CN116341204A - 一种基于数字孪生的蒸汽管网仿真系统优化调度方法 - Google Patents
一种基于数字孪生的蒸汽管网仿真系统优化调度方法 Download PDFInfo
- Publication number
- CN116341204A CN116341204A CN202310146953.8A CN202310146953A CN116341204A CN 116341204 A CN116341204 A CN 116341204A CN 202310146953 A CN202310146953 A CN 202310146953A CN 116341204 A CN116341204 A CN 116341204A
- Authority
- CN
- China
- Prior art keywords
- steam
- pipe network
- production
- data
- pipe
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 87
- 238000004088 simulation Methods 0.000 title claims abstract description 44
- 238000004519 manufacturing process Methods 0.000 claims abstract description 77
- 238000005457 optimization Methods 0.000 claims abstract description 28
- 238000012544 monitoring process Methods 0.000 claims abstract description 4
- 230000001360 synchronised effect Effects 0.000 claims abstract description 4
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 claims description 72
- 238000004364 calculation method Methods 0.000 claims description 55
- 238000009826 distribution Methods 0.000 claims description 48
- 229910000831 Steel Inorganic materials 0.000 claims description 43
- 239000010959 steel Substances 0.000 claims description 43
- 239000002918 waste heat Substances 0.000 claims description 42
- 229910052742 iron Inorganic materials 0.000 claims description 36
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 26
- 230000008569 process Effects 0.000 claims description 18
- 238000006243 chemical reaction Methods 0.000 claims description 17
- 238000011084 recovery Methods 0.000 claims description 15
- 238000012946 outsourcing Methods 0.000 claims description 13
- 238000005516 engineering process Methods 0.000 claims description 9
- 239000011159 matrix material Substances 0.000 claims description 9
- 230000008878 coupling Effects 0.000 claims description 8
- 238000010168 coupling process Methods 0.000 claims description 8
- 238000005859 coupling reaction Methods 0.000 claims description 8
- 238000009413 insulation Methods 0.000 claims description 8
- 238000012549 training Methods 0.000 claims description 8
- 238000012937 correction Methods 0.000 claims description 7
- 238000012423 maintenance Methods 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 6
- 239000000463 material Substances 0.000 claims description 5
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 238000010835 comparative analysis Methods 0.000 claims description 3
- 238000010612 desalination reaction Methods 0.000 claims description 3
- 239000012530 fluid Substances 0.000 claims description 3
- 239000012774 insulation material Substances 0.000 claims description 3
- 230000010354 integration Effects 0.000 claims description 3
- 238000013178 mathematical model Methods 0.000 claims description 3
- 238000010248 power generation Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 239000013535 sea water Substances 0.000 claims description 3
- 239000000523 sample Substances 0.000 claims 2
- 239000000758 substrate Substances 0.000 claims 1
- 230000003993 interaction Effects 0.000 abstract description 5
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 10
- 239000003546 flue gas Substances 0.000 description 10
- 239000000446 fuel Substances 0.000 description 6
- 239000007789 gas Substances 0.000 description 6
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 4
- 229910052799 carbon Inorganic materials 0.000 description 4
- 239000003245 coal Substances 0.000 description 4
- 239000004973 liquid crystal related substance Substances 0.000 description 4
- 230000009467 reduction Effects 0.000 description 4
- 238000012546 transfer Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000013145 classification model Methods 0.000 description 2
- 238000002485 combustion reaction Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 238000004134 energy conservation Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000017525 heat dissipation Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000007254 oxidation reaction Methods 0.000 description 2
- 238000010791 quenching Methods 0.000 description 2
- 230000000171 quenching effect Effects 0.000 description 2
- 238000005096 rolling process Methods 0.000 description 2
- 238000005245 sintering Methods 0.000 description 2
- 238000009834 vaporization Methods 0.000 description 2
- 230000008016 vaporization Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000009833 condensation Methods 0.000 description 1
- 230000005494 condensation Effects 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000009466 transformation Effects 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- 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
- G06F2119/08—Thermal analysis or thermal optimisation
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Geometry (AREA)
- Educational Administration (AREA)
- Evolutionary Computation (AREA)
- Game Theory and Decision Science (AREA)
- Computer Hardware Design (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Pipeline Systems (AREA)
Abstract
本发明涉及一种基于数字孪生的蒸汽管网仿真系统优化调度方法,包括如下步骤:S1、获取实体蒸汽管网系统的实时动态数据信息;S2、将获得实时动态数据信息输入数字孪生的蒸汽管网仿真系统内,数字孪生的蒸汽管网仿真系统根据实时动态数据信息进行与实体蒸汽管网系统的虚拟同步迭代,输出调度方案;S3、决策人员根据经验和实际生产状况决定是否执行;S4、调度方案执行后,实时监控系统对实体蒸汽管网系统的数据进行采集,并将采集到的实时动态数据信息传输给数字孪生蒸汽管网仿真系统,用以更新改进数字孪生蒸汽管网仿真系统。本发明提供的调控方法能够实现物理实体与虚拟模型的同步与交互,从运行成本角度给出蒸汽优化调度方案。
Description
技术领域
本发明属于能源优化调度技术领域,尤其涉及一种基于数字孪生的蒸汽管网仿真系统及优化调度方法。
背景技术
蒸汽是钢铁企业生产过程中必须的能源之一,许多工艺生产流程需要使用蒸汽,蒸汽管网系统是钢铁企业中能源系统的重要组成部分。蒸汽管网系统分为三个子系统,蒸汽生产子系统、输送子系统、蒸汽消耗子系统,蒸汽生产设备主要包括蒸汽动力设备和余热回收设备,输送设备包括蒸汽管网、蓄热器等装置,蒸汽消耗设备包括生产生活用户。
钢铁企业蒸汽系统包括蒸汽发生、输送、使用、分配、回收等环节,它们互相联系,互相影响。钢铁企业蒸汽管网系统具有如下特点:蒸汽生产设备多样,包括蒸汽锅炉和钢铁生产过程各工序的余热锅炉等;蒸汽管网结构复杂,管网包含多级压力并具有许多环路,管网的运行状态直接影响蒸汽品质和系统能量利用率;蒸汽发生源多,各工序的蒸汽用户多,对蒸汽品质需求不同,蒸汽消耗量变化波动大。这些特点都决定了钢铁企业蒸汽系统的复杂性,所以研究蒸汽系统的优化调度问题,应选取一种适合的、有针对性的研究方法。
钢铁企业的蒸汽管网系统在实际生产运行中存在以下问题:蒸汽消耗量随钢铁生产计划有较大波动,如果蒸汽生产跟不上蒸汽消耗波动,会造成蒸汽不满足钢铁生产需要或放散;蒸汽系统没有完全实现梯级利用、按质用能,蒸汽用户对蒸汽品质的需求不完全一样,用户通常为满足生产需求会将蒸汽降温降压后使用,致使高品位蒸汽贬值利用现象严重;蒸汽管网结构复杂,普遍存在蒸汽泄漏、保温层老化、产生凝结水等问题。
发明内容
(一)要解决的技术问题
为了解决现有技术的上述问题,本发明提供一种基于数字孪生的蒸汽管网仿真系统及优化调度方法,解决钢铁企业等工业企业蒸汽高质低用和蒸汽放散问题,实现蒸汽系统节能减排。
(二)技术方案
为了达到上述目的,本发明采用的主要技术方案包括:
一种基于数字孪生的蒸汽管网仿真系统优化调度方法,包括如下步骤:
S1、获取实体蒸汽管网系统的实时动态数据信息;
S2、将获得实时动态数据信息输入数字孪生的蒸汽管网仿真系统内,数字孪生的蒸汽管网仿真系统根据实时动态数据信息进行与实体蒸汽管网系统的虚拟同步迭代,输出调度方案;
S3、决策人员根据经验和实际生产状况决定是否执行;
若执行,则交由执行器令实体蒸汽管网系统执行调度方案;
若不执行,则对调度方案进行修改后输入数字孪生的蒸汽管网仿真系统内进行仿真验证;
S4、调度方案执行后,实时监控系统对实体蒸汽管网系统的数据进行采集,并将采集到的实时动态数据信息传输给数字孪生蒸汽管网仿真系统,用以更新改进数字孪生蒸汽管网仿真系统。
优选地,所述S1之前还包括:建立数字孪生的蒸汽管网仿真系统;
包括如下步骤:
A1、获取钢铁企业蒸汽产耗历史数据、蒸汽管网信息、蒸汽动力锅炉以及余热锅炉相关参数,确定调度周期内的生产计划和检修计划;
A2、进行工况分类模型的训练和工况识别,并通过小波滤波、数据修补、归一化、标准化等方法对A1中钢铁企业蒸汽产耗历史数据进行预处理;
A3、对钢铁企业的实体蒸汽管网系统进行虚拟建模,与物理实体相对应,从蒸汽的供给侧、输送侧和需求侧对蒸汽系统建立相对应的虚拟模型;
A4、在建立数字孪生的蒸汽管网仿真模型的基础上,根据相关的理论与方法进行仿真、优化、决策等操作,建立蒸汽优化,以经济运行成本最低为目标计算得出蒸汽最优分配方案并将其保存至数据库中。
优选地,所述A1中还包括:通过企业综合数据集成平台服务器获取企业蒸汽产耗历史数据、蒸汽管网信息、蒸汽动力锅炉以及余热锅炉相关参数、生产计划和检修计划;
蒸汽产耗历史数据包括:动力锅炉以及余热锅炉的蒸汽产生量,发电机组蒸汽消耗量,钢铁企业生产生活的蒸汽消耗量;
蒸汽管网信息包括:拓扑信息、管长、管径、管段流量、管段疏水流量、阀门、管段进出口压力温度、管件个数、阻力系数、保温层材料、厚度。
优选地,所述A2还包括如下步骤:
A201、运用向量空间重构方法重新构造数据,依据不同的生产工况记录为每一条数据匹配工况标签,将重构后的数据作为输入数据,数据标签作为输出数据组成训练数据集;
A202、利用训练神经网络技术对数据集进行分类,利用误差反向传播算法得到模型参数;
A203、采集实时数据,经过数据预处理和向量空间重构后作为模型输入数据,得到的输出数据标签即为当前生产工况;
A204、结合当前生产工况及A1中的生产计划和检修计划,确定未来调度周期内的蒸汽生产量和消耗量。
优选地,所述A3还包括:建立蒸汽发生设备模型,蒸汽发生设备包括蒸汽动力锅炉和各工序余热锅炉;
包括如下步骤:
(1)蒸汽锅炉蒸汽发生量:
其中,Gb为单位时间内锅炉的蒸汽发生量,t/h;ηb为蒸汽锅炉热效率,%;k为燃料种类;Bi为第i种燃料的消耗量,t/h;bi为第i种燃料的折标煤系数,kgce/t;hs为蒸汽锅炉产生的蒸汽焓值,kJ/t;hw为蒸汽锅炉给水焓值,kJ/t;
(2)余热锅炉包括干熄焦余热锅炉、烧结余热锅炉、烧结余热锅炉、转炉余热锅炉、轧钢余热锅炉,余热锅炉的蒸汽发生量与锅炉热效率,给水参数、蒸汽参数、换热介质等因素有关,转炉余热锅炉的蒸汽发生量为:
其中,为单位时间内转炉余热锅炉蒸汽发生量,t/h;t1为烟气进入余热锅炉温度,℃;t2为烟气离开余热锅炉温度,℃;cp1为烟气在t1温度下的比热容,kJ/(m3·℃);cp2为烟气在t2温度下的比热容,kJ/(m3·℃);/>为铁水中含碳物料中碳氧化产生的炉气量之和,m3/t;R为CO燃烧热值,kJ/m3;/>为转炉余热锅炉的热效率,%;α为碳化产物CO和CO2的分配比,%;λk为空气吸入系数,实际空气吸入量与转炉烟气完全燃尽的理论空气之比,%;/>为产生蒸汽比焓,kJ/t;/>为给水比焓,kJ/t。
优选地,所述A3还包括:建立蒸汽消耗系统模型;
获得整个钢铁企业所有生产用户对蒸汽的工艺要求信息,包括压力、温度、夏季蒸汽消耗量、冬季蒸汽消耗量、蒸汽消耗平均量、蒸汽消耗最大量、使用制度,并通过数据库记录处理。
优选地,所述A3还包括:建立蒸汽输送模型;
包括如下步骤:
获取企业蒸汽管网拓扑结构以及相关历史数据记录;
建立管网基本信息数据库,对管网的拓扑结构、管长、管径、各管段流量、管段疏水量、阀门数目、管件个数、阻力系数、保温材料、保温层厚度、各节点压力、温度、动力粘度、修正系数、管段绝对粗糙度、蒸汽密度、导热系数等具体参数进行存储;
将蒸汽管网简化为由管段和节点组成的有向图,获取管网拓扑结构,并采用管段-节点的关联矩阵描述管网的拓扑关系,把汽源点、内部节点和用户节点分设为参考节点、计算节点和独立节点;
当管段过长时计算会引入较大误差,针对较长的管段需要采用添加虚拟节点的方法,将长管段分段;
将实际管网转化为数学模型,基于节点流量守恒方程、压降计算式、温降计算式和IAPWS-IF97公式,结合流体力学中动力粘度、流速、雷诺数计算公式建立蒸汽管网水力热力耦合计算模型,其中,单管段水力热力计算如下:
首先假设管段出口蒸汽的压力、温度,利用IAPWS-IF97公式计算蒸汽密度:
之后,分别求得中间参数蒸汽流速、动力粘度、雷诺数:
式中,v为蒸汽流速,m/s;d为管段当量直径,m;G为管段流量,m3/s;
式中,μ为动力粘度,10-6·m2·s-1;ni,Ii,Ji为动力粘度系数;T为蒸汽温度,K;
式中,Re为雷诺数,ρ为蒸汽密度,kg/m3;v为蒸汽流速,m/s;μ为蒸汽动力粘度,10-6·m2·s-1;
之后计算管段压降、温降,管段压降计算式:
式中,Δp为管段的压降,Pa;d为管段的内径,m;β为管段的局部压降修正系数;l为管段的长度,m;le为管段所含阀门、弯头等管件的当量长度,m;G为管段流量,kg/s;k为管段当量粗糙度,m;Re为雷诺数;
温降计算公式:
式中,Δt为管段温降,℃;ηh为修正因子;tin为管段入口处蒸汽温度,℃;tout为管段出口处蒸汽温度,℃;tf为环境温度,℃;h1为内侧对流换热系数;h2为外侧对流换热系数;d2为保温层外径,m;d1为蒸汽管内径,m;l为管长,m;λ为保温层的导热系数,W/(m·℃);
根据管段压降求出出口压力,将假设的蒸汽压力和求得的计算结果进行比较,当误差小于5%时,停止迭代计算,否则,继续用求得的蒸汽压力和温度值迭代计算;
根据水力热力耦合计算,计算出整个管网各个节点的压力、温度;
各节点温度、压力已知,计算管段生成冷凝水量:
hin=hout+Qsr+Qln
Qln=mln·rqh
式中,hin为入口蒸汽焓值,kJ/kg;hout为出口蒸汽焓值,kJ/kg;Qln为冷凝水热损失量,kJ;Qsr为管段散热量,kJ;mln为冷凝水质量,kg;rqh为汽化潜热,kJ/kg;
将管网耦合计算模型所得的结果存入数据库中。
优选地,所述A4还包括:建立蒸汽转化分配计算模型,蒸汽转换分配计算包括高压蒸汽、中压蒸汽和低压蒸汽分配计算。蒸汽转换分配计算的条件是已知蒸汽用户需求量、管网拓扑关系、余热气源回收量及蒸汽动力设备产汽能力,三种蒸汽分配计算过程一致,其中,高压蒸汽分配计算如下:
第j个高压蒸汽目标设备的蒸汽供应模型:
Uh,j=Σai,jSh,ibi,j
其中,Uh,j为第j个高压蒸汽目标设备的蒸汽需求量;ai,j为第j个高压蒸汽目标设备与第i个高压蒸汽汽源设备的是否相通,ai,j=1表示可供汽,ai,j=0时表示不可供汽;Sh,i为表示第i个高压蒸汽源设备的最大高蒸汽供应量;bi,j为第i个高压蒸汽源设备为第j个高压蒸汽目标设备提供的高压蒸汽量占其自身最大供应能力的比例;
根据高压蒸汽用户的需求量,构建高压蒸汽需求向量:
Uh=[Uh,1,Uh,2…Uh,n]T
其中,n为高压蒸汽的用户数目。
优选地,所述高压蒸汽分配计算还包括:
据工序余热高压蒸汽回收量,构建高压蒸汽回收向量Rh=[Rh,1,Rh,2…Rh,m]T,m为可回收工序余热蒸汽的设备数目;Rh,i为第i个余热蒸汽回收设备的高压蒸汽回收量;
根据高压蒸汽管网拓扑关系,构建高压蒸汽可达性矩阵,Ah=(ai,j)m×n;构建高压蒸汽分配矩阵Ch=(ai,j*bi,j)n×m;
解线性方程Uh=Ch×Rh;
求出一组可行解Bh=(bi,j)n×m,判断高压蒸汽的可回收量是否大于蒸汽的总需求量,若则将富余高压蒸汽经过减温减压装置转换为中压蒸汽,转化分配结束;若方程无解,表明工序的高压蒸汽回收量不满足蒸汽目标用户的需求,此时需接入备用汽源,判断钢铁厂内备用气源是否启动,如果已经全部启动了,则表明蒸汽用户需求超过整个钢铁企业产生蒸汽的能力,需要外购蒸汽或者调节生产计划;若没有全部启动,则需按备用气源的优先级,启动备用气源,即蒸汽源设备的数目为m+1,Rh为(m+1)×1阶向量R'h=[Rh,1,Rh,2…Rh,m,Rh,m+1]T,Ch为n×(m+1)阶矩阵C'h=(ai,j*bi,j)n×(m+1),跳转至解线性方程Uh=Ch×Rh;
高压蒸汽分配计算结束。
优选地,所述A4还包括:依次计算中压蒸汽、低压蒸汽的分配方案,计算得出高质低用的蒸汽量;
根据蒸汽转化建立蒸汽调度优化模型,目标函数为蒸汽生产的实际费用、企业自发电的费用、外购电的费用、外购水费用、能级不匹配产生的费用的和;
其中,l为蒸汽种类,分为高压、中压、低压蒸汽;s为汽源;u为蒸汽用户;Cs为汽源生产蒸汽的实际费用,元/t;Qs,l为汽源的蒸汽生产量,t/h;为汽轮机自发电成本,元/(kW·h);/>为自发电量,kW;/>为外购电成本,元/(kW·h);/>为外购电量,kW;/>为外购水成本,元/t;/>外购水需求,t/h;CΔ为单位能级差惩罚,元/t;Ωu,l为能级差;Ru,l为用户使用转化的蒸汽量t/h;
约束条件包括生产设备的约束,锅炉、汽轮机、海水淡化等设备的工作范围根据实际情况设定上下限;管网约束,每一级的蒸汽管网,都要保证进、出管网的蒸汽总量平衡;钢铁企业各生产工序的生产约束,在不同生产阶段,要满足对蒸汽、电力、水等二次能源的需求量,保证各工序的正常运行;汽轮机抽汽、发电约束;介质替换关系的约束;
使用Python软件编程求解器CONOPT进行求解,得到经济运行成本最低的蒸汽分配方案,与之对应的调度方案以图表的形式显示,并进行优化前后结果的对比分析,保存调度方案至数据库中。
(三)有益效果
本发明的有益效果是:
本申请提供的方案能够提高蒸汽高效利用。
具体地,将数字孪生技术应用于钢铁企业的蒸汽系统中,与蒸汽系统的物理实体、数据信息相结合,实现将蒸汽系统物理实体向虚拟物体的全息映射,将实际优化结果与理论优化结果作对比,进行误差分析,通过不断迭代虚拟模型,实现物理实体与虚拟模型的同步与交互。
建立不同品质蒸汽分配转化计算模型,对钢铁企业中蒸汽的高质低用进行评估,对蒸汽的分配优化调度提供依据。
针对数学规划模型,使用Python软件编程调用求解器CONOPT进行求解,得到运行成本最优的调配方案,为钢铁企业数字化转型提供必要的技术支撑。
本申请综合考虑目前钢铁企业蒸汽系统运行过程中存在的问题以及蒸汽高效利用和优化调度,结合数字孪生技术,提出了一种基于数字孪生的蒸汽管网系统仿真及优化调度技术。
采用本发明提出的基于数字孪生的蒸汽管网系统仿真及优化调度技术,可以通过不断迭代虚拟模型,实现物理实体与虚拟模型的同步与交互;对钢铁企业中蒸汽的使用状况进行有效评估,同时从运行成本角度给出蒸汽优化调度方案。
附图说明
图1为本发明提供的一种基于数字孪生的蒸汽管网仿真系统优化调度方法的流程示意图;
图2为为本发明提供的一种基于数字孪生的蒸汽管网仿真系统优化调度方法的实施例中基于数字孪生的蒸汽优化调度系统的结构示意图;
图3为本发明提供的一种基于数字孪生的蒸汽管网仿真系统优化调度方法的实施例中蒸汽管网系统的物理实体与虚拟模型交互的示意图;
图4为本发明提供的一种基于数字孪生的蒸汽管网仿真系统优化调度方法的实施例中高压蒸汽转化分配计算过程示意图。
具体实施方式
为了更好的解释本发明,以便于理解,下面结合附图,通过具体实施方式,对本发明作详细描述。
如图1-图4所示:本实施例中公开了一种基于数字孪生的蒸汽管网仿真系统优化调度方法,包括如下步骤:
S1、获取实体蒸汽管网系统的实时动态数据信息;
S2、将获得实时动态数据信息输入数字孪生的蒸汽管网仿真系统内,数字孪生的蒸汽管网仿真系统根据实时动态数据信息进行与实体蒸汽管网系统的虚拟同步迭代,输出调度方案;
S3、决策人员根据经验和实际生产状况决定是否执行;
若执行,则交由执行器令实体蒸汽管网系统执行调度方案;
若不执行,则对调度方案进行修改后输入数字孪生的蒸汽管网仿真系统内进行仿真验证;
S4、调度方案执行后,实时监控系统对实体蒸汽管网系统的数据进行采集,并将采集到的实时动态数据信息传输给数字孪生蒸汽管网仿真系统,用以更新改进数字孪生蒸汽管网仿真系统。
本实施例中的方法将数字孪生技术应用于钢铁企业的蒸汽管网系统中,与蒸汽系统的物理实体、数据信息相结合,实现蒸汽管网系统的物理实体向虚拟物体的全息映射,完成蒸汽管网相关参数的计算,对蒸汽的转化分配进行计算,同时建立钢铁企业蒸汽供需优化调度模型,实现蒸汽的按质分配、高效使用,解决钢铁企业等工业企业蒸汽高质低用和蒸汽放散问题,实现蒸汽系统节能减排。
本实施例中所述S1之前还包括:建立数字孪生的蒸汽管网仿真系统;
包括如下步骤:
A1、获取钢铁企业蒸汽产耗历史数据、蒸汽管网信息、蒸汽动力锅炉以及余热锅炉相关参数,确定调度周期内的生产计划和检修计划;
A2、进行工况分类模型的训练和工况识别,并通过小波滤波、数据修补、归一化、标准化等方法对A1中钢铁企业蒸汽产耗历史数据进行预处理;
A3、对钢铁企业的实体蒸汽管网系统进行虚拟建模,与物理实体相对应,从蒸汽的供给侧、输送侧和需求侧对蒸汽系统建立相对应的虚拟模型;
A4、在建立数字孪生的蒸汽管网仿真模型的基础上,根据相关的理论与方法进行仿真、优化、决策等操作,建立蒸汽优化,以经济运行成本最低为目标计算得出蒸汽最优分配方案并将其保存至数据库中。
本实施例中所述A1中还包括:通过企业综合数据集成平台服务器获取企业蒸汽产耗历史数据、蒸汽管网信息、蒸汽动力锅炉以及余热锅炉相关参数、生产计划和检修计划;
蒸汽产耗历史数据包括:动力锅炉以及余热锅炉的蒸汽产生量,发电机组蒸汽消耗量,钢铁企业生产生活的蒸汽消耗量;
蒸汽管网信息包括:拓扑信息、管长、管径、管段流量、管段疏水流量、阀门、管段进出口压力温度、管件个数、阻力系数、保温层材料、厚度。
本实施例中所述A2还包括如下步骤:
A201、运用向量空间重构方法重新构造数据,依据不同的生产工况记录为每一条数据匹配工况标签,将重构后的数据作为输入数据,数据标签作为输出数据组成训练数据集;
A202、利用训练神经网络技术对数据集进行分类,利用误差反向传播算法得到模型参数;
A203、采集实时数据,经过数据预处理和向量空间重构后作为模型输入数据,得到的输出数据标签即为当前生产工况;
A204、结合当前生产工况及A1中的生产计划和检修计划,确定未来调度周期内的蒸汽生产量和消耗量。
本实施例中所述A3还包括:建立蒸汽发生设备模型,蒸汽发生设备包括蒸汽动力锅炉和各工序余热锅炉;
包括如下步骤:
(1)蒸汽锅炉蒸汽发生量:
其中,Gb为单位时间内锅炉的蒸汽发生量,t/h;ηb为蒸汽锅炉热效率,%;k为燃料种类;Bi为第i种燃料的消耗量,t/h;bi为第i种燃料的折标煤系数,kgce/t;hs为蒸汽锅炉产生的蒸汽焓值,kJ/t;hw为蒸汽锅炉给水焓值,kJ/t;
(2)余热锅炉包括干熄焦余热锅炉、烧结余热锅炉、烧结余热锅炉、转炉余热锅炉、轧钢余热锅炉,余热锅炉的蒸汽发生量与锅炉热效率,给水参数、蒸汽参数、换热介质等因素有关,转炉余热锅炉的蒸汽发生量为:
其中,为单位时间内转炉余热锅炉蒸汽发生量,t/h;t1为烟气进入余热锅炉温度,℃;t2为烟气离开余热锅炉温度,℃;cp1为烟气在t1温度下的比热容,kJ/(m3·℃);cp2为烟气在t2温度下的比热容,kJ/(m3·℃);/>为铁水中含碳物料中碳氧化产生的炉气量之和,m3/t;R为CO燃烧热值,kJ/m3;/>为转炉余热锅炉的热效率,%;α为碳化产物CO和CO2的分配比,%;λk为空气吸入系数,实际空气吸入量与转炉烟气完全燃尽的理论空气之比,%;/>为产生蒸汽比焓,kJ/t;/>为给水比焓,kJ/t。
本实施例中所述A3还包括:建立蒸汽消耗系统模型;
获得整个钢铁企业所有生产用户对蒸汽的工艺要求信息,包括压力、温度、夏季蒸汽消耗量、冬季蒸汽消耗量、蒸汽消耗平均量、蒸汽消耗最大量、使用制度,并通过数据库记录处理。
本实施例中所述A3还包括:建立蒸汽输送模型;
包括如下步骤:
获取企业蒸汽管网拓扑结构以及相关历史数据记录;
建立管网基本信息数据库,对管网的拓扑结构、管长、管径、各管段流量、管段疏水量、阀门数目、管件个数、阻力系数、保温材料、保温层厚度、各节点压力、温度、动力粘度、修正系数、管段绝对粗糙度、蒸汽密度、导热系数等具体参数进行存储;
将蒸汽管网简化为由管段和节点组成的有向图,获取管网拓扑结构,并采用管段-节点的关联矩阵描述管网的拓扑关系,把汽源点、内部节点和用户节点分设为参考节点、计算节点和独立节点;
当管段过长时计算会引入较大误差,针对较长的管段需要采用添加虚拟节点的方法,将长管段分段;
将实际管网转化为数学模型,基于节点流量守恒方程、压降计算式、温降计算式和IAPWS-IF97公式,结合流体力学中动力粘度、流速、雷诺数计算公式建立蒸汽管网水力热力耦合计算模型,其中,单管段水力热力计算如下:
首先假设管段出口蒸汽的压力、温度,利用IAPWS-IF97公式计算蒸汽密度:
之后,分别求得中间参数蒸汽流速、动力粘度、雷诺数:
式中,v为蒸汽流速,m/s;d为管段当量直径,m;G为管段流量,m3/s;
式中,μ为动力粘度,10-6·m2·s-1;ni,Ii,Ji为动力粘度系数;T为蒸汽温度,K;
式中,Re为雷诺数,ρ为蒸汽密度,kg/m3;v为蒸汽流速,m/s;μ为蒸汽动力粘度,10-6·m2·s-1;
之后计算管段压降、温降,管段压降计算式:
式中,Δp为管段的压降,Pa;d为管段的内径,m;β为管段的局部压降修正系数;l为管段的长度,m;le为管段所含阀门、弯头等管件的当量长度,m;G为管段流量,kg/s;k为管段当量粗糙度,m;Re为雷诺数;
温降计算公式:
式中,Δt为管段温降,℃;ηh为修正因子;tin为管段入口处蒸汽温度,℃;tout为管段出口处蒸汽温度,℃;tf为环境温度,℃;h1为内侧对流换热系数;h2为外侧对流换热系数;d2为保温层外径,m;d1为蒸汽管内径,m;l为管长,m;λ为保温层的导热系数,W/(m·℃);
根据管段压降求出出口压力,将假设的蒸汽压力和求得的计算结果进行比较,当误差小于5%时,停止迭代计算,否则,继续用求得的蒸汽压力和温度值迭代计算;
根据水力热力耦合计算,计算出整个管网各个节点的压力、温度;
各节点温度、压力已知,计算管段生成冷凝水量:
hin=hout+Qsr+Qln
Qln=mln·rqh
式中,hin为入口蒸汽焓值,kJ/kg;hout为出口蒸汽焓值,kJ/kg;Qln为冷凝水热损失量,kJ;Qsr为管段散热量,kJ;mln为冷凝水质量,kg;rqh为汽化潜热,kJ/kg;
将管网耦合计算模型所得的结果存入数据库中。
本实施例中所述A4还包括:建立蒸汽转化分配计算模型,蒸汽转换分配计算包括高压蒸汽、中压蒸汽和低压蒸汽分配计算。蒸汽转换分配计算的条件是已知蒸汽用户需求量、管网拓扑关系、余热气源回收量及蒸汽动力设备产汽能力,三种蒸汽分配计算过程一致,其中,高压蒸汽分配计算如下:
第j个高压蒸汽目标设备的蒸汽供应模型:
Uh,j=Σai,jSh,ibi,j
其中,Uh,j为第j个高压蒸汽目标设备的蒸汽需求量;ai,j为第j个高压蒸汽目标设备与第i个高压蒸汽汽源设备的是否相通,ai,j=1表示可供汽,ai,j=0时表示不可供汽;Sh,i为表示第i个高压蒸汽源设备的最大高蒸汽供应量;bi,j为第i个高压蒸汽源设备为第j个高压蒸汽目标设备提供的高压蒸汽量占其自身最大供应能力的比例;
根据高压蒸汽用户的需求量,构建高压蒸汽需求向量:
Uh=[Uh,1,Uh,2…Uh,n]T
其中,n为高压蒸汽的用户数目。
本实施例中所述高压蒸汽分配计算还包括:
据工序余热高压蒸汽回收量,构建高压蒸汽回收向量Rh=[Rh,1,Rh,2…Rh,m]T,m为可回收工序余热蒸汽的设备数目;Rh,i为第i个余热蒸汽回收设备的高压蒸汽回收量;
根据高压蒸汽管网拓扑关系,构建高压蒸汽可达性矩阵,Ah=(ai,j)m×n;构建高压蒸汽分配矩阵Ch=(ai,j*bi,j)n×m;
解线性方程Uh=Ch×Rh;
求出一组可行解Bh=(bi,j)n×m,判断高压蒸汽的可回收量是否大于蒸汽的总需求量,若则将富余高压蒸汽经过减温减压装置转换为中压蒸汽,转化分配结束;若方程无解,表明工序的高压蒸汽回收量不满足蒸汽目标用户的需求,此时需接入备用汽源,判断钢铁厂内备用气源是否启动,如果已经全部启动了,则表明蒸汽用户需求超过整个钢铁企业产生蒸汽的能力,需要外购蒸汽或者调节生产计划;若没有全部启动,则需按备用气源的优先级,启动备用气源,即蒸汽源设备的数目为m+1,Rh为(m+1)×1阶向量R'h=[Rh,1,Rh,2…Rh,m,Rh,m+1]T,Ch为n×(m+1)阶矩阵C'h=(ai,j*bi,j)n×(m+1),跳转至解线性方程Uh=Ch×Rh;
高压蒸汽分配计算结束。
本实施例中所述A4还包括:依次计算中压蒸汽、低压蒸汽的分配方案,计算得出高质低用的蒸汽量;
根据蒸汽转化建立蒸汽调度优化模型,目标函数为蒸汽生产的实际费用、企业自发电的费用、外购电的费用、外购水费用、能级不匹配产生的费用的和;
其中,l为蒸汽种类,分为高压、中压、低压蒸汽;s为汽源;u为蒸汽用户;Cs为汽源生产蒸汽的实际费用,元/t;Qs,l为汽源的蒸汽生产量,t/h;为汽轮机自发电成本,元/(kW·h);/>为自发电量,kW;/>为外购电成本,元/(kW·h);/>为外购电量,kW;/>为外购水成本,元/t;/>外购水需求,t/h;CΔ为单位能级差惩罚,元/t;Ωu,l为能级差;Ru,l为用户使用转化的蒸汽量t/h;
约束条件包括生产设备的约束,锅炉、汽轮机、海水淡化等设备的工作范围根据实际情况设定上下限;管网约束,每一级的蒸汽管网,都要保证进、出管网的蒸汽总量平衡;钢铁企业各生产工序的生产约束,在不同生产阶段,要满足对蒸汽、电力、水等二次能源的需求量,保证各工序的正常运行;汽轮机抽汽、发电约束;介质替换关系的约束;
使用Python软件编程求解器CONOPT进行求解,得到经济运行成本最低的蒸汽分配方案,与之对应的调度方案以图表的形式显示,并进行优化前后结果的对比分析,保存调度方案至数据库中。
本实施例中结合数字孪生技术公开了一种基于数字孪生的蒸汽管网系统仿真优化调度方法,采用该方法,可以通过不断迭代虚拟模型,实现物理实体与虚拟模型的同步与交互;对钢铁企业中蒸汽的使用状况进行有效评估,同时从运行成本角度给出蒸汽优化调度方案。
以上结合具体实施例描述了本发明的技术原理,这些描述只是为了解释本发明的原理,不能以任何方式解释为对本发明保护范围的限制。基于此处解释,本领域的技术人员不需要付出创造性的劳动即可联想到本发明的其它具体实施方式,这些方式都将落入本发明的保护范围之内。
Claims (9)
1.一种基于数字孪生的蒸汽管网仿真系统优化调度方法,其特征在于,包括如下步骤:
S1、获取实体蒸汽管网系统的实时动态数据信息;
S2、将获得实时动态数据信息输入数字孪生的蒸汽管网仿真系统内,数字孪生的蒸汽管网仿真系统根据实时动态数据信息进行与实体蒸汽管网系统的虚拟同步迭代,输出调度方案;
S3、决策人员根据经验和实际生产状况决定是否执行;
S4、调度方案执行后,实时监控系统对实体蒸汽管网系统的数据进行采集,并将采集到的实时动态数据信息传输给数字孪生蒸汽管网仿真系统,用以更新改进数字孪生蒸汽管网仿真系统。
2.根据权利要求1所述的方法,其特征在于,所述S1之前还包括:建立数字孪生的蒸汽管网仿真系统;
包括如下步骤:
A1、获取钢铁企业蒸汽产耗历史数据、蒸汽管网信息、蒸汽动力锅炉以及余热锅炉相关参数,确定调度周期内的生产计划和检修计划;
A2、对A1中钢铁企业蒸汽产耗历史数据进行预处理;
A3、对钢铁企业的实体蒸汽管网系统进行虚拟建模,与物理实体相对应,从蒸汽的供给侧、输送侧和需求侧对蒸汽系统建立相对应的虚拟模型;
A4、在建立数字孪生的蒸汽管网仿真模型的基础上,根据相关的理论与方法进行仿真、优化、决策等操作,建立蒸汽优化,以经济运行成本最低为目标计算得出蒸汽最优分配方案并将其保存至数据库中。
3.根据权利要求2所述的方法,其特征在于,
所述A1中还包括:通过企业综合数据集成平台服务器获取企业蒸汽产耗历史数据、蒸汽管网信息、蒸汽动力锅炉以及余热锅炉相关参数、生产计划和检修计划;
蒸汽产耗历史数据包括:动力锅炉以及余热锅炉的蒸汽产生量,发电机组蒸汽消耗量,钢铁企业生产生活的蒸汽消耗量;
蒸汽管网信息包括:拓扑信息、管长、管径、管段流量、管段疏水流量、阀门、管段进出口压力温度、管件个数、阻力系数、保温层材料、厚度。
4.根据权利要求3所述的方法,其特征在于,
所述A2还包括如下步骤:
A201、运用向量空间重构方法重新构造数据,依据不同的生产工况记录为每一条数据匹配工况标签,将重构后的数据作为输入数据,数据标签作为输出数据组成训练数据集;
A202、利用训练神经网络技术对数据集进行分类,利用误差反向传播算法得到模型参数;
A203、采集实时数据,经过数据预处理和向量空间重构后作为模型输入数据,得到的输出数据标签即为当前生产工况;
A204、结合当前生产工况及A1中的生产计划和检修计划,确定未来调度周期内的蒸汽生产量和消耗量。
5.根据权利要求4所述的方法,其特征在于,
所述A3还包括:建立蒸汽发生设备模型,蒸汽发生设备包括蒸汽动力锅炉和各工序余热锅炉。
6.根据权利要求5所述的方法,其特征在于,
所述A3还包括:建立蒸汽消耗系统模型;
获得整个钢铁企业所有生产用户对蒸汽的工艺要求信息,包括压力、温度、夏季蒸汽消耗量、冬季蒸汽消耗量、蒸汽消耗平均量、蒸汽消耗最大量、使用制度,并通过数据库记录处理。
7.根据权利要求6所述的方法,其特征在于,
所述A3还包括:建立蒸汽输送模型;
包括如下步骤:
获取企业蒸汽管网拓扑结构以及相关历史数据记录;
建立管网基本信息数据库,对管网的拓扑结构、管长、管径、各管段流量、管段疏水量、阀门数目、管件个数、阻力系数、保温材料、保温层厚度、各节点压力、温度、动力粘度、修正系数、管段绝对粗糙度、蒸汽密度、导热系数等具体参数进行存储;
将蒸汽管网简化为由管段和节点组成的有向图,获取管网拓扑结构,并采用管段-节点的关联矩阵描述管网的拓扑关系,把汽源点、内部节点和用户节点分设为参考节点、计算节点和独立节点;
当管段过长时计算会引入较大误差,针对较长的管段需要采用添加虚拟节点的方法,将长管段分段;
将实际管网转化为数学模型,基于节点流量守恒方程、压降计算式、温降计算式和IAPWS-IF97公式,结合流体力学中动力粘度、流速、雷诺数计算公式建立蒸汽管网水力热力耦合计算模型.
将管网耦合计算模型所得的结果存入数据库中。
8.根据权利要求7所述的方法,其特征在于,
所述A4还包括:建立蒸汽转化分配计算模型,蒸汽转换分配计算包括高压蒸汽、中压蒸汽和低压蒸汽分配计算;蒸汽转换分配计算的条件是已知蒸汽用户需求量、管网拓扑关系、余热气源回收量及蒸汽动力设备产汽能力,三种蒸汽分配计算过程一致。
9.根据权利要求8所述的方法,其特征在于,
所述A4还包括:依次计算中压蒸汽、低压蒸汽的分配方案,计算得出高质低用的蒸汽量;
根据蒸汽转化建立蒸汽调度优化模型,目标函数为蒸汽生产的实际费用、企业自发电的费用、外购电的费用、外购水费用、能级不匹配产生的费用的和;
约束条件包括生产设备的约束,锅炉、汽轮机、海水淡化等设备的工作范围根据实际情况设定上下限;管网约束,每一级的蒸汽管网,都要保证进、出管网的蒸汽总量平衡;钢铁企业各生产工序的生产约束,在不同生产阶段,要满足对蒸汽、电力、水等二次能源的需求量,保证各工序的正常运行;汽轮机抽汽、发电约束;介质替换关系的约束;
使用Python软件编程求解器CONOPT进行求解,得到经济运行成本最低的蒸汽分配方案,与之对应的调度方案以图表的形式显示,并进行优化前后结果的对比分析,保存调度方案至数据库中。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310146953.8A CN116341204A (zh) | 2023-02-21 | 2023-02-21 | 一种基于数字孪生的蒸汽管网仿真系统优化调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310146953.8A CN116341204A (zh) | 2023-02-21 | 2023-02-21 | 一种基于数字孪生的蒸汽管网仿真系统优化调度方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116341204A true CN116341204A (zh) | 2023-06-27 |
Family
ID=86886745
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310146953.8A Pending CN116341204A (zh) | 2023-02-21 | 2023-02-21 | 一种基于数字孪生的蒸汽管网仿真系统优化调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116341204A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116822310A (zh) * | 2023-08-24 | 2023-09-29 | 天津大学 | 一种陶瓷烧结工艺的数字孪生系统 |
CN117371668A (zh) * | 2023-12-06 | 2024-01-09 | 北京晨豪科技有限公司 | 基于可视图和网络流的城市管路流量调配优化方法 |
-
2023
- 2023-02-21 CN CN202310146953.8A patent/CN116341204A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116822310A (zh) * | 2023-08-24 | 2023-09-29 | 天津大学 | 一种陶瓷烧结工艺的数字孪生系统 |
CN116822310B (zh) * | 2023-08-24 | 2024-02-09 | 天津大学 | 一种陶瓷烧结工艺的数字孪生系统 |
CN117371668A (zh) * | 2023-12-06 | 2024-01-09 | 北京晨豪科技有限公司 | 基于可视图和网络流的城市管路流量调配优化方法 |
CN117371668B (zh) * | 2023-12-06 | 2024-02-09 | 北京晨豪科技有限公司 | 基于可视图和网络流的城市管路流量调配优化方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116341204A (zh) | 一种基于数字孪生的蒸汽管网仿真系统优化调度方法 | |
CN108490904B (zh) | 一种基于设备多工况运行的能源系统优化调度方法 | |
CN113822496B (zh) | 一种多机组热电厂供热模式及参数在线寻优方法 | |
CN104239981B (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 | |
CN104463341B (zh) | 图表化的蒸汽动力系统分析优化方法和装置 | |
CN109948858B (zh) | 基于数据驱动的工况识别方法 | |
Micheletto et al. | Operational optimization of the utility system of an oil refinery | |
CN115409396A (zh) | 基于双层滚动优化的综合能源系统多时间尺度调度方法 | |
Wang et al. | Analysis of economy, energy efficiency, environment: A case study of the CHP system with both civil and industrial heat users | |
CN113268699A (zh) | 一种工业供汽电厂热负荷厂级优化分配系统及方法 | |
CN116341881B (zh) | 计及热网灵活性的电-热系统鲁棒超前调度方法及系统 | |
Yu et al. | An improved combined heat and power economic dispatch model for natural gas combined cycle power plants | |
CN110207094A (zh) | 基于主成分分析的iqga-svr锅炉受热面沾污特性辨识方法 | |
Wang et al. | Optimizing thermal–electric load distribution of large-scale combined heat and power plants based on characteristic day | |
CN115455719A (zh) | 一种基于全生命周期碳成本的综合能源系统优化仿真方法 | |
CN116432824A (zh) | 基于多目标粒子群的综合能源系统优化方法及系统 | |
CN115455621A (zh) | 一种基于仿生原理的供热系统拓扑结构优化方法 | |
CN103235512A (zh) | 一种发电机组运行的方法 | |
CN108734419B (zh) | 一种基于知识迁移的高炉煤气调度系统建模方法 | |
CN113898428A (zh) | 分析双抽热电联产机组热、电、汽负荷调整空间的方法 | |
Chen et al. | Application of deep learning modelling of the optimal operation conditions of auxiliary equipment of combined cycle gas turbine power station | |
de Araújo et al. | Response surface methods based in artificial intelligence for superstructure thermoeconomic optimization of waste heat recovery systems in a large internal combustion engine | |
CN112686447B (zh) | 海上油气田开发多能流耦合负荷预测方法 | |
Wilkendorf et al. | Minimization of the annual cost for complete utility systems | |
CN113191083B (zh) | 考虑全工况外部参数变化的烟气余热回收系统优化设计方法 |
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 |