基于数据驱动建模的气化炉配煤成本优化研究
发布时间：2020-12-08 18:09
为实现配煤煤质和配煤成本的最优化匹配,以配煤成本为优化目标,气化炉产气量为主要约束,采用数学建模的方式,研究了鄂尔多斯地区煤化工装置气化炉多煤种的用煤和配煤优化问题。根据现场数据,构建了基于数据驱动的气化炉煤质对产量影响的非线性过程模型,通过聚类分析,得到各煤质指标的约束条件;在满足约束条件的情况下,构建煤种与煤质之间的线性模型;通过帕累托遗传算法,在气化炉产气量满足约束条件的同时,给出了成本最低的多煤种配煤策略,并用MATLAB对气化炉配煤优化系统进行可视化组态界面设计。
【文章来源】：煤化工. 2020年02期 第26-30页
【文章页数】：5 页
【部分图文】：
配煤模型整体流程示意图
企业可用的4种单煤的煤质参数见表1，以价格最低为优化目标，此函数为极小值问题，帕累托（Pareto）最优算法能有效解决最小值最大值问题。Pareto最优[7]的定义为：在设计变量组的取值范围U内，对于所有设计变量组X∈U，仅存在一个设计变量组X′在约束范围内满足：（1)Fi(X）≤Fi(X′）；（2）至少有一个X使Fi(X)<Fi(X′），则设计变量组X′为Pareto最优解。考虑到遗传算法较好的性能，以下采用Pareto的遗传算法对目标函数求解，选取种群个数为100,Pareto前沿面解比例为0.3，迭代次数为100进行计算，通过该方法计算得到最终最优价格为498.78元/t。配煤优化算法流程示意图见图2。对企业可用的4种不同煤质的单煤，运用文中建模及优化算法进行仿真求解，得到优化后煤质配比为纳二煤20.49%，凯达煤14.90%，纳二4#煤37.93%，宝山煤26.78%，配成煤的总单价为498.78元/t。优化配煤后和企业平均配煤方法得到煤的煤质参数见表4。对比表4和表1可以看出，优化配煤配出的煤与所用单煤宏一煤煤质差距很小，但是在价格上要比单煤和平均配煤都更便宜，比直接用宏一煤便宜了10.90%。
人工神经网络简称为神经网络（NNs）或称作连接模型，是一种模仿动物神经网络行为特征，进行分布式并行信息处理的算法数学模型[10]。这种网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系，达到处理信息的目的。BP神经网络是一种按误差反向传播的多层前馈神经网络，根据误差反复调整网络的权值和阈值，达到预测输出值不断逼近期望输出值的目的。使用BP神经网络，通过设置合适的隐层节点数和训练学习函数等参数，便可以在误差范围内得到准确的预测模型。产气量预测BP神经网络结构图见图3，其输入参数为煤质、装煤量、耗氧量，输出参数为产气量。气化炉中影响产气量的因素较多，固定温度、压力等变量，只分析入炉煤质和耗煤量、耗氧量对产气量的影响。用气化炉的456组生产数据的前380组数据作训练集，后76组数据作测试集，分别用经典BP神经网络、遗传算法优化及粒子群算法优化的BP神经网络进行粗煤气预测的建模，3种预测模型的预测结果见表5。
【参考文献】：
期刊论文
[1]最优化配煤理论的数学模型及应用[J]. 王鹏. 陕西煤炭. 2019(01)
[2]基于线性优化算法的自动配煤控制系统设计[J]. 付胜,庞印华. 中国煤炭. 2011(02)
[3]矿业集团煤化工产业发展战略探讨[J]. 赵林峰,安景文. 洁净煤技术. 2007(03)
[4]粒子群优化算法[J]. 李爱国,覃征,鲍复民,贺升平. 计算机工程与应用. 2002(21)
博士论文
[1]面向水煤浆气化装置的过程建模与操作优化技术[D]. 孙漾.华东理工大学 2012
[2]约束优化和多目标优化的进化算法研究[D]. 张敏.中国科学技术大学 2008
硕士论文
[1]基于遗传算法的动力配煤优化模型的研究及其软件实现[D]. 沈彬彬.浙江大学 2004
本文编号：2905465
【文章来源】：煤化工. 2020年02期 第26-30页
【文章页数】：5 页
【部分图文】：
配煤模型整体流程示意图
企业可用的4种单煤的煤质参数见表1，以价格最低为优化目标，此函数为极小值问题，帕累托（Pareto）最优算法能有效解决最小值最大值问题。Pareto最优[7]的定义为：在设计变量组的取值范围U内，对于所有设计变量组X∈U，仅存在一个设计变量组X′在约束范围内满足：（1)Fi(X）≤Fi(X′）；（2）至少有一个X使Fi(X)<Fi(X′），则设计变量组X′为Pareto最优解。考虑到遗传算法较好的性能，以下采用Pareto的遗传算法对目标函数求解，选取种群个数为100,Pareto前沿面解比例为0.3，迭代次数为100进行计算，通过该方法计算得到最终最优价格为498.78元/t。配煤优化算法流程示意图见图2。对企业可用的4种不同煤质的单煤，运用文中建模及优化算法进行仿真求解，得到优化后煤质配比为纳二煤20.49%，凯达煤14.90%，纳二4#煤37.93%，宝山煤26.78%，配成煤的总单价为498.78元/t。优化配煤后和企业平均配煤方法得到煤的煤质参数见表4。对比表4和表1可以看出，优化配煤配出的煤与所用单煤宏一煤煤质差距很小，但是在价格上要比单煤和平均配煤都更便宜，比直接用宏一煤便宜了10.90%。
人工神经网络简称为神经网络（NNs）或称作连接模型，是一种模仿动物神经网络行为特征，进行分布式并行信息处理的算法数学模型[10]。这种网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系，达到处理信息的目的。BP神经网络是一种按误差反向传播的多层前馈神经网络，根据误差反复调整网络的权值和阈值，达到预测输出值不断逼近期望输出值的目的。使用BP神经网络，通过设置合适的隐层节点数和训练学习函数等参数，便可以在误差范围内得到准确的预测模型。产气量预测BP神经网络结构图见图3，其输入参数为煤质、装煤量、耗氧量，输出参数为产气量。气化炉中影响产气量的因素较多，固定温度、压力等变量，只分析入炉煤质和耗煤量、耗氧量对产气量的影响。用气化炉的456组生产数据的前380组数据作训练集，后76组数据作测试集，分别用经典BP神经网络、遗传算法优化及粒子群算法优化的BP神经网络进行粗煤气预测的建模，3种预测模型的预测结果见表5。
【参考文献】：
期刊论文
[1]最优化配煤理论的数学模型及应用[J]. 王鹏. 陕西煤炭. 2019(01)
[2]基于线性优化算法的自动配煤控制系统设计[J]. 付胜,庞印华. 中国煤炭. 2011(02)
[3]矿业集团煤化工产业发展战略探讨[J]. 赵林峰,安景文. 洁净煤技术. 2007(03)
[4]粒子群优化算法[J]. 李爱国,覃征,鲍复民,贺升平. 计算机工程与应用. 2002(21)
博士论文
[1]面向水煤浆气化装置的过程建模与操作优化技术[D]. 孙漾.华东理工大学 2012
[2]约束优化和多目标优化的进化算法研究[D]. 张敏.中国科学技术大学 2008
硕士论文
[1]基于遗传算法的动力配煤优化模型的研究及其软件实现[D]. 沈彬彬.浙江大学 2004
本文编号：2905465
本文链接：https://www.wllwen.com/guanlilunwen/chengbenguanlilunwen/2905465.html
