CN114139817B - 区域集聚生产模式的电解铝协同配铝调度优化方法及装置 - Google Patents
区域集聚生产模式的电解铝协同配铝调度优化方法及装置 Download PDFInfo
- Publication number
- CN114139817B CN114139817B CN202111476871.7A CN202111476871A CN114139817B CN 114139817 B CN114139817 B CN 114139817B CN 202111476871 A CN202111476871 A CN 202111476871A CN 114139817 B CN114139817 B CN 114139817B
- Authority
- CN
- China
- Prior art keywords
- antibody
- aluminum
- electrolytic
- group
- affinity
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 229910052782 aluminium Inorganic materials 0.000 title claims abstract description 149
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 title claims abstract description 149
- 238000004519 manufacturing process Methods 0.000 title claims abstract description 53
- 238000009826 distribution Methods 0.000 title claims abstract description 49
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000004220 aggregation Methods 0.000 title claims abstract description 16
- 230000002776 aggregation Effects 0.000 title claims abstract description 14
- 238000005457 optimization Methods 0.000 title claims description 25
- 238000004364 calculation method Methods 0.000 claims abstract description 38
- 238000005266 casting Methods 0.000 claims abstract description 32
- 238000009749 continuous casting Methods 0.000 claims abstract description 27
- 238000013377 clone selection method Methods 0.000 claims abstract description 17
- 230000006870 function Effects 0.000 claims abstract description 15
- 238000010367 cloning Methods 0.000 claims abstract description 11
- 238000011156 evaluation Methods 0.000 claims abstract description 7
- 239000007788 liquid Substances 0.000 claims description 36
- 230000035772 mutation Effects 0.000 claims description 18
- 239000012535 impurity Substances 0.000 claims description 16
- 108091026890 Coding region Proteins 0.000 claims description 12
- 238000003723 Smelting Methods 0.000 claims description 6
- 230000003321 amplification Effects 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 6
- 239000000203 mixture Substances 0.000 claims description 6
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 6
- 230000005764 inhibitory process Effects 0.000 claims description 3
- 230000009191 jumping Effects 0.000 claims description 3
- 238000011161 development Methods 0.000 description 4
- 239000012263 liquid product Substances 0.000 description 4
- 239000000047 product Substances 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000003556 assay Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000012797 qualification Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 238000011144 upstream manufacturing Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000008076 immune mechanism Effects 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000002844 melting Methods 0.000 description 1
- 230000008018 melting Effects 0.000 description 1
- 239000007769 metal material Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000002893 slag Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B22—CASTING; POWDER METALLURGY
- B22D—CASTING OF METALS; CASTING OF OTHER SUBSTANCES BY THE SAME PROCESSES OR DEVICES
- B22D46/00—Controlling, supervising, not restricted to casting covered by a single main group, e.g. for safety reasons
-
- C—CHEMISTRY; METALLURGY
- C25—ELECTROLYTIC OR ELECTROPHORETIC PROCESSES; APPARATUS THEREFOR
- C25C—PROCESSES FOR THE ELECTROLYTIC PRODUCTION, RECOVERY OR REFINING OF METALS; APPARATUS THEREFOR
- C25C3/00—Electrolytic production, recovery or refining of metals by electrolysis of melts
- C25C3/06—Electrolytic production, recovery or refining of metals by electrolysis of melts of aluminium
- C25C3/20—Automatic control or regulation of cells
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Marketing (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Chemical & Material Sciences (AREA)
- General Business, Economics & Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Molecular Biology (AREA)
- Manufacturing & Machinery (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Quality & Reliability (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Development Economics (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Electrochemistry (AREA)
- Materials Engineering (AREA)
- Metallurgy (AREA)
- Organic Chemistry (AREA)
- Mechanical Engineering (AREA)
- Electrolytic Production Of Metals (AREA)
Abstract
公开了区域集聚生产模式的电解铝协同配铝调度优化方法及装置,能够实现跨企业、多品种、多生产模式的协同配铝调度。方法包括:(1)分别针对连续浇铸和满炉起铸的生产模式对协同配铝调度问题进行建模;(2)抗体群初始化;(3)形成记忆细胞库,并从记忆细胞库中随机抽取部分抗体作为初始抗体群的一部分;(4)构造亲和度评估函数以及惩罚算子;(5)克隆扩增;(6)克隆变异;(7)使得高浓度抗体在后续克隆选择中能够得到抑制,以保留抗体群的多样性,避免陷入局部最优;(8)使用惩罚算子对抗体群进行惩罚,并根据亲和度对抗体群进行选择收缩,保留亲和度较高的抗体;(9)根据迭代次数设定值判断是否终止计算。
Description
技术领域
本发明涉及铝生产加工的技术领域,尤其涉及一种区域集聚生产模式的电解铝协同配铝调度优化方法,以及区域集聚生产模式的电解铝协同配铝调度优化装置。
背景技术
铝是国家工业发展的重要金属材料,在工业现代化进程中起着至关重要的作用。近年来,随着市场竞争加剧及国家集约、节能、高效发展战略实施,电解铝行业逐渐出现一种新的发展趋势,即面向区域集聚的协同化生产模式,下游企业在电解铝企业周边建厂,与之共同形成电解铝产业聚集地,电解铝企业不再生产固态铸造铝锭,而是为下游企业直接提供所需牌号高温铝液,减去了液态铝液-固态铝锭-液态重熔的中间工艺过程,减少铝锭重融能源消耗及物流运输成本,为上下游企业带来了良好的经济效益。
配铝调度是电解铝企业根据产品牌号的成分要求以及铝液熔铸模式制定抬包作业计划的工艺过程,区域集聚协同生产模式实施对配铝调度提出了新的挑战,传统铝工业生产模式下,配铝调度面向的产品单一,基本为AL99.70、AL99.80等标准牌号的铝锭,而区域集聚的协同化生产模式下,下游企业生产模式各异,且对铝液的成分出现多元化和个性化要求,现有的配铝调度方法很难适应,满足跨企业、多品种、多生产模式的协同配铝调度方法研究需求迫切。
发明内容
为克服现有技术的缺陷,本发明要解决的技术问题是提供了一种区域集聚生产模式的电解铝协同配铝调度优化方法,其能够实现跨企业、多品种、多生产模式的协同配铝调度。
本发明的技术方案是:这种区域集聚生产模式的电解铝协同配铝调度优化方法,其包括以下步骤:
(1)将下游企业熔炼生产模式划分为连续浇铸和满炉起铸,分别针对连续浇铸和满炉起铸的生产模式对配铝调度问题进行建模;
(2)采用符号编码方式,根据电解槽槽号编码抗体C={C1,C2,...,Cn},其中Cn表示槽号;在抗体群初始化时,首先按照电解槽顺序生成初始抗体C,随后,随机打乱C内各点顺序得到剩余抗体;
(3)在生成初始抗体群时,利用人工配铝计算结果,形成记忆细胞库,并从记忆细胞库中随机抽取部分抗体作为初始抗体群的一部分;
(4)通过公式(1)构造亲和度评估函数以及惩罚算子
fitness(C)=η(C)×Ls/Lc (1)
其中,Ls表示天车顺序经过所有电解槽时的行驶路径,是最优路径,Lc表示根据抗体C的电解槽编码顺序计算得到的天车路径,η(C)为惩罚算子,通过引入惩罚算子实现多条件约束,在进行惩罚时,将抗体C进行再分组,C={(C1,C2,...,Cm)...,Cn)},当为连续浇铸时,m为每抬包所能容纳的电解槽数量,当为满炉起铸时,m为每炉所能容纳的电解槽数量;
(5)根据克隆规模KG对初始种群I的每个抗体进行克隆扩增,得到新的抗体群I';
(6)根据变异概率对抗体群I'进行变异操作,通过任意交换其编码序列中两点位置进行变异,最终得到抗体群I*;
(7)基于抗体浓度重新计算抗体群I*的亲和度使得高浓度抗体在后续克隆选择中能够得到抑制,以保留抗体群的多样性,避免陷入局部最优;
(8)使用惩罚算子对抗体群I*进行惩罚,并根据亲和度对抗体群I*进行选择收缩,保留亲和度较高的抗体,使群体规模收缩至设定值KI,并得到抗体群Iω;
(9)根据迭代次数设定值判断是否终止计算,若达到迭代次数,则输出抗体群Iω作为计算结果,同时选取亲和度较高的10个抗体加入记忆细胞库M;若未达到,则跳转至步骤(4)。
本发明基于下游企业的多种熔铸生产模式以及铝液产品多样性牌号,分别针对连续浇铸和满炉起铸的生产模式对配铝调度问题进行建模,采用免疫克隆选择算法完成优化计算,针对剩余的兜底铝液,采用二次优化配比标准牌号的重熔铝锭,因此能够实现跨企业、多品种、多生产模式的协同配铝调度。
还提供了区域集聚生产模式的电解铝协同配铝调度优化装置,其包括:
建模模块,其配置来将下游企业熔炼生产模式划分为连续浇铸和满炉起铸,分别针对连续浇铸和满炉起铸的生产模式对协同配铝调度问题进行建模;
编码及初始化模块,其配置来采用符号编码方式,根据电解槽槽号编码抗体C={C1,C2,...,Cn},其中Cn表示槽号;在抗体群初始化时,首先按照电解槽顺序生成初始抗体C,随后,随机打乱C内各点顺序得到剩余抗体;
记忆细胞库,其配置来在生成初始抗体群时,利用人工配铝计算结果,形成记忆细胞库,并从记忆细胞库中随机抽取部分抗体作为初始抗体群的一部分,同时后续每一步迭代计算结果中较优的结果也将加入记忆细胞库;
亲和度评估及惩罚算子构造模块,其配置来通过公式(1)构造亲和度评估函数以及惩罚算子
fitness(C)=η(C)×Ls/Lc (1)
其中,Ls表示天车顺序经过所有电解槽时的行驶路径,是最优路径,Lc表示根据抗体C的电解槽编码顺序计算得到的天车路径,η(C)为惩罚算子,通过引入惩罚算子实现多条件约束,在进行惩罚时,将抗体C进行再分组,C={(C1,C2,...,Cm)...,Cn)},当为连续浇铸时,m为每抬包所能容纳的电解槽数量,当为满炉起铸时,m为每炉所能容纳的电解槽数量;
克隆扩增模块,其配置来根据克隆规模KG对初始种群I的每个抗体进行克隆扩增,得到新的抗体群I';
克隆变异模块,其配置来根据变异概率对抗体群I'进行变异操作,通过任意交换其编码序列中两点位置进行变异,最终得到抗体群I*;
抗体抑制模块,其配置来基于抗体浓度重新计算抗体群I*的亲和度使得高浓度抗体在后续克隆选择中能够得到抑制,以保留抗体群的多样性,避免陷入局部最优;
惩罚及克隆选择模块,其配置来使用惩罚算子对抗体群I*进行惩罚,并根据亲和度对抗体群I*进行选择收缩,保留亲和度较高的抗体,使群体规模收缩至设定值KI,并得到抗体群Iω;
结果输出模块,其配置来根据迭代次数设定值判断是否终止计算,若达到迭代次数,则输出抗体群Iω作为计算结果,同时选取亲和度较高的10个抗体加入记忆细胞库M;若未达到,则执行亲和度评估及惩罚算子构造模块。
附图说明
图1是根据本发明的免疫克隆选择算法的流程图。
图2是根据本发明的区域集聚生产模式的电解铝协同配铝调度优化方法的迭代计算情况。
图3是根据本发明的区域集聚生产模式的电解铝协同配铝调度优化方法的流程图。
具体实施方式
如图3所示,这种区域集聚生产模式的电解铝协同配铝调度优化方法,其包括以下步骤:
(1)将下游企业熔炼生产模式划分为连续浇铸和满炉起铸,分别针对连续浇铸和满炉起铸的生产模式对协同配铝调度问题进行建模;
(2)采用符号编码方式,根据电解槽槽号编码抗体C={C1,C2,...,Cn},其中Cn表示槽号;在抗体群初始化时,首先按照电解槽顺序生成初始抗体C,随后,随机打乱C内各点顺序得到剩余抗体;
(3)在生成初始抗体群时,利用人工配铝计算结果,形成记忆细胞库,并从记忆细胞库中随机抽取部分抗体作为初始抗体群的一部分;
(4)通过公式(1)构造亲和度评估函数以及惩罚算子
fitness(C)=η(C)×Ls/Lc (1)
其中,Ls表示天车顺序经过所有电解槽时的行驶路径,是最优路径,Lc表示根据抗体C的电解槽编码顺序计算得到的天车路径,η(C)为惩罚算子,通过引入惩罚算子实现多条件约束,在进行惩罚时,将抗体C进行再分组,C={(C1,C2,...,Cm)...,Cn)},当为连续浇铸时,m为每抬包所能容纳的电解槽数量,当为满炉起铸时,m为每炉所能容纳的电解槽数量;
(5)根据克隆规模KG对初始种群I的每个抗体进行克隆扩增,得到新的抗体群I';
(6)根据变异概率对抗体群I'进行变异操作,通过任意交换其编码序列中两点位置进行变异,最终得到抗体群I*;
(7)基于抗体浓度重新计算抗体群I*的亲和度使得高浓度抗体在后续克隆选择中能够得到抑制,以保留抗体群的多样性,避免陷入局部最优;
(8)使用惩罚算子对抗体群I*进行惩罚,并根据亲和度对抗体群I*进行选择收缩,保留亲和度较高的抗体,使群体规模收缩至设定值KI,并得到抗体群Iω;
(9)根据迭代次数设定值判断是否终止计算,若达到迭代次数,则输出抗体群Iω作为计算结果,同时选取亲和度较高的10个抗体加入记忆细胞库M;若未达到,则跳转至步骤(4)。
本发明基于下游企业的多种熔铸生产模式以及铝液产品多样性牌号,分别针对连续浇铸和满炉起铸的生产模式对配铝调度问题进行建模,采用免疫克隆选择算法完成优化计算,针对剩余的兜底铝液,采用二次优化配比标准牌号的重熔铝锭,因此能够实现跨企业、多品种、多生产模式的协同配铝调度。
满炉起铸模式是指下游企业获得高温铝液后,将混合炉中铝液注满,经过配料、扒渣、静置等工序后开始熔铸,铝液消耗完毕后再安排下一批次,炉内不允许有剩余料。混合炉根据容量能装载多个抬包铝液,因此,其对成分要求最终应满足混合炉内化验合格,并不一定要求所有抬包的铝液满足牌号要求。针对于此,以天车行驶路径最短为优化目标,以炉内化学成分满足下游企业的个性化牌号要求、铝液含量低于混合炉满载量,电解铝企业为获得更好的经济效益,期望保留更高纯度的铝液,针对于此加入所含杂质接近但不低于化验标准的约束条件。优选地所述步骤(1)中,满炉起铸配铝调度问题模型为:
电解槽集合{N1,N2...Ni...Nn},n为电解槽个数;
多牌号产品集合{A1,A2...Ax...Aa},a为牌号总数;
电解槽铝液出铝计划质量集合{W1,W2...Wi...Wn};
电解槽中杂质元素含量集合{Pi1,Pi2...Pij...Pim,Pi(m+1)},m指杂质元素个数,Pij指第i个电解槽的第j种元素含量(j∈[1,m],i∈[1,n]),Pi(m+1)指i号电解槽中所有元素含量总和;
铝液合包成分要求集合{Mx1,Mx2...Mxj...Mxm,Mx(m+1)},m指杂质元素个数,Mxj指第x种牌号的第j种元素含量最大值(j∈[1,m],x∈[1,a]),Mx(m+1)指对应牌号所有元素含量总和最大值;
根据抬包容量,假设5槽合为一包,用Ci={Ci1,Ci2,Ci3,Ci4,Ci5}表示,Ci1<Ci2<Ci3<Ci4<Ci5,i∈[1,n/5];
设指第i组抬包天车行驶路径;
设混合炉最大容量为V1,抬包最大容量为V2,混合炉根据容量能装载多个抬包铝液,假设各炉最多容纳5倍抬包容量;
设混合炉个数为b,混合炉中抬包个数为t,抬包中所含电解槽数目为s;
根据以上参数定义目标函数为公式(2):
约束条件为公式(3):
其中j∈[1,m],t∈[1,5],s∈[1,5],x∈[1,a],ε为大于0的极小值。
连续浇铸是指下游企业向混合炉内加料在持续进行,混合炉内存在以往抬包剩余铝液,出铝熔铸根据生产情况间歇进行,电解铝抬包中的铝液一般是2~5个电解槽合为一包,因此,这种生产模式对成分要求应满足每一个铝液抬包内的化学成分化验合格,连续浇铸配铝调度问题模型以天车行驶路径最短为优化目标,以抬包化学成分满足下游企业的多牌号要求、铝液含量低于抬包满载量、所含杂质接近但不低于牌号标准为约束条件建立数学模型。优选地,所述步骤(1)中,连续浇铸配铝调度问题模型为:
目标函数为公式(4):
约束条件为公式(5):
其中j∈[1,m],s∈[1,5],x∈[1,a],ε为大于0的极小值。
优选地,所述步骤(3)中,将迭代计算结果中较优的结果加入记忆细胞库,以提高后续计算效率。
优选地,所述步骤(3)中,加载记忆细胞库M,从记忆细胞库中取出P个抗体加入初始抗体群I,P的取值方式为公式(6):
其中,KM为记忆细胞库抗体数量,KI为初始抗体群规模,对于剩余抗体随机生成。
优选地,所述步骤(4)中,满足约束条件公式(3)或(5)时,η(C)=1,不满足则η(C)=0。
优选地,所述步骤(7)中,为避免陷入局部最优,亲和度的计算方法为公式(7):
其中,α,β为自定义系数,α,β∈[0,1];γ为浓度阈值;c为较优抗体浓度值;fitnessMax为最优亲和度值。
免疫克隆选择算法源于生物体液免疫机理,对于组合优化问题,其具有易于处理、鲁棒性强、能快速收敛至全局最优解等优点。故采用免疫克隆选择算法对协同配铝优化问题进行计算,算法流程图如图1所示。
本领域普通技术人员可以理解,实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,所述的程序可以存储于一计算机可读取存储介质中,该程序在执行时,包括上述实施例方法的各步骤,而所述的存储介质可以是:ROM/RAM、磁碟、光盘、存储卡等。因此,与本发明的方法相对应的,本发明还同时包括一种区域集聚生产模式的电解铝协同配铝调度优化装置,该装置通常以与方法各步骤相对应的功能模块的形式表示。该装置包括:
建模模块,其配置来将下游企业熔炼生产模式划分为连续浇铸和满炉起铸,分别针对连续浇铸和满炉起铸的生产模式对协同配铝调度问题进行建模;
编码及初始化模块,其配置来采用符号编码方式,根据电解槽槽号编码抗体C={C1,C2,...,Cn},其中Cn表示槽号;在抗体群初始化时,首先按照电解槽顺序生成初始抗体C,随后,随机打乱C内各点顺序得到剩余抗体;
记忆细胞库,其配置来在生成初始抗体群时,利用人工配铝计算结果,形成记忆细胞库,并从记忆细胞库中随机抽取部分抗体作为初始抗体群的一部分,同时后续每一步迭代计算结果中较优的结果也将加入记忆细胞库,以保证抗体质量,提高计算效率;
亲和度评估及惩罚算子构造模块,其配置来通过公式(1)构造亲和度评估函数以及惩罚算子
fitness(C)=η(C)×Ls/Lc (1)
其中,Ls表示天车顺序经过所有电解槽时的行驶路径,是最优路径,Lc表示根据抗体C的电解槽编码顺序计算得到的天车路径,
η(C)为惩罚算子,通过引入惩罚算子实现多条件约束,在进行惩罚时,将抗体C进行再分组,C={(C1,C2,...,Cm)...,Cn)},当为连续浇铸时,m为每抬包所能容纳的电解槽数量,当为满炉起铸时,m为每炉所能容纳的电解槽数量;
克隆扩增模块,其配置来根据克隆规模KG对初始种群I的每个抗体进行克隆扩增,得到新的抗体群I';
克隆变异模块,其配置来根据变异概率对抗体群I'进行变异操作,通过任意交换其编码序列中两点位置进行变异,最终得到抗体群I*;
抗体抑制模块,其配置来基于抗体浓度重新计算抗体群I*的亲和度使得高浓度抗体在后续克隆选择中能够得到抑制,以保留抗体群的多样性,避免陷入局部最优;
惩罚及克隆选择模块,其配置来使用惩罚算子对抗体群I*进行惩罚,并根据亲和度对抗体群I*进行选择收缩,保留亲和度较高的抗体,使群体规模收缩至设定值KI,并得到抗体群Iω;
结果输出模块,其配置来根据迭代次数设定值判断是否终止计算,若达到迭代次数,则输出抗体群Iω作为计算结果,同时选取亲和度较高的10个抗体加入记忆细胞库M;若未达到,则执行亲和度评估及惩罚算子构造模块。
优选地,所述建模模块中,满炉起铸配铝调度问题模型为:
电解槽集合{N1,N2...Ni...Nn},n为电解槽个数;
多牌号产品集合{A1,A2...Ax...Aa},a为牌号总数;
电解槽铝液出铝计划质量集合{W1,W2...Wi...Wn};
电解槽中杂质元素含量集合{Pi1,Pi2...Pij...Pim,Pi(m+1)},m指杂质元素个数,Pij指第i个电解槽的第j种元素含量(j∈[1,m],i∈[1,n]),Pi(m+1)指i号电解槽中所有元素含量总和;
铝液合包成分要求集合{Mx1,Mx2...Mxj...Mxm,Mx(m+1)},m指杂质元素个数,Mxj指第x种牌号的第j种元素含量最大值(j∈[1,m],x∈[1,a]),Mx(m+1)指对应牌号所有元素含量总和最大值;
根据抬包容量,假设5槽合为一包,用Ci={Ci1,Ci2,Ci3,Ci4,Ci5}表示,Ci1<Ci2<Ci3<Ci4<Ci5,i∈[1,n/5];
设指第i组抬包天车行驶路径;
设混合炉最大容量为V1,抬包最大容量为V2,混合炉根据容量能装载多个抬包铝液,假设各炉最多容纳5倍抬包容量;
设混合炉个数为b,混合炉中抬包个数为t,抬包中所含电解槽数目为s;
根据以上参数定义目标函数为公式(2):
约束条件为公式(3):
其中j∈[1,m],t∈[1,5],s∈[1,5],x∈[1,a],ε为大于0的极小值。优选地,所述建模模块中,连续浇铸配铝调度问题模型为:
目标函数为公式(4):
约束条件为公式(5):
其中j∈[1,m],s∈[1,5],x∈[1,a],ε为大于0的极小值。
在电解槽所含众多杂质中,Fe和Si的含量居多,是影响铝液质量的关键元素,本文以某铝厂电解槽数据为实验算例,选取该厂某日电解槽计划出铝量及原铝化验分析数据,针对Fe、Si两种较高含量杂质,按抬包容量为10吨计算,配比下游企业所需各牌号高温铝液。
表1电解槽出铝量及化验数据
表2下游企业铝液订单的牌号要求
根据下游企业所需多种类铝液产品及多生产模式要求,以天车行驶路径最短为优化目标,配比表1出铝计划中3个工区的电解槽,运用免疫克隆选择算法迭代寻优,求解最优配铝调度方案,针对剩余兜底铝液,配比标准牌号AL99.70生产重熔铝锭,如无法满足,则降低牌号处理。本文算法由Visual C++语言实现,平台配置为Intel Xeon E5620 2.4GHz,内存32GB,Windows环境,设定初始抗体规模为80,迭代次数100次,连续进行5次优化计算,迭代计算情况如图2所示,最优配铝方案如表3所示。
表3最优配铝方案
根据图表可以得出结论,对于区域集聚生产模式下的电解铝协同配铝调度问题,使用免疫克隆选择算法进行求解能在较短的运行时间内得到优秀的计算结果,计算效率高,结果可靠稳定。多牌号最优配铝调度方案的最小化天车行驶路径为119,抬包个数为21,满足了下游企业铝液的需求,所得两包兜底铝液可生产AL99.70标准牌号重熔铝锭。
本文针对电解铝区域集聚协同生产的发展趋势,对影响协同生产管理的关键配铝调度问题进行了研究,提出了一种上下游企业协同配铝调度的优化计算方法,该算法考虑了下游企业的多种熔铸生产模式以及铝液产品的多样性需求,建立了新的多牌号、多模式配铝调度计算模型,采用免疫克隆选择算法完成优化计算,针对剩余的兜底铝液,采用二次优化配比标准牌号的重熔铝锭,最后通过某铝厂生产数据验证了本文方法的可行性。
以上所述,仅是本发明的较佳实施例,并非对本发明作任何形式上的限制,凡是依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰,均仍属本发明技术方案的保护范围。
Claims (6)
1.区域集聚生产模式的电解铝协同配铝调度优化方法,其特征在于:其包括以下步骤:
(1)将下游企业熔炼生产模式划分为连续浇铸和满炉起铸,分别针对连续浇铸和满炉起铸的生产模式对配铝调度问题进行建模;
(2)采用符号编码方式,根据电解槽槽号编码抗体C={C1,C2,...,Cn},其中Cn表示槽号;在抗体群初始化时,首先按照电解槽顺序生成初始抗体C,随后,随机打乱C内各点顺序得到剩余抗体;
(3)在生成初始抗体群时,利用人工配铝计算结果,形成记忆细胞库,并从记忆细胞库中随机抽取部分抗体作为初始抗体群的一部分;
(4)通过公式(1)构造亲和度评估函数以及惩罚算子
fitness(C)=η(C)×Ls/Lc (1)
其中,Ls表示天车顺序经过所有电解槽时的行驶路径,是最优路径,Lc表示根据抗体C的电解槽编码顺序计算得到的天车路径,η(C)为惩罚算子,通过引入惩罚算子实现多条件约束,在进行惩罚时,将抗体C进行再分组,C={(C1,C2,...,Cm)...,Cn)},当为连续浇铸时,m为每抬包所能容纳的电解槽数量,当为满炉起铸时,m为每炉所能容纳的电解槽数量;
(5)根据克隆规模KG对初始种群I的每个抗体进行克隆扩增,得到新的抗体群I';
(6)根据变异概率对抗体群I'进行变异操作,通过任意交换其编码序列中两点位置进行变异,最终得到抗体群I*;
(7)基于抗体浓度重新计算抗体群I*的亲和度fitness(Ij *),使得高浓度抗体在后续克隆选择中能够得到抑制,以保留抗体群的多样性,避免陷入局部最优;
(8)使用惩罚算子对抗体群I*进行惩罚,并根据亲和度对抗体群I*进行选择收缩,保留亲和度较高的抗体,使群体规模收缩至设定值KI,并得到抗体群Iω;
(9)根据迭代次数设定值判断是否终止计算,若达到迭代次数,则输出抗体群Iω作为计算结果,同时选取亲和度较高的10个抗体加入记忆细胞库M;若未达到,则跳转至步骤(4);
所述步骤(1)中,满炉起铸配铝调度问题模型为:
电解槽集合{N1,N2...Ni...Nn},n为电解槽个数;
多牌号产品集合{A1,A2...Ax...Aa},a为牌号总数;
电解槽铝液出铝计划质量集合{W1,W2...Wi...Wn};
电解槽中杂质元素含量集合{Pi1,Pi2...Pij...Pim,Pi(m+1)},m指杂质元素个数,Pij指第i个电解槽的第j种元素含量(j∈[1,m],i∈[1,n]),Pi(m+1)指i号电解槽中所有元素含量总和;
铝液合包成分要求集合{Mx1,Mx2...Mxj...Mxm,Mx(m+1)},m指杂质元素个数,Mxj指第x种牌号的第j种元素含量最大值(j∈[1,m],x∈[1,a]),Mx(m+1)指对应牌号所有元素含量总和最大值;
根据抬包容量,假设5槽合为一包,用Ci={Ci1,Ci2,Ci3,Ci4,Ci5}表示,Ci1<Ci2<Ci3<Ci4<Ci5,i∈[1,n/5];
设指第i组抬包天车行驶路径;
设混合炉最大容量为V1,抬包最大容量为V2,混合炉根据容量能装载多个抬包铝液,假设各炉最多容纳5倍抬包容量;
设混合炉个数为b,混合炉中抬包个数为t,抬包中所含电解槽数目为s;
根据以上参数定义目标函数为公式(2):
约束条件为公式(3):
其中j∈[1,m],t∈[1,5],s∈[1,5],x∈[1,a],ε为大于0的极小值;
所述步骤(1)中,连续浇铸配铝调度问题模型为:
目标函数为公式(4):
约束条件为公式(5):
其中j∈[1,m],s∈[1,5],x∈[1,a],ε为大于0的极小值。
2.根据权利要求1所述的区域集聚生产模式的电解铝协同配铝调度优化方法,其特征在于:所述步骤(3)中,将迭代计算结果中较优的结果也加入记忆细胞库。
3.根据权利要求2所述的区域集聚生产模式的电解铝协同配铝调度优化方法,其特征在于:所述步骤(3)中,从记忆细胞库M中抽取抗体的方法如下,假设随机抽取P个抗体加入初始抗体群I,则P的取值方式为公式(6):
其中,KM为记忆细胞库抗体数量,KI为初始抗体群规模。
4.根据权利要求3所述的区域集聚生产模式的电解铝协同配铝调度优化方法,其特征在于:所述步骤(4)中,满足约束条件公式(3)或(5)时,η(C)=1,不满足则η(C)=0。
5.根据权利要求4所述的区域集聚生产模式的电解铝协同配铝调度优化方法,其特征在于:所述步骤(7)中,为避免方法陷入局部最优,基于抗体浓度的亲和度计算方法为公式(7):
其中,α,β为自定义系数,α,β∈[0,1];γ为浓度阈值;c为较优抗体浓度值;fitnessMax为最优亲和度值。
6.区域集聚生产模式的电解铝协同配铝调度优化装置,其特征在于:其包括:
建模模块,其配置来将下游企业熔炼生产模式划分为连续浇铸和满炉起铸,分别针对连续浇铸和满炉起铸的生产模式对协同配铝调度问题进行建模;
编码及初始化模块,其配置来采用符号编码方式,根据电解槽槽号编码抗体C={C1,C2,...,Cn},其中Cn表示槽号;在抗体群初始化时,首先按照电解槽顺序生成初始抗体C,随后,随机打乱C内各点顺序得到剩余抗体;
记忆细胞库,其配置来在生成初始抗体群时,利用人工配铝计算结果形成记忆细胞库,并从记忆细胞库中随机抽取部分抗体作为初始抗体群的一部分,同时后续每一步迭代计算结果中较优的结果也将加入记忆细胞库;
亲和度评估及惩罚算子构造模块,其配置来通过公式(1)构造亲和度评估函数以及惩罚算子
fitness(C)=η(C)×Ls/Lc (1)
其中,Ls表示天车顺序经过所有电解槽时的行驶路径,是最优路径,Lc表示根据抗体C的电解槽编码顺序计算得到的天车路径,η(C)为惩罚算子,通过引入惩罚算子实现多条件约束,在进行惩罚时,将抗体C进行再分组,C={(C1,C2,...,Cm)...,Cn)},当为连续浇铸时,m为每抬包所能容纳的电解槽数量,当为满炉起铸时,m为每炉所能容纳的电解槽数量;
克隆扩增模块,其配置来根据克隆规模KG对初始种群I的每个抗体进行克隆扩增,得到新的抗体群I';
克隆变异模块,其配置来根据变异概率对抗体群I'进行变异操作,通过任意交换其编码序列中两点位置进行变异,最终得到抗体群I*;
抗体抑制模块,其配置来基于抗体浓度重新计算抗体群I*的亲和度使得高浓度抗体在后续克隆选择中能够得到抑制,以保留抗体群的多样性,避免陷入局部最优;
惩罚及克隆选择模块,其配置来使用惩罚算子对抗体群I*进行惩罚,并根据亲和度对抗体群I*进行选择收缩,保留亲和度较高的抗体,使群体规模收缩至设定值KI,并得到抗体群Iω;
结果输出模块,其配置来根据迭代次数设定值判断是否终止计算,若达到迭代次数,则输出抗体群Iω作为计算结果,同时选取亲和度较高的10个抗体加入记忆细胞库M;若未达到,则执行亲和度评估及惩罚算子构造模块;
所述建模模块中,满炉起铸配铝调度问题模型为:
电解槽集合{N1,N2...Ni...Nn},n为电解槽个数;
多牌号产品集合{A1,A2...Ax...Aa},a为牌号总数;
电解槽铝液出铝计划质量集合{W1,W2...Wi...Wn};
电解槽中杂质元素含量集合{Pi1,Pi2...Pij...Pim,Pi(m+1)},m指杂质元素个数,Pij指第i个电解槽的第j种元素含量(j∈[1,m],i∈[1,n]),Pi(m+1)指i号电解槽中所有元素含量总和;
铝液合包成分要求集合{Mx1,Mx2...Mxj...Mxm,Mx(m+1)},m指杂质元素个数,Mxj指第x种牌号的第j种元素含量最大值(j∈[1,m],x∈[1,a]),Mx(m+1)指对应牌号所有元素含量总和最大值;
根据抬包容量,假设5槽合为一包,用Ci={Ci1,Ci2,Ci3,Ci4,Ci5}表示,Ci1<Ci2<Ci3<Ci4<Ci5,i∈[1,n/5];
设指第i组抬包天车行驶路径;
设混合炉最大容量为V1,抬包最大容量为V2,混合炉根据容量能装载多个抬包铝液,假设各炉最多容纳5倍抬包容量;
设混合炉个数为b,混合炉中抬包个数为t,抬包中所含电解槽数目为s;
根据以上参数定义目标函数为公式(2):
约束条件为公式(3):
其中j∈[1,m],t∈[1,5],s∈[1,5],x∈[1,a],ε为大于0的极小值;
所述建模模块中,连续浇铸配铝调度问题模型为:
目标函数为公式(4):
约束条件为公式(5):
其中j∈[1,m],s∈[1,5],x∈[1,a],ε为大于0的极小值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111476871.7A CN114139817B (zh) | 2021-12-02 | 2021-12-02 | 区域集聚生产模式的电解铝协同配铝调度优化方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111476871.7A CN114139817B (zh) | 2021-12-02 | 2021-12-02 | 区域集聚生产模式的电解铝协同配铝调度优化方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114139817A CN114139817A (zh) | 2022-03-04 |
CN114139817B true CN114139817B (zh) | 2024-05-28 |
Family
ID=80384416
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111476871.7A Active CN114139817B (zh) | 2021-12-02 | 2021-12-02 | 区域集聚生产模式的电解铝协同配铝调度优化方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114139817B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103116806A (zh) * | 2013-03-13 | 2013-05-22 | 兰州理工大学 | 基于混沌克隆算子的铝液抬包配载优化方法 |
CN111931898A (zh) * | 2020-07-23 | 2020-11-13 | 兰州理工大学 | 一种基于深度免疫克隆算法的电解铝智能配铝调度方法 |
-
2021
- 2021-12-02 CN CN202111476871.7A patent/CN114139817B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103116806A (zh) * | 2013-03-13 | 2013-05-22 | 兰州理工大学 | 基于混沌克隆算子的铝液抬包配载优化方法 |
CN111931898A (zh) * | 2020-07-23 | 2020-11-13 | 兰州理工大学 | 一种基于深度免疫克隆算法的电解铝智能配铝调度方法 |
Non-Patent Citations (2)
Title |
---|
区域集聚生产模式下的电解铝协同配铝调度优化模型;李建华 等;有色金属工程;20220424;第12卷(第4期);63-69 * |
面向区域集聚的动态协同配铝调度研究;杨慧;中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑;20230215(第2期);B023-117 * |
Also Published As
Publication number | Publication date |
---|---|
CN114139817A (zh) | 2022-03-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Moors et al. | Towards cleaner production: barriers and strategies in the base metals producing industry | |
Paraskevas et al. | Environmental modelling of aluminium recycling: a Life Cycle Assessment tool for sustainable metal management | |
Serrenho et al. | The influence of UK emissions reduction targets on the emissions of the global steel industry | |
Cui et al. | An improved Lagrangian relaxation approach to scheduling steelmaking-continuous casting process | |
CN112668901B (zh) | 一种考虑能耗的钢厂生产调度方法及系统 | |
CN105303320A (zh) | 一种炼钢智能调度算法 | |
Demetrio et al. | Slag cleaning: the Chilean copper smelter experience | |
CN114139817B (zh) | 区域集聚生产模式的电解铝协同配铝调度优化方法及装置 | |
Röben et al. | The demand response potential in copper production | |
CN107403264B (zh) | 一种考虑生产设备调度计划约束的运输设备钢包路径编制方法 | |
Cerchier et al. | Silicon-PV panels recycling: technologies and perspectives | |
Zhao et al. | A heuristic and meta-heuristic based on problem-specific knowledge for distributed blocking flow-shop scheduling problem with sequence-dependent setup times | |
CN103116806B (zh) | 基于混沌克隆算子的铝液抬包配载优化方法 | |
CN111931898B (zh) | 一种基于深度免疫克隆算法的电解铝智能配铝调度方法 | |
CN1124298A (zh) | 铜熔炼装置 | |
Korpi et al. | Plant-wide optimization of a copper smelter: how to do it in practice? | |
CN110059940A (zh) | 一种炼钢-连铸界面衔接节能方法及系统 | |
CN114153185A (zh) | 一种基于动态多目标差分进化算法的炼钢-连铸弹性调度优化方法及系统 | |
Letaba et al. | The development of a technology roadmap for ferrochrome producers | |
Birat | Sustainable steelmaking paradigms for growth and development in the early 21st Century | |
Caro et al. | An integrated approach to the long-term planning process in the copper mining industry | |
Ghasemi et al. | A novel predictive model for estimation of cell voltage in electrochemical recovery of copper from brass: application of gene expression programming | |
Birat | Innovation paradigms for the steel industry of the 21st Century. Future directions for steel industry and CC | |
CN113657642B (zh) | 基于混合算法的熔炼车间生产和运输协同优化方法及系统 | |
CN108707758A (zh) | 一种铜熔炼渣的处理方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |