论文部分内容阅读
摘要:为了快速准确地得到最佳配比和最优配煤成本,系统建立了以炼焦成本为目标函数,以焦炭质量为约束条件的配煤比优化模型,并将得到的配煤比代入预先建立的焦炭质量预测模型,从而得到预报的焦炭质量指标,用户如果对得到的结果满意,可将配煤比投入实际应用,如果焦炭质量指标不符合用户要求,可重新调整单种煤配比范围,再次计算最优配煤成本及最佳配煤比。
关键词:神经网络;配比;配煤成本;计算系统
中图分类号:TP183文献标识码: A
1引言
宣钢炼焦用煤主要来自内蒙、山西、河北等地,矿点多达数十个,并且质量波动大,来煤不均衡,给配煤炼焦工艺带来一定困难。宣钢一直沿用的配煤方法就是根据单种煤及配合煤的各种化验指标和粘结性进行配煤炼焦,结合生产实践经验进行配煤比的确定,这样既费时又费力,不仅成本高,而且焦炭质量易发生波动,因此,在保证焦炭质量的前提下,如何快速准确地得到最佳配比和最优配煤成本,是宣钢乃至全国炼焦行业亟需解决的重要课题。
基于神经网络的炼焦最优配煤成本计算系统采用广泛使用的关系数据库查询语言SOL Server 2000和面向对象的编程语言Visual Basic 6.0设计,系统内部还调用了优秀的数学软件lingo11.0 和用于神经网络建立和仿真的Matlab软件,通过对该系统的应用,可以快速准确地得到配煤比和配煤成本,为炼焦行业及其它同类企业预测配比和生产成本提供一种新思路。
2系统设计思想
系统应用Lingo11.0这款优秀的数学软件,建立了以炼焦成本为目标函数,以焦炭质量(线性关系)为约束条件的配煤比优化模型,并将得到的配煤比代入预先建立的焦炭质量预测模型,从而得到预报的焦炭质量指标,用户如果对得到的结果满意,可将配煤比投入实际应用,如果焦炭质量指标不符合用户要求,可重新调整单种煤配比范围,再次计算最优配煤成本及最佳配煤比。
在焦炭质量预测模型的建立上,以往的经验多是建立成为一个线性模型,再通过线性模型的修正达到较好的效果。随着神经网络技术的发展,由于神经网络在处理非线性问题的先天优势,所以利用神经网络来解决非线性建模是个很理想的途径。因此,配煤成本计算系统使用Matlab 7.0中的神经网络工具箱来完成对焦炭质量预测模型的建立和仿真。
3 系统功能描述
系统由焦炭质量标准管理、来煤信息管理、计算最优成本、神经网络优化模型等几大功能模块组成,其中计算最优成本和神经网络优化模型是系统的核心内容,代表了本系统开发的思想和意义。
3.1来煤信息管理
来煤信息数据包含煤场所有矿点及煤种的煤质数据,原始数据存放在外部Excel表格中,来煤信息管理功能是将来煤信息数据从外部Excel表格导入到系统中,便于优化配比时从中选出需要的煤种及煤质数据。。
3.2 焦炭质量预测模型的建立
焦炭质量预测模型包括焦炭的灰分、硫分、M40、M10、CSR、CRI等焦炭质量指标,用户可以从外部Excel表格导入预测样本数据。本系统利用神经网络的非线性特性及自学习能力等功能,应用BP组合神经网络建立各指标的预测模型。训练样本及测试样本的数量操作者可以自定,本系统使用了40组训练样本数据和20组测试样本数据,。
3.3 配煤成本的计算
根据在保证焦炭质量的前提下最大限度地降低配煤成本的原则,我们建立了以配煤成本为目标函数,以焦炭质量为约束条件的配煤比优化模型。
目标函数,亦称“评价函数”,指在数学规划中,要求在一定条件下求极小化或极大化的函数,即实际优化问题所追求目标的数学描述。确定最优的配煤方案一直是焦化企业所关心的问题,其追求的目标主要有以下几个方面:
第一,在给定单种煤来源、焦炭质量满足要求标准的条件下,寻求配合煤成本达到最低的配煤方案。即有N种煤源可供选择,从中选出n种煤进行配煤,第i种煤的成本为,配比为,则要求配煤成本最低的目标函数表达式为:
第二,焦炭质量约束条件主要包括:化学组成约束(灰分,硫分),机械强度约束(M40,M10),热性质约束(CSR,CRI)。由于这些约束条件是国家或企业对焦炭质量的强制性要求,因此是必须满足的。
第三,其它约束条件,这些约束不是必须要满足的,应根据具体情况而定。主要包括以下几个方面:
a、为了某种目的(如:充分利用当地的煤炭资源等),炼焦厂有时可能对某种煤的用量给出最小最大的配比限制,即配煤比的约束(配比范围可由操作人员从界面输入):
b、配比的特殊要求,例如单种煤配比和为100,即
c、企业也可根据商业需求或设备条件设定约束条件。
很显然这是一个非线性规划问题,本项目为了求解非线性规划问题采用了Lingo11.0这款优秀的数学软件,把它嵌入到炼焦最优配煤成本计算系统中,这样就可以方便的得到最终的结果,即最优的配煤比。
菜单中的计算最优成本功能首先从来煤信息中选择所要配的单种煤,然后操作者从工艺和成本角度考虑添加各单种煤的配比限制,系统根据给定的单种煤及配比范围自动计算出最优的配煤成本和最佳配比。由计算最优成本功能计算出的最佳配比是否能够满足焦炭质量要求,需要通过焦炭质量预测模块验证。用户将得到的最佳配比代入神经网络预测模型,可得到焦炭质量指标值,用户对得到的焦炭质量指标满意则保存配比退出系统;如果预测出的焦炭质量指标不符合工艺要求可返回到计算最优成本界面重新選择各单种煤煤种或者在单种煤煤种不变的情况下重新限定各单种煤配比。
4 结论
炼焦最优配煤成本计算系统的创新之处是在计算配煤成本过程中,首次将计算极值和神经网络结合,用神经网络的预测结果验证最佳配比和最优成本,为炼焦生产过程最佳配比和最优成本的计算提供了一种新思路,也为最优成本的预测提供了一种新方法。
关键词:神经网络;配比;配煤成本;计算系统
中图分类号:TP183文献标识码: A
1引言
宣钢炼焦用煤主要来自内蒙、山西、河北等地,矿点多达数十个,并且质量波动大,来煤不均衡,给配煤炼焦工艺带来一定困难。宣钢一直沿用的配煤方法就是根据单种煤及配合煤的各种化验指标和粘结性进行配煤炼焦,结合生产实践经验进行配煤比的确定,这样既费时又费力,不仅成本高,而且焦炭质量易发生波动,因此,在保证焦炭质量的前提下,如何快速准确地得到最佳配比和最优配煤成本,是宣钢乃至全国炼焦行业亟需解决的重要课题。
基于神经网络的炼焦最优配煤成本计算系统采用广泛使用的关系数据库查询语言SOL Server 2000和面向对象的编程语言Visual Basic 6.0设计,系统内部还调用了优秀的数学软件lingo11.0 和用于神经网络建立和仿真的Matlab软件,通过对该系统的应用,可以快速准确地得到配煤比和配煤成本,为炼焦行业及其它同类企业预测配比和生产成本提供一种新思路。
2系统设计思想
系统应用Lingo11.0这款优秀的数学软件,建立了以炼焦成本为目标函数,以焦炭质量(线性关系)为约束条件的配煤比优化模型,并将得到的配煤比代入预先建立的焦炭质量预测模型,从而得到预报的焦炭质量指标,用户如果对得到的结果满意,可将配煤比投入实际应用,如果焦炭质量指标不符合用户要求,可重新调整单种煤配比范围,再次计算最优配煤成本及最佳配煤比。
在焦炭质量预测模型的建立上,以往的经验多是建立成为一个线性模型,再通过线性模型的修正达到较好的效果。随着神经网络技术的发展,由于神经网络在处理非线性问题的先天优势,所以利用神经网络来解决非线性建模是个很理想的途径。因此,配煤成本计算系统使用Matlab 7.0中的神经网络工具箱来完成对焦炭质量预测模型的建立和仿真。
3 系统功能描述
系统由焦炭质量标准管理、来煤信息管理、计算最优成本、神经网络优化模型等几大功能模块组成,其中计算最优成本和神经网络优化模型是系统的核心内容,代表了本系统开发的思想和意义。
3.1来煤信息管理
来煤信息数据包含煤场所有矿点及煤种的煤质数据,原始数据存放在外部Excel表格中,来煤信息管理功能是将来煤信息数据从外部Excel表格导入到系统中,便于优化配比时从中选出需要的煤种及煤质数据。。
3.2 焦炭质量预测模型的建立
焦炭质量预测模型包括焦炭的灰分、硫分、M40、M10、CSR、CRI等焦炭质量指标,用户可以从外部Excel表格导入预测样本数据。本系统利用神经网络的非线性特性及自学习能力等功能,应用BP组合神经网络建立各指标的预测模型。训练样本及测试样本的数量操作者可以自定,本系统使用了40组训练样本数据和20组测试样本数据,。
3.3 配煤成本的计算
根据在保证焦炭质量的前提下最大限度地降低配煤成本的原则,我们建立了以配煤成本为目标函数,以焦炭质量为约束条件的配煤比优化模型。
目标函数,亦称“评价函数”,指在数学规划中,要求在一定条件下求极小化或极大化的函数,即实际优化问题所追求目标的数学描述。确定最优的配煤方案一直是焦化企业所关心的问题,其追求的目标主要有以下几个方面:
第一,在给定单种煤来源、焦炭质量满足要求标准的条件下,寻求配合煤成本达到最低的配煤方案。即有N种煤源可供选择,从中选出n种煤进行配煤,第i种煤的成本为,配比为,则要求配煤成本最低的目标函数表达式为:
第二,焦炭质量约束条件主要包括:化学组成约束(灰分,硫分),机械强度约束(M40,M10),热性质约束(CSR,CRI)。由于这些约束条件是国家或企业对焦炭质量的强制性要求,因此是必须满足的。
第三,其它约束条件,这些约束不是必须要满足的,应根据具体情况而定。主要包括以下几个方面:
a、为了某种目的(如:充分利用当地的煤炭资源等),炼焦厂有时可能对某种煤的用量给出最小最大的配比限制,即配煤比的约束(配比范围可由操作人员从界面输入):
b、配比的特殊要求,例如单种煤配比和为100,即
c、企业也可根据商业需求或设备条件设定约束条件。
很显然这是一个非线性规划问题,本项目为了求解非线性规划问题采用了Lingo11.0这款优秀的数学软件,把它嵌入到炼焦最优配煤成本计算系统中,这样就可以方便的得到最终的结果,即最优的配煤比。
菜单中的计算最优成本功能首先从来煤信息中选择所要配的单种煤,然后操作者从工艺和成本角度考虑添加各单种煤的配比限制,系统根据给定的单种煤及配比范围自动计算出最优的配煤成本和最佳配比。由计算最优成本功能计算出的最佳配比是否能够满足焦炭质量要求,需要通过焦炭质量预测模块验证。用户将得到的最佳配比代入神经网络预测模型,可得到焦炭质量指标值,用户对得到的焦炭质量指标满意则保存配比退出系统;如果预测出的焦炭质量指标不符合工艺要求可返回到计算最优成本界面重新選择各单种煤煤种或者在单种煤煤种不变的情况下重新限定各单种煤配比。
4 结论
炼焦最优配煤成本计算系统的创新之处是在计算配煤成本过程中,首次将计算极值和神经网络结合,用神经网络的预测结果验证最佳配比和最优成本,为炼焦生产过程最佳配比和最优成本的计算提供了一种新思路,也为最优成本的预测提供了一种新方法。