用于优化钢铁厂中燃气-蒸汽-动力能源转换设备及系统效率的动态气体调度方法

《Energy》：Dynamic Gas Scheduling Method for Efficiency Optimization of Gas–Steam–Power Energy Conversion Equipment and Systems in Steel Plants

　　陈素君|郑中|吴龙波|马思远|郑迪|孙黎明|孙文强 摘要 提高能源转换效率对于实现钢铁厂的低碳高效运营至关重要。为了解决气体-蒸汽-电力系统中强烈的多能源流耦合和时变特性，本研究提出了一种改进的能源枢纽（EH）模型。该模型将实际的转换结构表示为异构能源转换设备和子系统的拓扑网络，并在设备和系统层面结合了专门的能源流分配和动态效率计算方法。建立了一个动态关联函数，以持续将不同设备类型的效率映射到整个系统的效率上。基于该模型，开发了一种两阶段动态调度方法用于剩余气体的分配，以系统能源转换效率作为主要优化目标。在预优化阶段，实时识别气体供应波动对机组投入的影响，并确定相应的调整策略。在精确优化阶段，根据改进的EH模型的动态效率矩阵和多能源流的串并联耦合关系，对气体进行精细分配。使用一家大型钢铁厂的工业数据进行了验证。在正常条件下，所提出的方法使平均系统效率提高了9.86%，运营成本降低了6.12%。在维护条件下，系统效率相应提高了5.16%，运营成本降低了5.13%。计算时间保持在几秒钟的范围内。所提出的方法为钢铁厂复杂能源转换系统的调度提供了一种高效的解决方案。 引言 钢铁行业是一个能源密集型和碳密集型行业，其能源消耗占中国总能源使用量的15%以上[1]。该行业面临着实现极端能源效率和超低排放的双重挑战[2]、[3]、[4]。不同工艺路线的碳排放受到能源组合等因素的强烈影响[5]。在以高炉-basic氧气炉（BF-BOF）为中心的长流程炼钢路线中，二次能源载体（包括焦炉煤气（COG）、高炉煤气（BFG）、basic氧气炉煤气（BOFG）和蒸汽）占总能源消耗的约50-60%，工艺气体贡献了30%[6]、[7]、[8]。这些气体不仅直接为主要生产过程提供热量，还通过气体-蒸汽-电力（GSP）多能源转换系统产生蒸汽和电力，以满足生产能源需求[9]、[10]。然而，生产负荷的波动导致剩余气体和能源需求的动态变化，使得传统的调度方法难以平衡经济性能和系统稳定性。因此，在波动的生产条件下实现GSP系统的高效协调是实现能源高效和低碳炼钢的关键挑战。 现有关于钢铁企业GSP系统的研究主要集中在提高能源利用率和降低运营成本上，大多数研究假设设备效率为额定值。Kim等人[11]使用混合整数线性规划（MILP）模型优化了副产品气体的分配，赵等人[12]引入了短期调度的惩罚函数；然而，两者都忽略了负荷变化对设备效率的影响。曾等人[13]报告称，当工业锅炉在接近（或达到）其设计负荷时，效率通常会稳定下来，并且对进一步的负荷变化相对不敏感。何等人[14]提出了一种规则和模型混合调度方法，考虑了气体、蒸汽和电力的实时变化；然而，设备效率仍然被设定为固定值。研究表明，当负荷从100%降至30%时，锅炉的热效率可能会下降超过40%[15]，这表明固定效率的假设无法反映实际性能。 近年来，一些研究考虑了设备负荷和效率之间的耦合特性。例如，赵等人[16]通过对五台锅炉的运行数据进行回归分析，基于数据驱动的回归改进了效率，并将蒸汽生成与锅炉负荷之间的线性关系作为模型约束。李等人[17]使用最小二乘法拟合了二次蒸汽供应函数，以确定经济最优的锅炉负荷，从而获得了最优的气体分配方案。张等人[18]构建了一个混合整数非线性规划（MINLP）模型，用于考虑不同负荷下的设备性能的剩余气体分配，姚等人[19]将设备性能约束纳入了联合热电系统的多能源网络建模中。在实际生产场景中，剩余气体的可用性、蒸汽和电力需求会随着运行条件的变化而波动。因此，各种能源转换单元的燃烧负荷和蒸汽（和/或电力）输出会实时进行调整。将这些单元的效率变化纳入模型可以提高其对这种动态运行环境的适应性。 关于调度策略，大多数研究基于特定条件下的确定性假设构建模型[20]、[21]，例如在优化范围内假设能源供应/需求恒定，同时忽略了设备效率变化或实时运行波动等不确定性。何等人[22]为不同的生产和故障场景建立了优化模型，以能源成本最小化为目标。赵等人[23]、[24]将分时电价整合到副产品气体分配模型中。张等人[25]应用拉格朗日松弛法解耦多期能源链并模拟设备启停周期。胡等人[26]进一步将维护计划和分时电价纳入钢铁企业的多期能源调度中，从而提高了调度计划的可实施性和经济性能。后来的研究引入了多目标优化，例如胡等人[27]同时优化了能源运营和启停成本，发现多目标模型减少了设备循环频率。胡等人[28]提出了一个基于等效能量的双目标模型，并应用了改进的NSGA-II算法；袁等人[29]使用模糊集合理论平衡了综合能源消耗和经济成本。此外，魏等人[30]纳入了碳排放成本，朱等人[31]通过多目标粒子群优化优化了经济成本和碳排放。这些调度模型在稳定条件下表现良好；然而，剩余气体的突然减少或生产波动可能导致低负荷运行和效率损失，限制了它们在复杂场景中的实用性。 为了解决气体供应的不确定性，最近的研究探索了鲁棒优化。蒋等人[32]开发了一个两阶段鲁棒优化模型，用于处理副产品气体的不确定性，最小化启停和气体储存器的运营成本，同时考虑了剩余/短缺情况。