基于自适应遗传算法的露天煤矿配煤优化模型研究.pdf

露天采矿技术Opencast Mining TechnologyVol.38No.3June.2023第 38 卷第 3 期2023 年 6 月随着煤炭资源的不断开采，其储量不断降低，开采难度也随之变大，低品质煤炭的有效利用成为一种趋势，为了保证矿山企业的经济效益，提高煤炭的有效开采利用，避免造成劣质煤炭的浪费，通常矿山企业将优质煤炭与劣质煤炭资源进行合理搭配开采，提升劣质煤炭的利用率。露天煤矿配煤优化模型在发展过程中分为多目标、单目标2种配矿优化模型。Wilke等在1979年首基于自适应遗传算法的露天煤矿配煤优化模型研究高金龙1，蔡明祥1，王登龙1，王识辉1，豆澳归1，汪帅2（1.国能新疆准东能源公司，新疆 乌鲁木齐 830000；2.辽宁工程技术大学 矿业学院，辽宁 阜新 123000）摘要：针对露天矿采场内由于各煤层煤质指标变化不均，导致的低品质煤质无法被有效利用，造成煤资源损失的问题；以神华新疆能源有限责任公司红沙泉露天煤矿为研究背景，以煤质指标偏差最小作为目标函数，以生产力、任务量、剥采比、煤质指标等条件作为约束函数，并使用理想点法、罚函数法对函数进行处理，建立了露天矿配煤模型；采用自适应遗传算法求解配煤模型，验证了配煤模型合理性，在以上研究的基础上，设计了红沙泉露天矿首采区2021年的配煤方案。研究结果表明：该配煤模型能够求出各出煤点到受煤点的最优煤量，提高了红沙泉露天矿低品质煤的使用率，减少了煤资源浪费，从而实现红沙泉露天矿经济效益的最大化。关键词：露天煤矿；煤质指标偏差；理想点法；罚函数法；自适应遗传算法中图分类号：TQ520.62文献标志码：B文章编号：员远苑员原怨愿员远（圆园23）03原园园01原园5Research on optimization model of coal blending in open-pit coal mines based onadaptive genetic algorithmGAO Jinlong1,CAI Mingxiang1,WANG Denglong1,WANG Shihui1,DOU Aogui1,WANG Shuai2（1.China Energy Group Xinjiang Energy Company,Wulumuqi 830000,China;2.College of Mining,Liaoning Technical University,Fuxin 123000,China）Abstract:Aiming at the problem that the low-quality coal quality in the open-pit mine cannot be effectively utilized due to theuneven change of coal quality indexes in each coal seam,resulting in the loss of coal resources,we take the Hongshaquan Open-pit Coal Mine of Shenhua Xinjiang Energy Co.,Ltd.as the research background,taking the minimum deviation of the coal qualityindex as the objective function,taking the conditions of productivity,task quantity,stripping ratio,coal quality index and otherconditions as the constraint function,and use the ideal point method and the penalty function method to process the function,andestablish the open-pit mine coal blending model.We use the adaptive genetic algorithm to solve the coal blending model,verifythe rationality of the coal blending model.On the basis of the above research,the article designs coal blending scheme for the firstmining area of the Hongshaquan Open-pit Mine in 2021.The results show that the coal blending model can find the optimalamount of coal from each coal point to the coal receiving point,improve the utilization rate of low-quality coal in the HongshaquanOpen-pit Mine,reduce the waste of coal resources,and maximize the economic benefits of the Hongshaquan Open-pit Mine.Key words:open-pit coal mine;deviation of coal quality index;ideal point method;penalty function method;adaptive geneticalgorithm移动扫码阅读收稿日期：2022-07-25责任编辑：陈毓作者简介：高金龙（1987），男，新疆博尔塔拉博乐人，工程师，本科，2011 年毕业于江西理工大学，从事露天采矿技术与管理方面的工作。DOI:10.13235/ki.ltcm.2023.03.001高金龙，蔡明祥，王登龙，等.基于自适应遗传算法的露天煤矿配煤优化模型研究 J.露天采矿技术，2023，38（3）：1原5.GAO Jinlong,CAI Mingxiang,WANG Denglong,et al.Research on optimization model of coal blending inopen-pit coal mines based on adaptive genetic algorithm 允.Opencast Mining Technology,2023,38（3）:1原5.1露天采矿技术Opencast Mining TechnologyVol.38No.3June.2023第 38 卷第 3 期2023 年 6 月次提出运用线性规划的方法，建立短期生产计划模型并求解；MORENO等1建立多个线性规划生产优化模型，同非线性模型进行对比，优化结果显著；LIU等2根据图论和网络流提出新的图论算法求解混合整数规划，并验证该算法的合理性；GILANI等3充分考虑了矿物品位的不确定性，以蚁群算法为基础提出启发式近似算法可以在露天计划编制中使用；王李管等4根据矿物品位的波动，以品位偏差最小建立目标函数，实现目标规划的配矿模型。为此，以红沙泉露天煤矿为背景，通过构建钻孔数据库和带有属性的煤质模型，建立目标函数及约束方程，构建配煤模型并采用自适应遗传算法进行求解，最终求出红沙泉露天煤矿各出煤点到受煤点的最优煤量并验证了配煤模型合理性。1煤层赋存及煤质指标需求分析1）煤层赋存条件。红沙泉露天矿煤层赋存厚度大于1 m的可采煤层共11层，能够全区开采或独立矿田之内可采煤层为B0、B1、B2忆、B3、B4，大部分可采的煤层有B1、B2忆，局部可采煤层为B3下。其中主采B2忆、B1煤层为：淤B2忆煤层：不稳定，整体厚度改变大、北、中为特厚煤层，南部为厚、中厚煤层，煤层厚度为2.7227.65 m，平均厚度为15.36 m；于B1煤层：基本稳定，整体厚度改变小，西、中部为特厚煤层,煤层厚度021.77 m，平均厚度为11.65 m。2）煤质指标分析。淤B2忆煤层：灰分2.64%耀36.36%，低位发热量介于18.94耀22.57 MJ/kg，整个煤层灰分西侧高于东侧，在向南开采中西侧灰分回落，低位发热量变化不大；于B1煤层：灰分4.96%耀37.35%，低位发热量介于18.64 耀22.13 MJ/kg；整个煤层从西向东灰分逐渐降低、低位发热量逐渐升高。2配煤优化数学模型构建配煤过程使用包括水分、灰分、挥发分、发热量等一系列指标，以矿山需求构建多目标函数。2.1目标函数根据配煤要求及生产实际，设出煤点为i（i=1、m）、受煤点为j（j=1、n），则出煤点与受煤点灰分、低位发热量煤质指标偏差最小目标函数为：minF1（A）越nj=1移mj=1移Aijgi-gjnj=1移mi=1移Aij（1）minF2（A）越nj=1移mj=1移Aijfi-fjnj=1移mj=1移Aij（2）式中：F1（A）为煤质灰分偏差函数；F2（A）为煤质低位发热量偏差函数；n为受煤点个数；m为出煤点个数；j为某受煤点；i为某出煤点；Aij为i出煤点运到j受煤点的矿量，104t；gi为出煤点煤质灰分，%；gj为受煤点煤质最大灰分，%；fi为出煤点煤质低位发热量，MJ/kg；fj为受煤点煤质最小低位发热量，MJ/kg。2.2约束条件以其它生产条件对其进行约束，使配煤结果最大化的满足矿山实际情况5-10。1）出煤点任务量约束。每个出煤点到受煤点的月任务量都有其最大、最小任务量要求：Q1臆Aij臆Q2（i=1、2、m）、（j=1、2、n）（3）式中：Q1为i出煤点到j受煤点的月最小任务量，104万t；Q2为i出煤点到j受煤点的月最大任务量，104万t。2）受煤点任务量约束。每个受煤点都需按月生产任务从出煤点接受一定范围内的煤量，其有最大、最小任务量要求：R1臆mi=1移Aij臆R2（j=1、2、n）（4）式中：R1为j受煤点处理能力的月最小任务量；R2为j受煤点处理能力的月最大任务量。3）生产能力约束。由于场地、储量等限制，出煤点月最大生产能力一定；同时受煤点月最大生产能力也一定。4）煤质指标约束。各出煤点运往受煤点的煤质灰分、低位发热量平均指标，应不大于受煤点生产设计的相应指标。5）生产剥采比约束。某一时期内的生产剥采比要不大于该时期内的年生产计划要求：Ns越Vsni=1移mi=1移Aij臆N忆s（5）式中：Ns为生产剥采比，为1个月的剥离岩量，万m3；N忆s为生产剥采比年计划指标。2.3配煤优化数学模型函数处理目标函数在求解方法上多种多样，一般采用理想点法对多目标函数进行处理，变为单目标函数。将一个要求的目标，置于多维空间中进行评价，2露天采矿技术Opencast Mining TechnologyVol.38No.3June.2023第 38 卷第 3 期2023 年 6 月设评价目标为G，多维空间中任意一点为H，多维空间中的理想点个数为k，则在此多维空间中的k个理想点与H点空间距离最近的理想点为H点的理想点，H点的属性与最近理想点属性相同。以三维空间为例，在三维空间中W1点距离H点的空间距离最近，则认为H点属性与W1点属性相同。三维空间理想点原理图如图1。理想点法的函数是在某一可行域内，设各目标期望值为（xl，gl）,令gl臆gL臆mingL（x）,gl（x）,l=1、2、q，此时gl为某一目标函数在可行域内的理想点，在某可行域内实现理想点gl与各目标函数gl（x）之间的偏差在空间距离上最小，gl则为此目标函数可行解。2.4目标函数的处理引入权值W将多目标函数转变成单目标评价函数，其解作为多目标函数最优解。使用理想点法中的模函数P，令P=2，则函数与理想值的偏差为：Z gl（x）,gl；W蓘蓡=ql=1移Wlgl（x）-gl2蓘蓡12（6）权值W可通过均差排序法来确定，在可行域内对各目标进行优化找到最优值，设xt为各目标函数极小值点，表示为gl（xt）=gL臆mingL（x）,gl（x）。通过求出各目标与个极小值点的相对偏差来确定权重，将相对偏差作无量纲化处理，最后使用算术法求出平均偏差，以此来求出权值Wt=渍tbt=1移渍t（t=1、2、b），并根据上述过程将目标函数处理为：gl（x）=W1F1（A）+W2F2（A）。2.5约束函数的处理采用罚函数法将约束问题转化成无约束问题，罚函数法有目标罚函数法、外点罚函数法、内点罚函数法，这里选用目标函数法。罚函数将约束问题描述如下：ming（x）s.t.ff（x）臆0f=1、2、sdh臆xh臆ehh=1、2、o嗓（7）式中：g（x）为目标函数；ff（x）为不等式约束函数；dh为决策变量xh上限；eh为决策变量xh下限。引入目标罚因子，构建新的罚函数：鬃（x,姿）=g（x）-姿滓+sf=1移max ff（x），0嗓瑟滓（8）式中：鬃（x）为目标罚函数；姿为目标或约束罚因子；滓为约束因数，滓1。3配煤模型的自适应遗传算法求解遗传算法主要过程是以目标函数、约束条件、决策变量为基础进行染色体编码；生成1个初始计算的种群；以目标函数和约束条件构建新的适应度函数，进行选择、交叉、变异后产生新的优化种群，根据迭代次数是否满足最大迭代要求，若满足输出结束，反之进行下一轮循环。自适应遗传算法法流程图如图2。以红沙泉首采区为例，基于自适应遗传算法求解配煤模型方法如下：1）煤量流向染色体编码。首采区内包含B1、B2忆2个煤层，其中B2忆煤层成2层，共3个出煤点。根据生产计划，开采出的煤将运往2个受煤点，以受煤点获得出煤点的煤量A11、A21、A31、A12、A22、A32为决策变量，以决策变量为基因，配煤方案为个体，进行编码。2）初始配煤方案种群。按照编码的染色体，工序排序序列随机生成，机器分配序列采用遗传+随机方法生成。由于计算变量较少，种群大小取50，迭代图 1基于自适应遗传算法的露天煤矿配煤优化模型研究图 2自适应遗传算法法流程图x沂Xx沂X3露天采矿技术Opencast Mining TechnologyVol.38No.3June.2023第 38 卷第 3 期2023 年 6 月次数设置为700，以目标函数求偏差最小为基础，选用交叉概率和变异概率两端都线性变化的概率公式：Pc=Pc3（favg-f 忆）+Pc2（f 忆-fmin）（favg-fmin）f 忆臆favgPc2（fmax-f 忆）+Pc1（f 忆-favg）（fmax-favg）f 忆跃favg扇墒设设设设设设缮设设设设设设（9）Pc=Pm3（favg-f）+Pm2（f-fmin）（favg-fmin）f 忆臆favgPm2（fmax-f）+Pm1（f-favg）（fmax-favg）f 忆跃favg扇墒设设设设设设缮设设设设设设（10）（11）式中：Pc为交叉概率；Pm为变异概率；Pcmax为最大交叉概率；Pcmin为最小交叉概率；Pcmax为最大变异概率；Pmmin为最小变异概率；favg为种群平均适应度；f 忆为交叉双亲中较大适应度值；fmax为种群最大适应度；fmin为种群最小适应度；f为变异亲代中适应度值。3）配煤方案适应度函数。根据已构建的配煤目标函数和约束条件，构建新的适应度函数，适应度函数f（A）=处理后的目标函数+处理后的约束函数。4）根据适应度值进行选择。以适应度的大小来进行选择，适应度大的传给下一代的几率反而更小，反之，几率更大。5）以交叉概率Pc进行交叉。在（0,1）上随机产生1个随机数u，当uPc选用算数方式进行交叉。6）以变异概率Pm进行变异。当uT，若大于则输出结束，反之则迭代次数t+1，再从适应度函数进行1次选择、交叉、变异，直到迭代结束，选出适应度最小的个体输出结束。4配煤模型求解为了确保该自适应遗传算法能够求解出最优的结果，用红沙泉实例对其进行验证。求解2个受煤点获得1、2、3号出煤点的煤量，煤量流向网络图如图3。令各出煤点指标为固定值，忽略条带开采顺序，令1号、2号受煤点任务量为40万t和70万t，交叉概率Pc1=0.7、Pc2=0.5、Pc3=0.3、变异概率Pm1=0.06、Pm2=0.03、Pm3=0.01。红沙泉露天矿配煤指标如下：淤出煤点月最小任务量：园万贼；于出煤点月最大任务量：缘园万贼；盂员受煤点月最小任务量：猿愿万贼；榆员受煤点月最大任务量：源缘万贼；虞圆受煤点月最小任务量：远苑万贼；愚圆受煤点月最大任务量：苑源万贼；舆出煤点月最大生产量：缘园万贼；余员受煤点月最大生产量：源缘万贼；俞圆受煤点月最大生产量：苑缘万贼；逾员受煤点最大灰分：怨豫；輥輯訛圆受煤点最大灰分：员圆豫；輥輰訛员受煤点最小低位发热量：圆园援园愿 酝允/kg；輥輱訛圆受煤点最小低位发热量：圆园援园愿 酝允/kg；輥輲訛员出煤点灰分：员园援员豫；輥輳訛圆出煤点灰分：愿援源豫；輥輴訛猿出煤点灰分：员猿援圆豫；輥輵訛员出煤点低位发热量：圆园援缘园 酝允/kg；輥輶訛圆出煤点低位发热量：员怨援愿苑 酝允/kg；輥輷訛猿出煤点低位发热量：圆园援园园 酝允/kg；輦輮訛生产剥采比年计划指标：猿 皂猿/贼；輦輯訛员个月的剥离岩量：猿缘园万皂猿。将数据代入配煤数学模型，并将式（12）、式（13）分别用理想点法和罚函数法进行处理，随后按照自适应遗传算法步骤，运用MATLAB软件进行计算分析。随着迭代次数的增多，适应度函数主要经历3个阶段：淤第0耀第120次迭代，快速下降阶段；于第121耀第360次迭代，缓慢下降阶段；盂第361耀第607次迭代，缓慢稳定阶段，此时适应度函数值逐渐趋于平稳。当进行到第607次迭代时，适应度值达到最小0.712 515，意味着目标函数值达到最小。计算此时1、2、3号出煤点与1、2号受煤点的煤量，其煤量、平均灰分、低位发热量均符合约束条件，因此上述的配沂渊0袁1冤Pc1Pc2Pc3Pm1Pm2Pm3图 3煤量流向网络图4露天采矿技术Opencast Mining TechnologyVol.38No.3June.2023第 38 卷第 3 期2023 年 6 月图 4适应度值散点图煤模型是能够求出各出煤点到受煤点的最优出煤量。适应度值散点图如图4，红沙泉露天矿配煤模型计算结果见表1。5结语1）根据红沙泉露天矿煤质生产需求，以煤质指标在出煤点与受煤点指标偏差最小作为目标函数，以生产任务量、生产力、煤质指标、剥采比等条件构造约束函数。2）运用理想点法对配煤目标函数进行处理，通过罚函数法将约束函数转变成无约束函数，结果证明处理后的配煤函数对于求解更为快捷方便。3）使用自适应遗传算法求解配煤函数，按照自适应遗传算法步骤对处理后的配煤函数进行求解设计，并以红沙泉煤矿实际数据，按照自适应遗传算法理论对配煤数学模型进行合理性检测，结果证明该配煤模型能够求出各出煤点到受煤点的最优煤量。参考文献：员 酝ORENO 耘，砸EZAKHAH 酝，晕EWMAN 粤，藻贼 葬造援 蕴蚤灶藻葬则皂燥凿藻造泽 枣燥则 泽贼燥糟噪责蚤造蚤灶早 蚤灶 燥责藻灶 原 责蚤贼 皂蚤灶藻 责则燥凿怎糟贼蚤燥灶泽糟澡藻凿怎造蚤灶早 责则燥遭造藻皂泽 允 援 耘怎则燥责藻葬灶 允燥怎则灶葬造 燥枣 韵责藻则葬贼蚤燥灶葬造砸藻泽藻葬则糟澡，圆园员苑，圆远园（员）：圆员圆原圆圆员援圆 蕴IU Shiqiag，运OZAN 耘援 晕藻憎 早则葬责澡原遭葬泽藻凿 葬造早燥则蚤贼澡皂泽 贼燥藻枣枣蚤糟蚤藻灶贼造赠 泽燥造增藻 造葬则早藻 泽糟葬造藻 燥责藻灶 责蚤贼 皂蚤灶蚤灶早 燥责贼蚤皂蚤泽葬贼蚤燥灶责则燥遭造藻皂泽 允 援 耘曾责藻则贼 杂赠泽贼藻皂泽 憎蚤贼澡 粤责责造蚤糟葬贼蚤燥灶泽，圆园员远（源猿）：缘怨原远缘援猿GILANI 杂韵，杂ATTARVAND 允援 陨灶贼藻早则葬贼蚤灶早 早藻燥造燥早蚤糟葬造怎灶糟藻则贼葬蚤灶贼赠 蚤灶 造燥灶早 原贼藻则皂 燥责藻灶 责蚤贼 皂蚤灶藻 责则燥凿怎糟贼蚤燥灶责造葬灶灶蚤灶早遭赠葬灶贼糟燥造燥灶赠燥责贼蚤皂蚤扎葬贼蚤燥灶 允 援悦燥皂责怎贼藻则泽驭郧藻燥泽糟蚤藻灶糟藻泽，圆园员远，愿苑（圆）：猿员原源园援源 王李管，宋华强，毕林，等援基于目标规划的露天矿多元素配矿优化 允 援东北大学学报（自然科学版），圆园员苑，猿愿（苑）：员园猿员原员园猿远援缘 李国清，李宝，胡乃联，等援地下金属矿山采掘作业计划优化模型 允 援工程科学学报，圆园员苑，猿怨（猿）：猿源圆原猿源愿援远 涂鸿渐，王李管，陈鑫，等援基于混合整数规划法的露天矿配矿品位控制 允 援黄金科学技术，圆园员怨，圆苑（猿）：源缘愿原源远缘援苑 王雪松，徐振洋，李小帅，等援矿石质量智能控制系统的开发与应用 允 援金属矿山，圆园员怨（怨）：员远园原员远远援愿 顾清华，孟倩倩，卢才武，等援露天矿多目标配矿模型与优化算法研究 允 援矿业研究与开发，圆园员怨，猿怨（圆）：员远原圆员援怨 叶海旺，欧阳枧，李宁，等援矿山短期生产计划优化的多目标遗传粒子群算法 允 援金属矿山，圆园员愿（员员）：圆缘原猿园援员园 文超援 基于 郧陨杂 技术的露天矿配矿管理系统研究 阅 援西安：西安建筑科技大学，圆园园怨援表 1红沙泉露天矿配煤模型计算结果受煤点配煤平均灰分/%配煤平均低位热量/（MJ kg-1）%配煤出煤量/万 t1 号出煤点2 号出煤点3 号出煤点1 号受煤点2 号受煤点14.99128.76329.9630.0010.01236.9218.9711.8420.06420.2005