[发明专利]基于均匀设计的多目标配煤方法

摘要

本发明提供一种基于均匀设计的多目标配煤方法，具体按照以下步骤实施采用BP神经网络建立单煤种与混煤种信息之间的非线性映射关系，预测混煤的煤质信息；选取目标因素，采用均匀设计设计相应权重，建立多目标函数；将预测混煤的煤质信息代入多目标函数，得到目标函数值，利用遗传算法寻找目标函数值的最大值，得出最优混煤方案；计算最优方案燃煤消耗量。解决了单目标模型无法同时达到满足经济、环保、节约资源、锅炉高效运行等方面的要求的问题。

主权项

一种基于均匀设计的多目标配煤方法，其特征在于，具体按照以下步骤实施：步骤1、采用BP神经网络建立单煤种与混煤种信息之间的非线性映射关系，预测混煤的煤质信息；步骤2、选取目标因素，采用均匀设计设计相应权重，建立多目标函数；步骤3、将步骤1中预测混煤的煤质信息代入步骤2中建立的多目标函数，得到目标函数值，利用遗传算法寻找目标函数值的最大值，得出最优混煤方案；步骤4、计算最优方案燃煤消耗量；所述选取的目标因素包括单煤的单价、燃烧的实际空气量、实际烟气量、着火点、软化温度、基底低位发热量、收到基硫、结渣特性；所述采用均匀设计设计相应权重，建立多目标函数，用以建立遗传算法的适应度函数，具体按照以下步骤实施：步骤2.1、确定因素指标向量：8个因素分别表示为：单煤的单价：x1＝Cmax‑price·P/100；燃烧的实际空气量：x2＝10‑a·V0(1+0.00124g)；实际烟气量：x3＝10‑[0.01866(Car+0.375Sar)+0.008Nar+0.124Mar+(1.0161a‑0.12)V0]；着火点：软化温度：x5＝1.7‑ST；基底低位发热量：x6＝Qnet,v,ar；收到基硫：x7＝5‑Sar；结渣特性：其中：Cmax为价格最大值；price为单煤的单价；P为相应单煤的掺配比；V0＝0.0889(Car+0.375Sar)+0.265Har‑0.0333Oar，为理论空气量；为硅比；表示碱酸比；则因素指标向量表示为：Xj＝[x1 x2 x3 x4 x5 x6 x7 x8]j＝1,...,t           (1)步骤2.2、建立目标函数：针对4种工况的不同配煤方案，4种工况是指最大连续负荷、额定工况、70％THA定压、40％THA滑压；设定每种工况下燃煤质量分为4种，则设定16个水平，即：L＝16，从而均匀阵列表示为U(8，16)，根据好格子点法得到均匀阵列表；U(8,16)=1357911131526101426101439155111713412412412412515931371116214106214107531151311988888888911131513571014261014261117133915512412412412413711151593141062141062151311975311616161616161616]]>得到设计权值向量为：ωl,v=Ul,vΣv=1mUl,v,(Σv=1mωl,v=1;l=1,2,...,L;v=1,2,...,m)---(2)]]>则根据水平的划分，得到不同水平下的目标函数为子目标函数：fl(Xj)＝ωl,:·Xj,(i＝1,2,...,n；j＝1,2,...,t；l＝1,2,...,L)    (3)目标函数表示为：F(Xj)＝{f1(Xj),f2(Xj),...,fL(Xj)},(j＝1,2,...,t)    (4)对所有的可行解分别计算出相应的子目标函数值并按从小到大排序，将排列顺序记为优先级矩阵，每个子目标函数的权值αl由优先级矩阵得到；目标函数简化为：F(Xj)=Σl=1Lαl·fl(Xj),(j=1,2,...,t;l=1,2,...,L)---(5)]]>则该多目标优化问题数学表达式为：Z＝max F(X)     (6)其中，Z表示F(X)的最大值。