CN106650997A - 一种选矿生产指标的优化方法 - Google Patents

Abstract

本发明公开了一种选矿生产指标的优化方法，首先设定选矿生产指标优化方法相关的参数、决策变量和辅助变量；建立选矿生产指标优化的目标模型；建立选矿生产的约束条件，所述约束条件包括综合指标目标范围约束，以及生产能力、工艺水平、生产材料和能源约束；采用进化算法对带约束的目标模型进行求解，得到选矿生产作业的原矿处理量、金精矿品位和金属量优化设定值，实现选矿生产指标的优化。利用该优化方法可以在选矿厂现有生产流程、设备、工艺水平及其他资源条件下，实现选矿厂的综合效益最大化，提高选矿厂的生产技术水平。

Description

一种选矿生产指标的优化方法

技术领域

本发明涉及选矿控制与优化技术领域，尤其涉及一种选矿生产指标的优化方法。

背景技术

目前，针对黄金的选矿生产过程是一个复杂的多阶段连续生产过程，而选矿生产指标的决策主要是在选矿厂现有生产流程、设备、工艺水平及其他资源条件下，确定合理的月、日生产指标包括作业量、精矿品位等，并根据实际生产指标情况进行调整，以实现矿山企业的经营目标，并力求提高生产经营效益。选矿生产指标的决策与调度调整是一个复杂动态过程，具有下列难度，一是跨越时间尺度长，需要在年月日时间尺度内，考虑合理的产能分配；二是存在多种约束，包括生产能力、工艺水平、生产材料、药剂、能源等多类约束；三是存在不确定干扰，包括原料性质波动、设备随机故障等，对稳定和提升生产指标带来困难。

现有技术方案一般采用人工决策法，该方法主要依靠经验，不仅耗费人力，而且不能及时应对变化，调整手段比较粗放，生产指标波动大，影响经济效益提升。

发明内容

本发明的目的是提供一种选矿生产指标的优化方法，利用该优化方法可以在选矿厂现有生产流程、设备、工艺水平及其他资源条件下，实现选矿厂的综合效益最大化，提高选矿厂的生产技术水平。

一种选矿生产指标的优化方法，所述方法包括：

设定选矿生产指标优化方法相关的参数、决策变量和辅助变量；

建立选矿生产指标优化的目标模型；

建立选矿生产的约束条件，所述约束条件包括综合指标目标范围约束，以及生产能力、工艺水平、生产材料和能源约束；

采用进化算法对带约束的目标模型进行求解，得到选矿生产作业的原矿处理量、金精矿品位和金属量优化设定值，实现选矿生产指标的优化。

由上述本发明提供的技术方案可以看出，利用该优化方法可以在选矿厂现有生产流程、设备、工艺水平及其他资源条件下，实现选矿厂的综合效益最大化，提高选矿厂的生产技术水平。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他附图。

图1为本发明实施例所提供选矿生产指标的优化方法流程示意图。

具体实施方式

下面结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明的保护范围。

下面将结合附图对本发明实施例作进一步地详细描述，如图1所示为本发明实施例所提供选矿生产指标的优化方法流程示意图，所述方法包括：

步骤11：设定选矿生产指标优化方法相关的参数、决策变量和辅助变量；

在该步骤中，首先设定相关变量，具体所设定的选矿生产指标优化方法相关的参数包括：

α_m第m月的平均原矿品位；

w₁原矿处理量对经济效益贡献的权重系数；

w₂金属量对经济效益贡献的权重系数；

C_1,1,basic核定工资单价，按单位原矿处理量提取的费用；

C_2,1,basic核定工资单价，按单位金属量提取的费用；

C_1,3原矿处理量的计划调整系数；

C_2,3金属量的计划调整系数；

C₄全月尾矿品位低于或超过基准值时的奖惩费用，元/(0.001g/t)；

C₅月生产过程中已经违反班次尾矿品位基准的惩罚费用，元；

C₆月生产过程中已经违反车次精矿品位基准的惩罚费用，元；

C₇月份金属平衡误差率超限惩罚费用，元；

C₈峰平谷用电超限惩罚费用，元；

C_other其他惩罚费用，元；

Q_RW,basic月原矿处理量目标值，吨；

Q_RW,m,L,Q_RW,m,H第m月原矿处理量目标下限和上限；

Q_RW,davg,H日原矿处理量能力上限；

Q_RW,consumed当月累计已完成的原矿处理量，吨；

M_{CC,dct_basic}月金属量目标值(返金率折算后)，kg；

M_CC,m,L,M_CC,m,H第m月金属量(返金率折算后)目标下限和上限，kg；

M_{CC,dct_produced}当月累计已生产的金属量(返金率折算量)，kg；

M_TL,produced当月累计已生产尾矿中所含的金属量(未折算)，kg；

[β_L,β_H]精矿品位目标区间，g/t；

v_basic尾矿品位基准值g/t；

v_L尾矿品位工艺水平下限g/t；

v_H尾矿品位约束上限g/t；

ε_L金属回收率下限％；

q_water水量单耗t/t；

Q_{water_day,H}日供水能力上限t；

T_remain第m月中剩余的生产运行时间，单位天(如20.5天)；

[β_L1,β_H1],[β_L2,β_H2],...[β_Ln,β_Hn]各精矿品位等级范围；

D₁,D₂,...D_n不同等级精矿品位的金属量折算率；

P₁,P₂生产完成率。

所设定的决策变量具体包括：

X＝(X_1,davg,X_2,davg,X_3,davg)^T决策变量矢量；其中，X_1,davg为日均原矿处理量，X_2,davg为日均金属量，X_3,davg为日均精矿品位。

所设定得辅助变量具体包括：

Q_RW,m(X)第m月的原矿总处理量；

Q_CC,m(X)第m月内的精矿产量；

M_CC,m(X)第m月精矿产品中的金属量；

Q_TL,m(X)第m月内的尾矿产量；

M_TL,m(X)第m月尾矿产品中的金属量；

Q_TL,davg(X)第m月的日均尾矿产量；

M_TL,davg(X)第m月的日均尾矿金属量；

f_discount(X_3,davg)销售返金率，即销售金精矿中的金属量按品位等级折算的比例；

f_{tail_grade,davg}(X)日均尾矿品位；

f_{tail_grade,m}(X)第m月总尾矿品位；

C_1,1(X)按原矿处理量的计划完成率核定的单位效益；

C_1,2(X)原矿处理量的计划完成率；

C_2,1(X)按金属量的计划完成率核定的单位效益；

C_2,2(X)金属量的计划完成率。

步骤12：建立选矿生产指标优化的目标模型；

在该步骤中，所建立的目标模型具体为：

J_1,m＝A₁(X)+A₂(X)-C(X)；

A₁(X)表示按金矿原矿处理量完成率折算的相对经济效益；

A₂(X)表示按黄金金属量完成率折算的相对经济效益；

C(X)表示品位超限、精矿品位超限、实际金属平衡误差率超限、实际峰平谷用电超限后的效益惩罚。

具体实现中，需要针对该目标模型实现对选矿厂的相对经济效益最大化maxJ_1,m。

举例来说，依据上述步骤11所创建的参数、决策变量和辅助变量来建立目标模型，一种典型的方法为：

选矿厂的相对经济效益最大化maxJ_1,m (1)

其中：

Q_RW,m(X)＝(X_1,davgT_remain+Q_RW,consumed) (3)

Q_TL,m(X)＝Q_RW,m(X)-Q_CC,m(X) (5)

M_CC,m(X)＝(X_2,davgT_remainf_discount(X_3,davg)+M_{CC,dct_produced}) (6)

M_TL,m(X)＝(0.001×α_mX_1,davg-X_2,davg)T_remain+M_TL,produced (7)

上述所建立的公式中，目标函数为最大化相对经济效益maxJ_1,m，如式(1)所示；相对经济效益性能指标函数如式(2)所示。

指标函数包括三部分，其中w₁Q_RW,m(X)×C_1,1(X)×C_1,2(X)×C_1,3，表示按金矿原矿处理量计划完成率折算的相对经济效益部分，w₂M_CC,m(X)×C_2,1(X)×C_2,2(X)×C_2,3表示按黄金金属量计划完成率折算的相对经济效益部分，1000×C₄×(f_{tail_grade,m}(X)-v_basic)表示全月尾矿品位低于或超过基准值时的奖惩费用，尾矿品位高于基准值时，金属流失浪费进行惩罚，反之进行奖励。

-C₅-C₆-C₇-C₈-C₉表示对计划期内实际发生的班次尾矿品位超限、精矿品位超限、实际金属平衡误差率超限、实际峰平谷用电超限进行惩罚。

式(3)、(4)、(5)分别为金矿的原矿、精矿、尾矿处理量与决策变量的关系表达式。

式(6)、(7)分别为精矿、尾矿中所含金属量与决策变量关系表达式。

式(8)表示计划期总尾矿品位的关系表示式。

式(9)为按原矿处理量的完成率核定的效益系数计算方法，按基准值和完成率进行折算。

式(10)为原矿处理量的完成率与决策变量的关系表达式。

式(11)为销售返金率的表达式，即销售金精矿中的金属量按品位等级折算的金属量比例。

式(12)为按金属量的完成率核定的效益系数计算方法，按基准值和完成率进行折算。

式(13)为金属量的完成率与决策变量的关系表达式。

步骤13：建立选矿生产的约束条件；

在该步骤中，所述约束条件包括综合指标目标范围约束，以及生产能力、工艺水平、生产材料和能源约束，其中具体包括有：

1)综合指标目标范围约束表示为：

Q_RW,m,L≤Q_RW,m(X)≤Q_RW,m,H

M_CC,m,L≤M_CC,m(X)≤M_CC,m,H

2)生产能力约束表示为：

X_1,davg≤Q_RW,davg,H

3)物料与金属平衡关系约束

0.001×α_mX_1,davg＝X_2,davg+M_TL,davg(X)

4)精矿品位目标约束：

β_L≤X_3,davg≤β_H

5)尾矿品位目标范围及工艺水平约束：

f_{tail_grade,m}(X)≤v_H

v_L≤f_{tail_grade,davg}(X)≤v_H

6)金属回收率约束：

7)供水能力约束：

X_1,davgq_water≤Q_{water_day,H}

步骤14：采用进化算法对带约束的目标模型进行求解，得到选矿生产作业的原矿处理量、金精矿品位和金属量优化设定值，实现选矿生产指标的优化。

在该步骤中，一种典型的计算过程为：

1)初始化及产生种群：主要是设置初始化参数(如种群大小、进化代数、初始步长等)，并产生初始化种群；

2)适应度分配：计算种群中个体的适应值，确定约束支配关系；

3)交配选择：采用二元竞争选择来确定交配个体；

4)个体更新：针对交配池中的个体，以一定的概率应用交叉(重组)、变异算子产生新的个体；

5)环境选择：根据适应度值和约束支配关系选择子代个体，并更新代数gen＝gen+1；

6)终止准则：如果达到终止条件(最大代数或最佳个体的适应度值变化率阈值)，则结束，否则根据新形成的种群回到第2)步开始下一代搜索。

综上所述，本发明实施例所述方法具有以下优点：

1、通过设定生产指标优的参数、决策变量、辅助变量，建立相对经济效益目标函数与约束函数，采用智能算法快速求解，在选矿厂综合生产目标范围和资源约束条件下，有利于实现选矿厂的综合经济效益最大化；

2、考虑了选矿厂的实际指标完成情况，以及矿石属性、设备能力等资源条件随生产周期变化情况，有利于生产指标的稳定和快速调整，为生产过程提供了控制目标和方向；

3、在同样满足生产约束条件下，本发明实施例所提供的生产指标优化方法比人工经验设定方法得到的相对经济效益超过20％以上。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明披露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求书的保护范围为准。

Claims (5)

1.一种选矿生产指标的优化方法，其特征在于，所述方法包括：

设定选矿生产指标优化方法相关的参数、决策变量和辅助变量；

建立选矿生产指标优化的目标模型；

建立选矿生产的约束条件，所述约束条件包括综合指标目标范围约束，以及生产能力、工艺水平、生产材料和能源约束；

采用进化算法对带约束的目标模型进行求解，得到选矿生产作业的原矿处理量、金精矿品位和金属量优化设定值，实现选矿生产指标的优化。

2.根据权利要求1所述选矿生产指标的优化方法，其特征在于，所设定的选矿生产指标优化方法相关的参数具体包括：

α_m第m月的平均原矿品位；

w₁原矿处理量对经济效益贡献的权重系数；

w₂金属量对经济效益贡献的权重系数；

C_1,1,basic核定工资单价，按单位原矿处理量提取的费用；

C_2,1,basic核定工资单价，按单位金属量提取的费用；

C_1,3原矿处理量的计划调整系数；

C_2,3金属量的计划调整系数；

C₄全月尾矿品位低于或超过基准值时的奖惩费用；

C₅月生产过程中违反班次尾矿品位基准的惩罚费用；

C₆月生产过程中违反车次精矿品位基准的惩罚费用；

C₇月份金属平衡误差率超限惩罚费用；

C₈峰平谷用电超限惩罚费用；

C_other其他惩罚费用；

Q_RW,basic月原矿处理量目标值；

Q_RW,m,L,Q_RW,m,H第m月原矿处理量目标下限和上限；

Q_RW,davg,H日原矿处理量能力上限；

Q_RW,consumed当月累计已完成的原矿处理量；

M_{CC,dct_basic}月金属量目标值；

M_CC,m,L,M_CC,m,H第m月金属量目标下限和上限；

M_{CC,dct_produced}当月累计已生产的金属量；

M_TL,produced当月累计已生产尾矿中所含的金属量；

[β_L,β_H]精矿品位目标区间；

v_basic尾矿品位基准值；

v_L尾矿品位工艺水平下限；

v_H尾矿品位约束上限；

ε_L金属回收率下限；

q_water水量单耗；

Q_{water_day,H}日供水能力上限；

T_remain第m月中剩余的生产运行时间；

[β_L1,β_H1],[β_L2,β_H2],...[β_Ln,β_Hn]各精矿品位等级范围；

D₁,D₂,...D_n不同等级精矿品位的金属量折算率；

P₁,P₂生产完成率。

3.根据权利要求1所述选矿生产指标的优化方法，其特征在于，所设定的决策变量具体包括：

X＝(X_1,davg,X_2,davg,X_3,davg)^T决策变量矢量；其中，X_1,davg为日均原矿处理量，X_2,davg为日均金属量，X_3,davg为日均精矿品位。

4.根据权利要求1所述选矿生产指标的优化方法，其特征在于，所设定得辅助变量具体包括：

Q_RW,m(X)第m月的原矿总处理量；

Q_CC,m(X)第m月内的精矿产量；

M_CC,m(X)第m月精矿产品中的金属量；

Q_TL,m(X)第m月内的尾矿产量；

M_TL,m(X)第m月尾矿产品中的金属量；

Q_TL,davg(X)第m月的日均尾矿产量；

M_TL,davg(X)第m月的日均尾矿金属量；

f_discount(X_3,davg)销售返金率；

f_{tail_grade,davg}(X)日均尾矿品位；

f_{tail_grade,m}(X)第m月总尾矿品位；

C_1,1(X)按原矿处理量的计划完成率核定的单位效益；

C_1,2(X)原矿处理量的计划完成率；

C_2,1(X)按金属量的计划完成率核定的单位效益；

C_2,2(X)金属量的计划完成率。

5.根据权利要求1所述选矿生产指标的优化方法，其特征在于，所建立的目标模型具体为：

J_1,m＝A₁(X)+A₂(X)-C(X)；

A₁(X)表示按金矿原矿处理量完成率折算的相对经济效益；

A₂(X)表示按黄金金属量完成率折算的相对经济效益；

C(X)表示品位超限、精矿品位超限、实际金属平衡误差率超限、实际峰平谷用电超限后的效益惩罚。