CN116882849B - 一种测算精煤产率的方法及装置 - Google Patents

一种测算精煤产率的方法及装置 Download PDF

Info

Publication number
CN116882849B
CN116882849B CN202311147558.8A CN202311147558A CN116882849B CN 116882849 B CN116882849 B CN 116882849B CN 202311147558 A CN202311147558 A CN 202311147558A CN 116882849 B CN116882849 B CN 116882849B
Authority
CN
China
Prior art keywords
ash
clean coal
yield
boundary
coal
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
Application number
CN202311147558.8A
Other languages
English (en)
Other versions
CN116882849A (zh
Inventor
冯化一
周星
张赵选
刘通
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.)
Tianjin Meiteng Technology Co Ltd
Original Assignee
Tianjin Meiteng Technology Co 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 Tianjin Meiteng Technology Co Ltd filed Critical Tianjin Meiteng Technology Co Ltd
Priority to CN202311147558.8A priority Critical patent/CN116882849B/zh
Publication of CN116882849A publication Critical patent/CN116882849A/zh
Application granted granted Critical
Publication of CN116882849B publication Critical patent/CN116882849B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06395—Quality analysis or management
    • 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • 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
    • G06Q50/02—Agriculture; Fishing; Forestry; Mining

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Agronomy & Crop Science (AREA)
  • Animal Husbandry (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Mining & Mineral Resources (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Solid Fuels And Fuel-Associated Substances (AREA)

Abstract

本申请提出一种测算精煤产率的方法及装置，涉及选煤工业关键指标预测领域；该方法包括：获取与选煤工艺关联的各系统的灰分特性曲线、浮物累计曲线和灰分特性曲线对应的预设数量个边界灰分；获取综合精煤产率与边界灰分的第一关系曲线和综合精煤灰分与各系统的精煤产率对应边界灰分的第二关系曲线；根据第一关系曲线、第二关系曲线和预设精煤灰分区间，确定峰值边界灰分；根据各系统的灰分特性曲线和浮物累计曲线，确定峰值边界灰分对应的目标精煤产率和目标精煤产率对应的目标精煤灰分。该方法可使得在满足提前设定好的预设精煤灰分区间的情况下，精煤产率达到最大。

Description

一种测算精煤产率的方法及装置
技术领域
本申请涉及选煤工业关键指标预测领域，具体而言，涉及一种测算精煤产率的方法及装置。
背景技术
选煤工艺常用的系统包含了重介分选系统、粗泥煤分选系统和浮选分选系，生产中需要这三部分系统相互配合。在生产煤产品前，通常是提前设定好的精煤灰分区间，以约束各生产系统的精煤灰分，现有技术中，在预测综合精煤产率和综合精煤灰分过程中，受各系统原煤可选性曲线或测量仪的制约和影响，使得预测结果波动大，难以预测贴近于实际的精煤产率。
发明内容
本申请实施例的目的在于提供一种测算精煤产率的方法及装置，用以解决了现有技术存在的上述问题，可使得在满足提前设定好的预设精煤灰分区间的情况下，精煤产率达到最大。
第一方面，提供了一种测算精煤产率的方法，该方法可以包括：
获取与选煤工艺关联的各系统的灰分特性曲线、浮物累计曲线和所述灰分特性曲线对应的预设数量个边界灰分；
基于所述预设数量个边界灰分和所述各系统的灰分特性曲线，确定所述各系统的精煤产率；以及，基于所述各系统的精煤产率和所述浮物累计曲线，确定所述各系统的精煤灰分；
获取综合精煤产率与所述边界灰分的第一关系曲线和综合精煤灰分与所述各系统的精煤产率对应边界灰分的第二关系曲线；
在一种可能的实现中，所述各系统包括重介分选系统、粗泥煤分选系统和浮选分选系统。
在一种可能的实现中，所述灰分特性曲线表征边界灰分与精煤产率间的映射关系；所述浮物累计曲线表征精煤产率与精煤灰分间的映射关系。
在一种可能的实现中，采用预设综合精煤产率算法，对所述各系统的精煤产率进行处理，确定所述综合精煤产率。
在一种可能的实现中，所述综合精煤灰分是基于所述各系统的精煤灰分确定的，所述方法还包括：
采用预设综合精煤灰分算法，对所述各系统的精煤灰分和所述各系统的精煤产率进行处理，确定所述综合精煤灰分。
在一种可能的实现中，获取综合精煤产率与边界灰分的第一关系曲线和综合精煤灰分与所述各系统的精煤产率对应边界灰分的第二关系曲线，包括：
所述第一关系曲线和所述第二关系曲线的起始边界灰分为最小边界灰分；所述最小边界灰分为所述各系统的灰分特性曲线中精煤产率为0时的各边界灰分中的最小值。
在一种可能的实现中，根据所述第一关系曲线、所述第二关系曲线和预设精煤灰分区间，确定峰值边界灰分，包括：
根据所述第二关系曲线和所述预设精煤灰分区间，确定目标边界灰分区间；
根据所述第一关系曲线，获取所述目标边界灰分区间中综合精煤产率的峰值，将所述峰值确定为峰值精煤产率，并将所述峰值精煤产率对应的边界灰分确定为所述峰值边界灰分。
在一种可能的实现中，根据所述各系统的灰分特性曲线和浮物累计曲线，确定所述峰值边界灰分对应的目标精煤产率和目标精煤产率对应的目标精煤灰分，包括：
根据各系统的所述灰分特性曲线，确定所述峰值边界灰分对应的目标精煤产率；
根据各系统的所述浮物累计曲线，确定所述目标精煤产率对应的目标精煤灰分。
在一种可能的实现中，根据所述各系统的灰分特性曲线和浮物累计曲线，确定所述峰值边界灰分对应的目标精煤产率和目标精煤产率对应的目标精煤灰分之后，所述方法还包括：
采用预设精煤产率算法，对所述目标精煤产率进行计算，得到各系统的系统精煤产率；
采用预设综合精煤产率算法，对所述各系统的系统精煤产率进行处理，确定目标综合精煤产率；所述目标综合精煤产率为实际生产过程中可达到的综合精煤产率；
采用预设综合精煤灰分算法，对所述各系统的系统精煤产率和各系统的目标精煤灰分进行处理，确定目标综合精煤灰分；所述目标综合精煤灰分为实际生产过程中可达到的综合精煤灰分。
第二方面，提供了一种测算精煤产率的装置，该装置可以包括：
获取单元，用于获取与选煤工艺关联的各系统的灰分特性曲线、浮物累计曲线和所述灰分特性曲线对应的预设数量个边界灰分；
确定单元，用于基于所述预设数量个边界灰分和所述各系统的灰分特性曲线，确定各系统的精煤产率；以及，基于所述各系统的精煤产率和所述浮物累计曲线，确定各系统的精煤灰分；
所述获取单元，还用于获取综合精煤产率与所述边界灰分的第一关系曲线和综合精煤灰分与所述各系统的精煤产率对应边界灰分的第二关系曲线；
所述确定单元，还用于根据所述第一关系曲线、所述第二关系曲线和预设精煤灰分区间，确定峰值边界灰分；
所述确定单元，还用于根据所述各系统的灰分特性曲线和浮物累计曲线，确定所述峰值边界灰分对应的目标精煤产率和目标精煤产率对应的目标精煤灰分。
一种测算精煤产率的方法，该方法包括：获取与选煤工艺关联的各系统的灰分特性曲线、浮物累计曲线和灰分特性曲线对应的预设数量个边界灰分；各系统包括重介分选系统、粗泥煤分选系统和浮选分选系统；基于预设数量个边界灰分和灰分特性曲线，确定各系统的精煤产率；以及，基于各系统的精煤产率和浮物累计曲线，确定各系统的精煤灰分；获取综合精煤产率与边界灰分的第一关系曲线和综合精煤灰分与各系统的精煤产率对应边界灰分的第二关系曲线；根据第一关系曲线、第二关系曲线和预设精煤灰分区间，确定峰值边界灰分；根据各系统的灰分特性曲线和浮物累计曲线，确定峰值边界灰分对应的目标精煤产率和目标精煤产率对应的目标精煤灰分。该方法可使得在满足提前设定好的预设精煤灰分区间的情况下，精煤产率达到最大。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，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相关的附图。
图1为本申请实施例提供的一种应用于测算精煤产率的方法的系统架构图；
图2为本申请实施例提供的一种测算精煤产率的方法的流程示意图；
图3为本申请实施例提供的原煤可选性曲线示意图；
图4为本申请实施例提供的第一曲线和第二曲线示意图；
图5为本申请实施例提供的一种测算精煤产率的装置的结构示意图；
图6为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，并不是全部的实施例。基于本申请实施例，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，都属于本申请保护的范围。
为了方便理解，下面对本申请实施例中涉及的名词进行解释：
灰分，为无机物，可以是锻烧后的残留物；也可以是烘干后的剩余物。灰分一定是某种物质中的固体部分而不是气体或液体部分。本申请中的灰分为煤炭灰分，煤炭灰分为煤完全燃烧后余下的残渣量。
边界灰分，为浮物中的最高灰分或沉物中的最低灰分。
浮沉实验，为指用相对密度不同的重液或重悬浮液将试验样品分成各种相对密度产品的试验。用各种密度的重液，使煤样按密度分级，并测定各级产物的产率和质量，用以表征煤炭密度组成的试验。
浮沉数据，通过浮沉实验获得的数据。
原煤可选性曲线包括：浮物累计曲线、沉物累计曲线、密度曲线、密度±0.1曲线、灰分特性曲线。
其中，浮物累计曲线（β曲线），为煤中浮物累计产率（精煤产率）与精煤灰分的关系曲线。
沉物累计曲线（θ曲线），为煤中沉物累计产率与其灰分的关系曲线。
密度曲线（δ曲线），为煤中浮物或沉物累计产率与绝对密度之间的关系曲线。
密度±0.1曲线（ε曲线），为在不同分选密度时，邻近密度物含量与该密度的关系曲线。
灰分特性曲线（λ曲线），为煤中浮物产率（精煤产率）与边界灰分的关系曲线。
本申请实施例提供的一种测算精煤产率的方法可以应用在图1所示的系统架构中，如图1所示，该系统可以包括：服务器和重介分选系统、粗泥煤分选系统和浮选分选系统。该服务器可以是物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络（Content Delivery Network，CDN），以及大数据和人工智能平台等基础云计算服务的云服务器。
服务器分别与重介分选系统、粗泥煤分选系统和浮选分选系统连接。
服务器，用于获取重介分选系统、粗泥煤分选系统和浮选分选系统中的相关数据，以执行本申请提供的一种测算精煤产率的方法。
选煤工艺常用的系统包含了重介分选系统、粗泥煤分选系统和浮选分选系统，生产中需要这三部分系统相互配合。在生产煤产品前，通常是预先设定好的精煤灰分区间，以约束各系统的精煤灰分，现有技术中，在预测综合精煤产率和综合精煤灰分过程中，受各系统原煤可选性曲线或测量仪的制约和影响，使得预测结果波动大，难以预测贴近于实际的综合精煤产率。
本申请提出一种测算精煤产率的方法，以解决如何约束各系统的精煤灰分的问题，尤其是在原煤煤质发生变化时，在满足预设精煤灰分区间的情况下，使得精煤产率达到最大，从而提高选煤厂的经济效益。
以下结合说明书附图对本申请的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本申请，并不用于限定本申请，并且在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
图2为本申请实施例提供的一种测算精煤产率的方法的流程示意图。如图2所示，该方法可以包括：
步骤S210、获取与选煤工艺关联的各系统的原煤可选性曲线。
其中，各系统包括重介分选系统、粗泥煤分选系统和浮选分选系统。
具体的，实验人员对煤炭粒度划分三个等级，对于不同等级的煤炭分别进行浮沉实验。
实验人员根据各等级煤炭的浮沉实验，得到对应的浮沉数据，并将各等级煤炭的浮沉数据输入对应的重介分选系统、粗泥煤分选系统和浮选分选系统。
重介分选系统、粗泥煤分选系统和浮选分选系统分别根据自身获取的浮沉数据，绘制原煤可选性曲线。
其中，原煤可选性曲线包括：浮物累计曲线、沉物累计曲线、密度曲线、密度±0.1曲线、灰分特性曲线。
由于，原煤可选性曲线有五条，只要知道密度曲线和浮物累计曲线,便可以将其他三条都推算出来。所以，密度曲线和浮物累计曲线的拟合过程尤为重要。
在拟合原煤可选性曲线中的浮物累计曲线及密度曲线时，求解误差最小时的方法有很多，包括神经网络拟合、贝塞尔曲线拟合，但拟合效果都差强人意，采用分段的方式拟合曲线，能够保证曲线在常用范围内符合函数模型的基础上最大限度地减小了拟合误差。
一般情况下，浮沉实验会得到6-8组浮沉数据，在原煤可选性曲线拟合过程中，由于实验误差，可能会出现异常值，各系统整理浮沉数据时会剔除这些异常值，对于密度曲线而言，有效浮沉数据可能低于5组，浮沉数据不够充足，在单纯使用神经网络拟合法拟合原煤可选性曲线过程中经常会出现过拟合的情况。
贝塞尔曲线拟合是一种通过控制点和控制杆进行曲线拟合和曲线调整的方法。但它对初始点和控制杆的分布有要求；为了有效地控制贝塞尔曲线的形状，需要选取合适数量的控制点和控制杆，否则可能会影响拟合结果和曲线的形状。浮沉实验取不到浮物产率为0和产率为100时的灰分，在绘制原煤可选性曲线时，往往根据原煤可选性曲线走势，将已知部分的曲线延伸，使之取到产率值0-100范围内的完整数据，这就意味着曲线的实际数据涵盖不到起点与终点，起点与终点需人为给定虚拟值。运用贝塞尔曲线拟合时，其准确性就会容易受到使用者或开发人员的主观影响。
本申请在各系统中绘制浮物累计曲线时，分为a、b、c三个步骤。
a、对去除异常值的浮沉数据进行处理，建立函数模型，求得拟合参数。
b、对拟合参数的精度进行评价。
具体的，步骤b-1，采用最小二乘法调整拟合参数，构建损失函数，并确定损失函数的最小值。
步骤b-2，采用高斯牛顿法和梯度下降法，对步骤b-1进行多次迭代，更新拟合参数，以使函数模型的残差平方和达到最小，此时，曲线拟合程度最好。具体的，在每次的迭代过程中，通过调整衰减因子，以更新步长（步长逐渐减小），该步长同时考虑了函数模型的梯度和近似的海森矩阵信息。
采用梯度下降法，对拟合参数求偏导数，将偏导数以向量的形式表示，既为梯度。该方式中沿着梯度向量的方向，更加容易找到函数的最大值。反过来说，沿着梯度向量相反的方向，梯度减少最快，也就是更加容易找到函数的最小值。
该步骤中的方式，能够使函数模型在梯度下降法和高斯牛顿法之间平衡，以获得更好的收敛性和稳定性。
c、建立曲线。
拟合浮物累计曲线的方式对初始拟合参数的依赖性较小、收敛速度较快、对拟合参数误差的估计准确。
进一步的，考虑到浮物累计曲线的走势特点，两端数据（第一组浮沉数据前端，倒数第二组浮沉数据后端）和中间部分数据存在较大差异，本申请将两端数据采用插值算法，中间部分采用a、b、c三个步骤拟合，使得浮物累计曲线总体走势更贴近实际。
在一些实施例中，在各系统中绘制密度曲线时，采用最小二乘法对浮沉数据进行处理，拟合密度曲线。
在一些实施例中，在对沉物累计曲线、密度±0.1曲线、灰分特性曲线以及浮物累计曲线进行插值时，本申请先后对比了B样条插值法的二次样条和三次样条的插值效果，最终采用了三次样条，即分段三次，多项式插值算法；结合原煤可选性曲线的走向特征，建立浮沉数据插值模型。
如图3所示，为根据上述步骤建立的原煤可选性曲线。
该方式中，建立浮沉数据插值模型，在原有三次样条基础上，插值效果更好，插值后数据与生产实际获得的浮沉数据的相关性更强，相关系数更高；相关曲线走势更具有单调性，在剔除异常浮沉数据后，即使个别相邻浮沉数据间隔过大也不会出现过拟合、曲线跳跃的情况，保证了可选性曲线的趋势特征。
步骤S220、获取综合精煤产率与边界灰分的第一关系曲线和综合精煤灰分与各系统的精煤产率对应边界灰分的第二关系曲线。
其中，综合精煤产率是基于各系统的精煤产率确定的；综合精煤灰分是基于各系统的精煤灰分确定的。各系统的精煤产率是基于预设数量个边界灰分和灰分特性曲线确定的，各系统的精煤灰分是基于各系统的精煤产率和浮物累计曲线确定的。
具体的，步骤2-1，根据各系统中的三条λ曲线（重介分选系统、粗泥煤分选系统和浮选分选系统中的λ曲线），确定精煤产率为0时的三个边界灰分，取三个边界灰分中的最小值，作为最小边界灰分。
服务器根据各系统中的λ曲线，针对以最小边界灰分为起始的预设数量个边界灰分中的任一边界灰分，采用预设综合精煤产率算法，对边界灰分对应各系统中的精煤产率进行处理，确定综合精煤产率，也就是预设数量个边界灰分中每个边界灰分都对应了三组精煤产率。
其中，预设综合精煤产率算法为：
Υ=Υ1+Υ2+Υ3
Υ为任一边界灰分对应的综合精煤产率，Υ1为在重介分选系统中的λ曲线上获取的该边界灰分的精煤产率、Υ2为在粗泥煤分选系统中的λ曲线上获取的该边界灰分的精煤产率、Υ3为在浮选分选系统中的λ曲线上获取的该边界灰分的精煤产率。
进一步的，服务器根据各系统中的β曲线，确定上述步骤得到的各精煤产率对应的精煤灰分；采用预设综合精煤灰分算法，对精煤灰分和精煤产率进行处理，确定综合精煤灰分。
其中，预设综合精煤灰分算法为：
A=（Υ1×A1+Υ2×A2+Υ3×A3）/Υ
A为综合精煤灰分，A1为在重介分选系统中的β曲线上Υ1对应的精煤灰分，A2为在粗泥煤分选系统中的β曲线上Υ2对应的精煤灰分，A3为在浮选分选系统中的β曲线上Υ3对应的精煤灰分。
该方式中，获取了以最小边界灰分为起始的预设数量个边界灰分、综合精煤产率和综合精煤灰分。
步骤2-2，如图4所示，获取边界灰分与综合精煤产率间的映射关系，确定边界灰分与综合精煤产率的第一关系曲线；以及，获取边界灰分与综合精煤灰分间的映射关系，确定的边界灰分与综合精煤灰分的第二关系曲线。
步骤S230、根据第一关系曲线、第二关系曲线和预设精煤灰分区间，确定峰值边界灰分。
其中，预设精煤灰分区间为用户设置的精煤灰分区间。
具体的，根据第二关系曲线和预设精煤灰分区间，确定目标边界灰分区间。在第二关系曲线的右侧纵坐标截取预设精煤灰分区间，预设精煤灰分区间对应第二关系曲线的横坐标为目标边界灰分区间。
根据第一关系曲线，获取目标边界灰分区间中综合精煤产率的峰值，将峰值确定为峰值精煤产率，将该峰值精煤产率对应的边界灰分确定为峰值边界灰分。
步骤S240、根据峰值边界灰分，分别确定各系统的目标精煤产率和各系统目标精煤产率对应的目标精煤灰分。
具体的，服务器根据各系统的三条灰分特性曲线，分别确定该峰值边界灰分对应的目标精煤产率（重介分选系统的目标精煤产率、粗泥煤分选系统的目标精煤产率和浮选分选系统的目标精煤产率）。
服务器根据各系统的三条浮物累计曲线，分别确定各目标精煤产率对应的目标精煤灰分（重介分选系统的目标精煤灰分、粗泥煤分选系统的目标精煤灰分和浮选分选系统的目标精煤灰分）。
为了使上述得到的各目标精煤产率的理论值与实际情况贴合，可以对各目标精煤产率进行计算，具体可以包括：
采用预设精煤产率算法，对目标精煤产率进行计算，得到各系统的系统精煤产率，包括：重介分选系统的系统精煤产率、粗泥煤分选系统的系统精煤产率和浮选分选系统的系统精煤产率。
其中，预设精煤产率算法为：
Υα’=Υfα×Pα×ηα
其中，Υα’为系统精煤产率，α可以为1、2、3（1可以为重介分选系统、2为粗泥煤分选系统、3为浮选分选系统），Υfα为相应系统的目标精煤产率，Pα为对应系统的工艺入料比例，ηα为各系统的精煤回收效率。Υα’中的α、Υfα中的α、Pα中的α以及ηα中的α相对应。
工艺入料比例，可以理解为根据煤炭属性将煤炭划分为一定的比例，根据该比例将煤炭分入到重介分选系统、粗泥煤分选系统和浮选分选系统；例如，将煤炭量视为100%，其中，50%的煤炭量进入重介分选系统，20%的煤炭量进入粗煤泥分选系统，30%的煤炭量进入了浮选分选系统。
精煤回收效率，根据重介分选系统、粗泥煤分选系统和浮选分选系统中的设备性能确定的对相应回收效率。
为了更加直观的预测到煤炭的目标综合精煤产率和目标综合精煤灰分，可以采用预设综合精煤产率算法，对各系统的系统精煤产率进行处理，得到目标综合精煤产率，此时的目标综合精煤产率为贴合实际的综合精煤产率。
其中，预设综合精煤产率算法为：
Υ’=Υ1’+Υ2’+Υ3’
Υ’为峰值边界灰分对应的目标综合精煤产率，Υ1’为在重介分选系统的系统精煤产率、Υ2’为在粗泥煤分选系统的系统精煤产率、Υ3’为在浮选分选系统的系统精煤产率。
采用预设综合精煤灰分算法，对各系统的目标精煤灰分和各系统的系统精煤产率进行处理，得到目标综合精煤灰分，此时的目标综合精煤灰分为贴合实际的综合精煤灰分。需要说明的是，此处的综合精煤的构成要根据用户使用系统时配置的规则来，具体的各系统都会将一种入料（煤原料）经过设备分选成多种产品，这些中间产品需要根据产品自身质量指标、市场形势以及用户的销售习惯组合成最终的精煤、中煤、矸石、煤泥等产品，为保证系统预测计算的准确性，具体的组合方式需用户设定。
其中，预设综合精煤灰分算法为：
A’=（Υ1’×A1’+Υ2’×A2’+Υ3’×A3’）/Υ’
A’为目标综合精煤灰分，A1’为重介分选系统的目标精煤灰分，A2’为粗泥煤分选系统的目标精煤灰分，A3’为浮选分选系统的目标精煤灰分。
在一些实施例中，根据上述得到的目标综合精煤产率和目标综合精煤灰分，结合重介分选系统中的原煤可选性曲线，确定重介分选密度。
本申请提出一种测算精煤产率的方法，该方法可使得在满足提前设定好的预设精煤灰分区间的情况下，精煤产率（综合精煤产率）达到最大。
与上述方法对应的，本申请实施例还提供一种测算精煤产率的装置，如图5所示，该装置包括：
获取单元510，用于获取与选煤工艺关联的各系统的灰分特性曲线、浮物累计曲线和所述灰分特性曲线对应的预设数量个边界灰分；
确定单元520，用于基于所述预设数量个边界灰分和所述各系统的灰分特性曲线，确定各系统的精煤产率；以及，基于所述各系统的精煤产率和所述浮物累计曲线，确定各系统的精煤灰分；
所述获取单元510，还用于获取综合精煤产率与所述边界灰分的第一关系曲线和综合精煤灰分与所述各系统的精煤产率对应边界灰分的第二关系曲线；
所述确定单元520，还用于根据所述第一关系曲线、所述第二关系曲线和预设精煤灰分区间，确定峰值边界灰分；
所述确定单元520，还用于根据所述各系统的灰分特性曲线和浮物累计曲线，确定所述峰值边界灰分对应的目标精煤产率和目标精煤产率对应的目标精煤灰分。
本申请上述实施例提供的一种测算精煤产率的装置各功能单元的功能，可以通过上述各方法步骤来实现，因此，本申请实施例提供的一种测算精煤产率的装置中的各个单元的具体工作过程和有益效果，在此不复赘述。
本申请实施例还提供了一种电子设备，如图6所示，包括处理器610、通信接口620、存储器630和通信总线640，其中，处理器610，通信接口620，存储器630通过通信总线640完成相互间的通信。
存储器630，用于存放计算机程序；
处理器610，用于执行存储器630上所存放的程序时，实现如下步骤：
获取与选煤工艺关联的各系统的灰分特性曲线、浮物累计曲线和所述灰分特性曲线对应的预设数量个边界灰分；所述各系统包括重介分选系统、粗泥煤分选系统和浮选分选系统；所述灰分特性曲线表征边界灰分与精煤产率间的映射关系；所述浮物累计曲线表征精煤产率与精煤灰分间的映射关系；
基于所述预设数量个边界灰分和所述灰分特性曲线，确定各系统的精煤产率；以及，基于各系统的所述精煤产率和所述浮物累计曲线，确定各系统的精煤灰分；
获取综合精煤产率与所述边界灰分的第一关系曲线和综合精煤灰分与所述各系统的精煤产率对应边界灰分的第二关系曲线，所述综合精煤产率是基于各系统的精煤产率确定的；所述综合精煤灰分是基于各系统的精煤灰分确定的；
根据所述第一关系曲线、所述第二关系曲线和预设精煤灰分区间，确定峰值边界灰分；
根据所述各系统的灰分特性曲线和浮物累计曲线，确定所述峰值边界灰分对应的目标精煤产率和目标精煤产率对应的目标精煤灰分。
上述提到的通信总线可以是外设部件互连标准（Peripheral ComponentInterconnect，PCI）总线或扩展工业标准结构（Extended Industry StandardArchitecture，EISA）总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器（Random Access Memory，RAM），也可以包括非易失性存储器（Non-Volatile Memory，NVM），例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器，包括中央处理器（Central Processing Unit，CPU）、网络处理器（Network Processor，NP）等；还可以是数字信号处理器（Digital SignalProcessing，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。
由于上述实施例中电子设备的各器件解决问题的实施方式以及有益效果可以参见图2所示的实施例中的各步骤来实现，因此，本申请实施例提供的电子设备的具体工作过程和有益效果，在此不复赘述。
在本申请提供的又一实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述实施例中任一所述的一种测算精煤产率的方法。
在本申请提供的又一实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述实施例中任一所述的一种测算精煤产率的方法。
本领域内的技术人员应明白，本申请实施例中的实施例可提供为方法、系统、或计算机程序产品。因此，本申请实施例中可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请实施例中可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
本申请实施例中是参照根据本申请实施例中实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本申请实施例中的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。
显然，本领域的技术人员可以对本申请实施例中实施例进行各种改动和变型而不脱离本申请实施例中实施例的精神和范围。

Claims (6)

1.一种测算精煤产率的方法，其特征在于，所述方法包括：
获取与选煤工艺关联的各系统的灰分特性曲线、浮物累计曲线和所述灰分特性曲线对应的预设数量个边界灰分；
基于所述预设数量个边界灰分和所述各系统的灰分特性曲线，确定所述各系统的精煤产率；以及，基于所述各系统的精煤产率和所述浮物累计曲线，确定所述各系统的精煤灰分；其中，综合精煤产率是所述各系统的灰分特性曲线上边界灰分对应精煤产率的总和；所述综合精煤灰分是所述各系统的浮物累计曲线上精煤产率对应的精煤灰分与相应精煤产率的乘积求和后，与所述综合精煤产率的商；
获取综合精煤产率与所述边界灰分的第一关系曲线和综合精煤灰分与所述各系统的精煤产率对应边界灰分的第二关系曲线；
根据所述第二关系曲线和预设精煤灰分区间，确定目标边界灰分区间；
根据所述第一关系曲线，获取所述目标边界灰分区间中综合精煤产率的峰值，将所述峰值确定为峰值精煤产率，并将所述峰值精煤产率对应的边界灰分确定为所述峰值边界灰分；
根据各系统的所述灰分特性曲线，确定所述峰值边界灰分对应的目标精煤产率；
根据各系统的所述浮物累计曲线，确定所述目标精煤产率对应的目标精煤灰分。
2.如权利要求1所述的方法，其特征在于，所述各系统包括重介分选系统、粗泥煤分选系统和浮选分选系统。
3.如权利要求1所述的方法，其特征在于，所述灰分特性曲线表征边界灰分与精煤产率间的映射关系；所述浮物累计曲线表征精煤产率与精煤灰分间的映射关系。
4.如权利要求1所述的方法，其特征在于，获取综合精煤产率与边界灰分的第一关系曲线和综合精煤灰分与所述各系统的精煤产率对应边界灰分的第二关系曲线，包括：
所述第一关系曲线和所述第二关系曲线的起始边界灰分为最小边界灰分；所述最小边界灰分为所述各系统的灰分特性曲线中精煤产率为0时的各边界灰分中的最小值。
5.如权利要求1所述的方法，其特征在于，根据所述各系统的灰分特性曲线和浮物累计曲线，确定所述峰值边界灰分对应的目标精煤产率和目标精煤产率对应的目标精煤灰分之后，所述方法还包括：
采用预设精煤产率算法，对所述目标精煤产率进行计算，得到各系统的系统精煤产率，其中，所述系统精煤产率是所述目标精煤产率与相应系统的工艺入料比例以及与相应系统的精煤回收效率的乘积；
采用预设综合精煤产率算法，对所述各系统的系统精煤产率进行处理，确定目标综合精煤产率；所述目标综合精煤产率为实际生产过程中可达到的综合精煤产率；
采用预设综合精煤灰分算法，对所述各系统的系统精煤产率和各系统的目标精煤灰分进行处理，确定目标综合精煤灰分；所述目标综合精煤灰分为实际生产过程中可达到的综合精煤灰分。
6.一种测算精煤产率的装置，其特征在于，所述装置包括：
获取单元，用于获取与选煤工艺关联的各系统的灰分特性曲线、浮物累计曲线和所述灰分特性曲线对应的预设数量个边界灰分；
确定单元，用于基于所述预设数量个边界灰分和所述各系统的灰分特性曲线，确定各系统的精煤产率；以及，基于所述各系统的精煤产率和所述浮物累计曲线，确定各系统的精煤灰分；其中，综合精煤产率是所述各系统的灰分特性曲线上边界灰分对应精煤产率的总和；所述综合精煤灰分是所述各系统的浮物累计曲线上精煤产率对应的精煤灰分与相应精煤产率的乘积求和后，与所述综合精煤产率的商；
所述获取单元，还用于获取综合精煤产率与所述边界灰分的第一关系曲线和综合精煤灰分与所述各系统的精煤产率对应边界灰分的第二关系曲线；
所述确定单元，还用于根据所述第二关系曲线和预设精煤灰分区间，确定目标边界灰分区间；
以及，根据所述第一关系曲线，获取所述目标边界灰分区间中综合精煤产率的峰值，将所述峰值确定为峰值精煤产率，并将所述峰值精煤产率对应的边界灰分确定为所述峰值边界灰分；
所述确定单元，还用于根据各系统的所述灰分特性曲线，确定所述峰值边界灰分对应的目标精煤产率；
以及，根据各系统的所述浮物累计曲线，确定所述目标精煤产率对应的目标精煤灰分。
CN202311147558.8A 2023-09-07 2023-09-07 一种测算精煤产率的方法及装置 Active CN116882849B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311147558.8A CN116882849B (zh) 2023-09-07 2023-09-07 一种测算精煤产率的方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311147558.8A CN116882849B (zh) 2023-09-07 2023-09-07 一种测算精煤产率的方法及装置

Publications (2)

Publication Number Publication Date
CN116882849A CN116882849A (zh) 2023-10-13
CN116882849B true CN116882849B (zh) 2023-12-19

Family

ID=88260927

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311147558.8A Active CN116882849B (zh) 2023-09-07 2023-09-07 一种测算精煤产率的方法及装置

Country Status (1)

Country Link
CN (1) CN116882849B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117772407A (zh) * 2024-01-02 2024-03-29 北京龙软科技股份有限公司 一种重介分选密度调节自适应控制系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103472204A (zh) * 2013-10-08 2013-12-25 天地（唐山）矿业科技有限公司 一种浮选产品灰分检测方法
CN105956744A (zh) * 2016-04-20 2016-09-21 淮南矿业(集团)有限责任公司 一种多矿别原煤配煤分析系统及其配煤分析方法
CN110605178A (zh) * 2019-09-23 2019-12-24 中国矿业大学 一种重介分选过程智能控制系统及方法
CN113310842A (zh) * 2021-05-27 2021-08-27 冀中能源股份有限公司 获得煤粉可浮性的试验方法
CN115392561A (zh) * 2022-08-23 2022-11-25 淮南矿业(集团)有限责任公司 配煤方法及系统
CN116577478A (zh) * 2023-03-27 2023-08-11 北京矿山智选科技有限公司 一种煤炭识别分选的可选性评定方法、装置、电子设备

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103472204A (zh) * 2013-10-08 2013-12-25 天地（唐山）矿业科技有限公司 一种浮选产品灰分检测方法
CN105956744A (zh) * 2016-04-20 2016-09-21 淮南矿业(集团)有限责任公司 一种多矿别原煤配煤分析系统及其配煤分析方法
CN110605178A (zh) * 2019-09-23 2019-12-24 中国矿业大学 一种重介分选过程智能控制系统及方法
CN113310842A (zh) * 2021-05-27 2021-08-27 冀中能源股份有限公司 获得煤粉可浮性的试验方法
CN115392561A (zh) * 2022-08-23 2022-11-25 淮南矿业(集团)有限责任公司 配煤方法及系统
CN116577478A (zh) * 2023-03-27 2023-08-11 北京矿山智选科技有限公司 一种煤炭识别分选的可选性评定方法、装置、电子设备

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
《选煤厂销售收入预测研究——基于LX选煤厂案例研究》;孙艳丽;《CNKI》;全文 *

Also Published As

Publication number Publication date
CN116882849A (zh) 2023-10-13

Similar Documents

Publication Publication Date Title
CN116882849B (zh) 一种测算精煤产率的方法及装置
CN110348571B (zh) 一种神经网络模型训练方法、装置、芯片和系统
CN111950643B (zh) 图像分类模型训练方法、图像分类方法及对应装置
CN109583561B (zh) 一种深度神经网络的激活量量化方法及装置
CN113343545B (zh) 结构自适应优化设计方法、装置、设备和介质
Sothan Foreign direct investment, exports, and long-run economic growth in Asia: Panel cointegration and causality analysis
CN113255844A (zh) 基于图卷积神经网络交互的推荐方法及系统
WO2024036709A1 (zh) 一种异常数据检测方法及装置
CN115392441A (zh) 量化神经网络模型的片内适配方法、装置、设备及介质
CN114169508A (zh) 一种神经网络系统中数据处理的方法及系统
CN113886092A (zh) 一种计算图执行方法、装置及相关设备
CN109285219A (zh) 一种基于dem的网格型水文模型网格演算次序编码方法
CN115858648A (zh) 数据库生成方法、数据流切分方法、装置、设备及介质
CN114822033A (zh) 基于特征金字塔网络的路网交通流量数据修复方法及系统
CN115099356B (zh) 工业不平衡数据分类方法、装置、电子设备及存储介质
CN115982415A (zh) 增量图划分方法、装置、设备、介质及产品
CN110362879A (zh) 二层及多层结构的先验融合与更新方法及先验补充方法
CN112069767B (zh) 一种传输线布线长度预估方法、装置、设备和介质
CN114386508A (zh) 一种基于样本点显著性的高斯过程回归序贯设计方法
CN109934604B (zh) 销量数据的处理方法、系统、存储介质及电子设备
CN111984637A (zh) 数据建模中的缺失值处理方法和装置、设备及存储介质
CN110555444A (zh) 一种基于局部聚类的特征匹配筛选算法
CN111814008B (zh) 数据处理方法、装置、电子设备及存储介质
CN117390012A (zh) 索引方案推荐方法、装置、电子设备及存储介质
TWI819627B (zh) 用於深度學習網路的優化方法、運算裝置及電腦可讀取媒體

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