基于改进遗传算法的港口配煤优选方案探讨.pdf

围绕煤炭市场动向与客户定制化需求，对干散货港口个性化物流服务中的代表性业务配煤业务进行重点研究，结合港口配煤作业实际，确定模型优先级与约束条件，构建配煤优选模型，并在模型求解与验证过程引入基于改进的遗传算法，配合解决多目标优化问题，建立起基于改进遗传算法的个性化配煤优选算法并应用于系统运算，过程中保证了运算的收敛性与高效性，生成解集保证了优选方案的适应性与多样性。关键词：干散货港口；个性化物流服务；配煤；多目标优化；改进遗传算法 中图分类号：U653.7 文献标识码：A 文章编号：1004-9592（2023）04-0026-04 DOI:10.16403/ki.ggjs20230406 Port Coal Blending Optimization Plan Based on an Improved Genetic Algorithm Guo Zhi（Hebei Qinhuangdao Port Co.,Ltd.,Qinhuangdao Hebei 066004,China）Abstract:Focusing on coal market trend and customization needs,more attention is paid to coal blending,the typical business in personalized logistic service in bulk terminals.Combined with actual coal blending operation,an optimum coal blending model is built by determining the priority and constraint conditions.An improved genetic algorithm is introduced in the model solution and check process to solve multi-objective optimization problem,and a personalized coal blending optimization algorithm is established and applies to systematic calculation based on the improved genetic algorithm.The convergence and efficiency of the algorithm are ensured in the application process,and the generated solution can ensure the adaptability and diversity of the optimum plan.Key words:dry bulk port;personalized logistics service;coal blending;multi-objective optimization;improved genetic algorithm 引引 言言 配煤业务作为港口个性化物流服务中具有代表性的一项业务，考虑到港口配煤优选的多约束条件，构成多影响要素及多限制要素的复杂多目标优化问题，因此，本文将基于港口煤炭配煤优选问题构建多目标优选配煤模型，并配合基于改进遗传算法(带精英策略的快速非支配排序遗传算法，简称 NSGA)完成计算软件系统运算，进而完成配煤优选的多目标规划算法求解与验证。1 问题的提出问题的提出 现阶段，国内干散货港口顺应国家、行业、市场政策导向，普遍开展数字化转型，智慧港口建设由探索发展进入普及化发展阶段，因此要求收稿日期：2023-06-07 作者简介：郭智（1980-），男，硕士，高级工程师，主要从事机电工程、信息化等设备及技术管理工作。261Port,Waterway and Offshore Engineering 更具个性化、规模化的港口综合物流服务生态，但多数港口的数字化转型更侧重于装备智能化建设，以客户服务需求为导向的全物流增值服务体系尚不健全，此时智慧港口不但需要“智”层面纵向提升，还需要“慧”层面横向延伸，需形成面向客户对外的港口物流整合能力，以深层次的满足客户综合服务需求1。综上，如何扩展干散货港口除装卸服务收益外的物流增值收益模式2，结合适用性算法解决干散货港口客户个性与深层次的物流服务需求具有现实意义和研究价值。2 港口配煤优选问题港口配煤优选问题 2.1 港口配煤现状港口配煤现状 目前港口配煤工艺主要分为取装工艺、取装-直取工艺和垛位配煤工艺。排除专用场地，由于港口一般客户垛位分布不固定且分散，煤种通常多个且煤质不同，配煤作业范围通常分为标准配煤和复杂配煤两种：1）标准配煤。参配煤种小于 4 种，配煤比例小于 4:1，且符合下列要求：全船单一比例且相同质量配煤的；其他不需另起流程/另对垛/频繁移舱的配煤作业；2）复杂配煤。参配煤种不小于 4 种，配煤比例超过 4:1，配煤作业不小于 2 轮次的（配煤作业轮次是指在配煤作业过程中，对每个参配煤种在各个舱位装货提出数量、层次或顺序上的具体要求，从而使作业工艺出现频繁移机换垛、转换流程或频繁移舱的，造成设备冲突、严重影响作业效率）。针对上述配煤工艺与作业范围，综合堆场、港机、配煤需求等多种因素，需进一步通过适用算法和系统实现，给出配煤优选方案，同时满足客户个性化配煤需求与港口作业合理调配。2.2 港口配煤优选问题建模港口配煤优选问题建模 1）模型假设 考虑实际配煤作业中各种问题不可预期和随机性，且建模过程中无法量化和有序化3，本文所构建模型将在相对理想状态下进行，需进行假设：配煤需求单位预期到港船舶数据和该船配煤指标数提前获知。港口生产管理系统可提供船舶动态、堆场基础信息，配煤准备可预先计划；预期场地接货及接车数据提前获知。待卸车煤种、数量、质量及发热量由生产管理系统自动导入，方便模型求解数据源的自动获取；默认装船计划信息为优配煤的唯一目标要求信息；港口垛位数、设备配备与作业安排等能保证配煤方案的可作业性。2）模型参数设定 通过对该配煤优选问题分析和条件设定，配煤优选模型包括以下参数：St：电厂需求煤炭硫份；Q：电厂需求煤炭发热量；Xj：第 j种原煤某指标配比百分量；St标：配煤后期望硫份；Q标：配煤后期望发热量；e：误差范围（质量指标值允许区间内）；Hj：第 j种原煤吞吐量限值；H：原煤总量；Z：基于成本最优目标函数；W：基于性能指标(硫份)最优目标函数。3）构建模型 以个性化配煤优选方案为模型目的，满足不同客户煤质需求的同时最大限度的降低港口配煤运作成本，因此提出港口煤炭配煤方案优选的多目标规划数学模型4，见式（1）：jjnjjjnjXSWXQZ11min,min （1）其中约束条件需要保证配煤的性能指标约束和单煤用量约束等，见式（2）：0%,100,1/11jjnjSjjijijnjijijnjXTHXBXTAXT （2）式中：Qj：第 j(j=1,2,3,n,下同)个煤种发热量，配比值为 Xj(百分量)；Sj：第 j个煤种硫分；Tij：第 j个煤种被分析的技术指标；Ai：与 Bi分别表示指标上限和下限；Hj：第 j个煤种的数量限额。目标函数jjnjXQZ1min，设其解域为D，对于任意的Dxxxn,21，可生成方程，hxcxcxcnn2211，其中 h 是目标函数27 值，那么解得最优解在直线方程上的点在解域范围内且值最小。同时通过对最优点到原点的距离的比较，得出22221nccchd，可见 h 与d 成正比关系。因此，离原点最近且在 D 区域相交的解值为所求解，具体步骤包括：原不等式的约束条件转化等式 mkbakkjnij,2,1,。根据上式构建 Cm+1n个联立方程组，并进行求解得到 Z(目标函数)。对解集进行验证，求得最优解。2.3 配煤优选模型的约定与优先级评定配煤优选模型的约定与优先级评定 1）模型约束条件 本文实际选用配煤优选模型侧重于性能指标的约束与优化，成本指标暂不做重点考量。具体约束条件包括：总体要素：垛位、煤种、重量、水粉、灰份、挥发份、硫份、发热量、所需吨数；质量指标约束：保持在配比指标的上-下限范 围 内 是 对 基 于 n(n 1)种 单 煤 配 比 的 第 j（j=1,2,m）个技术指标的限定范围；约定的变量约束：配煤中约定配比煤种；约定单个煤种在配煤中占比约束：满足在整体配比中单煤种占不小于 0，配煤中所有煤种配比合计值为 1；单个煤种配载量约束：参与配煤的单个煤种的配载量不得大于本煤种能用数量。2）模型优先级评定 港口配煤优选模型实际上是在一定约束条件下追求目标函数的极值，为实现配煤优选模型系统目标，配煤优化模型目标函数中的优先级由五部分构成：优先级 1：热量及关键煤质最优；优先级 2：客户选定优先；优先级 3：先进先出；优先级 4：流程冲突最小；优先级 5：损耗最小。3 个性化物流模式中配煤优选方案求解个性化物流模式中配煤优选方案求解 3.1 配煤优选模型的约定与优先级评定配煤优选模型的约定与优先级评定 针对本文研究中面临的复杂约束条件与大量搜索空间等问题，本文适合应用 NSGAII 算法来完成配煤优选问题求解，确保多样化的种群个体，同时保证运用算法的优选水平及收敛效率5。3.2 基于改进遗传算法的配煤优选算法过程基于改进遗传算法的配煤优选算法过程 基于配煤优选模型，完成快速非支配排序算法的配煤优选运算过程，如图 1所示。算法运算过程包括：JESS 推理引擎对计划热值与数量所有在港煤种与垛位进行匹配推理，生成煤种指标垛位约束矩阵；基于约束算式演算出第一集合，得出种群个体均符合煤种指标垛位限制条件；依据结果促使第一代子代种群生成，过程中交叉、选择与变异操作；进化代数 Gen+1，Gen 代表最大进化代数(设置的循环的次数)；合并子代种群与父代种群为合并种群；进一步应用算法评价个体，依据结论生成优秀父代种群；完成关于新立父代种群适应度评价；迭代结果需基于自适应参数，继续完成遗传算法交叉与变异步骤，结果为子代种群；对求解结束条件判定，若符合要求将生成优选解集，若不符合要求将运行进化代数，继续演算6。图图 1 配煤优选模型运算过程配煤优选模型运算过程 3.3 配煤优选方案求解验证分析配煤优选方案求解验证分析 依据配煤优选模型，结合改进的 NSGA运28 算过程7，本文运用秦皇岛港实际待配煤种业务数据，以港口某客户配煤特定需求为研究对象，假定该客户需要热值 5 100 大卡、总量 66 000 t的配比煤，则模拟运算将在该客户可支配范围内垛位及煤种中取数，而其可配煤垛位 9个，煤种 7个，验证关于配煤优选模型和与其对应运算求解算法的现实可行性。配煤优选模拟数据鉴于港口核心业务的非公开性，特用煤种 n（n1）表示，该模拟运算成果为：1）明确计划时间内计划煤种的堆存信息，含煤种编号、发站、垛位及化验单号。从生产管理系统采集计划时间内煤种的特性及数量值，含发热量、数量、全硫、挥发分、灰分、水分等作为原始数据。2）基于上一步原始数据，通过配煤优选处理系统进行配煤优选求解过程。系统处理严格按照所设定各类约束条件和优先级确定配煤优化模型，并基于配煤优选问题的实现过程及方法，系统语言运用 JAVA 完成求解过程8，最终通过系统自动运算输出不小于一种的配煤优选方案，通过人工确认，从配煤方案推荐中选取最优方案。3）系统运算过程中，自动校验煤种性能、堆场堆位与调度等约束条件集合，通过多次迭代、比选与校验得到优选解，且系统自动配煤方案允许数量及指标值的手工调整。4 结结 语语 本文针对港口个性化物流服务中的代表性业务配煤进行重点研究，完成基于改进的多目标遗传算法对各项约束集合的系统处理，同时应用自适应参数及约束限制矩阵等对收敛与处理效率进行优化。并通过实例验证模型收敛性与种群多样性，上文求解过程需要系统的多次迭代处理，所得优选解与客户定制目标要求匹配度很高，系统处理保证了结果的高收敛性。参考文献参考文献:1 童孟达.港口研究与实践M.宁波出版社,2019.2 徐泽文,向安妮,刘耀文,等.上海市洋山港港口物流与区域经济协同发展研究J.中国水运,2023,(1):15-16.3 卢璇,郑澜波.基于约束规划的煤炭港口进出港协同调度研究J.武汉理工大学学报,2022,44(1):18-27.4 刘志刚,汪旭.精配煤作业控制系统在港口的应用J.港工技术,2020,57(2):22-25.5 Pierantozzi Mariano,Tomassetti Sebastiano.Thermal Conductivity of Low-GWP Refrigerants Modeling with Multi-Object Optimization J.Algorithms,2022:482-482.6 李吉朝,张海英,王惠琴.基于遗传算法的 BP 神经网络优 化 动 力 配 煤 模 型 的 研 究 J.微 型 机 与 应用,2017,36(9):60-63.7 张奇飞,林剑,等.基于改进遗传算法的物流路径优化方法J.物流技术,2018,(1):78-81.8 安小刚,钱丽霞.选煤厂智能配煤系统研究与应用J.煤炭工程,2022,54(1):17-21.（上接第 20 页）装火车系统粮食容重的实时监测，并通过智能化移车调整，解决了散粮装火车的难题。散粮装卸系统火车发运智能化技术的成功开发，为实现散粮智能化港口奠定了基础。参考文献：参考文献：1 王景起.适用于 L70 新型列车的散粮装车系统改造J.天津科技,2016,(4):60-61.2 马飞.散粮无人化自动装车关键技术的研究和应用J.现代食品,2021,(16):15-17.3 秦子君.港口散粮定量装车工艺简介J.起重运输机械,2007,(1):81-83.4 于凤辉,贺茂盛.L70 型粮食漏斗车研制J.铁道车辆,2017,55(8):3.5 朱江.我国港口码头系统智能化应用的现状与发展J.中国科技博览,2014.6 王家.智能化控制系统在散粮装火车中的应用J.现代食品,2022,28(16):6.7 禹琳琳.基于激光测距技术的车辆宽高检测系统的设计J.电子设计工程,2011,19(10):4.8 周家海,王森.智能火车装车系统在港口粮食散装储运中的应用C科技兴港论坛大会.中国港口协会,2014.29