[发明专利]炼铁多目标一体化配料优化方法、系统、设备及介质

权利要求书

1.一种炼铁多目标一体化配料优化方法，其特征在于，包括：

采集生产过程中的工艺控制参数、配料配比数据与质量检化验数据；

预处理采集的所述数据形成训练神经网络的样本子集；

选择烧结矿、球团矿各自对应的样本子集，利用神经网络算法建立烧结矿及球团矿性能指标预测模型，实现烧结矿及球团矿性能最优的多目标配料；

聚类分析高炉生产数据得到最优烧结矿、球团矿的性能指标区间与专家经验指标约束区间，构成配料整体效益的性能指标约束区间；其中，获取所述高炉生产数据中的历史数据，采用K-means聚类分析所述历史数据得到最优产量及燃耗指标类别下数据样本对应的烧结矿和球团矿性能指标范围，根据所述烧结矿和球团矿性能指标范围和专家经验指标约束区间的交集确定配料整体效益的性能指标约束区间；

以配料整体效益最优为目标，根据所述性能指标约束区间构建配料优化计算模型，根据所述配料优化计算模型采用遗传算法计算基于高炉、烧结、球团的一体化最优配料方案，所述配料优化计算模型对应的目标函数为：

其中，object为目标函数，profit为当前核算吨铁利润，单位为元/t，M_0i为基准方案第i种原料的吨铁消耗量，n1为高炉配料原料种类总数，M_i为第i种原料的吨铁消耗量，单位为t，P_i为第i种原料价格，单位为元/t；ΔTFe为新配料方案下入炉品位TFe相对于配料基准状态的变化量，Y为铁水产量、Y₀为基准铁水产量，η_C为常数取-0.015，P_Coke为焦炭价格，单位为元/t。

2.根据权利要求1所述的炼铁多目标一体化配料优化方法，其特征在于，所述预处理采集的所述数据形成训练神经网络的样本子集的步骤，包括：

采集烧结、球团、高炉工序生产过程中工艺控制参数、配料配比数据与质量检化验数据；依次对工艺控制参数、配料配比数据与质量检化验数据进行数据频次对齐、插值、缺失值处理和异常值处理，并将每个样本中的决策参数分别与烧结及球团性能或高炉经济指标进行相关性分析，筛选相关性达到预设值的决策参数与对应的烧结及球团性能或高炉经济指标组成神经网络的训练样本子集。

3.根据权利要求1所述的炼铁多目标一体化配料优化方法，其特征在于，所述烧结矿及球团矿性能指标预测模型包含用于减少过度拟合的dropout层，所述dropout层对应的区间范围为0.5～0.8，所述神经网络算法通过迭代训练得到烧结矿及球团矿性能指标预测模型，所述烧结矿及球团矿性能指标预测模型通过输入指标后生成预测指标。

4.根据权利要求1所述的炼铁多目标一体化配料优化方法，其特征在于，利用所述配料优化计算模型获取新配料方案，从所述样本子集选择一条数据样本作为配料基准状态，比较新配料方案下入炉品位TFe相对于配料基准状态的变化量，计算新配料方案下铁水产量、焦比及成本。

5.根据权利要求1所述的炼铁多目标一体化配料优化方法，其特征在于，所述以配料整体效益最优为目标等于物料成本效益、节焦效益与增产效益之和；所述烧结矿及球团矿性能最优的多目标配料包括：将所述性能指标中的烧结转鼓、烧结低温还原粉化率、烧结还原性、球团抗压强度、球团低温还原粉化率和球团还原性转化为性能指标约束。