当前位置:主页 > 理工论文 > 冶金论文 >

基于态势感知及利导的钢铁工业需量管理系统研究

发布时间:2023-01-15 15:13
  随着信息技术的高速发展,用户参与电力需求侧管理的研究成为近年来的热门领域。电力市场通过推出各类积极的电价政策,鼓励消费者改变用电模式,以降低电网运营和建设成本。以钢铁产业为代表的工业用户一直以来都是电力消耗大户,也亟须通过革新能源管理系统来提高生产效率、减少能源消耗、节约成本。但目前对于工业用户参与需求侧管理的研究缺失较大,导致钢铁工业用户处于能源管理技术陈旧以及关键技术方面研究缺失的困难处境。因此本文针对实行了新型两部制电价政策的钢铁工业,选取能源管理系统中具有典型性的需量管理系统为对象,提出了智能需量控制系统的构想。具体研究工作如下:(1)分析了钢铁工业系统运行模式、负荷特性以及工业用户需求侧管理研究现状。本文总结了钢铁工业系统组成以及典型连铸工艺的各环节流程,分析了钢铁工业能源网络的运行模式与各生产环节主要设备负荷特性。同时基于分时电价背景,使用传统方法对连铸工艺多浇次生产进行了日前计划调度。(2)基于态势感知及利导理论,提出了智能需量管理系统框架,将深度学习应用于需量态势感知。针对传统系统动态自治能力不足的问题,提出了基于态势感知与利导思想的智能需量管理系统。改变了传统系统的垂... 

【文章页数】:66 页

【学位级别】:硕士

【文章目录】:
摘要
ABSTRACT
缩略语对照表
主要参数符号对照表
第1章 绪论
    1.1 研究背景
    1.2 研究意义
    1.3 新电改后的两部制电价计价方式
    1.4 工业用户需求侧智能管理国内外研究现状
        1.4.1 国外研究现状
        1.4.2 国内研究现状
    1.5 本文主要研究内容及结构
        1.5.1 主要研究内容
        1.5.2 文章结构
第2章 传统钢铁工业生产调度方法
    2.1 典型长流程钢铁工业生产流程
    2.2 钢铁企业能源系统
    2.3 钢铁冶炼环节设备能耗
    2.4 分时电价下连铸工艺炉次浇次调度
        2.4.1 单浇次模型
        2.4.2 多浇次凋度模型
        2.4.3 算例分析
    2.5 本章小结
第3章 钢铁工业智能需量管理系统的态势感知方法
    3.1 电力物联网背景下基于态势感知思想的需量管理系统
    3.2 基于数据驱动的需量态势感知方法
    3.3 基于深度学习的态势理解及预测方法
        3.3.1 长短期记忆网络
        3.3.2 变量相关性分析
    3.4 算例分析
        3.4.1 数据处理及评估指标
        3.4.2 预测结果
    3.5 本章小结
第4章 两部制电价下基于柔性工业负荷的需量管理方法
    4.1 典型连铸工艺的负荷资源
    4.2 典型连铸工艺RTN建模
    4.3 钢包炉调度约束条件
    4.4 算例仿真与分析
    4.5 本章小结
第5章 基于负荷行为分析建模的需量管理系统实际应用
    5.1 基于钢包炉状态识别的需量态势感知及利导方法
    5.2 需量管理系统在某钢厂的实际应用
    5.3 本章小结
第六章 总结与展望
    6.1 总结
    6.2 展望
参考文献
致谢
个人简历、攻读硕士学位期间的学术成果及科研项目


【参考文献】:
期刊论文
[1]泛在电力物联网背景下基于联盟区块链的电力交易方法[J]. 黄虹,文康珍,刘璇,王晓婷,杨玺.  电力系统保护与控制. 2020(03)
[2]智能电网中的物联网技术应用与发展[J]. 何奉禄,陈佳琦,李钦豪,羿应棋,张勇军.  电力系统保护与控制. 2020(03)
[3]泛在电力物联网形势下的主动配电网规划技术综述[J]. 肖振锋,辛培哲,刘志刚,王逸超,邓凯,崔戎舰,侯慧,邓翔天.  电力系统保护与控制. 2020(03)
[4]物联网环境下电力营销计量生产自动调度系统设计[J]. 黄文杰,郭鹏,沈诚,章一萍.  自动化与仪器仪表. 2019(12)
[5]空分装置群的设备启停及变负荷调度策略[J]. 赵倩倩,赵均,徐祖华,陈曦,邵之江,秦海中.  华东理工大学学报(自然科学版). 2020(01)
[6]泛在电力物联网优化与调控方法研究[J]. 王永利,董焕然,齐成元,李静立,张海宁,祝金荣.  电力需求侧管理. 2019(06)
[7]泛在电力物联网释义与研究展望[J]. 杨挺,翟峰,赵英杰,盆海波.  电力系统自动化. 2019(13)
[8]基于相关性分析和长短期记忆网络分位数回归的短期公共楼宇负荷概率密度预测[J]. 杨秀,陈斌超,朱兰,方陈.  电网技术. 2019(09)
[9]一种日前发电调度与日前分时电价联合优化模型[J]. 赵晋泉,胡佳,王珂,姚建国,杨胜春,苏大威,徐春雷.  电力系统保护与控制. 2019(09)
[10]深度学习在智能电网中的应用现状分析与展望[J]. 周念成,廖建权,王强钢,李春艳,李剑.  电力系统自动化. 2019(04)

博士论文
[1]冶金系统能源调控与流程配置优化的节能增效潜力研究[D]. 何坤.北京科技大学 2019

硕士论文
[1]深度时序神经网络集成方法及其电能需量预测应用[D]. 原思平.湘潭大学 2019
[2]考虑源荷双端灵活性的电力系统优化调度研究[D]. 邓婷婷.华中科技大学 2019
[3]不同交易模式下工业用户峰谷分时电价优化模型研究[D]. 张超.华北电力大学(北京) 2017
[4]中国省域制造业节电潜力的评估比较[D]. 李书泉.湖南大学 2016



本文编号:3731189

资料下载
论文发表

本文链接:https://www.wllwen.com/projectlw/yjlw/3731189.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户ef616***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com