CN107273619A - 一种钢铁企业静态能量流网络优化设计方法 - Google Patents
一种钢铁企业静态能量流网络优化设计方法 Download PDFInfo
- Publication number
- CN107273619A CN107273619A CN201710474894.1A CN201710474894A CN107273619A CN 107273619 A CN107273619 A CN 107273619A CN 201710474894 A CN201710474894 A CN 201710474894A CN 107273619 A CN107273619 A CN 107273619A
- Authority
- CN
- China
- Prior art keywords
- mtd
- mtr
- energy
- mrow
- msubsup
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/30—Circuit design
- G06F30/32—Circuit design at the digital level
- G06F30/33—Design verification, e.g. functional simulation or model checking
- G06F30/3323—Design verification, e.g. functional simulation or model checking using formal methods, e.g. equivalence checking or property checking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- 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
- Y02P80/00—Climate change mitigation technologies for sector-wide applications
- Y02P80/10—Efficient use of energy, e.g. using compressed air or pressurized fluid as energy carrier
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Marketing (AREA)
- Manufacturing & Machinery (AREA)
- Mathematical Optimization (AREA)
- General Health & Medical Sciences (AREA)
- Computer Networks & Wireless Communication (AREA)
- Mathematical Analysis (AREA)
- Primary Health Care (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- General Factory Administration (AREA)
Abstract
本发明提供一种钢铁企业静态能量流网络优化设计方法，能够提高能源转换效率。所述方法包括：获取钢铁流程各工序/设备的多种能源介质参数；根据获取的多种能源介质参数，以企业最大经济效益为目标，建立静态能量流网络数学模型；对建立的静态能量流网络数学模型进行求解，得到符合预设条件且具有最大经济效益的各能源介质的分配方案，所述预设条件包括：在满足生产用能平衡的前提下；根据得到的得到符合预设条件且具有最大经济效益的各能源介质的分配方案进行能源结构的优化调整，根据优化调整后的能源结构，确定静态能量流网络。本发明涉及大型钢铁企业能量利用优化与节能领域。
Description
技术领域
本发明涉及大型钢铁企业能量利用优化与节能领域，特别是指一种钢铁企业静态能量流网络优化设计方法。
背景技术
近年来，钢铁企业能量流主要研究的是参与和辅助各个生产、转换环节进行正常生产时各种能源的平衡，之前工作人员和研究者对此问题做了一定的研究。何佳毅等人运用仿真的方法对钢铁企业能源系统网络进行建模，将整个钢铁企业划分为五个子系统：生产系统、能源转换系统、回收系统、库存系统、连接系统，分别建立了能源产消单元模型。郑忠等人基于钢铁制造流程网络，建立了不同能量流的分层网络，通过分析工序和设备上物质能量流的转换关系，期望通过物质流和能量流的联动，使得能源管理系统更好地满足生产需求。孙彦广通过构建钢铁制造流程能量使用、能源回收和能源转换传输的网络化定量分析模型，实现钢铁企业能源系统动态运行仿真，提出多种能源介质分解-协调优化策略和实现方法。江文德通过建立钢铁企业能源系统的数学模型，利用线性规划的方法解决企业能源动态平衡和优化调度问题。
虽然当前针对系统节能和能量流网络的研究较多，但是当前的能量流网络(尤其是，静态能量流网络)设计主要是依据经验进行，钢铁企业缺乏对能量流网络整体能源结构和能源转换效率的评估，从而无法从能源结构上优化静态能量流网络。
发明内容
本发明要解决的技术问题是提供一种钢铁企业静态能量流网络优化设计方法，以解决现有技术所存在的无法从能源结构上优化静态能量流网络的问题。
为解决上述技术问题，本发明实施例提供一种钢铁企业静态能量流网络优化设计方法，包括：
获取钢铁流程各工序/设备的多种能源介质参数；
根据获取的多种能源介质参数，以企业最大经济效益为目标，建立静态能量流网络数学模型；
对建立的静态能量流网络数学模型进行求解，得到符合预设条件且具有最大经济效益的各能源介质的分配方案，所述预设条件包括：在满足生产用能平衡的前提下；
根据得到的得到符合预设条件且具有最大经济效益的各能源介质的分配方案进行能源结构的优化调整，根据优化调整后的能源结构，确定静态能量流网络。
进一步地，所述根据获取的多种能源介质参数，以企业最大经济效益为目标，建立静态能量流网络数学模型包括：
确定静态能量流网络数学模型的约束条件；
根据获取的多种能源介质参数及确定的约束条件，以企业最大经济效益为目标，在保证钢铁企业正常生产的条件下，结合生产实际，建立各能源介质的分配利用模型；
基于建立的各能源介质的分配利用模型，建立静态能量流网络数学模型。
进一步地，所述约束条件包括：能源供需平衡约束、能源介质约束、用能设备的操作约束、物料转换平衡约束、能量平衡约束和其他约束；
其中，所述其他约束包括：非负约束，初始值约束。
进一步地，所述静态能量流网络数学模型为：
其中，能源供需平衡约束表示为：
其中，n表示能源介质的种类，Ci表示能源介质i的市场价格，Ui表示能源介质i的盈余量，ri j表示能源介质i在工序/设备j中的回收量，表示能源介质i在工序/设备j中的使用量，bi表示能源介质i的放散量，m表示主生产系统共有m种工序/设备，k表示能源转换系统共有k种工序/设备，l表示辅助系统共有l种工序/设备。
进一步地，所述主生产系统包括高炉、焦炉、转炉生产系统；
所述能源转换系统包括：燃气蒸汽联合循环发电机组、热电联产技术能源转换系统；
所述辅助系统包括：空分、空压系统。
进一步地，所述对建立的静态能量流网络数学模型进行求解，得到符合预设条件且具有最大经济效益的各能源介质的分配方案包括：
利用遗传算法对建立的静态能量流网络数学模型进行求解，得到符合预设条件且具有最大经济效益的各能源介质的分配方案。
进一步地，所述利用遗传算法对建立的静态能量流网络数学模型进行求解，得到符合预设条件且具有最大经济效益的各能源介质的分配方案包括：
将求静态能量流网络数学模型最大值的参数集转换成二进制字符串，其中，所述参数集包括：各个工序/设备对应的各能源介质的回收量和使用量、及各能源介质的放散量；
采用乘法的形式构造惩罚函数，根据构造的惩罚函数产生带有惩罚项的适应度函数；
确定遗传策略，初始化种群及运行参数，所述运行参数包括：预设的停止准则和最大进化代数；
基于转换成的二进制字符串，利用适应度函数计算种群中每个个体的适应值；
根据确定的遗传策略，对转换成的二进制字符串运用复制、杂交、变异遗传算子，产生新群体，利用适应度函数计算新群体中每个个体的适应值；
判断新群体中每个个体的适应值是否满足预设的停止准则或当前进化代数已达到最大进化代数，若是，则停止迭代；否则，返回执行根据确定的遗传策略，对转换成的二进制字符串运用复制、杂交、变异遗传算子，产生新群体的步骤；
获取最大适应值对应的各个工序/设备对应的各能源介质的回收量和使用量、及各能源介质的放散量作为全局最优解。
进一步地，根据得到的得到符合预设条件且具有最大经济效益的各能源介质的分配方案进行能源结构的优化调整，根据优化调整后的能源结构，确定静态能量流网络包括：
根据获取的最大适应值对应的各个工序/设备对应的各能源介质的回收量和使用量、及各能源介质的放散量，进行能源结构的优化调整；
根据优化调整后的能源结构，确定静态能量流网络。
本发明的上述技术方案的有益效果如下：
上述方案中，根据获取的各工序/设备的多种能源介质参数，以企业最大经济效益为目标，建立静态能量流网络数学模型；对建立的静态能量流网络数学模型进行求解，得到符合预设条件且具有最大经济效益的各能源介质的分配方案，所述预设条件包括：在满足生产用能平衡的前提下；根据得到的得到符合预设条件且具有最大经济效益的各能源介质的分配方案进行能源结构的优化调整，根据优化调整后的能源结构，确定静态能量流网络；这样，以钢铁流程中各工序/设备为节点，获取钢铁流程各工序/设备的多种能源介质参数，将各能源介质整合成完整的静态能量流网络，且所述静态能量流网络是基于优化调整后的能源结构得到的，这样的静态能量流网络能够为企业提高能源转换效率，提升企业经济效益，还能为能量流网络的动态管控提供支持。
附图说明
图1为本发明实施例提供的钢铁企业静态能量流网络优化设计方法的流程示意图；
图2为本发明实施例提供的能量流网络设计构建原则示意图；
图3为本发明实施例提供的工序/设备的能源处理功能示意图；
图4为本发明实施例提供的能源分区域自治性管控示意图。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。
本发明针对现有的无法从能源结构上优化静态能量流网络的问题，提供一种钢铁企业静态能量流网络优化设计方法。
如图1所示，本发明实施例提供的钢铁企业静态能量流网络优化设计方法，包括：
S101，获取钢铁流程各工序/设备的多种能源介质参数；
S102，根据获取的多种能源介质参数，以企业最大经济效益为目标，建立静态能量流网络数学模型；
S103，对建立的静态能量流网络数学模型进行求解，得到符合预设条件且具有最大经济效益的各能源介质的分配方案，所述预设条件包括：在满足生产用能平衡的前提下；
S104，根据得到的得到符合预设条件且具有最大经济效益的各能源介质的分配方案进行能源结构的优化调整，根据优化调整后的能源结构，确定静态能量流网络。
本发明实施例所述的钢铁企业静态能量流网络优化设计方法，根据获取的各工序/设备的多种能源介质参数，以企业最大经济效益为目标，建立静态能量流网络数学模型；对建立的静态能量流网络数学模型进行求解，得到符合预设条件且具有最大经济效益的各能源介质的分配方案，所述预设条件包括：在满足生产用能平衡的前提下；根据得到的得到符合预设条件且具有最大经济效益的各能源介质的分配方案进行能源结构的优化调整，根据优化调整后的能源结构，确定静态能量流网络；这样，以钢铁流程中各工序/设备为节点，获取钢铁流程各工序/设备的多种能源介质参数，将各能源介质整合成完整的静态能量流网络，且所述静态能量流网络是基于优化调整后的能源结构得到的，这样的静态能量流网络能够为企业提高能源转换效率，提升企业经济效益，还能为能量流网络的动态管控提供支持。
为了实现本发明实施例提供的钢铁企业静态能量流网络优化设计方法，首先需获取钢铁流程各工序/设备的多种能源介质参数，具体的：
可以以吨钢能耗为单位，获取钢铁生产制造流程(简称：钢铁流程)各工序/设备的能源介质并进行解析研究，获取的能源介质可以包括但不限于：高炉煤气(Blast FurnaceGas，BFG)、焦炉煤气(Coke Oven Gas，COG)、转炉煤气(Ladle Furnace Gas，LDG)、蒸汽、电、技术气体等20余种；解析研究时，主要解析各能源介质的物化参数、能源利用/转换技术、能源转换效率、能源转换/利用的限制性条件、吨钢(铁)消耗量、产生量和回收量等。
在建立静态能量流网络数学模型之前，还需做以下假设：
a、不考虑能源设备容量约束，认为能源介质可以完全消耗。原因是在能源流网络设计环节，设备容量可调。
b、不考虑能源储存装置，储存量为零。原因是对于静态模型而言，只考虑钢铁流程正常生产情况，不考虑能源的波动。存储装置既不产生能源，也不消耗能源，对模型没有影响，因此存储量设为零。
c、给定生产条件下，认为主生产工序产能恒定，即主生产工序能源消耗恒定。原因是本文主要研究能源介质的优化分配及合理利用，因此需要保证主生产工序产能恒定，便于后续的对比分析。
d、认为各能源介质之间的相互替换不影响工序产能。
e、能源转换工序/设备若生产的是多产品，则以主产品为主，其它按比例输出。
本实施例中，为了建立静态能量流网络数学模型，如图2所示，可以从分层设计的角度研究能源介质的属性，能源网络包括：一次能源网络、煤气网络、蒸汽网络和电力网络，同时还包括图2中未显示的技术气体网络。各种能源网络之间即相互区分，又相互联系。同时，如图3所示，可以从分功能设计的角度解析能源介质相关工序/设备的能源处理功能，分别为：能源转换/转化功能、能源存储/缓冲功能、能源回收功能和能源使用功能。针对不同工序/设备，确定不同工序/设备在能量流网络中发挥的具体功能及相应的参数(例如：热转化率)，如图4所示，还可以从分能源介质自治性管控和分区域自治性管控、能源分布式利用以及能源中心统筹性管控四个方面来考虑；以企业最大经济效益为目标，在保证钢铁企业正常生产的条件下，建立静态能量流网络数学模型。
在前述钢铁企业静态能量流网络优化设计方法的具体实施方式中，进一步地，所述根据获取的多种能源介质参数，以企业最大经济效益为目标，建立静态能量流网络数学模型包括：
确定静态能量流网络数学模型的约束条件；
根据获取的多种能源介质参数及确定的约束条件，以企业最大经济效益为目标，在保证钢铁企业正常生产的条件下，结合生产实际，建立各能源介质的分配利用模型；
基于建立的各能源介质的分配利用模型，建立静态能量流网络数学模型。
本实施例中，根据获取的多种能源介质参数及确定的约束条件，以企业最大经济效益为目标，在保证钢铁企业正常生产的条件下，结合生产实际，建立各能源介质的分配利用模型；基于建立的各能源介质的分配利用模型，建立静态能量流网络数学模型。
约束条件反映了在实际情况下钢铁系统内部各物理量之间的关系以及外界对钢铁系统的整体要求。根据钢铁流程实际运行情况，归纳出了静态能量流网络数学建模所涉及的几种约束条件：
(1)能源供需平衡约束
在钢铁企业生产过程中，当企业生产状况给定时，包括主生产系统、能源转换系统、辅助系统等整个流程的能源消耗和发生量就会确定，进而就可以建立钢铁企业整个能源系统的供需平衡关系，具体表现形式如下所示：
式中：Ui表示能源介质i的盈余量，ri j表示能源i在工序j中的回收量，表示能源i在工序j中的使用量，bi表示能源介质i的放散量量，m表示主生产系统共有m种工序/设备，k表示能源转换系统共k种工序/设备，l表示辅助系统共l种工序/设备。
(2)能源介质约束
当钢铁生产流程的生产情况确定时，各能源介质的产生量和需求量也随之确定。对于煤气、蒸汽等能源介质来说，要求能源转换系统各用户能源介质的使用量和放散量的和不大于能源介质的产生量，具体描述如下：
对于除煤气、蒸汽以外的能源介质来说，要求钢铁生产的需求量、最大外销量以及放散量的和不大于能源介质的产生量：
式中：表示能源介质i的最大外销量。
(3)用能设备的操作约束
用能设备的操作约束主要反映了各用能工序/设备的工艺操作需求，即在使用某种煤气时，需要保证加热设备的温度要求，而加热温度直接取决于煤气热值的大小，热值过低，达不到加热温度要求，过高又对加热产生不利影响，因此需要把煤气的热值维持在一定的范围内，具体表现形式如下：
Qj,min≤Qj≤Qj,max
式中，Qj表示工序j混合煤气的热值，QBFG、QLDG、QCOG分别表示BFG、LDG、COG的热值，Qj,min、Qj,max分别表示工序j需求煤气热值的最小值和最大值、分别表示BFG、LDG、COG工序j中的使用量。
(4)物料转换平衡约束
在钢铁生产制造流程中，某些工序发挥着能源转换功能，将一种形式的能源介质转换成另一种的能源介质，它们之间存在着一定的平衡，具体表现为：
式中，表示能源介质l在工序j转换为能源介质i的转换效率。
(5)能量平衡约束
能量平衡约束主要分为两类：一类是根据能量守恒定律，能量在转换过程中总量始终保持不变，这里主要是指煤气、蒸汽、电力之间的相互转换过程之中的能量平衡，另一类是指能源介质之间的替换，需要保持能量总量的恒定，进而保证生产产能的恒定，这里主要是指加热炉能源介质的替代导致的能量总量的平衡。具体描述如下：
1)煤气—电转换能量平衡
2)煤气—蒸汽转换能量平衡
3)蒸汽—电力转换能量平衡
4)加热炉能源介质相互替换能量平衡
加热炉存在蓄热式加热技术，因此可以利用高炉煤气替代焦炉煤气使用，建立以下平衡约束：
式中，表示电在工序j中的回收量，分别表示蒸汽s1、s2、s3在工序j中的回收量，分别表示蒸汽s1、s2、s3在工序j中的使用量，ηj对于发电工序代表工序发电效率，对于产汽工序代表工序热效率，s1、s2、s3分别表示高压、中压、低压三种蒸汽，hele表示电的热值，hs1、hs2、hs3分别表示三种蒸汽的焓值，表示当钢铁流程生产恒定时，工序j高炉煤气、转炉煤气、焦炉煤气的初始消耗量。
(6)其它约束
1)非负约束
2)初始值约束
其中，initial value表示初始值。
本实施例中，优选地，所述静态能量流网络数学模型为：
其中，能源供需平衡约束表示为：
其中，n表示能源介质的种类，Ci表示能源介质i的市场价格，Ui表示能源介质i的盈余量，ri j表示能源介质i在工序/设备j中的回收量，表示能源介质i在工序/设备j中的使用量，bi表示能源介质i的放散量，m表示主生产系统共有m种工序/设备，k表示能源转换系统共有k种工序/设备，l表示辅助系统共有l种工序/设备。
本实施例中，所述静态能量流网络数学模型的能源介质约束、用能设备的操作约束、物料转换平衡约束、能量平衡约束、其它约束分别如上文(2)、(3)、(4)、(5)、(6)所示。
本实施例中，若Ui小于零，表示能源介质i需要从外部购进，若能源介质i等于零，表示能源介质i在钢铁企业内部达到供需平衡，若Ui大于零，则表示能源介质i向外供应。
本实施例所述的所述静态能量流网络数学模型主要是针对典型的“大型高炉—大型转炉—连铸—热轧”的钢铁流程建立的，涉及了包括主生产系统、能源转换系统、辅助系统中的30余种工序/设备，以及煤气、蒸汽、技术气体等20余种能源介质，基本覆盖了整个钢铁流程，能够较为详细的描述了能量流网络，因此，此数学模型不单单适用于特定的钢铁企业，也可以适用于其它大多数钢铁企业，仅仅只需要修改部分工序/设备的参数。
在前述钢铁企业静态能量流网络优化设计方法的具体实施方式中，进一步地，所述主生产系统包括高炉、焦炉、转炉生产系统；
所述能源转换系统包括：燃气蒸汽联合循环发电机组(Combined Cycle PowerPlant，CCPP)、热电联产技术(combined heat and power，CHP)能源转换系统；
所述辅助系统包括：空分、空压系统。
本实施例中，首先，利用建立的静态能量流网络数学模型可以获得各能源介质的优化分配方案，实现能源结构的优化调整，进而构建优化的静态能量流网络；其次，所述静态能量流网络数学模型可以通过改变能量流路径，以及设备转换参数，研究不同能源结构下各能源介质的优化分配方案，通过求解分析，分别获得各能源介质的最优分配方案以及企业最大经济效益。
在前述钢铁企业静态能量流网络优化设计方法的具体实施方式中，进一步地，所述对建立的静态能量流网络数学模型进行求解，得到符合预设条件且具有最大经济效益的各能源介质的分配方案包括：
利用遗传算法对建立的静态能量流网络数学模型进行求解，得到符合预设条件且具有最大经济效益的各能源介质的分配方案。
本实施例中，遗传算法是基于生物进化过程和遗传机理的全局启发式搜索算法，具有群体搜索策略，搜索依赖于适应值信息，而不依赖于其他辅助信息等特点。
在前述钢铁企业静态能量流网络优化设计方法的具体实施方式中，进一步地，所述利用遗传算法对建立的静态能量流网络数学模型进行求解，得到符合预设条件且具有最大经济效益的各能源介质的分配方案包括：
将求静态能量流网络数学模型最大值的参数集转换成二进制字符串，其中，所述参数集包括：各个工序/设备对应的各能源介质的回收量和使用量、及各能源介质的放散量；
采用乘法的形式构造惩罚函数，根据构造的惩罚函数产生带有惩罚项的适应度函数；
确定遗传策略，初始化种群及运行参数，所述运行参数包括：预设的停止准则和最大进化代数；
基于转换成的二进制字符串，利用适应度函数计算种群中每个个体的适应值；
根据确定的遗传策略，对转换成的二进制字符串运用复制、杂交、变异遗传算子，产生新群体，利用适应度函数计算新群体中每个个体的适应值；
判断新群体中每个个体的适应值是否满足预设的停止准则或当前进化代数已达到最大进化代数，若是，则停止迭代；否则，返回执行根据确定的遗传策略，对转换成的二进制字符串运用复制、杂交、变异遗传算子，产生新群体的步骤；
获取最大适应值对应的各个工序/设备对应的各能源介质的回收量和使用量、及各能源介质的放散量作为全局最优解。
本实施例中，为了满足约束条件，采用惩罚函数，通过构建惩罚函数限制不可行解，进而将约束化问题转换为无约束的简单问题。本实施例中，采用乘法的形式构造惩罚函数，将适应度函数改造为带有惩罚项的适应度函数；然后利用Java编写了遗传算法程序，对建立的静态能量流网络数学模型进行求解，具体的步骤可以包括：
A1.选择二进制编码策略，将求静态能量流网络数学模型最大值的参数集(各个工序/设备对应的各能源介质的回收量和使用量、及各能源介质的放散量)转换成二进制字符串。
A2.确定适应度函数f(x)：采用乘法的形式构造惩罚函数，根据构造的惩罚函数产生带有惩罚项的适应度函数。
A3.确定遗传策略，初始化种群和运行参数，所述运行参数包括：群体规模n、预设的停止准则和最大进化代数。
A4.基于转换成的二进制字符串，利用适应度函数计算种群中每个个体的适应值(适应值是筛选个体的依据，适应值越大表明结果与目标结果越接近)。
A5.根据确定的遗传策略，对转换成的二进制字符串运用复制、杂交、变异遗传算子，产生新群体，利用适应度函数计算新群体中每个个体的适应值。
A6.判断新群体中每个个体的适应值是否满足预设的停止准则或当前进化代数已达到最大进化代数，若是，则停止迭代；否则，返回执行A5。
A7.获取最大适应值对应的各个工序/设备对应的各能源介质的回收量和使用量、及各能源介质的放散量作为全局最优解，此时，静态能量流网络数学模型的值最大。
在前述钢铁企业静态能量流网络优化设计方法的具体实施方式中，进一步地，根据得到的得到符合预设条件且具有最大经济效益的各能源介质的分配方案进行能源结构的优化调整，根据优化调整后的能源结构，确定静态能量流网络包括：
根据获取的最大适应值对应的各个工序/设备对应的各能源介质的回收量和使用量、及各能源介质的放散量，进行能源结构的优化调整，根据优化调整后的能源结构，确定优化的静态能量流网络，其中，能源转化效率越高，则静态能量流网络越优化。
本实施例中，确定的静态能量流网络能够为能量流网络的动态策略管控研究奠定基础，为多产业的融合提供指导。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (8)
1.一种钢铁企业静态能量流网络优化设计方法，其特征在于，包括：
获取钢铁流程各工序/设备的多种能源介质参数；
根据获取的多种能源介质参数，以企业最大经济效益为目标，建立静态能量流网络数学模型；
对建立的静态能量流网络数学模型进行求解，得到符合预设条件且具有最大经济效益的各能源介质的分配方案，所述预设条件包括：在满足生产用能平衡的前提下；
根据得到的得到符合预设条件且具有最大经济效益的各能源介质的分配方案进行能源结构的优化调整，根据优化调整后的能源结构，确定静态能量流网络。
2.根据权利要求1所述的钢铁企业静态能量流网络优化设计方法，其特征在于，所述根据获取的多种能源介质参数，以企业最大经济效益为目标，建立静态能量流网络数学模型包括：
确定静态能量流网络数学模型的约束条件；
根据获取的多种能源介质参数及确定的约束条件，以企业最大经济效益为目标，在保证钢铁企业正常生产的条件下，结合生产实际，建立各能源介质的分配利用模型；
基于建立的各能源介质的分配利用模型，建立静态能量流网络数学模型。
3.根据权利要求2所述的钢铁企业静态能量流网络优化设计方法，其特征在于，所述约束条件包括：能源供需平衡约束、能源介质约束、用能设备的操作约束、物料转换平衡约束、能量平衡约束和其他约束；
其中，所述其他约束包括：非负约束，初始值约束。
4.根据权利要求2所述的钢铁企业静态能量流网络优化设计方法，其特征在于，所述静态能量流网络数学模型为：
<mfenced open = "" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mi>M</mi>
<mi>a</mi>
<mi>x</mi>
</mrow>
</mtd>
<mtd>
<mrow>
<mo>(</mo>
<mi>f</mi>
<mo>(</mo>
<msub>
<mi>U</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
<mo>)</mo>
<mo>=</mo>
<mi>M</mi>
<mi>a</mi>
<mi>x</mi>
<mo>(</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>C</mi>
<mi>i</mi>
</msub>
<mo>&CenterDot;</mo>
<msub>
<mi>U</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
其中，能源供需平衡约束表示为：
<mrow>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<msub>
<mi>U</mi>
<mn>1</mn>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>U</mi>
<mn>2</mn>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<mtable>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
</mtable>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>U</mi>
<mi>n</mi>
</msub>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>=</mo>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<mrow>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<msubsup>
<mi>r</mi>
<mn>1</mn>
<mi>j</mi>
</msubsup>
<mo>-</mo>
<msubsup>
<mi>v</mi>
<mn>1</mn>
<mi>j</mi>
</msubsup>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<msubsup>
<mi>r</mi>
<mn>2</mn>
<mi>j</mi>
</msubsup>
<mo>-</mo>
<msubsup>
<mi>v</mi>
<mn>2</mn>
<mi>j</mi>
</msubsup>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mtable>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
</mtable>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<msubsup>
<mi>r</mi>
<mi>n</mi>
<mi>j</mi>
</msubsup>
<mo>-</mo>
<msubsup>
<mi>v</mi>
<mi>n</mi>
<mi>j</mi>
</msubsup>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>+</mo>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<mrow>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mi>m</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
<mrow>
<mi>m</mi>
<mo>+</mo>
<mi>k</mi>
</mrow>
</munderover>
<msubsup>
<mi>r</mi>
<mn>1</mn>
<mi>j</mi>
</msubsup>
<mo>-</mo>
<msubsup>
<mi>v</mi>
<mn>1</mn>
<mi>j</mi>
</msubsup>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mi>m</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
<mrow>
<mi>m</mi>
<mo>+</mo>
<mi>k</mi>
</mrow>
</munderover>
<msubsup>
<mi>r</mi>
<mn>2</mn>
<mi>j</mi>
</msubsup>
<mo>-</mo>
<msubsup>
<mi>v</mi>
<mn>2</mn>
<mi>j</mi>
</msubsup>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mtable>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
</mtable>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mi>m</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
<mrow>
<mi>m</mi>
<mo>+</mo>
<mi>k</mi>
</mrow>
</munderover>
<msubsup>
<mi>r</mi>
<mi>n</mi>
<mi>j</mi>
</msubsup>
<mo>-</mo>
<msubsup>
<mi>v</mi>
<mi>n</mi>
<mi>j</mi>
</msubsup>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>+</mo>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<mrow>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mi>m</mi>
<mo>+</mo>
<mi>k</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
<mrow>
<mi>m</mi>
<mo>+</mo>
<mi>k</mi>
<mo>+</mo>
<mi>l</mi>
</mrow>
</munderover>
<msubsup>
<mi>r</mi>
<mn>1</mn>
<mi>j</mi>
</msubsup>
<mo>-</mo>
<msubsup>
<mi>v</mi>
<mn>1</mn>
<mi>j</mi>
</msubsup>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mi>m</mi>
<mo>+</mo>
<mi>k</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
<mrow>
<mi>m</mi>
<mo>+</mo>
<mi>k</mi>
<mo>+</mo>
<mi>l</mi>
</mrow>
</munderover>
<msubsup>
<mi>r</mi>
<mn>2</mn>
<mi>j</mi>
</msubsup>
<mo>-</mo>
<msubsup>
<mi>v</mi>
<mn>2</mn>
<mi>j</mi>
</msubsup>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mtable>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
</mtable>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mi>m</mi>
<mo>+</mo>
<mi>k</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
<mrow>
<mi>m</mi>
<mo>+</mo>
<mi>k</mi>
<mo>+</mo>
<mi>l</mi>
</mrow>
</munderover>
<msubsup>
<mi>r</mi>
<mi>n</mi>
<mi>j</mi>
</msubsup>
<mo>-</mo>
<msubsup>
<mi>v</mi>
<mi>n</mi>
<mi>j</mi>
</msubsup>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<msub>
<mi>b</mi>
<mn>1</mn>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>b</mi>
<mn>2</mn>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<mtable>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
</mtable>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>b</mi>
<mi>n</mi>
</msub>
</mtd>
</mtr>
</mtable>
</mfenced>
</mrow>
其中，n表示能源介质的种类，Ci表示能源介质i的市场价格，Ui表示能源介质i的盈余量，表示能源介质i在工序/设备j中的回收量，表示能源介质i在工序/设备j中的使用量，bi表示能源介质i的放散量，m表示主生产系统共有m种工序/设备，k表示能源转换系统共有k种工序/设备，l表示辅助系统共有l种工序/设备。
5.根据权利要求4所述的钢铁企业静态能量流网络优化设计方法，其特征在于，所述主生产系统包括高炉、焦炉、转炉生产系统；
所述能源转换系统包括：燃气蒸汽联合循环发电机组、热电联产技术能源转换系统；
所述辅助系统包括：空分、空压系统。
6.根据权利要求1所述的钢铁企业静态能量流网络优化设计方法，其特征在于，所述对建立的静态能量流网络数学模型进行求解，得到符合预设条件且具有最大经济效益的各能源介质的分配方案包括：
利用遗传算法对建立的静态能量流网络数学模型进行求解，得到符合预设条件且具有最大经济效益的各能源介质的分配方案。
7.根据权利要求6所述的钢铁企业静态能量流网络优化设计方法，其特征在于，所述利用遗传算法对建立的静态能量流网络数学模型进行求解，得到符合预设条件且具有最大经济效益的各能源介质的分配方案包括：
将求静态能量流网络数学模型最大值的参数集转换成二进制字符串，其中，所述参数集包括：各个工序/设备对应的各能源介质的回收量和使用量、及各能源介质的放散量；
采用乘法的形式构造惩罚函数，根据构造的惩罚函数产生带有惩罚项的适应度函数；
确定遗传策略，初始化种群及运行参数，所述运行参数包括：预设的停止准则和最大进化代数；
基于转换成的二进制字符串，利用适应度函数计算种群中每个个体的适应值；
根据确定的遗传策略，对转换成的二进制字符串运用复制、杂交、变异遗传算子，产生新群体，利用适应度函数计算新群体中每个个体的适应值；
判断新群体中每个个体的适应值是否满足预设的停止准则或当前进化代数已达到最大进化代数，若是，则停止迭代；否则，返回执行根据确定的遗传策略，对转换成的二进制字符串运用复制、杂交、变异遗传算子，产生新群体的步骤；
获取最大适应值对应的各个工序/设备对应的各能源介质的回收量和使用量、及各能源介质的放散量作为全局最优解。
8.根据权利要求1所述的钢铁企业静态能量流网络优化设计方法，其特征在于，根据得到的得到符合预设条件且具有最大经济效益的各能源介质的分配方案进行能源结构的优化调整，根据优化调整后的能源结构，确定静态能量流网络包括：
根据获取的最大适应值对应的各个工序/设备对应的各能源介质的回收量和使用量、及各能源介质的放散量，进行能源结构的优化调整；
根据优化调整后的能源结构，确定静态能量流网络。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710474894.1A CN107273619B (zh) | 2017-06-21 | 2017-06-21 | 一种钢铁企业静态能量流网络优化设计方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710474894.1A CN107273619B (zh) | 2017-06-21 | 2017-06-21 | 一种钢铁企业静态能量流网络优化设计方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107273619A true CN107273619A (zh) | 2017-10-20 |
| CN107273619B CN107273619B (zh) | 2022-01-28 |
Family
ID=60069054
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710474894.1A Active CN107273619B (zh) | 2017-06-21 | 2017-06-21 | 一种钢铁企业静态能量流网络优化设计方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107273619B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109324511A (zh) * | 2018-11-19 | 2019-02-12 | 中冶赛迪重庆信息技术有限公司 | 一种钢铁企业煤气管网运行优化系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN104268712A (zh) * | 2014-10-11 | 2015-01-07 | 中冶南方工程技术有限公司 | 基于改进的混合多种群进化算法的能源平衡与调度方法 |
| CN104881713A (zh) * | 2015-05-22 | 2015-09-02 | 中冶南方工程技术有限公司 | 实现优化算法与钢铁企业能源综合调度问题解耦的方法 |
-
2017
- 2017-06-21 CN CN201710474894.1A patent/CN107273619B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN104268712A (zh) * | 2014-10-11 | 2015-01-07 | 中冶南方工程技术有限公司 | 基于改进的混合多种群进化算法的能源平衡与调度方法 |
| CN104881713A (zh) * | 2015-05-22 | 2015-09-02 | 中冶南方工程技术有限公司 | 实现优化算法与钢铁企业能源综合调度问题解耦的方法 |
Non-Patent Citations (2)
| Title |
|---|
| 殷瑞珏: "论钢厂制造过程中能量流行为和能量流网络的构建", 《钢铁》 * |
| 贺东风等: "面向能量流网络的钢铁企业能量利用评价", 《冶金能源》 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109324511A (zh) * | 2018-11-19 | 2019-02-12 | 中冶赛迪重庆信息技术有限公司 | 一种钢铁企业煤气管网运行优化系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107273619B (zh) | 2022-01-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106773704A (zh) | 多系统联合优化调度方法及装置 | |
| CN103426032B (zh) | 一种热电联产机组的经济优化调度方法 | |
| 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 | |
| CN108846507A (zh) | 基于混合整数二阶锥规划的电-气耦合系统日前经济调度方法 | |
| CN104181900B (zh) | 一种多能源介质分层动态调控方法 | |
| CN108197768A (zh) | 一种能源系统与管网布局联合优化方法 | |
| CN107203687B (zh) | 吸收塔脱硫过程多目标协同智能优化控制方法 | |
| US20200219027A1 (en) | Knowledge transfer-based modeling method for blast furnace gas scheduling systems | |
| CN106991539A (zh) | 一种能源系统优化调度方法及装置 | |
| CN111950122A (zh) | 园区综合能源系统运行优化方法 | |
| CN111552175A (zh) | 一种超临界燃煤电站-化学吸附燃烧后碳捕集系统的整体优化调度和快速变负荷控制方法 | |
| CN109886446A (zh) | 基于改进混沌粒子群算法的电力系统动态经济调度方法 | |
| CN108734419B (zh) | 一种基于知识迁移的高炉煤气调度系统建模方法 | |
| CN111555368B (zh) | 一种综合能源系统的深度生成式对抗网络调度与控制方法 | |
| CN104966156B (zh) | 一种钢铁企业能源综合调度问题的双层寻优方法 | |
| CN116432824A (zh) | 基于多目标粒子群的综合能源系统优化方法及系统 | |
| CN107273619A (zh) | 一种钢铁企业静态能量流网络优化设计方法 | |
| CN107479523B (zh) | 基于qpso的多智能体生产制造过程优化方法和装置 | |
| CN116573843B (zh) | 一种余热循环利用的退火窑 | |
| CN112116131B (zh) | 计及碳排放的综合能源系统多层级优化方法 | |
| CN110728031B (zh) | 一种基于ann建模平衡复杂石化过程产能的多目标优化方法 | |
| Wang et al. | Multi-layer encoding genetic algorithm-based granular fuzzy inference for blast furnace gas scheduling | |
| Lv et al. | A Novel Energy Planning Scheme Based on PGA Algorithm and Its Application | |
| CN113139330B (zh) | 一种基于改进型遗传算法的核电厂冷链系统配置方法 | |
| CN108073784A (zh) | 一种基于过程图的乙烯原料优化调度方案的求解方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |