炼焦配煤模型自适应调控方法及系统与流程

摘要: 本发明涉及炼焦配煤,尤其是涉及炼焦配煤模型自适应调控方法及系统。背景技术:1、炼焦配煤是焦化生产过程中的核心环节,通过将多种不同性质的单种煤按一定比例配合,不仅...
炼焦配煤模型自适应调控方法及系统与流程

本发明涉及炼焦配煤,尤其是涉及炼焦配煤模型自适应调控方法及系统。

背景技术:

1、炼焦配煤是焦化生产过程中的核心环节,通过将多种不同性质的单种煤按一定比例配合,不仅可以合理利用煤炭资源,还能确保产出的焦炭质量满足高炉冶炼的要求。随着工业信息化与智能化的发展,利用数学模型和计算机技术进行配煤预测与方案优化已成为提高炼焦质量、降低生产成本的重要手段。

2、在现有的配煤预测及优化方法中,通常是基于历史生产数据建立固定的统计回归模型或机器学习预测模型,用于预测焦炭的机械强度和热强度。在生成配煤方案时,优化算法根据预测模型的反馈,在设定的约束条件下寻找成本最低的配比。同时,为了验证新煤种或新配方的可行性,通常会在大生产前进行小焦炉实验,以此作为工业大生产的参考依据。

3、然而,现有的配煤预测模型往往是静态的,难以适应原料煤质量波动、焦炉操作条件变化等动态干扰,导致预测精度随时间推移逐渐下降。此外,虽然企业积累了大量的历史优秀配煤方案,但其中蕴含的配煤逻辑、煤种替换规律等经验知识往往以隐性形式存在,现有的静态模型无法自动挖掘和利用这些隐性策略,导致新方案生成时仍依赖人工经验,试错成本高。同时,小焦炉实验与工业大生产之间存在尺度效应,小焦炉的实验结果无法直接且定量地反馈修正大生产预测模型,使得大小焦炉数据割裂,无法形成模型精度的闭环自适应调节。

技术实现思路

1、为了解决上述问题,本技术提供炼焦配煤模型自适应调控方法及系统。

2、第一方面,本技术提供炼焦配煤模型自适应调控方法,采用如下的技术方案:

3、炼焦配煤模型自适应调控方法,包括以下步骤:

4、s1:采集多源配煤生产数据,所述多源配煤生产数据包括原料煤性质数据、历史配煤方案数据、大生产焦炭质量数据以及小焦炉实验配煤及焦炭质量数据;

5、s2:基于所述历史配煤方案数据与相对应的原料煤性质数据和大生产焦炭质量数据,构建初版焦炭质量预测模型;

6、s3:基于所述小焦炉实验配煤及焦炭质量数据与相对应的大生产焦炭质量数据,计算预测偏差,并利用所述预测偏差对所述初版焦炭质量预测模型进行自适应反馈调节,更新模型参数,获得自适应焦炭质量预测模型;

7、s4:对多组历史优秀配煤方案进行解构,采用关联规则挖掘算法识别隐性配煤策略,构建煤种替换路径知识库;

8、s5:以成本最低和质量达标为多目标优化函数,结合所述自适应焦炭质量预测模型与所述煤种替换路径知识库,进行配煤方案的重构与优化求解,生成推荐配煤方案。

9、通过采用上述技术方案,可实现多源配煤生产数据的自动汇总,通过初版模型的构建提供基本的焦炭质量预测能力,并结合小焦炉实验数据进行自适应反馈调节,从而大幅缩小大小焦炉之间的预测偏差,解决静态模型无法适应配煤环境波动的技术问题;同时,通过对历史优秀方案的解构和策略挖掘,能够将隐性配煤经验转化为显性控制规则,减少配煤方案的试错成本,生成质量更稳定、成本更低的配煤方案。

10、可选的,在s1步骤中,所述多源配煤生产数据采用etl工具进行集成清洗,清洗过程包括去除异常值、缺失值插补以及基于时间戳进行原料煤与焦炭数据的对齐。

11、通过采用上述技术方案,利用etl工具能够高效集成来自于不同系统(如dcs、质检系统等)的数据,去除噪声干扰,并以时间戳为基准将原料煤的下料时间与出焦时间进行对齐,为后续模型的精准训练提供高质量的数据基础。

12、可选的,在s3步骤中,所述自适应反馈调节的参数调节公式为:

13、其中,为更新后的模型参数矩阵;为原模型参数矩阵;为学习率参数;为大生产焦炭质量实际值数据;为模型预测值数据;为原料煤的特征输入矩阵;为小焦炉大生产协同修正因子;为小焦炉实验焦炭质量值数据。

14、通过采用上述技术方案,综合考虑了大生产实际偏差和小焦炉实验偏差,有效地消除了大小焦炉之间的尺度效应,使得预测模型能够跟随生产状态的变化自动更新参数,保证长期运行下的高预测精度。

15、可选的,在s4步骤中,对多组历史优秀配煤方案进行解构的具体步骤为:

16、根据焦炭质量指标对历史配煤方案进行分组,筛选出综合评分高于设定阈值的方案作为历史优秀配煤方案;

17、将每一组历史优秀配煤方案拆解为原料煤配比向量和单种煤煤质指标向量。

18、通过采用上述技术方案,通过设定合理的阈值将表现优异的历史方案筛选出来,并将其结构化拆解为用于挖掘的向量形式,能够有效过滤掉低效方案的干扰,提高隐性策略挖掘的指向性与准确性。

19、可选的,所述关联规则挖掘算法采用apriori算法,通过设定支持度阈值和置信度阈值,挖掘原料煤配比向量中不同煤种之间的共现关系及比例替换约束,提取出隐性配煤策略。

20、通过采用上述技术方案,利用apriori算法能够在大批量历史方案中快速发现煤种搭配的强关联规则,例如某种强粘结性煤必须与某种弱粘结性煤以特定比例配合,从而将专家的隐性经验转化为具体的量化规则约束。

21、可选的,在s4步骤中,构建煤种替换路径知识库的步骤为:

22、基于挖掘出的隐性配煤策略,计算不同煤种在相同焦炭质量输出下的等效性,生成第一煤种替换为第二煤种的置信度得分,并将置信度得分高于预设替换阈值的煤种对存入所述煤种替换路径知识库。

23、通过采用上述技术方案,量化计算不同煤种的相互替换等效度,自动生成合理的煤种替换路径,便于在某类煤源短缺或价格暴涨时,系统能够自动推荐合适的替代煤种,保障生产稳定并优化采购成本。

24、可选的,在s5步骤中,所述多目标优化目标函数表示为:

25、

26、约束条件包括:

27、

28、其中,为待求解的配煤比例向量;为配煤成本计算函数;为基于自适应焦炭质量预测模型计算的焦炭质量综合评分;为基于煤种替换路径知识库及生产工艺参数设定的约束条件,包括单种煤比例限制、灰分限制和硫分限制。

29、通过采用上述技术方案,构建了多目标优化模型,将成本控制与质量把控作为相互制约的两个目标,并将煤种替换知识库转化为显性的约束条件,确保了优化求解结果在满足质量标准的同时实现成本的极限压降。

30、可选的,使用非支配排序遗传算法nsga-ii对所述多目标优化目标函数进行迭代求解,获得pareto最优解集,并从pareto最优解集中根据实际生产策略选择目标方案作为所述推荐配煤方案。

31、通过采用上述技术方案,nsga-ii算法能够高效地在多维非线性空间中搜索出pareto前沿,避免陷入局部最优,为决策者提供多种兼顾质量与成本的配煤备选方案,提高了方案生成的灵活性。

32、可选的,还包括步骤s6:将所述推荐配煤方案下发至备煤下料系统进行工业生产,并实时采集生产后得到的焦炭质量实际数据,将所述焦炭质量实际数据反馈至步骤s3,形成闭环自适应反馈调节。

33、通过采用上述技术方案,使得每次生产结果都能作为新的样本输入以驱动模型自我进化,实现了配煤质量的持续改善。

34、第二方面,本技术提供应用炼焦配煤模型自适应反馈调节与隐性策略挖掘方法的系统,包括:

35、数据采集模块,用于采集多源配煤生产数据;

36、模型构建模块,用于构建初版焦炭质量预测模型;

37、反馈调节模块,用于计算预测偏差并利用小焦炉实验数据进行模型参数的自适应反馈调节,更新生成自适应焦炭质量预测模型;

38、策略挖掘模块,用于对历史优秀配煤方案进行解构并挖掘隐性配煤策略,构建煤种替换路径知识库;

39、方案重构模块,用于结合自适应焦炭质量预测模型与煤种替换路径知识库进行配煤方案的重构与优化求解,生成推荐配煤方案。

40、通过采用上述技术方案,将各功能模块进行解耦设计,构建了一个高集成度、高响应速度的智能配煤硬件/软件交互系统,保证了算法在大规模工业生产环境中的平稳落地运行。

41、综上所述,本技术包括以下至少一种有益技术效果:

42、利用自适应反馈调节机制,将小焦炉实验数据与大生产数据进行融合校准,并依据大生产实际偏差动态修正模型参数,获得了预测精度显著提高且能够长期适应原料煤质波动的效果,成功将焦炭热强度预测误差控制在极低范围内;

43、利用基于关联规则挖掘算法的隐性策略挖掘技术构建煤种替换路径知识库,将隐性配煤经验转化为显性的规则约束与等效替换路径,获得了指导新煤种采购替换、进而缩短小焦炉实验周期并有效降低配煤试错成本的效果。