CN113361122B - 一种兼顾多能耦合和工序优化的钢铁企业外购电可调潜力评估方法 - Google Patents
一种兼顾多能耦合和工序优化的钢铁企业外购电可调潜力评估方法 Download PDFInfo
- Publication number
- CN113361122B CN113361122B CN202110684720.4A CN202110684720A CN113361122B CN 113361122 B CN113361122 B CN 113361122B CN 202110684720 A CN202110684720 A CN 202110684720A CN 113361122 B CN113361122 B CN 113361122B
- Authority
- CN
- China
- Prior art keywords
- steam
- gas
- energy
- model
- oxy
- 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.)
- Active
Links
- 229910000831 Steel Inorganic materials 0.000 title claims abstract description 103
- 239000010959 steel Substances 0.000 title claims abstract description 103
- 230000005611 electricity Effects 0.000 title claims abstract description 26
- 230000008878 coupling Effects 0.000 title claims abstract description 25
- 238000010168 coupling process Methods 0.000 title claims abstract description 25
- 238000005859 coupling reaction Methods 0.000 title claims abstract description 25
- 238000005457 optimization Methods 0.000 title claims abstract description 20
- 238000011156 evaluation Methods 0.000 title claims abstract description 10
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 claims abstract description 74
- 238000000034 method Methods 0.000 claims abstract description 62
- 238000004519 manufacturing process Methods 0.000 claims abstract description 51
- 229910052742 iron Inorganic materials 0.000 claims abstract description 37
- 239000002918 waste heat Substances 0.000 claims abstract description 20
- 238000012946 outsourcing Methods 0.000 claims abstract description 19
- 238000013210 evaluation model Methods 0.000 claims abstract description 10
- 238000013507 mapping Methods 0.000 claims abstract description 3
- 239000007789 gas Substances 0.000 claims description 115
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 claims description 63
- 230000008569 process Effects 0.000 claims description 36
- 238000005096 rolling process Methods 0.000 claims description 34
- 229910052757 nitrogen Inorganic materials 0.000 claims description 31
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 29
- 239000001301 oxygen Substances 0.000 claims description 29
- 229910052760 oxygen Inorganic materials 0.000 claims description 29
- 230000004044 response Effects 0.000 claims description 25
- 238000010891 electric arc Methods 0.000 claims description 24
- 238000010248 power generation Methods 0.000 claims description 23
- 238000000926 separation method Methods 0.000 claims description 12
- 239000006227 byproduct Substances 0.000 claims description 10
- 238000005265 energy consumption Methods 0.000 claims description 10
- 230000008859 change Effects 0.000 claims description 9
- 239000000571 coke Substances 0.000 claims description 9
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 9
- 238000011084 recovery Methods 0.000 claims description 6
- 238000010791 quenching Methods 0.000 claims description 4
- 230000000171 quenching effect Effects 0.000 claims description 4
- 238000013461 design Methods 0.000 claims description 3
- 230000017525 heat dissipation Effects 0.000 claims description 3
- 238000010438 heat treatment Methods 0.000 claims description 3
- 238000005286 illumination Methods 0.000 claims description 3
- 230000036284 oxygen consumption Effects 0.000 claims description 3
- 229910001873 dinitrogen Inorganic materials 0.000 claims 1
- 238000006243 chemical reaction Methods 0.000 abstract 1
- 239000003034 coal gas Substances 0.000 abstract 1
- 238000013486 operation strategy Methods 0.000 abstract 1
- 230000033228 biological regulation Effects 0.000 description 5
- 230000003993 interaction Effects 0.000 description 4
- 238000013459 approach Methods 0.000 description 2
- 102100029469 WD repeat and HMG-box DNA-binding protein 1 Human genes 0.000 description 1
- 101710097421 WD repeat and HMG-box DNA-binding protein 1 Proteins 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
-
- 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
- Y02P90/80—Management or planning
- Y02P90/82—Energy audits or management systems therefor
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Geometry (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- General Factory Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开一种兼顾多能耦合和工序优化的钢铁企业外购电可调潜力评估方法,通过分析钢铁企业内部的煤气、蒸汽、电力及余热等多能介质耦合特性和可调节能量转化设备,建立钢铁企业内部多能耦合模型及能源系统可调节约束;根据生产工序可调节特性建立钢铁生产工序可调节约束,并构建生产工序与能源系统之间的映射关系;以外购电负荷调整量最大为目标,提出兼顾多能耦合和工序优化的钢铁企业外购电可调潜力评估模型;通过优化模型的求解获取外购电最大可调潜力及对应的能源系统与生产工序的调度运行策略。本发明能够充分挖掘钢铁企业内部能源系统和生产工序的可调潜力,在降低用能成本的同时为电力系统降低负荷峰谷差、消纳分布式清洁能源贡献力量。
Description
技术领域
本发明属于电力系统供需互动领域,具体涉及一种兼顾多能耦合和工序优化的钢铁企业外购电可调潜力评估方法,用于高耗能钢铁企业外购电负荷需求响应控制。
背景技术
目前,大量的能源消耗将被电力替代,这将导致未来电力需求的爆炸式增长,继而导致电力供需矛盾更加严峻。而电力需求侧潜在可调资源的开发可以缓解电力供应紧张,通过需求响应项目实现友好的供需互动。钢铁工业作为重工业的支柱产业之一,用电量也将快速增长,钢铁企业参与需求侧管理的调度潜力巨大。
钢铁产业作为高耗能产业,其能源供给和利用是高度耦合的;同时钢铁企业中存在多种耗能高、冲击大的生产工序。因此,对钢铁企业的外购电负荷潜力进行分析具有重大意义。钢铁企业外购电负荷调节空间主要涵盖两个层面:多能介质耦合系统本身的协调优化和工序计划调整导致的负荷改变。这两种方式都具有其可行性,其中任何一种单一方式的调度均可实现外购电负荷的调节。而其弊端则是没有实现能源和工序的联合调度,导致在对其中之一进行调度时会对另一方面造成影响,因而获取的调度策略可能存在不可行解的情况,同时外购电负荷的可调潜力没有得到充分挖掘。
发明内容
发明目的:针对现有技术存在的问题,本发明提出了一种兼顾多能耦合和工序优化的钢铁企业外购电可调潜力评估方法,能够充分挖掘钢铁企业内部能源系统和生产工序的可调潜力。
技术方案:一种兼顾多能耦合和工序优化的钢铁企业外购电可调潜力评估方法,包括以下步骤:
1)根据钢铁企业内部供用能系统结构,建立多能介质耦合系统模型及能源系统可调节约束;
2)根据钢铁企业的生产工序特性确定可调工序种类,建立可调工序模型及其消耗能源介质约束模型,构建生产工序与能源系统之间的映射关系;
3)根据步骤1)中的多能介质耦合系统模型和步骤2)的可调工序模型,考虑能量供需平衡约束,以需求响应时段外购电负荷调整量最大为目标,构建可调潜力评估模型;
4)根据步骤3)的可调潜力评估模型以及需要进行调度的时段,对可调潜力评估模型进行求解,获取钢铁企业外购电负荷最大可调潜力及对应的能源与工序优化调度方案。
进一步的,步骤1)具体包括如下内容:
根据钢铁企业内部副产煤气、蒸汽、电力、余热能源介质的供用能系统结构,首先建立钢铁企业内部副产煤气系统的模型:
式(1)表示煤气柜中相邻时段的煤气体积变化量,式中,Vi,t gas是t时段第i种煤气柜中的煤气i的体积,单位为m3,下标i用以区分焦炉煤气、高炉煤气和转炉煤气,Δt是调度周期,单位为h;fi,t pro,gas、fi,t roll,gas、fi,t other,gas是分别代表煤气产生、轧钢煤气消耗、其他生产环节煤气消耗速度,单位为m3/h;fi,j,t gas是蒸汽锅炉j消耗煤气i的速度,单位为m3/h;
式(2)表示煤气柜中煤气体积的上下限约束,表示考虑煤气系统安全的煤气柜柜位限制;式中,Vi gas,min、Vi gas,max分别是煤气柜中煤气体积的下限和上限,单位为m3;
式(3)和(4)表示流入蒸汽锅炉的煤气进气阀模型;式中,ni,j,t表示进气阀门的开度,Li,j是进气管道的设计流速;上标min和max分别代表进气阀开度的上下限;Vi gas,min、Vi gas,max分别是煤气柜中煤气体积的下限和上限,单位为m3;
然后,建立钢铁企业内部蒸汽系统的模型:
式(5)和(6)表示注入蒸汽锅炉j的混合煤气的热值约束;式中,Hi为煤气i的热值,单位为kJ/Nm3,Hj,t Δ为t时刻锅炉中混合煤气的热值,上标min为混合煤气热值的最低标准;
式(7)表示蒸汽锅炉的热平衡约束;式中,ηj steam是蒸汽锅炉j的效率,Hj,t water和fj,t water为注入锅炉中水的热值及流速,Hj,t steam和fj,t steam为产生蒸汽的热值及流速;
式(8)和(9)表示蒸汽系统的平衡方程及产生蒸汽的上下限约束;式中,fj,t gen,steam和fj,t steam,release分别为蒸汽锅炉j用来发电的蒸汽流速以及蒸汽耗散速度;ft roll,steam和ft other,steam分别为轧钢生产线及其他工艺消耗的蒸汽速度;
其次,建立钢铁企业内部电力系统的模型:
Pt gen,heat=ft steam,dry*Ht steam,dry*ηtb,dry (13)
ft steam,dry+ft CDQ,release=ηCDQ,steam*mt (14)
ft steam,dry,min≤ft steam,dry≤ft steam,dry,max (15)
Pt gen,PV=E*ηPV*St PV (16)
其中,式(10)~(12)是副产煤气-蒸汽发电模型,Pt gas是汽轮机发电功率,ηj tb为汽轮机发电效率,是汽轮机发电功率的上下限;式(13)~(15)是余热干熄焦-蒸汽发电模型,Pt gen,heat是余热蒸汽发电功率,ft steam,dry、Ht steam,dry为余热产生蒸汽的速度与热值,ηtb,dry为干熄焦发电效率,ft CDQ,release为余热回收的热量耗散速度,mt为高温焦炭的体积,ηCDQ,steam为高温焦炭余热回收效率;式(16)是企业内部分布式光伏发电模型,Pt gen,PV是光伏发电功率,E为光伏板面积,ηPV、St PV分别为发电效率以及光照强度。
进一步的,步骤2)具体包括如下内容:
构建轧钢生产线调度模型:
Pt roll=xt*Pt roll,base (17)
ft roll,steam=xt*ft roll,steam,base (19)
其中,xt为0-1变量,取值“1”表示轧钢生产线在运行,“0”表示停运;Pt roll表示t时刻轧钢工序电负荷,ft roll,steam为轧钢生产线的蒸汽速度,为轧钢煤气消耗,上标base代表轧钢工序运行时消耗的能源;Tshut为轧钢生产线可中断的时长;下标u为调度时刻t的子集,代表轧钢工序中断初始时刻,式(21)为钢铁工序连续中断时长Tshut;
构建制氧系统模型:
Pt oxy=poxy*ft oxy (22)
|ΔVt oxy|≤ΔVoxy,max (24)
Voxy,min≤Vt oxy≤Voxy,max (25)
其中,poxy为制造单位体积氧气的耗电量,单位为kWh/m3;ft oxy为制造氧气的速度,单位为m3/h;Pt oxy为空气分离工序制造氧气的电负荷;Vt oxy为氧气罐中贮存氧气的体积,Voxy,min和Voxy,max为不影响生产的氧气罐余气量上下限;ft dem,oxy为t时刻其他工序氧气消耗速度;ΔVt oxy为氧气罐中氧气体积的变化量,ΔVoxy,max为变化量上限;
构建制氮系统模型:
Pt nit=pnit*ft nit (26)
|ΔVt nit|≤ΔVnit,max (28)
Vnit,min≤Vt nit≤Vnit,max (29)
其中,pnit为制造单位体积氮气的耗电量,单位为kWh/m3;ft nit为制造氮气的速度,单位为m3/h;Pt nit为空气分离工序制造氮气的电负荷;Vt nit为氮气罐中贮存氮气的体积,Vnit,min和Vnit,max为不影响生产的氮气罐余气量上下限;ft dem,nit为t时刻其他工序氮气消耗速度;ΔVt nit为氮气罐中氮气体积的变化量,ΔVnit,max为变化量上限;
构建N台电弧炉电负荷模型:
进一步的,步骤3)具体包括如下内容:
构建外购电最大可调潜力评估的混合整数线性规划模型:
s.t.(1)-(33)
其中,Pt grid是t时刻钢铁企业外购电负荷;Pt other是t时刻的固定负荷需求;Pt grid ,base是t时刻的未经优化的基准外购电负荷;TDR为需求响应时段集合。
进一步的,步骤4)中,根据需求响应邀约类型及响应时段,在步骤3)建立的可调潜力评估模型的基础上选择不同邀约下的目标函数,并调用IBM CPLEX中的MIP求解器求解可调潜力评估模型,获取所述需求响应邀约类型下钢铁企业外购电最大可调潜力及对应的能源系统和工序计划调度策略。
有益效果:
与现有方法相比,本发明具有如下显著优点:本发明通过联合调度钢铁企业的能源和工序,实现了钢铁企业外购电负荷调节,在不影响生产能力的前提下确保调度策略切实可行的同时,使负荷调节潜力发挥的更为充分,有利于电力系统供给侧和需求侧的节能减排,在降低用能成本的同时,也为电力系统降低负荷峰谷差、消纳分布式清洁能源贡献力量,对电网规划运行的安全性和可靠性具有重要意义。
附图说明
图1是本发明的一种兼顾多能耦合和工序优化的钢铁企业外购电可调潜力评估方法;
图2是不同策略下10:00~12:00时参与削峰响应的负荷曲线;
图3是不同策略下10:00~12:00时参与削峰响应的负荷调节潜力;
图4是不同策略下10:00~12:00时参与削峰响应的电弧炉负荷曲线;
具体实施方式
本发明的一种兼顾多能耦合和工序优化的钢铁企业外购电可调潜力评估方法,根据钢铁企业多能耦合和工序可调节的特性,通过改变多种能源的利用方式和调整生产工序实现对外购电负荷的需求响应,建立了一种适用于钢铁企业外购电负荷需求响应控制策略,该策略充分考虑了钢铁企业能源和工序的耦合关系,通过联合调度钢铁企业的能源和工序,实现了钢铁企业外购电负荷调节。
下面结合附图和具体实施例,进一步阐明本发明的技术方案。
实施例:
如图1所示,一种兼顾多能耦合和工序优化的钢铁企业外购电可调潜力评估方法,包括以下步骤:
1)根据钢铁企业内部供用能系统结构,建立多能介质耦合系统模型;具体包括如下内容:
根据钢铁企业内部副产煤气、蒸汽、电力、余热等多种能源介质的供用能系统结构,首先建立钢铁企业内部副产煤气系统的模型为式(1)~(4)。
式(1)表示煤气柜中相邻时段的煤气体积变化量。式中,Vi,t gas是t时段第i种煤气柜中的煤气i的体积(m3),下标i用以区分焦炉煤气、高炉煤气和转炉煤气,Δt是调度周期(h);fi,t pro,gas、fi,t roll,gas、fi,t other,gas是分别代表煤气产生、轧钢煤气消耗、其他生产环节煤气消耗速度(m3/h);fi,j,t gas是蒸汽锅炉j消耗煤气i的速度(m3/h)。
式(2)表示煤气柜中煤气体积的上下限约束,表示考虑煤气系统安全的煤气柜柜位限制。式中,Vi gas,min、Vi gas,max分别是煤气柜中煤气体积的下限和上限(m3)。
式(3)和(4)表示流入蒸汽锅炉的煤气进气阀模型。式中,ni,j,t表示进气阀门的开度,Li,j是进气管道的设计流速;上标min和max分别代表进气阀开度的上下限。式中,Vi gas ,min、Vi gas,max分别是煤气柜中煤气体积的下限和上限(m3)。
然后,建立钢铁企业内部蒸汽系统的模型为式(5)~(9)。
式(5)和(6)表示注入蒸汽锅炉j的混合煤气的热值约束,式中Hi为煤气i的热值(kJ/Nm3),Hj,t Δ为t时刻锅炉中混合煤气的热值,上标min为混合煤气热值的最低标准。
式(7)表示蒸汽锅炉的热平衡约束,式中ηj steam是蒸汽锅炉j的效率,Hj,t water和fj,t water为注入锅炉中水的热值及流速,Hj,t steam和fj,t steam为产生蒸汽的热值及流速;
式(8)和(9)表示蒸汽系统的平衡方程及产生蒸汽的上下限约束,式中fj,t gen,steam和fj,t steam,release分别为蒸汽锅炉j用来发电的蒸汽流速以及蒸汽耗散速度;ft roll,steam和ft other,steam分别为轧钢生产线及其他工艺消耗的蒸汽速度。
其次,建立钢铁企业内部电力系统的模型为式(10)~(16)。
Pt gen,heat=ft steam,dry*Ht steam,dry*ηtb,dry (13)
ft steam,dry+ft CDQ,release=ηCDQ,steam*mt (14)
ft steam,dry,min≤ft steam,dry≤ft steam,dry,max (15)
Pt gen,PV=E*ηPV*St PV (16)
其中,式(10)~(12)是副产煤气-蒸汽发电模型,Pt gas是汽轮机发电功率,ηj tb为汽轮机发电效率,是汽轮机发电功率的上下限;式(13)~(15)是余热干熄焦-蒸汽发电模型,Pt gen,heat是余热蒸汽发电功率,ft steam,dry、Ht steam,dry为余热产生蒸汽的速度与热值,ηtb,dry为干熄焦发电效率,ft CDQ,release为余热回收的热量耗散速度,mt为高温焦炭的体积,ηCDQ,steam为高温焦炭余热回收效率;式(16)是企业内部分布式光伏发电模型,Pt gen,PV是光伏发电功率,E为光伏板面积,ηPV、St PV分别为发电效率以及光照强度。
2)根据钢铁企业的生产工序特性确定可调节工序种类,建立可调工序模型及其消耗能源介质约束模型;具体包括如下内容:
根据钢铁企业的生产工序特性梳理可调节工序种类,建立可调节的轧钢工序、空气分离工序、电弧炉炼铁工序与对应的能源消耗模型,具体如下:
轧钢生产线调度模型:
在钢铁企业产品库存充足时,钢铁企业提前受邀参与需求响应时,其轧钢生产线被关断一段时间,一般为1小时左右。因此,可作为可中断工序来看待,其模型为:
Pt roll=xt*Pt roll,base (17)
ft roll,steam=xt*ft roll,steam,base (19)
其中,xt为0-1变量,取值“1”表示轧钢生产线在运行,“0”表示停运;Pt roll表示t时刻轧钢工序电负荷;上标base代表轧钢工序运行时消耗的能源;Tshut为轧钢生产线可中断的时长;下标u为调度时刻t的子集,代表轧钢工序中断初始时刻,式(21)为钢铁工序连续中断时长Tshut。
空分系统负荷模型(制氧系统模型和制氮系统模型):
钢铁企业内部有辅助的空气分离工序,由于分离出来的氧气、氮气等均有储气罐存储,因此可适当调节空气分离的产气量从而实现空气分离工序的电负荷调整。制氧系统模型如下:
Pt oxy=poxy*ft oxy (22)
|ΔVt oxy|≤ΔVoxy,max (24)
Voxy,min≤Vt oxy≤Voxy,max (25)
其中,poxy为制造单位体积氧气的耗电量(kWh/m3);ft oxy为制造氧气的速度(m3/h);Pt oxy为空气分离工序制造氧气的电负荷;Vt oxy为氧气罐中贮存氧气的体积,Voxy,min和Voxy,max为不影响生产的氧气罐余气量上下限;ft dem,oxy为t时刻其他工序氧气消耗速度;ΔVt oxy为氧气罐中氧气体积的变化量,ΔVoxy,max为变化量上限。同理,制氮系统模型(上标为nit)如下:
Pt nit=pnit*ft nit (26)
|ΔVt nit|≤ΔVnit,max (28)
Vnit,min≤Vt nit≤Vnit,max (29)
其中,pnit为制造单位体积氮气的耗电量,单位为kWh/m3;ft nit为制造氮气的速度,单位为m3/h;Pt nit为空气分离工序制造氮气的电负荷;Vt nit为氮气罐中贮存氮气的体积,Vnit,min和Vnit,max为不影响生产的氮气罐余气量上下限;ft dem,nit为t时刻其他工序氮气消耗速度;ΔVt nit为氮气罐中氮气体积的变化量,ΔVnit,max为变化量上限。
电弧炉电负荷模型:
钢铁企业大多将采用电弧炉作为主要炼铁设备。电弧炉炼铁是一个周期性的工序,并且每个周期耗能呈现脉冲函数的特性,因此可通过多台电弧炉生产周期的配合,降低电弧炉炼铁电负荷的波动性和峰谷差。N台电弧炉电负荷模型如下:
3)根据步骤1)中的多能介质耦合模型和步骤2)的可调工序模型,考虑能量供需平衡约束,以需求响应时段外购电负荷调整量最大为目标,构建其外购电最大可调潜力评估的混合整数线性规划模型,具体如下:
s.t. (1)-(33)
其中,Pt grid是t时刻钢铁企业外购电负荷;Pt other是t时刻的固定负荷需求;Pt grid ,base是t时刻的未经优化的基准外购电负荷;TDR为需求响应时段集合。
4)根据具体的需求响应邀约类型及响应时段,在步骤3)建立的可调潜力评估模型式(34)的基础上选择不同邀约下的目标函数,并调用IBM CPLEX中的MIP求解器求解该模型,获取该邀约类型下钢铁企业外购电最大可调潜力及对应的能源系统和工序计划调度策略。
对比例:
为验证本发明所提兼顾多能耦合和工序优化的钢铁企业外购电可调潜力评估方法的有效性和合理性,设置钢铁企业四种调度策略,进行四种不同的调度策略下电负荷最大可调潜力的对比分析。
以某钢铁企业的实际负荷数据为基础,假设其拥有5台以副产煤气驱动的锅炉以及配套的汽轮机,1台干熄焦余热发电机组,5台按周期运行的电弧炉。
设计4种调度策略:
Case 1:未优化的购电方案
Case 2:单独进行能源调度下的购电方案
Case 3:单独进行工序调度下的购电方案
Case 4:综合考虑能源-工序联合调度下的购电方案
需求响应邀约为10:00~12:00的削峰响应。
在四种调度策略下的外购电负荷曲线和外购电负荷可调潜力如图2,图3所示,需求响应时段内:
Case 2的最大外购电负荷可调潜力为241MW,调度比例达到31%;
Case 3的最大外购电负荷可调潜力为160MW,调度比例达到20%;
Case 4的最大外购电负荷可调潜力为308MW,调度比例达到39%;
在工序调度和能源-工序联合调度下的电弧炉负荷曲线如图4,需求响应时段内电弧炉负荷明显下降,且负荷曲线更为平滑。
Case 1中电弧炉平均负荷为17.42MW;
Case 3中电弧炉平均负荷为17.08MW;
Case 4中电弧炉平均负荷为16.37MW;
可以看出,分别单独采用能源调度或生产工序计划调度作为手段的钢铁企业外购电负荷均有一定的可调潜力,但本发明提出兼顾多能耦合和工序优化的钢铁企业外购电可调潜力评估方法充分挖掘了钢铁企业多能耦合和工序可调节特性,使外购电负荷最大限度地参与电网需求响应项目的互动能力,从而获取钢铁企业最大限度地参与电网需求响应场景下的能源和工序的综合优化调控策略,实现参与电网互动的最大外购电负荷可调潜力评估。
Claims (4)
1.一种兼顾多能耦合和工序优化的钢铁企业外购电可调潜力评估方法,其特征在于,包括以下步骤:
1)根据钢铁企业内部供用能系统结构,建立多能介质耦合系统模型及能源系统可调节约束,具体包括如下内容:
根据钢铁企业内部副产煤气、蒸汽、电力、余热能源介质的供用能系统结构,首先建立钢铁企业内部副产煤气系统的模型:
式(1)表示煤气柜中相邻时段的煤气体积变化量,式中,Vi,t gas是t时段第i种煤气柜中的煤气i的体积,单位为m3,下标i用以区分焦炉煤气、高炉煤气和转炉煤气,Δt是调度周期,单位为h;fi,t pro,gas、fi,t roll,gas、fi,t other,gas是分别代表煤气产生、轧钢煤气消耗、其他生产环节煤气消耗速度,单位为m3/h;fi,j,t gas是蒸汽锅炉j消耗煤气i的速度,单位为m3/h;
式(2)表示煤气柜中煤气体积的上下限约束,表示考虑煤气系统安全的煤气柜柜位限制;式中,Vi gas,min、Vi gas,max分别是煤气柜中煤气体积的下限和上限,单位为m3;
然后,建立钢铁企业内部蒸汽系统的模型:
式(7)表示蒸汽锅炉的热平衡约束;式中,ηj steam是蒸汽锅炉j的效率,Hj,t water和fj,t water为注入锅炉中水的热值及流速,Hj,t steam和fj,t steam为产生蒸汽的热值及流速;
式(8)和(9)表示蒸汽系统的平衡方程及产生蒸汽的上下限约束;式中,fj,t gen,steam和fj,t steam,release分别为蒸汽锅炉j用来发电的蒸汽流速以及蒸汽耗散速度;ft roll,steam和ft other,steam分别为轧钢生产线及其他工艺消耗的蒸汽速度;
其次,建立钢铁企业内部电力系统的模型:
Pt gen,heat=ft steam,dry*Ht steam,dry*ηtb,dry (13)
ft steam,dry+ft CDQ,release=ηCDQ,steam*mt (14)
ft steam,dry,min≤ft steam,dry≤ft steam,dry,max (15)
Pt gen,PV=E*ηPV*St PV (16)
其中,式(10)~(12)是副产煤气-蒸汽发电模型,Pt gen,gas是汽轮机发电功率,ηj tb为汽轮机j发电效率,是汽轮机j发电功率的上下限;式(13)~(15)是余热干熄焦-蒸汽发电模型,Pt gen,heat是余热蒸汽发电功率,ft steam,dry、Ht steam,dry为余热产生蒸汽的速度与热值,ηtb,dry为干熄焦发电效率,ft CDQ,release为余热回收的热量耗散速度,mt为高温焦炭的体积,ηCDQ,steam为高温焦炭余热回收效率;式(16)是企业内部分布式光伏发电模型,Pt gen,PV是光伏发电功率,E为光伏板面积,ηPV、St PV分别为发电效率以及光照强度;
2)根据钢铁企业的生产工序特性确定可调工序种类,建立可调工序模型及其消耗能源介质约束模型,构建生产工序与能源系统之间的映射关系;
3)根据步骤1)中的多能介质耦合系统模型和步骤2)的可调工序模型,考虑能量供需平衡约束,以需求响应时段外购电负荷调整量最大为目标,构建可调潜力评估模型;
4)根据步骤3)的可调潜力评估模型以及需要进行调度的时段,对可调潜力评估模型进行求解,获取钢铁企业外购电负荷最大可调潜力及对应的能源与工序优化调度方案。
2.根据权利要求1所述的一种兼顾多能耦合和工序优化的钢铁企业外购电可调潜力评估方法,其特征在于,步骤2)具体包括如下内容:
构建轧钢生产线调度模型:
Pt roll=xt*Pt roll,base (17)
ft roll,steam=xt*ft roll,steam,base (19)
其中,xt为0-1变量,取值“1”表示轧钢生产线在运行,“0”表示停运;Pt roll表示t时刻轧钢工序电负荷,ft roll,steam为轧钢生产线的蒸汽速度,为轧钢煤气消耗,Tshut为轧钢生产线可中断的时长;下标u为调度时刻t的子集,代表轧钢工序中断初始时刻,式(21)为钢铁工序连续中断时长Tshut;
构建制氧系统模型:
Pt oxy=poxy*ft oxy (22)
|ΔVt oxy|≤ΔVoxy,max (24)
Voxy,min≤Vt oxy≤Voxy,max (25)
其中,poxy为制造单位体积氧气的耗电量,单位为kWh/m3;ft oxy为制造氧气的速度,单位为m3/h;Pt oxy为空气分离工序制造氧气的电负荷;Vt oxy为氧气罐中贮存氧气的体积,Voxy,min和Voxy,max为不影响生产的氧气罐余气量上下限;
ft dem,oxy为t时刻其他工序氧气消耗速度;ΔVt oxy为氧气罐中氧气体积的变化量,ΔVoxy ,max为变化量上限;
构建制氮系统模型:
Pt nit=pnit*ft nit (26)
|ΔVt nit|≤ΔVnit,max (28)
Vnit,min≤Vt nit≤Vnit,max (29)
其中,pnit为制造单位体积氮气的耗电量,单位为kWh/m3;ft nit为制造氮气的速度,单位为m3/h;Pt nit为空气分离工序制造氮气的电负荷;Vt nit为氮气罐中贮存氮气的体积,Vnit,min和Vnit,max为不影响生产的氮气罐余气量上下限;ft dem,nit为t时刻其他工序氮气消耗速度;ΔVt nit为氮气罐中氮气体积的变化量,ΔVnit,max为变化量上限;
构建N台电弧炉电负荷模型:
4.根据权利要求1所述的一种兼顾多能耦合和工序优化的钢铁企业外购电可调潜力评估方法,其特征在于,步骤4)中,根据需求响应邀约类型及响应时段,在步骤3)建立的可调潜力评估模型的基础上选择不同邀约下的目标函数,并调用IBM CPLEX中的MIP求解器求解可调潜力评估模型,获取所述需求响应邀约类型下钢铁企业外购电最大可调潜力及对应的能源系统和工序计划调度策略。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110684720.4A CN113361122B (zh) | 2021-06-21 | 2021-06-21 | 一种兼顾多能耦合和工序优化的钢铁企业外购电可调潜力评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110684720.4A CN113361122B (zh) | 2021-06-21 | 2021-06-21 | 一种兼顾多能耦合和工序优化的钢铁企业外购电可调潜力评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113361122A CN113361122A (zh) | 2021-09-07 |
CN113361122B true CN113361122B (zh) | 2022-09-30 |
Family
ID=77535278
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110684720.4A Active CN113361122B (zh) | 2021-06-21 | 2021-06-21 | 一种兼顾多能耦合和工序优化的钢铁企业外购电可调潜力评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113361122B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104318321A (zh) * | 2014-10-11 | 2015-01-28 | 中冶南方工程技术有限公司 | 一种钢铁企业多能源介质集成调度优化方法 |
CN112884242A (zh) * | 2021-03-13 | 2021-06-01 | 国网山东省电力公司泰安供电公司 | 一种短流程钢企需求响应潜力分析方法及系统 |
-
2021
- 2021-06-21 CN CN202110684720.4A patent/CN113361122B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104318321A (zh) * | 2014-10-11 | 2015-01-28 | 中冶南方工程技术有限公司 | 一种钢铁企业多能源介质集成调度优化方法 |
CN112884242A (zh) * | 2021-03-13 | 2021-06-01 | 国网山东省电力公司泰安供电公司 | 一种短流程钢企需求响应潜力分析方法及系统 |
Non-Patent Citations (1)
Title |
---|
A Method to Evaluate the Power Dispatching Potential of Energy Intensive Steel Enterprises-;Lei Gan等;《2020 IEEE IAS Industrial and Commercial Power System Asia Technical Conference》;20200929;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113361122A (zh) | 2021-09-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zeng et al. | A novel multi-period mixed-integer linear optimization model for optimal distribution of byproduct gases, steam and power in an iron and steel plant | |
CN104318321A (zh) | 一种钢铁企业多能源介质集成调度优化方法 | |
CN102502631A (zh) | 基于不同灵活运行模式的燃烧后碳捕集电厂控制方法 | |
Yılmaz et al. | Thermodynamic evaluation of a waste gas-fired steam power plant in an iron and steel facility using enhanced exergy analysis | |
CN113779783A (zh) | 计及多重不确定性的区域综合能源系统规划与运行联合优化方法 | |
CN110244568B (zh) | 工业企业微网的能源枢纽模型及其多能互补优化控制方法 | |
CN113361122B (zh) | 一种兼顾多能耦合和工序优化的钢铁企业外购电可调潜力评估方法 | |
CN113128868B (zh) | 一种区域综合能源系统调度优化方法及装置 | |
Hofmann et al. | A simultaneous optimization approach for efficiency measures regarding design and operation of industrial energy systems | |
Zhang et al. | Multi-period optimal distribution model of energy medium and its application | |
Almutairi et al. | Exergetic, exergoeconomic and exergoenvironmental analysis of intercooled gas turbine engine | |
Bartnik et al. | Methodology and mathematical model with the continuous time for the selection of the optimal power of the gas turbine set for the dual fuel gas-steam combined cycle in a parallel system | |
CN115238473A (zh) | 一种考虑碳减排的多区域综合能源系统的优化调度方法 | |
CN115470609A (zh) | 一种热电气耦合园区的综合需求响应方法 | |
Qiao et al. | Energy hub‐based configuration optimization method of integrated energy system | |
Fu et al. | Optimal Operation strategy of low-carbon integrated energy system considering power to gas and carbon capture technology | |
Yang et al. | Dispatching Potential Evaluation of Purchased Power Load in Iron and Steel Plant Considering Production Process Optimization | |
Wu et al. | Low carbon optimal planning of the steel mill gas utilization system | |
Khokhlov et al. | The economic effect determination for combined cycle power plant with pressurized heat recovery steam generator | |
Wu et al. | Energy System Analysis and Modeling | |
CN104896980A (zh) | 一种板式换热器及包括板式换热器的热力系统 | |
Hui et al. | Cogeneration system utilizing waste heat from sinter-cooling process | |
Wang et al. | A Multi-objective Optimal Scheduling Method by Considering Energy and Production for Integrated Energy System in Steel Industry | |
TUȚICĂ et al. | Improving Energy Efficiency of Industrial Processes through Integrated Cogeneration | |
Haifeng et al. | Parameter sensitivity analysis of economic operation cost of CCHP-typed microgrid |
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 |