【技术实现步骤摘要】
本专利技术属于冶金控制，具体涉及一种转底炉动态配料优化方法及系统。
技术介绍
1、转底炉，是冶金行业中一种采用直接还原工艺还原含碳金属球团的生产设备。近四十年来，转底炉(rotary hearth furnace,rhf)直接还原工艺发展迅速，它采用含碳球团作为反应物，主体反应设备为一台具有环形炉膛和可转动炉底的环形加热炉。含碳球团常采用含铁粉尘、煤粉、碳粉混合制备，也可以利用含碳量较高的除尘灰替代煤粉作为反应原料。材料在经过配料、混料、制球和干燥后，制备成球团，并在1250～1350℃的高温环境下随炉底旋转加热，球团内的铁氧化物与碳反应生成产物--直接还原铁(direct reducediron,dri)，产物经冷却后又可作为电炉、高炉、转炉以及熔分炉的原材料。
2、科学合理的进行原料配比是保障转底炉高效、高质生产的前提，其准确度将直接影响产物dri质量的合格与稳定，也会间接影响碳排放，生产成本等重要指标。目前的转底炉工艺主要被用于固废回收，它能处理钢铁厂生产过程中产生的大量含铁尘泥(100kg/吨铁)。转底炉可处理的原料类型众多，常见的原材料包括转炉尘、高炉灰、电炉灰、冷轧废料、铁精矿粉等。原料来源的广泛与成分的复杂，增加了转底炉配料的难度。
3、然而，由于生产条件恶劣且数字化程度较低，现有转底炉配料通常基于经验，或按特定比例进行配料，或人工计算，工作量大，效率较低，难以满足当前转底炉生产智能化的需求。当原料种类改变或成分波动时需要重复多次计算，并且难以找出最佳配料方案，从而导致生产效率下降、产品质量
技术实现思路
1、本专利技术的目的在于提供一种转底炉动态配料优化方法及系统，实现转底炉自动配料并优化
2、为了达到上述目的，本专利技术的基础方案为：一种转底炉动态配料优化方法，包括如下步骤：
3、基于机器学习模型与历史数据，预测各料仓的预期配料方案；
4、基于元素守恒机理和转底炉工艺要求，构建动态配料模型的约束条件及目标函数；
5、优化动态配料模型的参数，得到优化后的动态配料模型；
6、将动态配料模型与过程控制系统在线集成。
7、本基础方案的工作原理和有益效果在于：本技术方案分析配料模型中的主要影响成分，建立转底炉元素平衡模型与动态配料模型。对于元素平衡模型，主要推导混合料各成分含量与各料仓配比之间的关系式，模型将生产实际设定的目标产物成分上下限作为模型的约束，并将所推导的各个关系式转换为了线性的约束条件。结合实际需求，将配料方案最稳定设定为目标，并将目标转换为了便于计算的数学表达。建立动态配料模型，使料位始终在安全范围内波动。优化模型，自动获取优化的配料方案，利于使用，根据转底炉各料仓的运行状态和元素含量变化进行动态配料并给出最优配料方案。
8、进一步，引入xgboost预测模型，通过罚函数的方式实现对目标的约束，将约束加入目标函数之中预测配料方案，具体步骤如下：
9、在t时刻，从历史数据库中选取过去n次的配料方案集合x，1,…,9；p＝1,…,n}，p表示过去的某一时刻；i表示第i个料仓；表示过去(t-p)时刻配料方案中对应料仓i的配比；假设过去任一时刻(t-p)的配料方案与时间窗口δ内的数据存在映射关系，则可构造如下数据集d：
10、
11、其中，δ为时滞窗口，可人为设置，以此来减小数据量，提高模型学习速度；表示过去(t-p-δ)时刻配料方案中对应料仓i的配比；n表示总的配料方案；
12、因为与之间存在关联关系，则构造如下时间序列模型：
13、
14、其中，表示(t-p)时刻配料方案的预测值；g表示与之间存在函数映射关系。
15、进一步，构造一个带约束的xgboost预测模型：
16、定义xgboost的基本损失函数如下：
17、
18、根据配置比重总和恒定的原则，将预测输出的预测约束在某一特定范围γ之内，即：
19、
20、将约束条件以罚函数的形式引入到xgboost中，得到新的损失函数：
21、
22、在数据集d的基础上，使用梯度下降法对xgboost的损失函数l′进行优化，获得训练好的xgboost模型，然后得到时刻t-p的配料方案最终得到在当前时刻t＝0,的预测配料方案数据集o：
23、
24、由于工业流程存在着噪声波动较大的特征，引入xgboost模型，减少预测误差。
25、进一步，所述料仓配比决策变量包括干熄焦的配比x1％，电炉灰的配比x2％,出铁场灰的配比x3％，1#干法湿法混合污泥的配比x4％，2#干法湿法混合污泥的配比x5％，1#电炉回收污泥的配比x6％，2#电炉回收污泥的配比x7％，高炉二次灰的配比x8％，冷轧泥的配比x9％，环境灰的配比x10％，粘结剂的配比x11％。
26、设置决策变量，利于后续使用。
27、进一步，建立元素平衡模型的具体方法如下：
28、假设混料后的产物只对c、cl、zn、o四种元素成分含量存在要求；
29、确定内配灰中主要元素的含量，再以此为基础计算出混合料中元素含量，内配灰中的各成分含量为对应料仓中不同元素质量分数与配比的乘积之和，表示为:
30、
31、
32、
33、
34、其中，w(ci)为料仓i元素c的含量，即质量分数，w(c)为内配灰元素c的总含量；w(cli)为料仓i元素cl的含量，即质量分数，w(cl)为内配灰元素cl的总含量；w(zni)为料仓i元素zn的含量，即质量分数，w(zn)为内配灰元素zn的总含量；w(tfei)为料仓i元素fe的含量，即质量分数，w(tfe)为内配灰元素fe的总含量；xi为料仓i的配比；
35、只考虑氧元素与铁和锌结合的情况，计算出与铁结合的氧含量w(ofe)，和与锌结合的氧含量w(ozn)：
36、
37、
38、其中，w(feoi)表示料仓i为对应的feo含量，即质量分数；
39、内配灰中的总氧含量w[o]则为两者的加和，化简后变为：
40、
41、同理，推导出返料仓、环境灰仓中的氧含量w(o10)、w(o12)，分别为：
42、w(o10)＝0.429w(tfe10)-0.112w(feo10)+0.246w(zn10)
43、w(o12)＝0.429w(tfe12)-0.112w(feo12)+0.246w(zn12)
44、则，混合料(包括内配灰、环境灰、粘结剂、返料)中各元素含量为：
45、
46、
47、
48、
49、
50、
51、其中，w′(·)为混合料中某一元素的总含本文档来自技高网...
【技术保护点】
1.一种转底炉动态配料优化方法，其特征在于，包括如下步骤：
2.如权利要求1所述的转底炉动态配料优化方法，其特征在于，引入XGBoost预测模型，通过罚函数的方式实现对目标的约束，将约束加入目标函数之中预测配料方案，具体步骤如下：
3.如权利要求2所述的转底炉动态配料优化方法，其特征在于，构造一个带约束的XGBoost预测模型：
4.如权利要求1所述的转底炉动态配料优化方法，其特征在于，所述料仓配比决策变量包括干熄焦的配比x1％，电炉灰的配比x2％,出铁场灰的配比x3％，1#干法湿法混合污泥的配比x4％，2#干法湿法混合污泥的配比x5％，1#电炉回收污泥的配比x6％，2#电炉回收污泥的配比x7％，高炉二次灰的配比x8％，冷轧泥的配比x9％，环境灰的配比x10％，粘结剂的配比x11％。
5.如权利要求4所述的转底炉动态配料优化方法，其特征在于，建立元素平衡模型的具体方法如下：
6.如权利要求5所述的转底炉动态配料优化方法，其特征在于，在转底炉生产过程中，对氯锌比、碳氧比这两个关键指标有限制性要求，表示为：
7.
8.一种转底炉动态配料优化系统，其特征在于，包括处理单元，所述处理单元执行权利要求1-7之一所述方法，控制各料仓的出料量，实现转底炉自动优化配料。
...【技术特征摘要】
1.一种转底炉动态配料优化方法，其特征在于，包括如下步骤：
2.如权利要求1所述的转底炉动态配料优化方法，其特征在于，引入xgboost预测模型，通过罚函数的方式实现对目标的约束，将约束加入目标函数之中预测配料方案，具体步骤如下：
3.如权利要求2所述的转底炉动态配料优化方法，其特征在于，构造一个带约束的xgboost预测模型：
4.如权利要求1所述的转底炉动态配料优化方法，其特征在于，所述料仓配比决策变量包括干熄焦的配比x1％，电炉灰的配比x2％,出铁场灰的配比x3％，1#干法湿法混合污泥的配比x4％，2#干法湿法混合污泥的配比x5％，1#电炉回收污泥的配比x6％，2#电炉回收污泥的配...
【专利技术属性】
技术研发人员：蒋胜龙，邬冠洲，吕学伟，彭程，游洋，张元玲，游志雄，吴正怡，孙禄冰，
申请(专利权)人：重庆大学，
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。