一种新型干法水泥窑炉煅烧过程多目标优化方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN109190846A(43)申请公布日2019.01.11(21)申请号201811168331.0(22)申请日2018.10.08(71)申请人华东理工大学地址200237上海市徐汇区上海市梅陇路130号(72)发明人钱锋钟伟民朱远明杜文莉梅华(74)专利代理机构上海专利商标事务所有限公司31100代理人张睿(51)Int.Cl.G06Q10/04(2012.01)G06Q50/04(2012.01)权利要求书2页说明书7页附图4页(54)发明名称一种新型干法水泥窑炉煅烧过程多目标优化方法(57)摘要本发明公开了一种水泥窑炉煅烧过程多目标优化方法。所述方法包括步骤：(1)建立多目标优化模型；和(2)求解优化模型得到优化目标设定值及其相应实际操作条件。CN109190846ACN109190846A权利要求书1/2页1.一种新型干法水泥窑炉煅烧过程多目标优化方法，其特征在于，所述方法包括步骤：(1)建立多目标优化模型；(2)求解优化模型得到优化目标设定值及其相应实际操作条件。2.如权利要求1所述的优化方法，其特征在于，所述多目标优化包括游离氧化钙含量和煅烧过程单产熟料总能耗。3.如权利要求1所述的优化方法，其特征在于，所述实际操作条件包括与优化目标设定值相应的决策变量值；所述决策变量包括高温风机电流、分解炉喂煤量、回转窑主电机电流、和窑头喂煤量。4.如权利要求1所述的优化方法，其特征在于，将通过选择决策变量、状态变量和约束条件而获得的数据采用偏最小二乘法(PLS)建立优化模型；选择高温风机电流、分解炉喂煤量、回转窑主电机电流和窑头喂煤量为优化模型决策变量；选择C1筒下料管温度和窑头罩温度为优化模型状态变量；所述约束条件为决策变量、状态变量及目标变量满足过程安全生产的上下限；xi,min＜xi＜xi,max(i＝1,…,6)J1min＜J1＜J1maxJ2min＜J2＜J2max其中xi表示决策变量或状态变量；J1和J2分别表示目标变量游离氧化钙含量和煅烧过程单产熟料总能耗。5.如权利要求4所述的优化方法，其特征在于，所述数据采用三阶滑动平均滤波方法进行数据预处理。6.如权利要求1-5任一项所述的优化方法，其特征在于，所述优化模型包括：yf-cao＝f(x1,x2,x3,x4)和ycost＝f(x1,x3,x5,x6)+ξ其中x2＝f(x5,x7,x8)、x4＝f(x6,x9)优化目标一：minJ1＝yf-cao；优化目标二：minJ2＝ycost；其中yf-cao为游离氧化钙含量，ycost为单产熟料能耗费用，x1为高温风机电流，x2为C1筒下料管温度，x3为回转窑主电机电流，x4为窑头罩温度，x5为分解炉喂煤量，x6为窑头喂煤量，x7为窑头三次风温度，x8为窑尾烟室温度，x9为一室篦下压力，ξ为其余能耗。7.如权利要求6所述的优化方法，其特征在于，采用基于非支配排序的带精英策略的多目标优化算法(NSGA-II)求解优化模型。8.一种水泥窑炉煅烧过程多目标优化方法，其特征在于，所述方法包括步骤：(a)获得决策变量、状态变量和约束条件的数据；(b)预处理获得的数据；所述预处理数据滤波操作；(c)预处理后的数据采用偏最小二乘法(PLS)建立优化模型；(d)采用基于非支配排序的带精英策略的多目标优化算法(NSGA-II)求解优化模型得到的决策变量值作为实际操作中的设定值。9.如权利要求8所述的优化方法，其特征在于，所述决策变量为高温风机电流、分解炉喂煤量、回转窑主电机电流和窑头喂煤量；所述状态变量为C1筒下料管温度和窑头罩温度；所述约束条件为决策变量、状态变量及目标变量满足过程安全生产的上下限；2CN109190846A权利要求书2/2页xi,min＜xi＜xi,max(i＝1,…,6)J1min＜J1＜J1maxJ2min＜J2＜J2max其中xi表示决策变量或状态变量；J1和J2分别表示目标变量游离氧化钙含量和煅烧过程单产熟料总能耗。10.如权利要求8所述的优化方法，其特征在于，所述优化模型是：yf-cao＝f(x1,x2,x3,x4)；和ycost＝f(x1,x3,x5,x6)+ξ其中x2＝f(x5,x7,x8)、x4＝f(x6,x9)优化目标一：minJ1＝yf-cao；优化目标二：minJ2＝ycost；其中yf-cao为游离氧化钙含量，ycost为单产熟料能耗费用，x1为高温风机电流，x2为C1筒下料管温度，x3为回转窑主电机电流，x4为窑头罩温度，x5为分解炉喂煤量，x6为窑头喂煤量，x7为窑头三次风温度，x8为窑尾烟室温度，x9为一室篦下压力，ξ为其余能耗。3CN109190846A说明书1/7页一种新型干法水泥窑炉煅烧过程多目标优化方法