CN117592771B - 一种选煤厂负荷动态计算方法、装置、设备及介质 - Google Patents
一种选煤厂负荷动态计算方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN117592771B CN117592771B CN202410081471.3A CN202410081471A CN117592771B CN 117592771 B CN117592771 B CN 117592771B CN 202410081471 A CN202410081471 A CN 202410081471A CN 117592771 B CN117592771 B CN 117592771B
- Authority
- CN
- China
- Prior art keywords
- coal
- processing
- target
- equipment
- load state
- 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 310
- 238000002360 preparation method Methods 0.000 title claims abstract description 66
- 238000004364 calculation method Methods 0.000 title claims abstract description 42
- 238000012545 processing Methods 0.000 claims abstract description 215
- 238000005406 washing Methods 0.000 claims abstract description 84
- 238000000034 method Methods 0.000 claims abstract description 77
- 230000008569 process Effects 0.000 claims abstract description 44
- 238000011897 real-time detection Methods 0.000 claims abstract description 32
- 238000004519 manufacturing process Methods 0.000 claims description 44
- 238000012216 screening Methods 0.000 claims description 24
- 238000004891 communication Methods 0.000 claims description 21
- 230000000694 effects Effects 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 13
- 238000003860 storage Methods 0.000 claims description 8
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 238000012937 correction Methods 0.000 claims description 2
- 238000005094 computer simulation Methods 0.000 abstract description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 19
- 230000018044 dehydration Effects 0.000 description 14
- 238000006297 dehydration reaction Methods 0.000 description 14
- 238000000926 separation method Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 9
- 239000000725 suspension Substances 0.000 description 8
- 230000008859 change Effects 0.000 description 6
- 238000002474 experimental method Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 230000004048 modification Effects 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 238000005188 flotation Methods 0.000 description 4
- 239000000696 magnetic material Substances 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 238000002156 mixing Methods 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 239000003814 drug Substances 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000011112 process operation Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- NINIDFKCEFEMDL-UHFFFAOYSA-N Sulfur Chemical compound [S] NINIDFKCEFEMDL-UHFFFAOYSA-N 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- SZVJSHCCFOBDDC-UHFFFAOYSA-N iron(II,III) oxide Inorganic materials O=[Fe]O[Fe]O[Fe]=O SZVJSHCCFOBDDC-UHFFFAOYSA-N 0.000 description 1
- 239000010410 layer Substances 0.000 description 1
- 238000007885 magnetic separation Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 239000000843 powder Substances 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 239000002356 single layer Substances 0.000 description 1
- 229910052717 sulfur Inorganic materials 0.000 description 1
- 239000011593 sulfur Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000009466 transformation 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- 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
- G06Q10/067—Enterprise or organisation modelling
-
- 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)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Development Economics (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)
- Processing Of Solid Wastes (AREA)
- Feedback Control In General (AREA)
Abstract
本申请提供一种选煤厂负荷动态计算方法、装置、设备及介质,涉及煤炭处理技术领域,包括:获取待处理煤的煤质资料、实时检测数据、处理目标和预先构建的选煤厂的数字化孪生模型;利用实时检测数据对煤质资料进行校正,得到校正后的煤质资料;将校正后的煤质资料输入设备流程模型中,得到每个设备的处理量和每个设备处理后的煤的性能参数;从预设的设备处理量负荷状态匹配表中,根据每个设备的处理量确定每个设备的实时负荷状态;若每个设备的实时负荷状态均满足处理目标,则将入洗煤量作为与处理目标相匹配的目标入洗煤量输出。本申请通过选煤厂数字孪生模型实现了对各工艺流程、各设备的参数的动态模拟计算,可用于指导选煤厂的处理过程。
Description
技术领域
本申请涉及煤炭处理技术领域,具体而言,涉及一种选煤厂负荷动态计算方法、装置、设备及介质。
背景技术
选煤厂的工艺流程的处理参数对于生产实际有很强的指导意义,但是由于处理参数的计算难度大、实现线上化的方法繁杂且无法动态根据实际情况进行工艺流程与设备性能参数的调整,因此选煤厂只有在设计初期或有大型的工艺改造时才会涉及到工艺流程的参数计算,而日常生产中则无法实现在线的、全流程的计算。
现有的计算方法主要有两种:第一种是通过EXCEL表格将工艺流程按工序顺序排列整理逐个进行计算,各工艺作业内部的计算关系在每次需要的时候都要人为地搭建一遍,在重复工作中还容易出现计算错误,且错位排查难度大;第二种是将常见的分选模块(两产品重介分选,三产品重介分选,单层筛分、浮选)提炼单独的计算模型,计算模型内置代码写入固定算法,相当于一个有固定计算逻辑的计算器,只要给予规定格式的输入内容,可根据所选分选方法给出对应的输出内容,但是该方法计算方式为离线的,可计算的只有个别分选模型,没有涵盖选煤厂所有工艺流程;仅能计算特定的数质量相关的参数(例如产率、灰分),具有局限性;且只能计算整体参数,不能计算每个工艺流程处理后或每个设备处理后的参数。
发明内容
本申请实施例的目的在于提供一种选煤厂负荷动态计算方法、装置、设备及介质,用以解决现有技术存在的上述问题,可在线、动态计算选煤全工艺流程的各类参数与各设备的负荷。
第一方面,提供了一种选煤厂负荷动态计算方法,该方法可以包括:
获取待处理煤的煤质资料、实时检测数据、处理目标和预先构建的选煤厂的数字化孪生模型;其中,所述数字化孪生模型包括选煤厂的设备流程模型;所述设备流程模型是选煤厂的所有设备按照处理顺序构建得到的;所述实时检测数据包括:入洗煤量、灰分和流量;所述煤质资料包含待处理煤的性能参数;
利用所述实时检测数据对所述煤质资料进行校正,得到校正后的煤质资料;
将所述校正后的煤质资料输入所述设备流程模型中,得到每个设备的处理量和每个设备处理后的煤的性能参数;
从预设的设备处理量负荷状态匹配表中,根据所述每个设备的处理量确定每个设备的实时负荷状态;
若所述每个设备的实时负荷状态均满足所述处理目标,则将所述入洗煤量作为与所述处理目标相匹配的目标入洗煤量输出。
在一个可选的实现中,所述待处理煤的性能参数包括:参考入洗煤量、参考灰分和参考流量;
利用所述实时检测数据对所述煤质资料进行校正,得到校正后的煤质资料,包括:
将实时检测数据中的入洗煤量、灰分和流量,分别换所述煤质资料中对应的参考入洗煤量、参考灰分和参考流量,得到校正后的入洗煤量、校正后的灰分和校正后的流量;
基于所述校正后的入洗煤量、校正后的灰分、校正后的流量和煤质资料中除参考入洗煤量、参考灰分和参考流量外的其他数据,得到校正后的煤质资料。
在一个可选的实现中,每个设备均设置有相应的处理性能参数和处理规则;
将所述校正后的煤质资料输入所述设备流程模型中,得到每个设备的处理量和每个设备处理后的煤的性能参数,包括:
按照所述设备流程模型中各设备的处理顺序,依次利用各设备的处理规则,对所述校正后的煤质资料中与所述处理性能参数对应的性能参数进行处理,得到每个设备处理后的性能参数;
将任一设备处理后的性能参数中的入洗煤量,作为处理顺序在所述设备后的设备的处理量。
在一个可选的实现中,在若所述每个设备的实时负荷状态均满足所述处理目标,则将所述入洗煤量作为与所述处理目标相匹配的目标入洗煤量输出之前,所述方法还包括:
根据所述处理目标的类型,调用与所述类型匹配的设备处理量模型;其中,所述处理目标的类型包括生产效果目标和生产成本目标;所述设备处理量模型包括设备处理量和生产效果模型以及设备处理量和生产成本模型;
从调用的所述设备处理量模型中,确定与所述处理目标相匹配的各设备的处理量;
从所述预设的设备处理量负荷状态匹配表中,提取与所述处理目标相匹配的各设备的处理量对应的负荷状态,得到与所述处理目标相匹配的各设备的目标负荷状态。
在一个可选的实现中,若所述每个设备的实时负荷状态均满足所述处理目标,则将所述入洗煤量作为与所述处理目标相匹配的目标入洗煤量输出,包括:
若任一设备的实时负荷状态均满足所述设备的目标负荷状态,则将所述入洗煤量作为与所述处理目标相匹配的目标入洗煤量输出。
在一个可选的实现中,所述方法还包括:
若任一设备的实时负荷状态不满足所述设备的目标负荷状态,则根据所述设备的目标负荷状态,从所述预设的设备处理量负荷状态匹配表中,筛选得到与所述目标负荷状态对应的目标处理量;
基于所述目标处理量,计算与所述处理目标相匹配的目标入洗煤量。
在一个可选的实现中,基于所述目标处理量,计算与所述处理目标相匹配的目标入洗煤量,包括:
将所述设备的目标处理量,作为处理顺序最后的设备的处理量;
按照所述设备流程模型中各设备的处理顺序的倒序排序结果,依次利用各设备的处理规则计算所述处理顺序最后的设备的处理量对应的煤的性能参数;
将计算得到的处理顺序最先的设备输入的煤的性能参数中的入洗煤量,作为与所述处理目标相匹配的目标入洗煤量输出。
第二方面,提供了一种选煤厂负荷动态计算装置,该装置可以包括:
获取单元,用于获取待处理煤的煤质资料、实时检测数据、处理目标和预先构建的选煤厂的数字化孪生模型;其中,所述数字化孪生模型包括选煤厂的设备流程模型;所述设备流程模型是选煤厂的所有设备按照处理顺序构建得到的;所述实时检测数据包括:入洗煤量、灰分和流量;所述煤质资料包含待处理煤的性能参数;
校正单元,用于利用所述实时检测数据对所述煤质资料进行校正,得到校正后的煤质资料;
动态计算单元,用于将所述校正后的煤质资料输入所述设备流程模型中,得到每个设备的处理量和每个设备处理后的煤的性能参数;
负荷计算单元,用于从预设的设备处理量负荷状态匹配表中,根据所述每个设备的处理量确定每个设备的实时负荷状态;若所述每个设备的实时负荷状态均满足所述处理目标,则将所述入洗煤量作为与所述处理目标相匹配的目标入洗煤量输出。
第三方面,提供了一种电子设备,该电子设备包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存放的程序时,实现上述第一方面中任一所述的方法步骤。
第四方面,提供了一种计算机可读存储介质,该计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现上述第一方面中任一所述的方法步骤。
本申请通过选煤厂数字孪生模型实现了对各工艺流程、各设备的煤量、灰分、水分、介质量等选煤过程中十几种参数的动态模拟计算,可用于指导选煤厂的处理过程;同时本申请还能够输出任意一个工艺流程或任意一个设备处理后的各类参数,真正实现了选煤厂全流程、动态的参数计算。
本申请还能够实时精准计算每台设备负荷情况,根据设备处理量判断该设备负荷状态,可提醒相关用户注意设备的维修与保养;进一步可根据不同用户的处理目标或实际生产需求,针对性的给出处理数量的建议;同时可预测不同入洗量情况下产品指标变化,从而提高处理效率,降低高负荷风险,提高系统生产效果,降低系统生产成本。
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选煤厂负荷动态计算方法的流程图;
图2为本申请实施例提供的一种选煤厂负荷动态计算方法的架构图;
图3为本申请实施例提供的一种选煤厂负荷动态计算装置的结构示意图;
图4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。
本申请实施例提供的选煤厂负荷动态计算方法,可以应用在服务器中,也可以应用在具有较强计算能力的终端中。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 DeliveryNetwork,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。终端可以是移动电话、智能电话、笔记本电脑、数字广播接收器、个人数字助理(PDA)、平板电脑(PAD)等用户设备(User Equipment,UE)、手持设备、车载设备、可穿戴设备、计算设备或连接到无线调制解调器的其它处理设备、移动台(Mobile Station,MS)、移动终端(Mobile Terminal)等。终端与服务器可以通过有线或无线的通信方式进行直接或间接的连接,本申请在此不做限定。
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1为本申请实施例提供的一种选煤厂负荷动态计算方法的流程示意图。如图1所示,该方法可以包括:
步骤S110、获取待处理煤的煤质资料、实时检测数据、处理目标和预先构建的选煤厂的数字化孪生模型;利用实时检测数据对煤质资料进行校正,得到校正后的煤质资料。
在本申请实施例中,实时检测数据包括:入洗煤量、灰分和流量;具体的,通过皮带秤或体积仪采集入洗煤量(即带煤量数据);通过灰分仪采集灰分数据;通过流量计采集流量数据。
在本申请实施例中,煤质资料包含待处理煤(即原煤)的性能参数和原煤的筛分资料、浮沉资料和分步释放数据;具体的,原煤的筛分资料是根据筛分实验得到的,用于反映实验原煤的粒度组成;原煤的浮沉资料是通过浮沉实验得到的,用于反映实验原煤的密度组成;分步释放数据是根据分步释放浮选试验得到的,用于反映细煤泥浮选精煤产率与灰分的关系;具体的,筛分实验是根据GB/T 477-1998国标要求,按照被测样的粒度组成差异将其分成不同粒度范围的实验方法;浮沉实验是按照国标GB/T 478-1987要求,根据煤样的密度性质差异将被测样分成不同密度级组成的一种方法;分步释放实验是根据国标MT/T144-1997进行的根据煤样的表面性质差异,一次加药,一次粗选,多次精选的浮选方法。
在本申请实施例中,待处理煤(即原煤)的性能参数包括:参考入洗煤量、Q(产量t/h)、r(产率%)、Ad(参考灰分%)、V(悬浮液体积m3/h)、ρ(悬浮液密度t/m3)、G(悬浮液中的固体量t/h)、Gc(悬浮液中非磁性物总量t/h)、Gf(悬浮液中磁性物总量t/h)、rc(悬浮液中非磁性物含量%)、rf(悬浮液中磁性物含量%)、W循(循环水量m3/h)、W (参考流量m3/h)、g(悬浮液单位体积固体重量t/m3)、Mt(水分%)。
具体的,选煤厂的工艺流程包括筛分、破碎、脱泥、两产品重介分选、三产品重介分选、预先脱介、脱介、筛分脱水、离心脱水、分流、磁选、水力分级、粗煤泥分选、浮选、浓缩、合介制备、循环水、过滤、分配、掺配。各工艺流程对应的设备以及会改变的处理性能参数均预先搭载于对应工艺流程的数字孪生模型中。
在本申请实施例中,选煤厂的数字化孪生模型包括:选煤厂的设备流程模型和工艺流程模型;具体的,选煤厂的工艺流程模型是选煤厂所有工艺流程按照处理顺序构建得到的;设备流程模型是选煤厂的所有设备按照处理顺序构建得到的。
在本申请实施例中,设备流程模型的每个设备均设置有相应的处理性能参数和处理规则;其中,处理性能参数即煤的性能参数;处理规则包括变化方向和变化量多少。举例说明,脱水设备的处理性能参数至少包括水分,变化方向是减少,变化量为50%,则在进入脱水设备前,煤的水分为80%,则脱水设备处理后,煤的水分为30%。每个设备的处理性能参数可相同也可不同,且一个设备可具备多个处理性能参数。
在本申请实施例中,处理目标的类型包括生产效果目标和生产成本目标;其中,生产效果目标包括:生产效果最好;生产成本目标包括:生产成本最低;处理目标还可包括处理量最大等。
在本申请实施例中,处理目标可根据实际需要进行设置;同时每个处理目标对应的设备的负荷状态也可根据需要进行设置;设备的负荷状态可包括低负荷、最佳负荷、高负荷和超负荷。举例说明,可设置生产效果最好对应的每个设备的负荷状态均为最佳负荷,或设置处理量最大对应的每个设备均处于超负荷状态,或设置生产效果最好对应的脱水设备为最佳负荷,其余设备为低负荷。
在本申请实施例中,利用实时检测数据对煤质资料进行校正,得到校正后的煤质资料,包括:
将实时检测数据中的入洗煤量、灰分和流量,分别换煤质资料中对应的参考入洗煤量、参考灰分和参考流量,得到校正后的入洗煤量、校正后的灰分和校正后的流量;基于校正后的入洗煤量、校正后的灰分、校正后的流量和煤质资料中除参考入洗煤量、参考灰分和参考流量外的其他数据,得到校正后的煤质资料。
在本申请实施例中,由于煤质资料可能存在误差,因此对于其中的部分可通过现场检测得到的数据,利用检测设备进行检测,从而保证输入数据的准确性;本申请通过实时检测数据,并利用实时检测数据对煤质资料进行校正,实现了输入数据的动态调整,提高了输入数据的准确性。
在本申请实施例中,实时检测数据中的入洗煤量是将原煤入料皮带的瞬时值经过一段时间的滑动平均处理后得到的,而非采用皮带秤或其他传感设备采集到的瞬时值;如此保证了实时检测数据中的入洗煤量的准确性,规避了受到其他干扰因素导致的瞬时值不准确的缺陷,从而实现整个流程的工艺参数的实时、动态、准确的计算。
步骤S120、将校正后的煤质资料输入设备流程模型中,得到每个设备的处理量和每个设备处理后的煤的性能参数。
在本申请实施例中,将校正后的煤质资料输入设备流程模型中,得到每个设备的处理量和每个设备处理后的煤的性能参数,包括:
按照设备流程模型中各设备的处理顺序,依次利用各设备的处理规则,对校正后的煤质资料中与处理性能参数对应的性能参数进行处理,得到每个设备处理后的性能参数;将任一设备处理后的性能参数中的入洗煤量,作为处理顺序在设备后的设备的处理量。
在本申请实施例中,煤的性能参数可划分为数质量参数和水介参数;其中,数质量参数与煤量和煤的质量(例如灰分、硫分)有关,对于以煤量进行负荷量把控的设备,计算得到的煤量可用于计算在该设备之后处理煤的设备的设备实际负荷率;水介参数主要为用于分选的水量和介质量(一般为磁铁矿粉)。在整个分选系统中,水与介质是平衡的,因此各个工艺流程中水介的量也很关键,对于补加介质量调节,合介、稀介分流比例控制也有很强的指导意义。
在本申请实施例中,以任一设备的输出结果作为在该设备处理顺序之后的设备的输入,同时从该设备的输出中提取入洗煤量(即重量数据)作为在该设备处理顺序之后的设备的实际处理量。
举例说明,选煤厂共计包含3个工艺流程,分别为脱介、筛分和脱水;其中,脱介流程利用一台脱介设备A,筛分流程利用一台筛分设备B,离线脱水流程利用两台脱水设备C和D,则按照处理顺序排列该选煤厂的所有设备的顺序为:A、B、C、D;脱介设备A的处理性能参数为介质,处理规则为介质减少10%,重量减少10%;筛分设备B的处理性能参数为粒度,处理规则为粒度减少30%;脱水设备C和D的处理性能参数为水分,脱水设备C的处理规则为水分减少60%、重量减少30%,脱水设备D的处理规则为水分减少80%、重量减少30%。
假设煤质资料如下:原煤的水分为100,灰分30,介质30,粒度为100,入洗煤量为200;实际检测数据原煤的水分为80,入洗煤量为180;则脱介设备A的输入数据为原煤的水分80,灰分30,介质30,粒度为100,入洗煤量180,脱介设备A的处理量为入洗煤量180;经脱介设备A处理后的煤的性能参数为原煤的水分80,灰分30,介质27,粒度为100,入洗煤量162;筛分设备B的输入数据为脱介设备A处理后的煤的性能参数,筛分设备B的处理量为入洗煤量162;经筛分设备B处理后的煤的性能参数为原煤的水分80,灰分30,介质27,粒度为70,入洗煤量162;脱水设备C的输入数据为筛分设备B的输出数据,脱水设备C的处理量为入洗煤量162;经脱水设备C处理后的煤的性能参数为原煤的水分32,灰分30,介质27,粒度为70,入洗煤量113.4;脱水设备D的输入数据为脱水设备C的输出数据,脱水设备D的处理量为入洗煤量113.4;经脱水设备D处理后的煤的性能参数为原煤的水分6.4,灰分30,介质27,粒度为70,入洗煤量79.38。
步骤S130、从预设的设备处理量负荷状态匹配表中,根据每个设备的处理量确定每个设备的实时负荷状态;判断每个设备的实时负荷状态是否满足处理目标,若满足,则将入洗煤量作为与处理目标相匹配的目标入洗煤量输出。
在本申请实施例中,设备处理量负荷状态匹配表可根据实际情况进行设定;例如设定脱水设备一次脱水10吨时为最佳负荷,一次脱水1吨为低负荷,一次脱水20吨为高负荷,一次脱水100吨为极限负荷。
在本申请实施例中,根据每个设备的处理量从预先设定的设备处理量负荷状态匹配表中确定该设备的实时负荷状态。
在本申请实施例中,在若每个设备的实时负荷状态均满足处理目标,则将入洗煤量作为与处理目标相匹配的目标入洗煤量输出之前,方法还包括:
根据处理目标的类型,调用与类型匹配的设备处理量模型;从调用的设备处理量模型中,确定与处理目标相匹配的各设备的处理量;从预设的设备处理量负荷状态匹配表中,提取与处理目标相匹配的各设备的处理量对应的负荷状态,得到与处理目标相匹配的各设备的目标负荷状态。
在本申请实施例中,设备处理量模型包括设备处理量和生产效果模型(即设备处理量-生产效果模型)以及设备处理量和生产成本模型(即设备处理量-生产成本模型)。
在本申请实施例中,设备处理量-生产效果模型是通过预先采集各个设备在不同处理量情况下的处理量和生产效果数据构建得到的;设备处理量-生产效果模型用于指导负荷计算结果更准确,同时预测不同入洗量情况下产品指标变化,从而提高选煤厂整体的生产效果。
在实际应用中,不同选煤厂用户可通过导入历史处理量数据和历史生产效果数据生成不同厂家、不同型号、不同工艺的不同设备的设备处理量-生产效果模型;也可通过构建的选煤厂数字孪生模型进行多次仿真模拟得到不同设备的不同生产效果数据,构建不同厂家、不同型号、不同工艺的不同设备的设备处理量-生产效果模型。
在本申请实施例中,设备处理量-生产成本模型是通过预先采集设备不同处理量情况下的选煤厂的可控生产成本数据构建得到的,用于指导负荷计算,分析当前煤质及工艺条件下,选煤厂最低成本生产方式。具体的,选煤厂的可控生产成本包括:电耗、水耗、介耗、设备维修费、设备折旧费;其中,吨煤电耗、吨煤药耗可通过在线仪表采集;吨煤介耗、吨煤设备维修费、吨煤设备折旧费可通过设备录入。
在实际应用中,不同选煤厂用户可通过导入历史处理量数据和历史生产成本数据生成不同厂家、不同型号、不同工艺的不同设备的设备处理量-生产成本模型;也可通过构建的选煤厂数字孪生模型进行多次仿真模拟得到不同设备的不同生产成本数据,构建不同厂家、不同型号、不同工艺的不同设备的设备处理量-生产成本模型。
在本申请实施例中,处理目标中包含选煤厂所有设备对应的负荷状态,根据得到的每个设备的实时负荷状态与处理目标中对应设备的负荷状态的对比结果,判断每个设备的实时负荷状态是否满足处理目标;当且仅当所有设备均满足处理目标中的各设备的目标负荷状态时,将入洗煤量作为与处理目标相匹配的目标入洗煤量输出。
步骤S140、若不满足,根据设备的目标负荷状态,从预设的设备处理量负荷状态匹配表中,筛选得到与目标负荷状态对应的目标处理量;基于目标处理量,计算与处理目标相匹配的目标入洗煤量。
在本申请实施例中,基于目标处理量,计算与处理目标相匹配的目标入洗煤量,包括:
将设备的目标处理量,作为处理顺序最后的设备的处理量;按照设备流程模型中各设备的处理顺序的倒序排序结果,依次利用各设备的处理规则计算处理顺序最后的设备的处理量对应的煤的性能参数;将计算得到的处理顺序最先的设备输入的煤的性能参数中的入洗煤量,作为与处理目标相匹配的目标入洗煤量输出。
在本申请实施例中,以最后一个设备的输出数据作为已知量,根据每个设备的处理规则逆推初始设备的输入数据,从而得到与处理目标相匹配的目标入洗煤量。
举例说明,选煤厂共计包含3个工艺流程,分别为脱介、筛分和脱水;其中,脱介流程利用一台脱介设备A,筛分流程利用一台筛分设备B,离线脱水流程利用两台脱水设备C和D,则按照处理顺序排列该选煤厂的所有设备的顺序为:A、B、C、D;脱介设备A的处理性能参数为介质,处理规则为介质减少10%,重量减少10%;筛分设备B的处理性能参数为粒度,处理规则为粒度减少30%;脱水设备C和D的处理性能参数为水分,脱水设备C的处理规则为水分减少60%、重量减少30%,脱水设备D的处理规则为水分减少80%、重量减少30%。
根据计算,最终脱水设备D输出的入洗煤量与处理目标中各设备的处理量不符,因此将处理目标中各设备的处理量作为脱水设备D的输出数据,依次逆推计算,得到脱介设备A的输入数据,即为与处理目标相匹配的目标入洗煤量。
在本申请实施例中,向已经预先建立好具备处理顺序先后关系、计算逻辑的设备流程模型中输入年处理量、年生产天数、日工作小时数可得到单位小时时间内的原煤入洗量,其中,原煤小时处理量=年处理量/年生产天数/日工作小时数(年处理量需将单位换算为t/h);选择入洗原煤(即待处理煤)的煤质资料,即可根据原煤的粒度特征(筛分资料可反映出)、密度特征(浮沉资料可反映出),以及各个工艺流程的处理规则,输出选煤厂全工艺流程参数计算结果并将结果穿透至每台设备上。
在本申请实施例中,设备流程模型上每台设备均具有实时过煤量、水介量的数据,并可将上述数据进行上层运用。
在本申请的一个实施例中,如图2所示,选煤厂负荷动态计算方法可包括如下步骤:
首先,输入入洗煤量(即实时检测数据)、煤质资料,并对煤质资料进行校正;其次,根据工艺流程计算各工艺流程、各设备处理后的煤的性能参数和各工艺流程、各设备的处理量;然后,获取询优条件(即处理目标);最后,确定计算得到的处理量是否满足询优条件,若满足,则输出输入的入洗煤量为目标入洗煤量,否则,计算目标入洗煤量输出。
与上述方法对应的,本申请实施例还提供一种选煤厂负荷动态计算装置,如图3所示,该选煤厂负荷动态计算装置包括:
获取单元310,用于获取待处理煤的煤质资料、实时检测数据、处理目标和预先构建的选煤厂的数字化孪生模型;其中,数字化孪生模型包括选煤厂的设备流程模型;设备流程模型是选煤厂的所有设备按照处理顺序构建得到的;实时检测数据包括:入洗煤量、灰分和流量;煤质资料包含待处理煤的性能参数;
校正单元320,用于利用实时检测数据对煤质资料进行校正,得到校正后的煤质资料;
动态计算单元330,用于将校正后的煤质资料输入设备流程模型中,得到每个设备的处理量和每个设备处理后的煤的性能参数;
负荷计算单元340,用于从预设的设备处理量负荷状态匹配表中,根据每个设备的处理量确定每个设备的实时负荷状态;若每个设备的实时负荷状态均满足处理目标,则将入洗煤量作为与处理目标相匹配的目标入洗煤量输出。
本申请上述实施例提供的选煤厂负荷动态计算装置的各功能单元的功能,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选煤厂负荷动态计算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4所示,包括处理器410、通信接口420、存储器430和通信总线440,其中,处理器410,通信接口420,存储器430通过通信总线440完成相互间的通信。
存储器430,用于存放计算机程序;
处理器410,用于执行存储器430上所存放的程序时,实现如下步骤:
获取待处理煤的煤质资料、实时检测数据、处理目标和预先构建的选煤厂的数字化孪生模型;其中,数字化孪生模型包括选煤厂的设备流程模型;设备流程模型是选煤厂的所有设备按照处理顺序构建得到的;实时检测数据包括:入洗煤量、灰分和流量;煤质资料包含待处理煤的性能参数;
利用实时检测数据对煤质资料进行校正,得到校正后的煤质资料;
将校正后的煤质资料输入设备流程模型中,得到每个设备的处理量和每个设备处理后的煤的性能参数;
从预设的设备处理量负荷状态匹配表中,根据每个设备的处理量确定每个设备的实时负荷状态;若每个设备的实时负荷状态均满足处理目标,则将入洗煤量作为与处理目标相匹配的目标入洗煤量输出。
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1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的选煤厂负荷动态计算方法。
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的选煤厂负荷动态计算方法。
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。所以,所附权利要求意欲解释为包括优选实施例以及落入本申请实施例中范围的所有变更和修改。
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。这样,倘若本申请实施例中实施例的这些修改和变型属于本申请实施例中权利要求及其等同技术的范围之内,则本申请实施例中也意图包含这些改动和变型在内。
Claims (8)
1.一种选煤厂负荷动态计算方法,其特征在于,所述方法包括:
获取待处理煤的煤质资料、实时检测数据、处理目标和预先构建的选煤厂的数字化孪生模型;其中,所述数字化孪生模型包括选煤厂的设备流程模型;所述设备流程模型是选煤厂的所有设备按照处理顺序构建得到的;所述实时检测数据包括:入洗煤量、灰分和流量;所述煤质资料包含待处理煤的性能参数;每个设备均设置有相应的处理规则;
利用所述实时检测数据对所述煤质资料进行校正,得到校正后的煤质资料;
将所述校正后的煤质资料输入所述设备流程模型中,得到每个设备的处理量和每个设备处理后的煤的性能参数;
从预设的设备处理量负荷状态匹配表中,根据所述每个设备的处理量确定每个设备的实时负荷状态;
若所述每个设备的实时负荷状态均满足所述处理目标,则将所述入洗煤量作为与所述处理目标相匹配的目标入洗煤量输出;
若所述每个设备的实时负荷状态均满足所述处理目标,则将所述入洗煤量作为与所述处理目标相匹配的目标入洗煤量输出,包括:
若任一设备的实时负荷状态不满足所述设备的目标负荷状态,则根据所述设备的目标负荷状态,从所述预设的设备处理量负荷状态匹配表中,筛选得到与所述目标负荷状态对应的目标处理量;
将所述设备的目标处理量,作为处理顺序最后的设备的处理量;
按照所述设备流程模型中各设备的处理顺序的倒序排序结果,依次利用各设备的处理规则计算所述处理顺序最先的设备的处理量对应的煤的性能参数;
将计算得到的处理顺序最先的设备输入的煤的性能参数中的入洗煤量,作为与所述处理目标相匹配的目标入洗煤量输出。
2.如权利要求1所述的方法,其特征在于,所述待处理煤的性能参数包括:参考入洗煤量、参考灰分和参考流量;
利用所述实时检测数据对所述煤质资料进行校正,得到校正后的煤质资料,包括:
将实时检测数据中的入洗煤量、灰分和流量,分别换所述煤质资料中对应的参考入洗煤量、参考灰分和参考流量,得到校正后的入洗煤量、校正后的灰分和校正后的流量;
基于所述校正后的入洗煤量、校正后的灰分、校正后的流量和煤质资料中除参考入洗煤量、参考灰分和参考流量外的其他数据,得到校正后的煤质资料。
3.如权利要求2所述的方法,其特征在于,每个设备均设置有相应的处理性能参数;
将所述校正后的煤质资料输入所述设备流程模型中,得到每个设备的处理量和每个设备处理后的煤的性能参数,包括:
按照所述设备流程模型中各设备的处理顺序,依次利用各设备的处理规则,对所述校正后的煤质资料中与所述处理性能参数对应的性能参数进行处理,得到每个设备处理后的性能参数;
将任一设备处理后的性能参数中的入洗煤量,作为处理顺序在所述设备后的设备的处理量。
4.如权利要求1所述的方法,其特征在于,设备的目标负荷状态的确定,包括:
根据所述处理目标的类型,调用与所述类型匹配的设备处理量模型;其中,所述处理目标的类型包括生产效果目标和生产成本目标;所述设备处理量模型包括设备处理量和生产效果模型以及设备处理量和生产成本模型;
从调用的所述设备处理量模型中,确定与所述处理目标相匹配的各设备的处理量;
从所述预设的设备处理量负荷状态匹配表中,提取与所述处理目标相匹配的各设备的处理量对应的负荷状态,得到与所述处理目标相匹配的各设备的目标负荷状态。
5.如权利要求1所述的方法,其特征在于,若所述每个设备的实时负荷状态均满足所述处理目标,则将所述入洗煤量作为与所述处理目标相匹配的目标入洗煤量输出,还包括:
若任一设备的实时负荷状态均满足所述设备的目标负荷状态,则将所述入洗煤量作为与所述处理目标相匹配的目标入洗煤量输出。
6.一种选煤厂负荷动态计算装置,其特征在于,所述装置包括:
获取单元,用于获取待处理煤的煤质资料、实时检测数据、处理目标和预先构建的选煤厂的数字化孪生模型;其中,所述数字化孪生模型包括选煤厂的设备流程模型;所述设备流程模型是选煤厂的所有设备按照处理顺序构建得到的;所述实时检测数据包括:入洗煤量、灰分和流量;所述煤质资料包含待处理煤的性能参数;
校正单元,用于利用所述实时检测数据对所述煤质资料进行校正,得到校正后的煤质资料;
动态计算单元,用于将所述校正后的煤质资料输入所述设备流程模型中,得到每个设备的处理量和每个设备处理后的煤的性能参数;
负荷计算单元,用于从预设的设备处理量负荷状态匹配表中,根据所述每个设备的处理量确定每个设备的实时负荷状态;若所述每个设备的实时负荷状态均满足所述处理目标,则将所述入洗煤量作为与所述处理目标相匹配的目标入洗煤量输出;若任一设备的实时负荷状态不满足所述设备的目标负荷状态,则根据所述设备的目标负荷状态,从所述预设的设备处理量负荷状态匹配表中,筛选得到与所述目标负荷状态对应的目标处理量;将所述设备的目标处理量,作为处理顺序最后的设备的处理量;按照所述设备流程模型中各设备的处理顺序的倒序排序结果,依次利用各设备的处理规则计算所述处理顺序最先的设备的处理量对应的煤的性能参数;将计算得到的处理顺序最先的设备输入的煤的性能参数中的入洗煤量,作为与所述处理目标相匹配的目标入洗煤量输出。
7.一种电子设备,其特征在于,所述电子设备包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
存储器,用于存放计算机程序;
处理器,用于执行存储器上所存储的程序时,实现权利要求1-5任一所述的方法。
8.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1-5任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410081471.3A CN117592771B (zh) | 2024-01-19 | 2024-01-19 | 一种选煤厂负荷动态计算方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410081471.3A CN117592771B (zh) | 2024-01-19 | 2024-01-19 | 一种选煤厂负荷动态计算方法、装置、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117592771A CN117592771A (zh) | 2024-02-23 |
CN117592771B true CN117592771B (zh) | 2024-04-30 |
Family
ID=89917046
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410081471.3A Active CN117592771B (zh) | 2024-01-19 | 2024-01-19 | 一种选煤厂负荷动态计算方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117592771B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114912166A (zh) * | 2022-03-30 | 2022-08-16 | 中煤(天津)地下工程智能研究院有限公司 | 选煤厂数字孪生平台、建设处理方法及电子设备 |
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 CN202410081471.3A patent/CN117592771B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114912166A (zh) * | 2022-03-30 | 2022-08-16 | 中煤(天津)地下工程智能研究院有限公司 | 选煤厂数字孪生平台、建设处理方法及电子设备 |
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 (1)
Title |
---|
凉水井选煤厂能力提升工艺优化设计;刘丽君;;煤炭工程;20180520(第05期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN117592771A (zh) | 2024-02-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN202075272U (zh) | 一种应用于污水处理的软测量系统 | |
CN110276556A (zh) | 一种基于多策略的环境承载力指标权重计算方法及装置 | |
WO2018214364A1 (zh) | 一种降水预报精度评定方法 | |
CN114841453A (zh) | 一种浮选过程的精煤灰分预测方法 | |
CN117592771B (zh) | 一种选煤厂负荷动态计算方法、装置、设备及介质 | |
CN115826509A (zh) | 一种控制方法、装置、电子设备及存储介质 | |
CN100570327C (zh) | 测量水力旋流器固液分离溢流粒度分布的支持向量机方法 | |
CN111932391B (zh) | 一种碎矿或磨矿流程考察粒度分布数据一致性修正的计算方法 | |
CN110706757A (zh) | 预测选矿回水中残留絮凝剂浓度的方法 | |
CN111060674A (zh) | 一种土壤养分综合评价方法和设备 | |
CN110706004A (zh) | 一种基于层次聚类的农田重金属污染物溯源方法 | |
CN111274123A (zh) | 基于软件基因的安全防护软件测试集自动生成方法、架构 | |
CN114524530B (zh) | 一种雨水利用方法和系统 | |
CN114971354A (zh) | 一种水质等级评价方法、装置及介质 | |
CN115640937A (zh) | 垃圾分类指数的评估方法和装置、电子设备和存储介质 | |
CN114972913A (zh) | 结合深度学习与xrf的岩屑识别方法、系统、介质及设备 | |
CN117610890B (zh) | 一种选煤厂参数动态计算方法、装置、设备及介质 | |
CN111161121B (zh) | 确定河流水质对流域土地利用组成响应突变的方法及系统 | |
CN112990499A (zh) | 基于浓度监测调控的废水再利用系统、方法及电子设备 | |
CN116758342B (zh) | 一种基于稀土矿产区域的大气污染等级评估方法及装置 | |
Moosakazemi et al. | A novel procedure for performance assessment of paste thickeners | |
CN115796472B (zh) | 能源的计量处理方法、装置、电子设备及可读存储介质 | |
Dong et al. | Total factor productivity of China’s marine economy: A meta-analysis | |
CN115983882B (zh) | 一种基于自然资源利用的国土空间重构方法 | |
CN117591817B (zh) | 煤质资料动态校正方法、装置、电子设备及存储介质 |
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 |