CN113222290A - 一种空压机与密炼机集群的用电负荷协同优化方法 - Google Patents

一种空压机与密炼机集群的用电负荷协同优化方法 Download PDF

Info

Publication number
CN113222290A
CN113222290A CN202110616810.XA CN202110616810A CN113222290A CN 113222290 A CN113222290 A CN 113222290A CN 202110616810 A CN202110616810 A CN 202110616810A CN 113222290 A CN113222290 A CN 113222290A
Authority
CN
China
Prior art keywords
cluster
internal mixer
air compressor
air
load
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
Application number
CN202110616810.XA
Other languages
English (en)
Other versions
CN113222290B (zh
Inventor
王琳
李志文
董衍华
曹彩山
李建训
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Yantai Ruikong Automation Control Engineering Co ltd
Linglong Group Co ltd
Original Assignee
Yantai Ruikong Automation Control Engineering Co ltd
Linglong Group Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Yantai Ruikong Automation Control Engineering Co ltd, Linglong Group Co ltd filed Critical Yantai Ruikong Automation Control Engineering Co ltd
Priority to CN202110616810.XA priority Critical patent/CN113222290B/zh
Publication of CN113222290A publication Critical patent/CN113222290A/zh
Application granted granted Critical
Publication of CN113222290B publication Critical patent/CN113222290B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • G06Q50/06—Electricity, gas or water supply
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Software Systems (AREA)
  • Tourism & Hospitality (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • General Business, Economics & Management (AREA)
  • Molecular Biology (AREA)
  • Artificial Intelligence (AREA)
  • Marketing (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Primary Health Care (AREA)
  • Water Supply & Treatment (AREA)
  • Public Health (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Control Of Positive-Displacement Pumps (AREA)

Abstract

本发明公开了一种空压机与密炼机集群的用电负荷协同优化方法，包括步骤S1、在空压机和密炼机集群之间设置储气柜；步骤S2、构建储气柜压力与储气量关联关系的数学模型；步骤S3、根据密炼机集群的历史运行数据以及生产排程、功率和周期性规律等信息对未来一段时间的用电负荷进行预测；步骤S4、结合预测的密炼机集群用电负荷数据，对压缩空气消耗量进行预测；步骤S5、依据预测的密炼机集群用电负荷和压缩空气消耗量确定空压机的启动时机。本发明能够优化空压机的开关时间，优化用电时间，有效降低生产成本，提高企业经济效益。

Description

一种空压机与密炼机集群的用电负荷协同优化方法
技术领域
本发明涉及轮胎生产能源应用技术领域，特别涉及一种空压机与密炼机集群的用电负荷协同优化方法。
背景技术
在轮胎生产过程中需要消耗巨大的电能，严重增加了企业成本，高能耗、高污染等问题一直伴随着轮胎生产企业，是急需解决的问题。
空压机和密炼机是轮胎生产过程中的耗能大户，因此，如何减少空压机和密炼机的耗能总量，尤其是让空压机尽可能多地利用用电低峰的低价电工作，有效减少用电费用支出，对于提高企业经济效益具有重要意义。
有鉴于此，实有必要提供一种新的技术方案以解决上述问题。
发明内容
发明目的：提供一种空压机与密炼机集群的用电负荷协同优化方法，该用电负荷协同优化方法能够优化空压机的开关时间，优化用电时间，有效降低生产成本，提高企业经济效益。
为解决上述技术问题，本申请提供一种空压机与密炼机集群的用电负荷协同优化方法，所述方法包括如下步骤：
步骤S1、在空压机和密炼机集群之间设置储气柜；
步骤S2、构建储气柜压力与储气量关联关系的数学模型；
步骤S3、根据密炼机集群的历史运行数据以及生产排程、功率和周期性规律等信息对未来一段时间的用电负荷进行预测；
步骤S4、结合预测的密炼机集群用电负荷数据，对压缩空气消耗量进行预测；
步骤S5、依据预测的密炼机集群用电负荷和压缩空气消耗量确定空压机的启动时机；在用电尖峰负荷，空压机停机，密炼机集群消耗储气柜中的压缩空气；在用电低谷负荷，空压机启动，储气柜储气。
优选的，所述步骤S1中储气柜的容量为：
M≥Q2
其中，M为储气柜的容量，Q2为密炼机集群2小时的用气量。
优选的，所述步骤S1中储气柜的最大压力为：
Pm≥2*Pw
其中，Pm为储气柜的最大压力，Pw为密炼机最大工作压强。
优选的，在所述步骤S2中，储气柜压力与储气量之间关联关系的数学模型为：
P1＝P0*m/m0
其中，P1储气柜压力，P0为大气压，m为储气柜储气量，m0为储气柜在大气压下存储的空气质量。
优选的，在所述步骤S3中，采用神经网络对密炼机集群日前用电负荷进行预测，得到预测用电负荷数据。
优选的，在所述步骤S4中，借助神经网络挖掘压缩空气消耗量和用电消耗量之间的耦合关系，在预测用电负荷数据的基础上计算得到压缩空气消耗预测数据。
优选的，在所述步骤5中，在空压机和密炼机集群工作解耦后，通过比较当前空压机运行用电负荷成本和第二天的空压机的用电负荷成本预测值来判断当前时刻是否启动空压机：
Cd≤α*Cd+1
其中α为节能系数，Cd为当前空压机运行用电负荷成本，Cd+1为第二天的空压机用电负荷成本预测值；
若当前空压机运行用电负荷成本Cd满足上述条件，则允许空压机启动，产生高压气体并储存在储气柜中，供第二天密炼机集群使用。
优选的，所述当前空压机运行用电负荷成本由下式计算：
Figure BDA0003098215480000031
其中pd为当前电价，
Figure BDA0003098215480000032
为预测的第二天用电量总和；
所述第二天的空压机用电负荷成本预测值由下式计算：
Figure BDA0003098215480000033
其中，
Figure BDA0003098215480000034
为第二天用电负荷第i时段内的电价，
Figure BDA0003098215480000035
为预测的第二天相应时段的用电量。
与现有技术相比，本申请至少具有以下有益效果：本发明利用用气和产气在时间上的解耦，选择最优时机开启空压机，实现生产资源要素的连接和联动，避免在用电尖峰负荷下空压机停机，并且能在用电低谷启动空压机，错峰用电，从而减少对于电网的供电压力同时降低用电成本，提高企业经济效益。
附图说明
后文将参照附图以示例性而非限制性的方式详细描述本发明的一些具体实施例。附图中相同的附图标记标示了相同或类似的部件或部分。本领域技术人员应该理解，这些附图未必是按比例绘制的。附图中：
图1为本发明的整体流程示意图；
图2为空压机与密炼机集群的连接示意图。
其中，上述附图包括以下附图标记：
d1、空压机，d2、储气柜，d3、密炼机集群，s1、空压机阀门，s2、进气阀门，s3、出气阀门，s4、密炼机阀门。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例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。
一种空压机与密炼机集群的用电负荷协同优化方法，包括：
步骤S1，增加储气柜d2，实现用气和产气在时间上的解耦。
如图2所示，在空压机d1和密炼机集群d3之间增加储气柜d2。储气柜d2能够储存空压机d1提供的高压空气，同时，储气柜d2能够为密炼机集群d3运行时提供压缩空气。储气柜d2的加入使得空压机d1产气和密炼机集群d3用气过程可以分开进行，实现解耦。空压机集群d1运行时，打开进气阀门s2，根据各个空压机单元的运行情况选择性地打开一个或多个空压机阀门s1，空压机集群d1产生的压缩空气进入储气柜d2而无需密炼机集群d3的启动。密炼机集群d3进行生产过程时，打开出气阀门s3，根据生产需求选择性开启一个或多个密炼机阀门s4，储气柜d2中储存的压缩空气进入密炼机集群d3，而无需启动空压机d1。储气柜d2的加入同时会在空压机d1和密炼机集群d3之间起到一个缓冲作用，避免空压机d1工况波动对密炼机集群d3产生的影响。
储气柜d2容量M的选择应满足：
M≥Q2
其中Q2为密炼机集群d3的2小时的用气量。
储气柜d2最大压力Pm的选择应满足：
Pm≥2*Pw
其中Pw为密炼机最大工作压强。
步骤S2，建立储气数学模型，构建储气柜d2的压力P1与储气量m之间的关联关系，创建储气柜数学模型。
由克拉伯龙方程，储气柜d2在大气压下：
P0*V0＝n0*R*T0
其中，n0为储气柜d2在大气压P0、室温T0下存储空气的量。
满足：
n0*M＝m0
其中M为空气的平均分子量，m0为储气柜d2在大气压下存储的空气质量。
储气柜d2工作时，当其存储高压气体质量为m时，由克拉伯龙方程：
P1*V0＝n1*R*T0
其中n1为储气柜d2在压力P1、室温T0下存储空气的量。满足：
N1*M＝m
联立上式，计算得储气柜d2压力P1与储气量m之间的关联关系为：
P1＝P0*m/m0
步骤S3，根据密炼机集群d3的历史运行数据以及生产排程、功率和周期性规律等信息对未来一段时间的用电负荷进行预测；流水线化的工业生产具有固定的流程，将生产流程信息进行建模成为机理模型，结合对密炼机集群d3的历史运行数据的数据挖掘，训练神经网络对密炼机集群d3日前用电负荷进行预测，得到预测用电负荷数据。
步骤S4，结合用电负荷预测，对压缩空气消耗量进行预测。
密炼机集群d3会同时存在消耗压缩空气和用电消耗，二者存在耦合关系。借助神经网络挖掘压缩空气消耗和用电消耗之间的耦合关系，在预测用电负荷数据的基础上计算得到压缩空气消耗预测数据。
步骤S5，依据预测的电负荷和压缩空气消耗情况空压机d1启动时机，实现用电尖峰负荷消耗储气柜d2中的压缩空气，用电低谷负荷利用空压机d1实现储气柜d2储气。
第二天的空压机d1的用电负荷成本预测值由下式计算：
Figure BDA0003098215480000061
其中，
Figure BDA0003098215480000062
为第二天用电负荷第i时段内的电价，
Figure BDA0003098215480000063
为预测的第二天相应时段的用电负荷。
当前空压机运行用电负荷成本由下式计算：
Figure BDA0003098215480000064
其中pd为当前电价,
Figure BDA0003098215480000065
为预测的第二天用电量总和。
在空压机d1和密炼机集群d3工作解耦后，当前时刻是否启动空压机d1通过当前空压机d1运行用电负荷成本Cd和第二天的空压机d1的用电负荷成本预测值Cd+1来进行判断：
Cd≤α*Cd+1
其中α为节能系数，一般取0.4-0.9。
若当前时刻的空压机d1运行用电负荷成本Cd满足上述条件，则允许空压机d1工作，产生高压气体并储存在储气柜d2中，供第二天密炼机集群d3使用。否则，空压机d1停机，密炼机集群d3使用储气柜d2中的高压气体。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种空压机与密炼机集群的用电负荷协同优化方法，其特征在于，包括如下步骤：
步骤S1、在空压机和密炼机集群之间设置储气柜；
步骤S2、构建储气柜压力与储气量关联关系的数学模型；
步骤S3、根据密炼机集群的历史运行数据以及生产排程、功率和周期性规律等信息对未来一段时间的用电负荷进行预测；
步骤S4、结合预测的密炼机集群用电负荷数据，对压缩空气消耗量进行预测；
步骤S5、依据预测的密炼机集群用电负荷和压缩空气消耗量确定空压机的启动时机；在用电尖峰负荷，空压机停机，密炼机集群消耗储气柜中的压缩空气；在用电低谷负荷，空压机启动，储气柜储气。
2.如权利要求1所述的用电负荷协同优化方法，其特征在于：所述步骤S1中储气柜的容量为：
M≥Q2
其中，M为储气柜的容量，Q2为密炼机集群2小时的用气量。
3.如权利要求1所述的用电负荷协同优化方法，其特征在于：所述步骤S1中储气柜的最大压力为：
Pm≥2*Pw
其中，Pm为储气柜的最大压力，Pw为密炼机最大工作压强。
4.如权利要求1所述的用电负荷协同优化方法，其特征在于：在所述步骤S2中，储气柜压力与储气量之间关联关系的数学模型为：
P1＝P0*m/m0
其中，P1储气柜压力，P0为大气压，m为储气柜储气量，m0为储气柜在大气压下存储的空气质量。
5.如权利要求1所述的用电负荷协同优化方法，其特征在于：在所述步骤S3中，采用神经网络对密炼机集群日前用电负荷进行预测，得到预测用电负荷数据。
6.如权利要求1所述的用电负荷协同优化方法，其特征在于：在所述步骤S4中，借助神经网络挖掘压缩空气消耗量和用电消耗量之间的耦合关系，在预测用电负荷数据的基础上计算得到压缩空气消耗预测数据。
7.如权利要求1所述的用电负荷协同优化方法，其特征在于：在所述步骤5中，在空压机和密炼机集群工作解耦后，通过比较当前空压机运行用电负荷成本和第二天的空压机的用电负荷成本预测值来判断当前时刻是否启动空压机：
Cd≤α*Cd+1
其中α为节能系数，Cd为当前空压机运行用电负荷成本，Cd+1为第二天的空压机用电负荷成本预测值；
若当前空压机运行用电负荷成本Cd满足上述条件，则允许空压机启动，产生高压气体并储存在储气柜中，供第二天密炼机集群使用。
8.如权利要求7所述的用电负荷协同优化方法，其特征在于：
所述当前空压机运行用电负荷成本由下式计算：
Figure FDA0003098215470000021
其中pd为当前电价,
Figure FDA0003098215470000022
为预测的第二天用电量总和；
所述第二天的空压机用电负荷成本预测值由下式计算：
Figure FDA0003098215470000023
其中，
Figure FDA0003098215470000024
为第二天用电负荷第i时段内的电价，
Figure FDA0003098215470000025
为预测的第二天相应时段的用电量。
CN202110616810.XA 2021-06-03 2021-06-03 一种空压机与密炼机集群的用电负荷协同优化方法 Active CN113222290B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110616810.XA CN113222290B (zh) 2021-06-03 2021-06-03 一种空压机与密炼机集群的用电负荷协同优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110616810.XA CN113222290B (zh) 2021-06-03 2021-06-03 一种空压机与密炼机集群的用电负荷协同优化方法

Publications (2)

Publication Number Publication Date
CN113222290A true CN113222290A (zh) 2021-08-06
CN113222290B CN113222290B (zh) 2022-11-15

Family

ID=77082698

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110616810.XA Active CN113222290B (zh) 2021-06-03 2021-06-03 一种空压机与密炼机集群的用电负荷协同优化方法

Country Status (1)

Country Link
CN (1) CN113222290B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017216596A1 (en) * 2016-06-16 2017-12-21 Bull Sas Method of managing electricity providing in a computers cluster
CN108960487A (zh) * 2018-06-13 2018-12-07 北京天泽智云科技有限公司 基于大数据分析的空压机集群系统能耗优化方法和装置
CN110544025A (zh) * 2019-08-21 2019-12-06 河海大学 电转气-储气罐组合的气电综合能源系统优化调度方法
CN111191811A (zh) * 2018-11-14 2020-05-22 中兴通讯股份有限公司 集群负荷预测方法、装置及存储介质
CN112529271A (zh) * 2020-12-01 2021-03-19 国网河南省电力公司电力科学研究院 一种可控负荷集群提供电网备用辅助服务的优化调度方法
CN112855513A (zh) * 2021-01-08 2021-05-28 西安思安云创科技有限公司 基于遗传算法的空压机集群控制系统能耗优化方法及系统和装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017216596A1 (en) * 2016-06-16 2017-12-21 Bull Sas Method of managing electricity providing in a computers cluster
CN108960487A (zh) * 2018-06-13 2018-12-07 北京天泽智云科技有限公司 基于大数据分析的空压机集群系统能耗优化方法和装置
CN111191811A (zh) * 2018-11-14 2020-05-22 中兴通讯股份有限公司 集群负荷预测方法、装置及存储介质
CN110544025A (zh) * 2019-08-21 2019-12-06 河海大学 电转气-储气罐组合的气电综合能源系统优化调度方法
CN112529271A (zh) * 2020-12-01 2021-03-19 国网河南省电力公司电力科学研究院 一种可控负荷集群提供电网备用辅助服务的优化调度方法
CN112855513A (zh) * 2021-01-08 2021-05-28 西安思安云创科技有限公司 基于遗传算法的空压机集群控制系统能耗优化方法及系统和装置

Also Published As

Publication number Publication date
CN113222290B (zh) 2022-11-15

Similar Documents

Publication Publication Date Title
CN110619110B (zh) 一种含热泵的综合能源系统协调运行优化方法
CN112901449B (zh) 一种基于机器学习的空气压缩机系统能耗优化方法
CN111799778A (zh) 一种计及调峰需求的含风电电力系统储能容量优化方法
CN110661254A (zh) 一种区域综合能源系统冷热电互补效益量化方法
Zheng et al. Optimal design for a multi-level energy exploitation unit based on hydrogen storage combining methane reactor and carbon capture, utilization and storage
Xiao et al. Dynamic programming based economic day-ahead scheduling of integrated tri-generation energy system with hybrid energy storage
CN113222290B (zh) 一种空压机与密炼机集群的用电负荷协同优化方法
Kimata et al. Operation planning for heat pump in a residential building
CN115099489B (zh) 一种基于最优经济测算的工商业储能系统容量配置方法
CN116227822A (zh) 一种基于省级电网边际排放因子的电网规划方法及终端
CN114389262B (zh) 一种弹性环境下基于鲁棒优化的区域电网调度方法
Zhou et al. Optimal integration of renewable energy in refinery hydrogen management systems: Energy storage and direct utilization
CN115081700A (zh) 基于综合储能技术的数据中心多能协同优化方法及系统
CN115940282A (zh) 一种考虑掺氢比约束的风电制氢储能系统容量优化配置方法
CN110735682B (zh) 一种基于多目标优化算法的分布式余压发电系统及调控方法
Li et al. Multi-stage capacity configuration approach for regional integrated energy system
Liu et al. Energy saving generation dispatch for sustainable development of energy utilizing in china
CN111313418A (zh) 一种压缩空气储能的电力系统及其调度方法
CN110969301A (zh) 一种清洁取暖方式选择方法
Zhao et al. Refined modeling and approximated aggregation method for alkaline water electrolyzers in power system optimal scheduling
CN114109777B (zh) 一种空压气站用电能管理系统
Yang et al. Economic Analysis of the Application of Ice Storage Air Conditioning System in Chongqing
CN116995660A (zh) 一种光伏与制氢结合的微电网优化调度方法及装置
CN114139101A (zh) 促进风电消纳的电储能及辅助供热设备效益优化计算方法
Li et al. Optimization model of distributed energy supply system based on multi-energy complementarity

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