(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202110023317.7 (22)申请日 2021.01.08 (65)同一申请的已公布的文献号 申请公布号 CN 112699613 A (43)申请公布日 2021.04.23 (73)专利权人 中冶赛迪 工程技术股份有限公司 地址 400013 重庆市渝中区双钢路1号 专利权人 中冶赛迪技 术研究中心有限公司 (72)发明人 王刚　何茂成　吴开基　李牧明　 翟晓波　谢皓　雷磊　 (74)专利代理 机构 上海光华专利事务所(普通 合伙) 31219 专利代理师 李铁 (51)Int.Cl. G06F 30/27(2020.01)G06Q 10/04(2012.01) G06Q 10/06(2012.01) G06Q 50/04(2012.01) G06F 111/06(2020.01) (56)对比文件 CN 10838 8966 A,2018.08.10 CN 10272 2652 A,2012.10.10 审查员 段晓云 (54)发明名称 炼铁多目标一体化配料优化方法、 系统、 设 备及介质 (57)摘要 本发明提供一种炼铁多目标一体化配料优 化方法、 系统、 设备及介质， 该方法包括： 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； 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 。 权利要求书3页 说明书12页 附图4页 CN 112699613 B 2022.08.09 CN 112699613 B 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， M0i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， Mi为第i种原料的吨铁消耗量， 单位为 t， Pi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， ηC为常数取 ‑0.015， PCoke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dr opout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T Fe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。权　利　要　求　书 1/3 页 2 CN 112699613 B 26.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， 所述性 能指标 约束依次包括： 配比约束： XLki≤Xki≤XHki 烧结及球团矿成分约束： 烧结及球团矿粒度约束： 烧结及球团矿性能约束： PreLf≤Pref≤PreHf 高炉炉渣成分、 有 害元素负荷、 烧结矿Al/Si、 烧结矿R、 炉渣Mg/Al、 炉渣R ’约束依次为： slagLi≤slagi≤slagHi loadLi≤loadi≤loadHi LAl/Si≤Al/Si≤ HAl/Si LR≤R≤HR LMg/Al≤Mg/Al≤HMg/Al LR′≤R′≤HR′ 其中， nk为烧结及球团配 料原料种类数， Xki为k工序第i种原料配比； XLki为第i种原料的 配入下限； XHki为第i种原料的配入上限； j为原料的成分指标； Cki， j为k工序原料i的成分j百 分含量， LOI为烧损， H2O为水分， 单位为％； CLkj为成分j的下限； CHkj为成分j的上限； Gki， d为k 工序原料i的粒度指标d的百分含量， 单位％； GLkd为原料i的粒度指 标d的下限； GHkd为原料i 的粒度指标d的上限； Pref为烧结矿性能指标 f的预测值； PreLf为烧结矿性能指标f的下限； PreHf为烧结矿性能指标f的下限。 7.一种炼铁多目标一体化配料优化系统， 其特 征在于， 包括： 数据采集模块， 用于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； 预处理模块， 用于预处 理采集的所述数据形成训练神经网络的样本 子集； 指标预测模块， 用于选择烧结矿、 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； 指标约束构成模块， 用于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；权　利　要　求　书 2/3 页 3 CN 112699613 B 3