峰峰集团智能配煤模型研究

峰峰集团智能配煤模型研究

随着我国“绿色能源”的提倡及焦化、钢铁和电力等行业的现代化发展,对煤炭质量的要求和煤炭资源的优化利用必然受到重视。本文针对配煤技术研究的不足,研究适用于多个选煤厂多煤种的配煤技术,利用粒子群改进算法对煤炭工业指标和常规黏结性指标建立配煤优化模型,能够优化产品结构避免资源浪费,对煤炭企业有着重要的经济价值。

本文按照实际情况设计并开展了一系列优化配煤实验。根据配煤实验结果分析单种煤和混煤之间的煤质特性关系,结果表明:混煤的灰分、挥发分以及硫分基本满足线性可加要求,水分受环境影响并不满足,结合配煤理论建立基于线性回归的预测模型。

针对粘结指数非线性特点,在粘结指数加权项的基础上,通过对肥煤挥发分和贫瘦煤挥发分进行高斯变换,由于其对实测和预测的差值有较大的影响,故引入两者的非线性项来建立粘结指数的非线性预测模型。通过序列二次编程求解模型参数,根据预测结果可知,该模型更大程度上提高了预测效果。

以混煤价格最低、优质煤用量最少和劣质煤用量最高为目标,按照混煤产品要求指标和优质煤库存量确定数学模型的约束条件,煤质特性由线性和非线性模型进行预测,建立基于遗传算法、粒子群优化算法和自适应粒子群算法的配煤结构优化模型。通过对比预测结果发现:粒子群算法比遗传算法更易获得低的成本价格;自适应粒子群算法比标准粒子群算法拥有更有的寻优曲线且求解配煤问题更稳定。