一种输送系统节能优化调度方法与流程

1.本发明涉及长距离传送带优化调度领域，尤其涉及一种输送系统节能优化调度方法。


背景技术：

2.带式运输机作为一种连续运输设备，在水泥熟料输送中被广泛运用，带式运输成为了连接生产各环节的重要纽带。受到原料分布特征的影响，水泥厂的选址具有集群特征，在同一片区域可能会布置多家水泥生产企业，水泥熟料需要从多个厂区转运出来并存储到多个熟料库再统一运送出去。在生产过程中，带式运输机系统是企业电能消耗的关键关节之一，并影响到输送带磨损、现场操作效率，带式运输机的工作环境一般相对恶劣，温度高、粉尘大、连续工作时间长，受到生产条件的限制，复杂的外部环境、多变的系统内因容易引发单个设备乃至整个系统的不稳定。现有技术中，带式运输机的输送速度、输送距离、使用寿命、故障率等因素仍是制约带式运输机工作效率的主要因素，通常通过减少系统功耗和提高系统传动实现节能，但是通常涉及到输送机设备的改造和更新，成本较高，并且受到设备性能影响优化效果存在较大误差。
3.例如，一种在中国专利文献上公开的“融合筒仓虚拟储能的煤矿带式输送系统节能优化调度方法”，其公告号：cn110531717b，公开了虚拟储能系统模型、风机模型、光伏模型；以日运行成本最小为目标建立考虑筒仓虚拟储能的带式输送系统优化调度的目标函数，但是该方案没有考虑到优化调度过程中优化误差的问题。


技术实现要素：

4.为了解决现有技术中优化过程中误差较大的问题，本发明提供一种输送系统节能优化调度方法，能够通过两次优化调度逐步减少优化过程中预测误差，同时考虑不同工况进行优化，进一步提高优化可靠性。
5.为了实现上述目的，本发明提供如下技术方案：一种输送系统节能优化调度方法，包括如下步骤：s1、获得入库量预测值；s2、建立最优调度模型，对转运系统进行能效优化；s3、划分优化时域，对每个优化时域划分不同工况；s4、建立全流程优化调度模型，进行整体优化；s5、仿真验证。建立能耗优化模型。 首先对入库量进行预测，分别获得日内预测值和实时预测值，对系统中一条运输机建立其能耗优化模型，将实际运行约束加入到能耗优化模型中，通过最小化求得能耗优化；从而完成个体优化，将运行时间划分为不同的优化时域，同时对不同时域下工况进行划分，在不同时域和不同工况时运行能耗优化模型；建立全流程优化调度模型，对系统中所有的运输机的运输量合并作为优化变量，对每个运输机的能耗优化模型进行简化并合并为全流程优化调度模型，将系统中运行约束加入到全流程优
化调度模型中并在多个时域进行滚动优化，从而实现整体实时优化；确定日前预测值，对不同工况下整体优化进行验证，从而确定最优调度方案。能考虑到每个运输机自身的约束影响，先对个体优化后对整体优化，从而提高优化效果，减少优化过程中误差的影响。
6.作为优选的，s1中包括获取调度计划和运输卡车位置信息，通过调度计划及运输卡车位置信息预测入库量得到入库量预测值，入库量预测值包括实时预测值与日内预测值。通过调度计划获取入库量的日内预测值，通过卡车实时位置获取入库量的实时预测值，对入库量进行多维度的预测。能将生产过程的变化考虑到优化调度中，便于根据生产目标实时进行优化调度。
7.作为优选的，s2中包括建立输送系统的能耗优化模型，对能耗优化模型进行离散化，添加带速抑制因子，对带速抑制因子设置权重系数，根据能耗最小求解从而得到最优控制指令。将入库量作为能耗优化模型的输入量，考虑实际运行约束，并对实际运行约束起到的影响进行权重计算，从而计算出目标运输量下的能耗。能对系统中单个运输机进行能耗优化，获得单个运输机的最优工作效率。
8.作为优选的，s3中划分优化时域包括，将24h内根据日前计划等分为多个优化时域；对每个优化时域内的工况进行划分。获得最优控制指令后通过不同优化时域下的不同工况造成约束的实际变化对最优控制指令进行调整，减少对于运输卸货过程对于优化的影响，同时根据不同的工况进行不同的优化，提高优化调度效果。
9.作为优选的，工况包括入库量波动工况和固定负荷工况，入库量波动工况为在分时电价变化时对运输量和带速进行优化控制造成的入库量波动，固定负荷工况为运输量与带速均取固定值时的预计入库量。入库量波动工况时，根据分时电价的不同调节运输量和带速，使得入库量为以分时电价为输入、运输量和带速为变量、入库量为输出的波动函数。能够将运输机的多种工况考虑到优化过程里，通过增加有利条件对初始的最优控制指令进行调整，进一步提高优化效果。
10.作为优选的，建立约束条件，约束条件包括单位长度传送带上物料质量约束、熟料库库容约束、带速及运输量约束。通过对多种约束的计算提高优化调度的准确性。将约束条件带入能耗优化模型中进行优化计算，从而得到更准确的最优控制指令。
11.作为优选的，s4中包括简化输送系统能耗优化模型，将每条运送线路的运输量合并并作为优化变量，运输量为最优控制指令在不同工况下优化后的个体优化运输量。简化每个运输机的能耗优化模型，根据s3中调整后的优化控制指令得到个体优化运输量，至此，个体优化运输量为入库量预测值经过两次优化得到的优化后的运输量；将每个个体优化运输量合并组成全流程优化调度模型的优化变量。能在个体优化之后进行整体优化，在每个输送机最优调度的基础上实现整体最优调度。
12.作为优选的，s4中还包括加入第二带速抑制因子，对第二带速抑制因子设置第二权重系数并加入到全流程优化调度模型中，在多个优化时域进行滚动优化。将带有第二权重系数的第二带速因子加入到对应的简化能耗优化模型中，再组合为全流程优化调度模型。组合方式包括叠加模型，多目标优化模型。从而实现整体优化。
13.作为优选的，s5中包括设置采样时间，确定日前预测值，对波动运输量工况和固定负荷工况分别进行验证，确定最优调度方案。对不同工况下的优化模型进行验证提高优化调度可靠性。根据历史信息确定日前预测值，对波动运输量工况和固定负荷工况下分别进
行全流程优化调度，实现整体对不同工况的优化调度，将优化调度结果与日前预测值进行相关性计算，从而确定最优调度方案。
14.本发明具有如下优点：能够通过二次优化逐步减少误差，能将整个系统通过两个不同大小的优化模型多次进行优化，减少一次优化造成的不准确性，通过对系统中部分优化与整体优化相结合，提高系统优化结果，同时对于优化时域进行划分，对不同时域及不同工况进行划分并分别进行优化，进一步提高优化可靠性；将约束分别加入到两次优化中，对约束在两次优化中重要性不同设置不同的权重，进一步提高优化可靠性，减少约束波动造成的不准确性；通过对系统的日内预测值和调度计划确定优化调度的目标并进行实时滚动优化，能根据实际生产过程变化进行优化，提高泛用性。
附图说明
15.为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是示例性的，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图引伸获得其它的实施附图。
16.图1是本发明的方法步骤示意图。
17.图2是本发明中熟料库转运系统图。
18.图3是本发明中优化时域示意图。
具体实施方式
19.以下由特定的具体实施例说明本发明的实施方式，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
20.如图1-3所示，在一个较佳的实施例中，本发明公开了一种输送系统节能优化调度方法，包括：s1、获得入库量预测值；获取调度计划和运输卡车位置信息，通过调度计划及运输卡车位置信息预测入库量得到入库量预测值，入库量预测值包括实时预测值与日内预测值。通过调度计划获取入库量的日内预测值，通过卡车实时位置获取入库量的实时预测值，对入库量进行多维度的预测。
21.在使用时，通过获取日前调度计划确定入库量的日内预测值，通过监控运输卡车位置信息确定入库量的实时预测值，此时运输卡车的运输速度及运输量为固定值。
22.s2、建立最优调度模型，对转运系统进行能效优化；建立输送系统的能耗优化模型，对能耗优化模型进行离散化，添加带速抑制因子，对带速抑制因子设置权重系数，将权重系数下的带速抑制因子添加到离散化的能耗优化模型中，然后根据能耗最小进行求解，从而得到最优控制指令。
23.在使用时，根据s1中入库量预测值对24h的能耗进行优化计算，包括实时能耗优化与日内能耗优化；将每个运输机自身带速受到运输量影响的因素添加到能耗优化模型中，从而得到最优控制指令，最优控制指令包括运输量指令、运输速度指令；从而得到单个运输
机的最优工作效率。
24.s3、划分优化时域，便于对不同优化时域的不同工况分别进行优化；将24h内的根据日前计划等分为多个优化时域，对每个优化时域内的工况进行划分，工况包括入库量波动工况和固定负荷工况，入库量波动工况为在分时电价变化时对输送量和带速进行优化控制造成的入库量波动，固定负荷工况为输送量与带速均取固定值时的预计入库量。入库量波动工况时，根据分时电价的不同调节输送量和带速，使得入库量为以分时电价为输入、输送量和带速为变量、入库量为输出的波动函数，固定负荷工况为运输量与带速均取固定值时的预计入库量；建立约束条件，约束条件包括单位长度传送弄个带上物料质量约束、熟料库库容约束、带速及运输量约束。
25.在使用时，将约束条件带入能耗优化模型中进行优化计算最优控制指令，将24h划分为等间距优化时域，每个优化时域均位于分时电价变动区间内，在优化时域内根据对应分时电价确定工况，根据不同工况获取每个优化时域内的最优运输量波动范围，根据最优运输量波动范围调整最优控制指令。
26.s4、建立全流程优化调度模型，进行整体优化；简化输送系统能耗优化模型，将每条运输线路的运输量合并并作为优化变量，运输量为最优控制指令在不同工况下优化后的个体优化运输量；全流程优化调度模型包括多个简化后的输送系统能耗优化模型，并以合并运输量作为优化变量，加入第二带速抑制因子，对第二带速抑制因子设置第二权重系数并加入到全流程优化调度模型中，在每个优化时域进行滚动优化。得到每个优化时域的全流程优化。将带有第二权重系数的第二带速因子加入到对应的简化能耗优化模型中，再组合为全流程优化调度模型。组合方式包括叠加模型，多目标优化模型。
27.在使用时，将多个简化能耗优化模型组合为全流程优化模型，将合并运输量作为优化变量，将第二带速因子及第二权重系数加入到模型中，通过对每个优化时域滚动优化，实现全流程优化。
28.s5、仿真验证，在不同工况下对全流程优化调度模型进行仿真；设置采样时间，确定日前预测值，对波动运输量工况和固定负荷工况分别进行验证，确定最优调度方案。根据历史信息确定日前预测值，对波动运送量工况和固定负荷工况下分别进行全流程优化调度，实现整体对不同工况的优化调度，将优化调度结果与日前预测值进行相关性计算，从而确定最优调度方案在使用时，对s4中得到的全流程优化结果在不同工况下进行验证，从而确定最优调度方案。
29.虽然，上文中已经用一般性说明及具体实施例对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。