一种基于深度免疫克隆算法的电解铝智能配铝调度方法与流程

本发明属于电解铝行业的配铝调度
技术领域：
，具体涉及一种基于深度免疫克隆算法的电解铝智能配铝调度方法。
背景技术：
：铝行业是典型的流程行业，电解氧化铝则是铝行业生产流程中最为核心的工艺环节。单个电解槽一次出铝量根据其型号不同，以我国西北某电解铝厂为例，其单槽单次出铝量大约为1500～3000kg，而装载铝液的铝液抬包容量通常在4000～6500kg，这样在出铝时，铝液抬包需要从多个电解槽抽取铝液。其中，由于受到电能供给等客观因素的限制，电解厂房的电解槽均为直线依次排布，相邻电解槽的间距大约为5米，天车吊装铝液抬包从一个电解槽移动到相邻电解槽的时间大约为5s。在实际中，由于不同电解槽之间的槽况不同，每个电解槽所产出的铝液质量也有较大差距，此时如果依次出铝很有可能会导致单个铝液抬包内的铝液质量不达标。这样，为保证产品质量就要进行配铝调度，即根据每个电解槽的检化验数据、计划出铝量等因素对不同电解槽进行组包出铝，从而保证不同电解槽的铝液在铝液抬包内混合后的质量达到要求。目前，国内大多数铝厂采用传统的人工计算方式进行配铝调度，但是由于配铝调度是一个复杂的多目标组合优化问题，需要考虑的因素特别多，例如连续浇注工艺下对单个铝液抬包的铝液质量要求、天车移动路径要求、铝液抬包的装液量以及不允许跨班次出铝、不允许跨工区出铝、产出铝液质量的方差尽可能大等特殊要求，导致人工计算十分困难，往往无法达到最佳的配铝调度，配铝成分超标导致的质量事故屡见不鲜，配铝调度不佳导致的资源浪费也是难以估量的。技术实现要素：为了提高配铝调度的效率和质量，本发明提出了一种基于深度免疫克隆算法的电解铝智能配铝调度方法，该方法包括以下步骤：步骤s1，获取数据参数；其中，包括计算参数：种群规模、克隆倍数、迭代次数、变异率，包括计算结果期望目标参数：允许的出铝最大跨度、期望最优质量和期望最差质量，还包括种群初始化策略、抬包最大安全容量、单次最低出铝量、梯度拆分参数、梯度质量要求下降参数，以及单槽出铝计划量、单槽原铝质量检化验数据、用铝需求计划；步骤s2，根据所述种群初始化策略配置进行电解槽拆分；步骤s3，构建编码序列群组；首先建立第一个编码序列，使第一个编码序列与拆分后依次排列的电解槽一一对应，并且第一个编码序列中的每一个序号分别存储其对应拆分后电解槽的出铝量，接着对第一个编码序列进行交叉变异处理，获得多个不同的编码序列构成编码序列群组；步骤s4，基于深度免疫克隆算法进行最优化迭代计算；以所述步骤s3中构建的编码序列群组作为抗体种群，依次进行亲和度评价、克隆扩增、深度克隆搜索和克隆选择，完成迭代次数后，输出满足计算结果期望目标的计算结果，获得最优编码序列，进而由最优编码序列进行组包。优选的，在所述步骤s1获取的数据参数中，所述变异率应在0～1范围内，所示期望最优质量和所述期望最差质量的si、fe含量应在0～1范围，al含量应在0～100范围内。优选的，在所述步骤s2中，进行电解槽拆分的种群初始化策略为不拆分电解槽、均匀拆分高杂质电解槽、梯度拆分高杂质电解槽和均匀拆分所有电解槽中的任意一种；其中，所述不拆分电解槽，指的是不对电解槽的单槽出铝量进行任何调整；所述均匀拆分高杂质电解槽，指的是根据设定的高杂质电解槽判定标准，对被判定为高杂质的电解槽进行平均拆分；所述梯度拆分高杂质电解槽，指的是根据设定的电解槽质量判定标准将电解槽划分为正常电解槽、杂质低超标电解槽、杂质中等超标电解槽和杂质严重超标电解槽，并对不同的电解槽进行平均拆分；所述均匀拆分所有电解槽，指的是对所有电解槽进行均匀拆分。进一步优选的，将铝液中的fe含量作为高杂质电解槽判定标准和电解槽质量判定标准。优选的，在所述步骤s3中，对第一个编码序列进行单次交叉变异的具体步骤如下：首先，随机选取第一个编码序列中的任意第一点，获取第一点对应的序号；接着，随机选择第一个编码序列中除第一点之外的任意第二点，获取第二点的序号；然后，交换第一点和第二点在第一个编码序列中的位置，并且同时交换第一点和第二点所对应电解槽的出铝量，获得变异后的编码序列。优选的，在所述步骤s4中，将最优化计算的目标函数定义为：其中l表示一个编码序列所对应的天车总跨度，n表示抬包数量，li表示第i个抬包天车跨度；基于深度免疫克隆算法进行最优化迭代计算的具体步骤为：步骤s41，初始化：根据步骤s3中构建编码序列的方式初始化抗体种群，即将步骤s3中构建的编码序列群组作为抗体种群，抗体种群的规模为np；步骤s42，亲和度评价：评价抗体种群中每一个抗体的亲和度f(xi)，亲和度计算公式为：其中ls表示按电解槽顺序进行出铝天车所走过的路程长度；步骤s43，克隆扩增：根据克隆规模ns对初始种群的每个抗体进行克隆扩增，得到新的抗体种群c；步骤s44，深度克隆搜索：步骤a，设定初始温度t0，目标温度t，迭代次数m，冷却速率r(0＜r＜1)；步骤b，首先依次从抗体种群c中选择抗体作为初始解i；接着使用亲和度评价函数公式作为能量评价函数，即e(i)＝f(i)，计算初始解i对应能量e(i)；然后根据亲和度评价函数公式对初始解i进行变异扰动产生新解i'，并计算其能量e(i')；最后根据metropolis准则判断是否接收新解，即：步骤c，判断是否达到迭代次数，若未达到则重复进行步骤b,若达到则进行降温,即t＝r·t0，直至达到目标温度，输出新的抗体种群c*；步骤s45，克隆选择：首先根据公式计算出抗体种群c*中每个个体被选中进入下一代的概率，然后根据公式计算出每个抗体的累积概率，采用轮盘赌选择策略对抗体种群c*进行选择操作，使其种群规模缩减至np；步骤s46，判断是否满足迭代次数，若不满足，则跳转至步骤s42，若满足则计算结束。进一步优选的，在所述步骤s44之后，还包括以下步骤：步骤t1，对所有抗体的编码序列进行组包操作；步骤t2，获取组包操作后每抬包所包含电解槽的重量数据，并根据装入量计算每抬包铝液重量，同时计算每抬包内所包含电解槽的总跨度；步骤t3，判断是否超过出铝最大跨度或不满足期望最差质量要求，若是则将该抗体的亲和度置零；步骤t4，筛选亲和度不为零的抗体，若其铝液质量达到期望最优质量，则将其亲和度加倍。进一步优选的，对编码序列进行组包操作的具体过程为：步骤y1，获取抬包t的最大安全容量ws，并且设定wt＝0；步骤y2，按编码序列顺序取出序号a，并获取该序号所对应的电解槽号及出铝重量wa；步骤y3，判断wt+＝wa是否大于ws，若不大于，则记序号a对应的铝液装入抬包t，若大于，则判断是否允许拆分出铝，其中若不允许拆分出铝，则记抬包t装满并跳转至步骤y2从序号a+1开始进行下一个抬包的组包，若允许拆分出铝，则计算wa-(ws-wt)是否大于单次最低出铝量wb，如果不大于单次最低出铝量，则记装入量为wa-wb并跳转至步骤y2从序号a+1开始进行下一个抬包的组包，将序号a对应的剩余重量装入下一个抬包，若大于单次最低出铝量，则记装入量为ws-wt并跳转至步骤y2从序号a+1开始进行下一个抬包的组包，将序号a对应的剩余重量装入下一个抬包；步骤y4，依次循环以上步骤，直至所有编码序列的组包操作，并输出组包结果。优选的，在所述步骤s4中，完成迭代次数后，如果没有获得满足计算结果期望目标的计算结果，则调整计算结果期望目标，重新进行计算，直至输出满足计算结果期望目标的计算结果。进一步优选的，通过梯度质量要求下降参数对计算结果期望目标进行调整。采用本发明的方法进行配铝调度计算时，具有以下有益技术效果：1、在本发明的方法中，通过引入编码序列，将编码序列与电解槽进行对应关系建立之后，对编码序列直接进行组包操作，从而对装入抬包的电解槽数量就没有了固定要求，进而可以灵活设定抬包容量和单次最小出铝量，达到柔性计算效果。同时，在迭代计算过程中，可以不考虑铝液质量等因素的影响，只在评估亲和度过程中通过组包操作进行转化再剔除无效解并奖励优秀解，这样在编写算法时数据结构就会十分简单，从而达到对迭代速度的提升，获得更高的计算效率。2、在本发明的方法中，通过在迭代计算过程引入奖惩算子并且对组包操作之后的抬包进行奖惩处理，其中利用惩罚算子可以对抬包质量不达标或者出铝跨度超过最大值的抗体进行惩罚，同时利用奖励算子可以对组包操作后质量较好的抗体进行奖励，从而实现了多约束多目标优化计算，提高了配铝调度质量。附图说明图1为采用本发明基于深度免疫克隆算法的电解铝智能配铝调度方法的流程示意图；图2为对编码序列进行组包操作的示意图；图3为对编码序列进行交叉变异操作的示意图。具体实施方式下面结合附图对本发明的技术方案进行详细介绍。结合图1所示，采用本发明基于深度免疫克隆算法的电解铝智能配铝调度方法进行配铝调度操作的具体操作步骤如下：步骤s1，获取数据参数。其中，需要获取的数据参数包括：用于配铝调度计算模型的计算参数，例如种群规模、克隆倍数、迭代次数、变异率；由应用场景确定的计算参数，例如种群初始化策略、抬包最大安全容量、单次最低出铝量、梯度拆分参数、梯度质量要求下降参数；作为计算结果的期望目标参数，例如允许的出铝最大跨度、期望最优质量和期望最差质量；出铝计划数据，例如单槽出铝计划量、单槽原铝质量检化验数据、用铝需求计划。优选的，在本发明中，对获取的数据参数需要进行预先检查，确保数据符合要求，保证后续计算的可靠性和有效性。其中，变异率要求在0～1范围内，期望最优质量和期望最差质量的si含量和fe含量均在0～1范围内，而al含量则要求在0～100范围内，超出范围的数据作为异常数据进行剔除，铝液中其他杂质和成分的含量根据实际情况进行调整控制。同时，还要对种群规模、克隆倍数和迭代次数进行数值限制，避免数值过大而导致计算过程缓慢，从而保证整个配铝调度的计算效率。步骤s2，根据种群初始化策略配置进行电解槽拆分。在本发明中，进行电解槽拆分的种群初始化策略包括不拆分电解槽、均匀拆分高杂质电解槽、梯度拆分高杂质电解槽和均匀拆分所有电解槽，根据实际应用场景可以采用任意一种种群初始化策略进行电解槽的拆分操作。其中，不拆分电解槽，指的是不对电解槽的单槽出铝量进行任何调整；均匀拆分高杂质电解槽，指的是根据设定的高杂质电解槽判定标准，对被判定为高杂质的电解槽进行平均拆分；梯度拆分高杂质电解槽，指的是根据设定的电解槽质量判定标准将电解槽划分为正常电解槽、杂质低超标电解槽、杂质中等超标电解槽和杂质严重超标电解槽，并对不同的电解槽进行平均拆分；均匀拆分所有电解槽，指的是对所有电解槽进行均匀拆分。结合图2所示，以槽号分别为0001至0009的9个电解槽为例，采用上述种群初始化策略中的梯度拆分高杂质电解槽进行电解槽拆分处理时，以铝液中的fe含量作为高杂质电解槽判定标准和电解槽质量判定标准，其中槽号为0001、0002、0008和0009的电解槽作为正常电解槽保持不变，槽号为0003的电解槽作为杂质低超标电解槽被平均拆分为两份，由于电解槽的出铝量最小以100kg为单位，此处直接拆分为1300kg和1400kg两份，槽号为0007的电解槽作为杂质中等超标电解槽被平均拆分为三份，按上述情况对槽号为0004至0006的电解槽进行拆分，最终将9个电解槽拆分为13份。此外，如果某一个电解槽为杂质高等超标电解槽则可以将其平均拆分为四份。同时，根据现场具体情况也可以以铝液中的si含量或者al含量或者fe含量、si含量和al含量三者之间的比例关系，亦或是其他指标作为高杂质电解槽判定标准和电解槽质量判定标准进行电解槽的拆分处理。步骤s3，构建编码序列群组。首先，建立第一个编码序列，使第一个编码序列与拆分后依次排列的电解槽一一对应，并且第一个编码序列中的每一个序号分别存储其对应拆分后电解槽的出铝量。接着，对第一个编码序列进行交叉变异处理，获得一个新的编码序列。然后，由多个不同的编码序列构成编码序列群组。其中，对第一个编码序列进行单次交叉变异的具体步骤如下：首先，随机选取第一个编码序列中的任意第一点，获取第一点对应的序号。接着，随机选择第一个编码序列中除第一点之外的任意第二点，获取第二点的序号。然后，交换第一点和第二点在第一个编码序列中的位置，并且同时交换第一点和第二点所对应电解槽的出铝量，获得变异后的一个新编码序列。结合图2和图3所示，针对拆分为13份的电解槽来说，首先，建立序号为1-13的第一个编码序列，使第一个编码序列中的序号数量与步骤s2中对电解槽进行拆分后的数量相对应，这样就可以保证第一个编码序列中的序号分别与拆分后依次排列的电解槽形成一一对应关系。接着，对第一个编码序列进行交叉变异处理获得更多的不同编码序列，例如选取第一个编码序列中序号为3的这个点作为交叉变异的第一点，同时选取第一个编码序列中序号为9的这个点作为交叉变异的第二点。然后，对序号3和序号9在第一个编码序列中的位置进行调整，使序号依次为1、2、3、4、5、6、7、8、9、10、11、12、13的第一个编码序列变异为序号依次为1、2、9、4、5、6、7、8、3、10、11、12、13的一个新编码序列，同时交换序号为3和序号为9所对应的电解槽号以及出铝量，这样就通过单次交叉变异获得一个新的编码序列。重复上述交叉变异操作，就可以获得多个不同的编码序列，从而针对拆分后的电解槽构建一个编码序列群组。步骤s4，基于深度免疫克隆算法进行最优化迭代计算。其中，以步骤s3中构建的编码序列群组作为抗体种群，依次进行亲和度评价、深度克隆搜索和克隆选择，完成迭代次数后，输出满足计算结果期望目标的计算结果，获得最优编码序列，进而由最优编码序列进行组包操作。此时，将最优化计算的目标函数定义为：其中l表示一个编码序列所对应的天车总跨度，n表示抬包数量，li表示第i个抬包天车跨度，由此基于深度免疫克隆算法进行最优化迭代计算的具体步骤为：步骤s41，进行初始化。根据步骤s3中构建编码序列的方式初始化抗体种群，即将步骤s3中构建的编码序列群组作为抗体种群，抗体种群的规模为np。步骤s42，进行亲和度评价。评价抗体种群中每一个抗体的亲和度f(xi)，亲和度计算公式为：其中ls表示按电解槽顺序进行出铝天车所走过的路程长度。步骤s43，进行克隆扩增。根据克隆规模ns对初始种群的每个抗体进行克隆扩增，得到新的抗体种群c。步骤s44，进行深度克隆搜索，具体步骤如下：步骤a，设定初始温度t0，目标温度t，迭代次数m，冷却速率r(0＜r＜1)。步骤b，首先依次从抗体种群c中选择抗体作为初始解i；接着使用亲和度评价函数公式作为能量评价函数，即e(i)＝f(i)，计算初始解i对应能量e(i)；然后根据亲和度评价函数公式对初始解i进行变异扰动产生新解i'，并计算其能量e(i')；最后根据metropolis准则判断是否接收新解，即：步骤c，判断是否达到迭代次数，若未达到则重复进行步骤b,若达到则进行降温,即t＝r·t0，直至达到目标温度，输出新的抗体种群c*。步骤s45，进行克隆选择。首先，根据公式计算出抗体种群c*中每个个体被选中进入下一代的概率；然后，根据公式计算出每个抗体的累积概率，采用轮盘赌选择策略对抗体种群c*进行选择操作，使其种群规模缩减至np。步骤s46，判断是否满足迭代次数，若不满足，则跳转至步骤s42，调整亲和度重新进行计算，若满足则计算结束，获得最优的一个编码序列，进而由最优的编码序列进行组包操作。优选的，在本发明中完成深度克隆搜索进行克隆选择之前，还可以引入奖惩算子评价来满足对多个目标的优化，即利用奖惩算子来满足除优化目标天车路径最短之外，对质量达到最低要求和出铝最大跨度达到要求这两个质量最优目标的约束。具体操作过程如下：步骤t1，对所有抗体的编码序列进行组包操作。结合图2所示，例如对第一个编码序列进行组包操作，获得序号依次为1-6的抬包。步骤t2，获取组包操作后每抬包所包含电解槽的重量数据，并根据装入量计算每抬包铝液重量，同时计算每抬包内所包含电解槽的总跨度。步骤t3，判断是否超过出铝最大跨度或不满足期望最差质量要求，若是则将该抗体的亲和度置零。步骤t4，筛选亲和度不为零的抗体，若其铝液质量达到期望最优质量，则将其亲和度加倍。这样，利用惩罚算子对组包操作后抬包质量不达标或出铝跨度超过最大值的抗体进行惩罚，同时利用奖励算子对组包操作后质量较好的抗体进行奖励，从而可以实现对多目标的优化，提供整个配铝调度的质量和效率。进一步，在本发明中，无论是进行抗体亲和度评价还是奖惩算子评价亦或是输出配铝结果的操作中，对编码序列进行组包操作的具体过程为：步骤y1，获取抬包t的最大安全容量ws，并且设定wt＝0，其中wt表示抬包t当前装入铝液重量。步骤y2，按编码序列顺序取出序号a，并获取该序号所对应的电解槽号及出铝重量wa。步骤y3，判断wt+＝wa是否大于ws，若不大于，则记序号a对应的铝液装入抬包t，若大于，则判断是否允许拆分出铝，其中若不允许拆分出铝，则记抬包t装满并跳转至步骤y2从序号a+1开始进行下一个抬包的组包，若允许拆分出铝，则计算wa-(ws-wt)是否大于单次最低出铝量wb，如果不大于单次最低出铝量，则记装入量为wa-wb并跳转至步骤y2从序号a+1开始进行下一个抬包的组包，将序号a对应的剩余重量装入下一个抬包，若大于单次最低出铝量，则记装入量为ws-wt并跳转至步骤y2从序号a+1开始进行下一个抬包的组包，将序号a对应的剩余重量装入下一个抬包。步骤y4，依次循环以上步骤，直至所有编码序列的组包操作，并输出组包结果。此外，在步骤s4中，在完成迭代次数之后，如果没有获得满足计算结果期望目标的计算结果，可以调整计算结果期望目标，重新进行计算，直至输出满足计算结果期望目标的计算结果，从而保证计算的有效性。其中，根据不同情况可以调整不同的计算结果期望目标，例如通过梯度质量要求下降参数对计算结果期望目标进行调整，从而获得符合实际情况的计算结果。接下来，将我国西南某铝厂电解车间某工区的42个电解槽作为配铝调度对象，来验证本发明方法的有效性。其中，对42个电解槽的实际生产的检化验数据进行获取，得到了如表1所示的数据，包括各电解槽检化验数据以及出铝指示量。表1采用本发明的方法对以上42个电解槽进行配铝调度计算，其中完成算法共耗时3820ms，并获得了如表2所示的配铝结果。表2采用常规的人工配铝方法对以上42个电解槽进行配铝调度计算，其完成配铝计算的时间大概为15min，并了获得如表3所示的配铝结果。表3同时，对采用本发明方法和采用人工方法获得的配铝结果中天车路径长度、是否满足质量要求进行比较，获得表4所述比对结果。表4配铝方式配铝时间最终天车路径长度/m是否全部满足质量要求人工配铝15min以上53否本发明所述方法小于4s50是通过对分别采用本发明方法和人工方法对以上42个电解槽进行配铝计算的结果进行分析可知：相较于人工配铝的方式，采用本发明的方法进行配铝计算操作时，不仅能够大幅度提高配铝速度，提高配铝效率，而且还可以大大减少人力使用，降低人工成本，同时还满足了质量要求，获得了更多的高品质抬包数量，并且缩短了天车路径，获得了极佳的综合配铝效率。当前第1页12