 2022-09-27
• 發(fā)明（設(shè)計）人: 黃貴東;任華偉;路利賓;李浩偉;黨偉榮;曹宇;楊洪慶;王秀彪;李擁軍;王慶杰;楊磊;張紅;馬路平
• 申請（專利權(quán)）人: 北京旭陽數(shù)字科技有限公司;河北中煤旭陽能源有限公司;河北旭陽能源有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/02;G06N3/12;C10B53/04
• 代理公司: 北京金信知識產(chǎn)權(quán)代理有限公司 11225
• 代理人: 喻嶸

本公開提供一種優(yōu)化煉焦配煤的方法、優(yōu)化煉焦配煤的系統(tǒng)及配煤優(yōu)化管理系統(tǒng)；方法包括：獲取歷史數(shù)據(jù)；基于歷史數(shù)據(jù)之間的配比關(guān)系和多種煤，建立數(shù)據(jù)鏈樣本群；基于歷史數(shù)據(jù)和配煤機理，建立配合煤性質(zhì)指標預(yù)測模型；根據(jù)歷史數(shù)據(jù)和煉焦機理模型，利用大數(shù)據(jù)算法建立焦炭性質(zhì)指標預(yù)測模型；基于遺傳算法，通過適應(yīng)度函數(shù)及配合煤性質(zhì)指標預(yù)測模型、焦炭性質(zhì)指標預(yù)測模型，對數(shù)據(jù)鏈樣本群進行篩選，獲取目標配煤比；通過本公開的方法、系統(tǒng)，在結(jié)合實際生產(chǎn)特點的基礎(chǔ)上，實現(xiàn)優(yōu)化配煤比、降低配煤成本、提高焦炭精度。

技術(shù)領(lǐng)域

本發(fā)明屬于焦化行業(yè)配煤領(lǐng)域，特別涉及一種優(yōu)化煉焦配煤的方法、優(yōu)化煉焦配煤的系統(tǒng)及配煤優(yōu)化管理系統(tǒng)。

背景技術(shù)

煤是性質(zhì)結(jié)構(gòu)都非常復(fù)雜的物質(zhì)，煉焦生產(chǎn)也是一項非常復(fù)雜的工程，在儲運、配煤及煉焦過程中會產(chǎn)生較大的誤差和損耗。傳統(tǒng)的人工配煤主要依靠配煤師的生產(chǎn)經(jīng)驗和基本的配煤原理完成，存在如下問題：一是受配煤師的經(jīng)驗和技術(shù)影響較大，配煤師經(jīng)驗不足和技術(shù)欠缺會導(dǎo)致焦炭成本偏高、質(zhì)量不穩(wěn)定；二是工作效率低下；三是無法形成可復(fù)制、可繼承的成果；四配煤師配煤思維容易固化僵化，不容易創(chuàng)新。開發(fā)專門的配煤系統(tǒng)可以應(yīng)用信息化技術(shù)，集合配煤經(jīng)驗，并結(jié)合實際生產(chǎn)特點，建立起焦炭質(zhì)量預(yù)測及進行配煤優(yōu)化，尋找最佳的配煤方案，實現(xiàn)最佳經(jīng)濟效益并穩(wěn)定生產(chǎn)。

現(xiàn)有開發(fā)的配煤系統(tǒng)主要存在以下不足：一是部分系統(tǒng)偏重于研究和解決焦炭質(zhì)量預(yù)測模型的準確性問題和配煤優(yōu)化方法，忽視系統(tǒng)本身的自動化、信息化功能，沒有建立基礎(chǔ)數(shù)據(jù)系統(tǒng)，無法自動采集各種煤、焦數(shù)據(jù)，使得很多數(shù)據(jù)需要人工維護，增加工作量，用戶體驗感差；二是很多系統(tǒng)采用一種預(yù)測模型和優(yōu)化算法，導(dǎo)致系統(tǒng)只適合特定企業(yè)，不同企業(yè)、不同焦爐、不同工藝適用性差。三是系統(tǒng)使用線性回歸還是非線性回歸、或者智能神經(jīng)網(wǎng)絡(luò)算法，都是基于歷史數(shù)據(jù)，如果企業(yè)歷史數(shù)據(jù)少或者有效數(shù)據(jù)少，就無法建立準確的預(yù)測模型。

發(fā)明內(nèi)容

鑒于現(xiàn)有技術(shù)中存在的上述問題，本公開提供了優(yōu)化煉焦配煤的方法、優(yōu)化煉焦配煤的系統(tǒng)及配煤優(yōu)化管理系統(tǒng)。

為實現(xiàn)上述目的，本發(fā)明實施例采用的技術(shù)方案是：

一方面，提供一種優(yōu)化煉焦配煤的方法，所述方法包括：

獲取煉焦配煤參數(shù)的歷史數(shù)據(jù)；基于所述歷史數(shù)據(jù)之間的配比關(guān)系和用于待預(yù)測焦炭的多種煤，建立數(shù)據(jù)鏈樣本群；基于所述歷史數(shù)據(jù)和配煤機理，建立配合煤性質(zhì)指標預(yù)測模型；根據(jù)所述歷史數(shù)據(jù)和煉焦機理模型，利用大數(shù)據(jù)算法建立焦炭性質(zhì)指標預(yù)測模型；基于遺傳算法，并通過適應(yīng)度函數(shù)及所述配合煤性質(zhì)指標預(yù)測模型、所述焦炭性質(zhì)指標預(yù)測模型，對所述數(shù)據(jù)鏈樣本群進行篩選，以獲取目標配煤比。

在本公開的一些實施例中，所述基于遺傳算法，并通過適應(yīng)度函數(shù)及所述配合煤性質(zhì)指標預(yù)測模型、所述焦炭性質(zhì)指標預(yù)測模型，對所述數(shù)據(jù)鏈樣本群進行篩選，以獲取目標配煤比，包括：

第一步，設(shè)定優(yōu)化目標；

第二步，生成初始化配比種群；

第三步，對所述配比種群中第一配比個體進行歸一化處理，以獲得轉(zhuǎn)換配比種群；

第四步，基于所述轉(zhuǎn)換配比種群，執(zhí)行遺傳算法中選擇、交叉、變異的基因操作，獲取第二配比個體；

第五步，基于所述第二配比個體對應(yīng)的噸耗煤成本、所述配合煤性質(zhì)指標預(yù)測模型、所述焦炭性質(zhì)指標預(yù)測模型，獲取配合煤性質(zhì)指標、焦炭性質(zhì)指標；

第六步，判斷所述第二配比個體是否滿足預(yù)設(shè)的配合煤性質(zhì)指標、焦炭性質(zhì)指標約束條件；若滿足，則更新初始化所述配比種群；

第七步，迭代尋優(yōu)，獲取所述目標配煤比。

在本公開的一些實施例中，所述優(yōu)化目標具體包括：在預(yù)設(shè)條件下，配煤成本最低；在預(yù)設(shè)配煤成本前提下，使用時間周期最長和煉焦的質(zhì)量最優(yōu)。