CN104881713A - 实现优化算法与钢铁企业能源综合调度问题解耦的方法 - Google Patents
实现优化算法与钢铁企业能源综合调度问题解耦的方法 Download PDFInfo
- Publication number
- CN104881713A CN104881713A CN201510264055.8A CN201510264055A CN104881713A CN 104881713 A CN104881713 A CN 104881713A CN 201510264055 A CN201510264055 A CN 201510264055A CN 104881713 A CN104881713 A CN 104881713A
- Authority
- CN
- China
- Prior art keywords
- variable
- iron
- unit
- energy
- value
- 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.)
- Granted
Links
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Abstract
本发明适用于钢铁能源生产及信息技术领域,提供了一种实现优化算法与钢铁企业能源综合调度问题解耦的方法,包括:建立与单元设备对应的单元数学模型;以全局成本最优作为优化目标,建立满足各种约束条件的钢铁企业能源动态平衡与优化调度数学模型;在钢铁企业能源动态平衡与优化调度数学模型与将调用的优化算法之间设计接口;调用优化算法求解钢铁企业能源动态平衡与优化调度问题;根据适应度值最优的染色体计算钢铁企业能源平衡与调度方案。通过定义巧妙的数据结构和解耦流程,使优化算法和工艺问题之间再无直接关联,共有接口中仅调用钢铁企业能源综合调度问题的2个接口方法,解决了用规范优化算法求解钢铁企业能源综合调度问题时存在的矛盾。
Description
技术领域
本发明属于钢铁能源生产及信息技术领域,尤其涉及一种实现优化算法与钢铁企业能源综合调度问题解耦的方法。
背景技术
钢铁工业是国民经济的基础性支柱产业,同时又是资源、能源密集型产业。能源消耗是决定钢铁工业生产成本和利润的重要因素,也是影响环境负荷的主要原因。一方面,钢铁企业生产流程长,工序、设备繁多,各工序间相互衔接,且每种工序、设备都与多种能源介质关联;另一方面,钢铁企业需要用到的能源种类超过20种,这些能源介质不仅各自存在产耗、储存、缓冲和输配等多种形态,而且相互之间有着复杂的转换、替代等关联关系,这都使得整个钢铁企业能源系统网络结构紧密耦合、错综复杂。因此,对钢铁企业能源系统的研究具有理论和现实两方面的重要意义。
近年来,国内外研究人员已经在钢铁企业能源系统研究工作中取得了许多成果,大致可归为能源预测及能源平衡与调度两个方向。本发明归属于能源平衡与调度方向。在对钢铁企业能源平衡与调度问题进行研究时,一般将该问题表述成以能源成本最小化为优化目标、满足一定约束条件的数学规划模型,然后应用各种优化算法求解。但是,一方面,能源平衡与调度问题作为具体的工艺问题,具有丰富的多样性和差异性,钢铁企业本身、用户目标偏好选择、调度时间跨度等方面的不同,都会导致上述工艺问题的不同;另一方面,用于求解数学规划模型的优化算法则具有相当的规范性和严整性,优化算法是数学理论与逻辑流程上的表达,在其内部看不到任何工艺问题的影子。因而,在优化算法与工艺问题之间存在着固有的矛盾,为了用规范的优化算法求解多样的工艺问题,经常需要在二者之间设计包含大量的“装箱”、“拆箱”及其它转换操作的接口。由于在这些接口中,优化算法与工艺问题二者是紧密耦合在一起的,也就没有通用性,无法复用,换了一个应用场合,所有工作都需推倒重来。这样不仅耗费时间,而且容易出错,严重影响了已有成果的应用和整体工作效率。
发明内容
本发明实施例的目的在于提供一种实现优化算法与钢铁企业能源综合调度问题解耦的方法,以解决现有技术用规范的优化算法求解多样的钢铁企业能源综合调度问题时存在矛盾的问题。
本发明实施例是这样实现的,一种实现优化算法与钢铁企业能源综合调度问题解耦的方法,所述方法包括以下步骤:
步骤1,根据单元设备的能源产耗情况确立其产耗变量集,并结合其工艺模型和约束条件,建立与所述单元设备对应的单元数学模型,所述单元设备包括煤气柜、煤气加压站、煤气混合站、煤气放散塔、锅炉、凝汽式汽轮发电机和减温减压装置7类;
步骤2,以全局成本最优作为优化目标,建立满足各种约束条件的钢铁企业能源动态平衡与优化调度数学模型;
步骤3,在所述钢铁企业能源动态平衡与优化调度数学模型与将调用的优化算法之间设计接口,包括:
针对所述单元设备的单元数学模型中的变量,设计两种列表类数据结构:所有变量列表和自由变量列表;
在各个所述单元设备的单元数学模型类中,定义与输入/输出变量对应属性动态赋值和取值的反射方法;
在优化算法的染色体类中设计染色体评价委托,在优化算法的染色体评价方法中调用所述染色体评价委托;
将目标函数值计算方法封装为原子操作方法,所述染色体评价委托中包含对所述目标函数值计算方法的引用;
步骤4,调用所述优化算法求解所述钢铁企业能源动态平衡与优化调度问题,在多次迭代进化计算后,输出适应度值最优的染色体;
步骤5,根据所述适应度值最优的染色体计算所述钢铁企业能源平衡与调度方案,并输出方案结果。
本发明提供的一种实现优化算法与钢铁企业能源综合调度问题解耦的方法的第一优选实施例中:所述步骤2中,以给定生产/检修计划、系统状态和能源介质的预测结果为前提条件,综合考虑煤气、蒸汽和电力各个子系统中能源产耗、储存和转换等单元设备的工艺约束,以及能源介质自身的供需周期变化和物料平衡、能量守恒等物理约束,建立煤气-蒸汽-电力等多介质多周期混合的所述钢铁企业能源动态平衡与优化调度数学模型。
本发明提供的一种实现优化算法与钢铁企业能源综合调度问题解耦的方法的第二优选实施例中:所述步骤2中所述所有变量列表由所述7类单元设备的能源产耗变量顺序排列构成,所述自由变量列表由所述所有变量列表中的自由变量构成;
所述自由变量和非自由变量的确定原则包括:除了所述煤气加压站设备的电耗变量和所述煤气放散塔的输入变量之外,所有所述单元设备的输入变量均作为自由变量;除了所述凝汽式汽轮发电机的抽汽量之外,所有所述单元设备的输出变量均作为非自由变量;
所述自由变量列表中的变量与所述优化算法中染色体的构成基因一一对应。
本发明提供的一种实现优化算法与钢铁企业能源综合调度问题解耦的方法的第三优选实施例中:所述步骤3中定义与所述输入/输出变量对应所述属性动态赋值和取值的反射方法时,根据所述单元数学模型类的属性名得到所述属性,然后对所述属性进行赋值或取值。
本发明提供的一种实现优化算法与钢铁企业能源综合调度问题解耦的方法的第四优选实施例中:所述步骤4中输出适应度值最优的染色体的过程包括:
步骤401,将随机生成的染色体基因值按下标序号一一对应的方式写入所述自由变量列表中,并调用单元数学模型的动态赋值反射方法,将自由变量值写入所述单元设备的所述单元数学模型中;
步骤402,按子系统调用自由变量的初始化策略,用符合初始化策略的自由变量值赋值单元数学模型的属性,调用所述单元数学模型的约束检查和修复方法,检查所述单元设备应满足的个体约束,修正自由变量值,并计算和赋值非自由变量;
步骤403,计算所有所述单元数学模型约束不满足时的惩罚值之和;
步骤404,将修正后的所述自由变量值更新回所述染色体基因中去;
步骤405,对煤气、蒸汽和电力子系统中的各种能源介质进行整体平衡,得到能源介质整体平衡约束不满足时的惩罚值;
步骤406,计算钢铁企业能源动态平衡与优化调度数学模型中的目标函数值,并与所述步骤403中得到的所述所有单元数学模型约束不满足时的惩罚值之和,以及所述步骤405中得到的所述所有能源介质整体平衡约束不满足时的惩罚值之和累加,作为所述自由变量集下所述染色体的适应度值;
步骤407,多次迭代进化计算后,输出适应度值最优的染色体。
本发明提供的一种实现优化算法与钢铁企业能源综合调度问题解耦的方法的第五优选实施例中:所述步骤402包括:
步骤40201,调用煤气子系统和蒸汽子系统中煤气消耗型设备的自由变量初始化策略,得到煤气柜、煤气加压站、煤气混合站和锅炉四类设备的自由变量初始化值,并调用所述煤气柜、煤气加压站、煤气混合站和锅炉四类设备的单元数学模型约束检查和修复方法;
步骤40202,根据所述步骤40301中确定的自由变量,计算所述锅炉类设备的输出变量,确定能源系统内部生产的各品质蒸汽数量;
步骤40203,调用所述蒸汽子系统中蒸汽消耗型设备和电力子系统的自由变量初始化策略,得到凝汽式汽轮发电机和减温减压装置两类设备的自由变量初始化值,并调用所述凝汽式汽轮发电机和减温减压装置两类设备的单元数学模型约束检查和修复方法。
本发明提供的一种实现优化算法与钢铁企业能源综合调度问题解耦的方法的第六优选实施例中:所述步骤5包括:
步骤501,根据优化算法染色体基因与自由变量列表中变量的对应关系,将最优染色体的基因值写入自由变量列表和设备的单元数学模型中去。
步骤502,调用单元数学模型的约束检查和修复方法,检查设备应满足的个体约束,修正自由变量值,并计算和赋值非自由变量。
步骤503,将修正后的自由变量值更新回染色体基因中去。
步骤504,计算钢铁企业能源动态平衡与优化调度数学模型中的目标函数值。
步骤505,保存能源平衡结果、能源成本结果和综合成本信息,以及单元设备的变量结果,并更新前后调度周期之间关联的设备状态信息。
本发明实施例提供的一种实现优化算法与钢铁企业能源综合调度问题解耦的方法的有益效果包括:
1、本发明提供的一种实现优化算法与钢铁企业能源综合调度问题解耦的方法,通过定义巧妙的数据结构和解耦流程,使优化算法和工艺问题之间再无直接关联,共有接口中仅仅调用钢铁企业能源综合调度问题的2个接口方法,而优化算法中也只包含由共有接口封装成的原子操作方法的引用,实现了二者之间松散耦合的目标,解决了用规范的优化算法求解多样的钢铁企业能源综合调度问题时存在的矛盾,提升了接口的通用性和可复用性。
2、本发明提供的解耦方法实现了原本密切耦合的优化算法与工艺问题二者的分离,这样使得应用不同的优化算法求解同一工艺问题成为可能,将一种优化算法替换为另一种的时候,只需要替换与优化算法对应的程序包,并在其中包含本发明提出的共有接口的引用即可。与原本耗费时间,而且容易出错的昂贵代价比较起来,这种替换是简单、迅捷和廉价的。
3、本发明提供的解耦方法使得优化算法和钢铁企业能源综合调度问题的逻辑表达易于与其他程序集成起来,这样不仅易于实现工艺问题的横向扩充,还易于实现优化算法在时间纵向的更迭和升级,为后续的运行维护工作带来了便利。
4、这种实现优化算法与具体工艺问题解耦的思想,还可为其他类似的工程技术问题研究课题所借鉴。
附图说明
为了更清楚地说明本发明实施例中的技术方案,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性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种实现优化算法与钢铁企业能源综合调度问题解耦的方法的流程图;
图2是本发明实施例一提供的所有变量列表、自由变量列表和染色体基因构成3者之间的关系示意图;
图3是本发明实施例提供的通过接口调用优化算法求解钢铁企业能源动态平衡与优化调度问题的示意图;
图4是本发明实施例提供的根据最优的染色体计算并输出能源平衡与调度方案的流程图;
图5是本发明提供的实施例二中钢铁企业能源系统网络拓扑结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
为了说明本发明所述的技术方案,下面通过具体实施例来进行说明。
如图1所示为本发明提供的一种实现优化算法与钢铁企业能源综合调度问题解耦的方法的流程图,所述方法包括以下步骤:
步骤1,根据单元设备的能源产耗情况确立其产耗变量集,并结合其工艺模型和约束条件,建立与单元设备对应的单元数学模型,该单元设备包括煤气柜、煤气加压站、煤气混合站、煤气放散塔、锅炉、凝汽式汽轮发电机和减温减压装置7类。
将钢铁企业能源系统中煤气、蒸汽和电力3个子系统内可调度的能源公辅设备归为7大类。
步骤2,以全局成本最优作为优化目标,建立满足各种约束条件的钢铁能源动态平衡与优化调度数学模型。
步骤3,在钢铁企业能源动态平衡与优化调度数学模型与将调用的优化算法之间设计接口,包括:
针对单元设备的单元数学模型中的变量,设计两种列表类数据结构:所有变量列表和自由变量列表;
在各个单元设备的单元数学模型类中,定义与输入/输出变量对应属性动态赋值和取值的反射方法;
在优化算法的染色体类中设计染色体评价委托,在优化算法的染色体评价方法中调用该染色体评价委托;
将目标函数值计算方法封装为原子操作方法,染色体评价委托中包含对该目标函数值计算方法的引用。
步骤4,调用优化算法求解钢铁企业能源动态平衡与优化调度问题,在多次迭代进化计算后,输出适应度值最优的染色体。
步骤5,根据适应度值最优的染色体计算钢铁企业能源平衡与调度方案,并输出方案结果。
本发明实施例提供的一种实现优化算法与钢铁企业能源综合调度问题解耦的方法,通过定义巧妙的数据结构和解耦流程,使优化算法和工艺问题之间再无直接关联,共有接口中仅仅调用钢铁企业能源综合调度问题的2个接口方法,而优化算法中也只包含由共有接口封装成的原子操作方法的引用,实现了二者之间松散耦合的目标,解决了用规范的优化算法求解多样的钢铁企业能源综合调度问题时存在的矛盾,提升了接口的通用性和可复用性。
解耦方法实现了原本密切耦合的优化算法与工艺问题二者的分离,这样使得应用不同的优化算法求解同一工艺问题成为可能,将一种优化算法替换为另一种的时候,只需要替换与优化算法对应的程序包,并在其中包含本发明提出的共有接口的引用即可。与原本耗费时间,而且容易出错的昂贵代价比较起来,这种替换是简单、迅捷和廉价的。
使得优化算法和钢铁企业能源综合调度问题的逻辑表达易于与其他程序集成起来,这样不仅易于实现工艺问题的横向扩充,还易于实现优化算法在时间纵向的更迭和升级,为后续的运行维护工作带来了便利。
实施例一
本发明提供的实施例一为本发明提供的实现优化算法与钢铁企业能源综合调度问题解耦的方法的实施例,本发明提供的实现优化算法与钢铁企业能源综合调度问题解耦的方法的实施例中:
步骤2中,以给定生产/检修计划、系统状态和能源介质的预测结果等为前提条件,综合考虑煤气、蒸汽和电力各个子系统中能源产耗、储存和转换等单元设备的工艺约束,以及能源介质自身的供需周期变化和物料平衡、能量守恒等物理约束,建立了煤气-蒸汽-电力等多介质多周期混合的钢铁企业能源动态平衡与优化调度数学模型。
在本发明实施例中,步骤3中设计的所有变量列表allDecisionVars和自由变量列表freeDecisionVars,其中,所有变量列表allDecisionVars由7类单元设备的能源产耗变量顺序排列构成,自由变量列表freeDecisionVars由所有变量列表allDecisionVars中的自由变量构成,自由变量和非自由变量的确定原则包括:
①所有单元设备的输入变量均作为自由变量,但煤气加压站设备的电耗变量,以及煤气放散塔的输入变量除外;
②所有单元设备的输出变量均作为非自由变量,因为输出变量一般可根据工艺模型或其它能量守恒等物理定律,由已知的输入变量计算得到,但凝汽式汽轮发电机的抽汽量除外。
并且,自由变量列表freeDecisionVars中的变量与优化算法中染色体的构成基因一一对应,即在优化算法的染色体某一下标序号中保存的基因与自由变量列表中相同下标序号中的变量在工艺含义上是相同的,它们对应某单元设备的同一产耗变量。
如图2所示为本发明实施例一提供的所有变量列表、自由变量列表和染色体基因构成3者之间的关系示意图。
自由变量列表由煤气柜、煤气加压站、煤气混合站等7类单元设备的能源产耗变量顺序排列构成,为了简便起见,在本实施例中,假定能源系统中的每类单元设备子集中包含的设备数量都为1,这样,所有变量列表的构成如下:
hld1.x——煤气柜设备的煤气吞吐量
pre1.x1——煤气加压站加压前的煤气流量
pre1.x2——煤气加压站的内部电网电耗
pre1.y——煤气加压站加压后的煤气流量
mix1.x1——煤气混合站入口煤气介质1的流量
mix1.x2——煤气混合站入口煤气介质2的流量
mix1.y——煤气混合站出口混合煤气流量
emi1.x——煤气放散塔的煤气流量
boi1.x1——锅炉入口能源介质1的流量
boi1.x2——锅炉入口能源介质2的流量
boi1.x3——锅炉入口能源介质3的流量
boi1.y——锅炉出口蒸汽流量
tur1.x——汽轮发电机入口蒸汽流量
tur1.y1——汽轮发电机的内部电网发电量
tur1.y2——汽轮发电机的一级抽汽流量
tur1.y3——汽轮发电机的二级抽汽流量
tur1.y4——汽轮发电机出口凝汽管网的凝汽流量
val1.x——减温减压装置入口高压蒸汽流量
val1.y——减温减压装置出口减压蒸汽流量
其中,hld1为煤气柜子集中第1个单元设备的名称,hld1.x对应hld1的输入变量x,pre1为煤气加压站子集中第1个单元设备的名称,pre1.x1对应pre1的输入变量x1,其它变量的含义依此类推,不再赘述。
按照自由变量和非自由变量的确定原则,得到自由变量列表的构成如下:
hld1.x
pre1.x1
mix1.x1
mix1.x2
boi1.x1
boi1.x2
boi1.x3
tur1.x
tur1.y2
tur1.y3
val1.x
至此,自由变量列表已经得到,再按照与自由变量列表中的变量一一对应的原则定义进化算法染色体的基因构成。
在本发明实施例中,步骤3中定义与输入/输出变量对应属性动态赋值和取值的反射方法时,根据单元数学模型类的属性名得到属性,然后对该属性进行赋值或取值。
进一步的,如图3所示为本发明实施例提供的通过接口调用优化算法求解钢铁企业能源动态平衡与优化调度问题的示意图,步骤4中输出适应度值最优的染色体的过程包括:
步骤401,将随机生成的染色体基因值按下标序号一一对应的方式写入自由变量列表中,并调用单元数学模型的动态赋值反射方法,将自由变量值写入单元设备的单元数学模型中。
步骤402,按子系统调用自由变量的初始化策略,用符合初始化策略的自由变量值赋值单元数学模型的属性,调用单元数学模型的约束检查和修复方法,检查单元设备应满足的个体约束,修正自由变量值,并计算和赋值非自由变量,具体包含下列步骤:
步骤40201,调用煤气子系统和蒸汽子系统中煤气消耗型设备的自由变量初始化策略,得到煤气柜、煤气加压站、煤气混合站和锅炉等4类设备的自由变量初始化值,并调用上述4类设备的单元数学模型约束检查和修复方法。
步骤40202,根据步骤40301中确定的自由变量,计算锅炉类设备的输出变量,由此确定能源系统内部生产的各品质蒸汽数量。
步骤40203,调用蒸汽子系统中蒸汽消耗型设备和电力子系统的自由变量初始化策略,得到凝汽式汽轮发电机和减温减压装置等两类设备的自由变量初始化值,并调用上述2类设备的单元数学模型约束检查和修复方法。
步骤403,计算所有单元数学模型约束不满足时的惩罚值之和。
步骤404,将修正后的自由变量值更新回染色体基因中去。
步骤405,对煤气、蒸汽和电力子系统中的各种能源介质进行整体平衡,得到能源介质整体平衡约束不满足时的惩罚值。
步骤406,计算钢铁企业能源动态平衡与优化调度数学模型中的目标函数值,并与步骤403中得到的所有单元数学模型约束不满足时的惩罚值之和,以及步骤405中得到的所有能源介质整体平衡约束不满足时的惩罚值之和累加,作为自由变量集下染色体的适应度值。
步骤407,多次迭代进化计算后,输出适应度值最优的染色体。
如图4所示为是根据最优的染色体计算并输出能源平衡与调度方案的流程图。由图4可知,步骤5包括:
步骤501,根据优化算法染色体基因与自由变量列表中变量的对应关系,将最优染色体的基因值写入自由变量列表和设备的单元数学模型中去。
步骤502,调用单元数学模型的约束检查和修复方法,检查设备应满足的个体约束,修正自由变量值,并计算和赋值非自由变量。
步骤503,将修正后的自由变量值更新回染色体基因中去。
步骤504,计算钢铁企业能源动态平衡与优化调度数学模型中的目标函数值。
步骤505,保存能源平衡结果、能源成本结果和综合成本信息,以及单元设备的变量结果,并更新前后调度周期之间关联的设备状态信息。
实施例二
本发明提供的实施例为本发明提供的一种确定钢铁企业副产煤气系统优化调度可行解的方法的具体应用实施例。以新疆克州赣鑫钢铁200万t项目为本发明实施例的研究案例,图5为该钢铁企业能源系统网络拓扑结构示意图,针对其副产煤气系统优化调度问题的可行解进行搜索。煤气系统中包含高炉煤气和转炉煤气2种副产煤气介质,以及高转混合煤气,另外,由于转炉煤气均需加压后使用,所以将转炉煤气和加压转炉煤气视为2种不同的介质。蒸汽系统中包含中压蒸汽和低压蒸汽2种品质等级的蒸汽,温度/压力等物理参数分别为:3.82MPa/450℃、0.9MPa/饱和温度。除此之外,还包含其它的能源介质管网,一并见表1所示。
表1能源介质管网表
煤气系统中可调度的煤气公辅设备包含:1#高炉煤气柜、1#转炉煤气柜、1#转炉煤气加压站、1#高转煤混合站、2#高转煤混合站和1#高炉煤气放散塔等,热力设备包含:1#全烧高炉煤气锅炉、2#全烧高炉煤气锅炉、3#燃煤掺烧煤气锅炉、1#凝汽式汽轮机、2#凝汽式汽轮机和1#减温减压装置等。各设备参数和工艺约束条件见表2~8。
表2煤气柜设备参数和工艺约束条件
表3煤气加压站设备参数和工艺约束条件
表4煤气混合站设备参数和工艺约束条件
表5煤气放散塔设备参数和工艺约束条件
表6锅炉设备参数和工艺约束条件
表7汽轮机设备参数和工艺约束条件
表8减温减压装置设备参数和工艺约束条件
以2015-2-1016:00~23:59时间段内为调度时段,调度周期设为1h,共分为8个周期。几种主要能源介质在8个调度周期内的预测结果如下表所示。
表9主要能源介质在调度时段内的预测结果
针对上述研究案例,调用本发明提出的一种实现优化算法与钢铁企业能源综合调度问题解耦的方法对问题进行求解,可以得出主要能源介质的调度结果如表10~14所示。
表10高炉煤气动态平衡与优化调度结果(单位:kNm3/h)
表11加压转炉煤气动态平衡与优化调度结果(单位:kNm3/h)
表12中压蒸汽动态平衡与优化调度结果(单位:t/h)
表13低压蒸汽动态平衡与优化调度结果(单位:t/h)
表14电力动态平衡与优化调度结果(单位:MW.h/h)
由调度结果可知,高炉煤气、加压转炉煤气、中压蒸汽、低压蒸汽和电力等各种能源介质均在各个调度周期内实现了动态平衡与优化分配,副产煤气实现了严格的“零”放散,也杜绝了蒸汽的盲目生产和放散现象,各品质蒸汽的放散量也均为0。给出的调度方案在提高能源综合利用效率的同时,也使钢铁企业获得最大的经济效益。
综上所述,本发明提供了一种实现优化算法与钢铁企业能源综合调度问题解耦的方法,通过定义巧妙的数据结构和解耦流程,使优化算法和工艺问题之间再无直接关联,共有接口中仅仅调用钢铁企业能源综合调度问题的2个接口方法,而优化算法中也只包含由共有接口封装成的原子操作方法的引用,实现了二者之间松散耦合的目标,解决了用规范的优化算法求解多样的钢铁企业能源综合调度问题时存在的矛盾。
本领域普通技术人员还可以理解,实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,所述的程序可以存储于计算机可读取存储介质中,所述的存储介质,包括ROM/RAM、磁盘、光盘等。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (7)
1.一种实现优化算法与钢铁企业能源综合调度问题解耦的方法,其特征在于,所述方法包括:
步骤1,根据单元设备的能源产耗情况确立其产耗变量集,并结合其工艺模型和约束条件,建立与所述单元设备对应的单元数学模型,所述单元设备包括煤气柜、煤气加压站、煤气混合站、煤气放散塔、锅炉、凝汽式汽轮发电机和减温减压装置7类;
步骤2,以全局成本最优作为优化目标,建立满足各种约束条件的钢铁企业能源动态平衡与优化调度数学模型;
步骤3,在所述钢铁企业能源动态平衡与优化调度数学模型与将调用的优化算法之间设计接口,包括:
针对所述单元设备的单元数学模型中的变量,设计两种列表类数据结构:所有变量列表和自由变量列表;
在各个所述单元设备的单元数学模型类中,定义与输入/输出变量对应属性动态赋值和取值的反射方法;
在优化算法的染色体类中设计染色体评价委托,在优化算法的染色体评价方法中调用所述染色体评价委托;
将目标函数值计算方法封装为原子操作方法,所述染色体评价委托中包含对所述目标函数值计算方法的引用;
步骤4,调用所述优化算法求解所述钢铁企业能源动态平衡与优化调度问题,在多次迭代进化计算后,输出适应度值最优的染色体;
步骤5,根据所述适应度值最优的染色体计算所述钢铁企业能源平衡与调度方案,并输出方案结果。
2.如权利要求1所述的方法,其特征在于,所述步骤2中,以给定生产/检修计划、系统状态和能源介质的预测结果为前提条件,综合考虑煤气、蒸汽和电力各个子系统中能源产耗、储存和转换等单元设备的工艺约束,以及能源介质自身的供需周期变化和物料平衡、能量守恒等物理约束,建立煤气-蒸汽-电力等多介质多周期混合的所述钢铁企业能源动态平衡与优化调度数学模型。
3.如权利要求1所述的方法,其特征在于,所述步骤2中所述所有变量列表由所述7类单元设备的能源产耗变量顺序排列构成,所述自由变量列表由所述所有变量列表中的自由变量构成;
所述自由变量和非自由变量的确定原则包括:除了所述煤气加压站设备的电耗变量和所述煤气放散塔的输入变量之外,所有所述单元设备的输入变量均作为自由变量;除了所述凝汽式汽轮发电机的抽汽量之外,所有所述单元设备的输出变量均作为非自由变量;
所述自由变量列表中的变量与所述优化算法中染色体的构成基因一一对应。
4.如权利要求1所述的方法,其特征在于,所述步骤3中定义与所述输入/输出变量对应所述属性动态赋值和取值的反射方法时,根据所述单元数学模型类的属性名得到所述属性,然后对所述属性进行赋值或取值。
5.如权利要求1所述的方法,其特征在于,所述步骤4中输出适应度值最优的染色体的过程包括:
步骤401,将随机生成的染色体基因值按下标序号一一对应的方式写入所述自由变量列表中,并调用单元数学模型的动态赋值反射方法,将自由变量值写入所述单元设备的所述单元数学模型中;
步骤402,按子系统调用自由变量的初始化策略,用符合初始化策略的自由变量值赋值单元数学模型的属性,调用所述单元数学模型的约束检查和修复方法,检查所述单元设备应满足的个体约束,修正自由变量值,并计算和赋值非自由变量;
步骤403,计算所有所述单元数学模型约束不满足时的惩罚值之和;
步骤404,将修正后的所述自由变量值更新回所述染色体基因中去;
步骤405,对煤气、蒸汽和电力子系统中的各种能源介质进行整体平衡,得到能源介质整体平衡约束不满足时的惩罚值;
步骤406,计算钢铁企业能源动态平衡与优化调度数学模型中的目标函数值,并与所述步骤403中得到的所述所有单元数学模型约束不满足时的惩罚值之和,以及所述步骤405中得到的所述所有能源介质整体平衡约束不满足时的惩罚值之和累加,作为所述自由变量集下所述染色体的适应度值;
步骤407,多次迭代进化计算后,输出适应度值最优的染色体。
6.如权利要求5所述的方法,其特征在于,所述步骤402包括:
步骤40201,调用煤气子系统和蒸汽子系统中煤气消耗型设备的自由变量初始化策略,得到煤气柜、煤气加压站、煤气混合站和锅炉四类设备的自由变量初始化值,并调用所述煤气柜、煤气加压站、煤气混合站和锅炉四类设备的单元数学模型约束检查和修复方法;
步骤40202,根据所述步骤40301中确定的自由变量,计算所述锅炉类设备的输出变量,确定能源系统内部生产的各品质蒸汽数量;
步骤40203,调用所述蒸汽子系统中蒸汽消耗型设备和电力子系统的自由变量初始化策略,得到凝汽式汽轮发电机和减温减压装置两类设备的自由变量初始化值,并调用所述凝汽式汽轮发电机和减温减压装置两类设备的单元数学模型约束检查和修复方法。
7.如权利要求1所述的方法,其特征在于,所述步骤5包括:
步骤501,根据优化算法染色体基因与自由变量列表中变量的对应关系,将最优染色体的基因值写入自由变量列表和设备的单元数学模型中去。
步骤502,调用单元数学模型的约束检查和修复方法,检查设备应满足的个体约束,修正自由变量值,并计算和赋值非自由变量。
步骤503,将修正后的自由变量值更新回染色体基因中去。
步骤504,计算钢铁企业能源动态平衡与优化调度数学模型中的目标函数值。
步骤505,保存能源平衡结果、能源成本结果和综合成本信息,以及单元设备的变量结果,并更新前后调度周期之间关联的设备状态信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510264055.8A CN104881713B (zh) | 2015-05-22 | 2015-05-22 | 实现优化算法与钢铁企业能源综合调度问题解耦的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510264055.8A CN104881713B (zh) | 2015-05-22 | 2015-05-22 | 实现优化算法与钢铁企业能源综合调度问题解耦的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104881713A true CN104881713A (zh) | 2015-09-02 |
CN104881713B CN104881713B (zh) | 2018-10-30 |
Family
ID=53949200
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510264055.8A Active CN104881713B (zh) | 2015-05-22 | 2015-05-22 | 实现优化算法与钢铁企业能源综合调度问题解耦的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104881713B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107273619A (zh) * | 2017-06-21 | 2017-10-20 | 北京科技大学 | 一种钢铁企业静态能量流网络优化设计方法 |
CN107976976A (zh) * | 2017-11-15 | 2018-05-01 | 东南大学 | 一种钢铁企业煤气消耗设备时序优化方法 |
CN113364819A (zh) * | 2020-03-04 | 2021-09-07 | 广东恒电信息科技股份有限公司 | 基于土狼优化算法的企业级PaaS系统资源调度方法 |
CN117557067A (zh) * | 2024-01-10 | 2024-02-13 | 缔索新能源科技发展有限公司 | 分布式能源协同优化系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003316856A (ja) * | 2002-04-23 | 2003-11-07 | Sekisui Chem Co Ltd | 消費エネルギ予測方法及び消費エネルギ予測装置 |
CN1753010A (zh) * | 2005-09-21 | 2006-03-29 | 浙江大学 | 用于钢铁企业能源优化调度的分类建模和滚动求解方法 |
CN104239981A (zh) * | 2014-10-11 | 2014-12-24 | 中冶南方工程技术有限公司 | 一种基于多目标优化算法的能源动态平衡与优化调度方法 |
CN104268789A (zh) * | 2014-10-11 | 2015-01-07 | 中冶南方工程技术有限公司 | 一种确定钢铁企业能源综合调度可行解的方法 |
-
2015
- 2015-05-22 CN CN201510264055.8A patent/CN104881713B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003316856A (ja) * | 2002-04-23 | 2003-11-07 | Sekisui Chem Co Ltd | 消費エネルギ予測方法及び消費エネルギ予測装置 |
CN1753010A (zh) * | 2005-09-21 | 2006-03-29 | 浙江大学 | 用于钢铁企业能源优化调度的分类建模和滚动求解方法 |
CN104239981A (zh) * | 2014-10-11 | 2014-12-24 | 中冶南方工程技术有限公司 | 一种基于多目标优化算法的能源动态平衡与优化调度方法 |
CN104268789A (zh) * | 2014-10-11 | 2015-01-07 | 中冶南方工程技术有限公司 | 一种确定钢铁企业能源综合调度可行解的方法 |
Non-Patent Citations (1)
Title |
---|
曾亮等: "《钢铁企业煤气-蒸汽- 电力等多介质多周期混合优化调度模型及算法》", 《2014年全国冶金能源环保生产技术会文集》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107273619A (zh) * | 2017-06-21 | 2017-10-20 | 北京科技大学 | 一种钢铁企业静态能量流网络优化设计方法 |
CN107976976A (zh) * | 2017-11-15 | 2018-05-01 | 东南大学 | 一种钢铁企业煤气消耗设备时序优化方法 |
CN107976976B (zh) * | 2017-11-15 | 2020-04-21 | 东南大学 | 一种钢铁企业煤气消耗设备时序优化方法 |
CN113364819A (zh) * | 2020-03-04 | 2021-09-07 | 广东恒电信息科技股份有限公司 | 基于土狼优化算法的企业级PaaS系统资源调度方法 |
CN117557067A (zh) * | 2024-01-10 | 2024-02-13 | 缔索新能源科技发展有限公司 | 分布式能源协同优化系统 |
CN117557067B (zh) * | 2024-01-10 | 2024-04-02 | 缔索新能源科技发展有限公司 | 分布式能源协同优化系统 |
Also Published As
Publication number | Publication date |
---|---|
CN104881713B (zh) | 2018-10-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
He et al. | Low-carbon economic dispatch for electricity and natural gas systems considering carbon capture systems and power-to-gas | |
Wang et al. | Game theory-based multi-agent capacity optimization for integrated energy systems with compressed air energy storage | |
EP3039771B1 (en) | System and method for energy asset sizing and optimal dispatch | |
CN101187967B (zh) | 钢铁企业煤气动态仿真系统 | |
CN108490904A (zh) | 一种基于设备多工况运行的能源系统优化调度方法 | |
CN101980262A (zh) | 一种基于计算机的钢铁企业能源仿真平台 | |
CN104881713A (zh) | 实现优化算法与钢铁企业能源综合调度问题解耦的方法 | |
CN104239981A (zh) | 一种基于多目标优化算法的能源动态平衡与优化调度方法 | |
CN104268712B (zh) | 基于改进的混合多种群进化算法的能源平衡与调度方法 | |
CN104318321A (zh) | 一种钢铁企业多能源介质集成调度优化方法 | |
Jin et al. | Dispatching strategies for coordinating environmental awareness and risk perception in wind power integrated system | |
Shamsi et al. | Five-year technology selection optimization to achieve specific CO2 emission reduction targets | |
CN111555281A (zh) | 一种电力系统灵活性资源配置仿真方法及装置 | |
CN104915728A (zh) | 一种确定钢铁企业蒸汽系统优化调度可行解的方法 | |
Hui et al. | Exploring the integrated flexible region of distributed multi-energy systems with process industry | |
Zhao et al. | A review on the optimal scheduling of byproduct gases in steel making industry | |
Huang et al. | An optimal operation method of cascade hydro-PV-pumped storage generation system based on multi-objective stochastic numerical P systems | |
CN114266165A (zh) | 考虑碳排放的蒸汽动力系统中蒸汽透平布局优化方法 | |
Xie et al. | Multi-energy optimization under the water-energy-carbon nexus in a typical iron and steel plant | |
Zhang et al. | Low-carbon economic dispatch of integrated energy system based on liquid carbon dioxide energy storage | |
CN104991531A (zh) | 一种确定钢铁企业副产煤气系统优化调度可行解的方法 | |
CN112862158A (zh) | 一种综合能源系统日前优化调度方法及系统 | |
Zhang et al. | A review on configuration optimization of hybrid energy system based on renewable energy | |
CN104268789A (zh) | 一种确定钢铁企业能源综合调度可行解的方法 | |
CN109598045A (zh) | 钢铁企业基于能源仿真的多能源介质综合优化调配系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |