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

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

ID:16486903

大小:6.70 MB

页数:136页

时间:2018-08-10

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_第1页
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_第2页
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_第3页
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_第4页
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_第5页
资源描述:

《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》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库

1、摘要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

2、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(ArchitectureofMulti-viewEnergyModelforironandsteelenterprise,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

3、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。n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AMEMIX摘要中的数据视图、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

4、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(AnalyticalHierarchyProcess,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。n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的定性定量结合的能耗影响因素分析方法,包括七个步骤:一是能耗影响因素分析与总结,二是建立能耗影响因素的递阶层次结构,三是构造能耗影响因素的判断矩阵,四是能耗影响因素单层权重计算,五是判断矩阵的一致性检验,六是能耗影响因素总权重计算,七

5、是能耗影响因素排序及结果分析。以某大型钢铁企业的烧结工序为案例,对所提方法进行验证,说明了方法的有效性。n基于选择性神经网络集成的能耗预测针对能耗预测性能亟待提高的问题,以Bagging和选择性神经网络集成遗传算法(BinaryGeneticAlgorithmbasedSelectiveEnsemble,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(BinaryDifferentialEvolutionAlgorithmbasedSelectiveEnsemble,DESEN),实现了神经网络选择性集成。以某大型

6、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。n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,以某些工序利用高炉煤气(BlastFurnaceGas,BFG)、焦炉煤气(Coke-OvenGas,COG)和转炉煤气(Linz-DonawitzGas,LDG)

7、的混合煤气进行替换加热为典型问题,从混合煤气燃耗的影响因素入手,基于数据驱动方法,提出了混合煤气燃耗的优化方法,该方法包括数据预处理、建立基于Bagging的关系模型、建立优化模型、利用差分进化算法求解和结果分析五个步骤。以某大型钢铁企业焦炉工序为例进行验证IX摘要,验证及结果分析说明了所提方法的可行性。n考虑上下耦合的系统节能方法针对考虑上下耦合的钢铁企业系统节能问题,以焦化工序内部的备煤、炼焦、熄焦和化产四个生产单元

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。