CN104102212B - 一种钢铁企业中煤气和蒸汽系统的调度方法、设备和系统 - Google Patents

Abstract

本申请提供了一种钢铁企业中煤气和蒸汽系统的调度方法、设备和系统，所述方法部署于钢铁企业中煤气和蒸汽系统的调度应用服务器上，包括：从综合数据集成平台服务器获取煤气和蒸汽系统的能源产耗历史数据，以及，用户确定的调度参数，利用煤气和蒸汽系统的能源产耗历史数据，预测未来数个周期煤气产生装置的煤气发生量和各生产用户的煤气、蒸汽消耗量；依据调度参数、预测得到的煤气产耗量数据、预测得到的蒸汽消耗量数据，以发电效益最大化、能源系统稳定性最佳为优化目标，通过对调度模型的优化求解，确定煤气和蒸汽系统中能源用户的优化调度策略。

Description

一种钢铁企业中煤气和蒸汽系统的调度方法、设备和系统

技术领域

本申请涉及信息技术领域，特别涉及一种钢铁企业中煤气和蒸汽系统的调度方法、设备和系统。

背景技术

钢铁行业是一个高耗能产业，在国家工业总能耗中占有相当大的比重，同时它也是造成环境污染的重要放散源，因此，实现钢铁生产的节能减排具有较大的经济和社会效益。一个大型钢铁企业实际生产过程可分为烧结、焦化、炼铁、炼钢和轧钢等单元。其中焦化、炼铁和炼钢的生产单元除生产各自特定的产品外，还副产焦炉煤气、高炉煤气和转炉煤气。这些副产煤气仍有较高的热值，是重要的二次能源，若不加以合理利用，就会造成能源浪费和环境污染。通常这些副产煤气会作为燃料重新进入生产系统供生产，或进入锅炉系统生产蒸汽以满足生产装置对蒸汽的需求以及供发电机自发电所用。

在现有技术中，典型的钢铁企业煤气和蒸汽系统参考图1所示，其中煤气系统包括焦炉、高炉和转炉等煤气产生装置，炼铁、炼钢和轧钢等生产单元，以及气柜、锅炉和火炬放散点等煤气缓冲用户。蒸汽系统通过锅炉与煤气系统相衔接，具体包括了锅炉、生产系统(如高炉供风)和发电机。实际运转中，由焦炉、高炉和转炉产出的三种副产煤气优先分配给各生产单元作为燃料，剩余的煤气或进入气柜存储，或被用于燃烧锅炉以生产蒸汽。当气柜和锅炉的煤气吞吐、消耗均处于各自上限，但仍有煤气剩余时，则会通过火炬放散。同样，锅炉在产出蒸汽后，蒸汽分配优先满足生产的需求(如高炉供风)，剩余蒸汽再被用于发电。产出的电能用于补充企业外购电量，以满足企业的电力需求。

但是发明人发现现有技术存在以下问题：由于企业外购电存在峰谷时段和峰谷电价，为了节省成本，调度人员通常会调节气柜煤气库存，以尽量使发电机在用电峰时多发电，从而减少峰时外购电量，甚至不惜以减少谷时发电量为代价。而且，一般情况下，调度人员只侧重对单一煤气或蒸汽系统进行预测和优化调度方面的研究，当现场发生改变，如装置的增减、管线的重新部署，调度模型难以实现灵活组态更新。钢铁企业的煤气和蒸汽系统本身是一个庞大而复杂的系统，体现在能源用户的繁多，相互间关系的复杂，也体现在能源产耗阶段性不平衡所带来的冲击，因此如何调度就显得尤为重要。

综上所述，大型钢铁企业的煤气和蒸汽系统在满足生产的情况下，如何通过调度，减少煤气放散，增大发电量，尤其是增大峰时的发电量具有很大的经济和环保意义，成为本领域技术人员亟待解决的技术问题。

发明内容

基于发明人发现的目前调度中存在的问题，本申请所要解决的技术问题是提供一种钢铁企业中煤气和蒸汽系统的调度方法，用以解决现有技术中由于煤气和蒸汽系统的庞大和复杂，而使得人工调度的难度较大以及调度结果不够准确的问题，从而对煤气和蒸汽系统实现优化调度和调峰发电。

本申请还提供了钢铁企业中煤气和蒸汽系统的调度应用服务器及系统，用以保证上述方法在实际中的实现及应用。

为了解决上述问题，本申请公开了一种钢铁企业中煤气和蒸汽系统的调度方法，所述方法部署于钢铁企业中煤气和蒸汽系统的调度应用服务器上，所述调度系统还包括为调度应用服务器提供数据输入和存储的综合数据集成平台服务器；所述方法包括：

从所述综合数据集成平台服务器获取煤气和蒸汽系统的能源产耗历史数据，以及，用户确定的调度参数，其中，所述煤气和蒸汽系统的能源产耗历史数据包括：煤气产生装置的历史煤气发生量，和，生产用户的历史煤气、蒸汽消耗量；其中，所述煤气产生装置包括：焦炉、高炉和转炉，所述生产用户包括：烧结、焦化、炼铁、炼钢和轧钢；所述调度参数包括：煤气热值、调度周期数、电力峰谷时段及价格、各类煤气和蒸汽价格、各生产用户的负荷上下限、锅炉和发电机生产负荷的波动系数；

利用所述煤气和蒸汽系统的能源产耗历史数据，预测未来数个周期煤气产生装置的煤气发生量和各生产用户的煤气、蒸汽消耗量；

依据所述调度参数、预测得到的煤气产耗量数据、预测得到的蒸汽消耗量数据，以发电效益最大化、能源系统稳定性最佳为优化目标，通过对调度模型的优化求解，确定煤气和蒸汽系统中能源用户的优化调度策略，其中所述能源用户包括：生产用户、锅炉、气柜、混合站、放散点和发电机。

优选的，所述依据所述调度参数、预测得到的煤气产耗量数据和预测得到的蒸汽消耗量数据，以达到经济效益最大化、能源系统稳定性最佳为目标，通过对调度模型优化求解，确定对煤气和蒸汽系统中能源用户的联合优化调度策略，包括：

将所述调度参数、预测得到的煤气产耗量数据、预测得到的蒸汽消耗量数据作为优化调度模型的输入，采用线性规划算法求解得到煤气和蒸汽在各能源用户的优化配置方案；其中，所述优化配置方案包括：在优先满足生产用户能源需求的情况下，剩余煤气在各台锅炉间的分配建议，剩余蒸汽在各台发电机间的分配建议，和，煤气柜在各个周期的吞吐量建议；所述优化调度模型包括目标函数和约束条件，所述目标函数为：

其中，表示生产用户的生产效益，F_ij为i周期生产用户j的煤气或蒸汽消耗量，P_i为生成用户i的单位生产效益；表示发电机的发电效益，F_ij ^e为i周期发电机j的发电负荷，为i周期的电价；表示锅炉运行消耗的煤气价值，为i周期锅炉j消耗的k种煤气量，为k种煤气的价格；表示煤气放散所带来的价值损失，为i周期放散点j放散的k中煤气量；

所述约束条件包括：物料平衡约束条件、管线流量约束条件、混合站约束条件、锅炉约束条件、发电机约束条件和气柜约束条件。

优选的，还包括：

将所述煤气和蒸汽系统的联合优化调度策略发送至综合数据集成平台服务器进行存储。

优选的，还包括：

响应于用户请求，将所述存储的联合优化调度策略显示给用户，以便于用户参考所述联合优化调度策略，执行下一周期的煤气和蒸汽调度。

优选的，所述利用所述煤气和蒸汽系统的能源产耗历史数据预测未来数个周期煤气产生装置的煤气发生量和各生产用户的煤气和蒸汽消耗量，包括：

将所述煤气和蒸汽系统的能源产耗历史数据作为预先建立的预测模型的输入；所述预测模型包括但不限于：线性回归模型、分段线性拟合模型、偏最小二乘模型、神经网络模型或模拟退火模型；

依据所述预测模型的输入定时触发所述预测模型计算未来数个周期煤气产生装置的煤气发生量和各生产用户的煤气和蒸汽消耗量。

优选的，还包括：

对所述煤气和蒸汽系统能源产耗历史数据进行预处理。

本申请公开了一种钢铁企业中煤气和蒸汽系统的调度应用服务器，包括：

获取数据单元，用于从所述综合数据集成平台服务器获取煤气和蒸汽系统的能源产耗历史数据，以及，用户确定的调度参数，其中，所述煤气和蒸汽系统的能源产耗历史数据包括：煤气产生装置的历史煤气发生量，和，生产用户的历史煤气、蒸汽消耗量；其中，所述煤气产生装置包括：焦炉、高炉和转炉，所述生产用户包括：烧结、焦化、炼铁、炼钢和轧钢；所述调度参数包括：煤气热值、调度周期数、电力峰谷时段及价格、各类煤气和蒸汽价格、各生产用户的负荷上下限、锅炉和发电机生产负荷的波动系数；

预测单元，用于利用所述煤气和蒸汽系统的能源产耗历史数据预测未来数个周期煤气产生装置的煤气发生量和各生产用户的煤气和蒸汽消耗量；

确定调度策略单元，依据所述调度参数、预测得到的煤气产耗量数据、预测得到的蒸汽消耗量数据，以发电效益最大化、能源系统稳定性最佳为优化目标，通过对调度模型的优化求解，确定煤气和蒸汽系统中能源用户的优化调度策略，其中所述能源用户包括：生产用户、锅炉、气柜、混合站、放散点和发电机。

优选的，所述确定调度策略单元具体用于：将所述调度参数、预测得到的煤气产耗量数据、预测得到的蒸汽消耗量数据作为优化调度模型的输入，采用线性规划算法求解得到煤气和蒸汽在各能源用户的优化配置方案，其中，所述优化配置方案包括：在优先满足生产用户能源需求的情况下，剩余煤气在各台锅炉间的分配建议，剩余蒸汽在各台发电机间的分配建议，和，煤气柜在各个周期的吞吐量建议；所述优化调度模型包括目标函数和约束条件，所述目标函数为：

其中，表示生产用户的生产效益，F_ij为i周期生产用户j的煤气或蒸汽消耗量，P_i为生成用户i的单位生产效益；表示发电机的发电效益，F_ij ^e为i周期发电机j的发电负荷，为i周期的电价；表示锅炉运行消耗的煤气价值，为i周期锅炉j消耗的k种煤气量，为k种煤气的价格；表示煤气放散所带来的价值损失，为i周期放散点j放散的k中煤气量；

所述约束条件包括：物料平衡约束条件、管线流量约束条件、混合站约束条件、锅炉约束条件、发电机约束条件和气柜约束条件。

优选的，还包括：

发送单元，用于将所述联合优化调度策略发送至综合数据集成平台服务器进行存储。

优选的，还包括：

显示调度策略单元，用于响应于用户请求，将所述存储的联合优化调度策略显示给用户，以便用户依据所述联合优化调度策略触发煤气和蒸汽系统的调度系统的优化。

优选的，所述预测单元包括：

确定输入模块，用于将所述煤气和蒸汽系统的能源产耗历史数据作为预先建立的预测模型的输入；所述预测模型包括但不限于：线性回归模型、分段线性拟合模型、偏最小二乘模型、神经网络模型或模拟退火模型；

触发模块，用于依据所述预测模型的输入定时触发所述预测模型计算未来数个周期煤气产生装置的煤气发生量和各生产用户的煤气和蒸汽消耗量。

优选的，还包括：

预处理单元，用于对所述煤气和蒸汽系统的能源产耗历史数据进行预处理。

本申请实施例还提供了一种钢铁企业中煤气和蒸汽系统的调度系统，该系统包括：调度应用服务器和综合数据集成平台服务器；其中，所述调度应用服务器包括：

获取数据单元，用于从所述综合数据集成平台服务器获取煤气和蒸汽系统的能源产耗历史数据，以及，用户确定的调度参数，其中，所述煤气和蒸汽系统的能源产耗历史数据包括：煤气产生装置的历史煤气发生量，和，生产用户的历史煤气、蒸汽消耗量，其中，所述煤气产生装置包括：焦炉、高炉和转炉，所述生产用户包括：烧结、焦化、炼铁、炼钢和轧钢；所述调度参数包括：煤气热值、调度周期数、电力峰谷时段及价格、各类煤气和蒸汽价格、各生产用户的负荷上下限、锅炉和发电机生产负荷的波动系数；

预测单元，用于利用所述煤气和蒸汽系统的能源产耗历史数据预测未来数个周期煤气产生装置的煤气发生量和各生产用户的煤气和蒸汽消耗量；

确定调度策略单元，用于依据所述调度参数、预测得到的煤气产耗量数据、预测得到的蒸汽消耗量数据，以发电效益最大化、能源系统稳定性最佳为优化目标，通过对调度模型的优化求解，确定煤气和蒸汽系统中能源用户的优化调度策略，其中所述能源用户包括：生产用户、锅炉、气柜、混合站、放散点和发电机。

与现有技术相比，本申请包括以下优点：

在本发明实施例中，利用从煤气、蒸汽系统获得的能源产耗历史数据，预测出未来多个调度周期各能源用户的能源产耗量，再基于这些预测数据及用户确定的调度参数对煤气和蒸汽用户作出一个整体的能源优化调度方案，且该方案通过对煤气柜库存的调节实现了调峰发电。不仅能够提升钢铁企业的能源调度和管理水平，也达到节能减排、增加经济效益的目的。

本发明的有益效果还在于：如果用户通过客户端向调度应用服务器发起显示联合优化调度策略的请求，则调度应用服务器可以将综合数据集成平台服务器存储的联合优化调度策略显示给用户，用户参考该联合优化调度策略，即可执行下一周期的煤气和蒸汽调度。

当然，实施本申请的任一产品并不一定需要同时达到以上所述的所有优点。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例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申请的一些实施例，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，还可以根据这些附图获得其他的附图。

图1是现有技术中进行钢铁企业中煤气和蒸汽系统的调度时的系统框架图；

图2是本申请的一种钢铁企业中煤气和蒸汽系统的调度方法实施例的流程图；

图3是本申请的一种钢铁企业中煤气和蒸汽系统的调度方法实施例的应用场景图；

图4是本申请的一种钢铁企业中煤气和蒸汽系统的调度应用服务器的结构框图。

这里描述的附图仅仅是一些例子。在不脱离本发明精神的情况下，这里所述的图可以有不同的变化。所有上述变化被认为是要求保护的本发明的一部分。

具体实施方式

下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。

参考图2，示出了本申请一种钢铁企业中煤气和蒸汽系统的调度方法实施例的流程图，该方法部署于钢铁企业中煤气和蒸汽系统的调度系统中的调度应用服务器上，调度系统还可以包括为调度应用服务器提供数据输入和存储的综合数据集成平台服务器；则本实施例可以包括以下步骤：

步骤201：调度应用服务器从综合数据集成平台服务器获取煤气和蒸汽系统的能源产耗历史数据，以及，用户确定的调度参数。

在本实施例中，综合数据集成平台服务器存储有煤气和蒸汽系统的能源产耗历史数据，以及，用户确定的调度参数。其中，煤气和蒸汽系统的能源产耗历史数据可以包括：煤气产生装置的历史煤气发生量，和，生产用户的历史煤气、蒸汽消耗量；而煤气产生装置可以包括：焦炉、高炉和转炉，生产用户可以包括：烧结、焦化、炼铁、炼钢和轧钢；用户确定的调度参数则可以包括：煤气热值、调度周期数、电力峰谷时段及价格、各类煤气和蒸汽价格、各生产用户的负荷上下限、锅炉和发电机生产负荷的波动系数。

在实际应用中，本发明中的大型钢铁企业煤气、蒸汽多周期联合优化调度系统在实施时，除了调度应用服务器和综合数据集成平台服务器之外，还可以由安装在现场的各类测量仪表、传感器、DCS、实时数据库服务器、防火墙防病毒服务器、客户端以及连接各服务器、计算机、控制器的计算机网络构成。参考图3所示，为在实际应用中本发明的调度系统的一个实例图。其中，测量仪表306、传感器307和分布式控制系统(DCS，DistributedControl System)308构成了现场数据采集和控制的PCS(过程控制系统，Process ControlSystem)层。实际运行过程中，安装在调度系统各主要生产装置、管线、气柜等设备中的测量仪表将相关测量到的数据信号(流量、速率、容量等)先作滤波、缓冲、放大等预处理，接着进行光电隔离，最后送入DCS对应的控制点标签中。

而实时数据库服务器304和综合数据集成平台服务器305分别基于专业的实时数据库和关系数据库管理工具，对现场采集到的数据进行存储和处理。其中，实时数据库服务器可以存储现场实时采集到的原始数据。这些原始数据经综合集成平台服务器作指标化处理，联同来自用户录入的其确定的调度参数或第三方系统数据库服务器的部分数据，一起构成了预测和优化调度所需的输入数据，并在综合数据集成平台服务器中存入关系数据库供调度应用服务器302调用。其中，第三方系统数据库服务器可以是企业其它的一些信息化系统的数据库，如MES、ERP、LIMS等。

调度系统的调度应用服务器是整个系统的核心，其主要运行的是执行步骤202的煤气和蒸汽系统产耗预测的计算算法，以及执行步骤203的优化调度的计算算法。另外，对于一些模型计算所需的参数，当需要调整时，则可通过调度应用服务器对综合数据集成平台服务器的相关数据进行更新处理。客户端301根据用户需求提供了调度模型的离线组态功能，并且在完成组态后可通过客户端上传到调度应用服务器以更新原有的调度模型。同时，客户端也可根据用户需求向调度应用服务器提出读取和写入相关信息的要求，并将优化结果以图形化的形式进行展示，或按照特定的优化目标实现煤气和蒸汽的优化调度。防火墙防病毒服务器303的主要任务是监控与能源优化调度系统直接相关的客户端及各类负责数据存储和处理任务服务器的工作环境。

可以理解的是，在步骤201之前，还可以包括：

步骤200：对所述煤气和蒸汽系统能源产耗历史数据进行预处理。

在本实施例中，煤气和蒸汽系统的能源产耗历史数据，以及，用户确定的调度参数均需事前进行预处理，以保证数据采集的正确性和可靠性，从而避免因某种失误而造成的输入数据异常，并最终导致优化计算的失败和优化结果的错误。其中失误是指由环境、控制、仪表故障和人为操作失误等原因造成的数据反常，通常可采用的预处理方法有局外点检测、线性平滑和标准化等方法。

步骤202：利用所述煤气和蒸汽系统的能源产耗历史数据，预测未来数个周期煤气产生装置的煤气发生量和各生产用户的煤气、蒸汽消耗量。

在本发明的实施过程中，可以通过预先建立的预测模型来实现本步骤，则步骤202在实际应用中可以包括：

步骤A1：将所述煤气和蒸汽系统的能源产耗历史数据作为预先建立的预测模型的输入；所述预测模型包括但不限于：线性回归模型、分段线性拟合模型、偏最小二乘模型、神经网络模型或模拟退火模型。

在本实施例中，生产用户的能源产耗预测是基于存储在关系数据库中的历史数据并采用一定的预测算法(例如线性回归、神经网络、模拟退火等)进行的。其中，预测模型借鉴了时间序列的建模思想。预测模型的输入数据是经指标化处理后的各主要生产装置的能源产耗历史数据，基于这些数据，预测的结果包括未来多个周期煤气产生装置(焦炉、高炉和转炉)的煤气发生量和各生产用户的煤气、蒸汽消耗量。预测模型可以由当前通用的一些预测算法组成模型库供选择调用，具体可以包括线性回归模型、分段线性拟合模型、偏最小二乘模型、神经网络模型、模拟退火等。因为预测模型都是现在非常成熟的模型，且为本领域内工程技术人员所公知，在此对具体的计算过程不再赘述。

步骤A2：依据所述预测模型的输入定时触发预测模型计算未来数个周期煤气产生装置的煤气发生量和各生产用户的煤气和蒸汽消耗量。

在确定了预先建立的预测模型的输入后，可以定时触发预测模型计算出未来数个周期煤气产生装置的煤气发生量和各生产用户的煤气和蒸汽消耗量。

可以理解的是，在本申请实施例中，如果未来一段时间内有检修计划发生时，用户可以通过在客户端提交填写检修计划的申请的方式触发预测模型的调整，而预测模型也会作出相应调整以和检修计划保持一致。

步骤203：依据所述调度参数、预测得到的煤气产耗量数据、预测得到的蒸汽消耗量数据，以发电效益最大化、能源系统稳定性最佳为优化目标，通过对预先建立的调度模型的优化求解，确定煤气和蒸汽系统中能源用户的优化调度策略。

在本步骤中确定优化调度策略的时候，其核心思想是在未来N(N为大于或等于1的自然数)个调度周期内，通过优化调度，达到经济效益最大化，同时调度系统稳定性最佳，具体包括：煤气放散量最小、电力生产利润最大化；在保障生产负荷的情况下，能源消耗成本最小。在建立调度模型的过程中，可以将能源产耗用户分为6类，分别是：生产用户、锅炉、气柜、混合站、放散点和发电机。其中生产用户为钢铁企业正常运转所必须保证的用户，主要是生产过程中的各单元，如烧结、焦化、炼铁、炼钢、轧钢等，这些用户的煤气和蒸汽产耗均由预测模块得到。放散点、气柜、锅炉和发电机是能源缓冲用户，也是能源优化调度的重点对象。通过确定的优化调度策略，应使各锅炉(或发电机)中效率较高者能源被优先分配，而气柜则应发挥调峰发电的作用。

具体的，所述步骤203在具体实现时可以为：将所述调度参数、预测得到的煤气产耗量数据、预测得到的蒸汽消耗量数据作为优化调度模型的输入，采用线性规划算法求解得到煤气和蒸汽在各能源用户的优化配置方案。其中，所述优化配置方案具体可以包括：在优先满足生产用户能源需求的情况下，剩余煤气在各台锅炉间的分配建议，剩余蒸汽在各台发电机间的分配建议，和，煤气柜在各个周期的吞吐量建议。

在本申请实施例中，优化调度模型可以包括目标函数和约束条件。

目标函数可以如公式(1)所示：

其中，表示生产用户的生产效益，F_ij为i周期生产用户j的煤气或蒸汽消耗量，P_i为生成用户i的单位生产效益；表示发电机的发电效益，F_ij ^e为i周期发电机j的发电负荷，为i周期的电价；表示锅炉运行消耗的煤气价值，为i周期锅炉j消耗的k种煤气量，为k种煤气的价格；表示煤气放散所带来的价值损失，为i周期放散点j放散的k中煤气量。

其中，约束条件具体可以包括：物料平衡约束条件、管线流量约束条件、混合站约束条件、锅炉约束条件、发电机约束条件和气柜约束条件。

其中，物料平衡约束条件可以如公式二和三所示：

煤气：

蒸汽：

其中，公式(2)和公式(3)分别是煤气和蒸汽系统的物料平衡约束。其中F_ijk ^g和F_ijk ^c,g各自对应于i周期，用户j生产和消耗k种煤气的量；而F_ij ^s和F_ij ^c,s则对应于i周期，锅炉j生产的蒸汽量和用户j消耗的蒸汽量。

其中，管线流量约束可以如公式(4)所示：

F_i ^l≤F_i≤F_i ^h (4)

在本申请实施例中，通常连接各装置的管线对管道压力有要求，而压力的大小直接对应于管道内流体流量的大小，因此各管线对煤气和蒸汽的流量有限制。在公式(4)中F_i表示管段i的煤气或蒸汽流量，F_i ^l、F_i ^h表示管段i的煤气或蒸汽流量下限和上限。

其中，混合站约束条件可以如公式(5)和(6)所示：

能量守恒，

热值范围，

通常轧钢用户需将三种煤气混合成一定热值后再使用，混合站是煤气混合的场所，它包含了能量守恒(公式5)和热值范围(公式6)两个约束条件。式中，F_i ⁱⁿ和F_mix ^out分别代表了i种煤气进入混合站的量和出混合站的混合煤气量；H_i、H_mix ^l和H_mix ^h分别代表了i种煤气的热值，混合煤气的热值下限和上限。

其中，锅炉约束条件可以如公式(7)、(8)和(9)所示：

锅炉模型，F_i ^s＝F_i ^B×α (7)

蒸汽负荷，F_i ^s,l≤F_i ^s≤F_i ^s,h (8)

相邻周期负荷均衡，

且

其中，锅炉产蒸汽量(F_i ^s)由锅炉煤气消耗(F_i ^B)和煤气单耗(α)计算而来，其中煤气单耗可由前述预测模块得到。锅炉要实现安全运行，其一个周期内产蒸汽的量F_i ^s有限制(上限F_i ^s,h，下限F_i ^s,l)，同时为了达到稳定运行的目的，相邻两个周期间蒸汽负荷波动不可太大。据此，对锅炉分别建立了蒸汽负荷约束(公式8)和相邻周期负荷均衡约束(公式9)。其中，相邻周期负荷均衡约束规定同一台锅炉蒸汽负荷的饱和度在相邻两个周期间波动量不超过η_B。且为了提高优化调度的准确性，当前调度的第一个周期的蒸汽负荷饱和度与当前该锅炉实际的蒸汽负荷饱和度相比，波动量也不超过η_B。

其中，发电机约束条件可以如公式(10)、(11)和(12)所示：

发电模型，F_i ^e＝F_i ^G×β (10)

发电负荷，F_i ^e,l≤F_i ^e≤F_i ^e,h (11)

相邻周期负荷均衡，

且

发电机与锅炉类似，发电量(F_i ^e)由蒸汽消耗量(F_i ^G)和蒸汽单耗(β)计算得到，且蒸汽单耗数值来自预测模块，其它约束条件同样包括发电负荷约束和相邻周期负荷均衡约束。其中F_i ^G、F_i ^e、F_i ^e,l、F_i ^e,h分别表示发电机i单周期的蒸汽消耗量、发电量、发电下限和上限。F_i,j ^e和F_i,j-1 ^e表示发电机i在j周期和(j-1)周期的发电量。(F_i ^e)_acv表示发电机i在当前周期的实际发电量。η_G为发电负荷波动系数。

其中，气柜约束条件可以如公式(13)和(14)所示：

气柜模型，V_i＝V_i ^initial+ΔF_i ^g (13)

库存约束，V_i ^l≤V_i≤V_i ^h (14)

其中，气柜库存由期初库存和周期内煤气吞吐量计算得到，如公式(十一)所示。V_i和V_i ^initial分别表示气柜i的期末和期初库存，其中气柜在首个优化周期的期初库存取当前气柜的实际库存。表示气柜i在当前周期的煤气吞吐量。而气柜有库存上下限约束，如公式(14)所示。规定库存不允许超过上限V_i ^h和下限V_i ^l的值。

综上所述，由目标函数(1)和约束条件(2)～(14)构成了煤气和蒸汽系统的优化调度模型。该模型从整体来看是一个线性问题，所以可采用线性规划的方法进行求解计算。线性规划算法是一种常见的优化求解算法，为领域内工程技术人员所公知，在此对其求解过程不在赘述。

需要说明的是，在式(1)～(14)中有很多常数，如优化周期数N，单位生产效益P_i，电价p_i ^e，煤气价格p_i ^g，煤气热值H_i、H_mix ^l、H_mix ^h，蒸汽和电力负荷的上下限F_i ^s,h、F_i ^s,l、F_i ^e,l、F_i ^e,h，以及锅炉和发电机生产负荷的波动系数η_B、η_G等，这些常数均需由企业相关业务人员根据实际情况来确定，并在客户端进行输入，或者调用第三方系统的相关数据库资源，以存入综合数据集成平台服务器供优化调度模型调用。

需要说明的是，在式(1)～(14)中，生产用户的煤气或蒸汽消耗量F_ij和煤气产生量F_ijk ^g由预测模型得到，由此可得到剩余煤气量，再联合气柜通过对剩余煤气的优化分配以及进一步对剩余蒸汽的优化分配，达到煤气和蒸汽优化调度与调峰发电的作用。因此，本发明是基于预测数据对煤气和蒸汽系统作的一个优化调度和调峰发电。

可以理解的是，在公式(9)、(12)和(13)中，锅炉和发电机的相邻周期负荷均衡约束规定优化周期的第一个周期负荷饱和度与实际相比不超过η_B和η_G，气柜模型同样在优化的首个周期的期初库存取当前实际库存。这样每进行一次优化计算，都根据实际情况对优化结果进行了调整，从而使优化结果更符合实际，更具准确性。

还可以理解的是，本申请所涉及到预测或优化的单个周期时长一般以一小时计，关系数据库中预测和优化结果可以一小时存一次，因此产耗预测可以是一小时计算一次，但考虑到可能存在用户改变一些模型参数的可能性，所以也可以设置成一小时计算多次，如20分钟计算一次，以使预测结果反映最新的参数和模型调整结果。当然，本领域技术人员也可以根据实际情况自主设置，采用其他数值也可以实现本申请的技术方案，因此，上述数值不应该理解为本申请的限定。

在本申请实施例中，调度模型优化求解的结果给出了：a.剩余煤气在各台锅炉间的分配建议；b.剩余蒸汽在各台发电机间的分配建议；c.煤气柜在各个周期的吞吐量建议。这些优化建议体现了两个煤气和蒸汽的优化分配策略：第一是在满足锅炉各约束条件的情况下，效率更高的锅炉分配到更多的煤气量，从而使总的蒸汽产生量最多，同理，在满足发电机各约束条件的情况下，效率更高的发电机分配到更多的蒸汽量，从而使总的发电量最多；第二是在可满足生产的情况下，煤气柜中的煤气尽量在用电峰时吐出更多量的煤气，以保持用电峰时锅炉产出更多量的蒸汽，从而让用电峰时发电机发出更多量的电，甚至可以让用电谷时气柜吞进适量的煤气以在用电峰时吐出较多的煤气，这样便达到了调峰发电的目的。

可见，在本申请实施例中，通过提供的基于预测数据的大型钢铁企业煤气、蒸汽联合多周期优化调度的方法，首先利用从煤气、蒸汽系统获得的能源产耗历史数据，预测出未来多个调度周期各相关用户的能源产耗量，再基于这些预测数据及用户确定的调度参数对煤气和蒸汽用户作出一个整体的能源优化调度方案，且该方案通过对煤气柜库存的调节实现了调峰发电。不仅能够提升钢铁企业的能源调度和管理水平，也达到节能减排、增加经济效益的目的。

在不同的实施例中，在步骤203之后，还可以包括：

步骤204：将所述煤气和蒸汽系统的联合优化调度策略发送至综合数据集成平台服务器进行存储。

在计算得到煤气和蒸汽系统的联合优化调度策略之后，可以将其发送至综合数据集成平台服务器存储起来，以供后续调用。

步骤205：响应于用户请求，将所述存储的联合优化调度策略显示给用户，以便于用户参考所述联合优化调度策略，执行下一周期的煤气和蒸汽调度。

如果用户通过客户端向调度应用服务器发起显示联合优化调度策略的请求，则调度应用服务器可以将综合数据集成平台服务器存储的联合优化调度策略显示给用户，用户参考该联合优化调度策略，即可执行下一周期的煤气和蒸汽调度。

对于前述的方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本申请所必须的。

与上述本申请一种钢铁企业中煤气和蒸汽系统的调度方法实施例所提供的方法相对应，参见图4，本申请还提供了一种钢铁企业中煤气和蒸汽系统的调度应用服务器实施例，在本实施例中，该服务器可以包括：

获取数据单元401，用于从所述综合数据集成平台服务器获取煤气和蒸汽系统的能源产耗历史数据，以及，用户确定的调度参数，其中，所述煤气和蒸汽系统的能源产耗历史数据包括：煤气产生装置的历史煤气发生量，和，生产用户的历史煤气、蒸汽消耗量；其中，所述煤气产生装置包括：焦炉、高炉和转炉，所述生成用户包括：烧结、焦化、炼铁、炼钢和轧钢；所述调度参数包括：煤气热值、调度周期数、电力峰谷时段及价格、各类煤气和蒸汽价格、各生产用户的负荷上下限、锅炉和发电机生产负荷的波动系数。

预处理单元400，用于对所述煤气和蒸汽系统的能源产耗历史数据进行预处理。

预测单元402，用于利用所述煤气和蒸汽系统的能源产耗历史数据预测未来数个周期煤气产生装置的煤气发生量和各生产用户的煤气和蒸汽消耗量；

在实际应用中，所述预测单元402具体可以包括：

确定输入模块，用于将所述煤气和蒸汽系统的能源产耗历史数据作为预先建立的预测模型的输入；所述预测模型包括但不限于：线性回归模型、分段线性拟合模型、偏最小二乘模型、神经网络模型或模拟退火模型；以及，触发模块，用于依据所述预测模型的输入定时触发所述预测模型计算未来数个周期煤气产生装置的煤气发生量和各生产用户的煤气和蒸汽消耗量。

确定调度策略单元403，依据所述调度参数、预测得到的煤气产耗量数据、预测得到的蒸汽消耗量数据，以发电效益最大化、能源系统稳定性最佳为优化目标，通过对调度模型的优化求解，确定煤气和蒸汽系统中能源用户的优化调度策略，其中所述能源用户包括：生产用户、锅炉、气柜、混合站、放散点和发电机。

在实际应用中，所述确定调度策略单元403具体可以用于：将所述调度参数、预测得到的煤气产耗量数据、预测得到的蒸汽消耗量数据作为优化调度模型的输入，采用线性规划算法求解得到煤气和蒸汽在各能源用户的优化配置方案，其中，所述优化配置方案包括：在优先满足生产用户能源需求的情况下，剩余煤气在各台锅炉间的分配建议，剩余蒸汽在各台发电机间的分配建议，和，煤气柜在各个周期的吞吐量建议；所述优化调度模型包括目标函数和约束条件，所述目标函数为：

其中，表示生产用户的生产效益，F_ij为i周期生产用户j的煤气或蒸汽消耗量，P_i为生成用户i的单位生产效益；表示发电机的发电效益，F_ij ^e为i周期发电机j的发电负荷，为i周期的电价；表示锅炉运行消耗的煤气价值，为i周期锅炉j消耗的k种煤气量，为k种煤气的价格；表示煤气放散所带来的价值损失，为i周期放散点j放散的k中煤气量。

其中，约束条件具体可以包括：物料平衡约束条件、管线流量约束条件、混合站约束条件、锅炉约束条件、发电机约束条件和气柜约束条件。

在不同的实施例中，该调度应用服务器还可以包括：

发送单元404，用于将所述联合优化调度策略发送至综合数据集成平台服务器进行存储。以及，

显示调度策略单元405，用于响应于用户请求，将所述存储的联合优化调度策略显示给用户，以便用户依据所述联合优化调度策略触发煤气和蒸汽系统的调度系统的优化。

可见，在本申请实施例中，调度应用服务器首先利用从煤气、蒸汽系统获得的能源产耗历史数据，预测出未来多个调度周期各相关用户的能源产耗量，再基于这些预测数据及用户确定的调度参数对煤气和蒸汽用户作出一个整体的能源优化调度方案，且该方案通过对煤气柜库存的调节实现了调峰发电。不仅能够提升钢铁企业的能源调度和管理水平，也达到节能减排、增加经济效益的目的。

本发明实施例还提供了一种钢铁企业中煤气和蒸汽系统的联合优化调度系统(实例图可以参考图3所示)，该系统具体可以包括：调度应用服务器和综合数据集成平台服务器；其中，所述调度应用服务器具体可以包括：

获取数据单元，用于从所述综合数据集成平台服务器获取煤气和蒸汽系统的能源产耗历史数据，以及，用户确定的调度参数，其中，所述煤气和蒸汽系统的能源产耗历史数据包括：煤气产生装置的历史煤气发生量，和，生产用户的历史煤气、蒸汽消耗量，其中，所述煤气产生装置包括：焦炉、高炉和转炉，所述生成用户包括：烧结、焦化、炼铁、炼钢和轧钢；所述调度参数包括：煤气热值、调度周期数、电力峰谷时段及价格、各类煤气和蒸汽价格、各生产用户的负荷上下限、锅炉和发电机生产负荷的波动系数；

预测单元，用于利用所述煤气和蒸汽系统的能源产耗历史数据预测未来数个周期煤气产生装置的煤气发生量和各生产用户的煤气和蒸汽消耗量；

确定调度策略单元，用于依据所述调度参数、预测得到的煤气产耗量数据、预测得到的蒸汽消耗量数据，以发电效益最大化、能源系统稳定性最佳为优化目标，通过对调度模型的优化求解，确定煤气和蒸汽系统中能源用户的优化调度策略，其中所述能源用户包括：生产用户、锅炉、气柜、混合站、放散点和发电机。

需要说明的是，本说明书中的各个实施例均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的部分互相参见即可。对于系统类实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

最后，还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

但上面描述的仅仅是例子。在不脱离本发明精神的情况下可以有许多不同变化。例如，尽管本实施例中仅以网络性能测量为目的，许多大规模网络系统也能从本发明的精神中得到益处，这包括但不限于，网络监控系统、网络通信协同工作系统；这些系统能从本发明中的将消耗资源的某类程序移到集中的高性能服务器上运行的思想中得到有益启示。

尽管本发明的优选实施例中仅用数值计算方法来进行结果数据拟合，但是对于在具体实施例中，结果数据的拟合可使用多种变种方法和模型来达到预期效果，这些变种算法是要求保护的本发明的一部分。

尽管本发明的实施例中，测量服务器使用了一个主控进程，但在具体实施例中该主控进程不是本发明实施的必须部分，在不脱离本发明精神的前提下，对该主控进程进行修改、去除的技术变种是要求保护的本发明的一部分。

尽管本发明的实施例中，各部件之间可以使用UDP(User Datagram Protoco)进行通信，显然对于本领域熟练的技术人员来说，在不脱离本发明精神的情况下可将对该通信协议进行替换或修改。

尽管本发明的优选实施例中，简单网络乒乓协议被用在测量服务器和网络探针之间进行通信。显然对于本领域熟练的技术人员来说，在不脱离本发明精神的情况下可将对该通信协议进行替换或修改。

尽管本发明中描述的各个部件均为计算机程序，本发明中的任何部分均可以在软件、固件、硬件或者其结合中实现。

尽管这里详细描述了优选的实施例，但是对于本领域熟练的技术人员来说，很显然在不脱离本发明精神的情况下可以作出不同的改变、增加、替换或者类似操作，并且这些均被认为是在权力要求中所定义的本发明的保护范围之内。

以上对本申请所提供的一种钢铁企业中煤气和蒸汽系统的调度方法、装置及系统进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。

Claims (11)

1.一种钢铁企业中煤气和蒸汽系统的联合优化调度系统及方法，其特征在于，所述方法部署于钢铁企业中煤气和蒸汽系统的调度应用服务器上，所述调度系统还包括为调度应用服务器提供数据输入和存储的综合数据集成平台服务器；所述方法包括：

从所述综合数据集成平台服务器获取煤气和蒸汽系统的能源产耗历史数据，以及，用户确定的调度参数，其中，所述煤气和蒸汽系统的能源产耗历史数据包括：煤气产生装置的历史煤气发生量，和，生产用户的历史煤气、蒸汽消耗量；其中，所述煤气产生装置包括：焦炉、高炉和转炉，所述生成用户包括：烧结、焦化、炼铁、炼钢和轧钢；所述调度参数包括：煤气热值、调度周期数、电力峰谷时段及价格、各类煤气和蒸汽价格、各生产用户的负荷上下限、锅炉和发电机生产负荷的波动系数；

利用所述煤气和蒸汽系统的能源产耗历史数据，预测未来数个周期煤气产生装置的煤气发生量和各生产用户的煤气、蒸汽消耗量；

依据所述调度参数、预测得到的煤气产耗量数据、预测得到的蒸汽消耗量数据，以发电效益最大化、能源系统稳定性最佳为优化目标，通过对调度模型的优化求解，确定煤气和蒸汽系统中能源用户的优化调度策略，其中所述能源用户包括：生产用户、锅炉、气柜、混合站、放散点和发电机；

其中，所述依据所述调度参数、预测得到的煤气产耗量和预测得到的蒸汽消耗量，以达到经济效益最大化、能源系统稳定性最佳为目标，通过对调度模型优化求解，确定对煤气和蒸汽系统中能源用户的联合优化调度策略，包括：

将所述调度参数、预测得到的煤气产耗量数据、预测得到的蒸汽消耗量数据作为优化调度模型的输入，采用线性规划算法求解得到煤气和蒸汽在各能源用户的优化配置方案；其中，所述优化配置方案包括：在优先满足生产用户能源需求的情况下，剩余煤气在各台锅炉间的分配建议，剩余蒸汽在各台发电机间的分配建议，和，煤气柜在各个周期的吞吐量建议；所述优化调度模型包括目标函数和约束条件，所述目标函数为：

$max\left\{\begin{array}{c}\underset{i}{\Σ}\underset{j}{\Σ}(F_{ij}*P_i)+\underset{i}{\Σ}\underset{j}{\Σ}({F_{ij}}^e*{p_i}^e)\\ -\underset{i}{\Σ}\underset{j}{\Σ}\underset{k}{\Σ}(F_{ijk}^B*p_k^g)-\underset{i}{\Σ}\underset{j}{\Σ}\underset{k}{\Σ}(F_{ijk}^L*p_k^g)\end{array}\right\}$

其中，表示生产用户的生产效益，F_ij为i周期生产用户j的煤气或蒸汽消耗量，P_i为生成用户i的单位生产效益；表示发电机的发电效益，F_ij ^e为i周期发电机j的发电负荷，为i周期的电价；表示锅炉运行消耗的煤气价值，为i周期锅炉j消耗的k种煤气量，为k种煤气的价格；表示煤气放散所带来的价值损失，为i周期放散点j放散的k中煤气量；

所述约束条件包括：物料平衡约束条件、管线流量约束条件、混合站约束条件、锅炉约束条件、发电机约束条件和气柜约束条件。

2.根据权利要求1所述的方法，其特征在于，还包括：

将所述煤气和蒸汽系统的联合优化调度策略发送至综合数据集成平台服务器进行存储。

3.根据权利要求1所述的方法，其特征在于，还包括：

响应于用户请求，将所述存储的联合优化调度策略显示给用户，以便于用户参考所述联合优化调度策略，执行下一周期的煤气和蒸汽调度。

4.根据权利要求1所述的方法，其特征在于，所述利用所述煤气和蒸汽系统的能源产耗历史数据预测未来数个周期煤气产生装置的煤气发生量和各生产用户的煤气和蒸汽消耗量，包括：

将所述煤气和蒸汽系统的能源产耗历史数据作为预先建立的预测模型的输入；所述预测模型包括但不限于：线性回归模型、分段线性拟合模型、偏最小二乘模型、神经网络模型或模拟退火模型；

依据所述预测模型的输入定时触发所述预测模型计算未来数个周期煤气产生装置的煤气发生量和各生产用户的煤气和蒸汽消耗量。

5.根据权利要求1所述的方法，其特征在于，还包括：

对所述煤气和蒸汽系统能源产耗历史数据进行预处理。

6.一种钢铁企业中煤气和蒸汽系统的调度应用服务器，其特征在于，该服务器包括：

获取数据单元，用于从所述综合数据集成平台服务器获取煤气和蒸汽系统的能源产耗历史数据，以及，用户确定的调度参数，其中，所述煤气和蒸汽系统的能源产耗历史数据包括：煤气产生装置的历史煤气发生量，和，生产用户的历史煤气、蒸汽消耗量；其中，所述煤气产生装置包括：焦炉、高炉和转炉，所述生成用户包括：烧结、焦化、炼铁、炼钢和轧钢；所述调度参数包括：煤气热值、调度周期数、电力峰谷时段及价格、各类煤气和蒸汽价格、各生产用户的负荷上下限、锅炉和发电机生产负荷的波动系数；

预测单元，用于利用所述煤气和蒸汽系统的能源产耗历史数据预测未来数个周期煤气产生装置的煤气发生量和各生产用户的煤气和蒸汽消耗量；

确定调度策略单元，依据所述调度参数、预测得到的煤气产耗量数据、预测得到的蒸汽消耗量数据，以发电效益最大化、能源系统稳定性最佳为优化目标，通过对调度模型的优化求解，确定煤气和蒸汽系统中能源用户的优化调度策略，其中所述能源用户包括：生产用户、锅炉、气柜、混合站、放散点和发电机；

其中，所述确定调度策略单元具体用于：将所述调度参数、预测得到的煤气产耗量数据、预测得到的蒸汽消耗量数据作为优化调度模型的输入，采用线性规划算法求解得到煤气和蒸汽在各能源用户的优化配置方案，其中，所述优化配置方案包括：在优先满足生产用户能源需求的情况下，剩余煤气在各台锅炉间的分配建议，剩余蒸汽在各台发电机间的分配建议，和，煤气柜在各个周期的吞吐量建议；所述优化调度模型包括目标函数和约束条件，所述目标函数为：

$max\left\{\begin{array}{c}\underset{i}{\Σ}\underset{j}{\Σ}(F_{ij}*P_i)+\underset{i}{\Σ}\underset{j}{\Σ}({F_{ij}}^e*{p_i}^e)\\ -\underset{i}{\Σ}\underset{j}{\Σ}\underset{k}{\Σ}(F_{ijk}^B*p_k^{*})-\underset{i}{\Σ}\underset{j}{\Σ}\underset{k}{\Σ}(F_{ijk}^L*p_k^g)\end{array}\right\},$

其中，表示生产用户的生产效益，F_ij为i周期生产用户j的煤气或蒸汽消耗量，P_i为生成用户i的单位生产效益；表示发电机的发电效益，F_ij ^e为i周期发电机j的发电负荷，为i周期的电价；表示锅炉运行消耗的煤气价值，为i周期锅炉j消耗的k种煤气量，为k种煤气的价格；表示煤气放散所带来的价值损失，为i周期放散点j放散的k中煤气量；

所述约束条件包括：物料平衡约束条件、管线流量约束条件、混合站约束条件、锅炉约束条件、发电机约束条件和气柜约束条件。

7.根据权利要求6所述的调度应用服务器，其特征在于，还包括：

发送单元，用于将所述联合优化调度策略发送至综合数据集成平台服务器进行存储。

8.根据权利要求6所述的调度应用服务器，其特征在于，还包括：

显示调度策略单元，用于响应于用户请求，将所述存储的联合优化调度策略显示给用户，以便用户依据所述联合优化调度策略触发煤气和蒸汽系统的调度系统的优化。

9.根据权利要求6所述的调度应用服务器，其特征在于，所述预测单元包括：

确定输入模块，用于将所述煤气和蒸汽系统的能源产耗历史数据作为预先建立的预测模型的输入；所述预测模型包括但不限于：线性回归模型、分段线性拟合模型、偏最小二乘模型、神经网络模型或模拟退火模型；

触发模块，用于依据所述预测模型的输入定时触发所述预测模型计算未来数个周期煤气产生装置的煤气发生量和各生产用户的煤气和蒸汽消耗量。

10.根据权利要求6所述的调度应用服务器，其特征在于，还包括：

预处理单元，用于对所述煤气和蒸汽系统的能源产耗历史数据进行预处理。

11.一种钢铁企业中煤气和蒸汽系统的联合优化调度系统，其特征在于，该系统包括：调度应用服务器和综合数据集成平台服务器；其中，所述调度应用服务器包括：

获取数据单元，用于从所述综合数据集成平台服务器获取煤气和蒸汽系统的能源产耗历史数据，以及，用户确定的调度参数，其中，所述煤气和蒸汽系统的能源产耗历史数据包括：煤气产生装置的历史煤气发生量，和，生产用户的历史煤气、蒸汽消耗量，其中，所述煤气产生装置包括：焦炉、高炉和转炉，所述生成用户包括：烧结、焦化、炼铁、炼钢和轧钢；所述调度参数包括：煤气热值、调度周期数、电力峰谷时段及价格、各类煤气和蒸汽价格、各生产用户的负荷上下限、锅炉和发电机生产负荷的波动系数；

预测单元，用于利用所述煤气和蒸汽系统的能源产耗历史数据预测未来数个周期煤气产生装置的煤气发生量和各生产用户的煤气和蒸汽消耗量；

确定调度策略单元，用于依据所述调度参数、预测得到的煤气产耗量数据、预测得到的蒸汽消耗量数据，以发电效益最大化、能源系统稳定性最佳为优化目标，通过对调度模型的优化求解，确定煤气和蒸汽系统中能源用户的优化调度策略，其中所述能源用户包括：生产用户、锅炉、气柜、混合站、放散点和发电机；

其中，所述确定调度策略单元具体用于：将所述调度参数、预测得到的煤气产耗量数据、预测得到的蒸汽消耗量数据作为优化调度模型的输入，采用线性规划算法求解得到煤气和蒸汽在各能源用户的优化配置方案，其中，所述优化配置方案包括：在优先满足生产用户能源需求的情况下，剩余煤气在各台锅炉间的分配建议，剩余蒸汽在各台发电机间的分配建议，和，煤气柜在各个周期的吞吐量建议；所述优化调度模型包括目标函数和约束条件，所述目标函数为：

$\max \left\{\begin{array}{c}\underset{i}{\Σ}\underset{j}{\Σ}(F_{ij}*P_i)+\underset{i}{\Σ}\underset{j}{\Σ}({F_{ij}}^e*{p_i}^e)\\ -\underset{i}{\Σ}\underset{j}{\Σ}\underset{k}{\Σ}(F_{ijk}^B*p_k^g)-\underset{i}{\Σ}\underset{j}{\Σ}\underset{k}{\Σ}(F_{ijk}^L*p_k^g)\end{array}\right\},$

其中，表示生产用户的生产效益，F_ij为i周期生产用户j的煤气或蒸汽消耗量，P_i为生成用户i的单位生产效益；表示发电机的发电效益，F_ij ^e为i周期发电机j的发电负荷，为i周期的电价；表示锅炉运行消耗的煤气价值，为i周期锅炉j消耗的k种煤气量，为k种煤气的价格；表示煤气放散所带来的价值损失，为i周期放散点j放散的k中煤气量；

所述约束条件包括：物料平衡约束条件、管线流量约束条件、混合站约束条件、锅炉约束条件、发电机约束条件和气柜约束条件。