基于大数据和地理位置信息的矿山智能配矿方法及系统技术方案

基于大数据和地理位置信息的矿山智能配矿方法及系统，包括步骤S1：建立配矿模型，基于配矿目标和配矿约束信息生成配矿方案；步骤S2：基于配矿方案和配矿完成天数生成配矿计划；步骤S3：获取完成本次配矿任务的总运力和平衡运力，所述总运力包括第一运力和第二运力，判断每日出矿总量是否大于所述平衡运力，是的情况下，执行步骤S4，否的情况下，将第一运力和第二运力的数值设置为与每日出矿总量相同；步骤S4：建立运力模型，基于智能算法求解所述运力模型，获得运力调整方案；步骤S5：更新矿山内的爆堆数据。本发明专利技术增加了资源综合利用率、爆堆和卸矿场的地理位置等约束条件，从而增加了配矿指标，使得用户可以综合多方面指标进行配矿操作。进行配矿操作。进行配矿操作。

【技术实现步骤摘要】
基于大数据和地理位置信息的矿山智能配矿方法及系统


[0001]本专利技术属于矿山配矿
，具体涉及基于大数据和地理位置信息的矿山智能配矿方法及系统。

技术介绍

[0002]配矿工作是结合矿山生产目标和生产技术条件限制进行矿石质量综合的系统工程，按照一定比例将不同品位的矿石进行搭配、混匀，使其满足矿山矿石产品质量要求。通过将高低不同品位矿石进行质量匹配、中和，以增加合格矿石的产出量，减少矿山废石量的占用空间，改善矿山企业的经济效益，提高矿产资源的利用率。
[0003]当前配矿的主要过程是获取本次配矿中各种元素的目标含量，然后从高品质和低品质的爆堆中运输出一定量的矿石在堆矿场中进行搭配，从而达到配矿的目的；由于计算机技术的发展，大多数矿场已经配备了数字化配矿系统，但是现有的矿山配矿系统一般利用矿石品质数据进行简单的匹配计算，计算指标单一，这便使得系统计算出的配矿方案往往不能满足实际现场需求，还需通过人工对方案加以调整。

技术实现思路

[0004]为解决上述问题，本专利技术提供了一种基于大数据和地理位置信息的矿山智能配矿方法及系统，以解决现有技术中配矿系统的计算指标单一、使得输出的配矿方案不理想的问题：
[0005]一种基于大数据和地理位置信息的矿山智能配矿方法，包括：
[0006]步骤S1：建立配矿模型，所述配矿模型包括多个子模型，每个子模型包括目标函数和约束条件，基于历史配矿数据训练所述配矿模型，将配矿目标和配矿约束信息输入至训练完成的所述配矿模型中，所述配矿模型生成符合当前配矿目标的多种配矿方案，每种配矿方案包括爆堆名称和需要从该爆堆中获取的矿石量，配矿目标包括本次配矿任务需要输出的矿石总量和输出矿石总量中目标元素的含量，配矿约束信息包括资源综合利用率、卸矿场的地理位置和爆堆数据，其中，所述资源利用率为低品质矿石占输出矿石总量的百分比，所述爆堆数据包括爆堆名称、爆堆的地理位置、爆堆中目标元素含量的波动率、爆堆的矿石剩余量、爆堆中目标元素的含量及波动率；
[0007]步骤S2：确定当前配矿任务所采用的配矿方案后，基于配矿完成天数生成配矿计划，所述配矿计划包括每日出矿总量和每个爆堆的每日出矿量；
[0008]步骤S3：获取完成本次配矿任务的总运力和平衡运力，所述平衡运力为所述总运力的二分之一，所述总运力包括第一运力和第二运力，第一运力用于将矿石从爆堆运送至卸矿场，第二运力用于将矿石从卸矿场运出，判断每日出矿总量是否大于所述平衡运力，是的情况下，执行步骤S4，否的情况下，将第一运力和第二运力的数值设置为与每日出矿总量相同；
[0009]步骤S4：建立运力模型，所述运力模型包括卸矿点的最优堆积值目标函数：
所述运力模型的约束条件包括第一约束：第二约束：第三约束a1≥a2≥
…
≥a
n
＞b
n
≥b
n
‑1…
≥b1，第四约束：b
N
≥b
N
‑1≥
…
≥b
n+1
＞a
n+1
≥a
n+2
≥
…
≥a
N
，第五约束：0＜n≤N，其中，Z为参与本次配矿任务卸矿点的容纳值，a
i
、b
i
分别为卸矿点第i天的第一运力和第二运力，U为本次配矿任务需要输出的矿石总量，N为配矿完成天数,n为卸矿点达到最大堆矿值的日期，基于智能算法求解所述运力模型，获得符合最优堆积值目标函数的每日第一运力和第二运力调整方案；
[0010]步骤S5：开始执行本次配矿任务后，更新矿山内的爆堆数据，当需要进行下一个配矿任务时，重新执行步骤S1至步骤S4。
[0011]进一步的，步骤S4之前，基于以下步骤对卸矿点进行筛选，
[0012]基于第一公式计算本次配矿的最小堆积量，所述第一公式为：H＝Y
×
(2
×
α
‑
1)
×
N,0.6≤α≤0.7，其中，H为本次配矿的最小堆积值，Y为参与本次配矿任务的总运力，α为预设权重，在卸矿场内筛选出容纳值大于等于最小堆积量的卸矿点作为参与本次配矿任务的卸矿点。
[0013]进一步的，确定当前配矿任务最大堆矿值后，判断未来λ天内是否存在与当前配矿目标相同的新配矿任务，是的情况下，将当前配矿任务最大堆矿值增大η倍，获得超额堆矿值，在卸矿场中选择容纳量大于等于超额堆矿值的卸矿点作为本次配矿任务的卸矿点。
[0014]进一步的，步骤S5，基于以下步骤在第一运力基础上分配各个爆堆的车辆运力：
[0015]获取每个爆堆在本次配矿方案中出矿量，以及第一运力中各个车辆单次运输矿石的能力，将运输能力最小的车辆优先分配至出矿量最小的爆堆运输中，将运输能力最大的车辆优先分配至出矿量最大的爆堆运输中。
[0016]进一步的，步骤S1中，建立配矿模型包括以下步骤：
[0017]步骤S11：所述子模型包括第一方案模型、第二方案模型和第三方案模型，所述第一方案模型包括成本最低目标函数：所述第二方案模型包括低品质爆堆最大使用率目标函数：所述第三方案模型包括矿区最大出矿量目标函数：其中，c车辆每公里的平均运输成本，D
k
为爆堆k的位置，d为卸矿场的位置，p
k
为爆堆k的出矿量，K为所有爆堆，L为低品质爆堆，R
t
为第t个矿区的爆堆；
[0018]步骤S12：设置约束条件，约束条件包括矿石总量约束：元素含量约束：资源综合利用率约束：爆堆元素波动率约束：其中，为矿堆中元素m含量的下限，为矿堆中元素m含量的上限，为矿堆中元素m的实际含量，为矿堆中元素m的目标含量，为爆堆中元素m的波动率下限，为爆堆中元素m的波动率上限，为爆堆中元素m的实际波动率；
[0019]步骤S13：基于智能算法求解所述配矿模型，获得满足各个目标函数和各个约束条件的第一配矿方案、第二配矿方案和第三配矿方案。
[0020]进一步的，所述配矿模型包括爆堆约束条件，所述爆堆约束条件为：p
k
≥V，其中V爆堆k最低出矿量。
[0021]本专利技术还提供了一种基于大数据和地理位置信息的矿山智能配矿系统，该系统主要包：
[0022]输入单元，用于输入所述配矿模型的历史配矿数据、配矿目标、配矿约束信息、参与本次配矿任务的总运力，以及所述运力模型中的目标函数及各个约束条件；
[0023]配矿计划生成单元，存储有所述配矿模型，所述配矿计划生成单元基于输入的配矿目标和配矿约束信息输出多种配矿方案，并根据配矿方案生成完成本次配矿目标的配矿计划；
[0024]抓取单元，抓取参与本次配矿任务的总运力及配矿计划中每日出矿总量和每个爆堆的每日出矿量；
[0025]判断单元，基于配矿总运力计算所述平衡运力，并判断每日出矿总量与所述平衡运力之间的大小关系；
[0026]运力规本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于大数据和地理位置信息的矿山智能配矿方法，其特征在于，包括：步骤S1：建立配矿模型，所述配矿模型包括多个子模型，每个子模型包括目标函数和约束条件，基于历史配矿数据训练所述配矿模型，将配矿目标和配矿约束信息输入至训练完成的所述配矿模型中，所述配矿模型生成符合当前配矿目标的多种配矿方案，每种配矿方案包括爆堆名称和需要从该爆堆中获取的矿石量，配矿目标包括本次配矿任务需要输出的矿石总量和输出矿石总量中目标元素的含量，配矿约束信息包括资源综合利用率、卸矿场的地理位置和爆堆数据，其中，所述资源利用率为低品质矿石占输出矿石总量的百分比，所述爆堆数据包括爆堆名称、爆堆的地理位置、爆堆中目标元素含量的波动率、爆堆的矿石剩余量、爆堆中目标元素的含量及波动率；步骤S2：确定当前配矿任务所采用的配矿方案后，基于配矿完成天数生成配矿计划，所述配矿计划包括每日出矿总量和每个爆堆的每日出矿量；步骤S3：获取完成本次配矿任务的总运力和平衡运力，所述平衡运力为所述总运力的二分之一，所述总运力包括第一运力和第二运力，第一运力用于将矿石从爆堆运送至卸矿场，第二运力用于将矿石从卸矿场运出，判断每日出矿总量是否大于所述平衡运力，是的情况下，执行步骤S4，否的情况下，将第一运力和第二运力的数值设置为与每日出矿总量相同；步骤S4：建立运力模型，所述运力模型包括卸矿点的最优堆积值目标函数：所述运力模型的约束条件包括第一约束：第二约束：第三约束a1≥a2≥
…
≥a
n
＞b
n
≥b
n
‑1…
≥b1，第四约束：b
N
≥b
N
‑1≥
…
≥b
n+1
＞a
n+1
≥a
n+2
≥
…
≥a
N
，第五约束：0＜n≤N，其中，Z为参与本次配矿任务卸矿点的容纳值，a
i
、b
i
分别为卸矿点第i天的第一运力和第二运力，U为本次配矿任务需要输出的矿石总量，N为配矿完成天数,n为卸矿点达到最大堆矿值的日期，基于智能算法求解所述运力模型，获得符合最优堆积值目标函数的每日第一运力和第二运力调整方案；步骤S5：开始执行本次配矿任务后，更新矿山内的爆堆数据，当需要进行下一个配矿任务时，重新执行步骤S1至步骤S4。2.根据权利要求1所述的基于大数据和地理位置信息的矿山智能配矿方法，其特征在于，步骤S4之前，基于以下步骤对卸矿点进行筛选，基于第一公式计算本次配矿的最小堆积量，所述第一公式为：H＝Y
×
(2
×
α
‑
1)
×
N,0.6≤α≤0.7，其中，H为本次配矿的最小堆积值，Y为参与本次配矿任务的总运力，α为预设权重，在卸矿场内筛选出容纳值大于等于最小堆积量的卸矿点作为参与本次配矿任务的卸矿点。3.根据权利要求2所述的基于大数据和地理位置...

【专利技术属性】
技术研发人员：李玄阔，李佳，高利强，黑启立，马俊峰，郭俊涛，
申请(专利权)人：天瑞集团信息科技有限公司，
类型：发明
国别省市：