基于多视图能耗模型钢铁企业系统节能方法研究与应用.doc

基于多视图能耗模型的钢铁企业系统节能方法研究与应用 摘要 能源问题主要反映在能源短缺及供需矛盾所造成的能源危机，是全世界、全人类共同关心的问题，也是我国社会经济发展的重要问题。钢铁行业是实现工业化的支撑产业，是我国原材料工业中能耗比重最高的行业，是实施节能减排战略的主攻方向。 系统节能是组织、管理与运行企业能源生产和使用的思想，作为系统节能的载体，钢铁企业能源中心主要包括综合监控、基础管理和平衡调度三种功能。现有能源中心的功能仍然存在不足，原因在于能耗模型研究与系统节能的需求之间存在一些差距：一方面缺少一个集成模型体系，以实现能源系统的信息集成、功能集成和逻辑集成，从而扩展能源中心的综合监控范围，支撑基础管理和平衡调度；另一方面，基础管理和平衡调度的部分性能有待提高，部分典型系统节能问题亟须相应的方法支持。为此本文面向钢铁企业系统节能需求，提出多视图能耗模型体系结构(Architecture of Multi-view Energy Model for iron and steel enterprise, AMEM)，基于AMEM，分别针对能源中心的综合监控、基础管理和平衡调度存在的不足，从描述层、分析层和优化层三个层面，研究基于多视图能耗模型的钢铁企业系统节能方法。 (1) 多视图能耗模型体系结构(AMEM) AMEM是为实现能源系统的信息集成、功能集成和逻辑集成，支持描述层、分析层和优化层系统节能方法而提出的。它是一组模型和方法的集合，包括了数据视图、工序视图和分厂视图的形式化表示，工序视图和分厂视图中层次的形式化，为实现多视图能耗模型集成的多视图关联，并提出了保证多视图能耗模型一致性的条件。 (2) 描述层 描述层针对能源中心综合监控功能存在的不足开展研究，同时为分析层和优 化层研究提供数据和逻辑支撑。 基于AMEM的能源系统建模 基于AMEM，提出了钢铁企业多视图建模方法，将AMEM中的数据视图、工序视图和分厂视图用不同的建模方法予以实现，针对工序视图和分厂视图，分别给出了钢铁企业能源系统的建模和层次化流程，以及一致性检验实例。基于AMEM和提出的建模方法，课题组开发了某大型钢铁企业多视图能耗信息系统，对其功能进行了说明。 (3) 分析层 分析层主要针对能源中心基础管理存在的不足开展研究，包括基于层次分析法(Analytical Hierarchy Process, AHP)的能耗影响因素分析、基于选择性神经网络集成的能耗预测。本部分同时可为优化层提供模型支撑。 基于AHP的能耗影响因素分析 针对已有能耗影响因素分析方法的局限性，给出一种基于AHP的能耗影响因素分析方法以某大型钢铁企业的烧结工序为案例，Bagging和GASEN-b)作为算法框架，提出了基于Bagging算法的神经网络个体生成算法和基于二进制差分进化算法的神经网络选择算法(Binary Differential Evolution Algorithm based Selective Ensemble, DESEN)，实现了神经网络选择性集成。以某大型钢铁企业焦炉单元能耗预测为案例进行了方法的可行性验证。在应用案例中，所提出的DESEN算法取得了较好的预测性能，且该方法易于使用，为钢铁企业能耗预测性能提升提供了可行方法。 (4) 优化层 优化层主要针对能源中心平衡调度存在的不足开展研究，包括考虑能源介 质配比的钢铁企业系统节能方法、考虑上下耦合的钢铁企业系统节能方法、以及钢铁企业能量流网络的建模、分析与优化。 考虑能源介质配比的系统节能方法 针对考虑能源介质配比的钢铁企业系统节能问题，以某些工序利用Blast Furnace Gas, BFG)、焦炉煤气(Coke-Oven Gas, COG)和转炉煤气(Linz- Donawitz Gas，LDG于Bagging(Energy Flow Network, EFN)的网络化、信息化和智能化过程中存在的不足，以煤气能量流网络(Gas Energy Flow Network , G-EFN)为典型对象，给出一种建模、分析和优化方法。首先用混杂Petri网G-EFN的网络结构；然后以此结构模型为基础，进行静态分析，得到了能值的简单计算方法；最后提出了G-EFN的能量密度指标，以此为目标建立了优化模型，该模型在保证热效率不变的前提下，优化了能量密度。以某大型钢铁企业历史数据验证了能量密度优化方法的有效性。 关键词：钢铁企业，多视图能耗模型，系统节能，能耗预测，数据驱动，能量流网络 ABSTRACT Energy problems are mainly reflected in the energy crisis which caused by the energy supply and demand short