基于能量流網絡仿真的鋼鐵工業多能源介質優化調配

孫彥廣 梁青艷 李文兵 賈天云

鋼鐵工業是能源密集型產業,我國鋼鐵工業能耗約占全國工業總能耗的16%[1].目前我國鋼鐵企業的噸鋼能耗仍比世界先進水平國家高出10%左右[2].面對節能減排的嚴峻形勢,鋼鐵工業亟需通過綠色化、智能化實現可持續發展.

能源優化調配是鋼鐵企業系統節能的關鍵技術之一.通過能源優化調配可以實現能質匹配,提高能源的利用率,降低二次能源放散,在滿足生產對能源質量和數量要求前提下,降低能源成本.

鋼鐵工業能源系統的特點對能源調配技術提出了挑戰.首先,鋼鐵企業能源介質種類繁多,包括煤、焦炭、煤氣、電力、蒸汽、技術氣體、壓縮空氣、水等近30種.其次,各種能源介質與鋼鐵生產流程耦合緊密,很多二次能源介質直接產生于鋼鐵生產過程的副產品或余熱余能回收利用,如高爐煤氣、焦爐煤氣、轉爐煤氣、各種蒸汽回收、CDQ(Coke dry quenching)發電和TRT(Blast furnace top gas recovery turbine unit)發電等.此外,各種能源介質的產生、轉換、存儲、輸送和分配使用通過能源管網實現,構成了復雜的相互制約的能量流網絡.

對于鋼鐵工業單一介質優化調配問題,很多學者進行了研究.在鋼鐵副產煤氣調配方面,針對煤氣產生消耗量預測問題,劉穎等[3]基于改進回聲狀態網絡用于高爐煤氣發生量預測,張顏顏等[4]采用改進的數據驅動子空間算法求解鋼鐵企業能源預測問題,肖冬峰等[5]基于改進BP(Back propagation)網絡的高爐煤氣發生量預測模型;針對煤氣優化調配問題,Akimoto等[6]采用多周期混合整數線性規劃模型研究煤氣柜位控制和自備電廠煤氣分配問題,張琦等[7]提出了鋼鐵聯合企業煤氣系統優化分配模型,Giacomo等[8?9]從煤氣利用效益最大和二氧化碳排放最小角度研究了煤氣系統多目標優化求解算法,Yang等[10]研究了考慮副產煤氣存儲能力的富裕煤氣最優分配問題.在氧氣優化調配方面,Han等[11]研究了考慮電費的氧氣系統優化問題.在電力系統調配方面,王小輝[12]研究了某鋼廠電力負荷模擬與預測研究問題,Ashok[13]提出了一種適合工業熱電聯產系統的最優能源優化分配模型,高云龍等[14]研究了高耗能企業關口平衡優化調度及其輸出功率控制方式,劉坤等[15]研究了考慮負荷及煤氣量不確定性的企業微電網自發電調度模型,張玉慶等[16]提出了綜合考慮發電、配電、用電環節的鋼鐵企業智能微電網系統運行框架.鋼鐵工業單一介質優化調配,不能考慮各種能源介質的產生、轉換間的關聯關系,難以取得多種能源介質綜合優化的效果.

對于鋼鐵工業多介質優化調配問題,近年來也有一些學者進行了研究.李丹[17]提出了基于價值最大化的能源系統綜合調整策略,孟華[18]研究了鋼鐵企業自備電廠機組配置優化及煤氣優化調度問題,張琦等[19]建立了鋼鐵企業副產煤氣–蒸汽–電力耦合模型,通過ILOG Cplex求解出模型的最優解,獲得煤氣、蒸汽和電力的最優分配方案,孫彥廣[20]基于能量流網絡信息模型提出了6大類多種能源介質分解–協調動態調控策略,曾玉嬌等[21?22]建立了鋼鐵企業蒸汽和發電綜合優化調度模型.何佳毅等[23]研究了鋼鐵企業能源系統網絡模型仿真及組態問題,Nawzad[24]提出了仿真和優化結合的方法為提高能效提供決策支持.

上述鋼鐵工業多介質優化調配方案,并沒有充分考慮鋼鐵工業能源系統與鋼材生產系統耦合緊密的特點,事實上,生產系統品種、產量、設備狀態和工藝路徑的不同,能源系統各介質的產生、轉化、分配和使用需求不同,都會導致各種能源介質的平衡關系、優化約束邊界條件發生變化,使優化效果大打折扣.

論文從鋼鐵制造流程物質流能量流耦合特點出發,提出了基于能量流網絡動態仿真的鋼鐵工業多能源介質綜合優化調配策略.首先，基于主生產工序的能量流模型、分介質能量流網絡模型建立鋼鐵企業物質流能量流集成的能量流網絡模型,充分表征物質流、能量流相互耦合和相互影響;然后，通過輸入當前生產計劃、工藝路徑、設備運行狀況等信息進行鋼鐵制造全流程仿真,來識別、調整生產系統對能源系統的時變需求,形成多時間周期動態變化的優化約束邊界條件;最后,針對不同生產場景進行優化求解,給出對應的多能源介質動態優化調配.

論文首先探討了能量流網絡化建模、生產流程與能源系統結合的能源仿真技術;然后,探討了多能源介質綜合優化調配技術;最后,通過在鋼鐵企業示范應用案例驗證了論文所提方案的有效性.

1 鋼鐵工業能量流網絡化模型

鋼鐵工業能量流貫穿于能源使用、能源回收和能源轉換輸配三個環節,在不同環節有不同的能源介質表現形式.完整描述鋼鐵企業能量流網絡的信息模型結構包括主生產工序的能量流模型、分介質能量流網絡模型和鋼鐵企業能量流網絡集成模型.

其中,主生產工序的能量流模型描述各生產工序能源使用和回收情況,分介質能量流網絡模型描述各種能源介質產生、轉換、輸配情況.鋼鐵企業能量流網絡集成模型將能源使用、回收、轉換輸配三個環節能源信息關聯起來,并形成多種能源介質間的調控[20].圖1為三個模型之間的信息流和控制流示意圖.

1.1 主生產工序的能量流模型

國內外對鋼鐵企業主生產工序的能量流模型做了很多研究[25?30],從生產工序物料平衡和能源平衡的角度,分析了各種工藝制度對鋼鐵企業能源結構的影響,以及鋼鐵企業余熱余能循環利用的潛力.這些模型的能耗計算是按鋼比進行靜態匹配計算,不能反映生產節奏、設備檢修故障、能源緩沖等動態變化,而且這些模型沒有考慮與能源網絡的信息交互,無法滿足能源動態調配的需要.

針對上述問題,采取了以下措施,建立主生產工序的工序能量流模型[20]:

1)將主生產工序設備細分為能源消耗設備和能源回收設備,通過啟動/停止等狀態進行標識,以反映設備正常、故障等動態運行狀況,設備狀態信號來源于設備檢修計劃和設備管理系統;煤氣管網、蒸汽管網和自發電機組等能源調配響應周期為20分鐘到40分鐘,模型循環計算的時間粒度確定為30分鐘.

2)在能量流模型中引入鋼鐵生產流程動態調控機制:根據生產計劃,確定工藝路徑、主生產工序單元種類和每單元鋼材產量;根據作業計劃、維護計劃決定各單元的運行時間;各生產單元按工藝路徑依次計算,并考慮前一工序輸出和庫存對后工序運行的影響.

3)單元模型的輸入/輸出與各能源介質網絡模型對應,便于能源調控方案的研究.

主生產工序能源輸入輸出模型由于其與生產品種、產量、工況、原料結構、工藝制度等密切相關,很難用一個統計模型描述.論文研究中分析了影響介質波動的因素,把影響因素分為靜態因素、動態因素及本身波動特性,采用基于工況信息的分段建模方法進行模型描述.

圖1 能量流網絡模型的信息流與控制Fig.1 Information flow and control of energy flow network model

以高爐煤氣回收量模型為例.正常生產、休風、減風等不同工況下煤氣流量模型描述如下:

1.2 分介質能量流網絡模型

分介質能量流網絡模型是從燃氣、蒸汽、電、技術氣體(氧氬氮)、壓縮空氣和水等分介質管網角度,將主生產工序分能源介質的消耗、回收與能源系統分能源介質的產生、儲存、轉換分配連接起來,建立分介質管網數學模型.

能源管網拓撲結構的描述利用圖論的有向圖原理,通過關聯矩陣(樹枝矩陣、連枝矩陣)和基本回路矩陣將管網圖形(枝狀網與環狀網混合)信息數據化,并與能源節點相關聯.能源管網基本方程.根據流體網絡的一些基本定律,如質量守恒定律、能量守恒定律、阻力定律,確定連續性方程、能量方程和壓降方程,并對管段摩阻系數進行辨識.

1.3 鋼鐵企業能量流網絡集成模型

在主生產工序的能量流模型和分介質能量流網絡模型基礎上,建立鋼鐵企業能量流網絡集成模型,將主生產工序的能量流模型的計算結果與分介質能量流網絡模型計算結果銜接起來,如圖2所示.

主生產工序作為介質能量流網絡的終端節點從能源管網獲取所需要的各種能源介質,產生主產品、副產品,同時回收能源介質,回收的能源介質又作為介質能量流網絡的始端節點.介質能量流網絡模型始端節點除了回收能源外包括自產和外購能源,中間環節包括存儲、轉換分配及連接介質管網,終端節點包括主產用戶、能源生產單元用戶、公輔及小用戶,多余的能源放散或外送.其中能源生產單元在不同的介質能量流網絡中角色不同,一方面在本身的產出介質能量流網絡中作為始端節點,產生自產能源;另一方面因為能源單元也消耗能源,因此在其他介質的能量流網絡中,作為終端節點,消耗能源.

鋼鐵企業能量流網絡集成模型包括兩部分:1)主生產工序與介質能量流網絡模型集成;2)各介質能量流網絡之間集成.圖3為主生產工序之一的高爐與介質能量流網絡模型集成示意圖,高爐從各介質能量流網絡模型獲取能源作為能源輸入,產生鐵水,同時回收高爐煤氣,產生的高爐煤氣又作為高爐煤氣能量流網絡模型的輸入.高爐消耗及回收能源模型在主生產工序能量流網絡模型中描述.圖4為某鋼鐵企業電力系統與其他介質能量流網絡集成模型示意圖,電力能量流網絡始端輸入節點包括300MW煤氣和燃煤CHP(Combined heat and power)發電、25MW余熱發電、CDQ余熱發電、TRT余能發電及外購能源,終端節點除給各主工序生產用戶外,還作為其他能量流網絡(技術氣體、壓縮空氣、水等)始端節點的能量輸入,各介質能量流網絡集成模型主要考慮能源介質之間的轉換.

圖2 鋼鐵企業能量流網絡集成模型結構框圖Fig.2 Structural block diagram of energy flow network integration model for iron and steel enterprises

圖3 高爐工序與能量流網絡模型集成Fig.3 Blast furnace process and energy flow network model integration

2 生產流程與能源系統結合的能源仿真技術

基于上述能量流網絡化模型,開發了生產流程與能源系統結合的能源仿真計算軟件,如圖5所示.

圖4 電力能量流網絡與其他介質能量流網絡集成Fig.4 Power energy flow network and other media energy flow network integration

圖5 基于能量流網絡模型的能源系統動態仿真Fig.5 Dynamic simulation of energy system based on energy flow network model

圖6 介質之間優先級依賴關系Fig.6 Priority dependencies between media

能源系統動態仿真首先確定介質之間優先級依賴關系,如圖6所示.鋼鐵企業能源介質種類繁多,大致可分為燃氣和煤、蒸汽、電、技術氣體、壓縮空氣和水6大類,分析能源介質間消耗–轉換–產生的“鏈條”關系,燃氣系統處于轉換“鏈條”上游,電、蒸汽系統處于轉換“鏈條”中游,技術氣體、壓縮空氣、水處于轉換“鏈條”下游.據此,把技術氣體、風、水的需量轉化為對電、蒸汽、燃氣的需求,重點解決煤氣–蒸汽–電三類能源介質的調配.

對于每一種介質,基于一定的調配規則按次序對各負荷進行分配,圖7給出副產煤氣的分配次序.副產煤氣的用戶分為基準用戶和緩沖用戶.基準用戶為主生產工序用戶,如高爐熱風爐、軋鋼加熱爐等,緩沖用戶為能源系統用戶,如蒸汽鍋爐和自發電機組.基準用戶的優先級高于緩沖用戶.因此仿真計算時,首先根據全流程能源需求和可回收計算結果,滿足基準用戶需求,多余煤氣為可供緩沖用戶量.根據蒸汽和電需求,計算出緩沖用戶實際使用量,可供緩沖用戶量與緩沖用戶實際使用量之差為煤氣多余量.

動態仿真過程是事件驅動的.仿真計算過程中,在主生產工序能量模型引入了生產設備啟/停和正常/異常生產工況的事件標識,反映生產過程的動態變化;在分介質能量流模型中,設置了能源設備啟停標識,同時能源介質管網平衡模型考慮了管網壓力、氣柜柜位的計算,反映能源系統設備運行、能源放散等動態變化.

通過鋼鐵企業能源系統模擬仿真計算,可以分析各能源介質在能源使用、能源回收和轉換輸配三個環節動態變化情況,分析評估各環節的效率和流程綜合效率;分析對比各種鋼鐵制造流程、生產作業計劃、中間緩沖能力和二次能源轉換輸配方案對能耗和效率的影響,為鋼鐵企業能源系統的設計方案和運行策略的對比和優化提供定量分析手段.圖8為某鋼鐵企業一段時間內煤氣和電力供需平衡情況.

3 基于能源仿真的多能源介質綜合優化調配

3.1 基于能源仿真的多能源介質綜合優化調配流程

以上基于調度規則的仿真運行模式,可以支持以滿足生產用戶需求和放散最小為目標的多介質能源調配.在此基礎上,引入優化算法實現以多介質能源成本最小為目標的多能源介質綜合優化調配.

鋼鐵企業生產品種、產量、設備狀態和工藝路徑的不同,能源系統各介質的產生、轉化、分配和使用方式不同,都會導致各種能源介質的平衡關系、優化約束邊界條件發生變化,使靜態優化效果大打折扣.能源仿真的主要目的是輸入當前生產計劃、工藝路徑、設備運行狀況等信息,通過仿真計算實時識別、調整生產工序能量動態平衡約束條件、能源介質轉換動態平衡約束條件和能源設備產能約束條件,提高多能源介質綜合優化調配對生產系統、能源系統動態變化的適應性.基于能源仿真的多能源介質綜合優化調配流程如圖9所示.

圖7 煤氣的調配規則及各類負荷分配次序Fig.7 Gas distribution rules and various types of load distribution order

圖8 某鋼鐵企業一段時間內煤氣和電力供需平衡情況Fig.8 Gas and electricity supply and demand balance in a period of time in a steel enterprise

圖9 基于能源仿真的多能源介質綜合優化調配流程Fig.9 Comprehensive optimization of multi-energy medium based on energy simulation

1)基于能量流網絡模型的仿真.首先,根據生產計劃確定流程工藝路徑及工序單元,生成作業計劃和維修計劃,調用主生產工序能量流模型計算生產工序各種能源介質消耗量和回收量,以及生產工序各能源介質凈需求,據此形成主生產工序能量動態平衡約束條件;然后,調用分介質能量流模型進行能源系統介質轉化計算,將技術氣體、壓縮空氣、水、氫氣等介質需求轉換成對于煤氣、蒸汽和電力需求,形成能源介質轉換動態平衡約束條件;同時調用分介質能量流網絡模型,根據能源設備啟/停標識和能源介質管網平衡模型生產能源設備產能動態約束條件.

2)多能源介質動態調配優化.匯總上述仿真信息,生產目標函數和約束條件,進行煤氣–蒸汽–電力動態調配優化,進而得到技術氣體、壓縮空氣、水、氫氣、煤氣、蒸汽和電力分介質調配方案.

3.2 目標函數

鋼鐵企業需要充分利用一次能源(如動力煤)、副產二次能源(副產煤氣)和余熱余能資源(余熱、余壓),安排各生產設備進行蒸汽和電力的優化生產,在滿足生產過程對各種能源介質的需求下,降低整個系統的運行費用,減少煤氣放散,降低能源消耗,提高企業的經濟效益.為此,目標函數選為給定調度周期內整個鋼鐵企業煤氣–蒸汽–電力系統運行費用最低,包括燃料費用、鍋爐給水費用、設備維護費用、煤氣放散懲罰費用,電能供給不足時的外購電費以及電能富余時的外送電收益[21?22,31].技術氣體、壓縮空氣和水等能源介質的費用通過煤氣、蒸汽、電力三類能源介質費用來表征.

式中,T為一個調度周期內所包含的時段數目,Nse表示蒸汽生產設備的數目,Npe表示電力生產設備的數目,Ng表示副產煤氣的數目,τ表示每個操作時段的工作時間,Cg表示副產煤氣g的價格,表示設備i在t時段副產煤氣g消耗量,Ccoal表示外購煤的價格,表示設備i在t時段燃料煤的消耗量,CM,i和Mi,t分別表示產汽設備的制造費用(包括設備折舊、維修費用,人工薪酬等)和在t時段的蒸汽產量,CM,j和Pi,t分別表示發電設備的設備維護成本(元)以及在t時段的發電量,Crel,g表示副產煤氣g的放散懲罰價格,Rg,t表示副產煤氣g在t時段的放散量,Pw,t表示在t時段的關口交換功率,δt表示外網在t時段的供電狀態,,Cb,t為t時段的外購電價,Cs,t為時段t的外送電價.

3.3 約束條件

包括生產工序能量動態平衡約束條件、能源介質轉換動態平衡約束條件和能源設備產能約束條件,根據從鋼鐵企業制造執行系統(Manufacturing execution systems,MES)、能源管理系統(Energy management systems,EMS)獲取的當前生產計劃、工藝路徑、設備運行狀況等信息,通過仿真計算進行動態調整.

1)蒸汽、電力、煤氣需求平衡約束

鋼鐵企業在不同時段對蒸汽、電力、煤氣的需求是不同的,且在每個時段系統必須滿足能源供需平衡.

2)蒸汽鍋爐能量平衡模型

3)余熱余能回收發電設備(如CDQ)能量平衡模型

4)利用副產煤氣的熱電聯產(CHP)設備能量平衡模型

式中,ηk表示第k臺熱電聯產設備的效率,分別表示自發電設備k在t時段的r等級蒸汽的產量和發電功率.

5)設備能力約束

蒸汽鍋爐產汽量能力

汽輪機進汽量約束

汽輪機抽汽能力

發電設備有功出力約束

6)發電機組燃料約束

發電機組燃氣鍋爐對煤氣量使用的上下限范圍

對于多種煤氣混燒鍋爐,使用的煤氣不但對量有要求,而且對其質也有要求,通常要求多種煤氣的混合熱值要大于最低要求.

式中,βi第i臺發電機對混合煤氣熱值的最低要求(kJ/kg).

7)富裕煤氣供應約束

在整個調度周期內的每一時間段內,副產煤氣的使用總量要小于或等于該時段煤氣供應上限.

8)發電機爬坡約束

式中,URi為發電機i瞬間上調的約束值,即發電機在一個時段內能增加最大功率;DRi為發電機i瞬間下調的約束值,即發電機在一個時段內能減小的最大功率.

3.4 優化求解算法

上述所建的多周期優化模型屬于一類高維、非線性、多約束優化問題.非線性問題由于混合煤氣熱值約束的非線性、鍋爐效率與蒸汽負荷的非線性、發電機組燃料消耗與發電量和抽汽量的二次曲線關系等引起.針對這類問題,結合本文研究的多能源介質優化調配的特點,采用粒子群算法(Partide swarm optimization,PSO)為基本算法.針對常規PSO存在的缺乏有效的約束處理機制、隨著問題維數的增加容易陷入局部極值和收斂速度變慢等缺點,對常規PSO算法進行了改進,提出了混沌自適應粒子群算法進行優化求解[21?22,31],該求解算法在文獻[21]中有詳細介紹.該算法具有以下特點:

1)在參數選擇上,采用有效動態變化機制進行自適應調整.為了增加種群的多樣性,跳出局部極值,引入了自適應變異操作.自適應變異機制采用兩種不同變異算子即差分變異和高斯變異,對種群中的每個個體進行變異,增加了種群的多樣性,引出算法跳出局部最優,并采用貪婪原則選擇適應度最優個體作為下一代,提高了算法全局尋優性能.

2)在約束條件的處理上,采用啟發式規則而不是常規的罰函數方法進行約束處理.對于含有大量約束條件的優化問題,罰函數方法不僅帶來大量懲罰調整參數工作量,而且還導致尋優效率降低甚至搜索不到最優解.本文針對所建模型的特點,采用一種有效的啟發式約束處理方法,通過對不可行個體進行有效的逐次調整,使所有約束條件逐一得到滿足.

4 應用實例分析

4.1 應用背景[21]

某鋼鐵企業蒸汽電力系統主要由4臺燃料鍋爐 (B1～B4)、2臺抽汽背壓式汽輪機 (BT1和 BT2)、2套干熄焦發電裝置 (CDQ),2臺熱電聯產機組(CHP)組成,為生產工藝過程提供電力、S1蒸汽 (2.0～3.8MPa,450?C)、S2蒸汽 (0.78～1.27MPa,170～280?C)和 S3蒸汽(0.3～0.78MPa,142～170?C).其系統關系示意圖如圖10所示.

其中,4臺鍋爐(B1～B4)消耗高爐煤氣(Blast furnace gas,BFG)和焦爐煤氣(Coke oven gas,COG)供S1和S2兩種品質蒸汽;鍋爐B3和B4消耗動力煤和副產煤氣為汽輪機(BT1和BT2)提供蒸汽S1發電,并產生S2抽汽和乏汽;2套CDQ設備回收紅焦的顯熱發電,并可以供S1和S2兩種品質蒸汽.

結合該企業煤氣–蒸汽–電力系統實際情況,建立該鋼鐵企業煤氣–蒸汽–電力集成優化調度模型的目標函數為

圖10 某鋼鐵企業煤氣–蒸汽–電力系統示意圖Fig.10 A diagram of a gas-steam-electric power system in a steel enterprise

各設備正常運行條件約束方程如下:

該優化模型共包括24個調度時段,每個時段為1小時.

4.2 優化結果分析

采用上述混沌自適應粒子群算法進行優化求解.通過20次獨立優化計算可知,單次優化計算時間小于3分鐘,并且所有的約束條件得到滿足,可以用于解決實際工程問題.

1)正常工況下優化結果

表1給出了通過動態仿真計算得到的各時段的富余煤氣供應量和蒸汽、電力需求量預測結果.

圖11給出優化前后整個鋼鐵企業煤氣–蒸汽–電力系統運行費用在各個時段的變化情況.由圖11分析可知,優化后系統總運行費用在谷段下降幅度較大.

表2給出了優化前后各項費用的比較結果,優化后全天系統運行總費用比實際費用降低了4%,優化效果非常明顯.優化前的調配方案是基于煤氣平衡關系和柜位變化,為避免煤氣放散,有多少富裕煤氣發多少電,沒有進行煤氣–蒸汽–電力綜合優化.優化后的調配方案,在充分利用富余煤氣和蒸汽余熱資源的同時,能有效利用峰平谷時段電價不同(見表3),優化發電機組的出力,減少總的費用,進而有效地節約了能源,提高了鋼鐵企業經濟效益.

2)異常工況下優化結果

基于能源仿真的多能源介質綜合優化調配不僅可以用于正常工況下能源優化,而且可以在異常工況或設備故障情況下通過動態改變優化的約束條件實現多能源介質綜合優化調配.

圖11 各周期系統運行費用優化前后對比Fig.11 Comparison of system operating costs of each cycle before and after optimization

表4、表5分別為某鋼鐵公司煉鐵煉鋼減產10小時、2250軋線停產12小時兩種異常工況下能源優化前后各種費用對比.

表1 各時段富余煤氣供應及蒸汽和電力需求Table 1 Wealthy gas supply and steam and electricity demand for each period

表2 正常工況優化前后各種費用比較Table 2 Comparison of various costs in normal working conditions before and after optimization

表3 電網電價Table 3 Grid price

表4 鐵鋼系統減產10小時工況優化前后各種費用對比Table 4 The comparison of various costs for 10 hour reduction of the steel system before and after optimization

表5 2250軋線停產12小時工況優化前后各種費用對比Table 5 The comparison of various costs for 12 hours cut offof 2250 rolling line before and after the optimization

5 結論

鋼鐵工業多介質優化調配,需要考慮能源系統與鋼材生產系統耦合緊密、多能源介質轉換的特點,基于主生產工序的能量流模型、分介質能量流網絡模型建立鋼鐵企業物質流能量流集成的能量流網絡模型,是充分反映物質流能量流相互耦合和能源介質相互影響的有效表達方式.

針對設備運行狀態變化和生產工況變化,需要提高多能源介質優化調配的適應能力,基于能量流網絡動態仿真的多能源介質優化調配是一種可行的方案.通過與鋼鐵企業目前的信息化系統結合,及時獲取生產計劃、工藝路徑、設備運行狀況等信息,通過能量流網絡動態仿真確定不同工況對能源系統的需求變化,形成動態的約束邊界條件,然后進行優化求解,得到對應的多能源介質動態優化調配方案.

在某鋼鐵企業示范應用案例表明論文所提方案對不同工況適應性強,能取得節能降成本效果.

1 Wang Wei-Xing.Steel energy consumption and energy saving margin analysis.China Steel,2011,(4):19?22(王維興.鋼鐵工業能耗現狀和節能潛力分析.中國鋼鐵業,2011,(4):19?22)

2 Wang Ling,Jiang Fei-Tao.The current situation and prospect of energy saving and emission reduction in China0s steel industry.Industrial Economic Review,2012,(5):81?91(王嶺,江飛濤.中國鋼鐵工業節能減排效果分析與前景.產經評論,2012,(5):81?91)

3 Liu Ying,Zhao Jun,Wang Wei,Wu Yi-Ping,Chen Wei-Chang.Improved echo state network based on data-driven and its application to prediction of blast furnace gas output.Acta Automatica Sinica,2009,35(6):731?738(劉穎,趙珺,王偉,吳毅平,陳偉昌.基于數據的改進回聲狀態網絡在高爐煤氣發生量預測中的應用.自動化學報,2009,35(6):731?738)

4 Zhang Yan-Yan,Tang Li-Xin.Improved data-driven subspace algorithm for energy prediction in iron and steel industry.Control Theory&Applications,2012,29(12):1616?1622(張顏顏,唐立新.改進的數據驅動子空間算法求解鋼鐵企業能源預測問題.控制理論與應用,2012,29(12):1616?1622)

5 Xiao Dong-Feng,Yang Chun-Jie,Song Zhi-Huan.The forecasting model of blast furnace gas output based on improved BP network.Journal of Zhejiang University(Engineering Science),2012,46(11):2013?2018(肖冬峰,楊春節,宋執環.基于改進BP網絡的高爐煤氣發生量預測模型.浙江大學學報(工學版),2012,46(11):2013?2018)

6 Akimoto K,Sannomiya N,Nishikawa Y,Tsuda T.An optimal gas supply for a power plant using a mixed integer programming model.Automatica,1991,27(3):513?518

7 Zhang Qi,Cai Jiu-Ju,Pang Xing-Lu,Jiang Wen-Hao.Optimal distribution of by-product gases in iron and steel complex.Journal of Northeastern University(Natural Science),2011,32(1):98?101(張琦,蔡九菊,龐興露,姜文豪.鋼鐵聯合企業煤氣系統優化分配模型.東北大學學報(自然科學版),2011,32(1):98?101)

8 Porzio G F,Fornai B,Amato A,Matarese N,Vannucci M,Chiappelli L,Colla V.Reducing the energy consumption and CO2emissions of energy intensive industries through decision support systems–an example of application to the steel industry.Applied Energy,2013,112:818?833

9 Porzio G F,Nastasi G,Colla V,Vannucci M,Branca T A.Comparison of multi-objective optimization techniques applied to off-gas management within an integrated steelwork.Applied Energy,2014,136:1085?1097

10 Yang J H,Cai J J,Sun W Q,Huang J.Optimal allocation of surplus gas and suitable capacity for buffer users in steel plant.Applied Thermal Engineering,2017,115:586?596

11 Han Z Y,Zhao J,Wang W.An optimized oxygen system scheduling with electricity cost consideration in steel industry.IEEE/CAA Journal of Automatica Sinica,2017,4(2):216?222

12 Wang Xiao-Hui.Research on the Power Load Simulation and Forecasting of Baosteel Branch[Master dissertation],Shanghai Jiao Tong University,China,2008.(王小輝.寶鋼分公司電力負荷模擬與預測研究[碩士學位論文],上海交通大學,中國,2008.)

13 Ashok S.Peak-load management in steel plants.Applied Energy,2006,83(5):413?424

14 Gao Yun-Long,Gao Feng,Pan Jin-Yan,Zhai Qiao-Zhu,Guan Xiao-Hong.Self-scheduling for electrical energy balance and output power control of energy-intensive enterprises.Proceedings of the CSEE,2010,30(19):76?83(高云龍,高峰,潘金艷,翟橋柱,管曉宏.高耗能企業關口平衡優化調度及其輸出功率控制方式.中國電機工程學報,2010,30(19):76?83)

15 Liu Kun,Gao Feng,Zhai Qiao-Zhu,Wu Jiang,Guan Xiao-Hong,Wang Zhao-Jie,Zhang Hai-Feng.A self-power generation scheduling model under load demand and uncertainty of a by-product of gas production in enterprises microgrid.Proceedings of the CSEE,2014,34(13):2063?2070(劉坤,高峰,翟橋柱,吳江,管曉宏,王兆杰,張海峰.考慮負荷及煤氣量不確定性的企業微電網自發電調度模型.中國電機工程學報,2014,34(13):2063?2070)

16 Zhang Yu-Qing,Sun Yan-Guang.Function and operation frame research of intelligent power system for iron and steel enterprises.Metallurgical Industry Automation,2011,35(3):8?13(張玉慶,孫彥廣.鋼鐵企業智能電力系統功能與運行架構研究.冶金自動化,2011,35(3):8?13)

17 Li Dan.Optimization adjustment of large energy systems base on maximizing the integrate value of energy.Energy for Metallurgical Industry,2013,32(1):3?5,58(李丹.基于價值最大化的能源系統綜合調整.冶金能源,2013,32(1):3?5,58)

18 Meng Hua.Study on Optimization of Unit Con figuration for Own Power Plant and Optimization of Gas Dispatching in Iron and Steel Enterprise[Ph.D.dissertation],Kunming University of Science and Technology,China,2013.(孟華.鋼鐵企業自備電廠機組配置優化及煤氣優化調度研究[博士學位論文],昆明理工大學,中國,2013.)

19 Zhang Qi,Ti Wei,Du Tao,Cai Jiu-Ju.Coupling model of gas-steam-electricity and its application in steel works.CIESC Journal,2011,62(3):753?758(張琦,提威,杜濤,蔡九菊.鋼鐵企業富余煤氣–蒸汽–電力耦合模型及其應用.化工學報,2011,62(3):753?758)

20 Sun Yang-Guang.Energy flow network information model in iron and steel enterprise and dynamic control of various energy.In:Proceedings of the 2010 National Energy and Environmental Protection Production Technology Conference.Jiujiang,Jiangxi,China:Chinese Society of Metal,2010.(孫彥廣.鋼鐵企業能量流網絡信息模型及多種能源介質動態調控.見:2010年全國能源環保生產技術會議論文集.九江,江西,中國:中國金屬學會,2010.)

21 Zeng Yu-Jiao.Research on Active and Reactive Power Optimization Scheduling of the Power System in Iron and Steel Enterprise[Ph.D.dissertation],Central Iron&Steel Research Institute,China,2015.(曾玉嬌.鋼鐵企業電力系統有功和無功優化調度問題的研究[博士學位論文],鋼鐵研究總院,中國,2015.)

22 ZengYu-Jiao,Sun Yan-Guang.Multi-period optimal scheduling of steam power system for iron and steel industry.In:Proceedings of the 25th China Process Control Conference.Dalian,Liaoning,China:China Automation Society Process Control Specialized Committee,2014.(曾玉嬌,孫彥廣.鋼鐵企業蒸汽–電力系統多時段優化調度.見:第25屆中國過程控制會議論文集.大連,遼寧,中國:中國自動化學會過程控制專業委員會,2014.)

23 He Jia-Yi,Ji Yang,Li Wen-Bing,Zhang Yun-Li.Research and software realization of network model and con figuration on energy simulation in iron and steel enterprises.Metallurgical Industry Automation,2012,36(1):7?12(何佳毅,紀揚,李文兵,張云利.鋼鐵企業能源系統網絡模型仿真及組態的研究與實現.冶金自動化,2012,36(1):7?12)

24 Mardan N.Combining Simulation and Optimization for Improved Decision Support on Energy Efficiency in Industry[Ph.D.dissertation],Linkping University,Sweden,2012.

25 Yamamoto T,Nakagawa T.A vision of energy structure for integrated steel works of future.Transactions of the Iron and Steel Institute of Japan,1983,23(10):862?892

26 Ohkuma R,Ikegami K,Yasunaga S.Energy problems and energy control system in the Japanese steel industry.A I I E Transactions,1981,13(2):164?174

27 Gou H,Olynyk S.A corporate mass and energy simulation model for an integrated steel plant.Iron&Steel Technology,2007,4(4):141?150

28 Liu Liu,Gan Yong,Zhang Jiang-Ling,Li Jing.Research on energy recycling at integrated steel companies.Iron&Steel,2006,41(6):1?4(劉瀏,干勇,張江玲,李菁.鋼鐵聯合企業能源循環利用的分析研究.鋼鐵,2006,41(6):1?4)

29 Wang Jian-Jun,Cai Jiu-Ju,Zhang Qi,Wu Fu-Zhong,Chen Chun-Xia.Study on energy- flow modelling in iron and steel enterprise.China Metallurgy,2006,16(5):48?52(王建軍,蔡九菊,張琦,吳復忠,陳春霞.鋼鐵企業能量流模型化研究.中國冶金,2006,16(5):48?52)

30 Qiu Xiao-Lei,Meng Qing-Yu,Hong Xin.Study on mathematical model of process energy consumption of BF-LD process.Energy for Metallurgical Industry,2007,26(3):3?6,53(仇曉磊,孟慶玉,洪新.鋼鐵生產長流程工序能耗數學模型研究.冶金能源,2007,26(3):3?6,53)

31 Zeng Y J,Sun Y G.An improved particle swarm optimization for the combined heat and power dynamic economic dispatch problem.Electric Power Components and Systems,2014,42(15):1700?1716 and Design Institute of Metallurgical Industry in 2009.Her research interest covers energy management and optimization in iron and steel industry.)