CN102032443A - 气柜负荷预测设备和方法以及瓦斯调度系统和方法 - Google Patents
气柜负荷预测设备和方法以及瓦斯调度系统和方法 Download PDFInfo
- Publication number
- CN102032443A CN102032443A CN2009100936947A CN200910093694A CN102032443A CN 102032443 A CN102032443 A CN 102032443A CN 2009100936947 A CN2009100936947 A CN 2009100936947A CN 200910093694 A CN200910093694 A CN 200910093694A CN 102032443 A CN102032443 A CN 102032443A
- Authority
- CN
- China
- Prior art keywords
- gas
- pressure gas
- high pressure
- load
- gas holder
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Filling Or Discharging Of Gas Storage Vessels (AREA)
Abstract
本发明公开了一种瓦斯系统的气柜负荷预测设备和方法以及瓦斯的调度系统和方法,所述瓦斯系统包括相互连接的低压瓦斯产生装置和气柜,所述方法包括:(1)采集在第一预定时间段内不同时刻的气柜负荷和低压瓦斯产生装置的瓦斯产量;(2)选择气柜负荷预测模型的模型结构,根据所选的模型结构和所采集的第一预定时间段内不同时刻的气柜负荷和低压瓦斯产生装置的瓦斯产量,建立气柜负荷预测模型;以及(3)利用所建立的气柜负荷预测模型,预测第二预定时间段内不同时刻的气柜负荷;所述第二预定时间段为第一预定时间段之后的时间段。本发明所提供的基于气柜负荷预测的瓦斯调度系统和方法,可以从根本上解决完全凭经验进行瓦斯平衡与调度的现状,明显提高瓦斯系统的调度水平,避免气柜负荷超过气柜的负荷上下限。
Description
技术领域
本发明涉及一种瓦斯系统的平衡与优化调度技术。
背景技术
在炼油生产过程中,大部分装置不仅生产汽、柴、煤油等液态的产品或半成品,而且还会排放大量气态副产品,即瓦斯气体。瓦斯气体富含氢气、烷烃、烯烃等组分,是炼油企业最主要的燃料源,炼油企业生产过程所需的燃料很大一部分都是由瓦斯提供的,为此炼油企业中有一个非常重要的系统——瓦斯系统。
在瓦斯系统中,气柜是瓦斯的主要缓冲设备,用于解决瓦斯暂时产耗不平衡的问题。但是,气柜本身的容量有上下限约束,气柜的缓冲作用有限。如果瓦斯产量远远大于其耗量,那么气柜中存储的瓦斯就会突破容量上限,这样超出容量上限的瓦斯需要以燃放火炬的形式放散,这不仅是资源的浪费,而且也造成大气污染。反之,如果瓦斯产量远远小于其耗量,那么气柜中存储的瓦斯就会突破容量下限,这样容易造成机械故障。
现阶段,国内大部分调度人员主要就是通过观察瓦斯气柜负荷的变化凭经验判断瓦斯产耗的平衡情况并做出调度决策的。但由于瓦斯气体的产耗量受装置操作条件和外界天气情况变化的影响较大,再加上瓦斯系统本身的复杂性,调度人员很难判断未来一段时间内气柜负荷会有怎样的变化,仅凭经验进行瓦斯系统调度很难保证整个炼油企业瓦斯产耗的平衡。
因此,对瓦斯系统进行气柜负荷预测和平衡调度对炼油企业节能降耗工作具有举足轻重的作用。但由于瓦斯只是炼油企业生产环节中的副产品,并且瓦斯系统结构复杂,对它的平衡与调度是学术界和工程界的难点问题,很少有学者从系统的角度出发,对瓦斯系统的平衡与调度进行研究。
发明内容
为了克服现有技术中无法对瓦斯系统进行科学的平衡与调度的缺陷,本发明特提供一种瓦斯系统的气柜负荷预测方法,所述瓦斯系统包括相互连接的低压瓦斯产生装置和气柜,所述方法包括:(1)采集第一预定时间段内不同时刻的气柜负荷和低压瓦斯产生装置的瓦斯产量;(2)选择气柜负荷预测模型的模型结构,根据所选的模型结构和所采集的第一预定时间段内不同时刻的气柜负荷和低压瓦斯产生装置的瓦斯产量,建立气柜负荷预测模型;(3)利用所建立的气柜负荷预测模型,预测第二预定时间段内不同时刻的气柜负荷;所述第二预定时间段为第一预定时间段之后的时间段。
相对应的,本发明还提供一种瓦斯系统的气柜负荷预测设备,所述瓦斯系统包括相互连接的低压瓦斯产生装置和气柜,所述设备包括:采集装置,用于采集第一预定时间段内不同时刻的气柜负荷和低压瓦斯产生装置的瓦斯产量;气柜负荷预测模型建立装置,用于选择气柜负荷预测模型的模型结构,根据所选的模型结构和所采集的第一预定时间段内不同时刻的气柜负荷和低压瓦斯产生装置的瓦斯产量,建立气柜负荷预测模型;以及气柜负荷预测装置,用于利用所建立的气柜负荷预测模型,预测第二预定时间段内不同时刻的气柜负荷;所述第二预定时间段为第一预定时间段之后的时间段。
此外,本发明还提供一种瓦斯系统的瓦斯调度方法,所述瓦斯系统包括低压瓦斯系统、压缩机、高压瓦斯窜低阀门和高压瓦斯系统,所述低压瓦斯系统包括低压瓦斯产生装置、低压瓦斯管网、火炬以及气柜,所述低压瓦斯产生装置、火炬和气柜均与低压瓦斯管网相连;所述高压瓦斯系统包括高压瓦斯管网和高压瓦斯消耗装置,高压瓦斯消耗装置与高压瓦斯管网相连;所述压缩机入口端与气柜相连,出口端与高压瓦斯管网相连;高压瓦斯管网通过高压瓦斯窜低阀门与低压瓦斯管网相连;所述方法包括:(1)利用上述气柜负荷预测方法预测气柜负荷;以及(2)根据所预测的气柜负荷,调节压缩机的工作负荷、火炬的瓦斯燃放量、高压瓦斯管网至低压瓦斯管网的高压瓦斯窜低瓦量以及高压瓦斯消耗装置的高压瓦斯消耗量,以使气柜负荷不超过气柜的负荷上下限。
相对应的,本发明还提供一种瓦斯系统的瓦斯调度系统,所述瓦斯系统与上述针对瓦斯平衡与调度方法所描述的瓦斯系统相同,所述瓦斯调度系统包括上述气柜负荷预测设备;以及调节装置,该装置根据气柜负荷预测设备所预测的气柜负荷,调节压缩机的工作负荷、火炬的瓦斯燃放量、高压瓦斯管网至低压瓦斯管网的高压瓦斯窜低瓦量以及高压瓦斯消耗装置的高压瓦斯消耗量,以使气柜负荷不超过气柜的负荷上下限。
通过本发明提供的瓦斯系统的气柜负荷预测方法和设备,可以较好地预测气柜负荷,所述种瓦斯系统的瓦斯调度方法和系统则可以根据所预测的气柜负荷,对高压瓦斯消耗量、高压瓦斯窜低瓦量、火炬的瓦斯燃放量和压缩机的工作负荷进行调节,可以从根本上解决完全凭经验进行瓦斯平衡与调度的现状,明显提高瓦斯系统的调度水平,避免气柜负荷超过气柜的负荷上下限。
附图说明
图1是瓦斯系统的结构示意图;
图2是本发明提供的气柜负荷预测方法的流程图;以及
图3a和图3b是本发明提供的瓦斯平衡与调度方法的流程图。
具体实施方式
下面参考附图详细描述本发明。
图1示出了瓦斯系统的结构。如图1所示,瓦斯系统包括低压瓦斯系统100、压缩机200、高压瓦斯窜低阀门700和高压瓦斯系统300,所述低压瓦斯系统100包括低压瓦斯产生装置110、低压瓦斯管网120、火炬130以及气柜140,所述低压瓦斯产生装置110、火炬130和气柜140均与低压瓦斯管网120相连;所述高压瓦斯系统300包括高压瓦斯管网330和高压瓦斯消耗装置340,高压瓦斯消耗装置340与高压瓦斯管网330相连;所述压缩机200入口端与气柜140相连,出口端与高压瓦斯管网330相连;高压瓦斯管网330通过高压瓦斯窜低阀门700与低压瓦斯管网120相连;下面描述整个瓦斯系统的工作流程,各个部件之间的连接关系也可以在整个工作流程描述中得到体现。
在炼油生产过程中,低压瓦斯产生装置110所产生的瓦斯气体会被排放到低压瓦斯管网120,这些瓦斯气体也因此被叫做低压瓦斯。低压瓦斯富含H2、C2、C3、C4、C5等贵重组分,其中H2是加氢装置的原料气体,C2可用于化工产品的深加工,C4可作为烷基化的原料,C5是汽油调和的重要组分,C3和C4还可以被加工为液化石油气,在市场上销售。因此,为了减少资源浪费,提高生产效益,所述瓦斯系统还包括氢气和轻烃回收装置400,部分低压瓦斯会被输送至氢气和轻烃回收装置400进行深度处理,而其余低压瓦斯则被存储在气柜140中。
存储于气柜140中的低压瓦斯会经由压缩机200压缩之后,被输送至高压瓦斯管网300,以供高压瓦斯消耗装置340使用。然而,存储于气柜140内的低压瓦斯中可能H2S浓度较高,若将其输入至高压瓦斯管网330之后直接作为燃料,不仅会造成加热炉内壁的腐蚀,而且会排放大量SO2,对环境造成不可估量的污染。因此,优选情况下,所述瓦斯系统还包括脱硫装置320,该脱硫装置320连接在所述压缩机200与所述高压瓦斯管网330之间。这样,气柜140中存储的低压瓦斯就会被输送至压缩机200进行压缩,在经压缩之后会被输送至脱硫装置320进行脱硫处理,成为满足燃烧要求的高压瓦斯,之后被输送至高压瓦斯管网330,以供高压瓦斯消耗装置340使用。
其中,所述瓦斯系统还包括燃料油补充装置500以及液化气或轻烃补充装置600,以便在高压瓦斯管网330中的高压瓦斯不足以供应高压瓦斯消耗装置340的情况下,将燃料油、液化气或轻烃补充至高压瓦斯消耗装置340,缓解高压瓦斯管网330的瓦斯供应压力。
作为瓦斯的存储单元,气柜140、低压瓦斯管网110和高压瓦斯管网330所能容纳的瓦斯气体是受到一定限制的,为保证炼油过程安全平稳地运行,瓦斯气体的产和耗应尽量保持平衡。在上述瓦斯系统的运行过程中,需要避免以下情况的发生:(1)如果低压瓦斯产量远远大于其耗量,那么气柜140中存储的瓦斯就会突破容量上限,则突破容量上限的部分低压瓦斯将会通过火炬130,以燃放火炬的形式放散,这不仅是资源的浪费,而且也造成大气污染;(2)如果低压瓦斯产量远远小于其耗量,那么气柜140中存储的瓦斯就会突破容量下限,容易造成压缩机抽空等机械故障;(3)如果高压瓦斯管网330的压力过大,那么多余的高压瓦斯就要通过高压瓦斯窜低阀门700排放到低压瓦斯管网120,这样就会增大压缩机200的工作负荷,增加系统的操作成本;以及(4)如果高压瓦斯管网300的压力过小,那么就得通过燃料油补充装置500或者液化气或轻烃补充装置600向高压瓦斯消耗装置340中注入液化石油气等贵重资源,以减小高压瓦斯管网330中的高压瓦斯消耗量,保持高压瓦斯管网330的压力,这极大地增加了企业的燃料成本。
为了避免上述情况的发生,本发明特提供一种瓦斯系统的瓦斯平衡与调度方法,该方法包括预测气柜负荷以及根据所预测的气柜负荷对高压瓦斯消耗量、高压瓦斯窜低瓦量、火炬130的瓦斯燃放量和压缩机200的工作负荷进行调节。
其中,如图2所示,气柜负荷预测过程包括:(1)采集第一预定时间段内不同时刻的气柜负荷和低压瓦斯产生装置110的瓦斯产量;(2)选择气柜负荷预测模型的模型结构,根据所选的模型结构和所采集的第一预定时间段内不同时刻的气柜负荷和低压瓦斯产生装置110的瓦斯产量,建立气柜负荷预测模型;(3)利用所建立的气柜负荷预测模型,预测第二预定时间段内不同时刻的气柜负荷;所述第二预定时间段为第一预定时间段之后的时间段。
其中,所述第一预定时间段和第二预定时间段可以根据需要任意设定,这里第一预定时间段可以是48-96小时,第二预定时间段可以是12-24小时。所采集的第一预定时间段内不同时刻的个数越多,则建立的气柜负荷预测模型会越准确,优选地,所述第一预定时间段内不同时刻的个数至少为48个,且这些不同时刻优选为在所述第一预定时间段内均匀分布。所述气柜负荷和低压瓦斯产生装置110的瓦斯产量可通过相关的采集仪表来进行采集。
由于输入数据的正确性和可靠性直接影响到预测模型的预测精度,任一数据失效都会导致整体预测性能的大幅度下降,因此,优选地,所述步骤(1)还包括数据预处理步骤,该步骤包括通过对所采集的第一预定时间段内不同时刻的气柜负荷和低压瓦斯产生装置110的瓦斯产量进行局外点监测,以剔除其中明显不服从样本分布的气柜负荷和低压瓦斯产生装置110的瓦斯产量。这样可以保证所采集的数据的正确性和可靠性,避免因失误而导致所采集的数据出现异常,其中所失误指由于控制、环境、测量仪器不稳定以及人为失误等因素所造成的误差。这里,可以利用t检验准则来对所采集的第一预定时间段内不同时刻的气柜负荷和低压瓦斯产生装置110的瓦斯产量进行局外点监测,当然,本发明并不限于此,利用其他的检验准则方式也是可以的。
在上述选择气柜负荷预测模型的模型结构的步骤中,所述模型结构选自线性回归模型结构、分段线性拟合模型结构、主成分分析模型结构、偏最小二乘模型结构、人工神经网络模型结构或模糊神经网络模型结构。所述线性回归模型结构、分段线性拟合模型结构、主成分分析模型结构、偏最小二乘模型结构、人工神经网络模型结构或模糊神经网络模型结构均是目前非常成熟的模型,这些模型的应用过程为本领域技术人员所公知,于此不再赘述。
优选地,所述选择气柜负荷预测模型的模型结构步骤包括将气柜负荷预测模型的模型结构选择问题转化成0-1规划问题,并采用遗传算法进行求解,从模型库中选择预测效果最好的模型结构。在此,预测效果最好是指所预测的某一时刻的气柜负荷与所采集的该时刻的实际气柜负荷之间的差异最小。上述0-1规划方法是一种特殊形式的整数规划。这种规划的决策变量仅取值0或1,0-1变量可以数量化地描述诸如开与关、取与弃、有与无等现象所反映的离散变量间的逻辑关系、顺序关系以及互斥的约束条件,凡是有界变量的整数规划都可以转化为0-1规划来处理。因此,可以将气柜负荷预测模型的模型结构选择问题转化成0-1规划问题来进行处理。所述遗传算法为本领域技术人员所公知的算法,于此不再赘述。
所建立的气柜负荷预测模型如下:
利用所述模型结构,便可以拟合出辅助变量与气柜负荷之间的变化曲线,从而根据变化曲线的变化趋势,预测出第二预定时间段内气柜负荷的变化趋势了。
一般而言,石油化工是一个复杂、时滞大、扰动强的连续工业过程,一般很难建立准确的预测模型来反映工业过程变化,优选地,所述方法还包括:采集气柜140一个时刻或多个时刻的实际负荷;将采集到的所述一个时刻或多个时刻气柜140的实际负荷与气柜负荷预测模型所预测的相同时刻的气柜负荷进行比较,并根据两者之间的差异对所述气柜负荷预测模型进行校正。当两者之间的差异大于预定阈值时,则记录该差异以及对应的气柜实际负荷;如果这种差异连续数次产生且对应的气柜实际负荷始终处于稳定状态,则通过计算偏差而给出一个调节量,并将该调节量叠加到预测模型的输出层节点上,从而补偿所述气柜负荷预测模型所预测的气柜负荷,以使其与气柜实际负荷相接近。在发现气柜实际负荷与气柜负荷预测模型所预测的气柜负荷之间的差异超出于预定阈值时,记录由气柜负荷预测模型的输入(即,X)和气柜实际负荷构成的样本,并在所记录的样本数达到预定数量之时,利用所记录的样本重新训练柜负荷预测模型。其中,所述预定阈值和预定数量均可以根据实际所需的预测精度来设定,于此不作限定。
在预测到第二预定时间段的气柜负荷之后,便可根据所预测的气柜负荷,对瓦斯系统进行调节,即调节压缩机200的工作负荷、火炬130的瓦斯燃放量、高压瓦斯管网330至低压瓦斯管网120的高压瓦斯窜低瓦量以及高压瓦斯消耗装置340的高压瓦斯消耗量,以使气柜负荷不超过气柜140的负荷上下限。其中,所述高压瓦斯管网330至低压瓦斯管网120的高压瓦斯窜低瓦量可通过高压瓦斯窜低阀门700来进行调节。
在保证气柜负荷不超过气柜140的负荷上下限的前提下,优选地,还可根据所预测的气柜负荷,调节压缩机200的工作负荷、高压瓦斯管网330至低压瓦斯管网120的高压瓦斯窜低瓦量以及高压瓦斯消耗装置340的高压瓦斯消耗量,以使火炬130的瓦斯燃放量最小,从而减少瓦斯浪费。
如图3a和图3b所示,具体调节策略如下:
(1)如果气柜负荷下限Wmin≤所预测的气柜负荷Wpred≤气柜负荷上限Wmax,瓦斯总体平衡,不进行调节;
(2)如果所预测的气柜负荷Wpred>气柜负荷上限Wmax,瓦斯产大于耗,根据以下情况进行调节:
I、如果(Wpred-Wmax)>(Vmax-Vnow)>(Pmax-Pnow)N,则将高压瓦斯消耗量提高(Vmax-Vnow)-(Pmax-Pnow)N,将压缩机200的工作负荷提高至上限Vmax,并将火炬130的瓦斯燃放量调节为(Wpred-Wmax)-(Vmax-Vnow);
II、如果(Wpred-Wmax)>(Pmax-Pnow)N>(Vmax-Vnow),则将压缩机200的工作负荷提高至上限Vmax,并将火炬130的瓦斯燃放量调节为(Wpred-Wmax)-(Vmax-Vnow);
III、如果(Pmax-Pnow)N>(Wpred-Wmax)>(Vmax-Vnow),则将压缩机200的工作负荷提高至上限Vmax,并将火炬130的瓦斯燃放量调节为(Wpred-Wmax)-(Vmax-Vnow);
IV、如果(Pmax-Pnow)N>(Vmax-Vnow)>(Wpred-Wmax),则将压缩机200的工作负荷提高(Wpred-Wmax);
V、如果(Vmax-Vnow)>(Pmax-Pnow)N>(Wpred-Wmax),则将压缩机200的工作负荷提高(Wpred-Wmax);
VI、如果(Vmax-Vnow)>(Wpred-Wmax)>(Pmax-Pnow)N,则将高压瓦斯消耗量提高(Wpred-Wmax)-(Pmax-Pnow)N,并将压缩机200的工作负荷提高(Wpred-Wmax);
(3)当所预测的气柜负荷Wpred<气柜负荷下限Wmin时,瓦斯产小于耗,根据以下情况进行调节:
I、如果(Wmin-Wpred)<(Vnow-Vmin)<(Pnow-Pmin)N,则将压缩机200的工作负荷减小Wmin-Wpred;
II、如果(Wmin-Wpred)<(Pnow-Pmin)N<(Vnow-Vmin),则将压缩机200的工作负荷减小Wmin-Wpred;
III、如果(Pnow-Pmin)N<(Wmin-Wpred)<(Vnow-Vmin),则将压缩机200的工作负荷减小Wmin-Wpred,并将高压瓦斯消耗量减小(Wmin-Wpred)-(Pnow-Pmin)N;
IV、如果(Pnow-Pmin)N<(Vnow-Vmin)<(Wmin-Wpred),则将压缩机200的工作负荷调节至Vmin,将高压瓦斯窜低瓦量调节至(Wmin-Wpred)-(Vnow-Vmin),并将高压瓦斯消耗量减小(Wmin-Wpred)-(Pnow-Pmin)N;
V、如果(Vnow-Vmin)<(Pnow-Pmin)N<(Wmin-Wpred),则将压缩机200的工作负荷调节至Vmin,将高压瓦斯窜低瓦量调节至(Wmin-Wpred)-(Vnow-Vmin),并将高压瓦斯消耗量减小(Wmin-Wpred)-(Pnow-Pmin)N;
VI、如果(Vnow-Vmin)<(Wmin-Wpred)<(Pnow-Pmin)N,则将压缩机200的工作负荷调节至Vmin,将高压瓦斯窜低瓦量调节至(Wmin-Wpred)-(Vnow-Vmin),并将高压瓦斯消耗量减小(Pnow-Pmin)N-(Wmin-Wpred);
其中,Wmin、Wpred和Wmax分别表示气柜负荷的下限值、预测值和上限值,(Wpred-Wmax)表示瓦斯剩余量,(Wmin-Wpred)表示瓦斯不足量;Vmin、Vnow和Vmax分别表示压缩机200的工作负荷的下限值、当前值和上限值,(Vmax-Vnow)表示压缩机200的工作负荷的提升能力,(Vnow-Vmin)表示压缩机200的工作负荷的减小能力;Pmin、Pnow和Pmax分别表示高压瓦斯管网330的压力的下限值、当前值和上限值,N表示高压瓦斯管网330的容积,(Pmax-Pnow)N表示高压瓦斯管网330的容纳能力,(Pnow-Pmin)N表示高压瓦斯管网330的高压瓦斯窜低能力。
通过执行上述平衡与调度策略,可以从根本上解决完全凭经验进行瓦斯平衡与调度的现状,明显提高瓦斯系统的调度水平,不仅可以使得气柜负荷不超过气柜140的负荷上下限,而且此前提下,显著减少火炬130的瓦斯燃放量,提高瓦斯的利用效率。
Claims (22)
1.一种瓦斯系统的气柜负荷预测方法,所述瓦斯系统包括相互连接的低压瓦斯产生装置(110)和气柜(140),所述方法包括:
(1)采集第一预定时间段内不同时刻的气柜负荷和低压瓦斯产生装置(110)的瓦斯产量;
(2)选择气柜负荷预测模型的模型结构,根据所选的模型结构和所采集的第一预定时间段内不同时刻的气柜负荷和低压瓦斯产生装置(110)的瓦斯产量,建立气柜负荷预测模型;以及
(3)利用所建立的气柜负荷预测模型,预测第二预定时间段内不同时刻的气柜负荷;
所述第二预定时间段为第一预定时间段之后的时间段。
2.根据权利要求1所述的方法,其中,所述第一预定时间段的长度为48-96小时,第二预定时间段的长度为12-24小时。
3.根据权利要求1所述的方法,其中,第一预定时间段内不同时刻的个数至少为48个。
4.根据权利要求1或3所述的方法,其中,所述第一预定时间段内不同时刻中,该不同时刻均匀分布在所述第一预定时间段内。
5.根据权利要求1所述的方法,其中,所述步骤(1)还包括对所采集的第一预定时间段内不同时刻的气柜负荷和低压瓦斯产生装置(110)的瓦斯产量进行局外点监测,以剔除其中明显不服从样本分布的气柜负荷和低压瓦斯产生装置(110)的瓦斯产量。
6.根据权利要求1所述的方法,其中,所述模型结构选自线性回归模型结构、分段线性拟合模型结构、主成分分析模型结构、偏最小二乘模型结构、人工神经网络模型结构或模糊神经网络模型结构。
7.根据权利要求6所述的方法,其中,所述选择气柜负荷预测模型的模型结构包括:选择预测效果最好的模型结构。
8.根据权利要求7所述的方法,其中,所述选择选择预测效果最好的模型结构包括:将气柜负荷预测模型的模型结构选择问题转化成0-1规划问题,并采用遗传算法进行求解,以选择预测效果最好的模型结构。
9.根据权利要求1所述的方法,其中,所述方法还包括气柜负荷预测模型在线校正步骤,该步骤包括:
采集气柜(140)一个时刻或多个时刻的实际负荷;
将采集到的所述一个时刻或多个时刻气柜(140)的实际负荷与气柜负荷预测模型所预测的相同时刻的气柜负荷进行比较,并根据两者之间的差异对所述气柜负荷预测模型进行校正。
10.一种瓦斯系统的气柜负荷预测设备,所述瓦斯系统包括相互连接的低压瓦斯产生装置(110)和气柜(140),所述设备包括:
采集装置,用于采集第一预定时间段内不同时刻的气柜负荷和低压瓦斯产生装置(110)的瓦斯产量;
气柜负荷预测模型建立装置,用于选择气柜负荷预测模型的模型结构,根据所选的模型结构和所采集的第一预定时间段内不同时刻的气柜负荷和低压瓦斯产生装置(110)的瓦斯产量,建立气柜负荷预测模型;以及
气柜负荷预测装置,用于利用所建立的气柜负荷预测模型,预测第二预定时间段内不同时刻的气柜负荷;
所述第二预定时间段为第一预定时间段之后的时间段。
11.根据权利要求10所述的设备,其中,所述第一预定时间段的长度为48-96小时,第二预定时间段的长度为12-24小时。
12.根据权利要求10所述的设备,其中,第一预定时间段内不同时刻的个数至少为48个。
13.根据权利要求10或12所述的设备,其中,所述第一预定时间段内不同时刻中,该不同时刻均匀分布在所述第一预定时间段内。
14.根据权利要求10所述的设备,其中,所述采集装置还对所采集的第一预定时间段内不同时刻的气柜负荷和低压瓦斯产生装置(110)的瓦斯产量进行局外点监测,以剔除其中明显不服从样本分布的气柜负荷和低压瓦斯产生装置(110)的瓦斯产量。
15.根据权利要求10所述的设备,其中,所述模型结构选自线性回归模型结构、分段线性拟合模型结构、主成分分析模型结构、偏最小二乘模型结构、人工神经网络模型结构或模糊神经网络模型结构。
16.根据权利要求15所述的设备,其中,所述选择气柜负荷预测模型的模型结构包括:选择预测效果最好的模型结构。
17.根据权利要求16所述的设备,其中,所述选择预测效果最好的模型结构包括:将气柜负荷预测模型的模型结构选择问题转化成0-1规划问题,并采用遗传算法进行求解,以选择预测效果最好的模型结构。
18.根据权利要求10所述的设备,其中,所述设备还包括气柜负荷预测模型在线校正装置,该装置用于:
采集气柜(140)一个时刻或多个时刻的实际负荷;
将采集到的所述一个时刻或多个时刻气柜(140)的实际负荷与气柜负荷预测模型所预测的相同时刻的气柜负荷进行比较,并根据两者之间的差异,以对所述气柜负荷预测模型进行校正。
19.一种瓦斯系统的瓦斯调度方法,所述瓦斯系统包括低压瓦斯系统(100)、压缩机(200)、高压瓦斯窜低阀门(700)和高压瓦斯系统(300),所述低压瓦斯系统(100)包括低压瓦斯产生装置(110)、低压瓦斯管网(120)、火炬(130)以及气柜(140),所述低压瓦斯产生装置(110)、火炬(130)和气柜(140)均与低压瓦斯管网(120)相连;所述高压瓦斯系统(300)包括高压瓦斯管网(330)和高压瓦斯消耗装置(340),高压瓦斯消耗装置(340)与高压瓦斯管网(330)相连;所述压缩机(200)入口端与气柜(140)相连,出口端与高压瓦斯管网(330)相连;高压瓦斯管网(330)通过高压瓦斯窜低阀门(700)与低压瓦斯管网(120)相连;
所述方法包括:
(1)利用权利要求1-9中任一项权利要求所述的方法预测气柜负荷;以及
(2)根据所预测的气柜负荷,调节压缩机(200)的工作负荷、火炬(130)的瓦斯燃放量、高压瓦斯管网(330)至低压瓦斯管网(120)的高压瓦斯窜低瓦量以及高压瓦斯消耗装置(340)的高压瓦斯消耗量,以使气柜负荷不超过气柜(140)的负荷上下限。
20.根据权利要求19所述的方法,其中,所述步骤(2)还包括根据所预测的气柜负荷,调节压缩机(200)的工作负荷、高压瓦斯管网(330)至低压瓦斯管网(120)的高压瓦斯窜低瓦量以及高压瓦斯消耗装置(340)的高压瓦斯消耗量,以使火炬(130)的瓦斯燃放量最小。
21.一种瓦斯系统的瓦斯调度系统,所述瓦斯系统包括低压瓦斯系统(100)、压缩机(200)、高压瓦斯窜低阀门(700)和高压瓦斯系统(300),所述低压瓦斯系统(100)包括低压瓦斯产生装置(110)、低压瓦斯管网(120)、火炬(130)以及气柜(140),所述低压瓦斯产生装置(110)、火炬(130)和气柜(140)均与低压瓦斯管网(120)相连;所述高压瓦斯系统(300)包括高压瓦斯管网(330)和高压瓦斯消耗装置(340),高压瓦斯消耗装置(340)与高压瓦斯管网(330)相连;所述压缩机(200)入口端与气柜(140)相连,出口端与高压瓦斯管网(330)相连;高压瓦斯管网(330)通过高压瓦斯窜低阀门(700)与低压瓦斯管网(120)相连;
所述瓦斯调度系统包括:
权利要求10-18中任一项权利要求所述的气柜负荷预测设备;以及
调节装置,该装置用于根据所述气柜负荷预测设备所预测的气柜负荷,调节压缩机(200)的工作负荷、火炬(130)的瓦斯燃放量、高压瓦斯管网(330)至低压瓦斯管网(120)的高压瓦斯窜低瓦量以及高压瓦斯消耗装置(340)的高压瓦斯消耗量,以使气柜负荷不超过气柜(140)的负荷上下限。
22.根据权利要求21所述的系统,其中,所述调节装置还包括根据所预测的气柜负荷,调节压缩机(200)的工作负荷、高压瓦斯管网(330)至低压瓦斯管网(120)的高压瓦斯窜低瓦量以及高压瓦斯消耗装置(340)的高压瓦斯消耗量,以使火炬(130)的瓦斯燃放量最小。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009100936947A CN102032443A (zh) | 2009-09-27 | 2009-09-27 | 气柜负荷预测设备和方法以及瓦斯调度系统和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009100936947A CN102032443A (zh) | 2009-09-27 | 2009-09-27 | 气柜负荷预测设备和方法以及瓦斯调度系统和方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102032443A true CN102032443A (zh) | 2011-04-27 |
Family
ID=43885714
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2009100936947A Pending CN102032443A (zh) | 2009-09-27 | 2009-09-27 | 气柜负荷预测设备和方法以及瓦斯调度系统和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102032443A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102750454A (zh) * | 2012-07-09 | 2012-10-24 | 浙江中控软件技术有限公司 | 一种氢气消耗预测值获取方法、装置及系统 |
CN104133958A (zh) * | 2014-07-28 | 2014-11-05 | 浙江中控软件技术有限公司 | 一种复杂管网模拟仿真计算方法及装置 |
CN103942422B (zh) * | 2014-04-09 | 2017-01-18 | 大连理工大学 | 一种基于粒度计算的冶金企业转炉煤气柜位长期预测方法 |
CN110341622A (zh) * | 2019-07-12 | 2019-10-18 | 合肥工业大学 | 一种基于异常信号感知的整车电性能数据异步长采集方法 |
CN110513281A (zh) * | 2019-07-10 | 2019-11-29 | 天津城建大学 | 基于负荷预测的压缩空气系统优化控制方法 |
US10635741B2 (en) | 2016-11-23 | 2020-04-28 | Industrial Technology Research Institute | Method and system for analyzing process factors affecting trend of continuous process |
TWI738016B (zh) * | 2019-06-26 | 2021-09-01 | 元翎精密工業股份有限公司 | 液態氣體充填之智能化學習機制與自適應調節系統 |
CN113586954A (zh) * | 2021-06-16 | 2021-11-02 | 合肥通用机械研究院有限公司 | 一种气体压缩存储系统及控制方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070100475A1 (en) * | 2005-10-25 | 2007-05-03 | Korchinski William J | Method and apparatus for applying reduced nonlinear models to optimization of an operation |
CN101109952A (zh) * | 2007-08-23 | 2008-01-23 | 济南钢铁集团总公司 | 基于柜位预测的钢铁企业煤气动态平衡实时控制方法 |
CN101187813A (zh) * | 2007-12-07 | 2008-05-28 | 冶金自动化研究设计院 | 基于综合数据来源的钢铁能源的自动优化调度系统及方法 |
-
2009
- 2009-09-27 CN CN2009100936947A patent/CN102032443A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070100475A1 (en) * | 2005-10-25 | 2007-05-03 | Korchinski William J | Method and apparatus for applying reduced nonlinear models to optimization of an operation |
CN101109952A (zh) * | 2007-08-23 | 2008-01-23 | 济南钢铁集团总公司 | 基于柜位预测的钢铁企业煤气动态平衡实时控制方法 |
CN101187813A (zh) * | 2007-12-07 | 2008-05-28 | 冶金自动化研究设计院 | 基于综合数据来源的钢铁能源的自动优化调度系统及方法 |
Non-Patent Citations (2)
Title |
---|
徐俊刚: "流程企业生产调度方法与应用研究", 《中国科学院研究生院博士学位论文》 * |
李书臣等: "预测控制最新算法综述", 《系统仿真学报》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102750454A (zh) * | 2012-07-09 | 2012-10-24 | 浙江中控软件技术有限公司 | 一种氢气消耗预测值获取方法、装置及系统 |
CN102750454B (zh) * | 2012-07-09 | 2015-09-23 | 浙江中控软件技术有限公司 | 一种氢气消耗预测值获取方法、装置及系统 |
CN103942422B (zh) * | 2014-04-09 | 2017-01-18 | 大连理工大学 | 一种基于粒度计算的冶金企业转炉煤气柜位长期预测方法 |
CN104133958A (zh) * | 2014-07-28 | 2014-11-05 | 浙江中控软件技术有限公司 | 一种复杂管网模拟仿真计算方法及装置 |
CN104133958B (zh) * | 2014-07-28 | 2017-02-22 | 浙江中控软件技术有限公司 | 一种复杂管网模拟仿真计算方法及装置 |
US10635741B2 (en) | 2016-11-23 | 2020-04-28 | Industrial Technology Research Institute | Method and system for analyzing process factors affecting trend of continuous process |
TWI738016B (zh) * | 2019-06-26 | 2021-09-01 | 元翎精密工業股份有限公司 | 液態氣體充填之智能化學習機制與自適應調節系統 |
CN110513281A (zh) * | 2019-07-10 | 2019-11-29 | 天津城建大学 | 基于负荷预测的压缩空气系统优化控制方法 |
CN110341622A (zh) * | 2019-07-12 | 2019-10-18 | 合肥工业大学 | 一种基于异常信号感知的整车电性能数据异步长采集方法 |
CN113586954A (zh) * | 2021-06-16 | 2021-11-02 | 合肥通用机械研究院有限公司 | 一种气体压缩存储系统及控制方法 |
CN113586954B (zh) * | 2021-06-16 | 2022-11-29 | 合肥通用机械研究院有限公司 | 一种气体压缩存储系统及控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102032443A (zh) | 气柜负荷预测设备和方法以及瓦斯调度系统和方法 | |
CN102592037A (zh) | 预测氢气需求量的方法和设备及氢气平衡调度方法和设备 | |
Kotowicz et al. | Hydrogen generator characteristics for storage of renewably-generated energy | |
CN101794119B (zh) | 瓦斯系统平衡与优化调度方法、装置及系统 | |
CN202133897U (zh) | 一种流程工业管网系统的调度系统 | |
KR101771985B1 (ko) | 에너지 수급 운용 가이던스 장치 및 제철소 내의 에너지 수급 운용 방법 | |
CN102414636A (zh) | 用于煤层气体生产的多变量模型预测控制 | |
CN106094757A (zh) | 一种基于数据驱动的动态柔性作业车间调度控制方法 | |
Zahraee et al. | Transportation system analysis of empty fruit bunches biomass supply chain based on delivery cost and greenhouse gas emissions | |
Osiadacz et al. | Dynamic control for gas pipeline systems | |
CN101751613A (zh) | 可视化化工流程运行能效委托管理系统的信息处理方法 | |
CN109214709B (zh) | 一种钢铁企业制氧系统优化分配的方法 | |
CN102109837B (zh) | 钢铁企业焦炉煤气柜位预测平衡方法 | |
CN102750454B (zh) | 一种氢气消耗预测值获取方法、装置及系统 | |
CN106547254A (zh) | 一种钢铁联合企业煤气的平衡、调度方法及系统 | |
Castro Gama et al. | Multivariate optimization to decrease total energy consumption in the water supply system of Abbiategrasso (Milan, Italy). | |
CN116482970A (zh) | 煤气化装置的调控方法、装置、设备及可读存储介质 | |
CN111549193A (zh) | 用于多座高炉热风炉的换炉方法、换炉装置及控制设备 | |
KR102492456B1 (ko) | 전력량 예측 기반 분산자원 중개거래 플랫폼 장치 | |
US5388033A (en) | Real time load allocation with additional constraints | |
CN114997722A (zh) | 一种钢铁企业副产煤气平衡优化调控系统及方法 | |
CN106611950B (zh) | 一种实时调度计划中的预测负荷修正方法 | |
Grigoriev et al. | Formation of estimates of reliability indicators for active elements in gas transport systems on the basis of refusals statistics | |
CN110348036A (zh) | 露天矿山质量平衡控制方法、装置及存储介质 | |
Prytula et al. | PLANNING OPTIMAL OPERATING MODES OF UNDERGROUND GAS STORAGE FACILITIES AS PART OF THE GAS TRANSMISSION SYSTEM. |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C12 | Rejection of a patent application after its publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20110427 |