鋼鐵企業(yè)煤氣消耗設(shè)備時(shí)序優(yōu)化研究

任明遠(yuǎn)，姜明軍，周海軍，陳思行，殷捷，顧江其

(1.國(guó)網(wǎng)甘肅省電力公司，蘭州 730000；2.南京瑞松信息科技有限公司，南京 210038)

我國(guó)是世界上最大的鋼鐵生產(chǎn)國(guó)，鋼鐵行業(yè)作為能源消耗密集型行業(yè)，面臨著較大的節(jié)能減排壓力。鋼鐵企業(yè)在生產(chǎn)鋼鐵的同時(shí)，會(huì)產(chǎn)生大量的煤氣副產(chǎn)品，將鋼鐵富余煤氣用于額外生產(chǎn)或者發(fā)電，是提高能源利用率、降低鋼鐵生產(chǎn)成本的有效手段。但鋼鐵企業(yè)的副產(chǎn)品煤氣具有連續(xù)性和波動(dòng)性的特點(diǎn)，常常出現(xiàn)煤氣的產(chǎn)出與消耗不相匹配的問題，這不可避免的就會(huì)造成能源的大量浪費(fèi)[1-3]。

對(duì)副產(chǎn)煤氣的合理優(yōu)化調(diào)度會(huì)直接影響噸鋼煤耗以及鋼鐵企業(yè)的經(jīng)濟(jì)效益。國(guó)內(nèi)外學(xué)者針對(duì)煤氣優(yōu)化調(diào)度的具體問題，提出了很多調(diào)度算法。謝升等[4]采用混合整數(shù)線性規(guī)劃方法，對(duì)鋼鐵企業(yè)的生產(chǎn)電力以及煤氣放散量進(jìn)行優(yōu)化，結(jié)果顯示該煤氣優(yōu)化調(diào)度模型能夠有效提高2.93%的發(fā)電量，且在高爐檢修之后能夠提高22%左右的發(fā)電量。孫雪瑩等[5]基于模糊機(jī)會(huì)約束規(guī)劃方法建立副產(chǎn)煤氣系統(tǒng)模糊優(yōu)化調(diào)度模型，通過鋼鐵企業(yè)生產(chǎn)數(shù)據(jù)驗(yàn)證，提出的規(guī)劃方法比確定性的方法可靠性更高，同時(shí)給出了不同置信區(qū)間下能夠滿足煤氣系統(tǒng)模型約束的調(diào)度方案，便于調(diào)度員做出更好的決策。胡建雙等[6]對(duì)副產(chǎn)煤氣進(jìn)行放散最小的模型建立，結(jié)果驗(yàn)證表明，這樣既可確保生產(chǎn)的安全性，同時(shí)也對(duì)企業(yè)副產(chǎn)煤氣的合理使用起到積極作用。張超[7]以企業(yè)煤氣放散和生產(chǎn)成本最小化為目標(biāo)，在考慮了調(diào)度時(shí)間段內(nèi)出現(xiàn)生產(chǎn)變化的情況下，對(duì)調(diào)度時(shí)間進(jìn)行分段處理，最后通過動(dòng)態(tài)規(guī)劃的思想對(duì)改進(jìn)后模型進(jìn)行分析，通過模型求解結(jié)果，改進(jìn)后模型在煤氣放散量的回收上優(yōu)于原模型。

張建良等[8]通過引入燃?xì)?蒸汽聯(lián)合循環(huán)設(shè)備，實(shí)現(xiàn)了鋼鐵生產(chǎn)煤氣的新平衡，建立了煤氣熱值的優(yōu)化模型，結(jié)果表示新模型能夠有效減少煤氣生產(chǎn)能耗。

由于煤氣消耗設(shè)備的頻繁啟停會(huì)造成設(shè)備的使用壽命下降和運(yùn)維成本增加，本文選取煤氣消耗設(shè)備的啟停次數(shù)變化最小為優(yōu)化目標(biāo)之一。另外，當(dāng)園區(qū)電廠的輸入能量波動(dòng)較大時(shí)，對(duì)園區(qū)電廠的運(yùn)行穩(wěn)定性會(huì)造成較大的影響，因此本文將園區(qū)電廠輸入能量的波動(dòng)作為另一個(gè)優(yōu)化目標(biāo)。綜合上述兩個(gè)優(yōu)化目標(biāo)，本文提出以煤氣消耗設(shè)備時(shí)序優(yōu)化為主，園區(qū)電廠調(diào)節(jié)為輔的優(yōu)化調(diào)節(jié)方法。

1 研究對(duì)象

本文研究對(duì)象為某鋼鐵企業(yè)，該企業(yè)煤氣系統(tǒng)設(shè)備如表1所示，副產(chǎn)煤氣系統(tǒng)如圖1所示。

圖1 某鋼鐵企業(yè)副產(chǎn)煤氣系統(tǒng)圖

表1 某鋼鐵企業(yè)煤氣系統(tǒng)設(shè)備

鋼鐵企業(yè)副產(chǎn)煤氣長(zhǎng)時(shí)間處于產(chǎn)耗不平衡的狀態(tài)，通過對(duì)煤氣消耗設(shè)備優(yōu)化和合理的安排煤氣消耗設(shè)備的啟停，能夠有效降低煤氣消耗設(shè)備的啟停次數(shù)，同時(shí)能夠減小園區(qū)電廠輸入熱量波動(dòng)，提高整體系統(tǒng)運(yùn)行的穩(wěn)定性與安全性。

本文在進(jìn)行時(shí)序優(yōu)化時(shí)，假設(shè)煤氣生產(chǎn)設(shè)備和煤氣消耗設(shè)備全天候運(yùn)行，以煤氣生產(chǎn)設(shè)備為產(chǎn)氣端，煤氣消耗設(shè)備為耗氣端，對(duì)煤氣消耗設(shè)備進(jìn)行時(shí)序優(yōu)化。園區(qū)電廠熱值與熱量滿足約束如式1所示。

(1)

式(1)中，h為熱值，kJ/m3，hmax為17 298 kJ/m3，hmin為3 812 kJ/m3；Q為熱量，GJ/h，Qmax為4 988 GJ/h，Qmin為2 001 GJ/h。

2 煤氣消耗設(shè)備的再分類

本研究的鋼鐵企業(yè)中共有16個(gè)煤氣消耗設(shè)備，但由于部分煤氣消耗設(shè)備與生產(chǎn)緊密關(guān)聯(lián)，將參與優(yōu)化的設(shè)備分為兩種。第一種，固定不可調(diào)節(jié)消耗設(shè)備，這些設(shè)備由于在煉鋼煉鐵過程起著關(guān)鍵作用(熱風(fēng)爐、煉鐵廠設(shè)備、動(dòng)力廠設(shè)備、煉鋼廠設(shè)備、焦化廠設(shè)備)或者生產(chǎn)周期固定，無法靈活調(diào)節(jié)(彩板廠設(shè)備、冷軋機(jī)廠設(shè)備)，故不參與煤氣消耗設(shè)備時(shí)序優(yōu)化；第二類，不固定可調(diào)節(jié)消耗設(shè)備，該類設(shè)備由于生產(chǎn)的啟停不影響鋼鐵的生產(chǎn)，生產(chǎn)相對(duì)獨(dú)立，主要是冷軋機(jī)、550燒結(jié)爐、軋鋼機(jī)、石灰回轉(zhuǎn)窯、燒結(jié)球團(tuán)廠設(shè)備、中板廠設(shè)備、180燒結(jié)爐、中厚板廠設(shè)備、熱連軋機(jī)和機(jī)制砂公司設(shè)備，因此本次時(shí)序優(yōu)化研究主要是針對(duì)上述設(shè)備。

2.1 不參與時(shí)序優(yōu)化的煤氣消耗設(shè)備

第一類煤氣消耗設(shè)備由于在鋼鐵生產(chǎn)的工藝流程中承擔(dān)著重要的角色，其運(yùn)行時(shí)長(zhǎng)需要與焦?fàn)t、高爐和轉(zhuǎn)爐的運(yùn)行時(shí)長(zhǎng)相同，所以無法參與時(shí)序優(yōu)化。第一類設(shè)備運(yùn)行時(shí)間以及煤氣消耗量如表2所示。

表2 第一類設(shè)備運(yùn)行時(shí)長(zhǎng)以及煤氣消耗量

2.2 參與時(shí)序優(yōu)化的煤氣消耗設(shè)備

參與時(shí)序優(yōu)化的煤氣消耗設(shè)備無法直接獲取，本文通過歷史數(shù)據(jù)中設(shè)備每小時(shí)煤氣消耗體積，得到各煤氣消耗設(shè)備的每日正常運(yùn)行時(shí)長(zhǎng)，第二類設(shè)備運(yùn)行時(shí)長(zhǎng)及煤氣消耗量如表3所示。

表3 第二類設(shè)備運(yùn)行時(shí)長(zhǎng)及煤氣消耗量

第二類設(shè)備的煤氣消耗動(dòng)態(tài)模型，如式(2)所示：

(2)

3 園區(qū)電廠的消耗特性

本文時(shí)序優(yōu)化時(shí)，優(yōu)先滿足煤氣消耗設(shè)備的供應(yīng)，剩下的煤氣分配給園區(qū)電廠。煤氣消耗實(shí)際共有二十條線(其中550燒結(jié)爐有兩條生產(chǎn)線、180燒結(jié)爐有四條生產(chǎn)線)當(dāng)所有煤氣消耗設(shè)備的需求都被滿足之后，富余煤氣輸入進(jìn)園區(qū)電廠，在優(yōu)化過程中，通過控制設(shè)備的啟停，得到輸入園區(qū)電廠的熱量，并對(duì)熱量進(jìn)行熱值和熱量判斷。富余煤氣的熱值、熱量需要滿足式(1)中所描述的最大值與最小值。因此園區(qū)電廠煤氣消耗模型建立中，需要優(yōu)先計(jì)算各個(gè)時(shí)段進(jìn)去園區(qū)電廠的熱量與熱值，其中熱值需要通過體積與熱量求得，因此額外建立各時(shí)段的富余煤氣體積模型。

3.1 各時(shí)段富余煤氣熱量模型

生產(chǎn)的煤氣總熱量除園區(qū)電廠消耗的熱量之外就是供給煤氣消耗設(shè)備的熱量，因此園區(qū)電廠消耗的熱量等于煤氣系統(tǒng)產(chǎn)生的總熱量減去煤氣消耗設(shè)備單位時(shí)間區(qū)段消耗的總熱量，園區(qū)電廠消耗的富余煤氣熱量可以用式(2)來表示，煤氣消耗設(shè)備的數(shù)量根據(jù)上述分析共20個(gè)。

Qi=hbfgfsum_bfg_i+hcfgfsum_cfg_i+

(3)

式(3)中，Qi表示園區(qū)電廠第i小時(shí)內(nèi)消耗的富余煤氣熱量，kJ；i∈[1,24]且為整數(shù)，表示每日中的各個(gè)時(shí)間段；fsum_bfg_i、fsum_cog_i、fsum_cfg_i分別表示高爐、焦?fàn)t、轉(zhuǎn)爐第i小時(shí)內(nèi)產(chǎn)生的煤氣總體積，m3；fcon_j表示煤氣消耗設(shè)備j第i小時(shí)內(nèi)消耗的煤氣體積，j=1，2，3…20表示為各個(gè)煤氣消耗設(shè)備生產(chǎn)線；hi表示對(duì)應(yīng)煤氣消耗設(shè)備第i小時(shí)內(nèi)消耗的煤氣平均熱值，kJ/m3。

3.2 三種富余煤氣體積模型

在實(shí)際生產(chǎn)中，會(huì)出現(xiàn)煤氣消耗設(shè)備中轉(zhuǎn)爐煤氣供應(yīng)不足的情況，此時(shí)會(huì)將高爐煤氣(熱值低)與焦?fàn)t煤氣(熱值高)混合，讓煤氣消耗設(shè)備使用，然后再將剩余的煤氣送入園區(qū)電廠。

fbfg+fcog=fcfgfbfghbfg+fcoghcog=fcfghcfg

(4)

根據(jù)熱力學(xué)第一定律和質(zhì)量守恒定律解得：

(5)

式(4～5)中，Pcog和Pbfg分別表示焦?fàn)t煤和高爐煤氣在混合煤氣中所占比例；fcog、fcfg和fbfg表示各成分煤氣的體積，m3；hcog、hcfg和hbfg分別表示焦?fàn)t煤氣、轉(zhuǎn)爐煤氣和高爐煤氣的熱值，kJ/m3。

煤氣消耗設(shè)備的需求被全部滿足以后，按照式(6)～(11)計(jì)算輸入園區(qū)電廠中的各成分煤氣的混合體積含量。

(6)

(7)

(8)

(9)

(10)

(11)

式(6～11)中，fcfg_before_i表示采用高焦?fàn)t煤氣替代轉(zhuǎn)爐煤氣之前，第i小時(shí)進(jìn)入園區(qū)電廠的轉(zhuǎn)爐煤氣的體積，m3；Pcfg_ j、Pbfg_ j、Pcog_ j分別表示第j個(gè)設(shè)備在第i小時(shí)內(nèi)消耗的煤氣中轉(zhuǎn)爐煤氣、高爐煤氣、焦?fàn)t煤氣所占的體積份額。fcfg_i、fcog_i、fbfg_i分別表示第i小時(shí)輸入園區(qū)電廠的轉(zhuǎn)爐煤氣、焦?fàn)t煤氣、高爐煤氣體積，m3。fcon_cfg表示轉(zhuǎn)爐煤氣不足部分采用高焦?fàn)t煤氣替代時(shí)所需的焦?fàn)t煤氣體積，fbfg_cfg表示轉(zhuǎn)爐煤氣不足部分采用高焦?fàn)t煤氣替代時(shí)所需的高爐煤氣體積，m3；F替代為高焦?fàn)t煤氣利用式(5)替代轉(zhuǎn)爐煤氣時(shí)，轉(zhuǎn)爐煤氣體積與高爐、焦?fàn)t煤氣體積之間的函數(shù)關(guān)系。

3.3 富余煤氣熱值

由式(4)～式(11)可得園區(qū)電廠的輸入煤氣熱值如式(12)所示：

(12)

式(12)中，h電廠_i為第i小時(shí)輸入園區(qū)電廠的混合煤氣的熱值,kJ/m3。

4 煤氣消耗設(shè)備優(yōu)化模型

4.1 決策變量

根據(jù)第三章分析，本文所選取的鋼鐵企業(yè)僅有9個(gè)煤氣消耗設(shè)備(13個(gè)生產(chǎn)線)參與優(yōu)化，所以本文選取能夠啟停的設(shè)備數(shù)量按照13進(jìn)行處理。

假設(shè)每個(gè)煤氣消耗設(shè)備單次運(yùn)行時(shí)間長(zhǎng)度為1 h，則13個(gè)煤氣消耗設(shè)備每日24 h內(nèi)共有13×24=312個(gè)小時(shí)區(qū)間。根據(jù)表3中的第三列數(shù)據(jù)相加可知(550燒結(jié)爐按2個(gè)設(shè)備計(jì)算，180燒結(jié)爐按4個(gè)設(shè)備計(jì)算)，13個(gè)煤氣消耗設(shè)備每日正常工作時(shí)長(zhǎng)總計(jì)為214 h。

假設(shè)設(shè)備正常工作狀態(tài)用“1”表示，非正常工作狀態(tài)用“0”表示，本文建立一個(gè)13×24的設(shè)備運(yùn)行狀態(tài)矩陣Z，矩陣中元素的值Zji表示第j個(gè)設(shè)備在第i小時(shí)內(nèi)的設(shè)備運(yùn)行狀態(tài)，值為0或1。由于表3中的第三列設(shè)備每日需要正常運(yùn)行的總時(shí)長(zhǎng)為214 h，則矩陣中一共存在214個(gè)元素值為1，另有98個(gè)元素值為0。

對(duì)于優(yōu)化模型，變量的選取直接影響優(yōu)化問題的復(fù)雜程度和求解難度，根據(jù)本文上述的模型分析，給出以下四種決策變量選取方案：

方案一：設(shè)備運(yùn)行狀態(tài)矩陣中所有元素全部用一個(gè)變量表示，一共需要312個(gè)決策變量。

方案二：以設(shè)備運(yùn)行狀態(tài)矩陣中元素值為“1”的位置為變量，即每個(gè)設(shè)備正常運(yùn)行時(shí)間的位置作為變量，一共需要214個(gè)決策變量。

方案三：與方案二類似，以矩陣元素中值為“0”的元素的位置作為變量，該方式選取變量共有98個(gè)。

方案四：觀察表3可以看出，180燒結(jié)設(shè)備4條工作線的正常運(yùn)行時(shí)間小于非正常運(yùn)行時(shí)間(10<14)，所以為了進(jìn)一步減少計(jì)算復(fù)雜度，180燒結(jié)設(shè)備四條線可以選擇矩陣中元素值為“1”的位置為變量，共計(jì)40個(gè)決策變量(單線10個(gè))，其它設(shè)備以“0”為變量，共計(jì)42個(gè)決策變量(每個(gè)設(shè)備非正常運(yùn)行時(shí)長(zhǎng)為24減去正常運(yùn)行時(shí)長(zhǎng))，這樣共計(jì)需要決策變量82個(gè)。

例如由表3中第3列設(shè)備日際正常運(yùn)行時(shí)長(zhǎng)可知，軋鋼機(jī)每日需要正常運(yùn)行20 h，保溫4 h；如果采用方案一，全天24 h各需要一個(gè)變量，石灰窯共需要24個(gè)變量；如果采用方案二，需要20個(gè)變量來表示運(yùn)行的22 h的位置；采用方案三則只需要4個(gè)變量，分別記錄保溫的4 h各在24 h中的位置，在5點(diǎn)到7點(diǎn)保溫一次，14點(diǎn)到16點(diǎn)保溫一次時(shí)，4個(gè)變量分別為6、7與15、16。

優(yōu)化時(shí)候，優(yōu)先選擇決策變量少的方案，這樣有利于優(yōu)化模型的計(jì)算與求解，本文采用方案四的變量設(shè)計(jì)方案，選取82個(gè)變量，設(shè)計(jì)如表4所示，其中xk∈[1，24]，k∈[0，81]，xk與k都為整數(shù)。

表4 決策變量

4.2 優(yōu)化目標(biāo)

為了保證系統(tǒng)運(yùn)行的穩(wěn)定性與安全性，本文選擇園區(qū)電廠輸入熱量波動(dòng)最小化和煤氣消耗設(shè)備運(yùn)行狀態(tài)變動(dòng)次數(shù)最少為優(yōu)化目標(biāo)。

(1)園區(qū)電廠輸入熱量波動(dòng)最小化，由于最后4 h冷軋機(jī)設(shè)備無消耗，故輸入熱量按照兩個(gè)區(qū)間計(jì)算熱量波動(dòng)。

(13)

式(13)中，Qaverage_1表示園區(qū)電廠每日前20 h的平均輸入混合煤氣熱量，kJ；Qaverage_2表示后4 h的平均輸入混合煤氣熱量，kJ。

(2)煤氣消耗設(shè)備啟停改變次數(shù)最小化。本文通過建立一個(gè)13行24列的設(shè)備的運(yùn)行狀態(tài)分布矩陣Z，通過將各個(gè)設(shè)備后面時(shí)間段的設(shè)備狀態(tài)減去前面時(shí)間段的設(shè)備狀態(tài)的差全部相加最小作為優(yōu)化目標(biāo)。

(14)

式(14)中，zj,i+1、zj，i為第j個(gè)設(shè)備分別在第i+1個(gè)小時(shí)、第i個(gè)小時(shí)中的狀態(tài)，1表示正常運(yùn)行狀態(tài)，0表示非正常運(yùn)行狀態(tài)。

4.3 約束條件

本文運(yùn)行策略優(yōu)先考慮煤氣消耗設(shè)備的煤氣需求，剩余煤氣再輸入園區(qū)電廠，只要考慮進(jìn)入輸入園區(qū)電廠是否能夠滿足需求。

(1)單位時(shí)段中，園區(qū)電廠的輸入混合煤氣熱量和熱值需要在式(1)中的熱值和熱量最小值與最大值之間，這樣表示煤氣消耗設(shè)備已經(jīng)能夠優(yōu)先滿足。

假設(shè)d表示為違反約束程度，則式(15)和(16)分別表示輸入園區(qū)電廠的熱值和熱量的違反約束程度。

df1i=(|hi-hmin|+|hi-hmax|-(hmax-hmin))2

(15)

df2i=(|Qi-Qmin|+|Qi-Qmax|-(Qmax-Qmin))2

(16)

式(15)和式(16)中，df1i、df2i分別表示輸入園區(qū)電廠的混合煤氣熱值與熱量違反約束程度；hi、hmin、hmax分別表示第i小時(shí)輸入園區(qū)電廠的混合煤氣熱值、煤氣熱值最小值和最大值；Qi、Qmin、Qmax分別表示第i小時(shí)輸入園區(qū)電廠的混合煤氣熱量、熱量下限和熱量上限。

(2)在運(yùn)行方案中，當(dāng)煤氣消耗設(shè)備所需轉(zhuǎn)爐煤氣不足時(shí)，則采用高爐煤氣與焦?fàn)t煤氣的混合氣。在時(shí)序優(yōu)化中，需要優(yōu)先滿足煤氣消耗設(shè)備的不停產(chǎn)，因此當(dāng)高爐煤氣量與焦?fàn)t煤氣量大于0時(shí)，表示當(dāng)前的煤氣消耗設(shè)備的需求量已經(jīng)滿足。

(17)

假定df3i，df4i為高焦?fàn)t煤氣輸入電廠流量違反約束程度，如式(18)和(19)所示，總的約束違反程度函數(shù)F如式(20)所示：

(18)

(19)

(20)

5 優(yōu)化算法

遺傳算法(Genetic Algorithm，GA)是進(jìn)化算法的一種，通過模擬達(dá)爾文進(jìn)化論中的自然選擇和遺傳學(xué)機(jī)理的生物進(jìn)化來建立計(jì)算模型。在計(jì)算較為復(fù)雜的優(yōu)化問題中，遺傳算法相較于普通的優(yōu)化算法，能夠快速地獲得比較好的優(yōu)化結(jié)果，因此本文的研究采用遺傳算法繼續(xù)分析。

5.1 基因的設(shè)計(jì)

本文選擇13個(gè)煤氣消耗設(shè)備的正常運(yùn)行時(shí)間段作為決策變量，按照表4中的設(shè)計(jì)方式設(shè)計(jì)優(yōu)化方法的基因。表4中共有82個(gè)決策變量，建立相應(yīng)的遺傳算法基因X0-X81，每個(gè)基因的取值為對(duì)應(yīng)的設(shè)備保溫狀態(tài)或正常運(yùn)行所在的時(shí)間，即Xk∈[0，23]，k∈[0，81]。

運(yùn)行優(yōu)化的基礎(chǔ)是保證當(dāng)日分配給煤氣消耗設(shè)備的煤氣能夠消耗完全，所以增加煤氣消耗設(shè)備的等式約束，但同時(shí)也增加了模型的求解難度。在本研究中，為降低模型求解的復(fù)雜程度，在個(gè)體初始化和交叉變異的過程中，優(yōu)先判斷個(gè)體是否滿足運(yùn)行時(shí)間。

5.2 基因的約束處理

以中板廠為例，中板廠設(shè)備停運(yùn)時(shí)間為4 h。

(1)初始化：首先4個(gè)個(gè)體基因(X66～X69)隨機(jī)初始化整數(shù)，范圍在0～23之間，如果出現(xiàn)相同的整數(shù)，則重新生成，直到4個(gè)整數(shù)均不相同。

(2)交叉(變異)：將中板廠4個(gè)基因位置中的任意兩個(gè)進(jìn)行交叉變異產(chǎn)生新的4個(gè)基因，并按照數(shù)值大小進(jìn)行排序。新個(gè)體的中板廠基因位置的基因排序見表5, 表中數(shù)值表示中板長(zhǎng)的每日保溫運(yùn)行所在的時(shí)間。

表5 新個(gè)體的中板廠基因位置的基因排序

新產(chǎn)生的基因需要保證中板長(zhǎng)4個(gè)基因無重復(fù)數(shù)值，否則不能滿足中板長(zhǎng)每日保溫時(shí)長(zhǎng)4 h的條件。對(duì)4個(gè)基因加上約束，當(dāng)各基因的數(shù)值超出約束邊界范圍的時(shí)候，將該基因數(shù)值置為邊界數(shù)值，新個(gè)體中中板廠基因位置的基因約束見表6，即后一次保溫時(shí)間段至少要比前一次保溫時(shí)間段晚1 h。

表6 新個(gè)體中中板廠基因位置的基因約束

5.3 約束條件的處理方法

按照模型約束條件和約束違反程度計(jì)算式，分別計(jì)算個(gè)體在優(yōu)化中的違反程度的大小，最后按照違反程度大小排序，排在最前面?zhèn)€體則越可能是最優(yōu)解。

本文的遺傳算法在選擇個(gè)體的環(huán)節(jié)中同時(shí)采用約束違反程度排序等級(jí)和個(gè)體非支配排序等級(jí)兩個(gè)參數(shù)共同決定個(gè)體優(yōu)劣的方法。本研究問題中約束較多，可行解不易尋找，所以目標(biāo)函數(shù)值權(quán)重設(shè)為0.3，違反約束程度權(quán)重設(shè)為0.7。

6 優(yōu)化結(jié)果分析

將約束條件以及目標(biāo)函數(shù)帶入遺傳算法中進(jìn)行計(jì)算，設(shè)繁衍代數(shù)為10 000，種群大小為100。在5次優(yōu)化之后，得出5次優(yōu)化的最優(yōu)解集合，共計(jì)500個(gè)個(gè)體，然后確定其中的可行解，滿足約束的雙目標(biāo)可行解如圖2所示。非劣解的日際目標(biāo)函數(shù)與約束違反程度見表7，滿足約束的雙目標(biāo)非劣解如圖3所示。

圖2 滿足約束的雙目標(biāo)可行解

圖3 滿足約束的雙目標(biāo)非劣解

表7 非劣解的日際目標(biāo)函數(shù)與約束違反程度

由于這些個(gè)體之間的優(yōu)化目標(biāo)都存在各自的優(yōu)缺點(diǎn)，故這15個(gè)個(gè)體之間沒有明確的優(yōu)劣之分。

選擇表7中兩端兩個(gè)個(gè)體的時(shí)序優(yōu)化結(jié)果展示如表8和表9所示。表8對(duì)應(yīng)結(jié)果約束違反程度為0，熱量波動(dòng)程度為1.205 9×1018kJ2，運(yùn)行狀態(tài)改變次數(shù)為17次；表9對(duì)應(yīng)約束違反程度為0，熱量波動(dòng)程度為7.216 4×1016kJ2,運(yùn)行狀態(tài)改變次數(shù)為53次。表中第一列A～M依次表示表3中的13個(gè)煤氣消耗設(shè)備，第一行為時(shí)間，表中0代表設(shè)備保溫，1代表設(shè)備正常運(yùn)行。

表8 非劣解中設(shè)備啟停改變次數(shù)最小的優(yōu)化解

表9 非劣解中園區(qū)電廠輸入燃料變化最小的優(yōu)化解

圖3右下角的優(yōu)化解對(duì)應(yīng)的是表8中的內(nèi)容，此時(shí)違反約束程序函數(shù)F等于0，表示輸入煤氣被全部消耗，沒有煤氣浪費(fèi)，且沒有煤氣消耗設(shè)備停工停產(chǎn)；此時(shí)設(shè)備運(yùn)行狀態(tài)改變次數(shù)只有17次，平均每個(gè)設(shè)備每日只改變不到2次運(yùn)行狀態(tài)。但此種運(yùn)行方式會(huì)導(dǎo)致園區(qū)電廠輸入熱量的波動(dòng)較大。

圖3左上角的優(yōu)化解對(duì)應(yīng)的運(yùn)行時(shí)序結(jié)果如表9所示，此時(shí)與上述優(yōu)化結(jié)果類似，違反程度函數(shù)F為0，同樣沒有輸入熱量的浪費(fèi)，此時(shí)園區(qū)電廠的輸入燃料的流量變化較小，此時(shí)設(shè)備的運(yùn)行啟停改變次數(shù)達(dá)到53次。

兩種時(shí)序下的園區(qū)電廠每小時(shí)輸入燃料波動(dòng)如圖4所示。此時(shí)，園區(qū)電廠在兩個(gè)優(yōu)化解下的每小時(shí)輸入的熱量及熱值均滿足約束條件。兩個(gè)優(yōu)化解的目標(biāo)不一樣，一個(gè)盡可能的減少煤氣消耗設(shè)備的啟停改變次數(shù)；一個(gè)盡可能的降低園區(qū)電廠的輸入燃料變化，但是卻導(dǎo)致了煤氣消耗設(shè)備的運(yùn)行狀態(tài)頻繁變化。

圖4 兩種時(shí)序下的園區(qū)電廠每小時(shí)輸入燃料波動(dòng)

通過將時(shí)序優(yōu)化結(jié)果中燃料波動(dòng)工況最小的電廠輸入和實(shí)際運(yùn)行數(shù)據(jù)分別做處理之后，實(shí)際運(yùn)行方差為0.008 21，優(yōu)化解的園區(qū)電廠的波動(dòng)方差為0.000 226 7，相較于實(shí)際波動(dòng)降低97.59%，園區(qū)電廠實(shí)際運(yùn)行與優(yōu)化運(yùn)行方式熱量波動(dòng)比較如圖5所示。從圖5可以看出，通過本文的時(shí)序優(yōu)化之后，大大地降低了熱量波動(dòng)程度。

圖5 園區(qū)電廠實(shí)際運(yùn)行與優(yōu)化運(yùn)行方式熱量波動(dòng)比較

7 結(jié)語(yǔ)

本文在鋼鐵企業(yè)原有煤氣柜和園區(qū)電廠等傳統(tǒng)調(diào)度手段之外，提出了一種新的煤氣時(shí)序優(yōu)化方法作為原有傳統(tǒng)調(diào)度手段的補(bǔ)充。本文將所研究的鋼鐵企業(yè)中現(xiàn)有的煤氣消耗設(shè)備按照是否能夠靈活啟停分為兩種，并建立了不同煤氣消耗設(shè)備和園區(qū)電廠的設(shè)備模型。文中以園區(qū)電廠輸入燃料變化最小，煤氣消耗設(shè)備啟停狀態(tài)改變次數(shù)最少為優(yōu)化目標(biāo)，通過遺傳算法進(jìn)行優(yōu)化。

在采用多目標(biāo)遺傳算法對(duì)參與時(shí)序優(yōu)化的煤氣消耗設(shè)備進(jìn)行優(yōu)化時(shí)，文中提出一種改進(jìn)基因設(shè)計(jì)方式，首先確定每一行基因的個(gè)數(shù)，然后判斷當(dāng)前行中，“0”與“1”的個(gè)數(shù)，當(dāng)“0”小于“1”時(shí)，選擇以“0”的位置作為決策變量，反之亦然。該種方法的基因設(shè)計(jì)，能夠大大減低基因維數(shù)，減少模型的求解難度。優(yōu)化結(jié)果表明，基于上述決策變量的優(yōu)化模型所求結(jié)果可以優(yōu)先保證煤氣消耗設(shè)備的燃?xì)庀模瑫r(shí)能夠保證煤氣消耗設(shè)備的運(yùn)行狀態(tài)改變次數(shù)較少以及園區(qū)電廠的輸入熱量的波動(dòng)較小。