一种基于煤岩学和遗传算法的煤场分堆方法技术

本发明专利技术涉及一种基于煤岩学和遗传算法的煤场分堆方法。其技术方案的步骤是：步骤一，测定煤场中各煤堆的镜质组随机反射率分布比例和测定来煤的镜质组随机反射率分布比例；步骤二、建立煤场分堆适应度数学模型Fitness；步骤三，采用遗传算法和煤场分堆适应度数学模型寻求最优煤场分堆方案；步骤四，根据最优分堆方案，用煤场分堆适应度数学模型Fitness得到最优分堆方案的适应度；若最优分堆方案的适应度中每个重合度值≥30%，则满足生产需求；若最优分堆方案的适应度中存在有重合度值＜30%，则返回步骤三。本发明专利技术将各煤堆和各煤堆的来煤的镜质组随机反射率分布比例的重合度作为煤场分堆适应度数学模型，具有简单高效和能够快速优化的特点。

【技术实现步骤摘要】

本专利技术属于煤场分堆
具体涉及一种基于煤岩学和遗传算法的煤场分堆方法。
技术介绍
焦化企业受场地限制，大多采用挥发分、粘结指数、胶质层厚度等煤分类指标指导堆放，将这些指标相同或相近的来煤堆放在一起。但上述指标对来煤分堆堆放后，常出现配煤与焦炭质量不稳定的情况，原因在于这些指标无法鉴别来煤的单混性，少数来煤堆放不合理即可导致配煤质量混乱。在堆放过程中造成的混杂会使以单煤形式堆放的煤堆形成混煤，使建立在单煤基础上的配煤炼焦理论难以适应，同时，也会造成对优质炼焦煤资源的浪费。而利用煤的镜质组随机反射率分布比例指标首先可以很好地鉴别单煤和混煤，其次，在比较来煤的镜质组随机反射率分布比例的相似程度的基础上，可以指导煤场来煤的合理堆放。近年来，随着焦化企业对煤的岩相分析仪器的引进，使得焦化企业对来煤的镜质组随机反射率分布比例的测定变得更加快速与便捷。同时，对煤的镜质组随机反射率分布图的应用研究也越来越普遍，如燕瑞华等的研究(燕瑞华，高志军，耿印权等.镜质组反射率分布图在配煤炼焦中的应用[J].燃料与化工，2001,32(5):227-230.)，提出了利用煤的镜质组反射率分布图鉴别混煤、指导煤场分堆和优化配煤结构，并取得了很好的效益；又如姚伯元等的研究(姚伯元,吴亚东.用煤反射率分布图指导煤场来煤的合理堆放[J].燃料与化工,2008,39(3):9-14.)，通过定义来煤离异值、来煤分布范围容纳度Fi(％)和来煤反射率分布图重叠度Ci(％)指标，来综合的指导煤场来煤的合理堆放。现有的分堆方法虽有很多优点，但在焦化企业实际生产中还存在以下不足：一是没有考虑煤场分堆的简易性和时效性；二是没有考虑当来煤的煤种复杂且数量多时，人工匹配的复杂度。
技术实现思路
本专利技术旨在克服现有技术的缺陷，目的是提供一种简单高效和快速优化的基于煤岩学和遗传算法的煤场分堆方法。为实现上述目的，本专利技术采用的技术方案的步骤是：步骤1、测定煤场中各煤堆的镜质组随机反射率分布比例和测定来煤的镜质组随机反射率分布比例。步骤2、建立煤场分堆适应度数学模型Fitness；Fitness＝[f1,f2,...,fi,...,fM](1)式(1)中：M表示煤场中的煤堆个数；i表示自然数，i＝1,2,3,…,M；fi表示第i号煤堆的来煤和第i号煤堆的镜质组随机反射率分布比例的重合度，fi=100n=0Σj=150(min(Rei,j,xi-1,j,xi-2,j,...,xi-k,j,...,xi-n,j))n>0---(2)]]>式(2)中：i表示自然数，i＝1,2,3,…,M；M表示煤场中的煤堆个数；n表示第i号煤堆的来煤种数；Rei,j表示第i号煤堆的镜质组随机反射率分布比例在第j点的数值；j表示自然数，j＝1,2,3,…,50；k表示自然数，k＝1,2,3,…,n；xi-k,j表示第i号煤堆的第k种来煤的镜质组随机反射率分布比例在第j点的数值；min表示取最小值。步骤3、采用遗传算法和煤场分堆适应度数学模型Fitness寻求最优煤场分堆方案，具体步骤是：步骤3.1、设来煤种数为D；采用整数编码，在[1,M]区间内构建初代种群个体，得到初代种群；初代种群个体的形式为：αt＝[b1,b2,...,bD](3)式(3)中，t表示初代种群个体的序号，t为自然数，t＝1,2,3,…,P；P表示初代种群个体总数；b表示初代种群个体的基因位点，b∈N∩b∈[1,M]；D表示来煤种数。步骤3.2、采用遗传算法中的单点交叉方法对初代种群个体进行交叉操作，交叉概率Pc＝0.6；采用变异概率的方式对初代种群个体进行变异操作，变异概率Pm＝0.2，形成遗传种群个体，得到遗传种群。步骤3.3、将初代种群和遗传种群合并为总种群；采用煤场分堆适应度数学模型Fitness计算总种群个体的适应度。步骤3.4、从总种群中获取Pareto最优个体；判断Pareto最优个体总数是否大于初代种群个体总数，若Pareto最优个体总数大于或等于初代种群个体总数，则采取随机抽取的方式从Pareto最优个体中选择出子代种群个体；若Pareto最优个体总数小于初代种群个体总数，则将Pareto最优个体全部选择到子代种群中，子代种群中其余个体在[1,M]区间内构建。步骤3.5、计算每一个Pareto最优个体的适应度的加和值，选择出适应度的加和值最大的Pareto最优个体为当代最优个体，保存当代最优个体。步骤3.6、清除初代种群中所有的个体，用子代种群中所有的个体填充到初代种群中；判断初代种群迭代次数是否大于最大迭代次数，若初代种群迭代次数大于最大迭代次数则算法终止，计算每一个当代最优个体的适应度的加和值，选择出适应度的加和值最大的当代最优个体为最优煤场分堆方案；若初代种群迭代次数小于或等于最大迭代次数则返回步骤3.2。步骤4、根据最优煤场分堆方案，利用煤场分堆适应度数学模型Fitness计算出最优煤场分堆方案的适应度；若最优煤场分堆方案的适应度中每一个重合度值大于或等于30％，则满足生产需求；若最优煤场分堆方案的适应度中存在有重合度值小于30％，则不满足生产需求，返回步骤3，直至最优煤场分堆方案的适应度中每一个重合度值大于或等于30％。由于采用上述技术方案，本专利技术与现有技术相比，其显著的有益效果体现在：1，本专利技术提出了将各煤堆与各煤堆的来煤的镜质组随机反射率分布比例的重合度作为煤场分堆适应度数学模型Fitness，该模型可以高效评价出煤场分堆方案的优劣，从而加快最优煤场分堆方案的选择。2，本专利技术采用以Pareto理论与遗传算法相结合的方式优化煤场分堆方案，该算法在迭代次数为100～300范围内稳定收敛，从而实现煤场分堆方案的快速优化。3，本专利技术以来煤的镜质组随机反射率分布比例和煤堆的镜质组随机反射率分布比例作为输入，无需其他评价指标，在遗传算法优化后，即可得到最优煤场分堆方案，从而实现了简单高效。因此，本专利技术具有简单高效和能够快速优化的特点。附图说明：图1为本专利技术的1号煤堆和1号煤堆的来煤的镜质组随机反射率分布直方图；图2为本专利技术的2号煤堆和2号煤堆的来煤的镜质组随机反射率分布直方图；图3为本专利技术的3号煤堆和3号煤堆的来煤的镜质组随机反射率分布直方图；图4为本专利技术的4号煤堆和4号煤堆的来煤的镜质组随机反射率分布直方图；图5为本专利技术的5号煤堆和5号煤堆的来煤的镜质组随机反射率分布直方图。具体实施方式：下面结合附图和具体实施方式对本专利技术作进一步的描述，并非对其保护范围的限制。实施例1一种基于煤岩学和遗传算法的煤场分堆方法。该方法的具体步骤是：步骤1、本实施例的某煤场的煤堆个数M为5，来煤种数为D为14，测定该煤场中5个煤堆的镜质组随机反射率分布比例和测定14种来煤的镜质组随机反射率分布比例(由于煤的镜质组随机反射率分布比例数据庞杂，故未罗列)，所述14种来煤的煤种类别如表1所示。表114种来煤的煤种类别步骤2、建立煤场分堆适应度数学模型Fitness。Fitness＝[f1,f2,f3,f4,f5](1)式(1)中，fi表示第i号煤堆的来煤和第i号煤堆的镜质组随机反射率分布比例的重合度，fi=100n=0Σj=150(min(Rei,j,xi-1,j,xi-2,本文档来自技高网...

【技术保护点】
一种基于煤岩学和遗传算法的煤场分堆方法，其特征在于所述煤场分堆方法的具体步骤是：步骤1、测定煤场中各煤堆的镜质组随机反射率分布比例和测定来煤的镜质组随机反射率分布比例；步骤2、建立煤场分堆适应度数学模型Fitness；Fitness＝[f1,f2,...,fi,...,fM]    (1)式(1)中：M表示煤场中的煤堆个数，i表示自然数，i＝1,2,3,…,M，fi表示第i号煤堆的来煤和第i号煤堆的镜质组随机反射率分布比例的重合度，fi=100n=0Σj=150(min(Rei,j,xi-1,j,xi-2,j,...,xi-k,j,...,xi-n,j))n>0---(2)]]>式(2)中：i表示自然数，i＝1,2,3,…,M，M表示煤场中的煤堆个数，n表示第i号煤堆的来煤种数，Rei,j表示第i号煤堆的镜质组随机反射率分布比例在第j点的数值，j表示自然数，j＝1,2,3,…,50，k表示自然数，k＝1,2,3,…,n，xi‑k,j表示第i号煤堆的第k种来煤的镜质组随机反射率分布比例在第j点的数值，min表示取最小值；步骤3、采用遗传算法和煤场分堆适应度数学模型Fitness寻求最优煤场分堆方案，具体步骤是：步骤3.1、设来煤种数为D；采用整数编码，在[1,M]区间内构建初代种群个体，得到初代种群；初代种群个体的形式为：αt＝[b1,b2,...,bD]    (3)式(3)中，t表示初代种群个体的序号，t为自然数，t＝1,2,3,…,P，P表示初代种群个体总数，b表示初代种群个体的基因位点，b∈N∩b∈[1,M]，D表示来煤种数；步骤3.2、采用遗传算法中的单点交叉方法对初代种群个体进行交叉操作，交叉概率Pc＝0.6；采用变异概率的方式对初代种群个体进行变异操作，变异概率Pm＝0.2，形成遗传种群个体，得到遗传种群；步骤3.3、将初代种群和遗传种群合并为总种群；采用煤场分堆适应度数学模型Fitness计算总种群个体的适应度；步骤3.4、从总种群中获取Pareto最优个体；判断Pareto最优个体总数是否大于初代种群个体总数，若Pareto最优个体总数大于或等于初代种群个体总数，则采取随机抽取的方式从Pareto最优个体中选择出子代种群个体；若Pareto最优个体总数小于初代种群个体总数，则将Pareto最优个体全部选择到子代种群中，子代种群中其余个体在[1,M]区间内构建；步骤3.5、计算每一个Pareto最优个体的适应度的加和值，选择出适应度的加和值最大的Pareto最优个体为当代最优个体，保存当代最优个体；步骤3.6、清除初代种群中所有的个体，用子代种群中所有的个体填充到初代种群中；判断初代种群迭代次数是否大于最大迭代次数，若初代种群迭代次数大于最大迭代次数则算法终止，计算每一个当代最优个体的适应度的加和值，选择出适应度的加和值最大的当代最优个体为最优煤场分堆方案；若初代种群迭代次数小于或等于最大迭代次数则返回步骤3.2；步骤4、根据最优煤场分堆方案，利用煤场分堆适应度数学模型Fitness计算出最优煤场分堆方案的适应度；若最优煤场分堆方案的适应度中每一个重合度值大于或等于30％，则满足生产需求；若最优煤场分堆方案的适应度中存在有重合度值小于30％，则不满足生产需求，返回步骤3，直至最优煤场分堆方案的适应度中每一个重合度值大于或等于30％。...

【技术特征摘要】
1.一种基于煤岩学和遗传算法的煤场分堆方法，其特征在于所述煤场分堆方法的具体步骤是：步骤1、测定煤场中各煤堆的镜质组随机反射率分布比例和测定来煤的镜质组随机反射率分布比例；步骤2、建立煤场分堆适应度数学模型Fitness；Fitness＝[f1,f2,...,fi,...,fM](1)式(1)中：M表示煤场中的煤堆个数，i表示自然数，i＝1,2,3,…,M，fi表示第i号煤堆的来煤和第i号煤堆的镜质组随机反射率分布比例的重合度，fi=100n=0Σj=150(min(Rei,j,xi-1,j,xi-2,j,...,xi-k,j,...,xi-n,j))n>0---(2)]]>式(2)中：i表示自然数，i＝1,2,3,…,M，M表示煤场中的煤堆个数，n表示第i号煤堆的来煤种数，Rei,j表示第i号煤堆的镜质组随机反射率分布比例在第j点的数值，j表示自然数，j＝1,2,3,…,50，k表示自然数，k＝1,2,3,…,n，xi-k,j表示第i号煤堆的第k种来煤的镜质组随机反射率分布比例在第j点的数值，min表示取最小值；步骤3、采用遗传算法和煤场分堆适应度数学模型Fitness寻求最优煤场分堆方案，具体步骤是：步骤3.1、设来煤种数为D；采用整数编码，在[1,M]区间内构建初代种群个体，得到初代种群；初代种群个体的形式为：αt＝[b1,b2,...,bD](3)式(3)中，t表示初代种群个体的序号，t为自然数，t＝1,2,3,…,P，P表示初代种群个体总数，b表示初代种群个体的基因位点，b∈N∩b∈[1,M]，D表示来煤种数；步骤3.2、采用遗传算法中的单点交叉方法...

【专利技术属性】
技术研发人员：王光辉，郑超，高芳，颜科求，罗东，王智勇，王勋，田永胜，舒大凡，安良，李旺，袁伟，
申请(专利权)人：武汉科技大学，河南省顺成集团煤焦有限公司，湖南煤化新能源有限公司，
类型：发明
国别省市：湖北;42