一种考虑外送能源的乙烯生产能效动态评估方法

摘要

本发明属于乙烯生产能源效率评价领域，涉及一种考虑外送能源的乙烯生产能效动态评估方法，实现针对乙烯生产过程的单位外送能源综合能耗和万元产值外送能源的动态分析。本发明通过考虑同样为动力消耗的产出——外送能源，从经济价值的角度出发，将实时数据通过数据包络分析方法进行外送能源率的相对有效性比较，从而实现考虑外送能源的能效动态分析。本发明的效果和益处是通过对单位外送能源综合能耗和万元产值外送能源的比较，可以得到外送能源的价值与产品的价值的相对比重，从而分析当前能源的投入是否得当，有效地解决了因忽略外送能源而产生附加生产价值。因此，本发明可以广泛用于乙烯生产能源效率评价计算领域。

说明书

技术领域

本发明涉及一种乙烯生产的能效评估方法，具体涉及一种考虑外送能源的 乙烯生产能效动态评估方法。

背景技术

乙烯作为石油化工行业的支柱产业，其产量是衡量一个国家石油化工发展 水平的主要标志。自20世纪60年代，我国一直注重乙烯工业的发展，乙烯生 产已具有相当规模，产量现居世界第二位。但我国的乙烯生产技术与国际技术 水平仍有很大差距。2006年我国乙烯平均综合能耗为709千克标油/吨，国际先 进水平的乙烯综合能耗以石脑油为原料达到500千克标油/吨，我国与之相比高 40％，同时由于我国对于乙烯强大的市场需求量，国内乙烯自给率从2005年到 2015年仅从43％提高到61％。乙烯原料地域差异明显，在中国，由于缺乏轻烃资 源，以石脑油为主要原料，乙烯的生产成本相对较高，同时随着石油资源的短 缺，着力调整产业结构和转变经济增长方式，提高乙烯生产的能源利用率是乙 烯生产的主要发展目标。

若要实现乙烯工业集约型增长的目标，提高能效是最有效的手段，但前提 是对乙烯生产的能源使用情况进行合理、科学、有效的评估。目前为止，针对 乙烯生产提出的能效指标如下：

单位产品能耗是指生产单位产品所消耗的能源量，包含单位产品产量综合 能耗、单位产品产量单项能耗、单位产品产量可比能耗等指标，通过该指标的 比较可以得到能源效率差距的原因、节能的方向,但由于能效高低取决于生产过 程的技术水平、管理水平、生产规模以及产量、气候状况等多种因素，仅通过 该指标无法推算节能潜力。同时，单位产品指主要经济产品，该指标更多的体 现了企业高价值产品量，无法反映其他能源介质的价值量。

综上所述，在现有的乙烯生产过程能效评估指标中，在计算单位产品能耗 之类的相对指标时，分子或分母主要以经济产品为主，即通过衡量生产一定产 品所消耗的能源来评判生产能效水平。单位产品能耗指标只能反映能源投入和 产品产出之间的占比关系，然而能源投入之后也做了相对于生产产品之外的其 他工作，譬如说能源转化等，而这些转化后的能源通常进行回收或作为外送动 力送往各处加以利用。所以，仅靠单位产品能耗无法充分体现由于生产中企业 的能源的利用或转化效率的影响和价值，无法全面的为乙烯生产过程提供能效 综合评价和优化的依据。

发明内容

针对上述问题，本发明的目的是提出一种考虑外送能源的乙烯生产能效动 态评估方法。

为实现上述目的，本发明采取以下技术方案：

1)首先，根据乙烯生产工艺流程，确定动力消耗部分的能源介质种类和动 力外送的能源介质种类。

2)如图1所示，根据本评估方法的需要确定输入输出数据。单位外送能源 综合能耗和万元产值外送能源指标计算公式如下：

其中，m为外送能源种类，折算系数大小和符号与外送能源去向有关，由表1 确定；综合能耗的计算公式由《GBT2589-2008综合能耗计算通则》确定。

表1

其中，m为外送能源种类，折算系数大小和符号与外送能源去向有关，由表1 确定。

2)数据处理。将上述数据通过Grubbscriterion(格拉布斯准则)进行数 据一致性验证,通过公式：

$T\left(\begin{array}{cc}n& \alpha \end{array}\right)>\frac{(n-1)}{\sqrt{n}}\sqrt{\frac{t_{(\frac{\alpha }{2n},n-2)}^2}{n-2+t_{(\frac{\alpha }{2n},n-2)}^2}}---\left(1\right)$

剔除数据中的异常值。然后通过

$x_{ij}^{\prime }=\frac{x_{ij}}{x_j^{\max }}---\left(2\right)$

和

$x_{ij}^{\prime }=1-\frac{x_{ij}}{x_j^{\max }}+\left[1-{\max }_j\left(1-\frac{x_{ij}}{x_j^{\max }}\right)\right]---\left(3\right)$

对上述数据进行归一化和标准化处理。

其中n为数据个数；α为显著性水平，即犯“弃真”错误的概率系数，这里 取0.01；T(nα)为格拉布斯准则检验值；x_ij为第i个输入指标的第j个数据样本； 为该指标数据中的最大值；x′_ij为归一化和标准化后的数据。

3)将处理好的输入、输出数据通过DEA(DataEnvelopmentAnalysis，数 学包络分析)C²R模型

D(ε)＝min[θ-ε(e^-S^-+e⁺S⁺)]

$s.t.\left(\begin{array}{c}{\Sigma }_{j=1}^n{X}_j{\lambda }_j+S^{-}={\mathrm{\theta X}}_0\\ {\Sigma }_{j=1}^n{Y}_j{\lambda }_j+S^{+}=Y_0\\ {\lambda }_j\ge 0,j=1,2,\mathrm{...},n\\ S^{+}\ge 0,S^{-}\ge 0\end{array}\right)---\left(5\right)$

分别进行单位外送能源综合能耗和万元产值外送能源的有效性比较。

其中θ、λ_j均为对偶变量；ε为阿基米德穷小量；e^-和e⁺分别为m维单位向量 (1，1，...，1)∈E_m；S^-和S⁺为松弛变量；X_j和Y_j为任意决策单元的输入输出数据；X₀和Y₀为目标决策单元的输入输出数据。

本发明具有以下优点：

1、本发明提出的单位外送能源综合能耗和万元产值外送能源可以反映能源 要素的有效利用程度，即生产过程中能源投入转变为外送能源的效率。

2、通过单位外送能源综合能耗的比较可以得到外送能源价值占比，通过万 元产值外送能源可以得到在消耗同样的能源的前提下外送能源的价值和产品的 价值的相对比重，从而分析当前能源的投入是否得当。

3、该指标的计算是建立在确定外送动力确定的前提下，而且外送能源量的 确定较容易，可以保证较为精确的计算。

附图说明

附图1是该评估方法的流程图

具体实施方式

下面结合附图和实施例对本发明进行详细的描述。

1)首先，根据乙烯生产工艺流程，确定动力消耗部分的能源介质种类和动 力外送的能源介质种类。

2)如图1所示，根据本评估方法的需要确定输入输出数据。单位外送能源 综合能耗和万元产值外送能源指标计算公式如下：

其中，m为外送能源种类，折算系数大小和符号与外送能源去向有关，由表1 确定；综合能耗的计算公式由《GBT2589-2008综合能耗计算通则》确定。

表2

其中，m为外送能源种类，折算系数大小和符号与外送能源去向有关，由表1 确定。

2)数据处理。将上述数据通过Grubbscriterion(格拉布斯准则)进行数 据一致性验证,通过公式：

$T\left(\begin{array}{cc}n& \alpha \end{array}\right)>\frac{(n-1)}{\sqrt{n}}\sqrt{\frac{t_{(\frac{\alpha }{2n},n-2)}^2}{n-2+t_{(\frac{\alpha }{2n},n-2)}^2}}---\left(1\right)$

剔除数据中的异常值。然后通过

$x_{ij}^{\prime }=\frac{x_{ij}}{x_j^{\max }}---\left(2\right)$

和

$x_{ij}^{\prime }=1-\frac{x_{ij}}{x_j^{\max }}+\left[1-{\max }_j\left(1-\frac{x_{ij}}{x_j^{\max }}\right)\right]---\left(3\right)$

对上述数据进行归一化和标准化处理。

其中n为数据个数；α为显著性水平，即犯“弃真”错误的概率系数，这里 取0.01；T(nα)为格拉布斯准则检验值；x_ij为第i个输入指标的第j个数据样本； 为该指标数据中的最大值；x′_ij为归一化和标准化后的数据。

3)将处理好的输入、输出数据通过DEA(DataEnvelopmentAnalysis，数 学包络分析)C²R模型

D(ε)＝min[θ-ε(e^-S^-+e⁺S⁺)]

$s.t.\left(\begin{array}{c}{\Sigma }_{j=1}^n{X}_j{\lambda }_j+S^{-}={\mathrm{\theta X}}_0\\ {\Sigma }_{j=1}^n{Y}_j{\lambda }_j+S^{+}=Y_0\\ {\lambda }_j\ge 0,j=1,2,\mathrm{...},n\\ S^{+}\ge 0,S^{-}\ge 0\end{array}\right)---\left(5\right)$

分别进行单位外送能源综合能耗和万元产值外送能源的有效性比较。

其中θ、λ_j均为对偶变量；ε为阿基米德穷小量；e^-和e⁺分别为m维单位向量 (1，1，...，1)∈E_m；S^-和S⁺为松弛变量；X_j和Y_j为任意决策单元的输入输出数据；X₀和Y₀为目标决策单元的输入输出数据。