技术领域
[0001] 本
发明属于钢铁企业
能源优化调度领域，特别涉及了一种钢铁企业煤气消耗设备时序优化方法。
背景技术
[0002] 钢铁企业煤气系统结构复杂，设备众多，分为煤气生产设备，煤气消耗设备，煤气缓冲设备。各设备对
高炉煤气、
焦炉煤气与转炉煤气的生产与消耗特性各不相同，由此常常会会出现煤气系统的产耗
不平衡问题，不仅会造成能源的浪费，也会严重影响钢铁企业的正常生产。
[0003] 目前针对钢铁企业煤气系统的优化问题，已有大量研究并建立了众多的优化调度模型，模型大多是短时间内的优化调度模型(5分钟左右的动态平衡)与对较长时间内煤气总量优化模型(年、月、日的静态平衡)，前者以调节煤气柜与自备电厂的存储量与消耗量为手段进行煤气平衡，后者以调节各设备生产量为手段进行煤气平衡，对于日际内既定生产时长条件下(即按照生产需求已知一日内各设备的生产时长)的煤气消耗设备时序优化问题研究较少，尚未有研究采用煤气消耗设备时序优化方法，作为调节钢铁企业煤气系统产耗平衡优化的手段，本发明从这一
角度入手，为钢铁企业能源优化调度补充了一种调节手段。
[0004] 以往的研究大多忽视输入电厂的热量
波动问题，而且煤气消耗设备时序优化易造成煤气消耗运行状态频繁改变。此外，目前很多煤气优化调度模型都涉及到了0-1规划问题(模型中限制变量取值只能是0或1，这类整数规划问题称为0-1规划问题)，目前有少量研究对包含0-1整数规划问题的模型采用遗传
算法求解，但是其解决方案中的基因设置方式，使得基因维数多，增加了模型的求解难度。
发明内容
[0005] 为了解决上述背景技术提出的技术问题，本发明旨在提供一种钢铁企业煤气消耗设备时序优化方法，能够对钢铁企业进行时序优化，在维持煤气产耗平衡，降低输入自备电厂热量波动，减少煤气消耗设备运行状态改变次数的同时，降低模型求解难度。
[0006] 为了实现上述技术目的，本发明的技术方案为：
[0007] 一种钢铁企业煤气消耗设备时序优化方法，包括以下步骤：
[0008] 步骤1：将所有消耗煤气的设备分类，分为煤气生产设备、煤气消耗设备与自备电厂，将具体设备分到这些类别中，分别建立煤气生产模型和煤气消耗模型；
[0009] 步骤2：建立煤气消耗设备时序优化模型，该模型包括目标函数和约束条件，所述目标函数包括电厂输入热量波动最小化和煤气消耗设备运行状态改变次数最小化，所述约束条件包括自备电厂热量与热值约束和输入电厂煤气量正值约束；
[0010] 步骤3：采用基于NSGA-Ⅱ
遗传算法的非线性0-1整数规划模型来求解步骤2建立的时序优化模型。
[0011] 进一步地，在步骤1中，所述煤气生产设备包括高炉、焦炉和转炉，这三种设备建立如下煤气生产模型：
[0012] fpro_j(t)＝fsum_j_t (1)
[0013] 上式中，fpro_j(t)代表第j个煤气生产设备在第t小时内的煤气生产量，fsum_j_t代表第j个设备历史每小时生产体积的平均值。
[0014] 进一步地，在步骤1中，所述煤气消耗设备进一步分为不可间断生产设备和可间断生产设备。
[0015] 进一步地，所述不可间断生产设备建立如下煤气消耗设备特性模型：
[0016] (一)高炉热
风炉、焦化厂、炼钢厂、炼铁口和动
力厂的煤气消耗设备特性模型：
[0017]
[0018]
[0019] 上式中，fpro_j(t)代表第j个煤气生产设备在第t小时内的煤气生产量，fsum_j_t代表第j个设备历史每小时生产体积的平均值；
[0020] (二)
冷轧类设备的煤气消耗设备特性模型：
[0021]
[0022] 上式中，fcon_冷轧(t)代表冷轧设备在第t小时内的煤气消耗体积； 代表冷轧设备历史每小时消耗体积的平均值；α冷轧代表冷轧设备的保温消耗系数。
[0023] 进一步地，所述可间断生产设备包括
烧结厂、球团厂、
石灰窑和
热轧类设备，这些设备建立如下煤气消耗设备特性模型：
[0024]
[0025] 上式中，fcon_z(t)代表第z个设备在第t小时内的煤气消耗体积，代表历史第z个设备每小时消耗体积的平均值，αz代表第z个设备的保温消耗系数。
[0026] 进一步地，在步骤1中，所述自备电厂建立如下煤气消耗特性模型：
[0027] (a)富裕煤气(满足所有煤气消耗设备的需求以后剩下的煤气)热量模型：
[0028]
[0029] 上式中，Qt代表第t小时自备电厂输入的混合煤气的热量，hbfg,hcog,hcfg分别代表高炉、焦炉、转炉的热值，atj代表第j个设备在第t小时消耗的煤气体积，fsumcfg_t代表第t小时内转炉煤气生产体积，fsumbfg_t代表第t小时内高炉煤气生产体积，fsumcog_t代表第t小时内焦炉煤气生产体积，hj代表第j个设备消耗煤气的热值；
[0030] (b)混合替代(低热值与高热值煤气混合替代中热值煤气)模型：
[0031] fcog＝(hcfg-hbfg)/(hcog-hbfg)*fcfg (6)
[0032] fbfg＝(hcog-hcfg)/(hcog-hbfg)*fcfg (7)
[0033] 上式中，fcfg代表转炉煤气体积，fcog、fbfg代表替换转炉煤气的焦炉煤气和高炉煤气的体积；
[0034] (c)富余煤气体积模型：
[0035]
[0036]
[0037]
[0038]
[0039]
[0040]
[0041] 上式中，fcfg_before_t为高焦炉煤气替代转炉煤气之前，计算输入自备电厂转炉煤气的体积；fcfg_t代表第t小时输入自备电厂的转炉煤气体积；Pjcfg代表第j个煤气消耗设备消耗的混合煤气中转炉煤气所占比例；Pjcog代表第j个煤气消耗设备消耗的混合煤气中焦炉煤气所占比例；Pjbfg代表第j个煤气消耗设备消耗的混合煤气中高炉煤气所占比例；fcog_cfg为转炉煤气空缺部分用高焦炉煤气替代时所需的焦炉煤气体积；fbfg_cfg为转炉煤气空缺部分用高焦炉煤气替代时所需的高炉煤气体积；F替代为利用上述混合替代模型替代转炉煤气时，转炉煤气体积与高炉、焦炉体积之间的函数；fbfg_t代表第t小时输入自备电厂的高炉煤气体积；fcog_t代表第t小时输入自备电厂的焦炉煤气体积，N为煤气消耗设备数目。
[0042] (d)富余煤气热值模型：
[0043]
[0044] 上式中，heatt代表第t小时富余煤气的热值。
[0045] 进一步地，在步骤2中，建立以时间为行，设备编号为列的时间序列矩阵Z，设备正常运行用“1”表示，设备保温状态用“0”表示，优化问题等价于求解矩阵Z中各个元素的值，且各元素的值为0或1，某一时间序列矩阵如下所示：
[0046]
[0047] 建立的煤气消耗设备时序优化模型如下：
[0048] 热量波动最小化：
[0049]
[0050] 煤气消耗设备运行状态改变次数最小化：
[0051]
[0052] 富余煤气正值约束：
[0053]
[0054] 自备电厂热量与热值约束：
[0055]
[0056] 上式中，average_Q代表自备电厂每小时输入混合煤气热量的平均值，zji代表矩阵Z中的第i行第j列元素，heatmin代表输入自备电厂混合煤气的热值下限，heatmax代表输入自备电厂混合煤气的热值上限，Qmin代表小时输入自备电厂热量的下限，Qmax代表小时输入自备电厂热量的上限。
[0057] 进一步地，步骤3的具体过程如下：
[0058] (1)采用遗传算法进行时序优化模型求解，并将“0”或“1”在时间序列
[0060] (2)建立约束违反程度函数：
[0061] dis_f1t＝(|heatt-heatmin|+|heatt-heatmax|-(heatmax-heatmin))2 (20)[0062] dis_f2t＝(|Qt-Qmin|+|Qt-Qmax|-(Qmax-Qmin))2 (21)
[0063]
[0064]
[0065]
[0066] 上式中，dis_f1t、dis_f2t分别代表第i小时输入自备电厂的混合煤气热值与热量违反约束程度，dis_f3t、dis_f4t代表高焦炉煤气输入电厂流量违反约束程度，F违反为总的约束违反程度函数；
[0067] 约束违反程度函数衡量个体对煤气消耗设备时序优化模型中约束条件的违反程度的大小，约束范围程度越大，该个体越差，算法中会对所有个体按照约束违反程度进行排序，排在最前面的个体离可行域越近，越可能是可行解；
[0068] (3)根据NSGA-Ⅱ的非支配排序方法，得到各个个体的非支配排序等级，等级越小，优于该个体的个体数量越少，该个体就越优秀；在选择个体的环节，采用个体非支配排序等级与约束违反程度排序等级两个参数共同决定个体优劣。
[0069] 采用上述技术方案带来的有益效果：
[0070] 本发明提出了一种不同于以往的煤气系统优化方法--时序优化，为钢铁企业煤气优化调度补充了一种优化调度的手段。在求解优化模型的时候，不同于以往的数学规划求解方式，避免了大量数学公式与计算过程，采用了遗传算法的求解方案。在求解0-1整数规划问题的时候，没有令时间序列矩阵中各个矩阵元素为输入量，而是采用“0”或“1”的位置为输入量，降低了输入量的个数，降低了模型的求解难度。
附图说明
[0072] 图2为
实施例中某钢铁企业副产煤气系统图；
[0073] 图3为实施例时序优化后热量波动最小化工况与实际值对比图。
具体实施方式
[0074] 以下将结合附图，对本发明的技术方案进行详细说明。
[0075] 一种钢铁企业煤气消耗设备时序优化方法，包括三个部分，第一部分是煤气设备分类及建立煤气生产、消耗特性模型，第二部分是煤气消耗设备时序优化模型的建立，第三部分是模型的求解，本发明一种基于遗传算法的钢铁企业时序优化方法的过程
框图如图1所示。模型针对的对象是某钢铁企业的煤气系统，如图2所示，该系统中包括煤气生产设备，煤气消耗设备，煤气缓冲设备，煤气混合站。
[0076] 1.上述第一部分的具体实施方式：
[0077] 步骤1：煤气设备分类：煤气设备分为煤气生产设备，煤气消耗设备，自备电厂(煤气缓冲设备)。
[0078] 该系统中煤气生产设备包括：高炉、转炉、焦炉。煤气消耗设备包括：高炉
热风炉，焦化厂，炼钢厂，炼铁口，动力厂，冷
轧机，彩板厂，550烧结(2条线)，180烧结(4条线)，球团厂，石灰窑，机制公司，中板厂，中厚板厂，热轧厂，一轧机。煤气缓冲设备包括自备电厂、高炉煤气柜，转炉煤气柜，焦炉煤气柜。煤气混合站有1#～4#混合站。每个设备有各自的煤气管道通向三种煤气主管道，或通到煤气混合站，煤气混合站又从三种煤气主管道获得煤气。需要注意的是，并不是每各设备都同时使用三种煤气的混合气体，在
说明书附图2的管道连接方式上可以看出，各设备使用的煤气组成成分不尽相同。
[0079] 从钢铁企业的日际生产计划中，可以获得各个设备的生产任务(生产时长)：高炉、转炉、焦炉、高炉热风炉、焦化厂、炼钢厂、炼铁口、动力厂运行24小时，冷轧机、彩板厂运行20小时，以上设备因生产连续性的特点都不参与时序优化，故在优化模型中，将其作为固定值。550烧结(2条线)运行32小时，180烧结(4条线)运行40小时，一轧机运行20小时，石灰窑运行22小时，球团厂运行20小时，中板厂运行20小时，机制公司运行19小时，中厚厂运行20小时，热连轧运行21小时，以上设备的生产特性分为正常运行与保温状态，由于其运行状态之间的变化，可作为调节设备参与时序优化。
[0080] 由某钢铁企业的历史数据可得：
[0081] (一)煤气生产设备：
[0082] 高炉煤气产气流量：2673819m3/h
[0083] 焦炉煤气产气流量：214149.2m3/h
[0084] 转炉煤气产气流量：163020.4m3/h
[0085] (二)煤气消耗设备：
[0086] ①不可参与时序优化设备：
[0087] 高炉热风炉耗气流量：1115739m3/h(高炉煤气)
[0088] 炼铁口耗气流量：3880.417m3/h(高炉煤气)
[0089] 动力厂耗气流量：83259.58m3/h(高炉煤气)
[0090] 炼钢厂耗气流量：46697.5m3/h(高炉煤气)
[0091] 焦化厂耗气流量：547097.1m3/h(高炉煤气)，1610.417m3/h(焦炉煤气)
[0092] 彩板厂耗气流量：
[0093] 升温时期煤气消耗流量为：16407.3m3/h，保温消耗系数为1/3(焦炉煤气)[0094] 冷轧机耗气流量：
[0095] 升温时期煤气消耗流量为：76423.6m3/h，保温消耗系数为1/3(76.11％为高炉煤气，23.89％为焦炉煤气)
[0096] ②可参与时序优化设备：
[0097] 一轧机耗气流量：99287m3/h(高炉煤气)
[0098] 550烧结单线耗气流量(2条线)：31009m3/h(转炉煤气)
[0099] 180烧结单线耗气流量(4条线)：14133m3/h(高炉煤气58.39％，焦炉煤气26.26％，转炉煤气15.36％)
[0100] 石灰窑耗气流量：55400m3/h(转炉煤气)
[0101] 球团厂耗气流量：65200m3/h(高炉煤气93.74％，转炉煤气6.26％)
[0102] 中板厂耗气流量：81344m3/h(高炉煤气58.36％，焦炉煤气26.26％，转炉煤气15.36％)
[0103] 机制公司耗气流量：3900m3/h(高炉煤气64.52％，焦炉煤气35.48％)
[0104] 中厚板厂耗气流量：80000m3/h(高炉煤气63.5％，焦炉煤气25.57％，转炉煤气10.93％)
[0105] 热连轧耗气流量：302300m3/h(高炉煤气76.11％，焦炉煤气23.89％)
[0106] 该类设备的保温消耗系数取0.2。
[0107] 步骤2：建立煤气生产设备特性模型
[0108]
[0109] 式中fpro_bfg(t)、fpro_cog(t)、fpro_cfg(t)分别为高炉煤气，焦炉煤气，转炉煤气在第t小时的产气体积。
[0110] 步骤3：建立煤气消耗设备特性模型
[0111] 将上述各设备煤气的消耗流量历史数据分别带入式(2)、(3)、(4)中，可以得到各煤气消耗设备具体的消耗特性模型，例如不可间断生产设备中的高炉热风炉，彩板厂，可间断生产设备中的球团厂(单位都为m3)。
[0112] fcon_高炉热风炉(t)＝1115739t∈正常运行 (26)
[0113]
[0114]
[0115] 式中fcon_高炉热风炉(t)为第t小时内高炉热风炉的消耗体积，式中fcon_彩板厂(t)为第t小时内彩板厂的消耗体积，fcon_球团厂(t)为第t小时内球团厂的消耗体积。
[0116] 步骤4：建立自备电厂的消耗特性模型
[0117] 步骤4.1：富余煤气热量模型
[0118] 由该钢铁企业的历史数据得，hbfg＝3344kJ/m3，hcfg＝6688kJ/m3，hcog＝17347kJ/m3。彩板厂热值为17347kJ/m3，炼铁口热值为17347kJ/m3，焦化厂热值为3385.1kJ/m3，动力厂热值为3344kJ/m3，一轧机热值为3344kJ/m3，高炉热风炉热值为3344kJ/m3，550烧结热值为6688kJ/m3，炼钢厂热值为6688kJ/m3，石灰窑热值为6688kJ/m3，球团厂热值为3553.4kJ/m3，中板厂热值为7534.2kJ/m3，机制公司热值为8312.2kJ/m3，180烧结热值为7534.2kJ/m3，中厚板厂热值为7290.3kJ/m3，热连轧热值为6688.8kJ/m3，冷轧机热值为6688.8kJ/m3。
[0119] 用某小时内产生煤气的总热量减去所有煤气消耗设备(包括烧结线)的消耗热量，即为输入自备电厂的富余煤气热量，即将上述各设备热值带入式(5)建立具体的富余煤气热量模型，如式(29)所示：
[0120]
[0121] 步骤4.2：混合替代模型
[0122] 高热值的焦炉煤气与低热值的高炉煤气混合，代替中热值的转炉煤气，保持混合前后煤气总流量与煤气总热量保持不变。两种煤气混合替代根据输入混合前后的煤气总流量守恒与煤气总热量守恒，如式(30)所示：
[0123] fbfg+fcog＝fcfg
[0124] fbfg*hbfg+fcog*hcog＝fcfg*hcfg
[0125] (30)
[0126] 即
[0127] 可得高炉煤气与焦炉煤气在混合煤气中所占的比例：
[0128] Pcog＝(hcfg-hbfg)/(hcog-hbfg)＝(6688-3344)/(17347-3344)＝23.88％ (32)[0129] Pbfg＝(hcog-hcfg)/(hcog-hbfg)＝(17347-6688)/(17347-3344)＝76.12％ (33)[0130] 步骤4.3：富余煤气体积模型
[0131] 在每个小时段内，用高、焦、转炉煤气的产气量，扣除了每个设备该小时内消耗的高焦转煤气消耗体积量，则得到满足煤气消耗设备需求后富余煤气体积(可能为负)。当转炉煤气不足时，采用煤气混合替代，用富余的高炉煤气与焦炉煤气混合替代不足的转炉煤气，最后剩余的所有煤气通入自备电厂，即如式(8)-(13)。
[0132] 步骤4.4：富余煤气热值模型
[0133] 由步骤4.1获得富余煤气的热量，由步骤4.3得到三种富余煤气的体积，富余煤气热量除以三种富余煤气总体积即为富余煤气的热值，如式(14)。
[0134] 2建立时序优化模型
[0135] 时序优化模型包括目标函数与约束条件，本发明为了降低输入自备电厂热量的波动，避免设备运行状态频繁改变，该模型的优化目标有两个：
[0136] 步骤1：建立优化目标
[0137] 第一个目标为最小化自备电厂输入热量波动，由式(29)的富余煤气热量模型，可知每小时输入自备电厂的热量，利用方差的概念获得热量波动程度函数，如式(16)，又因冷轧类设备的煤气消耗具体周期性，前20个小时消耗煤气，后4小时不消耗煤气，故将式(16)的波动函数加以调整，如式(34)所示。
[0138]
[0139] 式中average_Q1为前20小时输入热量的平均值，average_Q2为后4小时输入热量的平均值。
[0140] 第二个目标为最小化设备运行状态改变次数，式(15)时间序列矩阵中包含元素“1”和“0”，当连续时间内，设备的运行状态由“0”变“1”，或“1”变“0”时，即认为设备的运行状态发生了改变，可在矩阵的每一行中，用前一个元素与后一个元素相减，所有差的平方和即为运行状态的改变次数，可得式(17)，并且该钢铁企业中可参与时序优化的设备有：550烧结(2条线)，180烧结(4条线)，一轧机，石灰窑，球团厂，中板厂，机制公司，中厚板厂，热连轧，共13个设备(线)，即N＝15，则运行状态改变次数最小化如式(35)所示。
[0141]
[0142] 步骤2：确定约束条件
[0143] 约束一：根据钢铁企业自备电厂的实际要求，热值上限为17347kJ/m3,热值下限为3800kJ/m3,热量上限为2000GJ/h，热量下限为5000GJ/m3，输入自备电厂的混合煤气，要保证其热值不能超过自备电厂要求范围，每小时输入的热量也不能超过电厂可接受的热量范围，如式(36)所示。
[0144]
[0145] 约束二：在本发明的数学模型中,煤气是先满足煤气消耗设备的需求，然后再输入电厂，如果消耗设备所需转炉煤气不足，则混合替代。混合替代以后，需保证输入到电厂的富余煤气中，低热值的高炉煤气与高热值的焦炉煤气的体积为正，否则，会存在煤气消耗设备的煤气需求无法被满足，约束如式(37)所示。
[0146]
[0147] 3.模型的求解
[0148] 步骤1：基因设计：本发明为了降低个体的基因维数，将运行时间长于保温时长的设备，用基因分别表示其保温时间段的位置，将运行时间短语保温时长的设备，用基因分别表示其运行时间段的位置。例如：石灰窑一天内正常运行22小时，保温2小时。如果采用每一个小时各用一个基因表示，则需要24个基因；如果采用本发明的基因设计方案，只需两个基因来记录保温的2小时在24小时内的位置即可，当5点到6点保温一次，14点到15点保温一次时，2个基因分别为6和15。
[0149] 步骤2：约束处理方案：建立约束违反程度函数，包括4部分，分别表示式(36)式(37)中约束式的不满足程度，函数越大，表示解偏离可行域越远，如式(38)、式(39)、式(40)、式(41)所示。将4部分求和，为违反约束函数，如式(42)所示。
[0150] dis_f1t＝(|heatt-3800|+|heatt-17347|-(17347-3800))2 (38)
[0151] dis_f2t＝(|Qt-2*109|+|Qt-5*109|-(5*109-2*109))2 (39)
[0152]
[0153]
[0154]
[0155] 本发明采用NSGA-Ⅱ多目标遗传进行求解，约束处理方法为：约束违反程度函数值排序与非劣等级排序的综合排序确定个体的优劣。本发明并对个体的基因进行了设计，式(1)矩阵中有13行24列，共312个元素，元素取值“0”或“1”。当确定一组解时，即312个元素的值都确定时，则根据煤气消耗模型，可确定所有煤气消耗设备与自备电厂每个小时内的煤气消耗量，继而可以求得每小时内富余煤气量，并最终得到该组解的两个目标函数值，与总的约束范围程度函数值。
[0156] 因本发明的优化模型是双目标，故最后得到的是一组帕累托非劣解集，解集中，运行状态改变次数从54次降到18次的同时，电厂热量波动目标值从8.8*1016上升到1,3*1018。例如热量波动最小化的优化解，具体运行工况如下：
[0157] 550烧结一线：6点到13点，17点到20点，21点24点正常运行，其他时间保温。
[0158] 550烧结二线：0点到4点，8点到20点，21点到24点正常运行，其他时间保温。
[0159] 180烧结一线：0点到7点，8点到9点，11点到12点，21点到24点正常运行，其他时间保温。
[0160] 180烧结二线：0点到4点，13到17点,21点到24点正常运行，其他时间保温。180烧结三线：0点到1点，2点到3点，5点到7点，8点到9点，14点到16点，21点到24点正常运行，其他时间保温。
[0161] 180烧结四线：0点到3点，4点到6点，12点到14点正常运行，其他时间保温。一轧机：0点到4点，7点到20点，21点到24点正常运行，其他时间保温。
[0162] 石灰窑：0点到2点，3点到20点，21点到24点正常运行，其他时间保温。
[0163] 球团厂：2点到8点，11点到20点，21点到24点正常运行，其他时间保温。
[0164] 中板厂：4点24点正常运行，其他时间保温。
[0165] 机制公司：0点到3点，5点到10点，13点到24点正常运行，其他时间保温。中厚板厂：0点到20点正常运行，其他时间保温。
[0166] 热连轧：0点到21点正常运行，其他时间保温。
[0167] 对历史实际运行数据和该时序优化工况的电厂输入热量分别进行归一化处理，历史实际数据的电厂输入热量波动方差为0.0083，该时序优化工况的电厂输入热量波动方差为0.0002167，比实际波动降低了97.59％，图3所示即为本发明实施例时序优化后热量波动最小化工况与实际值对比图。可以看出本发明的时序优化方法可以大大降低电厂的热量波动，由于双目标的选取，可以同时对运行状态改变次数和电厂热量波动两个目标进行优化。
[0168] 实施例仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案
基础上所做的任何改动，均落入本发明保护范围之内。
