高炉炼铁参数预测及电力优化控制模型研究

第五章 高炉炼铁多目标优化控制模型研究

高炉冶炼过程是一个物理和化学反应高度复杂的过程，它的运行机制往往具有非线性、大时滞、分布参数等众多特点。同时，高炉本身是一个集传热与化学反应耦合的开放体[44]。其中，高炉入炉焦比、高炉铁水温度以及铁水产量不仅是高炉炼铁过程中的关键参数也是高炉冶炼过程中的重要评价指标。针对单目标优化往往是以局部为出发点，不能从全局考虑，从而限制了最大节约能源的能力。

所以通过建立以高炉入炉焦比、铁水产量为多目标，以高炉铁水温度和其他条件为约束条件的综合优化控制模型来指导高炉的节能降耗工作。本章利用高炉炼铁过程中的数据，结合第三章和第四章建立的高炉入炉焦比模型和铁水温度以及产量模型，建立以高炉入炉焦比和高炉铁水产量为目标函数，以高炉铁水温度为主要约束条件的高炉炼铁多目标优化控制模型，同时，应用改进多目标粒子群算法对高炉炼铁多目标优化控制模型进行最优解的寻找，最终完成了对炉炼铁多目标优化控制模型的设计并且在理论上验证了优化模型的可行性。从而为钢铁企业节能减排打下坚实基础。

5.1 高炉炼铁多目标优化控制原理

在日常生活中，有很多问题是由多个目标共同组成，而且多个目标之间有是相互作用和相互影响的。为了使多个目标尽可能在在给定区域内实现最优化, 相关学者和专家做了大量的研究课题，这也就是多目标优化问题(Multi Objective Optimization, MOP ) [45]。同样，在钢铁生产中，多目标优化问题也广泛存在，例如：在高炉炼铁工序中，为了满足多个目标的需求，(在冶炼过程中，我们想让高炉入炉焦比最小以及高炉铁水产量最大)也会存在多目标优化问题。一般情况下,在多目标优化问题中，各个子目标之间可能是相互矛盾或相互制约的,一个因素可能影响一个或多个子目标，一个子目标的性能改善可能会引起一个或多个子目标的性能降低, 也就是说，想要使众多子目标一起达到最优值是不可能的，最好的方法是在各个目标之间折中和协调处理，尽可能的使众多子目标达到性能最优。多目标优化问题与单目标优化问题最明显的区别是：多目标优化问题的解不唯一，可能存在多组解，这样的解称之为 Pareto[46]最优解或非劣最优解。

........

总结

高炉炼铁过程中物理化学反应复杂多变，通过对高炉冶炼过程深入研究和分析，结合前人的理论以及相关领域的研究成果，综合应用数理统计、神经网络、系统分析和统计学的相关知识，就高炉炼铁入炉焦比、铁水温度和产量的建模预测和高炉炼铁多目标优化控制问题展开系统的研究。建立高炉入炉焦比模型、高炉铁水温度模型、铁水产量模型以及完成高炉炼铁多目标优化控制的设计。最终实现钢铁企业节能降耗的目的。本论文取得的研究成果如下:

1.通过对高炉炼铁工艺流程，主要原料，燃料和溶剂的了解，主要分析了高炉炼铁工艺系统组成以及每个系统的重要作用，并着重对高炉炼铁机理进行全面分析，探索高炉炼铁过程中各种化学反应，借助化学反应式阐明高炉内的冶炼过程。

2.建立高炉炼铁入炉焦比预测模型，通过定性分析和定量分析确定了影响高炉炼铁入炉焦比的关键因素，以最小二乘支持向量机构建预测模型主体，通过粒子群算法对预测模型进行参数寻优，选择最优参数代入预测模型中，最终，完成了高炉炼铁入炉焦比预测模型的构建。

3.建立高炉铁水温度预测模型以及高炉铁水产量预测模型，通过对预测目标特点分析，选择广义回归神经网络算法进行预测模型的构建，最后通过测试样本对预测模型进行验证，证明了该预测模型的可靠性。

4.设计高炉炼铁多目标优化控制模型，根据本文第三章和第四章建立的高炉预测模型，设计了优化模型中的目标函数、决策变量和约束条件，应用改进多目标粒子群算法完成了对高炉炼铁多目标优化控制模型的求解。

.........