翟延偉，呂 政，趙 珺，王 偉

(大連理工大學(xué)控制科學(xué)與工程學(xué)院;工業(yè)裝備智能控制與優(yōu)化教育部重點(diǎn)實(shí)驗(yàn)室，遼寧大連 116024)

1 引言

對(duì)于復(fù)雜的鋼鐵工業(yè)生產(chǎn)過程，其所涉及的能源介質(zhì)種類繁多，而能源的有效合理的利用直接影響到企業(yè)的能耗標(biāo)準(zhǔn)和產(chǎn)出成本[1-2].由于各種能源的產(chǎn)生量和消耗量均存在一定的浮動(dòng)性，特別是各級(jí)用戶的煤氣使用量與自身實(shí)際生產(chǎn)狀況密切相關(guān)，隨機(jī)性強(qiáng)，極易造成煤氣系統(tǒng)的不平衡[3-4].因此，研究多種能源介質(zhì)的平衡調(diào)度，對(duì)于降低生產(chǎn)成本、實(shí)現(xiàn)節(jié)能減排具有重要意義[5-6].

針對(duì)煤氣能源調(diào)度決策的研究主要包括基于預(yù)測(cè)控制理論和基于調(diào)度理論兩種.文獻(xiàn)[7]采用基于一種新的數(shù)據(jù)驅(qū)動(dòng)非線性狀態(tài)空間建模方法，將混合建模與控制技術(shù)相結(jié)合，對(duì)多變量最重要品質(zhì)(most essential quality，MIQ)指標(biāo)進(jìn)行預(yù)測(cè)和控制.考慮工業(yè)數(shù)據(jù)的高噪聲和缺失問題，文獻(xiàn)[8]中提出一種模糊子集融合與規(guī)則約簡(jiǎn)方法，簡(jiǎn)化了規(guī)則的結(jié)構(gòu)，提高了模糊模型的泛化能力，有效減小了高爐煤氣(blast furnace gas，BFG)系統(tǒng)柜位的預(yù)測(cè)誤差，為系統(tǒng)平衡調(diào)度提供可靠支持.文獻(xiàn)[9]中建立了Hodrick Prescott-Elman-最小二乘支持向量機(jī)(hodrick Prescott-Elman-least square support vector machine，HP-ELMAN-LSSVM)

預(yù)測(cè)模型，并根據(jù)自備電廠能源利用的特點(diǎn)，建立擬合模型求解自備電廠鍋爐的經(jīng)濟(jì)運(yùn)行負(fù)荷，在此基礎(chǔ)上對(duì)供入自備電廠的煤氣進(jìn)行優(yōu)化調(diào)度.然而，上述研究工作將煤氣能源相關(guān)因素的預(yù)測(cè)作為研究重點(diǎn)，沒有充分考慮最優(yōu)化決策方面的問題.文獻(xiàn)[10]通過將能量守恒和流量平衡兩模型進(jìn)行耦合，提出了一種以自備電廠發(fā)電量最大、煤電系統(tǒng)運(yùn)行成本最小為優(yōu)化目標(biāo)的發(fā)電綜合優(yōu)化調(diào)度模型.文獻(xiàn)[11]中提出了一種基于混合整數(shù)線性規(guī)劃的煤氣優(yōu)化調(diào)度模型，有效提高了副產(chǎn)煤氣能源利用率，并維持煤氣系統(tǒng)的平穩(wěn)運(yùn)行.然而，這些方法均針對(duì)單種能源進(jìn)行調(diào)度，在子系統(tǒng)內(nèi)進(jìn)行少數(shù)設(shè)備的聯(lián)合優(yōu)化，沒有綜合考慮多種能源的聯(lián)合調(diào)度.文獻(xiàn)[12]提出了一種利用區(qū)域供熱網(wǎng)絡(luò)實(shí)現(xiàn)熱電聯(lián)產(chǎn)熱電相互作用的多能源調(diào)度模型，有效提高了多能源系統(tǒng)的靈活性和經(jīng)濟(jì)性.針對(duì)包含熱電聯(lián)產(chǎn)和熱能儲(chǔ)存的建筑能源管理問題，文獻(xiàn)[13]以總運(yùn)營(yíng)成本和二氧化碳排放總量最小為目標(biāo)，提出了一個(gè)多目標(biāo)優(yōu)化框架，分析了初始狀態(tài)變化對(duì)目標(biāo)的影響，給出多個(gè)最優(yōu)的解決方案供操作人員抉擇.但是，已有的模型往往忽略了系統(tǒng)未來狀態(tài)的不確定性，所得到的當(dāng)前最優(yōu)調(diào)度解集在未來不一定最優(yōu).此外，沒有充分考慮多種能源的協(xié)同優(yōu)化.

本文針對(duì)工業(yè)生產(chǎn)系統(tǒng)具有時(shí)變、未來不確定性、強(qiáng)非線性和強(qiáng)耦合的特點(diǎn)，提出了合作協(xié)同進(jìn)化的多能流系統(tǒng)不確定多目標(biāo)決策方法.利用卡爾曼濾波方法和貝葉斯定理將未來調(diào)度解集的轉(zhuǎn)移考慮到目標(biāo)函數(shù)中，從最大化當(dāng)前目標(biāo)和預(yù)期目標(biāo)的角度給出最優(yōu)的調(diào)度決策策略，能夠有效的消除未來狀態(tài)不確定性帶來的影響;同時(shí)在優(yōu)化決策的過程中綜合考慮單能流系統(tǒng)特性以及多能流系統(tǒng)強(qiáng)耦合關(guān)系，利用基于圖模型和雙向權(quán)重的協(xié)同進(jìn)化方法，從“總體”-“局部”相結(jié)合的角度給出最優(yōu)的決策策略.最后，通過實(shí)際鋼鐵企業(yè)副產(chǎn)煤氣系統(tǒng)數(shù)據(jù)進(jìn)行仿真驗(yàn)證，結(jié)果表明本文所提方法能夠在考慮未來不確定性的基礎(chǔ)上，兼顧單能流系統(tǒng)和多能流強(qiáng)耦合關(guān)系，給出最優(yōu)化調(diào)度決策，為能源優(yōu)化利用提供支持.

2 問題描述

多能流系統(tǒng)由多類異質(zhì)能流組成，能流之間相互轉(zhuǎn)換和作用，從而耦合形成更加復(fù)雜的大系統(tǒng).隨著耦合的不斷增強(qiáng)，耦合帶來的系統(tǒng)特性變化越來越明顯，也越來越復(fù)雜.多能流系統(tǒng)控制需要兼顧各個(gè)能流系統(tǒng)運(yùn)行的安全、平穩(wěn)、經(jīng)濟(jì)等目標(biāo)，是一個(gè)多目標(biāo)控制問題.此外，在系統(tǒng)運(yùn)行中，系統(tǒng)時(shí)刻處于變化的狀態(tài)，未來的狀態(tài)以及決策的執(zhí)行對(duì)未來狀態(tài)的影響都具有不確定性.

以鋼鐵企業(yè)副產(chǎn)煤氣系統(tǒng)為例，如圖1所示，該系統(tǒng)為典型的多能流系統(tǒng).其中:BFG系統(tǒng)的發(fā)生量會(huì)隨著熱風(fēng)爐的換爐操作存在較大的波動(dòng);轉(zhuǎn)爐煤氣(linz donawiz converter gas，LDG)系統(tǒng)的發(fā)生量是間歇性的，其發(fā)生量不連續(xù)，存在不確定性和波動(dòng)性;焦?fàn)t煤氣(coke oven gas，COG)系統(tǒng)發(fā)生量較平穩(wěn)，熱值最高，其合理利用情況影響著整個(gè)系統(tǒng)副產(chǎn)煤氣的利用效率.此外，煤氣系統(tǒng)的消耗用戶包括生產(chǎn)用戶、可調(diào)節(jié)用戶、聯(lián)合調(diào)節(jié)用戶、緩沖用戶、轉(zhuǎn)換用戶，各個(gè)消耗用戶使用煤氣的流量也隨著工況發(fā)生變化.同時(shí)，煤氣系統(tǒng)輸配管網(wǎng)遍布全廠，管網(wǎng)線路復(fù)雜，煤氣傳輸過程存在著多用途、強(qiáng)耦合、高延遲的特點(diǎn)，人工調(diào)整難以達(dá)到最優(yōu)化的資源利用.

圖1 副產(chǎn)煤氣系統(tǒng)結(jié)構(gòu)圖Fig.1 Topological diagram of by-product gas system

3 多能流系統(tǒng)不確定多目標(biāo)調(diào)度決策

3.1 多目標(biāo)優(yōu)化方法

多目標(biāo)優(yōu)化問題是指通過一定的優(yōu)化算法獲得兩個(gè)或兩個(gè)以上目標(biāo)函數(shù)的最優(yōu)化解.多目標(biāo)優(yōu)化的解通常是一組均衡解.其數(shù)學(xué)形式可以描述如下:

其中:n=1，2，…，N，a為D維決策向量，b為目標(biāo)向量，N為優(yōu)化目標(biāo)總數(shù);ri(a)≤0為第i個(gè)不等式約束，sj(a)=0為第j個(gè)等式約束，fn(a)為第n個(gè)目標(biāo)函數(shù)，ri(a)≤0和sj(a)=0確定了解的可行域，admin和admax為每維向量搜索的上下限.多目標(biāo)優(yōu)化求解中由于很難同時(shí)獲得多個(gè)目標(biāo)的最優(yōu)，目標(biāo)之間無法調(diào)和的，因此最優(yōu)解一般都是一個(gè)集合.

3.2 基于條件預(yù)期的多目標(biāo)優(yōu)化

由于工業(yè)生產(chǎn)過程復(fù)雜，其多能流系統(tǒng)具有很強(qiáng)的時(shí)變性.本文提出了一種基于條件預(yù)期的多目標(biāo)優(yōu)化方法，通過獲取預(yù)測(cè)知識(shí)能夠有效提高多目標(biāo)優(yōu)化算法在動(dòng)態(tài)環(huán)境下的性能.該方法使決策時(shí)能夠考慮到更多不同的可接受選擇范圍內(nèi)的未來選項(xiàng)集，通過推遲決策以支持未來的選擇自由，減輕了在不確定性下做出偏好決策的困境.本文將預(yù)測(cè)知識(shí)和當(dāng)前系統(tǒng)狀態(tài)的觀測(cè)值相結(jié)合，從帕累托解集中評(píng)估未來期望值S，以λhS表示在實(shí)施帕累托解后的預(yù)期結(jié)果.時(shí)變非線性系統(tǒng)可表示為

其中:X={x1，…，xH}T?Rn表示狀態(tài)矢量集合;Y={y1，…，yH}T?Rl表示觀測(cè)矢量集合;g(·)和h(·)分別表示非線性狀態(tài)轉(zhuǎn)移函數(shù)和非線性狀態(tài)觀測(cè)函數(shù);Cxt|xt-1和Γyt|xt-1是協(xié)方差矩陣，分別表示狀態(tài)矢量和觀測(cè)矢量的不確定性.

基于貝葉斯定理的卡爾曼濾波方程中的條件概率表達(dá)式為p(xt|yt)和p(xt+1，xt|yt)，相當(dāng)于在時(shí)刻t時(shí)的后驗(yàn)概率更新，下一個(gè)時(shí)刻的狀態(tài)可由非線性狀態(tài)轉(zhuǎn)移函數(shù)g(·)求出.利用卡爾曼濾波對(duì)目標(biāo)向量zt+1|zt～N(h(mzt)，Γzt|xt-1)進(jìn)行預(yù)測(cè)，然后將預(yù)測(cè)結(jié)果與當(dāng)前狀態(tài)相結(jié)合進(jìn)而得到綜合結(jié)果

在本文中，基于條件預(yù)期的多目標(biāo)優(yōu)化問題可表示為

其中:zt，i=F(xt，ut，i，ξt)是ut，i∈Ut的目標(biāo)向量;表示帕累托最優(yōu)被采納得到的目標(biāo)向量，例如考慮未來狀態(tài)的不確定性，對(duì)每個(gè)初始解，在優(yōu)化的過程中根據(jù)非線性狀態(tài)轉(zhuǎn)移函數(shù)g(·)求得下一個(gè)時(shí)刻的狀態(tài)xt+1，并利用了卡爾曼濾波對(duì)目標(biāo)向量進(jìn)行預(yù)測(cè).結(jié)合當(dāng)前狀態(tài)xt下目標(biāo)向量zt，計(jì)算目標(biāo)向量基于非支配分層排序[14]挑選解進(jìn)入下一代，最終找出使期望累積隨著時(shí)間推移最大時(shí)的解:

由于帕累托解是在將未來的預(yù)測(cè)融入到現(xiàn)在的情況下求得的，zt+1|zt的總方差總是大于zt的總方差，預(yù)測(cè)的時(shí)間越長(zhǎng)zh|zt，h ＞t+1，不確定性就越大，因此將潛在的不確定性表達(dá)為λh，具體更新過程為

3.3 基于合作協(xié)同進(jìn)化的多能流調(diào)度決策

在副產(chǎn)煤氣系統(tǒng)中，焦?fàn)t煤氣、轉(zhuǎn)爐煤氣和高爐煤氣存在耦合關(guān)系，相互影響.此外，由于系統(tǒng)結(jié)構(gòu)復(fù)雜，求解整個(gè)系統(tǒng)的多目標(biāo)決策模型耗時(shí)很長(zhǎng)，效率低下.因此，本文基于合作協(xié)同優(yōu)化的思想，對(duì)焦?fàn)t煤氣系統(tǒng)、轉(zhuǎn)爐煤氣系統(tǒng)和高爐煤氣系統(tǒng)分別建立相應(yīng)的多目標(biāo)決策模型，并在各個(gè)煤氣系統(tǒng)決策方案的基礎(chǔ)上，從系統(tǒng)整體能源利用的角度進(jìn)行優(yōu)化調(diào)整.最后，將優(yōu)化結(jié)果反饋到各個(gè)煤氣系統(tǒng)中適應(yīng)性調(diào)整后實(shí)施，充分發(fā)揮多能流協(xié)同的作用，避免耦合帶來的不利影響.此外，在求解單個(gè)煤氣系統(tǒng)的多目標(biāo)決策模型時(shí)，采用并行運(yùn)行的方式提高求解效率.

在副產(chǎn)煤氣系統(tǒng)中，焦?fàn)t煤氣熱值最高，需要保證其穩(wěn)定使用，同時(shí)不對(duì)其進(jìn)行放散.因此，設(shè)定焦?fàn)t煤氣系統(tǒng)目標(biāo)決策函數(shù)為

考慮到不同系統(tǒng)間相互影響，并從副產(chǎn)煤氣系統(tǒng)整體能源利用的角度，建立系統(tǒng)整體多目標(biāo)決策函數(shù):

同時(shí)，將全局尋優(yōu)引入到各個(gè)能源系統(tǒng)的優(yōu)化過程中，各個(gè)能源系統(tǒng)的目標(biāo)決策函數(shù)(式(12)-(14))更改為

為了準(zhǔn)確描述副產(chǎn)煤氣系統(tǒng)中各個(gè)煤氣系統(tǒng)之間的相互聯(lián)系，本文基于圖模型原理，將各個(gè)煤氣系統(tǒng)看作圖中的一個(gè)點(diǎn)，將系統(tǒng)之間的關(guān)系看作邊，采用雙向權(quán)值的方式描述系統(tǒng)之間的關(guān)系.因此，基于合同協(xié)作進(jìn)化的副產(chǎn)煤氣系統(tǒng)優(yōu)化決策如圖2所示.

圖2 基于合作協(xié)同進(jìn)化的副產(chǎn)煤氣系統(tǒng)優(yōu)化決策結(jié)構(gòu)圖Fig.2 Structure of by-product gas optimal scheduling algorithm based on cooperative co-evolution method

利用層次分析法(analytic hierarchy process，AHP)確定各個(gè)目標(biāo)的權(quán)重，可得

在求解帕累托最優(yōu)解時(shí)，采用基于預(yù)期的多目標(biāo)決策方法，首先對(duì)單能流系統(tǒng)進(jìn)行多目標(biāo)決策構(gòu)建初始解集，進(jìn)而從多能流聯(lián)合的角度，考慮調(diào)度時(shí)多能流的相互影響，由局部到總體對(duì)多能流系統(tǒng)進(jìn)行整體的多目標(biāo)決策.最后，考慮全局目標(biāo)對(duì)各個(gè)系統(tǒng)的影響，對(duì)單能流系統(tǒng)進(jìn)行微調(diào)，通過全流程合作協(xié)同的方式給出最優(yōu)的決策策略.具體步驟如下:

步驟1對(duì)各個(gè)煤氣系統(tǒng)，根據(jù)相應(yīng)的多目標(biāo)決策函數(shù)(式(12)-(14))構(gòu)建相應(yīng)的預(yù)測(cè)模型(式(4)-(5));

步驟2對(duì)每個(gè)煤氣系統(tǒng)，聯(lián)合多目標(biāo)決策函數(shù)(式(12)-(14))及其條件預(yù)期構(gòu)建基于條件預(yù)期的多目標(biāo)優(yōu)化函數(shù)(式(6));

步驟3分別更新潛在的不確定性λh(式(8)-(11));

步驟4對(duì)每個(gè)煤氣系統(tǒng)，分別計(jì)算目標(biāo)向量基于非支配分層排序挑選解進(jìn)入下一代，最終找出使期望累積隨著時(shí)間推移最大時(shí)的解，即為滿足各個(gè)煤氣系統(tǒng)目標(biāo)的帕累托解集;

步驟5在步驟4解的基礎(chǔ)上，根據(jù)副產(chǎn)煤氣系統(tǒng)整體多目標(biāo)決策函數(shù)(式(15))構(gòu)建相應(yīng)的預(yù)測(cè)模型(式(4)-(5));

步驟6聯(lián)合多目標(biāo)決策函數(shù)(式(15))及其條件預(yù)期構(gòu)建基于條件預(yù)期的多目標(biāo)優(yōu)化函數(shù)(式(6));

步驟7更新潛在的不確定性λh(式(8)-(11));

步驟8計(jì)算目標(biāo)向量基于非支配分層排序挑選解進(jìn)入下一代，最終找出了可以使期望累積隨著時(shí)間推移最大時(shí)的解，即為滿足副產(chǎn)煤氣系統(tǒng)整體目標(biāo)的帕累托解集;

步驟9在步驟8解的基礎(chǔ)上，根據(jù)各個(gè)煤氣系統(tǒng)決策目標(biāo)對(duì)帕累托解進(jìn)行調(diào)整，得出最終的帕累托解集.

已求得的帕累托解集內(nèi)解的個(gè)數(shù)為Q，決策方案集合為V={V1，V2，…，VQ}.由于各目標(biāo)所對(duì)應(yīng)的量綱不同，各目標(biāo)的重要程度也不同，先對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，消除不同量綱帶來的影響.

標(biāo)準(zhǔn)化表達(dá)式如下:

其中:q=1，2，…，Q，fq，n是第q個(gè)方案中第n個(gè)目標(biāo)的值，max(fq，n)是所有方案中第n個(gè)目標(biāo)的最大值，min(fq，n)是所有方案中第n個(gè)目標(biāo)的最小值，是標(biāo)準(zhǔn)化后的值.然后對(duì)決策方案集合V 中的方案的每個(gè)目標(biāo)加權(quán)求和，其中加權(quán)和最大的方案即為要選擇的決策方案.

通過上述多目標(biāo)調(diào)度決策方法能夠在考慮未來不確定性的基礎(chǔ)上，兼顧單能流系統(tǒng)性能和多能流協(xié)同關(guān)系，綜合給出最優(yōu)化調(diào)度策略，為能源優(yōu)化利用提供支持.

4 應(yīng)用分析

為了驗(yàn)證本文所提方法的有效性，選取國(guó)內(nèi)某鋼廠的2016年6月份現(xiàn)場(chǎng)實(shí)際數(shù)據(jù)進(jìn)行調(diào)度建模.為了更好的說明本文所提方法的有效性，將協(xié)同優(yōu)化調(diào)度模型與人工調(diào)度、原始優(yōu)化調(diào)度模型、單能流優(yōu)化調(diào)度模型進(jìn)行對(duì)比.本實(shí)驗(yàn)在MATLAB R2016b中編寫本文算法的代碼，并在配置為Windows 10操作系統(tǒng)，處理器為Intel(R)Core(TM)i5-7200U，8 GB內(nèi)存，1 Tb存儲(chǔ)硬盤的電腦上運(yùn)行程序，對(duì)3個(gè)班次的實(shí)驗(yàn)結(jié)果進(jìn)行統(tǒng)計(jì)分析.由于副產(chǎn)煤氣系統(tǒng)牽涉多個(gè)調(diào)整用戶、緩沖用戶、消耗用戶，每個(gè)用戶都有各自的用能波動(dòng)規(guī)律，調(diào)度時(shí)間間隔過短會(huì)導(dǎo)致各用能設(shè)備的頻繁調(diào)整，設(shè)備損耗加劇;調(diào)度時(shí)間間隔過長(zhǎng)，會(huì)使得在間隔時(shí)間內(nèi)出現(xiàn)的大幅波動(dòng)得不到有效的調(diào)節(jié)，導(dǎo)致副產(chǎn)煤氣系統(tǒng)穩(wěn)定性降低.副產(chǎn)煤氣系統(tǒng)放散量的多少能夠直接反應(yīng)出調(diào)整的優(yōu)劣，放散的越少，副產(chǎn)煤氣的能源利用率越高，外來能源的消耗越少，越有利于實(shí)現(xiàn)企業(yè)節(jié)能減排、綠色化生產(chǎn).因此本文采用調(diào)整次數(shù)、轉(zhuǎn)爐煤氣滿柜次數(shù)和放散量分析調(diào)度效果.

4.1 副產(chǎn)煤氣系統(tǒng)多能流調(diào)度決策

在副產(chǎn)煤氣系統(tǒng)中，存在焦?fàn)t煤氣、轉(zhuǎn)爐煤氣和高爐煤氣3種煤氣能源.并且由于混合煤氣用戶的存在，3種能流之間相互影響，存在耦合關(guān)系.為了在保證系統(tǒng)平穩(wěn)運(yùn)行的情況下的副產(chǎn)煤氣能源利用的最大化，需要協(xié)同考慮3種能流.因此，在多能流調(diào)度決策模型中，首先建立各個(gè)能流子系統(tǒng)的多目標(biāo)優(yōu)化模型，然后在副產(chǎn)煤氣系統(tǒng)整體層面上協(xié)同考慮各個(gè)能流的利用情況，充分利用混合煤氣用戶(例如低壓鍋爐)對(duì)多能流的協(xié)調(diào)關(guān)系，使得3種煤氣能源的整體利用率達(dá)到最大化.在各個(gè)能流子系統(tǒng)中優(yōu)化模型的多目標(biāo)分別如式(12)-(14)所示.由于副產(chǎn)煤氣系統(tǒng)狀態(tài)隨時(shí)間不斷變化，在做決策時(shí)，本文在目標(biāo)函數(shù)中引入未來狀態(tài)

這個(gè)不確定因素.不僅考慮到當(dāng)前系統(tǒng)狀態(tài)，也考慮到更多不同的可接受選擇范圍內(nèi)的未來選項(xiàng)集，實(shí)現(xiàn)在不確定性下做出偏好決策.如圖3所示，為副產(chǎn)煤氣系統(tǒng)多能流調(diào)度決策模型結(jié)構(gòu)圖，通過本文方法最終得出最優(yōu)化的調(diào)度方案.

圖3 副產(chǎn)煤氣系統(tǒng)多能流調(diào)度決策模型Fig.3 Multi-energy flow decision making model in by-product gas system

4.2 實(shí)驗(yàn)結(jié)果分析

對(duì)比不同調(diào)度方法的調(diào)度結(jié)果，如表1所示.可以看出本文所提方法相比于人工調(diào)度模型、原始優(yōu)化調(diào)度模型和單能流優(yōu)化調(diào)度模型，在考慮未來狀態(tài)的不確定性和最大化預(yù)期的情況下，不僅調(diào)整次數(shù)大幅減少，而且滿柜次數(shù)和放散量也大大減少，使得煤氣資源的利用率整體提高，同時(shí)滿足企業(yè)生產(chǎn)用戶的用能需求.

表1 副產(chǎn)煤氣系統(tǒng)調(diào)度效果統(tǒng)計(jì)表Table 1 Scheduling effect statistics of by-product gas system

分開以單個(gè)煤氣介質(zhì)系統(tǒng)來看，如圖4-6分別為焦?fàn)t煤氣系統(tǒng)電廠使用流量曲線、柜位變化率曲線、柜位變化曲線.從圖中可知，人工調(diào)度時(shí)，調(diào)整用戶電廠的焦?fàn)t煤氣使用流量由于煤氣柜柜位的快速下降而減少，但是由于調(diào)整量過大導(dǎo)致過幾十分鐘以后還需把電廠消耗增加上去以降低焦?fàn)t煤氣柜的柜位.原始優(yōu)化調(diào)度方法調(diào)整時(shí)，只有在不平衡發(fā)生時(shí)找尋最優(yōu)方案，未考慮未來不確定性，容易調(diào)整過量或者過于頻繁.單能流優(yōu)化方法的調(diào)整時(shí)，沒有出現(xiàn)過快波動(dòng)，柜位保持在合理的區(qū)間之內(nèi).本文方法調(diào)整時(shí)，通過考慮未來的不確定性，提前調(diào)整，使得柜位的升幅很小，可保持長(zhǎng)時(shí)間的運(yùn)行.

圖4 焦?fàn)t煤氣電廠使用流量曲線Fig.4 Usage curve of coke oven gas by power plant

圖5 焦?fàn)t煤氣柜柜位變化率曲線Fig.5 Change rate curve of coke oven gas tank

圖6 焦?fàn)t煤氣柜柜位變化曲線Fig.6 Change curve of coke oven gas tank

圖7為轉(zhuǎn)爐煤氣系統(tǒng)電廠使用流量曲線.圖8為轉(zhuǎn)爐煤氣系統(tǒng)人工調(diào)度時(shí)4個(gè)轉(zhuǎn)爐煤氣柜柜位變化曲線.圖9為原始優(yōu)化調(diào)度調(diào)整時(shí)4個(gè)轉(zhuǎn)爐煤氣柜柜位變化曲線.圖10為單能流優(yōu)化調(diào)度調(diào)整時(shí)4個(gè)轉(zhuǎn)爐煤氣柜柜位變化曲線.圖11為協(xié)同優(yōu)化調(diào)度調(diào)整時(shí)4個(gè)轉(zhuǎn)爐煤氣柜柜位變化曲線.

圖7 轉(zhuǎn)爐煤氣電廠使用流量曲線Fig.7 Usage curve of linz-donawitz gas by power plant

圖8 人工調(diào)度轉(zhuǎn)爐煤氣柜柜位曲線Fig.8 Linz-donawitz gas tank curve under manual dispatching

圖9 原始優(yōu)化調(diào)度轉(zhuǎn)爐煤氣柜柜位曲線Fig.9 Linz-donawitz gas tank curve under original optimization dispatching method

圖10 單能流優(yōu)化調(diào)度轉(zhuǎn)爐煤氣柜柜位曲線Fig.10 Linz-donawitz gas tank curve under optimization dispatching method with considering single energy flow

圖11 協(xié)同優(yōu)化調(diào)度轉(zhuǎn)爐煤氣柜柜位曲線Fig.11 Linz-donawitz gas tank curve under coordinated optimization dispatching method proposed

圖8-11 中2#LDG柜和4#LDG柜的柜位如果超過68 km3(如圖中黑色虛線所示)時(shí)就不能再回收轉(zhuǎn)爐煤氣，需要對(duì)多余的煤氣進(jìn)行放散處理.人工調(diào)整時(shí)2#LDG柜出現(xiàn)一次滿柜放散的情況，原始優(yōu)化和單能流優(yōu)化調(diào)整時(shí)也同樣出現(xiàn)一次滿柜放散情況，這是由于在滿柜之前的一段時(shí)間由于柜位過低而對(duì)電廠轉(zhuǎn)爐煤氣流量減少所致，本文方法調(diào)整時(shí)，考慮到接下來可能出現(xiàn)的情況，又根據(jù)副產(chǎn)煤氣整體煤氣介質(zhì)產(chǎn)消平衡情境，高爐煤氣和焦?fàn)t煤氣富足，可在轉(zhuǎn)爐煤氣過少時(shí)予以補(bǔ)充.因此本文方法在考慮未來的不確定性和副產(chǎn)煤氣整體平衡情況的下給出了最優(yōu)的調(diào)整策略.

圖12-14分別是高爐煤氣系統(tǒng)電廠使用流量曲線、高爐煤氣放散流量曲線、高爐煤氣柜柜位變化曲線.此時(shí)段高爐煤氣系統(tǒng)由于4號(hào)電廠處于檢修狀態(tài)，電廠高爐煤氣消耗量整體偏少，高爐煤氣整體富足.從圖中可以看出，人工調(diào)度時(shí)，高爐煤氣放散量最多，高爐煤氣柜柜位處于較高狀態(tài)，不利于高爐煤氣利用率的提高.原始優(yōu)化調(diào)整時(shí)，高爐煤氣放散增加時(shí)才開始調(diào)整，不利于資源的最大化利用.單能流優(yōu)化調(diào)整時(shí)，高爐煤氣的放散量有所減少，但是在柜位下降時(shí)給予減少電廠的調(diào)整策略導(dǎo)致高爐煤氣柜的波動(dòng)和放散都有所增加.本文方法調(diào)整時(shí)，分配電廠較高的高爐煤氣消耗量的調(diào)整策略，使得高爐煤氣放散量有所減少，柜位處于柜位中間區(qū)域，有更好的預(yù)留調(diào)整空間.

圖12 高爐煤氣電廠使用流量曲線Fig.12 Consumption curve of blast furnace gas by power plant

圖13 高爐煤氣放散流量曲線Fig.13 Discharge curve of blast furnace gas

圖14 高爐煤氣柜柜位曲線Fig.14 Change curve of blast furnace gas tank

從上述實(shí)驗(yàn)可以看出，本文方法從最大化當(dāng)前目標(biāo)和預(yù)期目標(biāo)的角度給出最優(yōu)的調(diào)度策略，同時(shí)能夠有效的消除未來狀態(tài)不確定性帶來的影響，并能結(jié)合不同能源的特點(diǎn)給出整體的調(diào)整策略，對(duì)副產(chǎn)煤氣系統(tǒng)的平衡調(diào)度和煤氣的最優(yōu)化利用具有重大意義.

5 結(jié)語(yǔ)

本文針對(duì)具有時(shí)變、不確定性和強(qiáng)耦合等特性的多能流系統(tǒng)平衡調(diào)度問題，提出了基于合作協(xié)同優(yōu)化的多能流不確定多目標(biāo)決策方法.利用卡爾曼濾波方法和貝葉斯定理將未來調(diào)度解集的轉(zhuǎn)移考慮到目標(biāo)函數(shù)中，從最大化當(dāng)前目標(biāo)和預(yù)期目標(biāo)的角度給出最優(yōu)的調(diào)度決策策略，有效的消除了未來狀態(tài)不確定性對(duì)平衡調(diào)度決策的影響;同時(shí)在優(yōu)化決策的過程中綜合考慮了單能流系統(tǒng)特性以及多能流系統(tǒng)強(qiáng)耦合關(guān)系，利用基于圖模型和雙向權(quán)重的協(xié)同進(jìn)化方法，從“總體”-“局部”相結(jié)合的角度給出了最優(yōu)的決策策略，實(shí)現(xiàn)了最優(yōu)化的副產(chǎn)煤氣產(chǎn)消平衡調(diào)度.實(shí)際鋼鐵企業(yè)副產(chǎn)煤氣系統(tǒng)數(shù)據(jù)仿真驗(yàn)證表明，本文所提方法能夠在考慮未來不確定性的基礎(chǔ)上，兼顧單能流系統(tǒng)和多能流強(qiáng)耦合關(guān)系，給出最優(yōu)化調(diào)度決策，實(shí)現(xiàn)了系統(tǒng)的長(zhǎng)期平穩(wěn)運(yùn)行，減少了煤氣資源的放散，為煤氣最優(yōu)化利用提供支持.