一种不确定环境下炼铜配料多目标优化的方法

本发明属于有色金属的冶炼领域，具体涉及一种不确定环境下炼铜多目标优化的方法。

背景技术：

1、铜是经济和社会发展的重要基础材料，通过冶炼过程将原料中元素成分提炼出来，以生成相应的铜产品，在再生铜的生产过程中，配料作为前置工序，对成品的最终质量而言至关重要。再生铜的冶炼通常需要大量废料的使用以降低生产成本，但是由于废料大多数来源于废品回收，原料的质量会存在波动，因此要充分考虑到成分含量的不确定问题。

2、在“双碳”新时期的发展背景下，铜产业的绿色化、高质量发展是一个必然趋势，铜的熔炼过程在再生铜的生产中占据着大部分的碳排放，因此在熔炼过程中需要考虑到碳排放对环境的影响，以减少碳排放的产生。

3、传统的配料方法往往不考虑原材料成分的不确定性或者碳排放量，通常是根据人工经验或者使用原材料的“标称数据”得到配料方案。该方案操作相对简单，但是因为采用了经验数据，不可避免地影响到计算精度。除此之外，随着配料优化模型的不断改进，模型中涉及的目标函数和约束条件越来越复杂，使用传统的优化方法难以快速准确求解。

4、因此，为了同时考虑不确定性和二氧化碳排放，以最小化成本和二氧化碳排放为目标，建立多目标机会约束优化模型，以解决更加接近实际生产情况的再生铜生产配料问题，考虑经济成本的同时也考虑环境成本。

技术实现思路

1、鉴于现有技术存在的问题，本发明的目的在于提供一种不确定环境下炼铜配料多目标优化方法，在考虑原材料成分不确定后以配料总成本最低和二氧化碳排放最低为目标，建立了包含成分含量约束，库存约束的多目标机会约束模型，并提出改进多目标粒子群算法对模型求解，得到最终的帕累托解，以指导炼铜的配料方案，解决现有的未考虑原材料不确定性和熔炼过程碳排放的问题。

2、本发明的技术方案如下：

3、一种不确定环境下炼铜配料多目标优化的方法，包括如下具体步骤：

4、1)获取原材料和成品信息，以经济成本、碳排放量为目标，建立多目标优化模型；

5、2)将原料中废料元素的不确定情况用机会约束表示，并设定机会约束的置信水平；

6、3)采用约束多目标粒子群优化算法对步骤1)建立的多目标优化模型进行求解，得到最终输出的帕累托最优解。

7、进一步地，步骤1)原材料的信息包括原材料的元素含量历史数据，原材料的成本，原材料的熔点，原材料的库存量；成品的信息包括成品的元素含量规格，成品的需求量。

8、进一步地，步骤1)中多目标优化模型包括经济成本、二氧化碳排放量的目标函数；

9、其中，经济成本的目标函数为：

10、

11、二氧化碳排放量的目标函数为：

12、

13、目标函数g1表示生产成本最小，fi为原材料的单价，xi为原材料用量；目标函数g2表示二氧化碳排放量最小，式中，w为净购入电力排放因子，qi为第i种材料熔化所需的总耗电量；对铜熔炼过程中的碳排放量核算，采用了通用的碳排放因子计算表达式。为了简化计算，只考虑净购入电力产生的排放，目标函数g2碳排放量计算式采用碳排放因子的公式，其通用表达式如下：

14、e＝ad×ef

15、其中，e为二氧化碳排放量，ad表示为核算期内生产过程中化石燃料的消耗量、购入或输出的电量，气体燃料单位为万立方米，固体或液体燃料单位为吨(t)，ef为碳排放因子，主要来源于国内各行业协会实际测量值。

16、进一步地，对目标函数g2表达式中第i种材料熔化所需的总耗电量qi的计算式如下：

17、qi＝qi/η

18、式中η表示电的热转换效率，qi为第i种材料熔化需要的热量；

19、qi＝ci×xi×δti

20、式中ci为比热容kj/(kg℃)，xi为用量(kg)，δti表示原材料熔化温度的差值。

21、进一步地，步骤2)中的约束条件包括成品元素含量规格，原材料库存量，原材料投入量约束及非负约束。

22、进一步地，成品元素含量规格的限制：

23、

24、式中，lc和uc分别表示元素c在成品中的规格下界和规格上界,pci为纯材料的元素含量，为成分不确定原材料的元素含量，q表示成品的需求量；

25、对原材料中废料元素的不确定情况用机会约束表示，成品元素含量的确定性模型转换成下面的形式：

26、

27、

28、其中，i为原材料种类,其中i∈{1,2,3,…,h}为纯材料，i∈{h+1,h+2,…,n}为废料，n表示原材料的总数；lc和uc分别表示元素c在成品中的规格下界和规格上界,pci为纯材料的元素含量，为成分不确定原材料的元素含量；α为置信水平，φ(k1-α)＝1-α,φ()表示标准正态累计分布函数。

29、原材料库存量的限制：

30、每种原材料的投入量应不超过其库存：

31、

32、式中，xi为用量(kg),ei表示原材料i的库存量；

33、原材料投入量的限制:

34、原材料的投入量应满足如下约束：

35、

36、式中，xi为用量(kg),q表示成品的需求量；

37、非负约束:

38、每种原料的配比x1,x2,…xn,应满足如下非负约束

39、xi≥0

40、式中，xi为用量(kg)。

41、进一步地，步骤3)中采用约束多目标粒子群优化算法对步骤1)建立的多目标优化模型进行求解的具体过程如下：

42、a、初始化粒子群位置和速度，设置外部归档集合为空，相关求解参数设置，t＝0；

43、b、约束处理，修改目标函数值；

44、c、进行快速非支配排序，构造非支配集合；

45、d、为个体选取全局最优位置，pbest更新；

46、e、计算原目标函数值，更新外部归档集合；

47、f、基于约束支配准则，更新个体极值；

48、g、判断是否到达最大进化代数或达到收敛；

49、h、达到终止条件时输出帕累托最优解解及粒子的取值，否则进入循环重复操作。

50、进一步地，步骤3)中帕累托最优解包括经济效益和环境效益均衡的帕累托最优解，根据不同的需求从帕累托解中选取合适的配料方案。

51、与现有技术相比较，本发明的有益效果如下：

52、1)本发明将配料的成本、熔炼的碳排放量作为目标，建立基于帕累托的多目标粒子群优化模型，优化模型考虑到了配料原材料中废料元素的不确定性，并通过机会约束的方法对不确定性进行优化，对成品元素的约束做出了调整；基于优化模型求解得到帕累托最优解，其中对模型中的约束采用考虑距离度量和惩罚值的方法对目标函数进行转换，通过网格中的粒子数量对帕累托解集的大小进行调整，得到帕累托最优解，根据帕累托最优解以及粒子的位置取值，得到配料方案以及配料的目标结果；

53、2)现有的铜配料优化方法中，建立的优化模型多为单目标优化模型，较少考虑对碳排放的影响，此外缺少将配料成分不确定性与多目标共同考虑的方法，相较于现有的技术，本发明能够同时考虑不确定性和多个目标，实现生产过程中经济与环境的协调，并提高配料方案结果的稳定性。