焦炭是炼焦生产过程的主要产品,随着焦化行业的快速发展,对焦炭质量要求越来越高,对焦炭产量的需求也越来越大,同时,国家“十三五”规划中明确指出推动节能降耗,坚持绿色发展,改善生态环境。为企业能够持续发展,必须综合考虑焦炭质量、产量及炼焦能耗所带来的影响。焦炉炼焦是一个复杂生产过程,温度制度与压力制度是炼焦生产的两大制度,针对某焦化厂炼焦生产过程集气管压力设定值主要由现场人工经验设定,难以根据实际生产状况进行实时调整,造成焦炭产量和质量的不稳定,并使炼焦生产能耗过大的现状,本文基于某焦化厂3#、4#焦炉现场海量历史数据,结合炼焦工艺及专家经验,建立了集气管压力与生产目标间的关联模型,对焦炉集气管压力设定值优化进行如下探索与研究:(1)根据炼焦工艺及海量生产数据进行了生产现状分析:包括对集气管压力、炼焦能耗、焦炭产量及质量的统计分析,可以看出该炼焦厂能耗及产量均存在较大波动,有着极大的优化空间,并确定了炼焦能耗、焦炭产量及质量为优化目标。(2)对炼焦生产过程中的海量历史数据进行了数据预处理与生产目标模型的建立。先对所采集数据进行了处理并根据专家经验及相关性分析,确定与炼焦能耗相关的七个变量、与焦炭产量相关的五个变量及与质量相关的八个变量,作为目标模型的输入量;分别采用径向基神经网络和深度信念网络建立能耗、产量及质量模型,仿真结果表明,径向基神经网络和深度信念网络都有一定的预测能力,但深度信念网络预测精度更高,误差更小,更能反映实际生产状况,为集气管压力设定值优化奠定良好的基础。(3)结合差分进化与粒子群算法两者的优点,根据生产状况分别进行了焦炉集气管压力设定值单目标与多目标优化研究。在满足焦炭生产需求时,优先考虑压力对炼焦能耗带来的影响,采用差分进化粒子群算法进行能耗单目标优化研究,仿真结果表明,能耗虽然降低,但产量也相应减少;综合考虑能耗、产量及质量目标,通过差分进化粒子群分别研究基于径向基神经网络模型和深度信念网络模型的多目标优化,仿真结果表明,优化获得的压力设定值可以降低炼焦能耗并提高焦炭产量,为实际现场提供理论支持和操作指导,也为集气管压力控制奠定基础。(4)对优化得到的压力设定值进行仿真验证。第一种方法采用基于目标模型的设定值验证,以精度较高的深度信念网络模型为验证模型,对基于径向基神经网络模型进行优化得到设定值分别进行了单目标与多目标设定值验证,结果表明,优化得到的压力设定值可以降低能耗并提高产量;第二种方法为根据实际生产现场控制方式,以焦炉集气管为被控对象,采用PID控制算法,利用前馈补偿进行解耦控制,搭建多目标优化控制仿真模型,将每次采样时间内的压力输出用于生产目标模型的建立,再将每次优化后压力设定值作为系统给定进行仿真研究,结果表明,现场生产过程集气管压力设定值应根据优化结果实时调整。