一种露天矿采排空间与运距综合优化方法

技术领域

本发明涉及露天矿生产调度技术领域，更具体的说是涉及一种露天矿采排空间与运距综合优化方法。

背景技术

露天矿开采是以采掘为中心、运输为纽带的“装-运-卸”生产系统。在露天矿开采之前，首先需要根据矿山年度生产指标、露天矿自身地质条件、采场和排土场实际情况来确定年度采、排计划。该步骤确定了露天矿采出矿量和剥离岩石的数量，关系着矿床的生产能力和经济效益，并影响着露天矿的开采程序和运输系统。合理确定露天矿开采境界是矿床开采设计的首要任务。然而，目前采、排空间优化主要由人为经验确定，缺乏通用性和科学性，造成了矿场利润的不确定性。因此，使用科学方法在确保矿床开采安全性的前提下优化采、排计划，对实现矿场运营过程利润最大化存在重大意义。

在确定露天矿的采、排计划后，需要将矿石和岩土运输到指定地点，运输环节是露天矿开采的核心，运输成本约占矿场整体成本的60％。矿车作为露天矿开采的重要运输工具，将采掘得到的有用矿石运输至指定破碎站或分选料场，将无用的岩土运输至排土场。矿车的路径配置和运距优化是后续矿车调度的基础，目前矿场中的寻路算法只是简单地考虑最短路径来进行优化，而没有考虑到路段的通过能力约束，会在调度过程中造成矿车在道路上的拥堵和额外的能源消耗，因此需要使用更先进的寻路算法以降低矿车运输成本。

综上，如何提高露天矿中长期规划的科学性和准确性，降低露天矿运输成本，提升露天矿的整体效益，是本领域技术人员亟需解决的技术问题。

发明内容

有鉴于此，本发明提供了一种至少解决上述部分技术问题的露天矿采排空间与运距综合优化方法，通过设计具有反馈机制的算法对露天矿采排空间与运距双层优化模型求解，得到的最优解可以降低露天矿运输成本，减少露天矿道路拥堵，为露天矿科学合理开采提供了技术方法，节约成本提供了新途径。

为了实现上述目的，本发明采用如下技术方案：

一种露天矿采排空间与运距综合优化方法，包括以下步骤：

S1、获取矿石块体的品位信息和空间坐标，根据品位信息和空间信息对矿石块体进行聚类得到矿石簇，根据矿石簇的开采顺序构建开采树；

S2、获取路网信息，包括装卸点运距、路段长度和采装点高程；

S3、将矿石簇对应的矿石簇信息、开采树和路网信息输入至构建完成的露天矿采排空间与运距双层优化模型；将矿石簇信息中的矿石簇质量和价值矿物量、开采树中矿石簇归属的开采树序号和路网信息输入露天矿采排空间与运距双层优化模型，根据开采树序号确定矿石簇的开采顺序；

S4、采用反馈机制算法对露天矿采排空间与运距双层优化模型求解，获得露天矿采排计划和运输计划。

优选的，所述S1具体包括：

根据矿石块体模型数据，获取矿石块体的品位信息、空间坐标和高程；

根据矿石块体的品位信息和空间坐标采用BIRCH算法进行聚类，获得矿石簇；

根据矿石块体的品位信息、空间坐标和矿石簇，得到矿石簇分布，采用基础树算法获得到开采树。

优选的，构建开采树的具体步骤包括：

根据品位信息、空间坐标和矿石簇计算矿石簇边界、矿石簇质量和价值矿物量，获得矿石簇信息；

根据矿石簇边界判断矿石簇是否相邻，生成邻接矩阵；

选择价值矿物量大于设定阈值的矿石簇作为节点，形成节点集合，并对每个节点和其相邻节点的价值矿物量求和，得到每个节点的节点开采价值；

根据矿石簇对应的高程确定各矿石簇所在的层数，从节点集合中最底层的矿石簇开始循环，不断寻找上一层相连的矿石簇，同层节点的开采顺序按节点开采价值从高到低排序进行搜索，通过搜索确定节点的开采顺序，从而得到开采树。

优选的，所述S2中根据露天矿现有路网数据，获取路网信息，包括装载点集合、卸载点集合、卸载点备选集合、道路网络路段集合、道路网络节点集合、装卸点运距、路段长度和采装点高程。

优选的，在所述S3中，所述露天矿采排空间与运距双层优化模型的上层模型优化目标为：

其中，

优选的，上层模型优化目标的约束条件为：

约束(1)为

约束(2)为

约束(3)为

约束(4)为

约束(5)为

约束(6)为

约束(7)为

约束(8)为

约束(9)为

约束(10)为

约束(11)为

优选的，所述露天矿采排空间与运距双层优化模型的下层模型优化目标为：

其中，

优选的，下层模型优化目标的约束条件为：

约束(1)为

约束(2)为

约束(3)为

约束(4)为

约束(5)为

优选的，所述S4中反馈机制算法包括了运距惩罚策略、运距更新算法和更新运输任务算法，具体如下：

所述运距惩罚策略，包括：

运距增加惩罚：运输任务最大的装卸点对od之间的运距增加u

运距减少惩罚：运距排在中间的装卸点对od之间的运距减少u

所述更新运输任务算法，具体S如下：

S411、输入上层模型的决策变量，包括t时刻开采矿石簇c送往卸载点d的比例y

S412、根据t时刻开采矿石簇c送往卸载点d的比例y

S413、根据开采运输比例和矿石簇质量w

S414、根据各矿石簇的开采时间t、装载点o、卸载点d和开采运输量p增加临时运输任务(t,o,d,p)；

S415、根据全部的临时运输任务(t,o,d,p)，计算全周期各装载点o和卸载点d的运输平均量，得到运输任务(o,d,p)，每组矿石簇对应的运输任务用k表示，形成运输任务集合K；

S416、输出运输任务集合K；

所述更新运距算法，具体S如下：

S421、输入下层模型优化目标中决策变量，包括路段(i,j)上运输任务k的运输量

S422、根据运输任务集合K和路网信息，计算每个运输任务k对应的运输任务信息，包括装载点o

S423、根据路段(i,j)上运输任务k的运输量

S424、计算运输任务k总运距和运输量p

S425、更新每个运输任务k对应的运距l(o

优选的，所述露天矿采排空间与运距双层优化模型包括上层模型和下层模型，所述上层模型求解采排计划，所述下层模型求解运输计划；所述S4中求解模型的具体过程如下：

S431、初始化参数，设置终止条件，包括终止条件1和终止条件2，终止条件1为最大迭代次数，终止条件2为上层模型最近n个解的标准差阈值，即gap值；

S432：求解上层模型，获得采排计划；

S433、更新运输任务，并求解下层模型；

S434、判断下层模型是否有解，若有解则执行S438，否则执行S435；

S435、判断上层模型最近n个解的标准差是否小于设定的终止条件gap值，若是则达到终止条件2，执行S4311，否则执行S436；

S436、采用所述运距惩罚策略进行运距惩罚；

S437、调整上层模型运距，然后执行S432；

S438、得到运输计划；

S439、更新运距，重新计算上层模型优化目标的计算值作为总目标值，且迭代次数加1；

S4310、判断当前迭代次数是否小于最大迭代次数，若是则执行S436，否则达到终止条件1，执行步骤4311；

S4311、输出当前采排计划和运输计划。

经由上述的技术方案可知，与现有技术相比，本发明公开提供了一种露天矿采排空间与运距综合优化方法，可以降低露天矿运输成本，减少露天矿道路拥堵，为露天矿科学合理开采提供了技术方法，节约成本提供了新途径，具体优点如下：

1、本发明考虑矿石块体的品位信息、空间信息，实现了矿石簇聚类，构建了矿石簇的开采树，确定了矿石块体的开采时空关系；

2、本发明结合采、排空间两端各项设计条件与耦合关联因素，考虑矿石开采的时空关系、装卸点的开采和处理能力约束，构建了采排空间设计优化模型为上层模型，进一步，考虑道路通过能力限制，构建基于多商品网络流的运距优化模型，提出了采排空间与运距双层优化模型；

3、本发明考虑采排空间与运距双层优化模型特点，设计了具有反馈机制的算法，包括了运距惩罚策略、运距更新算法、更新运输任务算法，有效的求解了模型，求解了采排空间与运距双层优化模型。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1为本发明实施例提供的露天矿采排空间与运距综合优化方法流程示意图；

图2为本发明实施例提供的露天矿路网示意图；

图3为本发明实施例提供的采排空间与运距双层优化模型求解算法流程示意图；

图4为本发明实施例提供的各月装卸点运量示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明实施例公开了一种露天矿采排空间与运距综合优化方法，如图1所示，该方法适用于露天矿生产调度过程中设计开采计划、排土计划和运输计划的应用场景；具体包括如下步骤：

S1、获取矿石块体的品位信息和空间坐标，实现矿石块体聚类得到矿石簇，生成矿石簇的开采顺序得到开采树；

S11：根据矿石块体模型数据，获取矿石块体的品位信息和空间坐标；

首先，将矿石块体模型数据导入3Dmine矿山软件；其次，选择矿石的空间坐标、视密度、含矸率导出数据，得到矿石块体的品位信息和空间坐标；

S12：根据矿石块体的品位信息、空间坐标和高程，获得到矿石簇；

首先，利用矿石块体的品位信息和空间坐标确定聚类依据；其次，通过BIRCH算法实现矿石块体聚类，得到矿石簇；

S13：根据矿石块体的品位信息、空间坐标和矿石簇，获得矿石簇开采树；

首先，通过矿石块体的品位信息、空间坐标和矿石簇计算矿石簇边界、质量和价值矿物量；然后，根据矿石边界判断矿石簇是否相邻，生成邻接矩阵；其次，矿石簇集合寻找价值矿物量大于0的矿石簇，形成节点集合，并计算节点和其相邻的矿石簇的价值矿物量求和得到节点开采价值；最后，根据矿石簇的高程确定各矿石簇的所在的层数，从节点集合中最底层的矿石簇开始循环，不断寻找上一层相连的矿石簇，得到开采树；

S2、获取路网信息，包括装载点集合、卸载点集合、卸载点备选集合、道路网络路段集合、道路网络节点集合、装卸点运距、路段长度和采装点高程；

基于露天矿现有路网，首先通过QGIS对路网的路线图层进行矢量叠加分析，生成道路的交叉点，明确装载点、卸载点，并对点进行编号，如图2，生成点距离得到装卸点运距、路段长度；然后导出点信息，根据路网中的连通情况创建邻接矩阵；最后将路网图层中的坐标换成WGS84坐标，得到节点经纬度的信息文件，使用公共的在线地图API，结合经纬度信息，得到各点的高程信息；

S3、将矿石簇信息、开采树和路网信息输入至构建完成的露天矿采排空间与运距双层优化模型；

露天矿采排空间与运距双层优化模型包括上层模型和下层模型；其中，

上层模型优化目标为：

其中，

上层模型优化目标的约束条件为：

约束(1)为

约束(2)为

约束(3)为

约束(4)为

约束(5)为

约束(6)为

约束(7)为

约束(8)为

约束(9)为

约束(10)为

约束(11)为

下层模型优化目标为：

其中，

下层模型优化目标的约束条件为：

约束(1)为

约束(2)为

约束(3)为

约束(4)为

约束(5)为

S4、设计具有反馈机制的算法对露天矿采排空间与运距双层优化模型进行求解，获得露天矿采排计划和运输计划；

具有反馈机制的算法包括了运距惩罚策略、运距更新算法和更新运输任务算法，具体如下：

运距惩罚策略包括：

运距增加惩罚：运输任务最大的装卸点对od之间的运距增加u

运距减少惩罚：运距排在中间的装卸点对od之间的运距减少u

更新运输任务算法，具体步骤如下：

S411、输入上层模型优化目标的决策变量y

S412、根据y

S413、根据开采运输比例和w

S414、增加临时运输任务(t,o,d,p)；

S415、根据全部的临时运输任务(t,o,d,p)，计算全周期各装载点o和卸载点d的运输平均量，得到运输任务(o,d,p)，形成运输任务集合K；

S416、输出运输任务集合K；

更新运距算法，具体S如下：

S421、输入下层模型优化目标中决策变量

S422、根据运输任务集合K和路网信息，计算运输任务k的装载点o

S423、根据

S424、计算运输任务k总运距和运输量p

S425、更新每个运输任务k对应的运距l(o

求解模型的实施流程如图3，具体过程如下：

S431、初始化参数；

S432、设置算法迭代终止条件，包括终止条件1和终止条件2，终止条件1为最大迭代次数，终止条件2为上层模型最近n个解的标准差阈值，即gap值；

S433、求解上层模型；

S434、获得采排计划；

S435、更新运输任务；

S436、更新并求解下层模型；

S437、判断下层模型是否有解，若是执行S4311，若否执行S438；

S438、判断上层模型最近n个解的标准差是否小于设定的gap值，若是执行S4314，若否执行S439；

S439、对进行运距惩罚；

S4310、调整上层模型运距，然后执行S433；

S4311、得到运输计划；

S4312、更新运距；

S4313、重新计算上层模型优化目标的计算值作为总目标值，并且迭代次数加1；

S4314、判断当前迭代次数是否小于设定最大迭代次数，若是执行S4310，若否执行S4315；

S4315、输出最优采排计划和运输计划。

在本发明实施例中，使用python编写执行包含运距惩罚策略的求解算法程序。实施例优化模型可得到采排计划和运输计划，其中采排计划优化结果如图4所示，确定了各月各装卸点的采排运输量。

本发明实施例提供了一种露天矿采排空间与运距综合优化方法，利用矿石块体模型数据，实现了矿石簇聚类，构建了矿石簇的开采树，确定了矿石块体的开采时空关系；利用露天矿现有路网数据，提取了路网信息，提出了采排空间与运距双层优化模型；考虑双层优化模型特点，设计了具有反馈机制的算法，包括了运距惩罚策略、运距更新算法、更新运输任务算法，有效的求解了模型，从而获得采排计划和运输计划。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。