矿井智能通风全矿风阻线性优化反演方法及系统

本技术涉及数据处理，尤其涉及一种矿井智能通风全矿风阻线性优化反演方法及系统。

背景技术：

1、如图1所示，矿井通风系统由通风网络、通风动力和通风控制设施三大部分有机构成。通风网络就是由风流流经的所有巷道（即网络分支）构成的图，巷道6的交叉点为网络节点。通风动力1即为矿井风流流动提供能量的主扇、辅扇、自然压差等动力源组成的动力结构体系。通风控制设施就是控制有害漏风，并使供入井下的风流按生产需求进行分配的风门、风窗3、风墙2、风桥、辅扇4、空气幕、导风板等一系列调节控制设施5。

2、现有风阻参数反演方法通常将风量视为已知量，仅以风阻为决策变量，建立非线性优化模型。该方法存在以下关键问题：

3、（1）风量已知假设不合理。现有方法将风量视为已知量，为巷道或分支，但实际上仅部分巷道有实测风量数据，大部分巷道的风量需要通过推演获得，推演结果本身存在误差。将推演风量作为精确已知量使用，会将推演误差直接传递到风阻反演结果中，降低反演精度。

4、（2）单一实测数据源限制。现有方法通常仅利用一组实测数据进行反演，无法充分利用多组实测数据信息。实际矿井通风系统中，不同工况（如不同季节、不同生产状态）下的风量分布不同，但风阻作为巷道的固有物理参数保持不变。单一数据源只能提供有限的信息约束，特别是对于未被测量的巷道，风阻辨识的不确定度较大。

5、（3）非线性、非凸问题导致求解困难。当风量也作为决策变量时，通风阻力定律中与的乘积构成非线性项，且目标函数中为二次函数，使得整个优化模型为非线性、非凸规划模型，存在多个局部最优解，全局最优解难以保证。其中，为风压，为风阻变量，为估计风阻。

6、（4）严格等式约束与离散化精度损失矛盾。风量平衡方程和风压平衡方程为严格等式约束。当对风量进行离散化处理以实现线性化时，离散化风量只能在预设的离散值集合中取值，无法保证严格满足等式约束，可能导致模型无可行解或求解效率极低。其中，为节点-分支关联矩阵元素，为分支-回路关联矩阵元素。

7、（5）风阻离散化精度损失。现有方法若对风阻进行离散化处理，会引入离散化精度损失，降低风阻反演精度。风阻作为巷道的固有物理参数，其精度直接影响通风网络解算的准确性。

技术实现思路

1、本技术提出一种矿井智能通风全矿风阻线性优化反演方法及系统，能够解决背景技术中所存在问题之一。

2、为达到上述目的，本技术采用如下技术方案：

3、第一方面，提供了一种矿井智能通风全矿风阻线性优化反演方法，包括：

4、获得若干组实测数据，所述实测数据包括：网络分支实测风量；

5、基于所有组实测数据共享的风阻决策变量以及各组实测数据之间独立的模拟风量决策变量，构建非线性多目标优化模型，所述非线性多目标优化模型包括：各组实测数据下网络分支实测风量与模拟风量决策变量的加权风量偏差项、风阻决策变量定义的风阻偏差项、各组实测数据下网络分支模拟风量决策变量定义的加权风量平衡项、各组实测数据下网络分支模拟风量决策变量定义的加权风压平衡项，以及约束条件；

6、线性化所述非线性多目标优化模型，得到线性混合整数规划模型；

7、求解所述线性混合整数规划模型，得到矿井智能通风全矿风阻线性优化反演结果；

8、其中，线性化所述非线性多目标优化模型，具体包括：

9、引入0-1整型变量对模拟风量决策变量进行离散化，为第组实测数据下第条网络分支的模拟风量决策变量；

10、利用0-1整型变量的性质，将所述加权风压平衡项中的线性化；

11、利用大m法，对所述加权风压平衡项进行线性化。

12、在第一方面的一种可能的设计方式中，所述非线性多目标优化模型具体为：

13、

14、

15、

16、

17、

18、其中，、、、分别为目标函数各个分量：各组实测数据下网络分支实测风量与模拟风量的加权风量偏差项、风阻决策变量定义的风阻偏差项、各组实测数据下网络分支实测风量定义的加权风量平衡项、各组实测数据下网络分支实测风量定义的加权风压平衡项；、、、为目标函数各分量的权重系数；为实测数据组数；、、为第组数据三个目标的加权融合权重；为第组中第条网络分支的实测风量，为第组实测数据覆盖的网络分支子集；n为网络分支总数；为第条分支的风阻决策变量；为第条分支的估计风阻；j为网络节点总数；为节点-分支关联矩阵元素；m为独立回路数，；为分支-回路关联矩阵元素；为第组实测数据下第条网络分支的风压；为第组实测数据下第条网络分支的自然风压；f为含风机的网络分支的集合；为第组实测数据下第条网络分支的风机风压；、、为第条网络分支风机特性曲线的系数；为第条网络分支估计风阻的相对估计误差；为第组中第条网络分支实测风量的相对实测误差；为第组实测数据下第条网络分支风量分配模拟估计的风量下界；为第组实测数据下第条网络分支风量分配模拟估计的风量上界。

19、在第一方面的一种可能的设计方式中，引入0-1整型变量对模拟风量决策变量进行离散化，具体为：

20、定义0-1整型变量表示第条网络分支在第组实测数据下模拟风量决策变量取值是否为：

21、

22、其中，为第条网络分支在第组实测数据下模拟风量决策变量离散值的个数；

23、0-1整型变量满足如下约束条件：

24、

25、

26、对模拟风量决策变量进行离散化：。

27、在第一方面的一种可能的设计方式中，利用0-1整型变量的性质，将所述加权风压平衡项中的线性化，具体为：

28、利用0-1整型变量的幂等性和互斥性，将所述加权风压平衡项中的线性化为：。

29、在第一方面的一种可能的设计方式中，利用大m法，对所述加权风压平衡项进行线性化，具体包括：

30、将所述加权风压平衡项中的线性化结果代入所述加权风压平衡项：

31、

32、

33、其中，为辅助变量；

34、利用大m法对进行线性化：

35、

36、

37、

38、

39、其中，为大m参数，取；

40、风压的线性化结果为：

41、

42、在第一方面的一种可能的设计方式中，线性化所述非线性多目标优化模型，具体还包括：

43、引入辅助变量，对进行线性化；

44、引入辅助变量，对进行线性化；

45、引入辅助变量和，对进行线性化；

46、引入辅助变量和，对进行线性化，最终得到线性混合整数规划模型为：

47、

48、

49、

50、

51、

52、

53、

54、

55、

56、

57、其中，第组实测数据下第条网络分支实测风量偏差绝对值；为第条网络分支估计风阻偏差绝对值；、为第组实测数据下风量平衡偏差正、负分量；、为第组实测数据下风压平衡偏差正、负分量。

58、在第一方面的一种可能的设计方式中，对模拟风量进行离散化所采用的风量间隔的选取遵循如下原则至少之一：基于实测误差的选取原则、基于风速精度的选取原则、基于分支重要性的差异化选取原则以及基于网络规模的适应性选取原则；大m法中大m参数的选取遵循如下原则至少之一：最小有效原则、分支级精细化原则及迭代优化原则。

59、在第一方面的一种可能的设计方式中，求解所述线性混合整数规划模型采用商业求解器或开源求解器，所述商业求解器为gurobi或cplex，所述开源求解器为cbc或glpk；所述矿井智能通风全矿风阻线性优化反演结果包括：风阻决策变量、模拟风量决策变量及风压的最优取值。

60、第二方面，提供了一种矿井智能通风全矿风阻线性优化反演系统，包括一种或多种功能单元或模块，用于执行如第一方面中任一种可能实现方式的所述的方法。

61、有益效果：

62、基于上述技术方案，不同工况下的实测数据覆盖不同巷道子集，多工况约束从不同方向约束风阻取值，有效提高风阻辨识精度，特别是对于仅在部分组中被测量的巷道，多组数据的融合约束显著降低了辨识不确定度；风阻作为所有工况共享的连续变量，物理意义明确，避免了风阻离散化带来的精度损失，同时跨工况共享机制使得风阻被多组数据联合约束，反演精度更高；利用0-1变量的幂等性和互斥性实现的精确线性化，不引入近似误差；大m法将连续变量与0-1变量的乘积线性化，保证模型的线性性质；风量平衡和风压平衡作为软约束纳入目标函数，避免离散化导致的严格等式约束不可满足问题，保证模型始终有可行解；考虑了风阻和风量的不确定性，建立了不确定性量化方法和在模型中的处理策略，提高反演结果的鲁棒性。