申请/专利权人：中国科学技术大学

申请日：2023-11-28

公开（公告）日：2024-03-29

公开（公告）号：CN117313554B

主分类号：G06F30/27

分类号：G06F30/27;G06F111/06;G06F111/04

优先权：

专利状态码：有效-授权

法律状态：2024.03.29#授权;2024.01.16#实质审查的生效;2023.12.29#公开

摘要：本发明公开了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，它们是一一对应的方案，方案中：对炼焦生产中多个连续工段的联合优化，从而更贴近工业现场的实际情况；并且在有约束、多目标条件下寻找最优解集，可以在保证焦炭质量的前提下，兼顾焦炭产率最大、炼焦能耗最小，满足实际生产的质量指标、经济指标与环保指标；此外，本发明从最优解集中选出唯一最优解，既满足了工业现场操作对决策的实时性要求，又避免了人工选择的主观性；在实际工程应用中，可以给配煤师提供更多配煤方案的最优方案，也可以给焦炉温控操作员、压控操作员、推焦操作员提供唯一最优方案，因此，本发明能够便捷地与生产线的业务系统结合，易实践易推广。

主权项：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：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；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；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；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；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；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：步骤S1、进行算法初始化，设置种群数量为N，即包含N个个体，每个个体的维数为有约束的多目标优化问题模型的决策变量的数目K，初始化一个N行K列的矩阵代表初始种群，每一行代表一个个体，每一个体是一个K维的决策变量，初始化每一个体初始位置；设置最大迭代次数Tmax，当前迭代次数为t=0；步骤S2、计算初始种群的适应度，并对初始种群进行快速非支配排序确定帕累托层级，以及建立一个规模为N的外部存档集；步骤S3、基于多种群动态协同进化的粒子群优化算法生成新种群；其中，当前种群包含若干子种群，子种群是在初始种群中划分获得的并固定不变的，计算当前种群与其内部所有子种群各自的帕累托层级，基于当前种群与其所有子种群的帕累托层级确定当前全局最优解、每个子种群各自所发现的最优解，以及各个体的历史最优解，并以此更新各个体的位置，产生新解并生成新种群；若当前迭代次数为t=0，则当前种群为所述初始种群，此时仅计算内部所有子种群各自的帕累托层级，否则，当前种群为上一次迭代产生的新种群；步骤S4、计算新种群的适应度；步骤S5、将新种群与外部存档集合并，并进行快速非支配排序确定合并种群的帕累托层级，再计算合并种群中每一个体的拥挤度距离；步骤S6、从合并种群中挑选N个帕累托层级和拥挤度距离最好的个体来更新外部存档集；步骤S7、判断是否达到循环结束条件，若t=Tmax，则达到最大迭代次数，此时的外部存档集包含的N个个体的种群即为优化求得的帕累托最优解集；若t≠Tmax，则返回步骤S3；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：当前种群包含三个子种群；第一个子种群为探索子种群，其任务为访问多目标优化问题目标函数的解空间；第二个子种群为开发子种群，其任务为在给定的解空间内进行局部搜索；第三个子种群为动态平衡子种群，其通过自适应参数在探索和开发之间动态切换搜索状态；对当前种群与其三个子种群，分别进行快速非支配排序，确定对应的帕累托层级，若当前种群为初始种群，此时仅计算内部子种群对应的帕累托层级；将当前种群中处于帕累托第一层级，且处于最中间位置的个体指定为当前全局最优解；其次，将每个子种群内处于帕累托第一层级，且最中间位置的个体指定为每个子种群各自所发现的最优解；每个个体的历史最优解根据非支配关系进行确定，如果当前解与当前的历史最优解互相不支配则随机选择一个作为历史最优解；若当前解不支配当前的历史最优解，则仍然选择当前的历史最优解；若当前解支配当前的历史最优解，则选择当前解为历史最优解，其中，个体的解即为对应的位置；依据确定的当前全局最优解、每个子种群各自所发现的最优解以及每个个体的历史最优解，结合个体所属的子种群进行位置更新，并且，每一次迭代过程中三个子种群之间协同进化，交换彼此的信息，进而更新指定个体的位置，最终，产生新解并生成新种群。

全文数据：

权利要求：

百度查询： 中国科学技术大学 炼焦生产多工段联合多目标优化方法、系统、设备及介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD