一种烧结配料优化方法技术

本发明专利技术提供一种烧结配料优化方法，包括步骤：基于工厂历史生产中混合料性能、生产工艺参数、烧结矿成分与质量，采用机器学习算法构建混合料性能预报模型；以含铁原料配料成本最低为目标函数，结合工厂原料条件与库存情况，构建烧结原料的一配配比计算模型与二配配比计算模型；根据混合料性能预报模型预测得到的混合料性能，采用智能优化算法对一配配比计算模型与二配配比计算模型进行求解，获得满足要求的烧结实时原料配比。本发明专利技术所述烧结配料优化方法具有实时性强、参数融合性高、能在线动态调整原料配比、成本低、烧结矿配料质量高等特点，可广泛应用于配料领域。可广泛应用于配料领域。可广泛应用于配料领域。

【技术实现步骤摘要】
一种烧结配料优化方法


[0001]本专利技术涉及配料技术，特别是涉及一种烧结配料优化方法。

技术介绍

[0002]烧结配料是以烧结工艺规定的烧结矿成分与质量为目标，根据当前原料的物理特性、化学成分和库存量，确定合适原料配比的过程。配料效果的好坏将直接影响到烧结矿的化学成分、质量指标以及使用原料的成本。与拥有固定矿源的国外钢铁企业不同，国内钢铁企业烧结生产所用原料存在来源和供应不稳定、品种杂、原料成分波动大等问题，这使得原料结构的复杂程度增加，给烧结生产的快速、精准配矿带来了很大困难。
[0003]烧结配料是受多因素限制的复杂工艺过程。针对烧结配料优化问题，许多学者进行了大量的有益研究。但是，大多数研究方法只能离线给出原料配比，无法实现原料配比的实时动态调整。此外，烧结矿的质量与配料步骤中产生的原始混合物以及操作参数和状态参数密切相关，大部分配料建模与优化研究没有充分考虑烧结生产过程参数对烧结矿成分和质量的影响。
[0004]现有技术中，烧结配料存在无法实时地动态调整原料配比、没有充分考虑生产过程参数、成本较高、烧结矿配料质量较差等问题。

技术实现思路

[0005]有鉴于此，本专利技术的主要目的在于提供一种能实时地动态调整原料配比、充分考虑了生产过程参数、成本较低、烧结矿配料质量高的烧结配料优化方法。
[0006]为了达到上述目的，本专利技术提出的技术方案为：
[0007]一种烧结配料优化方法，包括如下步骤：
[0008]步骤1、基于工厂历史生产中混合料性能、生产工艺参数、烧结矿成分与质量，采用机器学习算法构建混合料性能预报模型。
[0009]步骤2、以含铁原料配料成本最低为目标函数，结合工厂原料条件与库存情况，构建烧结原料的一配配比计算模型与二配配比计算模型。
[0010]步骤3、根据步骤1构建的混合料性能预报模型预测得到的混合料性能，采用智能优化算法对步骤2中的一配配比计算模型与二配配比计算模型进行求解，获得满足要求的烧结实时原料配比。
[0011]综上所述，本专利技术所述烧结配料优化方法首先充分融合考虑了工厂历史生产中混合料性能、生产工艺参数、烧结矿成分与质量等各类情况，构建了混合料性能预报模型，以获得每次烧结配料的混合料性能。实际中，由于混合料为中和矿、返矿、非铁原料的混合物，而且，中和矿与非铁原料也时常发生变化，所以通过混合料性能预报模型可以比较准确地预测每次烧结所采用的混合料性能。其次，针对混合料中的中和矿，由于中和矿中各成分随着实际矿产资源发生变化，故中和矿是时常变化的，为此，通过一配配比计算模型确定每次烧结所采用的各中和矿的配比；同时，由于混合料中的非铁原料，比如，溶剂、燃料等，也是
随着实际矿产和生产状况发生变化的，故通过二配配比计算模型确定每次烧结所采用的中和矿、返矿、各非铁原料的配比。这样，就确定了每次烧结所采用的原料成分配比，并且选择含铁原料配料成本最低的配料作为该次烧结的原料。由于对于混合料性能的预测、一配配比计算模型与二配配比计算模型的求解均采用了机器学习与智能优化算法，因此，本专利技术所述烧结配料优化方法在充分融合考虑了各生产过程参数的基础上，能在线实时地动态调整原料配比；而且，本专利技术所述烧结配料优化方法以含铁原料配料成本最低为目标，克服了基于人工经验优化原料的局限性，使得烧结配料还同时具有成本较低、烧结矿配料质量高的特点，为烧结中小幅变料操作提供科学、快速的决策指导。
附图说明
[0012]图1为本专利技术所述烧结配料优化方法的总体流程示意图。
[0013]图2为本专利技术实施例中LightGBM模型对混合料中全铁含量预测的测试效果图。
[0014]图3为本专利技术实施例中LightGBM模型对混合料中五氧化二钒含量预测的测试效果图。
[0015]图4为本专利技术实施例中LightGBM模型对混合料中CaO/SiO2预测的测试效果图。
具体实施方式
[0016]为使本专利技术的目的、技术方案和优点更加清楚，下面将结合附图及具体实施例对本专利技术作进一步地详细描述。
[0017]图1为本专利技术所述烧结配料优化方法的总体流程示意图。如图1所示，本专利技术所述一种烧结配料优化方法，包括如下步骤：
[0018]步骤1、基于工厂历史生产中混合料性能、生产工艺参数、烧结矿成分与质量，采用机器学习算法构建混合料性能预报模型。
[0019]步骤2、以含铁原料配料成本最低为目标函数，结合工厂原料条件与库存情况，构建烧结原料的一配配比计算模型与二配配比计算模型。
[0020]步骤3、根据步骤1构建的混合料性能预报模型预测得到的混合料性能，采用智能优化算法对步骤2中的一配配比计算模型与二配配比计算模型进行求解，获得满足要求的烧结实时原料配比。
[0021]总之，本专利技术所述烧结配料优化方法首先充分融合考虑了工厂历史生产中混合料性能、生产工艺参数、烧结矿成分与质量等各类情况，构建了混合料性能预报模型，以获得每次烧结配料的混合料性能。实际中，由于混合料为中和矿、返矿、非铁原料的混合物，而且，中和矿与非铁原料也时常发生变化，所以通过混合料性能预报模型可以比较准确地预测每次烧结所采用的混合料性能。其次，针对混合料中的中和矿，由于中和矿中各成分随着实际矿产资源发生变化，故中和矿是时常变化的，为此，通过一配配比计算模型确定每次烧结所采用的各中和矿的配比；同时，由于混合料中的非铁原料，比如，溶剂、燃料等，也是随着实际矿产和生产状况发生变化的，故通过二配配比计算模型确定每次烧结所采用的中和矿、返矿、各非铁原料的配比。这样，就确定了每次烧结所采用的原料成分配比，并且选择含铁原料配料成本最低的配料作为该次烧结的原料。由于对于混合料性能的预测、一配配比计算模型与二配配比计算模型的求解均采用了机器学习与智能优化算法，因此，本专利技术所
述烧结配料优化方法在充分融合考虑了各生产过程参数的基础上，能在线实时地动态调整原料配比；而且，本专利技术所述烧结配料优化方法以含铁原料配料成本最低为目标，克服了基于人工经验优化原料的局限性，使得烧结配料还同时具有成本较低、烧结矿配料质量高的特点，为烧结中小幅度变料操作提供科学、快速的决策指导。
[0022]本专利技术步骤1中，所述混合料性能包括：混合料成分、混合料水分、混合料粒度组成；所述混合料成分包括：全铁TFe、三氧化二铝Al2O3、氧化镁MgO、氧化钙CaO、二氧化硅SiO2、硫S、磷P、碱度R。
[0023]本专利技术中，所述步骤1具体包括如下步骤：
[0024]步骤11、收集并整合最近两年烧结全流程参数数据，采用数据库软件将整合得到的烧结全流程参数数据处理为频次为1小时的连续样本。
[0025]步骤12、采用变量重要性排序法，对步骤11得到的烧结全流程参数数据连续样本与混合料成分之间的相关性进行排序，并剔除重要性分数(IS)小于30的烧结全流程参数。
[0026]步骤13、将每种混合料成分作为输出，将与每种混合料成分对应的步骤12中保留下来的烧结全流程参数作为输本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种烧结配料优化方法，其特征在于，所述优化方法包括如下步骤：步骤1、基于工厂历史生产中混合料性能、生产工艺参数、烧结矿成分与质量，采用机器学习算法构建混合料性能预报模型；步骤2、以含铁原料配料成本最低为目标函数，结合工厂原料条件与库存情况，构建烧结原料的一配配比计算模型与二配配比计算模型；步骤3、根据步骤1构建的混合料性能预报模型预测得到的混合料性能，采用智能优化算法对步骤2中的一配配比计算模型与二配配比计算模型进行求解，获得满足要求的烧结实时原料配比。2.根据权利要求1所述的一种烧结配料优化方法，其特征在于，步骤1中，所述混合料性能包括：混合料成分、混合料水分、混合料粒度组成；所述混合料成分包括：全铁TFe、三氧化二铝Al2O3、氧化镁MgO、氧化钙CaO、二氧化硅SiO2、硫S、磷P、碱度R。3.根据权利要求1所述的一种烧结配料优化方法，其特征在于，所述步骤1具体包括如下步骤：步骤11、收集并整合最近两年烧结全流程参数数据，采用数据库软件将整合得到的烧结全流程参数数据处理为频次为1小时的连续样本；步骤12、采用变量重要性排序法，对步骤11得到的烧结全流程参数数据连续样本与混合料成分之间的相关性进行排序，并剔除重要性分数(IS)小于30的烧结全流程参数；步骤13、将每种混合料成分作为输出，将与每种混合料成分对应的步骤12中保留下来的烧结全流程参数作为输入，采用轻量级梯度提升机模型作为混合料性能预报模型；步骤14、对于步骤13构建的混合料性能预报模型而言，按照均方根误差最小的原则，采用贝叶斯优化方法从混合料性能预报模型的超参数集合中确定每种混合料成分预报模型的最优超参数集合。4.根据权利要求3所述的一种烧结配料优化方法，其特征在于，所述全流程参数包括：烧结机有效烧结面积、烧结台车宽度与高度、原燃料性能、原燃料种类及名称、原料配比、料仓下料量、混合料性能、一混转速与时间、二混转速与时间、圆辊速度、九辊速度、烧结机机速、煤气压力、煤气流量、助燃风压力、助燃风流量、点火温度、料层厚度、风门开度、风机风量、每侧烟道废气温度、每侧烟道负压、每个风箱的废气温度、每个风箱负压、烧结矿成分、烧结矿转鼓指数、烧结矿筛分指数；其中，原燃料性能包括：原燃料成分、原燃料水分、原燃料粒度组成；其中，原燃料成分包括：包括全铁TFe、三氧化二铝Al2O3、氧化镁MgO、氧化钙CaO、二氧化硅SiO2、硫S、磷P；烧结矿成分包括：全铁TFe、三氧化二铝Al2O3、氧化镁MgO、氧化钙CaO、二氧化硅SiO2、硫S、磷P和碱度R；步骤14中，所述超参数集合包括：boosting_type、colsample_bytree、learning_rate、min_child_samples、num_leaves、reg_alpha、reg_lambda、subsample、subsample_for_bin、迭代次数。5.根据权利要求1或3所述的一种烧结配料优化方法，其特征在于，步骤2中，所述一配配比计算模型具体如下：计算中和矿中全铁TFe、三氧化二铝Al2O3、氧化镁MgO、氧化钙CaO、二氧化硅SiO2、硫S、
磷P的含量，具体如下：其中，中和矿为由m种含铁原料混合得到的混合物；z
i
为中和矿中第i种含铁原料的配比；TFe_neu、Al2O3_neu、MgO_neu、CaO_neu、SiO2_neu、S_neu、P_neu分别表示中和矿中的铁品位、中和矿中的三氧化二铝含量、中和矿中的氧化镁含量、中和矿中的氧化钙含量、中和矿中的二氧化硅含量、中和矿中的硫含量、中和矿中的磷含量；(TFe)
i
、(Al2O3)
i
、(MgO)
i
、(CaO)
i
、(SiO2)
i
、S
i
、P
i
分别表示中和矿中第i种含铁原料的铁品位、第i种含铁原料的三氧化二铝含量、第i种含铁原料的氧化镁含量、第i种含铁原料的氧化钙含量、第i种含铁原料的二氧化硅含量、第i种含铁原料的硫含量、第i种含铁原料的磷含量；p
i
表示第i种含铁原料的价格；F_neu表示中和矿的配料成本；min(F_neu)表示中和矿的最低配料成本；m、i为自然数，且1≤i≤m；同时，根据m种含铁原料的库存情况，中和矿中各含铁原料的配比、中和矿中的铁品位、中和矿中的三氧化二铝含量、中和矿中的氧化镁含量、中和矿中的氧化钙含量、中和矿中的二氧化硅含量、中和矿中的硫含量、中和矿中的磷含量满足如下约束关系：
其中，[z
i
]
max
、[z
i
]
min
分别第i种含铁原料的配比的设定上限、设定下限；[TFe_neu]
max
、[TFe_neu]
min
分别表示中和矿中的铁品位的设定上限、设定下限；[Al2O3_neu]
max
、[Al2O3_neu]
min
分别表示中和矿中的三氧化二铝含量的设定上限、设定下限；[MgO_neu]
max
、[MgO_neu]
min
分别表示中和矿中的氧化镁含量的设定上限、设定下限；[CaO_neu]
max
、[...

【专利技术属性】
技术研发人员：刘颂，赵志伟，甘丽，冯伟健，熊志坚，冯伟，赵亚迪，刘小杰，李欣，李福民，吕庆，
申请(专利权)人：华北理工大学，
类型：发明
国别省市：