典型钢铁企业物能消耗与烟粉尘排放分析

以典型钢铁生产企业为研究对象,基于企业实际生产数据,采用物质流分析法(MFA),构建物质代谢模型.建立了能源、资源利用和污染物排放分析指标,定量描述了钢铁企业的资源能源消耗及烟粉尘排放情况.结果表明:企业层面,高炉-转炉长流程吨钢总资源消耗量为208.6 t,燃料能消耗量占能源消耗总量的93.9%,吨钢烟粉尘排放量为648.08 g,烧结和炼铁工序贡献最大,分别占总排放量的45%和36%.电炉短流程总资源消耗量为1.31 t,电能消耗量占能源消耗总量的96.7%,吨钢烟粉尘排放量67 g.工序层面,烧结、炼焦和炼铁三个主排放工序的排放量分别为222.50 g/t烧结矿、118.20 g/t焦、245.27 g/t铁.据此,提出企业节能减排和产业结构调整的方向性建议,以减少环境压力,实现钢铁企业的可持续发展.     

浅谈高炉煤气锅炉的安装

我国是世界钢铁生产的大国,在冶炼一吨生铁时就会产生3000m2左右的副产品-高炉煤气,这样年产高炉煤气就高达3000亿m2.据不完全统计,全国主要钢铁企业每年高炉煤气的放散损失在十多亿元人民币.在节能减排和低碳生活成为社会主流意识的同时高炉煤气利用技术也突飞猛进,各钢铁企业对高炉煤气锅炉的利用也随之增多,下面就对高炉煤气锅炉的安装工艺进行简单介绍.     

煤气系统供需预测及剩余煤气优化分配

根据钢铁企业实际情况,将生产过程分为正常生产和非正常生产,分别建立煤气产耗预测模型.正常生产工况模型使用因果函数分析法计算,非正常生产工况使用启发式标定法并配合自学习功能进行计算.应用数学规划方法建立缓冲用户煤气使用分配模型,该模型可以指导气柜和锅炉间的配合运行,及时给出剩余煤气量的合理分配方案,实现剩余煤气的高效利用,根据缓冲用户的特性使煤气资源利用最大化.最后以某钢铁企业为研究对象,介绍了本系统模型的使用情况,结果表明,利用上述系统模型可以成功消除钢铁企业煤气放散,实现节能环保的生产目标.     

炼钢过程中煤气预测及优化系统

利用灰色关联度分析方法,研究了与石钢煤气发生、消耗相关联的因素,根据煤气发生、消耗量与其相关影响因素间的关系建立了石钢煤气预测模型,并在此基础上开发了石钢煤气优化系统,实现了煤气资源的合理利用与分配.     

基于T-S模型的高炉煤气系统模糊建模

针对钢铁企业高炉煤气系统这一复杂非线性系统的建模问题,提出一种基于数据的高炉煤气系统模糊建模方法.基于T S模糊模型的高炉煤气系统辨识模型,考虑系统中煤气调节用户的人为干扰特性,采用条件模糊聚类的方法来对输入/输出空间进行划分.引入模糊思想,使模型能够更好地适应工业噪声的干扰.利用贝叶斯线性回归方法求解模糊模型的后件参数,避免了后件参数求解过程中常出现的异常解问题.通过对实际企业高炉煤气系统的实验验证,结果表明了所提出的高炉煤气系统模糊建模方法的有效性,可进一步用于实施高炉煤气系统的优化与调度工作.     

高炉煤气管网水力建模及调度策略

通过分析某钢铁企业高炉煤气管网的结构与设备运行特性，考虑管网压力与流量之间的关系，建立了高炉煤气管网水力模型，用于制订高炉煤气调度策略.案例研究结果显示，1700热轧流量下降时，管网压力随之升高，压力升至上限20kPa时，需依次开启1#和2#放散塔并调节放散量.当放散量达到84400m³/h时，管网压力可维持在允许范围内.4#和6#高炉休风时，管网压力急剧下降，需关停辅助锅炉与2# 80MW煤气发电机组以恢复管网压力.增设煤气柜后，管网压力稳定在13kPa左右.在压力相对误差<0.01%，流量相对误差<0.8%时，各工况模型计算时间较短，为3.59～4.46s.     

考虑时滞因素的RBF神经网络模型在高炉铁水硅预报中的应用

在高炉炼铁生产过程中,铁水硅含量反映高炉炉温,预测和控制炉温对高炉生产的节能、降耗、顺行至关重要.基于包钢6号高炉生产数据,建立了RBF神经网络铁水硅含量预测模型.研究表明:考虑时滞因素的RBF神经网络模型,当误差范围＜±0.10时,预报准确率达到了85％,其准确度高于不考虑时滞因素的RBF神经网络模型,对在线预测高炉铁水硅含量具有实用价值.     

钢铁企业能源消耗与CO2减排关系

建立了钢铁企业长流程CO2过程排放模型,给出总排放和工序排放的计算方法.计算发现:国内某800万t产量规模的典型钢铁企业CO2总排放在2007年达到1561.64万t,吨钢排放1.85t CO2;工序排放从大到小依次为炼铁、焦化、烧结、轧钢、炼钢、熔剂焙烧和球团工序,其中炼铁和焦化工序排放分别占总排放的58.83%和11.25%.为了评价钢铁企业能源消耗和CO2减排关系,提出钢铁企业CO2综合排放因子和能耗碳饱和指数评价方法.研究表明,为了减少CO2排放,钢铁企业不仅需要降低总体能耗,还需要降低能耗的碳饱和指数,能耗碳饱和指数与能源结构相关,能源结构中CO2总影响系数大的能源种类消耗量越大(例如焦炭),碳饱和指数越高,越不利于CO2的减排.这说明实现钢铁生产的生态园区化、优化能源结构以及加强钢铁生产的能源转换功能对钢铁企业减排有显著作用.     

高炉INBA废水节能技术的现状及趋势

目前,我国钢铁企业经营利润率已降到2.5%左右,出现一批企业亏损,迫使钢铁企业要在节能降耗上下功夫。纵观整个钢铁生产工艺流程,炼铁系统能耗及生产成本分别占全流程的70%和73%,污染物排放占75%以上,所以炼铁系统要承担钢铁联合企业节能减排、降低成本、实现生产过程环境友好的重任。为此,干熄焦技术（CDQ）、高炉炉顶煤气发电技术（TRT）、高炉炉渣显热回收技术、高炉低热值煤气燃烧技术、高炉煤气脱除CO2循环利用技术等先进的节能技术应运而生。通过应用各类节能技术,国内钢铁企业对高炉区域的高品位余热资源的回收,已取得了一批可喜的成绩。即便如此,对水质波动较大、余热资源品位低的高炉冲渣水余热的回收还需要做大量创新性的摸索,尤其是应用这部分余热发电的技术,近年来已成为全行业急需解决的难题。本文将综合分析高炉INBA废水节能技术的现状,结合国内多家钢铁企业已有之经验,探讨高炉冲渣水余热回收技术的发展趋势,以期为钢铁企业在开展该项工作时提供重要参考。     

焦炭质量预测模型

随着高炉大型化、富氧喷吹技术的发展,焦炭在高炉中的骨架作用愈加重要,钢铁企业迫切要求提高焦炭质量,为此需建立一组准确的焦炭质量预测模型,以更好地指导炼焦生产.在分析总结了国内外焦炭质量预测模型的基础上,对小焦炉实验数据进行了分析与回归,通过线性加修正的方法建立炼焦配煤数学模型,得到了焦炭灰分、硫分、机械强度(M40,M10)和热性质(CRI,CSR)的预测模型.通过实际生产进行了验证,模型的预测值与实测值间的误差均在6%以下,能很好地满足实际生产需求,为焦化厂快速准确得到配煤方案提供了理论依据.     

基于组合预测模型的我国天然气需求预测

在世界能源低碳化的要求下,天然气以其碳含量优势成为低碳能源的重要组成部分,天然气需求预测也随之成为焦点.运用多项式趋势面分析法与GM(1,1)灰色预测法对原始数据序列进行处理,并将两模型下处理后的数据以及二氧化碳排量数据拟合回归方程建立组合预测模型,随后以我国2003—2011年人口、GDP、天然气消费量及二氧化碳排量数据作为原始数据序列进行实例分析,通过残差检验发现,该组合预测模型的预测精度在99.96%以上,属于较好的预测模型,预测数据可靠.最后,运用该模型对2012—2018年我国的天然气需求量进行预测.     

城市供水负荷短期预测方法

结合城市用水量的影响因素及特点，分析了城市用水量的变化规律，探讨了水量预测时间序列分析方法；根据城市供水运行调度对用水量预测的实际要求，采用时间序列三角函数分析法建立了管网用水量的短期负荷预测模型。实例考核证明，该模型有效可行。     

我国饲料用粮的系统动力学预测模型

在考虑居民人均收入、消费需求结构、城镇化率、营养目标以及科技进步等诸多因素对饲料用粮相互反馈的基础上,基于系统动力学方法建立中国饲料用粮消费需求的预测模型,从系统的角度对未来中国饲料用粮消费需求的动态发展行为做出预测及趋势判断.预测结果表明,我国未来饲料用粮需求增幅较快,由2011年的11 307.1万t增长到2020年的15 310.7万t,年均增长率约为3.46%.这表明,随着科技进步、居民收入水平提高以及畜产品需求的增长,饲料用粮将成为影响中国未来粮食消费需求的重要因素.     

城市燃气负荷的混沌特性与预测

采用混沌理论分析方法,对燃气负荷时间序列进行了相空间重构,通过计算关联维数和最大李亚普诺夫指数判定燃气负荷具有混沌的性质.在此基础上,分别采用基于混沌理论的加权一阶局域法、最大李亚普诺夫指数法和贝叶斯正则化神经网络模型对城市燃气日负荷进行了预测.实例预测结果表明,混沌时间序列分析方法可应用于燃气负荷预测研究,特别是结合了混沌理论、神经网络与贝叶斯正则化方法各自优点的神经网络模型取得了较好的预测效果.     

钢厂煤气混烧锅炉运行优化的试验研究

对某钢厂煤气混烧锅炉进行高炉煤气和焦炉煤气掺烧调整试验,分析掺烧对锅炉排烟温度、飞灰含碳量和过热蒸汽温度等的影响,并对锅炉运行进行了优化。结果表明,当高炉煤气掺烧热值比为30%且焦炉煤气掺烧热值比为40%时,锅炉热效率达到80.9%,这样既保证了锅炉较高的热效率,又实现了高炉煤气的较大比例掺烧,解决了其大量过剩问题,具有较好的经济性。     

Equipment Maintenance Material Demand Forecasting Based on Gray-Markov Model

Maintenance material reserves must keep an appropriate scale,in order to meet the possible demand of support objectives.According to the sequence of maintenance material consumption,this paper establishes a Gray-Markov forecasting model by combining Gray system theory and Markov model. Few data are needed in the proposed Gray-Markov forecasting model which has high prediction precision by involving small parameters. The performance of Gray-Markov forecasting model was demonstrated using practical application and the model was proved to be a valid and accurate forecasting method. This Gray-Markov forecasting model can provide reference for making material demand plan and determining maintenance material reserves.     

一种基于CPFR的订单预测方法研究

协同规划、预测与补货(Collaborative Planning Forecasting and Replenishment,CPFR)强调零售商与供货商共同合作建立一个供应链的预测方式,其中协同预测阶段又分为订单预测与销售预测.以订单预测阶段为研究对象,归纳出协同合作下订单需求的影响因素作为模型的解释变量,然后结合传统时间序列与多元回归分析,建立了基于CPFR的订单预测模型.最后将该预测模型应用于国内某公司的订单资料.验证结果表明所提出的订单预测方法比传统使用单一时间序列方法的预测结果精度更高.     

2010年中国木材供给和需求的灰色模型动态预测与分析

根据中国木材供需问题的具体特点，选用灰色预测模型，建立了中国木材产量、进口量、出口量、节约代用量、供给和需求量的ＧＭ（１，１）系列模型，并作出了直到２０１０年的动态预测。据此，对中国木材供需问题及共对策进行了分析。从预测和分析结果来看，灰色预测模型不仅满足了预测精度，而且能较好地与实际情况相吻合。     

Towards Disaggregate Dynamic Travel Forecasting Models

The authors argue that travel forecasting models should be dynamic and disaggregate in their representation of demand, supply, and supply-demand interactions, and propose a framework for such models. The proposed framework consists of disaggregate activity-based representation of travel choices of individual motorists on the demand side integrated with disaggregate dynamic modeling of network performance, through vehicle-based traffic simulation models on the supply side. The demand model generates individual members of the population and assigns to them socioeconomic characteristics. The generated motorists maintain these characteristics when they are loaded on the network by the supply model. In an equilibrium setting, the framework lends itself to a fixed-point formulation to represent and resolve demand-supply interactions. The paper discusses some of the remaining development challenges and presents an example of an existing travel forecasting model system that incorporates many of the proposed elements.