机理和数据双驱动的高炉煤气预测和调度方法

Blast furnace gas (BFG) is a byproduct energy medium in iron-making process with an enormous amount of generation and consumption. The integrated generation, storage, allocation and utilization process of BFG is complex and dynamic, resulting in a frequent fluctuation and an imbalance between the BFG supply and demand. Consequently, the online intelligent scheduling of BFG is seriously hindered, even leading to energy and security issues. Energy management system is one of the effective technologies for the smart scheduling of BFG. However, its function is extremely limited by the lack of intensive understanding of both the change mechanism and dynamic scheduling approach of BFG. A hypothesis that driven by both mechanism and data is proposed in this project to develop the online forecasting and scheduling theory involving BFG. The mechanism model is compensated dynamically, by using a filter method, to reveal the change in generation and consumption of BFG. An evaluation model for assessing the fluctuation degree of BFG is established to discuss the relationships between the energy consumption of equipment groups and the flow rate, frequency and amplitude of BFG, revealing the effects of fluctuation of BFG on the energy consumption of equipment groups. A multi-objective dynamic optimization model is established and solved by developing a method aming to reduce its state space, to support the online dynamic scheduling of BFG. The results are helpful for the intelligent and energy-efficient scheduling of BFG.

高炉煤气是高炉炼铁过程的副产能源，产生和消耗量巨大。由于煤气产生、存储、分配和使用是复杂的动态过程，其产生和消耗量波动频繁，供需瞬时不平衡，严重阻碍高炉煤气的在线智能调度，甚至引发能源和安全问题。能源管控中心是实现高炉煤气智能调度的有效技术之一，但由于对高炉煤气的产耗变化机制和动态调度方法缺乏深入认识，智能化功能至今尚未充分发挥。本项目提出机理和数据双驱动的假说，发展高炉煤气在线预测和调度理论。探究高炉煤气产耗量的关键影响因素，建立机理预测模型。基于滤波方法，对机理模型动态补偿，揭示高炉煤气产耗量变化机制。建立动态波动评价模型，探讨燃气设备能耗与煤气流量、波动频率、波动幅值的关系，揭示高炉煤气波动对设备能耗的影响机制。建立高炉煤气多目标动态优化调度模型，开发约减模型状态空间的优化方法，支撑高炉煤气的在线动态调度。研究成果能够为高炉煤气的智能化和节能调度奠定基础。

在工业4.0与智能工厂发展变革的大背景下，钢铁工业必然向智能化能源管控的方向发展。高炉煤气是高炉炼铁过程的副产气体，是钢铁生产过程中产生和消耗体量最大的二次能源。由于煤气产生、存储、分配和使用是复杂的动态过程，其产生和消耗量波动频繁且供需瞬时不平衡，给高炉煤气的在线预测和智能调度造成了巨大困难。为了在该领域取得突破，本项目深入研究了高炉煤气产耗量与操作参数、工艺参数、随机扰动之间的响应机制，在高炉煤气在线预测和优化调度方法方面做了一些创新性工作。综合应用理论解析、建模仿真、实验验证等多种研究手段，完成了预定研究内容，达到了预期目标。本项目采取高炉煤气大数据特征降维的手段，确定了高炉煤气产耗量的关键影响因素。在此基础上，提出了“机理+数据”双驱动的高炉煤气预测方法以及“事件+数据+机理”三驱动的高炉煤气预测方法，阐明了高炉煤气产耗量变化的根因及其影响规律。提出了高炉煤气动态波动评价方法，解决了高炉煤气的波动状况的量化问题，揭示了高炉煤气动态波动对燃气设备能耗的影响机制。充分考虑到煤气柜对高炉煤气储存和释放的约束条件，建立了高炉煤气在设备群和煤气柜之间的多目标动态优化调度模型。为了求解该模型，提出的约减状态空间算法大大降低了调度模型的求解时间，适用于高炉煤气在线调度。研究成果在高炉煤气在线预测和调度方法及其模型求解算法方面取得了创新性突破，具有重要的科学价值和在该领域及其交叉领域持续研究的价值。现场生产数据的验证结果表明，本项目提出的机理和数据融合驱动的高炉煤气预测和调度方法及模型表现出优良的性能。尤其是新提出的约减状态空间算法，可以节省高炉煤气优化调度模型的求解计算时间99.18%，在高炉煤气在线实时调度求解方法中性能优异。研究成果可以直接转化应用，推广前景好。