Т7 Энергосбережение

-оптимизации энергетического баланса;

-минимизации потребления природного газа;

-оптимизации КПД.

Рассмотрим задачу оптимизации энергетического баланса. Она состоит из двух подзадач: оптимизации распределения нагрузок турбогенераторов и оптимизации распределения нагрузок котлов.

Сначала рассмотрим подзадачу оптимизации распределения нагрузок турбогенераторов.Упрощенная модель турбогенератора может быть получена из рассмотрения типовой энергетической характеристики турбогенератора (рис. 7.15).

DПП

DППmax

QТ 3

QТ 2

QТ1

QТ 0

WЭ

WЭmax

Рис. 7.15. Типовая энергетическая характеристика турбогенератора

Здесь WЭ - вырабатываемая электрическая мощность, QТi - тепловая мощность, DПП - потребление перегретого пара. Электрическая мощность и потребление перегретого пара турбогенератором ограничены

величинами W max	,	Dmax	соответственно.
Э		ПП

Аналитически энергетические характеристики турбогенераторов могут быть описаны выражениями:

DТГ		a	a W
ПП ,i		0,i	1,i Э,i
DТГ		b	b W
ПП ,i		0,i	1,i Э,i
W	W max , DТГ
Э,i		Э,i	ПП ,i

a2,iQТ ,i	поправки ;
b2,iQТ ,i поправки ;			(3.1)
ТГ ,max	; i=1, 2, ...
DПП ,i

Здесь a ji , bji - эмпирические коэффициенты зависимостей. Поправки

определяются на отклонения режимных параметров турбогенераторов от номинальных значений. Типовыми режимными параметрами турбогенераторов являются: температура и давление перегретого пара, давление пара в теплофикационном отборе, температура и разрежение в

463

конденсаторе и др. Поправки, как правило, являются относительно отклонений параметров в номинальном режиме.

Суммарные характеристики блока турбогенераторов:

m
WЭ,0 WЭ,i ;
i 1
m
QТ ,0 QТ ,i ;
i 1
m
DППТГ ,0 DППТГ	,i	.
i 1

линейными

(3.2)

Ставится задача: найти оптимальные значения электрической WЭ,i и тепловой QТ ,i нагрузок турбогенераторов по критерию минимума

суммарного потребления пара DППТГ ,0 при заданных значениях мощности суммарной выработки электрической WЭ,0 и тепловой QТ ,0 энергии. Данная

задача является типовой задачей линейного программирования. Для конкретного примера: оптимизации распределения нагрузок турбин ЦЭС ОАО "ММК", в результате решения рассмотренной задачи потребление пара блоком турбогенераторов снизилось на 11,7% с 1700 т/ч до 1500 т/ч.

В общем случае энергетические характеристики турбогенераторов являются нелинейными. Решение задачи в данном случае необходимо проводить на основе методов экспериментальной оптимизации, например, методом наискорейшего спуска. Относительно поправок на отклонения режимных параметров следует отметить, что в зависимости от знака коэффициентов влияния отклонений параметров на снижение объема потребления пара необходимо удерживать их значения на соответствующих границах допусков технологического регламента. Вследствие случайного характера технологического процесса задачи стабилизации режимных параметров вблизи указанных граничных значений представляют собой самостоятельные задачи построения соответствующих систем автоматического регулирования.

____________________________________

Рассмотрим далее следующую подзадачу общей задачи оптимизации энергетического баланса ТЭС - задачу оптимизации распределения нагрузок котлов.

На рис. 7.16 представлена типовая энергетическая характеристика котла при сжигании смеси природного и доменного газа. Здесь Qвх -

количество тепловой энергии, поступающей в котел с топливом; ДГ -

464

доля доменного газа в топливной смеси с природным газом:ДГ ВДГ ВПГ ; DПП - паровая нагрузка котла.

Qвх DПП 4

DПП 3

DПП 2

DПП1

ДГ

Рис. 7.16. Энергетическая характеристика котла

при сжигании смеси природного и доменного газа

Аналитическое выражение энергетической характеристики котла

имеет вид

Qвх,i a0,i

a1,i DПП ,i a2,i ДГ ,i

a3,i DПП2

,i a4,i ДГ ,i DПП ,i поправки ;

max

b1,i (Qвх,i

Qm,i )

2

Qm,i

0,

,

при

Qвх,i

ДГ ,i

ДГ ,i

ДГmax,i

b2,i (Qвх,i

Qm,i )2 ,

Qm,i

(3.3)

при

Qвх,i

0;

DПП ,i

DППmax,i ;

i=1, 2, ...

Здесь ДГmax,i -

максимальное значение параметра ДГ ,i ; Qm,i

- значение Qвх,i

при максимальном значении долевого потребления доменного газа

ДГ ,i ;

a ji , bji - эмпирические коэффициенты.

Суммарные характеристики блока котлов:

n

DПП ,0 DПП ,i ;

i 1

т

Qвх,0 Qвх,i ;

(3.4)

i 1

m

ВПГ ,0 ВПГ ,i

.

i 1

Принимая во внимание соотношения

Q

B

QПГ

B

ДГ ,i

Q ДГ B

(QПГ

ДГ ,i

Q ДГ ) ,

(3.5)

вх,i

ПГ ,i

н

н

ПГ ,i

н

н

465

где BПГ ,i , BДГ ,i , QнПГ , QнДГ - расходы и калорийности газов соответственно, можно поставить задачу минимизации суммарного потребления природного газа ВПГ ,0 по величинам нагрузки котлов DПП ,i и долевого потребления доменного газа ДГ ,i при ограничениях в виде уравнений

связи (3.3), (3.4). Данная задача является типовой задачей нелинейного программирования. Для конкретного примера: оптимизации распределения нагрузок котлов ЦЭС ОАО "ММК", в результате решения рассмотренной задачи потребление природного газа блоком котлов снизилось на 6,6%.

40. Рассмотренные алгоритмы экстремального регулирования могут быть использованы не только для котельных установок, но и для решения задач повышения энергетической эффективности широкого класса пиротехнологических и иных процессов. Необходимыми условиями автоматической оптимизации режимных параметров подобных технологических процессов являются:

1)наличие экстремальной характеристики технологического

процесса;

2)стабилизация оптимальных значений режимных параметров в пределах заданной точности в условиях действующих возмущений.

В качестве примера на рис. 7.17, 7.18 приведены экстремальные характеристики доменного процесса5 в координатах удельных показателей.

5 Парсункин, Б.Н. Оптимизация управления технологическими процессами в металлургии / Б.Н. Парсункин, С.М. Андреев, У.Б. Ахметов. – Магнитогорск: Изд.

Центр МГТУ, 2006. – 198 с.

466

Рис. 7.17. Зависимость	Рис. 7.18. Зависимость
удельного расхода кокса от	производительности доменной печи
удельного расхода природного	от соотношения удельных расходов
газа при различных удельных	природного газа и технического
значениях кислорода в дутье:	кислорода VПГ/VТК: 1 – при VТК = 80-
1 – 60-70 м3/т; 2 – 80-99 м3/т;	99 м3/т;2 – при VТК = 100-119 м3/т;
3– 100-119	3 – при VТК = 120-140 м3/т

Оптимальный выбор значений режимных параметров для указанных процессов обеспечивают соответствующие контуры идентификации и выбора решений в системах автоматической оптимизации.

Стабилизацию режимных параметров технологических процессов вблизи оптимальных значений призваны обеспечивать соответствующие системы автоматического регулирования и оперативной диспетчеризации.

Рассматриваемую задачу можно наглядно иллюстрировать графиками процессов, представленными ниже.

Здесь вариант (рис. 7.19а) иллюстрирует случай, когда оптимальное значение xopt режимного параметра x находится внутри области допустимых значений [ xmin , xmax ]. В этом случае при оптимизации режима

технологического процесса необходимо проводить настройку параметра x оптимальным образом

x0 xopt .

(4.1)

467

a	a	a
amax	a0	a
		p

x		x	x
xmin xopt xmax	xmin xcpxmax		xp
a)	b)		c)

Рис. 7.19. Варианты выбора значений режимных параметров в задачах оптимизации (а - показатель эффективности)

Однако в производственных условиях вследствие действия дестабилизирующих факторов значения режимных параметров будут отличаться от оптимальных. Поэтому наряду с условием (4.1) необходимым условием оптимального ведения технологического процесса является условие минимизации отклонений режимных параметров, например, на основе критерия минимума среднеквадратического отклонения

2	min .	(4.2)
x
Условия (4.1), (4.2) выполняются на разных		уровнях ведения

технологического процесса. Условие (4.1) реализуется на уровне решения задач оптимальной настройки технологического процесса (ручной или автоматической). Условие (4.2) реализуется на уровне систем автоматического регулирования.

Во втором случае (рис. 7.19b) оптимальное значение режимного параметра x находится на границе области допустимых значений [xmin ,

xmax ]
xopt xmax .	(4.3)

Однако, при настройке технологического процесса вследствие наличия неконтролируемых возмущений параметров необходимо в качестве оптимальных использовать такие значения параметров, которые минимизируют риск превышения граничных условий, например

x0 xmax max{ x}.

(4.4)

В этом случае приближение к оптимальному значению режимного параметра достигается за счет минимизации отклонений

max{ x} min .	(4.5)
468

Общая задача (4.4), (4.5) также решается в двухуровневой постановке. На уровне систем автоматического регулирования решается частная задача (4.5). На уровне настройки технологического процесса решается задача

(4.4).

При наличии ограничений для режимных параметров типа равенств (рис. 7.19с) задача настройки сводится к задаче обеспечения равенства

x0 xp .

(4.6)

Задача автоматического регулирования здесь также должна обеспечивать минимизацию отклонений, например,

( x2 min ) или ( max{ x} min ).

Отметим, что хотя постановки задач оптимизации в рассмотренных случаях отличаются друг от друга, однако алгоритмически они могут быть сформулированы однотипно. Так, в разделе 2.5 очерка 2 настоящей работы рассмотрены алгоритмы решения систем целевых неравенств и уравнений, решающие процедуры которых основываются на использовании квадратичных функций невязок решений. Квадратичные функции невязок обладают экстремальными характеристиками, поэтому здесь могут быть применены соответствующие алгоритмы поиска экстремума.

Необходимо отметить, что на практике при интенсивных возмущающих воздействиях стабилизация значений режимных параметров технологических процессов представляет собой сложную техническую задачу. Однако, если решить задачу стабилизации режимных параметров, то можно поставить персзадачи дальнейшего повышения эффективности технологического процесса на основе метода ограничений.

Рассмотренный выше типовой подход к достижению эффективности технологических процессов, осуществляется на основе двух ступеней управления. На первой ступени осуществляется приведение режимных параметров в пределы технологических допусков на основе эмпирических или иных зависимостей от режимных факторов показателей производительности и потребления ресурсов. На второй ступени осуществляется стабилизация полученных эффективных значений режимных параметров в пределах технологических допусков при действии различных возмущений.

В соответствии с концепцией, развиваемой в данной работе,

представляет интерес проблема дальнейшего развития задач управления с

целью достижения более высоких значений показателей эффективности технологического процесса, превышающих достигнутые значения. В этом случае в соответствие с методом ограничений, изложенным в разделе 3.6 очерка 3, постановка задачи становится противоречивой. Одним из подходов к решению подобных задач является выделение в области

469

допустимых решений подобластей – кластеров повышенного качества, представляющих области эффективных значений режимных параметров.

Так на рис. 7.20 представлен пример представления области эффективных значений режимных параметров доменной печи №10 ОАО «ММК». В качестве критериев выделения области эффективных решений служили показатели производительности и устойчивости доменного процесса.

	550,000
	500,000
	463 кг/т
	450,000
кг/т	457 кг/т
кокс,	400,000
Удельный
	350,000
	300,000
	0,000	0,100	0,200	0,300	0,400	0,500
			Доля Соколовских окатышей

Рис. 7.20. Пример описания области эффективных значений режимных параметров доменной печи

В общем случае для выделения кластеров повышенного качества необходимо использовать современные технологии интеллектуального анализа данных. С этой целью можно использовать, например, методы решения задач математического программирования в противоречивых постановках, нечеткую логику, нейронные сети. Для выделения правил эффективного ведения технологических процессов можно использовать комплексные нейрофаззи-технологии, основанные на совместном использовании нейронных сетей и нечеткой логики.

Отметим также, что для эффективного управления необходимо еще знание технологии переходов от одного режима к другому, а также стабилизации режимов в рамках кластеров повышенного качества. С этой целью необходимо провести дополнительные исследования по повышению точности управления. В условиях неполной наблюдаемости можно использовать обобщенные подходы, основанные на стабилизации

470

материального и энергетического баланса технологических процессов. Перспективной технологией здесь является модельно-упреждающее управление, рассмотренное в разделе 4.6 очерка 4.

50. Рассмотрим оперативное управление сложными технологическими сетями снабжения энергетическими ресурсами потребителей на основе макромоделирования.

Сначала рассмотрим обобщенное физическое представление сетей, которое приведено на рис. 7.21.

С е т ь

			Dвых1
		Dвх		Узлы
			. . .	ветвления
	Dи			потоков	Dн
			Dвыхn
					Пj
Иi		Dвх1
		. . .	Dвых Узлы
				слияния
		Dвхm		потоков

Рис. 7.21. Обобщенное физическое представление сетей

На рис. 7.21 приняты обозначения: Иi – i-ый источник сети; Пj – j-ый потребитель сети; Dи – вектор потоков ресурсов от источников к сети; Dн – вектор потоков ресурсов от сети к потребителям; Dвх, Dвых – входные и выходные потоки узлов соединений трубопроводов.

Особенностью функционирования сетей тепло- и пароснабжения металлургических предприятий является то, что они относятся к классу крупномасштабных сложных нелинейных систем. Сети, как правило, включают в себя десятки источников, сотни потребителей, сотни километров теплотрасс. Кроме того, сети металлургических предприятий характеризуются выраженной динамикой потребления ресурсов, обусловленной переменными режимами работы технологического оборудования.

Модели указанных сетей могут быть построены с использованием различных подходов. Широкий класс моделей, ориентированных на анализ режимов сложных сетей тепло- и пароснабжения, в настоящее время строится на основе точных физических моделей, определяемых на основании базовых физических законов. Подобные модели используют

471

большой объем исходной информации, получение которой требует больших затрат на проведение обследований сетей. Кроме того, физические модели ориентированы на анализ деталей процессов и непосредственно не отражают причинно-следственных связей параметров сетей, что затрудняет их использование для оперативного управления сетями в целом и повышает время принятия управляющих решений.

Вследствие сказанного перспективным подходом для оперативного управления сложными сетями является применение динамического моделирования, основанного на использовании сигнальноориентированных моделей, отражающих причинно-следственные связи параметров сетей. Однако для таких сложных технических систем, которыми являются крупномасштабные сети тепло- и пароснабжения, построение точных динамических моделей встречает серьезные трудности, связанные с практически необозримой их сложностью. Выход ищется в многоуровневом подходе к построению моделей на основе использования макромоделей. При этом возникают дополнительные трудности, обусловленные межуровневыми противоречиями, необходимостью использования обратных динамических операторов с потерей «физичности» представлений и др. Все это приводит к некорректным постановкам задач моделирования, неоднозначности решений и слабой сходимости итерационных процессов решения задач. В связи с этим построение корректных динамических макромоделей сложных сетей тепло- и пароснабжения для решения задач оперативного управления представляет собой нетривиальную задачу.

Обобщенное динамическое макро-представление сети, соответствующее рис. 7.21, приведено на рис. 7.22.

С е т ь

Рвх

Рвых1 = Рвх

. . .

Модель

Рвыхn = Рвх

узлов

Ри

Gвых

Gвх1

ветвления

Рн

+

. . .

потоков

Иi

Gвхn

Пj

Gи

Рвх1

. . .

Рвых

Модель

Gн

Рвхm

узлов

Gвых1

Gвх

слияния

. . .

потоков

Gвыхm

Рис. 7.22. Обобщенное динамическое макро-представление сети

472