CN115565618A - 一种高炉配料多目标优化方法、终端设备及存储介质 - Google Patents

一种高炉配料多目标优化方法、终端设备及存储介质 Download PDF

Info

Publication number
CN115565618A
CN115565618A CN202211149399.0A CN202211149399A CN115565618A CN 115565618 A CN115565618 A CN 115565618A CN 202211149399 A CN202211149399 A CN 202211149399A CN 115565618 A CN115565618 A CN 115565618A
Authority
CN
China
Prior art keywords
blast furnace
raw fuel
representing
iron
objective optimization
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.)
Pending
Application number
CN202211149399.0A
Other languages
English (en)
Inventor
瞿涛
梁小兵
林子恒
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wisdri Engineering and Research Incorporation Ltd
Original Assignee
Wisdri Engineering and Research Incorporation Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Wisdri Engineering and Research Incorporation Ltd filed Critical Wisdri Engineering and Research Incorporation Ltd
Priority to CN202211149399.0A priority Critical patent/CN115565618A/zh
Publication of CN115565618A publication Critical patent/CN115565618A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
    • G16C20/20—Identification of molecular entities, parts thereof or of chemical compositions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Algebra (AREA)
  • Chemical & Material Sciences (AREA)
  • Computing Systems (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computational Mathematics (AREA)
  • Crystallography & Structural Chemistry (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Manufacture Of Iron (AREA)

Abstract

本发明涉及一种高炉配料多目标优化方法、终端设备及存储介质，该方法中包括：获取高炉生产所需的原燃料的库存重量和单价；选择参与配料的原燃料品种，并获取参与配料的原燃料品种的成分信息；构建高炉配料多目标优化模型；以吨铁成本最低和现有库存可支持供料时间最长为目标构建高炉配料多目标优化模型；对模型进行求解，得到最优原燃料配比。本发明提升高炉配料水平，降低高炉炼铁生产成本的同时，最大限度保证高炉稳定运行。

Description

一种高炉配料多目标优化方法、终端设备及存储介质
技术领域
本发明涉及高炉冶炼领域，尤其涉及一种高炉配料多目标优化方法、终端设备及存储介质。
背景技术
高炉冶炼工序是钢铁生产过程中成本消耗最大的环节，其成本约占钢铁企业整个冶炼过程的60～70％，优化高炉炼铁成本是钢铁企业降本增效的重点。
目前，高炉配料正向计算为大部分钢铁企业所采用的高炉配料计算方法，部分企业在高炉二级控制系统中增加了配料反向计算简化配比调整过程，但此方法无法实现得到成本最优的配料方案，亟需一种高炉配料全局优化计算方法实现高炉入炉原燃料配比优化，有效降低生产成本。
另外，当前钢铁企业为降低成本，减少资金占用，实行“原燃料低库存、成品负库存”的原则。原燃料较低的库存，造成高炉入炉料的变料频率大大提高。频繁的变料对高炉运行状态有较大影响。如何在原燃料低库存条件下，实现稳定配料是高炉配料操作面临的挑战。
目前高炉配料计算已有一些公开方法，公开号为CN12722652A的中国发明专利公开了“一种高炉冶炼成本计算及优化方法”，利用元素守恒和经验公式，基于规则，指定调整步长不断迭代进行优化求解。公开号为CN103092087A的中国发明专利公开了“基于线性规划的高炉配料优化方法”，在已知原燃料成分条件下，根据工艺约束建立带约束的线性方程，通过单纯性法进行优化求解。
上述专利以及相关方法中，采用规则进行迭代优化，寻优路线固定，容易丢失全局解。采用线性规划方法求解，模型必须是线性模型，无法处理非线性约束，在遇到非线性约束时，需要进行简化处理，无法处理复杂的非线性约束。同时上述优化方法均为考虑原燃料库存，无法满足当前高炉生产过程中原燃料低库存条件下的优化计算需求。鉴于现有技术存在的缺陷，很有必要，开发一套适应性更广，优化能力更强的高炉配料优化方法和系统。
发明内容
为了解决上述问题，本发明提出了一种高炉配料多目标优化方法、终端设备及存储介质。
具体方案如下：
一种高炉配料多目标优化方法，包括以下步骤：
S1：获取高炉生产所需的原燃料的库存重量和单价；
S2：选择参与配料的原燃料品种，并获取参与配料的原燃料品种的成分信息；
S3：构建高炉配料多目标优化模型；
设定模型的目标函数为：
min(f1(x),f2(x))
Figure BDA0003856297020000021
Figure BDA0003856297020000022
其中，f1(x)表示第一个子目标函数，i表示原燃料品种的序号，1≤i≤D，D表示原燃料的品种总数，pi表示第i种原燃料的单价，xi表示第i种原燃料的吨铁消耗量，f2(x)表示第二个子目标函数，Mi表示第i种原燃料的库存重量；
S4：对模型进行求解，得到最优原燃料配比。
进一步的，原燃料品种包括烧结、球团、块矿、熔剂和焦炭五个大类，每个大类下又包括多个小类。
进一步的，原燃料品种的成分信息通过检验或化验系统获得，并取最近的多次检验或化验结果的平均值作为最终成分。
进一步的，设定模型的约束条件为：
Figure BDA0003856297020000031
Figure BDA0003856297020000032
Figure BDA0003856297020000033
Figure BDA0003856297020000034
Figure BDA0003856297020000035
Figure BDA0003856297020000036
Figure BDA0003856297020000041
Figure BDA0003856297020000042
Figure BDA0003856297020000043
Figure BDA0003856297020000044
Figure BDA0003856297020000045
其中，n1、n2、n3、n4、n5依次表示烧结、球团、块矿、熔剂、焦炭五个大类下包括的小类的数量，fi TFe表示第i种原燃料的全铁含量，γHM表示铁水收得率，fTFe表示全铁含量的设定值，δ表示与全铁含量的设定值的偏差，Q0表示吨铁熔剂用量的设定值，S0表示生铁硫含量的设定值，fi S表示第i种物料的硫含量，
Figure BDA0003856297020000046
表示煤粉的硫含量，λS表示铁水中硫的分配系数，
Figure BDA0003856297020000047
和
Figure BDA0003856297020000048
分别表示烧结矿占全部矿的比例上限和比例下限，
Figure BDA0003856297020000049
和
Figure BDA00038562970200000410
分别表示球团矿占全部矿的比例上限和比例下限，
Figure BDA00038562970200000411
和
Figure BDA00038562970200000412
分别表示块矿占全部矿的比例上限和比例下限，
Figure BDA00038562970200000413
表示吨铁炉渣产量，
Figure BDA00038562970200000414
表示吨铁炉渣中氧化镁的重量，a和b分别表示吨铁炉渣中氧化镁含量的上限和下限，
Figure BDA00038562970200000415
表示吨铁炉渣中氧化铝的重量，c表示吨铁炉渣中氧化铝含量的上限，
Figure BDA00038562970200000416
表示吨铁炉渣中氧化钙的重量，
Figure BDA00038562970200000417
表示吨铁炉渣中氧化硅的重量，
Figure BDA00038562970200000418
和
Figure BDA00038562970200000419
分别表示二元碱度R2的上限和下限，CL和CU分别表示吨铁焦炭用量的上限和下限。
进一步的，吨铁炉渣中的氧化钙、氧化镁、氧化硅、氧化铝的重量计算公式为：
Figure BDA0003856297020000051
Figure BDA0003856297020000052
Figure BDA0003856297020000053
Figure BDA0003856297020000054
其中，fi CaO、fi MgO、
Figure BDA0003856297020000055
分别表示第i种原燃料中氧化钙、氧化镁、氧化硅、氧化铝的含量，
Figure BDA0003856297020000056
分别表示煤粉中氧化钙、氧化镁、氧化硅、氧化铝的含量，
Figure BDA0003856297020000057
表示吨铁炉渣中煤粉的重量。
进一步的，吨铁炉渣产量的计算公式为：
Figure BDA0003856297020000058
其中，γSlag表示炉渣收得率，
Figure BDA0003856297020000059
表示吨铁炉渣中氟化钙的重量。
进一步的，模型采用间接求解法进行求解，将多目标优化模型转换为单目标优化模型的标准问题，并利用差分进化算法对上述标准问题进行求解；
单目标优化模型的标准问题为：
min f(x)＝w1f1(x)+w2f2(x)
其中，f(x)表示转换后的目标函数，w1、w2分别表示第一个目标函数f1(x)和第二个目标函数f2(x)的权重，x＝(x1,x2,...,xD)，
Figure BDA00038562970200000510
分别表示第j种原燃料xj取值范围的上界和下界。
一种高炉配料多目标优化终端设备，包括处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现本发明实施例上述的方法的步骤。
一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现本发明实施例上述的方法的步骤。
本发明采用如上技术方案，在高炉生产工艺约束条件下，以吨铁成本最低和现有库存可支持供料时间最长为目标函数，计算得到高炉入炉原燃料最佳配比，提升高炉配料水平，降低高炉炼铁生产成本的同时，最大限度保证高炉稳定运行。
附图说明
图1所示为本发明实施例一的流程图。
图2所以为该实施例中多目标优化模型的求解流程图。
图3所以为该实施例中差分进化算法的流程图。
具体实施方式
为进一步说明各实施例，本发明提供有附图。这些附图为本发明揭露内容的一部分，其主要用以说明实施例，并可配合说明书的相关描述来解释实施例的运作原理。配合参考这些内容，本领域普通技术人员应能理解其他可能的实施方式以及本发明的优点。
现结合附图和具体实施方式对本发明进一步说明。
实施例一：
本发明实施例提供了一种高炉配料多目标优化方法，如图1所示，所述方法包括以下步骤：
S1：获取高炉生产所需的原燃料的库存重量和单价。
该实施例中从从钢铁企业L3系统实时获取高炉生产所需的原燃料的库存重量和单价，如果不具备采集条件，可以通过界面由人工录入，在此不做限定。
S2：选择参与配料的原燃料品种，并获取参与配料的原燃料品种的成分信息。
该实施例中由有经验的技术人员进行参与配料的原燃料品种的选择，具体选择的原燃料品种包括烧结、球团、块矿、熔剂和焦炭五个大类，每个大类下又包括多个小类，五个大类下包含的小类的个数分别通过n1、n2、n3、n4、n5表示。
由于后续模型优化中需要使用到原燃料中成分的占比情况，因此需要预先获取参与配料的原燃料品种的成分信息，该实施例中通过数据接口或者电文通讯等方式从检验或化验系统获得。为了提高成分信息的准确性，还可以进一步的取最近的多次(如三次)检验或化验结果的平均值作为最终成分。
S3：构建高炉配料多目标优化模型。
本实施例中假设吨铁炉渣中煤粉的重量(煤比)
Figure BDA0003856297020000071
已知，单位为吨。为了便于统一，下文中所有重量单位统一为吨。参与配料的原燃料依次为烧结矿、球团矿、块矿、熔剂和焦炭。设定参与配料的各种原燃料的吨铁消耗量为
Figure BDA0003856297020000072
单位为吨，其中下标1～5依次代表烧结矿、球团矿、块矿、熔剂和焦炭，n1，n2，n3，n4，n5分别依次代表参与配料的烧结矿、球团矿、块矿、熔剂和焦炭的种类数量。设定参与配料的各种原燃料的库存重量为
Figure BDA0003856297020000073
为便于表述，将向量m表示为x＝(x1,x2,...,xD)，其中D＝n1+n2+n3+n4+n5.
设定高炉配料多目标优化模型的目标函数如下：
min(f1(x),f2(x))
Figure BDA0003856297020000081
Figure BDA0003856297020000082
其中，第一个子目标函数f1(x)为高炉冶炼的原燃料成本(这里不考虑煤粉成本，因为在煤比一定的条件下，该项成本为固定值)，pi表示第i种原燃料的单价；第二个子目标函数f2(x)中，
Figure BDA0003856297020000083
表示保持配比x不变，当前库存可以生产的最大铁水吨数，f2(x)为
Figure BDA0003856297020000084
的取负。
根据高炉生产工艺要求，本实施例中高炉配料多目标优化模型建立了如下约束条件：
Figure BDA0003856297020000085
Figure BDA0003856297020000086
Figure BDA0003856297020000087
Figure BDA0003856297020000088
Figure BDA0003856297020000089
Figure BDA0003856297020000091
Figure BDA0003856297020000092
Figure BDA0003856297020000093
Figure BDA0003856297020000094
Figure BDA0003856297020000095
Figure BDA0003856297020000096
其中，约束(1)为铁平衡约束，fi TFe为第i种原燃料的全铁(TFe)含量，γHM表示铁水收得率，根据生产实际，取值为1.052；约束(2)表示矿石中全铁的含量在设定值fTFe±δ范围内，按照生产控制要求，fTFe＝0.55，δ＝0.01；约束(3)表示吨铁熔剂用量小于等于设定值Q0，根据生产要求Q0＝0.01；约束(4)表示生铁硫(S)含量小于设定值S0，根据生产要求，S0＝0.05，其中fi S表示第i种原燃料的硫含量，
Figure BDA0003856297020000097
表示煤粉的硫含量，铁水中硫的分配系数λS，λS取值为0.1；约束(5)表示烧结矿占全部矿的比例约束,
Figure BDA0003856297020000098
和
Figure BDA0003856297020000099
为上下限，由人工在界面上设定；约束(6)表示球团矿占全部矿的比例约束，
Figure BDA00038562970200000910
和
Figure BDA00038562970200000911
为上下限，由人工在界面上设定；约束(7)表示块矿占全部矿的比例约束，
Figure BDA00038562970200000912
和
Figure BDA00038562970200000913
为上下限，由人工在界面上设定；约束(8)～(10)为炉渣成分及炉渣碱度约束，需要先根据入炉料及成分计算得到吨铁渣量
Figure BDA00038562970200000914
首先计算得到吨铁炉渣中的氧化钙(CaO)、氧化镁(MgO)、氧化硅(SiO2)、氧化铝(Al2O3)、氟化钙(CaF2)的重量计算公式如下：
Figure BDA0003856297020000101
Figure BDA0003856297020000102
Figure BDA0003856297020000103
Figure BDA0003856297020000104
Figure BDA0003856297020000105
其中，fi CaO、fi MgO、
Figure BDA0003856297020000106
分别表示第i种原燃料中氧化钙、氧化镁、氧化硅、氧化铝、氟化钙的含量，
Figure BDA0003856297020000107
分别表示煤粉中氧化钙、氧化镁、氧化硅、氧化铝、氟化钙的含量。根据生产经验，吨铁炉渣产量的计算公式可以表示为：
Figure BDA0003856297020000108
其中，γSlag表示炉渣收得率，根据实际情况设定，一般取值为1.02左右，通过上述公式，可以建立决策变量与炉渣中各类物质的产量关系。
约束(8)表示吨铁炉渣中氧化镁的含量约束,a,b分别为上下限；约束(9)表示吨铁炉渣中氧化铝的含量约束，c为上限；约束(10)表示二元碱度约束，其中
Figure BDA0003856297020000109
和
Figure BDA00038562970200001010
分别为二元碱度R2的上下限。
约束(11)表示吨铁焦炭用量范围约束，其中CL和CU分别为吨铁焦炭用量的上下限。
上述区间由人工在界面设置或调整。
S4：对模型进行求解，得到最优原燃料配比。
多目标优化问题的求解方法分为直接求解法和间接求解法。如图2所示，直接法中一般使用进化算法求解多目标优化问题，求解的最终结果是得到一组帕累托解集，其对应的目标函数是函数空间的帕累托前沿(Pareto Front)，用户使用时，需要从帕累托解集中根据偏好选择一个最终解。间接求解法使用权重，将多目标优化转化为单目标，用户可以在系统界面上调整目标函数的权重，多次计算得到合适的权重后，保存下来，后续求解时可以继续使用该权重。两种求解方法各有特点。本实施例以间接求解法为例(但不限于间接求解法)来阐明求解过程。首先将上述多目标优化模型转换为单目标优化模型的标准问题：
min f(x)＝w1f1(x)+w2f2(x)
Figure BDA0003856297020000111
其中x＝(x1,x2,...,xD)，w1，w2为目标函数f1(x)和f2(x)的权重，对优化结果影响很大，由配料计算操作人员根据现场实际需要进行设置和调整，权重的值越大，表示该目标越重要。
Figure BDA0003856297020000112
分别表示第j种原燃料xj取值范围的上界和下界。用户可以根据需求设定粗略范围或者精确范围。约束(1)～(11)不在标准问题中列出。
接下来，利用差分进化算法对上述标准问题求解，如图3所示，具体步骤如下：
步骤1：初始化种群。利用公式
Figure BDA0003856297020000113
随机产生初始种群
Figure BDA0003856297020000114
其中xi(0)表示种群中第0代的第i条“染色体”(或个体)，xj,i(0)表示第0代的第i条“染色体”的第j个“基因”。NP表示种群大小。rand(0,1)表示在(0,1)区间均匀分布的随机数。设置最大进化代数G，本实施例中设置为NP＝80，G＝500。
步骤2：计算种群中每个个体的适应值，公式如下：
Fit(x)＝-f(x)＝-(w1f1(x)+w2f2(x))
步骤3：判断当前代数g是否达到最大进化代数G，若是，则进化中止，输出最优解；若否则转到步骤4。
步骤4：变异操作。差分进化算法通过差分策略实现个体变异，这里使用随机选取种群中两个不同的个体，将其向量差缩放后与待变异个体进行向量合成，即
vi(g+1)＝xr1(g)+F·(xr2(g)-xr3(g)),i≠r1≠r2≠r3
其中，F为缩放因子，参考设置为0.5，xi(g)表示第g代种群中的第i个个体。在进化过程中，为了保证解的有效性，必须判断“染色体”中的各个“基因”是否在取值范围内，如果不在，则“基因”用随机方法重新生成(与初始种群的产生方法相同)。第g代种群通过变异后，产生一个中间体
Figure BDA0003856297020000121
步骤5：交叉操作。对第g代种群{xi(g)}及其变异的中间体{vi(g+1)}进行个体间的交叉操作：
Figure BDA0003856297020000122
CR的参考设置为CR＝0.3。
步骤6：选择操作。首先计算种群中个体违反约束程度，将约束(1)～(9)转化成“≤0”形式，得到个体违反约束程度行向量CV。如下所示：
Figure BDA0003856297020000123
Figure BDA0003856297020000131
Figure BDA0003856297020000132
Figure BDA0003856297020000133
Figure BDA0003856297020000134
Figure BDA0003856297020000135
Figure BDA0003856297020000136
Figure BDA0003856297020000137
Figure BDA0003856297020000138
Figure BDA0003856297020000139
Figure BDA00038562970200001310
Figure BDA0003856297020000141
Figure BDA0003856297020000142
Figure BDA0003856297020000143
Figure BDA0003856297020000144
Figure BDA0003856297020000145
Figure BDA0003856297020000146
CV＝[CV1,CV2,...,CV17]
比较ui(g+1)和xi(g)，利用步骤2中的公式计算临时种群中个体ui(g+1)的的适应度，分别计算二者违反约束总程度
Figure BDA0003856297020000147
表示个体为可行解。应用可行性法则，选择进入下一代的个体，得到下一代种群
Figure BDA0003856297020000148
可行性法则的内容如下：
(1)当两个解都为可行解，选择适应度大的解。
(2)当一个解为可行解，另外一个解为非可行解，选择可行解。
(3)当两个解都不是可行解，选择违反约束程度小的解。
步骤7：种群代数加1，g＝g+1。
本发明实施例能够快速得到满足多条件约束的下的最优原燃料配比。通过调整目标函数权重(或者从帕累托解集中根据偏好选择最终结果)可以实现在炼铁原燃料成本最优和低库存对高炉安全生产影响最小两个目标间达到平衡。提升了高炉配料计算的实用性和智能化水平。本是合理方法超越了单纯追求炼铁配矿成本最优的计算方法，在配比计算上考虑了实时库存，使计算结果更具实用性。可用于指导高炉炼铁配料工作的进行，在满足成分、质量、生产顺行的基础上，优化炼铁配矿成本，提高企业竞争力。
实施例二：
本发明还提供一种高炉配料多目标优化终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现本发明实施例一的上述方法实施例中的步骤。
进一步地，作为一个可执行方案，所述高炉配料多目标优化终端设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述高炉配料多目标优化终端设备可包括，但不仅限于，处理器、存储器。本领域技术人员可以理解，上述高炉配料多目标优化终端设备的组成结构仅仅是高炉配料多目标优化终端设备的示例，并不构成对高炉配料多目标优化终端设备的限定，可以包括比上述更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述高炉配料多目标优化终端设备还可以包括输入输出设备、网络接入设备、总线等，本发明实施例对此不做限定。
进一步地，作为一个可执行方案，所称处理器可以是中央处理单元(CentralProcessing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital SignalProcessor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述高炉配料多目标优化终端设备的控制中心，利用各种接口和线路连接整个高炉配料多目标优化终端设备的各个部分。
所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述高炉配料多目标优化终端设备的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据手机的使用所创建的数据等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
本发明还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现本发明实施例上述方法的步骤。
所述高炉配料多目标优化终端设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)以及软件分发介质等。
尽管结合优选实施方案具体展示和介绍了本发明，但所属领域的技术人员应该明白，在不脱离所附权利要求书所限定的本发明的精神和范围内，在形式上和细节上可以对本发明做出各种变化，均为本发明的保护范围。

Claims (9)

1.一种高炉配料多目标优化方法，其特征在于，包括以下步骤：
S1：获取高炉生产所需的原燃料的库存重量和单价；
S2：选择参与配料的原燃料品种，并获取参与配料的原燃料品种的成分信息；
S3：构建高炉配料多目标优化模型；
设定模型的目标函数为：
min(f1(x),f2(x))
Figure FDA0003856297010000011
Figure FDA0003856297010000012
其中，f1(x)表示第一个子目标函数，i表示原燃料品种的序号，1≤i≤D，D表示原燃料的品种总数，pi表示第i种原燃料的单价，xi表示第i种原燃料的吨铁消耗量，f2(x)表示第二个子目标函数，Mi表示第i种原燃料的库存重量；
S4：对模型进行求解，得到最优原燃料配比。
2.根据权利要求1所述的高炉配料多目标优化方法，其特征在于：原燃料品种包括烧结、球团、块矿、熔剂和焦炭五个大类，每个大类下又包括多个小类。
3.根据权利要求1所述的高炉配料多目标优化方法，其特征在于：原燃料品种的成分信息通过检验或化验系统获得，并取最近的多次检验或化验结果的平均值作为最终成分。
4.根据权利要求2所述的高炉配料多目标优化方法，其特征在于：设定模型的约束条件为：
Figure FDA0003856297010000021
Figure FDA0003856297010000022
Figure FDA0003856297010000023
Figure FDA0003856297010000024
Figure FDA0003856297010000025
Figure FDA0003856297010000026
Figure FDA0003856297010000027
Figure FDA0003856297010000028
Figure FDA0003856297010000029
Figure FDA00038562970100000210
Figure FDA00038562970100000211
其中，n1、n2、n3、n4、n5依次表示烧结、球团、块矿、熔剂、焦炭五个大类下包括的小类的数量，fi TFe表示第i种原燃料的全铁含量，γHM表示铁水收得率，fTFe表示全铁含量的设定值，δ表示与全铁含量的设定值的偏差，Q0表示吨铁熔剂用量的设定值，S0表示生铁硫含量的设定值，fi S表示第i种物料的硫含量，
Figure FDA0003856297010000031
表示煤粉的硫含量，λS表示铁水中硫的分配系数，
Figure FDA0003856297010000032
和
Figure FDA0003856297010000033
分别表示烧结矿占全部矿的比例上限和比例下限，
Figure FDA0003856297010000034
和
Figure FDA0003856297010000035
分别表示球团矿占全部矿的比例上限和比例下限，
Figure FDA0003856297010000036
和
Figure FDA0003856297010000037
分别表示块矿占全部矿的比例上限和比例下限，
Figure FDA0003856297010000038
表示吨铁炉渣产量，
Figure FDA0003856297010000039
表示吨铁炉渣中氧化镁的重量，a和b分别表示吨铁炉渣中氧化镁含量的上限和下限，
Figure FDA00038562970100000310
表示吨铁炉渣中氧化铝的重量，c表示吨铁炉渣中氧化铝含量的上限，
Figure FDA00038562970100000311
表示吨铁炉渣中氧化钙的重量，
Figure FDA00038562970100000312
表示吨铁炉渣中氧化硅的重量，
Figure FDA00038562970100000313
和
Figure FDA00038562970100000314
分别表示二元碱度R2的上限和下限，CL和CU分别表示吨铁焦炭用量的上限和下限。
5.根据权利要求4所述的高炉配料多目标优化方法，其特征在于：吨铁炉渣中的氧化钙、氧化镁、氧化硅、氧化铝的重量计算公式为：
Figure FDA00038562970100000315
Figure FDA00038562970100000316
Figure FDA00038562970100000317
Figure FDA00038562970100000318
其中，fi CaO、fi MgO、
Figure FDA00038562970100000319
分别表示第i种原燃料中氧化钙、氧化镁、氧化硅、氧化铝的含量，
Figure FDA00038562970100000320
分别表示煤粉中氧化钙、氧化镁、氧化硅、氧化铝的含量，
Figure FDA00038562970100000321
表示吨铁炉渣中煤粉的重量。
6.根据权利要求4所述的高炉配料多目标优化方法，其特征在于：吨铁炉渣产量的计算公式为：
Figure FDA0003856297010000041
其中，γSlag表示炉渣收得率，
Figure FDA0003856297010000042
表示吨铁炉渣中氟化钙的重量。
7.根据权利要求1所述的高炉配料多目标优化方法，其特征在于：模型采用间接求解法进行求解，将多目标优化模型转换为单目标优化模型的标准问题，并利用差分进化算法对上述标准问题进行求解；
单目标优化模型的标准问题为：
minf(x)＝w1f1(x)+w2f2(x)
其中，f(x)表示转换后的目标函数，w1、w2分别表示第一个目标函数f1(x)和第二个目标函数f2(x)的权重，x＝(x1,x2,...,xD)，
Figure FDA0003856297010000043
Figure FDA0003856297010000044
分别表示第j种原燃料xj取值范围的上界和下界。
8.一种高炉配料多目标优化终端设备，其特征在于：包括处理器、存储器以及存储在所述存储器中并在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1～7中任一所述方法的步骤。
9.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现如权利要求1～7中任一所述方法的步骤。
CN202211149399.0A 2022-09-21 2022-09-21 一种高炉配料多目标优化方法、终端设备及存储介质 Pending CN115565618A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211149399.0A CN115565618A (zh) 2022-09-21 2022-09-21 一种高炉配料多目标优化方法、终端设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211149399.0A CN115565618A (zh) 2022-09-21 2022-09-21 一种高炉配料多目标优化方法、终端设备及存储介质

Publications (1)

Publication Number Publication Date
CN115565618A true CN115565618A (zh) 2023-01-03

Family

ID=84740335

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211149399.0A Pending CN115565618A (zh) 2022-09-21 2022-09-21 一种高炉配料多目标优化方法、终端设备及存储介质

Country Status (1)

Country Link
CN (1) CN115565618A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115935720A (zh) * 2023-03-03 2023-04-07 凌霄(天津)工业互联网有限公司 一种基于大数据处理的配矿方法
CN116759032A (zh) * 2023-08-16 2023-09-15 安徽慕京信息技术有限公司 一种高炉炼钢原料配比的优化方法及其应用系统
CN116954089A (zh) * 2023-09-21 2023-10-27 威海润蓝水处理设备有限公司 一种mvr刮板结晶控制系统

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115935720A (zh) * 2023-03-03 2023-04-07 凌霄(天津)工业互联网有限公司 一种基于大数据处理的配矿方法
CN116759032A (zh) * 2023-08-16 2023-09-15 安徽慕京信息技术有限公司 一种高炉炼钢原料配比的优化方法及其应用系统
CN116759032B (zh) * 2023-08-16 2023-10-31 安徽慕京信息技术有限公司 一种高炉炼钢原料配比的优化方法及其应用系统
CN116954089A (zh) * 2023-09-21 2023-10-27 威海润蓝水处理设备有限公司 一种mvr刮板结晶控制系统
CN116954089B (zh) * 2023-09-21 2023-12-12 威海润蓝水处理设备有限公司 一种mvr刮板结晶控制系统

Similar Documents

Publication Publication Date Title
CN115565618A (zh) 一种高炉配料多目标优化方法、终端设备及存储介质
CN114021913B (zh) 一种基于差分进化算法的高炉配料优化方法、电子设备以及存储介质
CN104593532B (zh) 一种炼铁系统炉料优化方法
CN109583118B (zh) 一种烧结配比计算及烧结矿成本优化方法
CN104975118B (zh) 铁前原料配比优化方法
Cao et al. An efficient scheduling approach for an iron-steel plant equipped with self-generation equipment under time-of-use electricity tariffs
CN108121689A (zh) 一种铁矿粉炼铁成本测算方法
CN113626976A (zh) 一种基于nsga-ii算法的烧结配料多目标优化方法、装置及设备
CN110564903B (zh) 高炉冶炼量化决策支持系统、设备及存储介质
CN114819409A (zh) 烧结配矿智能优化方法及系统
CN114091871A (zh) 一种高炉炼铁配矿方法与系统
CN115354093B (zh) 一种低碳高炉的冶炼成本控制方法及系统
CN111899796A (zh) 使用返回料配料的炼钢合金化过程自动配料方法
Jeong System dynamics approach for the impacts of FINEX technology and carbon taxes on steel demand: Case study of the POSCO
CN104268636A (zh) 一种入炉矿和烧结矿的集成配料方法
JP6806034B2 (ja) 非線形計画問題の求解方法、配合計画の作成方法、およびこれらのコンピュータプログラム、記録媒体、装置、ならびに配合操業方法
CN110458348B (zh) 一种基于非线性机会约束的配料优化方法和系统
Dudek The model for the calculation of the dispersed iron ore resource purchase cost in the world class manufacturing (WCM) logistics pillar context
Zhang et al. The research of sintering ore blending based on profit maximization
CN107862550A (zh) 一种基于成本的原材料性价比排名方法及装置
CN116993064A (zh) 铁前一体化配料优化方法和系统
CN107798433B (zh) 一种产品制造过程中基于成本确定原料配比的方法和装置
CN114118899B (zh) 一种混匀配料Block计划生成的方法、装置以及存储介质
CN117660707A (zh) 混匀建堆block的在线控制方法、装置及存储介质
CN114565270B (zh) 炼钢评估方法、装置、设备及介质

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