[发明专利]基于能源感知的烧结配料方案级联优化获取方法及装置

说明书

本发明涉及一种基于能源感知的烧结配料方案级联优化获取方法及装置，所述方法包括以下步骤：1)获取初始期望烧结指标，期望烧结指标包括固体能耗指标和物理化学指标；2)基于当前期望烧结指标构建配料优化模型，求解获得最优烧结原料配比方案；3)基于最优烧结原料配比方案及预先训练好的BP神经网络预测模型获得预测烧结指标；4)比较预测烧结指标和当前期望烧结指标，若满足设定要求，则执行步骤6)，若否，则执行步骤5)；5)判断是否到达最大迭代次数，若是，则执行步骤6)，若否，则调整设定要求和/或当前期望烧结指标后，返回步骤2)；6)获得最终烧结原料配比方案。与现有技术相比，本发明具有降低能耗、准确度高等优点。

技术领域

本发明属于工业自动化领域，涉及一种烧结过程的优化配料方法，尤其是涉及一种基于能源感知的烧结配料方案级联优化获取方法及装置。

背景技术

烧结工艺是钢铁企业最耗能的工序之一，占整个钢铁生产过程的8％-10％。它将铁矿粉、氧化铁皮、返矿等富铁原料连同焦粉、熔剂(如生石灰和白云石)、瓦斯灰以及OG泥转化成多孔结构的烧结块，为高炉炼铁提供合格的烧结矿。烧结工艺的节能问题一直受到工业界和研究机构的关注。一方面，今年来许多致力于工艺改进的节能技术不断涌现，如复合凝聚工艺(CAP,Composite agglomeration process)、高比例烟气再循环烧结(FGRS,High-proportion flue gas recirculation sintering)、烧结矿冷却显热回收工艺(RSSC,Recovery of sensible heat from the sinter cooling process)等。另一方面，配料优化是实现高能效烧结工艺中的关键问题。能耗与成本的高低，以及烧结矿的物理化学特性主要由原料成分及给料比例决定。

很多学者致力于烧结过程配料问题的研究。其中大部分研究专注于降低烧结过程的成本。Dauter等人聚焦于一次配料阶段，通过分析不同铁矿石的烧结性能优化铁矿石的混合比例。然而，他们并未考虑铁矿石以外的其他原料。而后，他们在此基础上提出了一种“两阶段”方法，在两次配料阶段处理不同的约束。在首次配料阶段，仅优化不同类型铁矿粉的配料比例；在二次配料阶段，进一步考虑了熔剂、焦粉等其他原料的配比。两次优化均以降低成本为目标，并采用单纯形法求解线性规划模型。Wu等人提出了一种烧结配料集成优化模型，以最小化烧结成本和SO₂的排放量作为优化目标，并采用线性规划和GA-PSO(遗传-粒子群)算法进行求解。Wu等人基于同类模型设计了一种改进的遗传算法，该算法具有自适应惩罚函数和精英保留学习策略。Wang等人也提出了一种线性规划模型优化烧结成本、质量和产量，采用BP神经网络预测烧结矿的成分和性能。然而，上述的这些研究都未考虑能源这一维度。

随着对烧结过程能源效率问题的日益凸显，在配料过程中实现能耗降低近来受到诸多关注，一些学者从不同的角度进行了研究。Chen等人研究了一种综合碳率(CCR)建模和优化问题。在建立CCR模型之前采用BP神经网络建立多种操作模式的模型，而后通过PSO算法得到所选CCR的最优参数。然而，CCR作为碳效率的一种衡量方式，所得到的优化解仅能够作为参考，并不能作为烧结配料的指导。Shen等人从烧结匹配过程到热轧输出进行了系统性分析，配料比例和新节能技术在整个生产过程的优化中进行了研究，在每个单元生产过程中将能耗作为目标建立线性和非线性规划模型。然而，他们仅仅专注于单一目标。Liu等人将最小化烧结矿能值作为目标优化烧结配比。在传统配比优化模型基础上进一步考虑了余热和能源回收约束，采用线性规划获得最优的配料方案。然而，这一研究仅将能值作为优化目标，未考虑原料的成本。基于能耗和成本的相互关系，获得平衡且可行的烧结配料方案需要综合考虑这两类指标。