基于自适应粒子群算法的配煤结构化模型研究
于锋1
邓建军2
蔚志恒1
高涵2
韩春阳1
张翼鹏2
戴芳蕾3
1.国家能源集团乌海能源有限责任公司,内蒙古 乌海 0160002.中国矿业大学 化工学院,江苏 徐州 2210003.中南大学 资源加工与生物工程学院,湖南 长沙 410000
摘要：为构建高效、低成本且适应性强的配煤方案,解决传统配煤方案依赖人工经验、计算复杂、结果稳定性差等问题,提出一种基于自适应粒子群算法的配煤结构化模型.研究以磁西煤田七个矿区不同牌号煤种为样本,首先对混煤的各煤质指标(灰分、水分、挥发分、硫分、黏结指数)进行实测,分析传统线性加权模型的预测误差;对灰分、挥发分和硫分指标采用线性预测模型进行预测;针对黏结指数的非线性特征,引入支持向量机原理,构建含高斯函数项的非线性预测模型.随后,建立以成本最低、优质煤配比最小、劣质煤配比最大为目标的多约束配煤结构化模型,并采用遗传算法(GA)、粒子群算法(PSO1)及自适应粒子群算法(PSO2)进行求解优化,并改进学习因子和惯性权重的动态调整策略.结果表明:灰分、挥发分及硫分可通过线性预测模型有效预测(R2 值接近 0.9),黏结指数的非线性预测模型R2 值达 0.927,显著优于传统加权公式;在模型求解中,PSO2算法相较于GA和PSO1,预测误差更小,配煤成本最低,为 1 502.80元;且迭代过程稳定性更高,20代后性能基本稳定.构建的基于自适应粒子群算法的配煤结构化模型,能有效实现混煤煤质指标的高精度预测及配比方案的快速优化,可为煤炭的清洁高效利用提供技术支撑,具备良好的工程应用价值.
关键词：配煤技术预测模型配煤结构化模型自适应粒子群算法煤质指标预测成本优化
分类号：TD948.9(选矿)
资助基金：国家重点研发计划(2019YFC1904800)
论文发表日期：2025-06-30
在线出版日期：2025-09-30（本平台首次上网日期，不代表文献的发表时间）
页数：8( 77-84 )
英文信息