CN105303243A - 一种高炉煤气预测平衡调度系统及方法 - Google Patents
一种高炉煤气预测平衡调度系统及方法 Download PDFInfo
- Publication number
- CN105303243A CN105303243A CN201410253740.6A CN201410253740A CN105303243A CN 105303243 A CN105303243 A CN 105303243A CN 201410253740 A CN201410253740 A CN 201410253740A CN 105303243 A CN105303243 A CN 105303243A
- Authority
- CN
- China
- Prior art keywords
- blast furnace
- furnace gas
- gas
- consumption
- data
- 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
- 238000000034 method Methods 0.000 title claims abstract description 42
- 239000003034 coal gas Substances 0.000 claims abstract description 68
- 238000007726 management method Methods 0.000 claims abstract description 29
- 238000007405 data analysis Methods 0.000 claims abstract description 18
- 238000012545 processing Methods 0.000 claims abstract description 18
- 238000004519 manufacturing process Methods 0.000 claims description 48
- 239000003245 coal Substances 0.000 claims description 44
- 238000013461 design Methods 0.000 claims description 35
- 229910000831 Steel Inorganic materials 0.000 claims description 16
- 239000010959 steel Substances 0.000 claims description 16
- 238000005070 sampling Methods 0.000 claims description 14
- 238000004939 coking Methods 0.000 claims description 12
- 230000003139 buffering effect Effects 0.000 claims description 9
- 239000000571 coke Substances 0.000 claims description 9
- 238000003723 Smelting Methods 0.000 claims description 8
- 238000005096 rolling process Methods 0.000 claims description 8
- 238000009826 distribution Methods 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 230000002452 interceptive effect Effects 0.000 claims description 3
- 238000009792 diffusion process Methods 0.000 abstract description 2
- 238000013500 data storage Methods 0.000 abstract 1
- 238000005265 energy consumption Methods 0.000 abstract 1
- 239000007789 gas Substances 0.000 description 278
- 230000000875 corresponding effect Effects 0.000 description 11
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 10
- 230000008439 repair process Effects 0.000 description 7
- 229910052742 iron Inorganic materials 0.000 description 5
- 238000002485 combustion reaction Methods 0.000 description 3
- 238000013016 damping Methods 0.000 description 3
- 239000006227 byproduct Substances 0.000 description 2
- 230000005055 memory storage Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- 238000010079 rubber tapping Methods 0.000 description 2
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 239000003818 cinder Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000005431 greenhouse gas Substances 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 230000009329 sexual behaviour Effects 0.000 description 1
- 239000002893 slag Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 208000011580 syndromic disease Diseases 0.000 description 1
- 238000010977 unit operation Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
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
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Manufacture Of Iron (AREA)
Abstract
本发明提供一种高炉煤气预测平衡调度系统及方法，包括高炉煤气发生和消耗设备、系统历史数据库、数据采集处理模块、数据分析模块、高炉煤气预测模块、高炉煤气平衡调度模块及煤气管控中心。高炉煤气发生和消耗设备将相关数据及参数传给系统历史数据库，数据采集处理模块读取和处理后，经数据分析模块分类标定后存到标定数据存储子模块中。高炉煤气预测模块预测出计划事件时间或突发事件时间内的高炉煤气发生量和消耗量，高炉煤气平衡调度模块对预测量进行平衡，并将预测煤气量进行优化，由煤气管控中心将调度方案提供给高炉煤气发生与消耗设备。本发明可极大提高煤气预测结果的及时性和准确性，减少高炉煤气的放散量，降低能源消耗。
Description
技术领域
本发明属于自动控制领域，尤其涉及一种钢铁行业副产高炉煤气发生量和消耗量预测及高炉煤气优化平衡的系统。
背景技术
高炉煤气(BFG)是高炉炼铁的副产品,主要可燃成份为CO、H2和少量的CH4,还含有大量的N2和CO2，是钢铁企业中非常重要的二次能源。其回收利用水平与供需平衡调度对钢铁企业节能减排具有重要意义。由于高炉煤气的发生与消耗随时发生变化，供需之间的不平衡时有发生，使得钢铁企业的高炉煤气有时大量放散，有时出现短缺。尤其对于临时检修引起的煤气不平衡问题，不能及时做出应对措施，致使煤气管网波动较大，造成煤气放散，浪费能源。
专利公开号CN101709919A公开了一种用于钢铁企业的煤气平衡装置及煤气平衡工艺，该装置在煤气回收管道的一端与煤气排放装置连接，另一端与煤气存储装置连接。煤气存储装置通过煤气输出管道与用气装置连接。该装置只是被动的在煤气出现过剩或缺口时，通过煤气用气和排放装置对煤气进行调整，很难及时对整个煤气系统进行优化调度。CN103439926A公开了一种钢铁企业煤气优化调度装置，该装置利用各工序煤气消耗量与生成量历史数据和煤气柜存量数据，对煤气当前时刻和未来时刻的生成量和消耗量进行预测，并通过优化器基于上述预测数据，进行煤气分配优化。该种装置在煤气生成量和消耗量的预测上利用历史数据进行估算，很难保证预测数据准确性。CN103426035A公开了一种钢铁行业副产高炉煤气自平衡调度系统及产消量预测方法。该方法通过高炉煤气预测子系统根据收集的原始数据预测高炉煤气发生消耗量；高炉煤气产消平衡调度子系统通过预测煤气发生消耗量及原有煤气存储量判断煤气量供需情况，给出平衡调度方案。该方法通过训练好的神经网络模型对高炉煤气发生量/消耗量进行预测，但没有考虑煤气发生工序和煤气消耗工序的不同，在预测结果上也很难保证准确性。
综上所述，以上各种装置及方法在高炉煤气预测上，没有考虑到煤气发生工序和煤气消耗工序的不同，而且即使对于煤气发生或消耗的同一工序也由于生产状态的不同，在煤气预测上很难有某一种预测模型可以保证对所有生产状态的预测准确。因此，亟需探寻更加准确有效的高炉煤气预测及平衡调度系统。
发明内容
本发明旨在提供一种可提高煤气预测结果的及时性和准确性，并为生产现场提供高炉煤气优化调度方案，从而减少高炉煤气放散量，降低能源消耗的高炉煤气预测及平衡调度系统。
为达此目的，本发明采取的解决方案为：
一种高炉煤气预测及平衡调度系统，包括高炉煤气发生设备、高炉煤气消耗设备、系统历史数据库、数据采集处理模块、数据分析模块、高炉煤气预测模块、高炉煤气平衡调度模块及煤气管控中心。
数据采集处理模块由数据采集子模块和数据除干扰子模块组成，数据分析模块由煤气发生量标定子模块、煤气消耗量标定子模块及标定数据存储子模块组成，高炉煤气预测模块由计划与突发事件子模块、发生量预测子模块及消耗量预测子模块组成，高炉煤气平衡调度模块由煤气平衡子模块和煤气调度子模块组成。
高炉煤气发生设备和高炉煤气消耗设备均分别与系统历史数据库及煤气管控中心连接，系统历史数据库连接数据采集处理模块，数据采集处理模块分别与数据分析模块的煤气发生量标定子模块和煤气消耗量标定子模块连接，数据分析模块连接高炉煤气预测模块，高炉煤气预测模块与高炉煤气平衡调度模块连接，高炉煤气平衡调度模块连接煤气管控中心，煤气管控中心还分别与高炉煤气预测模块的突发事件子模块及高炉煤气平衡调度模块的煤气平衡子模块连接。
一种高炉煤气预测平衡调度方法，其具体方法为：
高炉煤气发生设备与高炉煤气消耗设备将高炉煤气发生量数据、高炉煤气消耗量数据及设备运行参数传送给系统历史数据库，数据采集处理模块中的数据采集子模块从系统历史数据库中读取高炉煤气发生设备与高炉煤气消耗设备的历史高炉煤气数据，数据除干扰子模块对以上采集的历史高炉煤气数据进行除干扰处理，运用小波分析及滤波方法，将煤气历史数据中的干扰数据剔除；经过处理后的数据进入数据分析模块中，其中各高炉的煤气发生量数据及高炉的主要运行指标和运行状态数据，进入煤气发生量标定子模块，煤气发生量标定子模块根据各高炉运行状态的历史数据，对高炉煤气发生量数据进行分类：对于正常生产状态下的数据，将相同标准工况下的高炉煤气发生量数据进行归类标定；对于非正常生产状态下的数据，将相同非标准工况下的的高炉煤气发生量数据进行归类标定；其中各个高炉煤气消耗用户消耗高炉煤气量数据，及煤气消耗用户的主要运行指标和运行状态数据，进入煤气消耗量标定子模块，煤气消耗量标定子模块根据各个煤气消耗用户运行状态历史数据，对高炉煤气消耗量数据进行分类，并采用与上述煤气发生量标定子模块相同方式进行归类标定，分类标定完的数据存储到标定数据存储子模块中。
高炉煤气发生设备与高炉煤气消耗设备向煤气管控中心提供生产、检修计划事件或突发事件，煤气管控中心向高炉煤气预测模块的计划与突发事件子模块中输入高炉煤气相关各个主体设备的生产、检修计划或突发事件；发生量预测子模块根据计划与突发事件子模块中各个高炉的计划或突发事件，分辨出每个高炉在不同时间点下的生产状态及主要运行工况，进而根据数据存储子模块中高炉煤气发生量在不同生产状态、不同工况下的标定数据，通过煤气发生量预测模型计算出计划事件或突发事件时间内的各个高炉煤气发生预测量；消耗量预测子模块也根据计划与突发事件子模块中各个消耗高炉煤气主体设备的计划或突发事件，分辨出每个主体设备在不同时间点下的生产状态及主要运行工况，并根据对应的标定数据通过煤气消耗量预测模型计算出计划或突发事件时间内的各个主体设备高炉煤气消耗预测量。
高炉煤气平衡调度模块中的高炉煤气平衡子模块，通过高炉煤气平衡调度模型对计划事件或突发事件时间内高炉煤气发生与消耗预测量进行供需平衡对比，对高炉煤气系统的平衡性进行判断：如高炉煤气系统满足平衡条件，则直接通过高炉煤气调度子模块将预测发生的高炉煤气进行调度分配；若没有满足平衡条件，需要判断输入事件是否为计划事件；如输入事件为计划事件，需将生产、检修计划返回煤气管控中心，重新对生产计划或检修计划进行调整，再将计划事件输入到计划与突发事件子模块中，并预测煤气发生量及消耗量，对煤气系统平衡性重新进行判断，只有高炉煤气系统达到平衡条件后，才通过高炉煤气调度子模块将预测发生的高炉煤气进行调度分配；如输入事件为突发事件时，则不对高炉煤气系统平衡性进行判断，直接通过高炉煤气调度子模块对突发事件下的煤气发生量进行分配调度，最大化减小突发事件对高炉煤气用户系统的冲击影响。
高炉煤气调度子模块通过高炉煤气平衡调度模型，采用专家系统模式给出合理的高炉煤气调度方案，并将高炉煤气调度方案提供给煤气管控中心，煤气管控中心将高炉煤气调度方案提供给高炉煤气发生设备与高炉煤气消耗设备，指导高炉煤气发生设备与高炉煤气消耗设备的运行，保证高炉煤气供需平衡，减少高炉煤气放散量。
所述煤气发生量预测模型为：
公式中，i表示第i座高炉，n表示共有n座高炉；j表示标准工况下的第j个影响事件，s表示标准工况下共有s个影响事件；k表示标准工况下的第k个影响事件，t表示非标准工况下共有t个影响事件；QBFG发生量表示高炉煤气总发生量；QiBFG标准工况发生量表示第i座高炉在标准工况下的高炉煤气发生量；QiBFG非标准工况 发生量表示第i座高炉在非标准工况下的高炉煤气发生量；MjBFG标准工况下发生量影响事件表示第i座高炉在标准工况下的第j个影响事件对高炉煤气发生量的影响系数；MkBFG非标准工况下发生量影响事件表示第i座高炉在非标准工况下的第k个影响事件对高炉煤气发生量的影响系数。
所述煤气消耗量预测模型为：
公式中，i表示热风炉、焦炉、发电设备等消耗高炉煤气用户，n表示共有n个高炉煤气消耗用户；j表示对应i高炉煤气消耗用户在标准工况下的第j个影响事件，s表示对应i高炉煤气消耗用户在标准工况下共有s个影响事件；k表示对应i高炉煤气消耗用户在非标准工况下的第k个影响事件，t表示对应i高炉煤气消耗用户在非标准工况下共有t个影响事件；QBFG消耗量表示高炉煤气总消耗量；QiBFG标准工况消耗量表示第i个高炉煤气消耗用户在标准工况下的高炉煤气消耗量；QiBFG非标准工况消耗量表示第i个高炉煤气消耗用户在非标准工况下的高炉煤气消耗量；MjBFG标准工况下消耗量影响事件表示第i个高炉煤气消耗用户在标准工况下的第j个影响事件对高炉煤气消耗量的影响系数；MkBFG非标准工况下消耗量影响事件表示第i个高炉煤气消耗用户在非标准工况下的第k个影响事件对高炉煤气消耗量的影响系数。
所述高炉煤气平衡调度模型为：
Qi煤气发生量表示第i座高炉的高炉煤气发生量；Mj影响煤气发生量事件表示第i座高炉的第j个影响事件对高炉煤气发生量的影响系数；Qi炼铁工序煤气消耗量表示第i个炼铁工序的高炉煤气消耗量；Mj影响炼铁工序消耗量事件表示第i个炼焦工序的第j个影响事件对高炉煤气消耗量的影响系数；Qi炼焦工序煤气消耗量表示第i个炼焦工序的高炉煤气消耗量；Mj影响炼焦工序消耗量事件表示第i个炼焦工序的第j个影响事件对高炉煤气消耗量的影响系数；Qi轧钢工 序煤气消耗量表示第i个轧钢工序的高炉煤气消耗量；Mj影响轧钢工序消耗量事件表示第i个轧钢工序的第j个影响事件对高炉煤气消耗量的影响系数；Qi发电缓冲量表示第i个发电工序的高炉煤气缓冲量；Mj影响发电缓冲量事件表示第i个发电工序的第j个影响事件对高炉煤气缓冲量的影响系数；Qi其它消耗量表示第i个其它工序的高炉煤气消耗量；Mj影响其它消耗量事件表示第i个其它工序的第j个影响事件对高炉煤气消耗量的影响系数；Qi放散量表示第i个高炉煤气放散塔的高炉煤气放散量；Mj影响放散量事件表示第i个高炉煤气放散塔的第j个影响事件对高炉煤气放散量的影响系数。
本发明的有益效果为：
本发明根据煤气发生工序和煤气消耗工序的不同，建立一种高炉煤气的预测及平衡调度系统，可极大提高煤气预测结果的及时性和准确性，为生产现场提供高炉煤气的优化调度方案，从而大大减少高炉煤气的放散量，降低能源消耗，减少温室气体排放。
附图说明
图1是高炉煤气预测及平衡调度系统结构框图；
图2是高炉煤气预测及平衡调度方法流程图。
图中：高炉煤气发生设备1、高炉煤气消耗设备2、系统历史数据库3、数据采集处理模块4、数据采集子模块5、数据除干扰子模块6、数据分析模块7、煤气发生量标定子模块8、煤气消耗量标定子模块9、标定数据存储子模块10、高炉煤气预测模块11、计划与突发事件子模块12、发生量预测子模块13、消耗量预测子模块14、高炉煤气平衡调度模块15、煤气平衡子模块16、煤气调度子模块17、煤气管控中心18。
具体实施方式
由图1可见，本发明高炉煤气预测及平衡调度系统主要是由高炉煤气发生设备1、高炉煤气消耗设备2、系统历史数据库3、数据采集处理模块4、数据分析模块7、高炉煤气预测模块11、高炉煤气平衡调度模块15及煤气管控中心18所组成。
数据采集处理模块4由数据采集子模块5和数据除干扰子模块6组成，数据分析模块7由煤气发生量标定子模块8、煤气消耗量标定子模块9及标定数据存储子模块10组成，高炉煤气预测模块11由计划与突发事件子模块12、发生量预测子模块13及消耗量预测子模块14组成，高炉煤气平衡调度模块15由煤气平衡子模块16和煤气调度子模块17组成。其相互连接通讯方式为：
高炉煤气发生设备1和高炉煤气消耗设备2均分别与系统历史数据库3及煤气管控中心18连接，系统历史数据库3连接数据采集处理模块4，数据采集处理模块4分别与数据分析模块7的煤气发生量标定子模块8和煤气消耗量标定子模块9连接，数据分析模块7连接高炉煤气预测模块11，高炉煤气预测模块11与高炉煤气平衡调度模块15连接，高炉煤气平衡调度模块15连接煤气管控中心18，煤气管控中心18还分别与高炉煤气预测模块11的突发事件子模块12以及高炉煤气平衡调度模块15的煤气平衡子模块16连接。
本发明高炉煤气预测平衡调度方法的具体内容是：高炉煤气发生设备1与高炉煤气消耗设备2将高炉煤气发生量、高炉煤气消耗量数据及设备运行参数传送给系统历史数据库3。而数据采集处理模块4中的数据采集子模块5从系统历史数据库3中读取高炉煤气历史数据，包括各个高炉的煤气发生量数据，各个高炉的主要运行指标及运行状态，各个高炉煤气消耗用户消耗高炉煤气量数据，各个煤气消耗用户的主要运行指标及运行状态。数据采集处理模块4中的数据除干扰子模块6对以上采集的历史高炉煤气数据进行抗干扰处理，运用小波分析及滤波方法，将煤气历史数据中的干扰数据剔除。经过处理后的数据进入数据分析模块7中，其中关于各高炉的煤气发生量数据及高炉的主要运行指标和运行状态数据，进入煤气发生量标定子模块8，煤气发生量标定子模块8根据各个高炉运行状态提供的历史数据，对高炉煤气发生量数据是属于正常生产状态下的数据或是非正常生产状态下的数据进行分类。对于正常生产状态下的数据，将相同运行标准工况下的高炉煤气发生量数据进行归类标定。高炉在正常生产中，高炉煤气发生量主要与高炉铁水产量、焦比、煤比、风量、风温及富氧量等参数相关，在连续生产过程中，如高炉主要技术指标无波动，高炉煤气量基本稳定。因此，在高炉正常生产状态下，高炉煤气发生量数据标定主要以上高炉技术指标为影响事件。对于非正常生产状态下的数据，将相同非标准工况下的的高炉煤气发生量数据进行归类标定。按照高炉检修标准，每座高炉1.5年大修1次，时间5～10天；2.5～3个月定修1次，平均每年3次，每次时间12-24小时。每座高炉，正常生产作业为8400～8500小时左右，有1次年修和3次月定修，
影响时间为180～300小时，非计划临时休风率为1.2～0.75％，影响时间60～100小时，累计影响时间为240～400小时。高炉临时非计划休风，为计划外临时维修项目。如处理悬料和出管道、更换风口和渣口、
封堵出铁和出渣口延时及待料等。高炉休减风主要计划安排的年修、月定修和非计划临时休风等事件影响，
直接造成高炉煤气发生量变化或出现波动。表1为高炉在非基准工况过程煤气发生量简略数据表。
表1、高炉非标准工况过程煤气发生量简略数据表
对于非标准工况下的高炉煤气发生量数据按照休风时间进行归类标定。根据每个高炉所有影响事件数据表和每一事件所对应煤气发生变化过程数据表。建立事件数据表和对应煤气标准与非标准工况过程变化数据表，对该工况点煤气系统运行变化过程和瞬时状态及煤气发生量预测。
其中各个高炉煤气消耗用户消耗高炉煤气量数据及煤气消耗用户的主要运行指标和运行状态数据，进入数据分析模块7中煤气消耗量标定子模块9；对于大型钢铁联合企业，高炉煤气主要消耗用户为炼铁工序热风炉消耗高炉煤气占总量的40％左右；化工厂炼焦工序消耗高炉煤气占总量的30％左右；发电系统(如包括CCPP)消耗高炉煤气总量的20％左右；其它小用户占总量的10％左右。因此，对于高炉煤气消耗用户消耗高炉煤气量数据标定，也是以热风炉、焦炉和发电设备为主要标定对象。煤气消耗量标定子模块9根据各个煤气消耗用户运行状态的历史数据，对高炉煤气消耗量数据是属于正常生产状态下的数据，或是非正常生产状态下的数据进行分类，并通过以上相同方式进行归类标定。分类标定完的数据存储到标定数据存储子模块中10。高炉煤气消耗用户分为停产和运行两种运行状态，在停产检修时，煤气消耗量为零。以热风炉为例，单台热风炉正常运行时，一个工作周期包括燃烧期、送风期、换炉期三个阶段，只有燃烧期才消耗煤气。其工作周期短、工作周期内三个阶段互换频繁，煤气消耗量波动频繁，且波动幅度较大。因此，对于高炉煤气消耗用户热风炉在正常生产状态下的数据可以根据热风炉不同燃烧期、送风期、换炉期进行标定；发电设备以CCPP为例，CCPP机组在停产检修时没有煤气消耗，在机组运行时消耗煤气；但其在正常运行时也分为多种运行状态，包括满负荷、半负荷、最低负荷等状态；因此，它的高炉煤气消耗量数据在正常生产状态下，还要以CCPP机组运行状态划分，进行数据标定。焦炉为连续生产，焦炉通常1.5月定修1次，每次6～8小时，每年8次计算，年影响时间估计在100小时左右。因此，对于焦炉消耗高炉煤气量数据要以焦炉正常生产和定修的运行状态划分进行数据标定。
高炉煤气发生设备1与高炉煤气消耗设备2向煤气管控中心18提供生产、检修计划事件或突发事件；煤气管控中心18向高炉煤气预测模块11的计划与突发事件子模块12中输入高炉煤气相关各个主体设备的生产、检修计划或突发事件，计划与突发事件子模块12对生产、检修计划或突发事件数据进行存储，并实现对生产、检修计划或突发事件的查询。高炉煤气相关各主体设备的生产、检修计划或突发事件是预测高炉煤气发生、消耗量的输入条件。需要注意的是，生产、检修计划事件的输入是为了预测计划时间内高炉煤气的发生、消耗量，进而通过高炉煤气发生、消耗量的平衡对比，对高炉煤气发生设备1与高炉煤气消耗设备2的生产、检修计划合理性给出意见；如计划时间内高炉煤气发生、消耗量达到平衡条件，可对计划时间内高炉煤气发生量进行分配调度，满足各个高炉煤气消耗用户的需求，使高炉煤气资源利用价值最大化。突发事件是指高炉煤气发生设备1与高炉煤气消耗设备2已经出现的非计划性事件，往往会造成高炉煤气系统的不平衡，而突发事件的输入是为了预测突发事件持续时间内高炉煤气的发生、消耗量，并通过煤气调度子模块17对突发事件造成的高炉煤气系统不平衡进行高炉煤气用户间的调节，最大化减小突发事件对高炉煤气系统的冲击。
发生量预测子模块13根据计划与突发事件子模块12中各个高炉的生产、检修计划事件或突发事件，可以分辨出每个高炉在不同时间点下的生产状态及主要运行工况，进而根据数据存储子模块10中高炉煤气发生量在不同生产状态不同工况下的标定数据，通过煤气发生量预测模型计算出计划事件时间内或突发事件时间内的各个高炉煤气发生预测量。高炉煤气发生量预测模型如下：
公式中：i表示第i座高炉，n表示共有n座高炉；j表示标准工况下的第j个发生量影响事件，s表示标准工况下共有s个发生量影响事件；k表示标准工况下的第k个发生量影响事件，t表示非标准工况下共有t个发生量影响事件。需要注意的是，当判断某一高炉i运行状态时，其只能在标准工况下或是在非标准工况下，即当处于标准工况下时，QiBFG非标准工况发生量＝0；处于非标准工况下时，QiBFG标准工况发生量=0。
消耗量预测子模块14也可以根据计划与突发事件子模块12中各个消耗高炉煤气主体设备的生产、检修计划事件或突发事件，分辨出每个主体设备在不同时间点下的生产状态及主要运行工况，并根据对应的标定数据通过煤气消耗量预测模型计算出计划事件或突发事件时间内的各个主体设备高炉煤气消耗预测量，高炉煤气消耗量预测模型如下：
公式中：i表示热风炉、焦炉、发电设备等消耗高炉煤气用户，n表示共有n个高炉煤气消耗用户；j表示对应i高炉煤气消耗用户在标准工况下的第j个消耗量影响事件，s表示对应i高炉煤气消耗用户在标准工况下共有s个消耗量影响事件；k表示对应i高炉煤气消耗用户在非标准工况下的第k个消耗量影响事件，t表示对应i高炉煤气消耗用户在非标准工况下共有t个消耗量影响事件。对应的i高炉煤气消耗用户，其运行状态时也只能在标准工况下或是在非标准工况下，即当处于标准工况下时，QiBFG非标准工况消耗量=0；；处于非标准工况下时，QiBFG标准工况消耗量＝0。
高炉煤气平衡调度模块15中的高炉煤气平衡子模块16，通过高炉煤气平衡调度模型对计划事件或突发事件时间内高炉煤气发生与消耗预测量进行供需平衡对比，对高炉煤气系统的平衡性进行判断。如高炉煤气系统满足平衡条件，则直接通过高炉煤气调度子模块17将预测发生的高炉煤气进行调度分配。如高炉煤气系统没有满足平衡条件，出现了高炉煤气大量富余或大量不足的情况，即高炉煤气发生量高出消耗量的5％或高炉煤气发生量低于消耗量的5％，那么需要判断输入事件是否为计划事件；如输入事件为计划事件，那么将生产、检修计划返回煤气管控中心18，重新对生产计划或检修计划进行调整，防止出现煤气的大量放散或缺口。调整生产计划或检修计划后，再将计划事件输入到计划与突发事件子模块12中，预测煤气发生、消耗量，对煤气系统平衡性进行判断，只有高炉煤气系统达到平衡条件后，才可通过高炉煤气调度子模块17将预测发生的高炉煤气进行调度分配。计划调整的基本原则是尽量在不影响生产计划的前提下，先调整检修计划，在生产计划调整仍无法满足煤气平衡条件下，则对检修计划进行调整。如输入事件为突发事件时，无需对高炉煤气系统平衡性进行判断，直接通过高炉煤气调度子模块17对突发事件下的煤气发生量进行分配调度，最大化减小突发事件对高炉煤气用户系统的冲击影响，减小生产的损失。
高炉煤气调度子模块17通过高炉煤气平衡调度模型，采用专家系统模式，即将企业煤气管理专家针对煤气供需中出现各种事件时的调度规则整理形成调度方案，调度规则主要包括高炉煤气用户优先级别的划分、高炉煤气调度区域的划分等；调度方案要先保证炼铁工序、炼焦工序的高炉煤气消耗，然后是轧钢工序中加热炉的高炉煤气消耗和其它消耗量，之后是发电的缓冲量；同时还要保证高炉煤气具有最低的放散量或过剩量。高炉煤气平衡调度模型如下：
通过以上高炉煤气平衡调度模型，高炉煤气调度子模块17可以给出合理的高炉煤气调度方案。并将高炉煤气调度方案提供给煤气管控中心18，煤气管控中心18将高炉煤气调度方案提供给高炉煤气发生设备1与高炉煤气消耗设备2，指导高炉煤气发生设备1与高炉煤气消耗设备2的运行，保证高炉煤气供需平衡，减少高炉煤气放散量。
Claims (5)
1.一种高炉煤气预测平衡调度系统，其特征在于，包括高炉煤气发生设备、高炉煤气消耗设备、系统历史数据库、数据采集处理模块、数据分析模块、高炉煤气预测模块、高炉煤气平衡调度模块及煤气管控中心；数据采集处理模块由数据采集子模块和数据除干扰子模块组成，数据分析模块由煤气发生量标定子模块、煤气消耗量标定子模块及标定数据存储子模块组成，高炉煤气预测模块由计划与突发事件子模块、发生量预测子模块及消耗量预测子模块组成，高炉煤气平衡调度模块由煤气平衡子模块和煤气调度子模块组成；
高炉煤气发生设备和高炉煤气消耗设备均分别与系统历史数据库及煤气管控中心连接，系统历史数据库连接数据采集处理模块，数据采集处理模块分别与数据分析模块的煤气发生量标定子模块和煤气消耗量标定子模块连接，数据分析模块连接高炉煤气预测模块，高炉煤气预测模块与高炉煤气平衡调度模块连接，高炉煤气平衡调度模块连接煤气管控中心，煤气管控中心还分别与高炉煤气预测模块的突发事件子模块及高炉煤气平衡调度模块的煤气平衡子模块连接。
2.一种应用权利要求1所述高炉煤气预测平衡调度系统的方法，其特征在于，具体预测平衡调度方法为：
高炉煤气发生设备与高炉煤气消耗设备将高炉煤气发生量数据、高炉煤气消耗量数据及设备运行参数传送给系统历史数据库，数据采集处理模块中的数据采集子模块从系统历史数据库中读取高炉煤气发生设备与高炉煤气消耗设备的历史高炉煤气数据，数据除干扰子模块对以上采集的历史高炉煤气数据进行除干扰处理，运用小波分析及滤波方法，将煤气历史数据中的干扰数据剔除；经过处理后的数据进入数据分析模块中，其中各高炉的煤气发生量数据及高炉的主要运行指标和运行状态数据，进入煤气发生量标定子模块，煤气发生量标定子模块根据各高炉运行状态的历史数据，对高炉煤气发生量数据进行分类：对于正常生产状态下的数据，将相同标准工况下的高炉煤气发生量数据进行归类标定；对于非正常生产状态下的数据，将相同非标准工况下的的高炉煤气发生量数据进行归类标定；其中各个高炉煤气消耗用户消耗高炉煤气量数据，及煤气消耗用户的主要运行指标和运行状态数据，进入煤气消耗量标定子模块，煤气消耗量标定子模块根据各个煤气消耗用户运行状态历史数据，对高炉煤气消耗量数据进行分类，并采用与上述煤气发生量标定子模块相同方式进行归类标定，分类标定完的数据存储到标定数据存储子模块中；
高炉煤气发生设备与高炉煤气消耗设备向煤气管控中心提供生产、检修计划事件或突发事件，煤气管控中心向高炉煤气预测模块的计划与突发事件子模块中输入高炉煤气相关各个主体设备的生产、检修计划或突发事件；发生量预测子模块根据计划与突发事件子模块中各个高炉的计划或突发事件，分辨出每个高炉在不同时间点下的生产状态及主要运行工况，进而根据数据存储子模块中高炉煤气发生量在不同生产状态、不同工况下的标定数据，通过煤气发生量预测模型计算出计划事件或突发事件时间内的各个高炉煤气发生预测量；消耗量预测子模块也根据计划与突发事件子模块中各个消耗高炉煤气主体设备的计划或突发事件，分辨出每个主体设备在不同时间点下的生产状态及主要运行工况，并根据对应的标定数据通过煤气消耗量预测模型计算出计划或突发事件时间内的各个主体设备高炉煤气消耗预测量；
高炉煤气平衡调度模块中的高炉煤气平衡子模块，通过高炉煤气平衡调度模型对计划事件或突发事件时间内高炉煤气发生与消耗预测量进行供需平衡对比，对高炉煤气系统的平衡性进行判断：如高炉煤气系统满足平衡条件，则直接通过高炉煤气调度子模块将预测发生的高炉煤气进行调度分配；若没有满足平衡条件，需要判断输入事件是否为计划事件；如输入事件为计划事件，需将生产、检修计划返回煤气管控中心，重新对生产计划或检修计划进行调整，再将计划事件输入到计划与突发事件子模块中，并预测煤气发生量及消耗量，对煤气系统平衡性重新进行判断，只有高炉煤气系统达到平衡条件后，才通过高炉煤气调度子模块将预测发生的高炉煤气进行调度分配；如输入事件为突发事件时，则不对高炉煤气系统平衡性进行判断，直接通过高炉煤气调度子模块对突发事件下的煤气发生量进行分配调度，最大化减小突发事件对高炉煤气用户系统的冲击影响；
高炉煤气调度子模块通过高炉煤气平衡调度模型，采用专家系统模式，给出合理的高炉煤气调度方案，并将高炉煤气调度方案提供给煤气管控中心，煤气管控中心将高炉煤气调度方案提供给高炉煤气发生设备与高炉煤气消耗设备，指导高炉煤气发生设备与高炉煤气消耗设备的运行，保证高炉煤气供需平衡，减少高炉煤气放散量。
3.根据权利要求2所述的高炉煤气预测平衡调度系统的方法，其特征在于，所述煤气发生量预测模型为：
公式中，i表示第i座高炉，n表示共有n座高炉；j表示标准工况下的第j个发生量影响事件，s表示标准工况下共有s个发生量影响事件；k表示标准工况下的第k个发生量影响事件，t表示非标准工况下共有t个发生量影响事件；QBFG发生量表示高炉煤气总发生量；QiBFG标 准工况发生量表示第i座高炉在标准工况下的高炉煤气发生量；QiBFG非标准工况发生量表示第i座高炉在非标准工况下的高炉煤气发生量；MjBFG标准工况下发生量影响事件表示第i座高炉在标准工况下的第j个影响事件对高炉煤气发生量的影响系数；MkBFG非标准工况下发生量影响事件表示第i座高炉在非标准工况下的第k个影响事件对高炉煤气发生量的影响系数。
4.根据权利要求2所述的高炉煤气预测平衡调度系统的方法，其特征在于，所述煤气消耗量预测模型为：
公式中，i表示热风炉、焦炉、发电设备等消耗高炉煤气用户，n表示共有n个高炉煤气消耗用户；j表示对应i高炉煤气消耗用户在标准工况下的第j个消耗量影响事件，s表示对应i高炉煤气消耗用户在标准工况下共有s个消耗量影响事件；k表示对应i高炉煤气消耗用户在非标准工况下的第k个消耗量影响事件，t表示对应i高炉煤气消耗用户在非标准工况下共有t个消耗量影响事件；QBFG消耗量表示高炉煤气总消耗量；QiBFG标准工况消耗量表示第i个高炉煤气消耗用户在标准工况下的高炉煤气消耗量；QiBFG非标准工况消耗量表示第i个高炉煤气消耗用户在非标准工况下的高炉煤气消耗量；MjBFG标准工况下消耗量影响事件表示第i个高炉煤气消耗用户在标准工况下的第j个影响事件对高炉煤气消耗量的影响系数；MkBFG非标准工况下消耗量影响事件表示第i个高炉煤气消耗用户在非标准工况下的第k个影响事件对高炉煤气消耗量的影响系数。
5.根据权利要求2所述的高炉煤气预测平衡调度系统的方法，其特征在于，所述高炉煤气平衡调度模型为：
Qi煤气发生量表示第i座高炉的高炉煤气发生量；Mj影响煤气发生量事件表示第i座高炉的第j个影响事件对高炉煤气发生量的影响系数；Qi炼铁工序煤气消耗量表示第i个炼铁工序的高炉煤气消耗量；Mj影响炼铁工序消耗量事件表示第i个炼焦工序的第j个影响事件对高炉煤气消耗量的影响系数；Qi炼焦 工序煤气消耗量表示第i个炼焦工序的高炉煤气消耗量；Mj影响炼焦工序消耗量事件表示第i个炼焦工序的第j个影响事件对高炉煤气消耗量的影响系数；Qi轧钢工序煤气消耗量表示第i个轧钢工序的高炉煤气消耗量；Mj影响轧钢工序消耗量事件表示第i个轧钢工序的第j个影响事件对高炉煤气消耗量的影响系数；Qi发电缓冲量表示第i个发电工序的高炉煤气缓冲量；Mj影响发电缓冲量事件表示第i个发电工序的第j个影响事件对高炉煤气缓冲量的影响系数；Qi其它消耗量表示第i个其它工序的高炉煤气消耗量；Mj影响其它消耗量事件表示第i个其它工序的第j个影响事件对高炉煤气消耗量的影响系数；Qi放散量表示第i个高炉煤气放散塔的高炉煤气放散量；Mj影响放散量事件表示第i个高炉煤气放散塔的第j个影响事件对高炉煤气放散量的影响系数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410253740.6A CN105303243B (zh) | 2014-06-09 | 2014-06-09 | 一种应用高炉煤气预测平衡调度系统的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410253740.6A CN105303243B (zh) | 2014-06-09 | 2014-06-09 | 一种应用高炉煤气预测平衡调度系统的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105303243A true CN105303243A (zh) | 2016-02-03 |
| CN105303243B CN105303243B (zh) | 2022-02-15 |
Family
ID=55200485
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410253740.6A Active CN105303243B (zh) | 2014-06-09 | 2014-06-09 | 一种应用高炉煤气预测平衡调度系统的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105303243B (zh) |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107918368A (zh) * | 2017-11-28 | 2018-04-17 | 东北大学 | 钢铁企业煤气产生量与消耗量的动态预测方法及设备 |
| CN108278599A (zh) * | 2017-12-27 | 2018-07-13 | 南京钢铁股份有限公司 | 一种加热炉煤气支管平焰烧嘴压力均衡标定方法 |
| CN109710976A (zh) * | 2018-11-28 | 2019-05-03 | 鞍钢集团自动化有限公司 | 一种轧钢加热炉煤气消耗量预测方法 |
| CN111549193A (zh) * | 2020-05-20 | 2020-08-18 | 南京南瑞继保电气有限公司 | 用于多座高炉热风炉的换炉方法、换炉装置及控制设备 |
| CN112068516A (zh) * | 2020-09-03 | 2020-12-11 | 南京罕华流体技术有限公司 | 基于精准控制技术的燃气锅炉协同运行方法 |
| CN112215464A (zh) * | 2020-09-04 | 2021-01-12 | 北京天泽智云科技有限公司 | 一种多工况下高炉煤气的预测平衡调度系统 |
| CN113805547A (zh) * | 2021-09-18 | 2021-12-17 | 合肥力拓云计算科技有限公司 | 一种能源生产平衡建模系统及其使用方法 |
| CN113988366A (zh) * | 2021-09-17 | 2022-01-28 | 国能浙江余姚燃气发电有限责任公司 | 一种燃气机组的发电气耗的预测方法、装置及存储介质 |
| CN115099510A (zh) * | 2022-07-06 | 2022-09-23 | 山东钢铁集团永锋临港有限公司 | 一种转炉煤气预测平衡调度方法 |
| CN116596231A (zh) * | 2023-05-09 | 2023-08-15 | 重庆赛迪奇智人工智能科技有限公司 | 一种铁水调度计划修正方法、装置、设备及存储介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102915006A (zh) * | 2012-09-12 | 2013-02-06 | 北京志能祥赢节能环保科技有限公司 | 一种冶金企业副产煤气离线分析在线调度方法 |
| CN103426035A (zh) * | 2013-08-12 | 2013-12-04 | 浙江大学 | 钢铁行业副产高炉煤气自平衡调度系统及产消量预测方法 |
| CN203930925U (zh) * | 2014-06-09 | 2014-11-05 | 鞍钢股份有限公司 | 一种高炉煤气预测平衡调度系统 |
-
2014
- 2014-06-09 CN CN201410253740.6A patent/CN105303243B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102915006A (zh) * | 2012-09-12 | 2013-02-06 | 北京志能祥赢节能环保科技有限公司 | 一种冶金企业副产煤气离线分析在线调度方法 |
| CN103426035A (zh) * | 2013-08-12 | 2013-12-04 | 浙江大学 | 钢铁行业副产高炉煤气自平衡调度系统及产消量预测方法 |
| CN203930925U (zh) * | 2014-06-09 | 2014-11-05 | 鞍钢股份有限公司 | 一种高炉煤气预测平衡调度系统 |
Non-Patent Citations (1)
| Title |
|---|
| 张琦等: ""钢铁企业高炉煤气供需预测模型及应用"", 《东北大学学报(自然科学版)》 * |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107918368A (zh) * | 2017-11-28 | 2018-04-17 | 东北大学 | 钢铁企业煤气产生量与消耗量的动态预测方法及设备 |
| CN108278599A (zh) * | 2017-12-27 | 2018-07-13 | 南京钢铁股份有限公司 | 一种加热炉煤气支管平焰烧嘴压力均衡标定方法 |
| CN109710976A (zh) * | 2018-11-28 | 2019-05-03 | 鞍钢集团自动化有限公司 | 一种轧钢加热炉煤气消耗量预测方法 |
| CN109710976B (zh) * | 2018-11-28 | 2023-05-16 | 鞍钢集团自动化有限公司 | 一种轧钢加热炉煤气消耗量预测方法 |
| CN111549193B (zh) * | 2020-05-20 | 2021-11-12 | 南京南瑞继保电气有限公司 | 用于多座高炉热风炉的换炉方法、换炉装置及控制设备 |
| CN111549193A (zh) * | 2020-05-20 | 2020-08-18 | 南京南瑞继保电气有限公司 | 用于多座高炉热风炉的换炉方法、换炉装置及控制设备 |
| CN112068516A (zh) * | 2020-09-03 | 2020-12-11 | 南京罕华流体技术有限公司 | 基于精准控制技术的燃气锅炉协同运行方法 |
| CN112068516B (zh) * | 2020-09-03 | 2022-03-08 | 南京罕华流体技术有限公司 | 基于精准控制技术的燃气锅炉协同运行方法 |
| CN112215464A (zh) * | 2020-09-04 | 2021-01-12 | 北京天泽智云科技有限公司 | 一种多工况下高炉煤气的预测平衡调度系统 |
| CN112215464B (zh) * | 2020-09-04 | 2024-05-07 | 北京天泽智云科技有限公司 | 一种多工况下高炉煤气的预测平衡调度系统 |
| CN113988366A (zh) * | 2021-09-17 | 2022-01-28 | 国能浙江余姚燃气发电有限责任公司 | 一种燃气机组的发电气耗的预测方法、装置及存储介质 |
| CN113805547A (zh) * | 2021-09-18 | 2021-12-17 | 合肥力拓云计算科技有限公司 | 一种能源生产平衡建模系统及其使用方法 |
| CN115099510A (zh) * | 2022-07-06 | 2022-09-23 | 山东钢铁集团永锋临港有限公司 | 一种转炉煤气预测平衡调度方法 |
| CN116596231A (zh) * | 2023-05-09 | 2023-08-15 | 重庆赛迪奇智人工智能科技有限公司 | 一种铁水调度计划修正方法、装置、设备及存储介质 |
| CN116596231B (zh) * | 2023-05-09 | 2024-02-06 | 重庆赛迪奇智人工智能科技有限公司 | 一种铁水调度计划修正方法、装置、设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105303243B (zh) | 2022-02-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105303243A (zh) | 一种高炉煤气预测平衡调度系统及方法 | |
| CN107818385B (zh) | 一种梯级水电站群实时运行趋势预测方法 | |
| US8065041B2 (en) | Concentrating control method of generating sets for grid energy saving and reduction of SO2 discharge | |
| JP5276294B2 (ja) | 負荷低減計画策定システム及びデマンド制御システム | |
| CN102915006B (zh) | 一种冶金企业副产煤气离线分析在线调度方法 | |
| CN111555281B (zh) | 一种电力系统灵活性资源配置仿真方法及装置 | |
| CN109245183A (zh) | 一种基于负荷控制的高风光渗透率地区电网调峰方法 | |
| CN107194514B (zh) | 一种针对风电功率预测误差的需求响应多时间尺度调度方法 | |
| CN102097828A (zh) | 一种基于功率预测的风电优化调度方法 | |
| CN112215464B (zh) | 一种多工况下高炉煤气的预测平衡调度系统 | |
| CN104573875A (zh) | 一种低碳化的电源电网优化规划的方法 | |
| Yang et al. | Optimal allocation of surplus gas and suitable capacity for buffer users in steel plant | |
| CN103514338A (zh) | 热风炉高炉煤气使用流量预测方法 | |
| CN113255982B (zh) | 一种风光水互补系统中长期优化调度方法 | |
| CN113298407B (zh) | 一种工业园区电-气综合能源系统优化调度模型建立方法 | |
| CN101082415A (zh) | 一种基于减少so2排放的发电机组实时集中控制方法 | |
| CN103439926A (zh) | 一种钢铁企业煤气优化调度装置 | |
| CN101593975B (zh) | 一种节能发电调度方法 | |
| CN102880912B (zh) | 一种煤气安全与经济评估方法 | |
| Lu et al. | Medium-and long-term interval optimal scheduling of cascade hydropower-photovoltaic complementary systems considering multiple uncertainties | |
| CN106547254B (zh) | 一种钢铁联合企业煤气的平衡及调度方法 | |
| Ma et al. | Long-term coordination for hydro-thermal-wind-solar hybrid energy system of provincial power grid | |
| Wang et al. | Real-time dispatch of hydro-photovoltaic (PV) hybrid system based on dynamic load reserve capacity | |
| Liwen et al. | An analysis on the low-carbon benefits of smart grid of China | |
| Ding et al. | Long-term operation rules of a hydro–wind–photovoltaic hybrid system considering forecast information |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |