一种高炉配料与操作的协同多目标优化方法技术

本发明专利技术公开了一种多目标高炉配料与操作协同优化方法，由于难以从机理的角度描述决策变量与目标函数之间的函数关系，因此从数据驱动的角度使用人工神经网络方法对其进行建模并预测；同时根据质量守恒、热平衡原理及高炉冶炼机理建立高炉多目标优化模型的约束条件和目标函数，保证了所提方法的有效性。上述建模过程充分考虑了配料和高炉操作对炉况的影响，包括原本相对独立的高炉上部间歇式布料控制和下部连续式的喷煤鼓风等控制，因此可以有效地协调优化高炉上下部操作。

【技术实现步骤摘要】
一种高炉配料与操作的协同多目标优化方法
本专利技术属于工业过程建模、控制领域，特别涉及基于机理和数据的高炉配料与操作的多目标优化方法。
技术介绍
高炉炼铁过程具有典型的高能耗高排放特征，高炉上下部生产过程的规划协调是节能减排的必要手段。当前对炼铁高炉的下部调节主要为对煤粉喷吹、鼓风、富氧等操作参数进行调节，而上部调节主要为布料过程中，预先通过机理公式根据原料成分进行配料计算，仅当高炉炉况发生稳态偏差时才进行焦炭或者矿石比例的调整。上部配料参数和下部操作参数分开进行调节，二者间的联系不够紧密，难以避免地造成了额外的燃料损失和污染排放。当高炉的配料发生改变时，将引起炉况的波动并影响铁水质量，模型也该随之发生改变。在对高炉配料的优化过程中，结合操作参数进行炉料对炉况波动的影响分析，有利于提高模型的精度。同样，结合炉料变化进行操作参数设定值的大致确定，有利于减少系统的震荡，并提高控制的响应速度。限于高炉的多时空尺度、多耦合和大时滞特性，数据建模往往集中于局部过程，较难对高炉整体过程进行描述。机理建模能更宏观的描述高炉炼铁过程,但难以定量描述和实时跟踪。对高炉上部的配料和下部的煤粉喷出、鼓风控本文档来自技高网...

【技术保护点】
1.一种高炉配料与操作的协同多目标优化方法，其特征在于，包括以下步骤：步骤1：以高炉铁水的Si含量、P含量、S含量、Mn含量和C含量这5个铁水质量指标作为反映高炉运行的基本情况的中间参数；步骤2：根据高炉生产的实际情况确定多目标优化模型的优化目标和决策变量；步骤3：以所述决策变量作为输入，所述中间参数为输出，构建神经网络模型；步骤4：根据所述神经网络模型和元素平衡、物料平衡，对所述优化目标进行计算，得到所述优化目标的目标函数；步骤5：根据元素平衡、物料平衡和冶炼机理，确定所述多目标优化模型的约束条件；步骤6：利用NSGA‑Ⅱ算法求解所述多目标优化模型，得到帕累托最优解集。

【技术特征摘要】
1.一种高炉配料与操作的协同多目标优化方法，其特征在于，包括以下步骤：步骤1：以高炉铁水的Si含量、P含量、S含量、Mn含量和C含量这5个铁水质量指标作为反映高炉运行的基本情况的中间参数；步骤2：根据高炉生产的实际情况确定多目标优化模型的优化目标和决策变量；步骤3：以所述决策变量作为输入，所述中间参数为输出，构建神经网络模型；步骤4：根据所述神经网络模型和元素平衡、物料平衡，对所述优化目标进行计算，得到所述优化目标的目标函数；步骤5：根据元素平衡、物料平衡和冶炼机理，确定所述多目标优化模型的约束条件；步骤6：利用NSGA-Ⅱ算法求解所述多目标优化模型，得到帕累托最优解集。2.如权利要求1所述的高炉配料与操作的协同多目标优化方法，其特征在于，所述优化目标分别为燃料比、吨铁CO2排放和吨铁成本；所述决策变量包括配料参数和操作参数，配料参数分别为：烧结矿用量、球团矿用量、块矿用量、锰矿用量和焦炭用量，操作参数分别为：煤粉用量、鼓风量、吨铁氧耗、热风温度、压差和湿度。3.如权利要求2所述的高炉配料与操作的协同多目标优化方法，其特征在于，所述决策变量的确定方法如下：根据高炉实际运行数据，通过主成分分析法对高炉操作参数进行筛选，对筛选出的高炉操作参数，选取其中对所述中间参数影响大且在高炉炼铁过程中可以主动调节的作为决策变量中的操作参数，并选取若干个对所述中间参数影响较大的原料作为决策变量中的配料参数。4.如权利要求1所述的高炉配料与操作的协同多目标优化方法，其特征在于，所述神经网络模型的构建方法如下：以所述决策变量为作为神经网络模型的输入，以5个中间参数为输出，结合经验公式和数据测试，确定隐藏层节点个数，考虑静态优化的需求，采用高炉近期运行数据的日平均值，并进行数据剔除和预处理，对神经网络进行训练，最终确定与误差最小时的权值和阈值，构成三层BP神经...

【专利技术属性】
技术研发人员：许畅，杨根科，潘常春，王宏武，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：上海,31