【技术实现步骤摘要】
本专利技术涉及焦化生产优化，尤其涉及一种炼焦生产多工段联合多目标优化方法、系统、设备及介质。
技术介绍
1、焦化工业的核心生产场景是焦炉炼焦。炼焦生产有多个工段且前后连续，主要有配煤工段、焦炉温压操控工段以及推焦操作工段。
2、传统的炼焦生产有着工业指标化验数据滞后性、工艺机理复杂配煤难不精准、焦炉生产环境设置依赖过往经验主观性强等问题，因此建立基于数据驱动的炼焦生产ai（人工智能）优化能力一直是研究的热点与难点。近年来出现了很多使用炼焦历史生产数据来训练生产预测模型并使用智能算法优化的研究工作，主要集中在两方面：
3、其一，配煤优化方面。文献1（zi jk, jin f, zhao j, et al. a multi-objective simulated annealing algorithm-based coal blending optimizationapproach in coking process[c]// 2020 ieee intl conf on dependable, autonomicand secure computing, intl conf on pervasive intelligence and computing, intlconf on cloud and big data computing, intl conf on cyber science andtechnology congress (dasc/picom/cbdcom/cyberscitech). ca
4、其二，焦炉能耗优化方面。文献4（tian z, li s, wang y. the multi-objectiveoptimization model of flue aimed temperature of coke oven[j]. journal ofchemical engineering of japan,2018,51(8):683-694.）分析了焦炭质量、焦炭收率、焦化能耗与烟道目标温度之间的关联模型，并以焦炭收率最大和焦化能耗最小为优化对象，焦炭质量和生产边界为约束，构建焦炉火道温度多目标遗传算法优化模型以得到焦炉烟道目标温度最优值，有效降低能耗；文献5（李爱莲,孟冠杰.焦炉火道温度稳定性优化控制仿真[j].计算机仿真,2018,35(07):265-268+309.）提出基于软测量与设定值优化的火道温度闭环控制方案，结合海量现场数据和专家系统建立优化模型得到能耗小、产高的目标火道标准温度值，采用最小二乘支持向量机模型实现了火道温度软测量；文献6（李爱莲,毕泽伟.焦炉集气管压力设定值多目标优化研究[j].计算机仿真,2020,37(04):260-264+351.）利用炼焦生产历史数据，分别建立炼焦能耗、焦炭质量和产量与集气管压力的关联模型，并通过优化模型计算出最优生产目标，得出对应的集气管压力设定值。
5、但是，以上文献主要存在以下三点问题：
6、问题一，已有研究工作多聚焦在单一工段的预测建模与优化。例如配煤优化重点探究在复杂工艺约束条件下的最优配煤配比的选择。然而配煤操作发生在配合煤进入焦炉之前，因此没有考虑到焦炉生产环境设置和配煤配比对产品质量、生产成本、环保因素的共振影响。
7、问题二，已有多目标进化方法求解多目标优化问题时无法很好地逼近真实帕累托前沿，且优化过程也较容易失去种群多样性。
8、问题三，已有研究工作的目标是寻找最优解集，在实际工程应用中仍旧依赖人工从最优解集中选择一个解作为实际投入执行的生产方案，人工选择在焦炉操作控制这样对指令的实时性、唯一性要求较高的工段存在一定的主观性。
9、在炼焦生产的加热过程中，火道温度、集气管压力、结焦时间等生产环境设置与生产原料配合煤的质量指标形成共振，二者相互耦合，共同决定最终产品焦炭的硫分、灰分、抗碎强度、耐磨强度等质量指标和炼焦能耗等经济指标、环保指标，但是，由于以上文献存在上述问题，从而导致实际生产的质量指标、经济指标、环保指标尚有巨大的优化空间。
10、有鉴于此，特提出本专利技术。
技术实现思路
1、本专利技术的目的是提供一种炼焦生产多工段联合多目标优化方法、系统、设备及介质，可以在确保焦炭质量的前提下，提高焦炭产率并且降低焦炉能耗，最终获得的最优决策变量能够便捷地与生产线的业务系统结合，易实践易推广。
2、本专利技术的目的是通过以下技术方案实现的：
3、一种炼焦生产多工段联合多目标优化方法，包括：
4、采集历史生产数据并进行数据预处理，获得历史生产数据训练集；
5、利用所述历史生产数据训练集训练出炼焦生产预测模型，包括：焦炭质量预测模型、炼焦能耗预测模型与焦炭产率预测模型；
6、以焦炭质量预测模型作为约束条件，以炼焦能耗预测模型与焦炭产率预测模型作为待优化的目标函数，建立有约束的多目标优化问题模型，所述有约束的多目标优化问题模型的决策变量为焦炭质量预测模型、炼焦能耗预测模型与焦炭产率预测模型的决策变量的并集，所述焦炭质量预测模型、炼焦能耗预测模型与焦炭产率预测模型的决策变量为数据预处理中选出的作为相应模型输入的特征数据；
7、使用基于多种群动态协同进化的多目标粒子群优化算法求解所述有约束的多目标优化问题模型，获得满足约束条件的帕累托最优解集；
8、从所述帕累托最优解集中选出最优解作为所述有约束的多目标优化问题模型的最优决策变量，基于最优决策变量生成最优解决方案，将所述最优解决方案用于生产部署。
9、一种炼焦生产多工段联合多目标优化系统，包括：
10、数据采集与预处理单元，用于采集历史生产数据并进行数据预处理，获得历史生产数据训练集；
11、模型训练单元，用于利用所述历史生产数据训练集训练出炼焦生产预测模型，包括：焦炭质量预测模型、炼焦能耗预测模型与焦炭产率预测模型；
12、有约束的多目标优化问题模型构建单元，用于以焦炭质量预测模型作为约束条件，以炼焦能耗预测模型与焦炭产率预测模型作为待优化的目标函数，建立有约束的多目标优化问题模型，所述有约束的多目标优化问题模本文档来自技高网...
【技术保护点】
1.一种炼焦生产多工段联合多目标优化方法，其特征在于，包括：
2.根据权利要求1所述的一种炼焦生产多工段联合多目标优化方法，其特征在于，所述数据预处理包括：
3.根据权利要求1所述的一种炼焦生产多工段联合多目标优化方法，其特征在于，所述利用所述历史生产数据训练集训练出炼焦生产预测模型包括：
4.根据权利要求1所述的一种炼焦生产多工段联合多目标优化方法，其特征在于，所述有约束的多目标优化问题模型表示为：
5.根据权利要求1所述的一种炼焦生产多工段联合多目标优化方法，其特征在于，所述使用基于多种群动态协同进化的多目标粒子群优化算法求解所述有约束的多目标优化问题模型，获得满足约束条件的帕累托最优解集包括：
6.根据权利要求5所述的一种炼焦生产多工段联合多目标优化方法，其特征在于，所述基于多种群动态协同进化的粒子群优化算法生成新种群的步骤包括：
7.根据权利要求4所述的一种炼焦生产多工段联合多目标优化方法，其特征在于，所述从所述帕累托最优解集中选出最优解作为所述有约束的多目标优化问题模型的最优决策变量包括：
<...【技术特征摘要】
1.一种炼焦生产多工段联合多目标优化方法，其特征在于，包括：
2.根据权利要求1所述的一种炼焦生产多工段联合多目标优化方法，其特征在于，所述数据预处理包括：
3.根据权利要求1所述的一种炼焦生产多工段联合多目标优化方法，其特征在于，所述利用所述历史生产数据训练集训练出炼焦生产预测模型包括：
4.根据权利要求1所述的一种炼焦生产多工段联合多目标优化方法，其特征在于，所述有约束的多目标优化问题模型表示为：
5.根据权利要求1所述的一种炼焦生产多工段联合多目标优化方法，其特征在于，所述使用基于多种群动态协同进化的多目标粒子群优化算法求解所述有约束的多目标优化问题模型，获得满足约束条件的帕累托最优解...
【专利技术属性】
技术研发人员：李晓洁，黄庚，沈青华，陈恩红，
申请(专利权)人：中国科学技术大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。