動力配煤優(yōu)化模型的研究.pdf

1、動力配煤技術(shù)是一項投資少、見效快,既能節(jié)約煤炭資源,又能減輕環(huán)境污染的適合中國國情的潔凈煤技術(shù)。為構(gòu)建“資源節(jié)約型社會”和“環(huán)境友好型社會”,動力配煤優(yōu)質(zhì)化技術(shù)已作為我國重大節(jié)能工程任務(wù)之一。因此,進一步研究動力配煤的關(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。但是目前動力配煤模型的優(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

2、采用加權(quán)平均法,其預(yù)測精度低,這已成為動力配煤優(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)上將其用于動力配煤優(yōu)化模型的設(shè)計中。
　　 本文首先對基本遺傳算法的交叉概率和變異概率進行改進,改進后的算法稱為自適應(yīng)遺傳算法。根據(jù)配煤的目標及其配煤指標的約束條件,提出應(yīng)用自適應(yīng)遺傳算法對動力配煤模型進行初步優(yōu)化,該優(yōu)化模型能夠為動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)平均法對配煤煤質(zhì)進行預(yù)測,其預(yù)測結(jié)果誤差較大。
　　 針對加權(quán)平均法進行煤質(zhì)預(yù)測時產(chǎn)生的誤差較大的缺點,本文采用Elman神經(jīng)網(wǎng)絡(luò)的方法建立配煤煤質(zhì)預(yù)測模型。其預(yù)測結(jié)果與加權(quán)平均值進行比較,結(jié)果表明Elman網(wǎng)絡(luò)模型的預(yù)測結(jié)果明顯好于加權(quán)平均法,并且能夠滿足用戶對配煤煤質(zhì)的需求。
　　 為了對配煤模型進行進一步的優(yōu)化,本文采用GAAA算法建立動力配煤優(yōu)化模型。利用遺傳算法生成配煤優(yōu)化