一种多流程多尺度钢铁绿色生产过程能碳数据预测方法及系统与流程
本发明涉及碳排放数据预测,尤其涉及一种多流程多尺度钢铁绿色生产过程能碳数据预测方法及系统。
背景技术:
1、钢铁工业是我国国民经济的支柱产业,同时也是能源消耗与碳排放体量最大的工业行业之一,推进钢铁行业精准降碳已成为“双碳”目标下最为紧迫的核心环节之一。
2、当前钢铁冶炼工艺体系日趋多元,已形成高炉-转炉(bf-bof)、炉顶气体循环高炉-转炉(tgrbf-bof)、直接还原铁-电炉(dri-eaf)、废钢-电炉(ss-eaf)、熔融还原-转炉(sri-bof)、电解铁-电炉(ei-eaf)六大典型工艺流程,覆盖成熟生产工艺与新型低碳技术。实际生产中,大型钢铁基地普遍采用多工艺组合、多流程并行的生产模式,存在工序共享、物料交叉的复杂工况。同时,随着“双碳”目标持续推进,钢铁企业使用的能源趋于种类多样、来源复杂,除传统化石燃料外,绿电、绿氢、绿色燃料等新型能源开始规模化应用,焦炉煤气制氢、水煤气变换制氢等自产氢气的复杂工况亦不断涌现。
3、然而,现有钢铁行业能碳预测技术存在明显不足。其一,新型工艺流程覆盖不全,现有预测方法主要涉及高炉-转炉、直接还原铁-电炉、废钢-电炉三类流程,缺少对炉顶气体循环高炉-转炉、熔融还原-转炉、电解铁-电炉等新型低碳工艺的覆盖。其二,能源种类多样、来源复杂,传统方法将各类绿色与非绿色属性能源混杂统计,导致筛选梳理工作量大、边界模糊。其三,多采用企业级及以上层面的宏观预测,缺少工序、流程级的精细化分析,难以反映工序装备更新、技术更迭等微观变化。现有预测方法已无法适应钢铁行业工艺技术持续演进、能源结构绿色转型及多流程复杂工况的实际需求。
4、综上,当前行业亟需一种可覆盖全品类钢铁工艺流程、适配多来源能源混杂工况、支持多尺度精细化分析的能碳预测方法,以支撑钢铁企业及行业绿色低碳转型的科学决策。
技术实现思路
1、本发明旨在解决现有技术无法适应工艺技术演进、能源绿色化进程及多流程复杂工况的预测难题,而提供了一种多流程多尺度钢铁绿色生产过程能碳数据预测方法及系统,实现工艺-流程-企业、行业多层面的统一预测。
2、一方面,本发明提供了一种多流程多尺度钢铁绿色生产过程能碳数据预测方法,包括如下步骤:
3、s1:构建多流程可组合的工序结构,获取多种钢铁生产流程的工序构成,建立各流程间工序的共享与复用关系,形成标准化工序模型;
4、s2:对钢铁生产中所消耗的多来源能源进行功能解构,按照能源在生产中的最终功能将各类能源进行分类,并换算为统一的功能型标准化能源数据;
5、s3:获取基准排放参数,根据所述标准化能源数据计算各类功能型能源的二氧化碳排放因子,并结合绿色能源的替代趋势对所述排放因子进行动态调整;
6、s4:获取各工序的历史能耗数据,基于所述历史能耗数据提取能耗变化规律,并结合技术发展趋势生成随时间变化的综合能耗调整参数;
7、s5:以工序为最小核算单元,耦合所述排放因子和所述综合能耗调整参数进行碳排放核算,并按照工序至生产组织层级的顺序逐级汇总,结合流程构成参数与产量参数,输出能碳数据预测结果。
8、进一步地,在步骤s1中,所述多种钢铁生产流程至少包括高炉-转炉流程、炉顶气体循环高炉-转炉流程、直接还原铁-电炉流程、废钢-电炉流程、熔融还原-转炉流程和电解铁-电炉流程;
9、所述标准化工序模型包含各流程中工序节点的定义以及不同流程间共用工序的物料交叉与共享关系映射。
10、进一步地,在步骤s2中,所述按照能源在生产中的最终功能将各类能源进行分类,具体包括:
11、将用于产生动力的能源折算为电力类数据;将用于提供热量的能源折算为热力/加热燃料类数据;将用于还原反应的能源折算为氢气类数据;其中,
12、所述将用于产生动力的能源折算为电力类数据,包括将煤炭、天然气、副产煤气中用于发电的部分以及外购电力、绿电统一折算为所述电力类数据;
13、所述将用于提供热量的能源折算为热力/加热燃料类数据,包括将蒸汽、热水折算为热力数据,将煤炭、天然气、副产煤气中用于加热的部分折算为加热燃料数据;
14、所述将用于还原反应的能源折算为氢气类数据,包括将煤炭、天然气、副产煤气中用于还原的部分以及灰氢、蓝氢、绿氢统一折算为所述氢气类数据。
15、进一步地,在步骤s3中,所述计算各类功能型能源的二氧化碳排放因子,具体包括:
16、对于任一类能源,其二氧化碳排放因子的计算公式为:
17、,
18、其中,表示功能型能源的类别,为类能源的二氧化碳排放因子,为类能源所包含的来源能源种类总数,为类能源中第种来源能源的消耗量,为类能源中第种来源能源的基准二氧化碳排放因子,为类能源的总消耗量,且。
19、优选地,在步骤s3中,所述结合绿色能源的替代趋势对所述排放因子进行动态调整,具体包括:
20、获取各类功能型能源中绿色能源的替代量,根据所述替代量更新对应类别中各来源能源的消耗量,并重新计算各类功能型能源的二氧化碳排放因子。
21、进一步地,在步骤s4中,所述历史能耗数据至少包括各工序能耗、各流程能耗及吨钢综合能耗;所述综合能耗调整参数为逐年综合能耗下降比例,且第年的综合能耗值与综合能耗值之间满足:
22、,
23、其中,为第年的综合能耗下降比例,该比例根据技术装备水平参数、余热回收能力参数和智能化赋能参数进行设定。
24、进一步地,在进行步骤s5前,还包括工艺流程占比调控:
25、获取核心耗氢工序中氢气消耗量的历史变化数据,预测未来氢气消耗量变化曲线;
26、获取各钢铁生产流程的未来发展趋势参数,所述发展趋势参数由政策法规条件、国际贸易规则条件和冶金技术更迭条件确定;
27、将所述氢气消耗量变化曲线与所述未来发展趋势参数进行耦合,按时间阶段设定不同工艺流程的产量占比,并将该产量占比作为所述流程构成参数。
28、优选地,在进行步骤s5前,还包括产量结构调整调控:
29、获取企业层面的产能约束条件,所述产能约束条件包括企业发展目标数据、设备服役期限数据和产能置换指标数据;
30、获取行业层面的产量规模约束条件,所述产量规模约束条件包括宏观经济发展数据、人口规模数据和钢铁行业规划数据;
31、整合所述企业层面的产能约束条件和所述行业层面的产量规模约束条件,生成未来各时间节点的产量规模调整趋势,并将该调整趋势作为所述产量参数。
32、更优地,在步骤s5中,所述以工序为最小核算单元进行碳排放核算,具体包括:
33、对于第个工序,其第年的碳排放量由该工序的综合能耗值乘以各类功能型能源的排放因子加权和确定,表达式为:
34、
35、其中,为第个工序第年的综合能耗值,、和分别为第年的电力类能源、热力/加热燃料类能源、氢气类能源的二氧化碳排放因子,、、分别为该工序中电力类、热力/加热燃料类、氢气类能源在总能耗中的占比系数;
36、所述按照工序至生产组织层级的顺序逐级汇总,具体包括:
37、将属于同一流程的各工序碳排放量累加得到流程碳排放量,将属于同一生产组织的各流程碳排放量加权汇总得到该生产组织的碳排放量;
38、所述能碳数据预测结果至少包括能源消费结构数据、能耗总量数据、碳排放趋势数据、技术减排潜力数据和低碳发展路线图数据。
39、另一方面,本发明提供了一种多流程多尺度钢铁绿色生产过程能碳数据预测系统,包括:
40、多流程标准化工序建模模块,用于构建多流程可组合的工序结构,获取多种钢铁生产流程的工序构成,建立各流程间工序的共享与复用关系,形成标准化工序模型;
41、多来源能源解构换算模块,对钢铁生产中所消耗的多来源能源进行功能解构,按照能源在生产中的最终功能将各类能源进行分类,并换算为统一的功能型标准化能源数据;
42、绿色化参数调控模块,用于获取基准排放参数,根据所述标准化能源数据计算各类功能型能源的二氧化碳排放因子,并结合绿色能源的替代趋势对所述排放因子进行动态调整;
43、能效提升参数调控模块,用于获取各工序的历史能耗数据,基于所述历史能耗数据提取能耗变化规律,并结合技术发展趋势生成随时间变化的综合能耗调整参数;
44、情景分析预测输出模块,用于以工序为最小核算单元,耦合所述排放因子和所述综合能耗调整参数进行碳排放核算,并按照工序至生产组织层级的顺序逐级汇总,结合流程构成参数与产量参数,输出能碳数据预测结果。
45、与现有技术相比,本发明的有益效果是:
46、(1)本发明通过构建多流程可组合的工序结构,建立各流程间工序的共享与复用关系,可灵活适配大型钢铁基地多工艺并行、工序复用的复合型生产场景;
47、(2)本发明按照能源在生产中的最终功能将各类能源进行分类,并换算为统一的功能型标准化能源数据,解决了各类能源混杂统计导致的工作量大、边界模糊的问题;
48、(3)本发明结合绿色能源的替代趋势对排放因子进行动态调整,能够适应钢铁行业能源结构持续绿色转型的需求;
49、(4)本发明基于历史能耗数据提取能耗变化规律,并结合技术发展趋势生成随时间变化的综合能耗调整参数,使预测结果更贴合实际发展进程。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com