炭素厂中物流与能源管理决策分析模型的研究

李 鹏,李宝宽,孙 毅,许海飞

(1.东北大学 冶金学院,辽宁 沈阳 110819;2.沈阳铝镁设计研究院有限公司,辽宁 沈阳 110001)

预焙阳极作为电解铝生产的第二大消耗性原材料,被誉为铝电解槽的“心脏”[1-2]。伴随着社会经济的快速发展,预焙阳极生产过程能耗高、自动化水平低的劣势,成为制约其行业持续发展的瓶颈问题。长期以来,炭素厂致力于阳极质量的提升[3-5]、阳极生产过程的机理性研究等[6-7],对于炭素厂能源与物流管控研究较少。因此,研究预焙阳极生产过程中物质流与能量流的发展规律,分析其生产过程中耗能高的原因及能源利用不合理之处,从而帮助企业管理者更准确、更及时的做好生产组织管理,形成系统性的理论决策分析逻辑,将是今后炭素厂发展的主要方向。同时,借助炭素厂智能管控平台的搭建,利用现有数据采集功能,研发出新一代的数据分析与决策功能,将是炭素厂未来发展的突破点和亮点。

1 炭素厂中物质与能量流动过程分析

物质流作为系统内各种元素、化合物的主要载体,是物质传递、交换的主要表现形式。能量流作为系统运行的能量驱动器,控制着物质流的流动方向和转化过程。由于能量流的根源在于物质流,二者相互影响又相互作用[8],所以综合物质流与能量流的分析方法,并在分析过程中体现能量是驱动物质流动的源动力这一本质规律[9-10],是解决炭素厂物流、能源管理的理论基础。

因此,结合预焙阳极生产过程,运用物质流与能量流的分析方法,从能源介质种类和流动方向入手,以车间为单位节点对炭素厂所消耗的能源介质进行系统梳理,从而建立炭素厂能源介质网状分布图,见图1。

图1 炭素厂能源介质网状分布图

从图1可以看出,整个炭素厂能源结构较为复杂,伴随着多物质流和多能量流,也伴随着能量小循环和介质大循环。其中,以碳元素流为主态,其在生产过程中发生物理结构形式的变化(生石油焦-煅烧焦-生炭块-焙烧块-组装块),同时伴随着公辅介质和能源的消耗作为其驱动力。炭素厂中能源介质及消耗见表1。

表1 炭素厂能源介质消耗表

2 数学模型搭建

通过数学模型的搭建,可以完成能源消耗影响因素的权重计算,从而为生产管理者提供决策的重要参考和理论依据。影响因素权重计算的方法有很多[11],本文综合各种算法的优劣提出一套适合于单一变量、不同影响因素的权重计算模型。

首先,对于影响因素进行标准化处理:

(1)

其次,对于权重系数进行计算:

(2)

其中，ωm和N分别代表影响因素n的权重系数及影响因素数量。

3 实例模拟分析

以某预焙阳极企业为研究对象,应用其部分过程数据进行模拟分析。本文以生石油焦单耗为例,通过数学建模计算,得出结论,进而进行决策分析。

3.1 生石油焦单耗影响因素

生石油焦是预焙阳极生产的最主要原料,阳极生产成本直接决定于生石油焦消耗量。所以,生石油焦单耗是阳极厂主要能耗控制指标,其计算分析具有较强的代表性。在阳极生产全周期内,生石油焦消耗集中于四个工段:原料储运、煅烧车间、成型车间及焙烧车间;体现在四个方面:原料参数、收尘粉量、煅烧烧损及填充料消耗。

图2 石油焦消耗影响因素逻辑图

原料参数:不同炭素企业对于原料采购的指标控制不尽相同。粉焦含量越大,阳极生产中的生石油焦过程损失就越大,进而造成生石油焦单耗越高;挥发分和水分含量也是影响煅烧过程湿基实收率的关键参数,其成分占比越高,生石油焦单耗越高。

收尘系统:收尘系统对于生石油焦单耗的影响主要体现在两个方面-除尘风机风量及粉尘排放浓度。除尘风机风量越大,收尘系统带走的生石油焦粉料越多,生石油焦单耗就越高;粉尘排放浓度越大,说明生产过程中产生的扬尘较多,进而也将造成生石油焦单耗越高。

煅烧烧损:煅烧过程的石油焦烧损影响因素较多,如果烧损高,那么生石油焦单耗就势必会很高。而造成烧损过高的原因有:火道温度过高、煅烧时间过长、生石油焦焦粉量过大、原料含水量过高等。

填充料消耗:采用煅烧焦作为焙烧炉填充料的炭素厂应该重视填充料消耗对生石油焦单耗的影响。填充料消耗的影响因素有:填充料粒度、焙烧炉炉面控制温度、料箱容积率及焙烧系统移炉周期等。

3.2 影响因素权重系数计算

为分析生石油焦单耗过高的影响因素,需应用前文所述的数学模型,对其所有影响因素进行统一的权重系数计算,具体步骤如下:

(1)需根据目标控制变量,即生石油焦单耗,采集一定时期内其所有影响因素数值,并计算出对应时期内生石油焦单耗的数值,形成采集样本;

(2)根据采集样本,结合炭素厂自身运行情况,对于生石油焦单耗及其影响因素,制定合理控制区间,即区间内的值认为是正常生产情况下的参数值,区间外的认为是非正常生产情况下的非正常参数值;

(3)找到目标控制值(即生石油焦单耗)与每个影响因素的对应数学关系;

(4)对某日生石油焦单耗超标进行溯源,找到当日其所有影响因素的数值,通过与合理控制区间的数值进行对比,找到非合理影响因素值,见表2;

表2 石油焦单耗非正常影响因素表

(5)完成对所有影响因素权重系数的计算,见表3。

表3 影响因素权重系数表

3.3 生石油焦单耗影响因素分析与决策

从石油焦单耗影响因素权重系数计算结果中可以看出,水分含量影响占比最大,这是由于生石油焦水分11%远超出正常水分含量控制范围7%～9%,而且水分含量是影响生石油焦单耗最直接、最敏感的因素之一,所以本实例分析中,水分含量过高是影响生石油焦单耗过高的最大因素。然后,从火道温度这一影响因素来看,虽然火道控制温度超温会造成生石油焦单耗增加,但是并不明显,且本实例分析中,火道温度偏离正常范围区间较小,所以火道温度是影响生石油焦单耗过高的最小因素。

从生产管理者角度出发,可以根据本实例分析中关于生石油焦单耗过高影响因素的权重系数计算结果,优先调节生焦中的水分含量,使其恢复到正常区间范围内(7%～9%)。由于影响因素之间往往互相关联,所以建议进行这一波优化操作后,重新通过数据采集、模型计算,检查优化后的生石油焦单耗是否还在非正常区间范围内,如果结果还不理想,反复应用此模型操作,直到结果优化到合理范围之内。

3.4 智能决策与分析模块的创建

结合炭素厂智能化的发展要求,通过将上述数据采集、数据处理、数据计算、数据分析与决策优化等模块应用于炭素厂智能管控平台上,将会对炭素厂智能化发展带来巨大影响,笔者团队也将通过上述思路搭建了炭素厂智能管控平台,得到初步模型,如图3所示。

图3 石油焦单耗优化分析图

4 结 论

(1)炭素厂中能源结构较为复杂,多物质流和多能量流交错流动,其中能量流是物质流流动的根本驱动力。

(2)影响因子权重分析数学模型的搭建,为炭素厂单一变量、不同影响因素的权重系数计算提供了新思路。

(3)通过实例模拟分析,找到了石油焦单耗过高的原因,验证了影响因子权重分析算法的准确性与实用性。

(4)将物流与能源管理决策分析模型应用到炭素厂智能管控平台,将是今后炭素厂智能化发展的主要方向,具有较大的现实指导意义。