動(dòng)力配煤優(yōu)化模型的研究.pdf

1、動(dòng)力配煤技術(shù)是一項(xiàng)投資少、見效快,既能節(jié)約煤炭資源,又能減輕環(huán)境污染的適合中國(guó)國(guó)情的潔凈煤技術(shù)。為構(gòu)建“資源節(jié)約型社會(huì)”和“環(huán)境友好型社會(huì)”,動(dòng)力配煤優(yōu)質(zhì)化技術(shù)已作為我國(guó)重大節(jié)能工程任務(wù)之一。因此,進(jìn)一步研究動(dòng)力配煤的關(guān)鍵技術(shù)問題——配煤優(yōu)化模型具有重要意義。
　　 動(dòng)力配煤優(yōu)化模型的研究涉及到配煤優(yōu)化方案的確定和配煤煤質(zhì)的預(yù)測(cè)。但是目前動(dòng)力配煤模型的優(yōu)化方法大多數(shù)采用傳統(tǒng)的優(yōu)化方法或是單一啟發(fā)式算法,其效率低下；配煤的煤質(zhì)預(yù)測(cè)

2、采用加權(quán)平均法,其預(yù)測(cè)精度低,這已成為動(dòng)力配煤優(yōu)化急需解決的問題。為此,本文在配煤優(yōu)化和配煤煤質(zhì)預(yù)測(cè)方面分別引入了遺傳算法-蟻群算法(GAAA)和Elman神經(jīng)網(wǎng)絡(luò),在此基礎(chǔ)上將其用于動(dòng)力配煤優(yōu)化模型的設(shè)計(jì)中。
　　 本文首先對(duì)基本遺傳算法的交叉概率和變異概率進(jìn)行改進(jìn),改進(jìn)后的算法稱為自適應(yīng)遺傳算法。根據(jù)配煤的目標(biāo)及其配煤指標(biāo)的約束條件,提出應(yīng)用自適應(yīng)遺傳算法對(duì)動(dòng)力配煤模型進(jìn)行初步優(yōu)化,該優(yōu)化模型能夠?yàn)閯?dòng)力配煤提供初步的優(yōu)化方案

3、,用于選擇合適的煤種和配比,并采用加權(quán)平均法對(duì)配煤煤質(zhì)進(jìn)行預(yù)測(cè),其預(yù)測(cè)結(jié)果誤差較大。
　　 針對(duì)加權(quán)平均法進(jìn)行煤質(zhì)預(yù)測(cè)時(shí)產(chǎn)生的誤差較大的缺點(diǎn),本文采用Elman神經(jīng)網(wǎng)絡(luò)的方法建立配煤煤質(zhì)預(yù)測(cè)模型。其預(yù)測(cè)結(jié)果與加權(quán)平均值進(jìn)行比較,結(jié)果表明Elman網(wǎng)絡(luò)模型的預(yù)測(cè)結(jié)果明顯好于加權(quán)平均法,并且能夠滿足用戶對(duì)配煤煤質(zhì)的需求。
　　 為了對(duì)配煤模型進(jìn)行進(jìn)一步的優(yōu)化,本文采用GAAA算法建立動(dòng)力配煤優(yōu)化模型。利用遺傳算法生成配煤優(yōu)化