复杂系统多能源介质的优化调度

摘要

在钢铁企业产能过剩、全行业亏损以及供给侧结构性改革的大背景下，充分利用副产煤气，成为钢铁企业减少排放、降本增效的重要手段。
　　在钢铁企业内部，副产煤气系统结构复杂，涉及的设备数量众多，且设备煤气产耗特性差别巨大，在运行的过程中会出现煤气产耗不平衡的问题，使得煤气资源利无法得到有效利用，造成能源的极大浪费。
　　本文以某钢铁企业（长流程）的煤气系统作为研究对象，在设备的煤气产耗特性建模以及多煤气介质混合配比优化的基础上，开展了设备运行时序的优化研究。主要研究内容和研究成果如下:
　　(1)钢铁企业设备煤气产耗特性建模研究
　　根据钢铁企业的生产工艺和运行方式，在基于运行数据统计获取焦炭、烧结矿、球团矿、铁和钢产量匹配关系的基础上，建立了以铁水平均生产速率为主导变量、兼顾设备主要运行方式（如高炉减风与复风等）的特性模型，包括:煤气生产设备特性（产气特性）、煤气消耗设备特性（耗气特性）。
　　(2)钢铁企业多煤气介质最优混合配比研究
　　提出一种混合煤气逆向分解的方法，巧妙地将多种热值的混合煤气逐层分解为（固定热值的）各单一煤气的体积占比，为后续优化奠定基础。
　　建立了多煤气介质最优混合配比模型，并运用改进基因设计的遗传优化算法，获得与日际生产计划相应的多煤气介质混合优化解——各设备所获得混合煤气的热值和热量。该优化算法中利用基因初始化的范围区间控制混合煤气的热值范围，算例结果表明，显著减少了约束方程及决策变量的数量。
　　(3)钢铁企业煤气消耗设备时序优化研究
　　时序是指可间断生产设备的运行状态改变时刻与持续时长，时序优化就是利用可间断生产设备的这种特点，平衡系统中的煤气产耗。
　　在特性建模与多煤气介质最优混合配比研究的基础上，建立了煤气消耗设备时序优化的0-1整数规划模型，该模型以自备电厂热量波动最小与消耗设备运行状态改变最少为目标，并综合考虑了三种副产煤气体积守恒、自备电厂日际输入热量约束，煤气设备与自备电厂的热值约束以及流量约束。
　　针对该模型提出了一种降低遗传算法基因维数的方法。时序优化模型的每一组优化解对应一个时序矩阵（矩阵的行表示时间，矩阵的列表示各设备，矩阵中元素为“0”或“1”，每一行中“0”或“1”的个数已知，但其在每一行中位置有待优化），传统求解方式会令矩阵中每一个元素为一个基因，基因数量众多，增加了模型的求解困难。为此，本文提出了一种新的基因设置方式，首先确定每一行的基因个数，当“1”少于“0”时，“1”的个数即为该行的基因个数，反之亦然。每个基因对应一个元素（“1”或“0”）在该行中的位置，通过各基因的优化求解，间接可以得到优化的时序矩阵，大大降低基因维数，降低了模型的求解难度。

目录

声明

摘要

第一章 绪论

1．1 研究背景

1．1．1 我国能源消费状况

1．1．2 钢铁企业能源消费与能源利用率

1．2 国内外研究现状

1．2．1 煤气系统建模

1．2．2 煤气混合分配

1．2．3 煤气优化调度

1．3 存在的主要问题

1．4 论文研究内容

1．4．1 论文主要研究内容

1．4．2 论文结构框架

第二章 钢铁企业副产煤气系统分析

2．1 引言

2．2 钢铁企业生产工艺介绍

2．3 副产煤气生产设备特性建模

2．3．1 高炉煤气

2．3．2 焦炉煤气

2．3．3 转炉煤气

2．4 副产煤气消耗设备特性模型

2．4．1 高炉热风炉

2．4．2 烧结

2．4．3 轧机

2．4．4 焦化厂

2．4．5 炼钢厂、炼铁口、动力厂

2．5 副产煤气缓冲设备的特点

2．5．1 煤气柜的特性

2．5．2 自备电厂

2．6 煤气混合站的特点

2．7 实例计算

2．7．1 煤气生产设备产气量

2．7．2 煤气消耗设备日际所需热量

2．8 小结

第三章 钢铁企业多煤气介质最优混合配比

3．1 引言

3．2 研究对象的描述

3．3 混合煤气逆向分解模型

3．3．1 第一类设备

3．3．2 第二类设备

3．3．3 第三类设备

3．4 多煤气介质最优混合配比模型

3．4．1 模型假设

3．4．2 优化目标与约束

3．5 遗传算法

3．5．1 遗传算法的基本概念

3．5．2 遗传算法的流程

3．5．3 基于带约束的单目标遗传算法

3．6 实例优化与结果分析

3．6．1 决策变量的确定

3．6．2 基因的设计

3．6．3 优化结果

3．7 小结

第四章 钢铁企业煤气消耗设备时序优化研究

4．1 引言

4．2 研究对象的描述

4．3 煤气消耗设备的再分类

4．3．1 不参与时序优化的煤气消耗设备

4．3．2 参与时序优化的煤气消耗设备

4．4 自备电厂的消耗特性模型

4．5 煤气消耗设备时序优化模型

4．5．1 变量的选取

4．5．2 优化目标

4．5．3 约束条件

4．6 多目标遗传算法

4．6．1 多目标优化问题的基本概念

4．6．2 基于遗传算法的多目标优化

4．6．3 基于遗传算法的有约束多目标优化

4．7 实例优化与结果分析

4．7．1 基因的设计

4．7．2 基因的约束范围

4．7．3 约束条件的处理方法

4．7．4 优化结果

4．8 小结

第五章 总结与展望

5．1 总结

5．2 展望

致谢

参考文献

作者在硕士研究生阶段发表的论文等主要科研成果