CN117591817B - 煤质资料动态校正方法、装置、电子设备及存储介质 - Google Patents
煤质资料动态校正方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN117591817B CN117591817B CN202410081488.9A CN202410081488A CN117591817B CN 117591817 B CN117591817 B CN 117591817B CN 202410081488 A CN202410081488 A CN 202410081488A CN 117591817 B CN117591817 B CN 117591817B
- Authority
- CN
- China
- Prior art keywords
- data
- ash
- coal
- corrected
- yield
- 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
- 239000003245 coal Substances 0.000 title claims abstract description 315
- 238000012937 correction Methods 0.000 title claims abstract description 68
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000003860 storage Methods 0.000 title claims abstract description 16
- 238000012216 screening Methods 0.000 claims abstract description 160
- 238000001514 detection method Methods 0.000 claims abstract description 33
- 238000005303 weighing Methods 0.000 claims description 54
- 230000005540 biological transmission Effects 0.000 claims description 31
- 239000002245 particle Substances 0.000 claims description 31
- 238000007667 floating Methods 0.000 claims description 10
- 239000000463 material Substances 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 4
- 238000002474 experimental method Methods 0.000 description 3
- 238000002360 preparation method Methods 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000002562 thickening agent Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/10—Pre-processing; Data cleansing
- G06F18/15—Statistical pre-processing, e.g. techniques for normalisation or restoring missing data
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/22—Fuels; Explosives
- G01N33/222—Solid fuels, e.g. coal
-
- 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
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Mathematical Optimization (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Probability & Statistics with Applications (AREA)
- Chemical & Material Sciences (AREA)
- Pure & Applied Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Algebra (AREA)
- Operations Research (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Solid Fuels And Fuel-Associated Substances (AREA)
- Processing Of Solid Wastes (AREA)
Abstract
本申请实施例公开了一种煤质资料动态校正方法、装置、电子设备及存储介质。该方法包括:获取皮带秤的煤量采集信息,根据煤量采集信息对当前煤质资料中的筛分资料产率进行校正,得到校正后筛分资料产率;根据校正后筛分资料产率对煤质资料中的总灰分进行调整,得到第一总灰分;获取灰分检测数据,并根据灰分检测数据确定当前原煤的第二总灰分;根据第一总灰分和第二总灰分对当前煤质资料中的筛分资料灰分进行校正,得到校正后筛分资料灰分;将校正后筛分资料产率和校正后筛分资料灰分输入预设浮沉资料确定算法中,得到校正后浮沉资料;将校正后筛分资料产率、校正后筛分资料灰分和校正后浮沉资料确定为校正后的煤质资料。
Description
技术领域
本申请实施例涉及数据校正技术领域,尤其涉及一种煤质资料动态校正方法、装置、电子设备及存储介质。
背景技术
煤质资料作为选煤厂的基础数据,对选煤厂的生产实际具有很强的指导意义。通常,在实际生产过程中,会在选煤厂建厂时,对矿井进行全套的筛分及浮沉实验,从而得出能够反应原煤的可选性、细粒含量等关键指标的原煤煤质资料,为选后产品结构定位作出重要的参考。
但是,实际开采过程中,原煤的煤质每时每刻都会发生变化,建厂时的煤质资料可能与当前的原煤煤质不符,无法代表当前的原煤煤质,用不具有代表性或者代表性差的煤质资料进行的工艺流程调整或者作出的分析决策,通常是具有误导性的,可能带来较大的不良后果。
目前,对煤质资料的校正,通常会进行标准的大样筛分浮沉实验,但是实验过程耗时耗力,效率低下。
发明内容
本申请实施例提供一种煤质资料动态校正方法、装置、电子设备及存储介质,以提高煤质资料动态校正的效率。
第一方面,本申请实施例提供了一种煤质资料动态校正方法,所述方法包括:
获取皮带秤的煤量采集信息,并根据所述煤量采集信息对当前煤质资料中的筛分资料产率进行校正,得到校正后筛分资料产率;
根据所述校正后筛分资料产率对所述煤质资料中的总灰分进行调整,得到第一总灰分;
获取灰分检测数据,并根据所述灰分检测数据确定当前原煤的第二总灰分;
根据所述第一总灰分和所述第二总灰分对所述当前煤质资料中的筛分资料灰分进行校正,得到校正后筛分资料灰分;
将所述校正后筛分资料产率和所述校正后筛分资料灰分输入到预设浮沉资料确定算法中,得到所述预设浮沉资料确定算法输出的校正后浮沉资料;
将所述校正后筛分资料产率、所述校正后筛分资料灰分和所述校正后浮沉资料确定为校正后的煤质资料。
第二方面,本申请实施例提供了一种煤质资料动态校正装置,所述装置包括:
产率校正模块,用于获取皮带秤的煤量采集信息,并根据所述煤量采集信息对当前煤质资料中的筛分资料产率进行校正,得到校正后筛分资料产率;
第一总灰分确定模块,用于根据所述校正后筛分资料产率对所述煤质资料中的总灰分进行调整,得到第一总灰分;
第二总灰分确定模块,用于获取灰分检测数据,并根据所述灰分检测数据确定当前原煤的第二总灰分;
灰分校正模块,用于根据所述第一总灰分和所述第二总灰分对所述当前煤质资料中的筛分资料灰分进行校正,得到校正后筛分资料灰分;
浮沉资料校正模块,用于将所述校正后筛分资料产率和所述校正后筛分资料灰分输入到预设浮沉资料确定算法中,得到所述预设浮沉资料确定算法输出的校正后浮沉资料;
校正煤质资料确定模块,用于将所述校正后筛分资料产率、所述校正后筛分资料灰分和所述校正后浮沉资料确定为校正后的煤质资料。
第三方面,本申请实施例还提供了一种电子设备,所述电子设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如本申请任一实施例提供的煤质资料动态校正方法。
第四方面,本申请实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如本申请任一实施例提供的煤质资料动态校正方法。
本申请实施例的技术方案,先获取皮带秤的煤量采集信息,并根据所述煤量采集信息对当前煤质资料中的筛分资料产率进行校正,得到校正后筛分资料产率;根据所述校正后筛分资料产率对所述煤质资料中的总灰分进行调整,得到第一总灰分;获取灰分检测数据,并根据所述灰分检测数据确定当前原煤的第二总灰分;根据所述第一总灰分和所述第二总灰分对所述当前煤质资料中的筛分资料灰分进行校正,得到校正后筛分资料灰分;将所述校正后筛分资料产率和所述校正后筛分资料灰分输入到预设浮沉资料确定算法中,得到所述预设浮沉资料确定算法输出的校正后浮沉资料;将所述校正后筛分资料产率、所述校正后筛分资料灰分和所述校正后浮沉资料确定为校正后的煤质资料。基于此,本申请利用皮带称的煤量采集信息以及灰分检测装置的灰分检测信息,即可完成对于当前煤质资料的校正,由于皮带秤和灰分检测装置检测的数据,都是实时数据,那么本申请的校正,实时性更高,能够与当前煤质更加贴合,实现了线上动态校正,相较于传统的校正方式,本申请的校正过程效率更高。
附图说明
图1为本申请实施例一提供的煤质资料动态校正方法的流程示意图;
图2为本申请实施例二提供的一种煤质资料动态校正装置的结构示意图;
图3为本申请实施例三提供的一种电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本申请,而非对本申请的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本申请相关的部分而非全部结构。
实施例一
图1为本申请实施例一提供的煤质资料动态校正方法的流程示意图,如图1所示,本实施例提供的煤质资料动态校正方法,具体可以包括如下步骤:
步骤101、获取皮带秤的煤量采集信息,并根据煤量采集信息对当前煤质资料中的筛分资料产率进行校正,得到校正后筛分资料产率。
本步骤中,皮带秤可以包括多个子皮带秤,每个子皮带秤各自设置在相应的产品产出位置,用于为各产品的产出量进行称重。具体的,本实施例分选流程中的产品可以包括末煤、精煤、矸石和煤泥,因此,可以在末煤产出位置设置一个子皮带秤,在精煤产出位置设置一个子皮带秤,在矸石产出位置设置一个子皮带秤,在煤泥产出位置设置一个子皮带秤。当然,在原煤入口处也设置一个子皮带秤,用于称重原煤。
由于分选过程中,同一批原煤经过各分选流程需要耗费一定的时间,因此,各分选流程之间会有时间差,为了提高煤质资料校正准确性,本申请利用该时间差确定出属于同一批原煤的产品的产品称重数据。
具体的,本步骤中,可以先记录各子皮带秤对应的产品称重数据,并获取各子皮带秤的流程顺序以及相邻顺序的子皮带秤之间的时间差值;然后根据时间差值,将产品称重数据组合为煤量采集信息。
其中,在确定时间差值时,可以先获取分选流程中的皮带传输速度、各子皮带秤的流程顺序以及相邻顺序的子皮带秤之间的传输距离;然后对于任意相邻顺序的子皮带秤,根据皮带传输速度和相邻顺序的子皮带秤之间的传输距离确定传输时间,并将传输时间确定为相邻顺序的子皮带秤之间的时间差值。
需要说明的是,该种方式确定时间差值时,可以针对不同的皮带传输速度确定出不同的时间差,可以更有效匹配实际的情况,进一步提高后续校正的准确性。
另外,由于分选时,绝大部分时间其速度为固定不变的,因此,可以通过实验来确定各子皮带秤之间的时间差值,后续直接使用该时间差值即可。
另外,本步骤中,在组合煤量采集信息时,对于流程顺序中的首个子皮带秤对应的产品称重数据中任一时刻的称重子数据,从流程顺序中的首个子皮带秤起,按照相邻顺序的子皮带秤之间的时间差值,从各子皮带秤对应的产品称重数据提取称重子数据;在提取到流程顺中最后一子皮带秤对应的产品称重数据提取称重子数据后,将本轮提取的所有称重子数据组合为煤量采集信息。
需要说明的是,上述提取过程,可以提取一个时间段的数据,然后求取平均值,以提高后续校正的准确性。具体的,该时间段可以为3分钟,在一个具体的例子中,首个子皮带秤为原煤入口处的子皮带秤,可以选取3分钟的该处子皮带秤的数据,以及该3分钟的时间范围。
然后根据前述确定的时间差,依次确定出其他子皮带秤对应的时间范围,进而获取相应时间范围内的称重子数据即可。
需要说明的是,本实施例中分选的产品组成架构可以为:原煤由末煤和块煤组成,块煤具体由精煤、矸石和煤泥组成。因此,在一子皮带秤失效或者未设置时,可以利用该组成架构关系来确定出失效或者未设置子皮带秤对应的称重子数据。
具体的,若精煤对应的子皮带秤失效或者未设置,可以利用原煤的称重子数据减去末煤、矸石和煤泥的称重子数据,得到精煤的称重子数据。
另外,本步骤中,对筛分资料产率进行校正时,可以先根据煤量采集信息以及预设块末煤有效分级粒度和预设分级效率,确定末煤产率、精煤产率、矸石产率和煤泥产率;然后根据末煤产率、精煤产率、矸石产率和煤泥产率对块煤各粒级产率和末煤各粒级产率进行校正,得到校正后块煤各粒级产率和校正后末煤各粒级产率;最后将校正后块煤各粒级产率和校正后末煤各粒级产率确定为校正后筛分资料产率。
其中,确定末煤产率、精煤产率、矸石产率和煤泥产率可按照如下公式来进行确定:
末煤产率=末煤瞬时带煤量平均值/原煤瞬时带煤量平均值*100%;
块煤产率=100%-末煤产率;
精煤产率=精煤瞬时带煤量平均值/原煤瞬时带煤量平均值*100%;
煤泥产率=浓缩机入料浓度平均值*入料瞬时流量平均值/原煤瞬时带煤量平均值*100%;
矸石产率=矸石瞬时带煤量平均值/原煤瞬时带煤量平均值*100%。
其中,末煤产率需要进行初始校正,校正方式为:校正末煤产率=计算出的末煤产率/分级效率。
另外,本步骤中,校正后块煤各粒级产率和校正后末煤各粒级产率可以通过如下公式计算:
校正后块煤各粒级产率=原各粒度级块煤产率/原块煤总产率*皮带秤数据计算出的块煤产率;
校正后末煤各粒级产率=原各粒度级末煤产率/原末煤总产率*皮带秤数据计算出的末煤产率。
其中,原各粒度级块煤产率、原各粒度级末煤产率和原末煤总产率均可通过当前的煤质数据确定出。
步骤102、根据校正后筛分资料产率对煤质资料中的总灰分进行调整,得到第一总灰分。
需要说明的是,总灰分的确定方式如下:
总灰分=(产品1产率*产品1灰分+产品2产率*产品2灰分+产品3产率*产品3灰分……)/(产品1产率+产品2产率+产率3产率+……),其中,产品1、2、3指的是前述不同的产品,在一个具体的例子中,可以分别为精煤、矸石和煤泥。
在前述步骤对产率进行重新确定的情况下,通过上述公式,可以计算出第一总灰分。
需要说明的是,本实施例中分选的产品组成架构可以为:原煤由末煤和块煤组成,块煤具体由精煤、矸石和煤泥组成。那么产品1可以为精煤,产品2可以为矸石,产品3可以为煤泥。
步骤103、获取灰分检测数据,并根据灰分检测数据确定当前原煤的第二总灰分。
本步骤中的灰分检测数据可以通过灰分检测装置检测得到,当然,灰分检测装置可以设置在各个产品的产出位置。灰分检测数据的获取过程可以参考前述煤量采集信息的获取过程,此处不再赘述。
另外,第二总灰分即为所有产品的灰分检测数据的总和。
步骤104、根据第一总灰分和第二总灰分对当前煤质资料中的筛分资料灰分进行校正,得到校正后筛分资料灰分。
本步骤中,可以先确定第一总灰分和第二总灰分之间的差值的绝对值,并判断差值的绝对值与预设差值阈值的大小,得到判断结果;然后根据判断结果选取目标灰分校正策略,并根据目标灰分校正策略对当前煤质资料中的筛分资料灰分进行校正,得到校正后筛分资料灰分。
具体的,若判断结果为差值的绝对值小于或等于预设差值阈值,将当前煤质资料中的筛分资料灰分与差值相加,得到校正后筛分资料灰分。
若判断结果为差值的绝对值大于预设差值阈值,确定当前煤质资料中浮沉资料的矸石含量比例;根据矸石含量比例对当前煤质资料中的筛分资料灰分进行校正,得到校正后筛分资料灰分。
在一个具体的例子中,在筛分资料各粒度级物料所对应的浮沉资料中,大于1.8kg/L的物料占全样的产率是已知的,各粒度级大于1.8kg/L的物料可计算出相对比例,即:本粒度级矸石相对原煤全样的比例=本粒度级浮沉资料中大于1.8kg/L物料占全样的产率/所有粒度级浮沉资料中大于1.8kg/L物料占全样的产率之和。
需要说明的是,浮沉资料中大于1.8kg/L物料通常认为是矸石,因此,基于上述公式,即可求得矸石含量比例,后续根据该矸石含量比例调整筛分资料灰分即可,需要说明的是,该调整过程可以参考相关技术,此处不再赘述。
步骤105、将校正后筛分资料产率和校正后筛分资料灰分输入到预设浮沉资料确定算法中,得到预设浮沉资料确定算法输出的校正后浮沉资料。
本步骤中,预设浮沉资料确定算法可以参考相关技术,此处不再赘述。
步骤106、将校正后筛分资料产率、校正后筛分资料灰分和校正后浮沉资料确定为校正后的煤质资料。
本步骤中,确定出校正后的煤质资料后,可以将其存储,以供后续决策使用。
本实施例中,先获取皮带秤的煤量采集信息,并根据煤量采集信息对当前煤质资料中的筛分资料产率进行校正,得到校正后筛分资料产率;根据校正后筛分资料产率对煤质资料中的总灰分进行调整,得到第一总灰分;获取灰分检测数据,并根据灰分检测数据确定当前原煤的第二总灰分;根据第一总灰分和第二总灰分对当前煤质资料中的筛分资料灰分进行校正,得到校正后筛分资料灰分;将校正后筛分资料产率和校正后筛分资料灰分输入到预设浮沉资料确定算法中,得到预设浮沉资料确定算法输出的校正后浮沉资料;将校正后筛分资料产率、校正后筛分资料灰分和校正后浮沉资料确定为校正后的煤质资料。基于此,本申请利用皮带称的煤量采集信息以及灰分检测装置的灰分检测信息,即可完成对于当前煤质资料的校正,由于皮带秤和灰分检测装置检测的数据,都是实时数据,那么本申请的校正,实时性更高,能够与当前煤质更加贴合,实现了线上动态校正,相较于传统的校正方式,本申请的校正过程效率更高。
实施例二
图2为本申请实施例二提供的一种煤质资料动态校正装置的结构示意图。本申请实施例所提供的煤质资料动态校正装置可执行本申请任意实施例所提供的煤质资料动态校正方法,具备执行方法相应的功能模块和有益效果。该装置可采用软件和/或硬件的方式实现,如图2所示,煤质资料动态校正装置具体包括:产率校正模块201、第一总灰分确定模块202、第二总灰分确定模块203、灰分校正模块204、浮沉资料校正模块205、校正煤质资料确定模块206。
其中,产率校正模块,用于获取皮带秤的煤量采集信息,并根据煤量采集信息对当前煤质资料中的筛分资料产率进行校正,得到校正后筛分资料产率;
第一总灰分确定模块,用于根据校正后筛分资料产率对煤质资料中的总灰分进行调整,得到第一总灰分;
第二总灰分确定模块,用于获取灰分检测数据,并根据灰分检测数据确定当前原煤的第二总灰分;
灰分校正模块,用于根据第一总灰分和第二总灰分对当前煤质资料中的筛分资料灰分进行校正,得到校正后筛分资料灰分;
浮沉资料校正模块,用于将校正后筛分资料产率和校正后筛分资料灰分输入到预设浮沉资料确定算法中,得到预设浮沉资料确定算法输出的校正后浮沉资料;
校正煤质资料确定模块,用于将校正后筛分资料产率、校正后筛分资料灰分和校正后浮沉资料确定为校正后的煤质资料。
进一步的,产率校正模块还具体用于:
记录各子皮带秤对应的产品称重数据,并获取各子皮带秤的流程顺序以及相邻顺序的子皮带秤之间的时间差值;
根据时间差值,将产品称重数据组合为煤量采集信息。
进一步的,产率校正模块还具体用于:
获取分选流程中的皮带传输速度、各子皮带秤的流程顺序以及相邻顺序的子皮带秤之间的传输距离;
对于任意相邻顺序的子皮带秤,根据皮带传输速度和相邻顺序的子皮带秤之间的传输距离确定传输时间,并将传输时间确定为相邻顺序的子皮带秤之间的时间差值。
进一步的,产率校正模块还具体用于:
对于流程顺序中的首个子皮带秤对应的产品称重数据中任一时刻的称重子数据,从流程顺序中的首个子皮带秤起,按照相邻顺序的子皮带秤之间的时间差值,从各子皮带秤对应的产品称重数据提取称重子数据;
在提取到流程顺中最后一子皮带秤对应的产品称重数据提取称重子数据后,将本轮提取的所有称重子数据组合为煤量采集信息。
进一步的,产率校正模块还具体用于:
根据煤量采集信息以及预设块末煤有效分级粒度和预设分级效率,确定末煤产率、精煤产率、矸石产率和煤泥产率;
根据末煤产率、精煤产率、矸石产率和煤泥产率对块煤各粒级产率和末煤各粒级产率进行校正,得到校正后块煤各粒级产率和校正后末煤各粒级产率;
将校正后块煤各粒级产率和校正后末煤各粒级产率确定为校正后筛分资料产率。
进一步的,灰分校正模块还具体用于:
确定第一总灰分和第二总灰分之间的差值的绝对值,并判断差值的绝对值与预设差值阈值的大小,得到判断结果;
根据判断结果选取目标灰分校正策略,并根据目标灰分校正策略对当前煤质资料中的筛分资料灰分进行校正,得到校正后筛分资料灰分。
进一步的,灰分校正模块还具体用于:
若判断结果为差值的绝对值小于或等于预设差值阈值,将当前煤质资料中的筛分资料灰分与差值相加,得到校正后筛分资料灰分;
若判断结果为差值的绝对值大于预设差值阈值,确定当前煤质资料中浮沉资料的矸石含量比例;
根据矸石含量比例对当前煤质资料中的筛分资料灰分进行校正,得到校正后筛分资料灰分。
实施例三
图3为本申请实施例三提供的一种电子设备的结构示意图,如图3所示,该电子设备包括处理器310、存储器320、输入装置330和输出装置340;电子设备中处理器310的数量可以是一个或多个,图3中以一个处理器310为例;电子设备中的处理器310、存储器320、输入装置330和输出装置340可以通过总线或其他方式连接,图3中以通过总线连接为例。
存储器320作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本发明实施例中的煤质资料动态校正方法对应的程序指令/模块。处理器310通过运行存储在存储器320中的软件程序、指令以及模块,从而执行电子设备的各种功能应用以及数据处理,即实现上述的煤质资料动态校正方法:
获取皮带秤的煤量采集信息,并根据煤量采集信息对当前煤质资料中的筛分资料产率进行校正,得到校正后筛分资料产率;
根据校正后筛分资料产率对煤质资料中的总灰分进行调整,得到第一总灰分;
获取灰分检测数据,并根据灰分检测数据确定当前原煤的第二总灰分;
根据第一总灰分和第二总灰分对当前煤质资料中的筛分资料灰分进行校正,得到校正后筛分资料灰分;
将校正后筛分资料产率和校正后筛分资料灰分输入到预设浮沉资料确定算法中,得到预设浮沉资料确定算法输出的校正后浮沉资料;
将校正后筛分资料产率、校正后筛分资料灰分和校正后浮沉资料确定为校正后的煤质资料。
进一步的,皮带秤包括设置在分选流程中各产品处的子皮带秤,获取皮带秤的煤量采集信息,包括:
记录各子皮带秤对应的产品称重数据,并获取各子皮带秤的流程顺序以及相邻顺序的子皮带秤之间的时间差值;
根据时间差值,将产品称重数据组合为煤量采集信息。
进一步的,获取各子皮带秤的流程顺序以及相邻顺序的子皮带秤之间的时间差值,包括:
获取分选流程中的皮带传输速度、各子皮带秤的流程顺序以及相邻顺序的子皮带秤之间的传输距离;
对于任意相邻顺序的子皮带秤,根据皮带传输速度和相邻顺序的子皮带秤之间的传输距离确定传输时间,并将传输时间确定为相邻顺序的子皮带秤之间的时间差值。
进一步的,根据时间差值,将产品称重数据组合为煤量采集信息,包括:
对于流程顺序中的首个子皮带秤对应的产品称重数据中任一时刻的称重子数据,从流程顺序中的首个子皮带秤起,按照相邻顺序的子皮带秤之间的时间差值,从各子皮带秤对应的产品称重数据提取称重子数据;
在提取到流程顺中最后一子皮带秤对应的产品称重数据提取称重子数据后,将本轮提取的所有称重子数据组合为煤量采集信息。
进一步的,根据煤量采集信息对当前煤质资料中的筛分资料产率进行校正,得到校正后筛分资料产率,包括:
根据煤量采集信息以及预设块末煤有效分级粒度和预设分级效率,确定末煤产率、精煤产率、矸石产率和煤泥产率;
根据末煤产率、精煤产率、矸石产率和煤泥产率对块煤各粒级产率和末煤各粒级产率进行校正,得到校正后块煤各粒级产率和校正后末煤各粒级产率;
将校正后块煤各粒级产率和校正后末煤各粒级产率确定为校正后筛分资料产率。
进一步的,根据第一总灰分和第二总灰分对当前煤质资料中的筛分资料灰分进行校正,得到校正后筛分资料灰分,包括:
确定第一总灰分和第二总灰分之间的差值的绝对值,并判断差值的绝对值与预设差值阈值的大小,得到判断结果;
根据判断结果选取目标灰分校正策略,并根据目标灰分校正策略对当前煤质资料中的筛分资料灰分进行校正,得到校正后筛分资料灰分。
进一步的,根据判断结果选取目标灰分校正策略,并根据目标灰分校正策略对当前煤质资料中的筛分资料灰分进行校正,得到校正后筛分资料灰分,包括:
若判断结果为差值的绝对值小于或等于预设差值阈值,将当前煤质资料中的筛分资料灰分与差值相加,得到校正后筛分资料灰分;
若判断结果为差值的绝对值大于预设差值阈值,确定当前煤质资料中浮沉资料的矸石含量比例;
根据矸石含量比例对当前煤质资料中的筛分资料灰分进行校正,得到校正后筛分资料灰分。
存储器320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终端的使用所创建的数据等。此外,存储器320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,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中,存储器320可进一步包括相对于处理器310远程设置的存储器,这些远程存储器可以通过网络连接至电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
实施例四
本申请实施例四还提供一种包含计算机可执行指令的存储介质,计算机可执行指令在由计算机处理器执行时用于执行一种煤质资料动态校正方法,该方法包括:
获取皮带秤的煤量采集信息,并根据煤量采集信息对当前煤质资料中的筛分资料产率进行校正,得到校正后筛分资料产率;
根据校正后筛分资料产率对煤质资料中的总灰分进行调整,得到第一总灰分;
获取灰分检测数据,并根据灰分检测数据确定当前原煤的第二总灰分;
根据第一总灰分和第二总灰分对当前煤质资料中的筛分资料灰分进行校正,得到校正后筛分资料灰分;
将校正后筛分资料产率和校正后筛分资料灰分输入到预设浮沉资料确定算法中,得到预设浮沉资料确定算法输出的校正后浮沉资料;
将校正后筛分资料产率、校正后筛分资料灰分和校正后浮沉资料确定为校正后的煤质资料。
进一步的,皮带秤包括设置在分选流程中各产品处的子皮带秤,获取皮带秤的煤量采集信息,包括:
记录各子皮带秤对应的产品称重数据,并获取各子皮带秤的流程顺序以及相邻顺序的子皮带秤之间的时间差值;
根据时间差值,将产品称重数据组合为煤量采集信息。
进一步的,获取各子皮带秤的流程顺序以及相邻顺序的子皮带秤之间的时间差值,包括:
获取分选流程中的皮带传输速度、各子皮带秤的流程顺序以及相邻顺序的子皮带秤之间的传输距离;
对于任意相邻顺序的子皮带秤,根据皮带传输速度和相邻顺序的子皮带秤之间的传输距离确定传输时间,并将传输时间确定为相邻顺序的子皮带秤之间的时间差值。
进一步的,根据时间差值,将产品称重数据组合为煤量采集信息,包括:
对于流程顺序中的首个子皮带秤对应的产品称重数据中任一时刻的称重子数据,从流程顺序中的首个子皮带秤起,按照相邻顺序的子皮带秤之间的时间差值,从各子皮带秤对应的产品称重数据提取称重子数据;
在提取到流程顺中最后一子皮带秤对应的产品称重数据提取称重子数据后,将本轮提取的所有称重子数据组合为煤量采集信息。
进一步的,根据煤量采集信息对当前煤质资料中的筛分资料产率进行校正,得到校正后筛分资料产率,包括:
根据煤量采集信息以及预设块末煤有效分级粒度和预设分级效率,确定末煤产率、精煤产率、矸石产率和煤泥产率;
根据末煤产率、精煤产率、矸石产率和煤泥产率对块煤各粒级产率和末煤各粒级产率进行校正,得到校正后块煤各粒级产率和校正后末煤各粒级产率;
将校正后块煤各粒级产率和校正后末煤各粒级产率确定为校正后筛分资料产率。
进一步的,根据第一总灰分和第二总灰分对当前煤质资料中的筛分资料灰分进行校正,得到校正后筛分资料灰分,包括:
确定第一总灰分和第二总灰分之间的差值的绝对值,并判断差值的绝对值与预设差值阈值的大小,得到判断结果;
根据判断结果选取目标灰分校正策略,并根据目标灰分校正策略对当前煤质资料中的筛分资料灰分进行校正,得到校正后筛分资料灰分。
进一步的,根据判断结果选取目标灰分校正策略,并根据目标灰分校正策略对当前煤质资料中的筛分资料灰分进行校正,得到校正后筛分资料灰分,包括:
若判断结果为差值的绝对值小于或等于预设差值阈值,将当前煤质资料中的筛分资料灰分与差值相加,得到校正后筛分资料灰分;
若判断结果为差值的绝对值大于预设差值阈值,确定当前煤质资料中浮沉资料的矸石含量比例;
根据矸石含量比例对当前煤质资料中的筛分资料灰分进行校正,得到校正后筛分资料灰分。
当然,本申请实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上的方法操作,还可以执行本申请任意实施例所提供的煤质资料动态校正方法中的相关操作。
通过以上关于实施方式的描述,所属领域的技术人员可以清楚地了解到,本申请可借助软件及必需的通用硬件来实现,当然也可以通过硬件实现,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如计算机的软盘、只读存储器(Read-Only Memory, ROM)、随机存取存储器(RandomAccess Memory, RAM)、闪存(FLASH)、硬盘或光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例的方法。
值得注意的是,上述搜索装置的实施例中,所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。
注意,上述仅为本申请的较佳实施例及所运用技术原理。本领域技术人员会理解,本申请不限于这里的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本申请的保护范围。因此,虽然通过以上实施例对本申请进行了较为详细的说明,但是本申请不仅仅限于以上实施例,在不脱离本申请构思的情况下,还可以包括更多其他等效实施例,而本申请的范围由所附的权利要求范围决定。
Claims (8)
1.一种煤质资料动态校正方法,其特征在于,所述方法包括:
获取皮带秤的煤量采集信息,并根据所述煤量采集信息对当前煤质资料中的筛分资料产率进行校正,得到校正后筛分资料产率;
根据所述校正后筛分资料产率对所述煤质资料中的总灰分进行调整,得到第一总灰分;
获取灰分检测数据,并根据所述灰分检测数据确定当前原煤的第二总灰分;
根据所述第一总灰分和所述第二总灰分对所述当前煤质资料中的筛分资料灰分进行校正,得到校正后筛分资料灰分;
将所述校正后筛分资料产率和所述校正后筛分资料灰分输入到预设浮沉资料确定算法中,得到所述预设浮沉资料确定算法输出的校正后浮沉资料;
将所述校正后筛分资料产率、所述校正后筛分资料灰分和所述校正后浮沉资料确定为校正后的煤质资料;
所述根据所述第一总灰分和所述第二总灰分对所述当前煤质资料中的筛分资料灰分进行校正,得到校正后筛分资料灰分,包括:
确定所述第一总灰分和所述第二总灰分之间的差值的绝对值,并判断所述差值的绝对值与预设差值阈值的大小,得到判断结果;
根据所述判断结果选取目标灰分校正策略,并根据所述目标灰分校正策略对所述当前煤质资料中的筛分资料灰分进行校正,得到校正后筛分资料灰分;
所述根据所述判断结果选取目标灰分校正策略,并根据所述目标灰分校正策略对所述当前煤质资料中的筛分资料灰分进行校正,得到校正后筛分资料灰分,包括:
若所述判断结果为所述差值的绝对值小于或等于所述预设差值阈值,将所述当前煤质资料中的筛分资料灰分与所述差值相加,得到校正后筛分资料灰分;
若所述判断结果为所述差值的绝对值大于所述预设差值阈值,确定所述当前煤质资料中浮沉资料的矸石含量比例;
根据所述矸石含量比例对所述当前煤质资料中的筛分资料灰分进行校正,得到校正后筛分资料灰分。
2.根据权利要求1所述的方法,其特征在于,所述皮带秤包括设置在分选流程中各产品处的子皮带秤,所述获取皮带秤的煤量采集信息,包括:
记录各所述子皮带秤对应的产品称重数据,并获取各子皮带秤的流程顺序以及相邻顺序的子皮带秤之间的时间差值;
根据所述时间差值,将所述产品称重数据组合为所述煤量采集信息。
3.根据权利要求2所述的方法,其特征在于,所述获取各子皮带秤的流程顺序以及相邻顺序的子皮带秤之间的时间差值,包括:
获取所述分选流程中的皮带传输速度、各子皮带秤的流程顺序以及相邻顺序的子皮带秤之间的传输距离;
对于任意相邻顺序的子皮带秤,根据所述皮带传输速度和所述相邻顺序的子皮带秤之间的传输距离确定传输时间,并将所述传输时间确定为相邻顺序的子皮带秤之间的时间差值。
4.根据权利要求3所述的方法,其特征在于,所述根据所述时间差值,将所述产品称重数据组合为所述煤量采集信息,包括:
对于所述流程顺序中的首个所述子皮带秤对应的产品称重数据中任一时刻的称重子数据,从所述流程顺序中的首个所述子皮带秤起,按照相邻顺序的子皮带秤之间的时间差值,从各所述子皮带秤对应的产品称重数据提取称重子数据;
在提取到所述流程顺中最后一子皮带秤对应的产品称重数据提取称重子数据后,将本轮提取的所有称重子数据组合为煤量采集信息。
5.根据权利要求1所述的方法,其特征在于,所述根据所述煤量采集信息对当前煤质资料中的筛分资料产率进行校正,得到校正后筛分资料产率,包括:
根据所述煤量采集信息以及预设块末煤有效分级粒度和预设分级效率,确定末煤产率、精煤产率、矸石产率和煤泥产率;
根据所述末煤产率、精煤产率、矸石产率和煤泥产率对块煤各粒级产率和末煤各粒级产率进行校正,得到校正后块煤各粒级产率和校正后末煤各粒级产率;
将所述校正后块煤各粒级产率和校正后末煤各粒级产率确定为校正后筛分资料产率。
6.一种煤质资料动态校正装置,其特征在于,所述装置包括:
产率校正模块,用于获取皮带秤的煤量采集信息,并根据所述煤量采集信息对当前煤质资料中的筛分资料产率进行校正,得到校正后筛分资料产率;
第一总灰分确定模块,用于根据所述校正后筛分资料产率对所述煤质资料中的总灰分进行调整,得到第一总灰分;
第二总灰分确定模块,用于获取灰分检测数据,并根据所述灰分检测数据确定当前原煤的第二总灰分;
灰分校正模块,用于根据所述第一总灰分和所述第二总灰分对所述当前煤质资料中的筛分资料灰分进行校正,得到校正后筛分资料灰分;
浮沉资料校正模块,用于将所述校正后筛分资料产率和所述校正后筛分资料灰分输入到预设浮沉资料确定算法中,得到所述预设浮沉资料确定算法输出的校正后浮沉资料;
校正煤质资料确定模块,用于将所述校正后筛分资料产率、所述校正后筛分资料灰分和所述校正后浮沉资料确定为校正后的煤质资料;
所述灰分校正模块具体用于:
确定所述第一总灰分和所述第二总灰分之间的差值的绝对值,并判断所述差值的绝对值与预设差值阈值的大小,得到判断结果;
根据所述判断结果选取目标灰分校正策略,并根据所述目标灰分校正策略对所述当前煤质资料中的筛分资料灰分进行校正,得到校正后筛分资料灰分;
其中,若所述判断结果为所述差值的绝对值小于或等于所述预设差值阈值,将所述当前煤质资料中的筛分资料灰分与所述差值相加,得到校正后筛分资料灰分;
若所述判断结果为所述差值的绝对值大于所述预设差值阈值,确定所述当前煤质资料中浮沉资料的矸石含量比例;根据所述矸石含量比例对所述当前煤质资料中的筛分资料灰分进行校正,得到校正后筛分资料灰分。
7.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-5中任一所述的煤质资料动态校正方法。
8.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-5中任一所述的煤质资料动态校正方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410081488.9A CN117591817B (zh) | 2024-01-19 | 2024-01-19 | 煤质资料动态校正方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410081488.9A CN117591817B (zh) | 2024-01-19 | 2024-01-19 | 煤质资料动态校正方法、装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117591817A CN117591817A (zh) | 2024-02-23 |
CN117591817B true CN117591817B (zh) | 2024-04-30 |
Family
ID=89918831
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410081488.9A Active CN117591817B (zh) | 2024-01-19 | 2024-01-19 | 煤质资料动态校正方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117591817B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104198503A (zh) * | 2014-08-19 | 2014-12-10 | 开封市测控技术有限公司 | 基于自然伽马射线在线测量煤灰分系统及方法 |
CN106768219A (zh) * | 2016-12-19 | 2017-05-31 | 国核电力规划设计研究院 | 一种入炉煤称量系统及其称量方法、校验方法 |
CN107313772A (zh) * | 2017-08-16 | 2017-11-03 | 长江大学 | 基于测井资料计算煤岩工业组分含量的方法 |
CN108225533A (zh) * | 2018-01-16 | 2018-06-29 | 广州发展集团股份有限公司 | 一种皮带秤的称重校验方法 |
CN110801933A (zh) * | 2019-11-19 | 2020-02-18 | 大同煤矿集团有限责任公司 | 一种提升原煤分选效果的方法 |
CN112009998A (zh) * | 2019-05-29 | 2020-12-01 | 天津中新智冠信息技术有限公司 | 应用于工业生产的配煤装置及系统 |
CN115238971A (zh) * | 2022-07-01 | 2022-10-25 | 华电电力科学研究院有限公司 | 一种选煤厂智慧大脑分析处理系统 |
CN117195469A (zh) * | 2023-07-24 | 2023-12-08 | 国能经济技术研究院有限责任公司 | 选煤工艺流程全过程确定方法、设备和介质 |
-
2024
- 2024-01-19 CN CN202410081488.9A patent/CN117591817B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104198503A (zh) * | 2014-08-19 | 2014-12-10 | 开封市测控技术有限公司 | 基于自然伽马射线在线测量煤灰分系统及方法 |
CN106768219A (zh) * | 2016-12-19 | 2017-05-31 | 国核电力规划设计研究院 | 一种入炉煤称量系统及其称量方法、校验方法 |
CN107313772A (zh) * | 2017-08-16 | 2017-11-03 | 长江大学 | 基于测井资料计算煤岩工业组分含量的方法 |
CN108225533A (zh) * | 2018-01-16 | 2018-06-29 | 广州发展集团股份有限公司 | 一种皮带秤的称重校验方法 |
CN112009998A (zh) * | 2019-05-29 | 2020-12-01 | 天津中新智冠信息技术有限公司 | 应用于工业生产的配煤装置及系统 |
CN110801933A (zh) * | 2019-11-19 | 2020-02-18 | 大同煤矿集团有限责任公司 | 一种提升原煤分选效果的方法 |
CN115238971A (zh) * | 2022-07-01 | 2022-10-25 | 华电电力科学研究院有限公司 | 一种选煤厂智慧大脑分析处理系统 |
CN117195469A (zh) * | 2023-07-24 | 2023-12-08 | 国能经济技术研究院有限责任公司 | 选煤工艺流程全过程确定方法、设备和介质 |
Non-Patent Citations (2)
Title |
---|
《浅谈煤质资料的校正》;苗建卫等;《煤炭技术》;20041130;第23卷(第11期);参见正文第78-81页 * |
《浮沉试验灰分的最优校正》;秦凤广;《煤质技术》;19980731(第4期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN117591817A (zh) | 2024-02-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110135468B (zh) | 一种煤矸石的识别方法 | |
CN105786860B (zh) | 一种数据建模中的数据处理方法及装置 | |
CN101827002B (zh) | 一种数据流分类的概念漂移检测方法 | |
CN103617429A (zh) | 一种主动学习分类方法和系统 | |
CN112892823B (zh) | 基于人工智能算法的制砂控制方法及系统 | |
CN105389480A (zh) | 多类不平衡基因组学数据迭代集成特征选择方法及系统 | |
CN105389598A (zh) | 面向软件缺陷数据的特征选择及分类方法 | |
CN103092931A (zh) | 多策略结合文档自动分类方法 | |
Celik et al. | Influence of process mineralogy on improving metallurgical performance of a flotation plant | |
CN101604394A (zh) | 一种有限存贮资源下的增量学习分类方法 | |
CN108304691B (zh) | 基于片段的浮选药剂分子设计方法 | |
CN113543117B (zh) | 携号转网用户的预测方法、装置及计算设备 | |
Gagliardi et al. | Multi-product forwarder-based timber extraction: Time consumption and productivity analysis of two forwarder models over multiple products and extraction distances | |
CN111140244B (zh) | 一种硬岩掘进机支护等级智能推荐方法 | |
CN117591817B (zh) | 煤质资料动态校正方法、装置、电子设备及存储介质 | |
CN114611940A (zh) | 一种多源煤基固废资源化利用方向的决策方法及系统 | |
CN117371947A (zh) | 一种建设项目信息化管理方法及系统 | |
US11286541B2 (en) | Processing of laterite ores | |
CN107016073A (zh) | 一种文本分类特征选择方法 | |
Perez et al. | Lithological composition sensor based on digital image feature extraction, genetic selection of features and neural classification | |
CN105760303A (zh) | 基于最大互信息和改进Adaboost的软件缺陷数据特征选择方法 | |
CN111105303B (zh) | 基于增量式网络表征学习的网络借贷欺诈检测方法 | |
CN114972913A (zh) | 结合深度学习与xrf的岩屑识别方法、系统、介质及设备 | |
CN112149283A (zh) | 一种矿石批量拣选可行性评价的方法 | |
Grewal et al. | Enhanced Gravity Recovery of Base Metals and Industrial Minerals |
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 |