冶金自动化MetallurgicalIndustryAutomationISSN1000-7059,CN11-2067/TF《冶金自动化》网络首发论文题目：冶金能源管理数字化探索与实践作者：张琦，谢升，钟再锡收稿日期：2022-09-22网络首发日期：2022-12-07引用格式：张琦，谢升，钟再锡．冶金能源管理数字化探索与实践[J/OL]．冶金自动化.https://kns.cnki.net/kcms/detail//11.2067.TF.20221207.1104.001.html网络首发：在编辑部工作流程中，稿件从录用到出版要经历录用定稿、排版定稿、整期汇编定稿等阶段。录用定稿指内容已经确定，且通过同行评议、主编终审同意刊用的稿件。排版定稿指录用定稿按照期刊特定版式（包括网络呈现版式）排版后的稿件，可暂不确定出版年、卷、期和页码。整期汇编定稿指出版年、卷、期、页码均已确定的印刷或数字出版的整期汇编稿件。录用定稿网络首发稿件内容必须符合《出版管理条例》和《期刊出版管理规定》的有关规定；学术研究成果具有创新性、科学性和先进性，符合编辑部对刊文的录用要求，不存在学术不端行为及其他侵权行为；稿件内容应基本符合国家有关书刊编辑、出版的技术标准，正确使用和统一规范语言文字、符号、数字、外文字母、法定计量单位及地图标注等。为确保录用定稿网络首发的严肃性，录用定稿一经发布，不得修改论文题目、作者、机构名称和学术内容，只可基于编辑规范进行少量文字的修改。出版确认：纸质期刊编辑部通过与《中国学术期刊（光盘版）》电子杂志社有限公司签约，在《中国学术期刊（网络版）》出版传播平台上创办与纸质期刊内容一致的网络版，以单篇或整期出版形式，在印刷出版之前刊发论文的录用定稿、排版定稿、整期汇编定稿。因为《中国学术期刊（网络版）》是国家新闻出版广电总局批准的网络连续型出版物（ISSN2096-4188，CN11-6037/Z），所以签约期刊的网络版上网络首发论文视为正式出版。•前沿技术及综述•doi：10.3969/j.issn.1000-7059.2023.01.001冶金能源管理数字化探索与实践张琦1,2,3，谢升1，钟再锡1（1.东北大学国家环境保护生态工业重点实验室，辽宁沈阳110819；2.东北大学低碳钢铁前沿技术研究院，辽宁沈阳110819；3.辽宁省低碳钢铁前沿技术工程研究中心，辽宁沈阳110819）摘要：钢铁行业是国民经济的支柱产业，也是典型的资源、能源密集型产业。随着5G、大数据、人工智能等新一代信息技术的发展，推进冶金能源管理向着数字化和智能化方向转型，有助于冶金行业节能减排和碳中和目标的实现。本文分析了冶金能源管理现状、存在的问题以及国内外能源管理数字化发展趋势。围绕钢铁生产过程能源管理数字化技术应用方法和案例等，提出冶金企业能源管理数字化发展应从数据挖掘、机器学习和数字孪生等角度深入。依靠数字挖掘技术，剖析不同系统、工序以及设备的能源数据特征，融合机器学习模型、数字孪生模型，实现冶金能源管理的智慧化发展，为冶金企业能源管理开展数字化探索与实践提供参考。关键词：冶金能源；能源管理；数字化；智能化；节能减排文献标志码：A文章编号：1000-7059（2023）01-0000-00ExplorationandpracticeofdigitalizationofenergymanagementinmetallurgyZHANGQi1,2,3,XIESheng1,ZHONGZaixi1(1.StateEnvironmentProtectionKeyLaboratoryofEco-Industry,NortheasternUniversity,Shenyang110819,China;2.InstituteforFrontierTechnologiesofLow-CarbonSteelmaking,Shenyang110819,China;3.LiaoningProvinceEngineeringResearchCenterforFrontierTechnologiesofLow-CarbonSteelmaking,Shenyang110819,China)Abstract：Theironandsteelindustrywiththefeatureofresourceandenergyintensiveisapillarindustryofnationaleconomy.Withthedevelopmentofnew-generationinformationtechnologiessuchas5G,bigdata,andartificialintelligence,thetransformationofmetallurgicalenergymanagementtowardsdigitalizationandintelligencewillhelpthemetallurgicalindustryachievethegoalsofenergyconservation,emissionreductionandcarbonneutrality.Thispaperanalyzesthestatusquoofmetallurgicalenergymanagement,theexistingproblemsandthedigitaldevelopmenttrendofenergymanagementathomeandabroad.Focusingontheapplicationmethodsandcasesofenergymanagementdigitaltechnologyinthesteelproductionprocess,itwasproposedthatthedigitaldevelopmentofenergymanagementinmetallurgicalenterprisesshouldbedeepenedfromtheperspectivesofdatamining,machinelearninganddigitaltwins.Relyingondigitalminingtechnology,analyzingtheenergydatacharacteristicsofdifferentsystems,processesand基金项目：国家重点研发计划项目（2020YFB1711102）；辽宁省“兴辽英才计划”项目（XLYC2002072）作者简介：张琦（1977—），男，教授，博士；收稿日期：2022-09-22网络首发时间：2022-12-0717:05:56网络首发地址：https://kns.cnki.net/kcms/detail//11.2067.TF.20221207.1104.001.htmlequipment,integratingmachinelearningmodelsanddigitaltwinmodels,realizingtheintelligentdevelopmentofmetallurgicalenergymanagement,andprovidingreferenceforthedigitalexplorationandpracticeofenergymanagementinmetallurgicalenterprises.Keywords：metallurgicalenergy;energymanagement;digitizing;intelligent;energysavingandemissionreduction0引言2022年1月，习近平总书记发表重要文章强调，促进数字技术与实体经济深度融合，赋能传统产业转型升级，催生新产业新业态新模式，不断做强做优做大我国数字经济[1]。钢铁行业是国民经济的支柱产业，也是典型的资源、能源密集型产业[2-3]，必须与数字经济、数字技术相融合，充分发挥钢铁行业海量数据和丰富应用场景优势，依靠数据分析、数据科学的强大处理能力和放大、倍增、叠加作用，加快建设“数字钢铁”，赋能钢铁行业转型升级[4]。随着5G、云计算、大数据、人工智能、工业互联网和边缘计算等新一代信息技术的发展，以及自动化、智能化融合的进程加快，钢铁企业数字化得到不断深化。智慧能源管控系统是国家工信部推出的节能减排先进适用技术，是企业实施能源精细化管理的重要手段[5]。DashengLee等[6]归纳总结了能源管控系统的功能并提出未来智慧能源管控系统模式，张琦等[5]综述了钢铁企业能源管控系统的发展现状并指出未来智慧能源管控系统的核心功能。近年来，我国钢铁企业能源管控系统建设取得长足进步，一大批先进的能源管控系统在企业得到升级、融合发展[7-10]。宝钢实施的“钢铁多流耦合分布式能源技术研究与应用”、鞍钢实施的“钢铁联合企业数字化网络化能源管控系统开发与应用”分别获得2020、2022年度冶金科学技术奖一等奖和二等奖，引领了冶金能源管理数字化、网络化发展方向。钢铁生产流程中物理与化学过程十分复杂，过程变量类型混杂、维数高、规模大，变量之间存在着多重相关性，具有多变量、强耦合、非线性和大滞后等特点。而能源系统设备数量多、管网复杂，能源介质种类多，煤气、蒸汽、电力等能源介质之间又相互耦合、相互影响，能源随生产状况波动频繁，具有典型动态非平衡系统特征。因此，如何借助数字化技术深度挖掘工业生产数据内部的潜在规律，构建数字孪生模型，提高钢铁全流程能源系统的管控水平，提升系统能效，成为当前能源管理研究者、管理者的重要工作。因此，推动数字要素、智能制造向企业能源管理集聚发展，促进企业能源管理数字化、智能化、低碳化、绿色化融合发展，助力企业能源管理数字化建设，赋能钢铁行业转型升级，实现企业碳中和目标显得尤为重要[11]。1冶金能源管理现状及存在问题、发展方向1.1冶金节能与能源管理现状钢铁企业作为耗能大户和碳排放大户，一直备受国家和社会的关注，随着国家双碳目标战略的提出，其面临着更严格的节能减排要求。提高冶金生产过程能效，节约能源是降低生产成本、实现节能减排的重要措施[12]。随着人们对系统节能认识的加深，冶金节能降耗从最初的单体设备节能、工序优化节能发展到了如今的系统节能，取得了显著进步[13]，而能源管理系统作为系统节能的主要实施单元近年来得到不断发展和完善。20世纪60年代，日本的新日铁公司八蟠制铁所建立了世界上第一个钢铁企业“能源中心”，用来对企业能源进行集中控制和管理[14]。随后，日本京洪钢铁公司扇岛厂和美国东部钢铁分公司建立了可对动力和电气设备进行集中监视的能源中心[15]，当时的能源管理系统主要负责数据的采集和监控。此后，多个国家开始了能源管理系统在冶金企业的应用研究，美国东部钢铁分公司对其能源中心进行了完善，可以通过优化能源及资源分配，实现二次能源的再分配、能源消耗自动计量和制定合理的能源外购方案，具备了管控的能力[16]；印度的Bhilai钢铁公司能源中心的能源管理系统融合了能源的监视、建模与优化功能，具备对煤气介质的优化利用[17]；20世纪末期，奥地利奥钢联的VASL钢铁厂建成了更完善的能源中心，除了基本的监视功能外，还具有能源预测、能源负荷均衡的功能[18]。直至目前，先进的钢铁企业能源中心已经具备了制造过程监控、能源负荷预测、能源资产管理和能源调度等功能[19]。国内的钢铁企业能源中心建设始于20世纪80年代，宝钢建设了国内第一套能源中心[20]，随后唐钢、济钢等企业建立了针对单一煤气介质调度的煤气管理系统[21]，迄今为止，马钢、首钢、鞍钢、梅钢、涟钢等企业也陆续建立了能源中心[22]。上述能源中心管理系统基本实现了对多种能源数据的采集与监视，和对重要能源介质的潮流控制。在钢铁企业能源管理的功能发展和完善方面，国内相关学者同样进行了大量的研究与实践工作。首钢京唐借助分布式能源的理论，建立了分布式与集中式集成的智慧能源管理，运用能源管控中心、能源岛和能源网络的技术手段实现各能源介质能源梯级利用和循环发展再利用[10]。但存在能源系统各部分割裂较为严重，能源管控中心、能源岛的能源交互弱，没有实现能源的真正管控，同时能源管控中心的存在未能实现能源的高效利用，更多的是实现了能源的监控，并未利用能源数据的存在优势进行能源的高效分配。宝钢在能源管控中做了大量的实践，率先建立现代化能源中心，优化开发并建设了能源管理系统，至今建立了以能源管理系统为核心，基于C/S分布式架构，以数字技术为关键技术的综合性系统[23]。但建设的能源管控系统仍停留在能源监控和能源报表的绘制，对于钢铁能源系统中采集的大量数据的利用与分析较少，对于能源管理的数字化建设不足。鞍钢针对钢铁企业能源管控中心功能单一、管而不控，无法满足能源管理数字化、网络化、智能化发展需要的问题，借助大数据、云计算、人工智能等数字技术，基于现有工业平台，采用云、边、端协同模型，打通数据壁垒，实现数据的初步规律提取与分析，建设了数字化、网络化能源管控系统[9]。但仍存在系统耦合性强，同时模型对于数据的挖掘较浅，仍停留在对于数据频率的学习中，对能源系统的数字化建设不足的问题。1.2冶金能源管理存在问题随着我国冶金工业的发展，冶金能源管理取得了较大进展，但在数字化方面仍存在以下四方面的问题：（1）钢铁生产流程复杂、产线长，全流程各工序均存在“黑箱”问题，除了有限的表观参数之外，内部参数无法在线实时测量，实时信息极度缺乏；（2）经过长时间生产，数据库储存了大量有关生产、能源管理等相关数据，相当一部分数据未被使用，存放凌乱，未经处理，成为数据垃圾，并未充分挖掘和实现模型化表述；（3）现场用于能源管理的数学模型大多为机理模型，由于环境状况和操作条件波动，以及设备运行状态变化，加之过程输入条件、状态变量和控制系统之间的关系十分复杂，这些机理模型对于全流程“黑箱”的复杂动态过程适用性很差，难以用于能源负荷精准预测；（4）对单一能源介质的调度模型研究较多，多介质协同调度研究较少，而单介质优化无法解决系统优化问题，甚至会出现不满足其他介质约束而使优化结果无效的情形。因此，要解决上述所存在的问题，需要构建智慧化能源管理平台，实施能源管理数字化，推动能源管理与企业生产、安全、环保、物流等一体化、智慧化发展。1.3冶金能源管理数字化发展方向围绕数字化技术应用，通过对冶金生产过程和能源动态数据在线分析与优化，冶金能源管理从“凭经验、凭直觉”向“靠系统、靠数据”转变，实现全局效益最大化。搭建冶金能源管理数字化管控系统平台，以精细化能源管理和生产运营成本降低为目标，对能源生产、存储、转换、输送和使用全流程进行系统监管，并实现全厂调度运行全局优化。同时，随着冶金工业绿色化、智能化发展，建设信息物理系统、集约化管控、智能化管理与优化调度的冶金能源管理数字化管控系统将得到进一步提升。逐步形成以系统高效、经济运行为基础，以系统节能减排为目标，协同推进物质流与能量流网络的动态调控，实现能源管理数字化、网络化发展[24]。随着5G技术、大数据技术、人工智能技术、云计算技术、区块链和工业互联网的发展，数字成为了可挖掘的宝贵资源，逐渐成为生产的驱动力和认识客观世界的方法论，因此冶金能源管理的数字化是未来发展的重要方向。2数字化技术在冶金能源管理中的应用数字技术被定义为可以生成、存储或处理数据的电子工具、系统、设备和资源[25]。人工智能、大数据、物联网、机器人、区块链以及云计算技术代表了最广泛采用的新兴数字技术。数字技术的优势体现在，能够及时精确地获取数据、传递信息、精准建模和数据分析、科学决策与实施智能化管控。作为资源密集型、资金密集型行业，冶金行业生产过程主要呈现出生产流程长、自动化程度高、质量要求高的特点，工艺过程智能化、产线管控智能化、生产经营智能化得到深入发展。本节结合数字化技术在冶金能源管理中的应用，重点围绕数据挖掘技术、数字孪生模型和机器学习技术的应用和实践展开分析。2.1数字化技术在能源管理中的应用场景数字化技术在能源生产、优化能源供应、降低能耗以及环境友好方面具有重要作用[26]。具体体现在：（1）数字化技术的发展与应用有助于挖掘能源生产的潜力，通过传感器、超级计算机以及数据分析和基于云计算的人工智能，实现冶金能源的监控与数据信息的整合，合理分配能源，同时促进可再生分布式能源的发展；（2）数字化技术通过对整个能源系统的实时、立体、可视化远程监控，及时反馈能源信息，同时数字化技术带来的智能算法的提升，有助于企业建立智慧化能源管理系统，实现能源的优化供应；（3）数字化技术在能源分配方面综合考虑多种能源介质与能源供应和需求，统筹考虑与规划，能够提升能效，减低能耗；（4）数字化技术可以帮助减少与能源相关的环境污染和碳排放，通过提高清洁能源生产和消费的比例，降低SO2、NOx和CO2等的排放，同时帮助建立企业环境污染检测系统，通过各子系统的互联互通，实现能源污染的实时监管。2.2数据挖掘技术在能源管理中应用数据挖掘技术是指从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中、未被发现的，但又潜在有用的信息和知识的过程的技术[27]。应用数据挖掘技术，对能源管理系统中的海量数据进行数据挖掘，知识提取，分析能耗与其影响因素间的关系，将生产数据变为可为分析与决策提供支持的有用信息，将极大提高能源管理系统在冶金能源管理中的作用，充分发挥能源的高效利用功能。下面以冶金煤气利用为例，探究数据挖掘技术的作用。高炉冶炼过程是复杂的物理、化学反应过程，高炉煤气的生产过程受多种因素制约。为了摸清其影响因素，采用工业过程数据和灰色关联度分析原理，通过计算煤气量与各因素的关联关系来判断各因素对煤气量的影响大小。建模中选择焦比、煤比、鼓风量、富氧、风温、风压和炉内压差7个指标作为高炉煤气发生的主要影响因素。将高炉煤气发生量的历史数据作为母序列，焦比、煤比、鼓风量、富氧、风压和炉内压差作为子序列，按式（1）无量纲化后，计算高炉煤气发生量影响指标关联度，见表1[28]。1()/kkNkixixixiNmk,,3,2,1（1）式中：kxi、()kxi分别为无量纲化前、后的指标；k为某一指标；m为指标个数；N为同一指标的数据个数。表1高炉煤气发生量影响指标关联度Table1InfluenceindexcorrelationdegreeofBFGgeneratingquantity影响因素关联度焦比0.886煤比0.831风量0.891富氧0.710风压0.882风温0.818炉内压差0.587由表1可知，高炉煤气发生量影响指标关联度，风量>焦比>风压>煤比>风温>富氧>炉内压差，这里将关联度大于0.6的影响因素作为高炉煤气发生量的影响因素；小于0.6的影响因素关联性较差，将其舍去。所以预测高炉煤气发生量时，需要考虑焦比、煤比、风量、富氧、风压和风温这6个相关量的影响，这能极大地提高煤气的预测精度，为进一步利用煤气提供重要信息。应用数据挖掘技术的支持实现对能源系统的描述与预测。描述用于刻画海量数据中的一般特性，包含关联规则、分类、聚类以及孤立值分析等。预测则是将数据挖掘技术作为基础，通过数据间的关联关系以及在时间或空间上的延续性，应用智能算法实现。数据挖掘技术的一般实现步骤分为目标确定、数据获取、数据清洗、数据挖掘、结果评价。在数据挖掘的一般性实现中，往往包含了方法（回归分析、人工神经网络等）的调整，通过不断调整方法，以期望获得更直观、有效、易懂的数据规律。进一步通过深度学习实现简单物理对象的映射数据的特征提取，提高数据挖掘质量和应用效果。2.3机器学习方法的应用机器学习方法是从大量数据中挖掘知识的一种有效手段，正在成为钢铁行业数字化转型的新宠，同时也是寻求相关技术突破的下一个关键点。为了推动钢铁行业数字化转型，挖掘生产过程与能源管理的关联关系，技术人员对机器学习算法的需求十分迫切。常用的机器学习方法有数学规划模型、回归模型、人工神经网络模型、支持向量机、遗传算法和决策树等方法。本节重点描述长短时记忆（long-shorttermmemory，LSTM）神经网络方法和XBoost算法在能源预测中的应用。2.3.1LSTM神经网络方法在蒸汽供需预测中的应用本文以LSTM神经网络方法在煤气、蒸汽等能源介质预测中的应用为例，介绍机器学习方法在能源管理中的应用。LSTM从本质上来说是循环神经网络（recurrentneuralnetwork，RNN）的一种变体：RNN中一般只有一个简单节点，如一个函数或tanh函数，而在LSTM网络中，将隐藏层中的结构由简单节点变为单元；这使得该变体不但保留着RNN模型大部分特性，还解决了BP过程中的梯度爆炸和梯度消失问题。因此，LSTM适合处理与时间高度耦合的实际任务。大量的研究表明，LSTM神经网络已经解决了循环神经网络无法解决的许多问题，在时间序列预测问题上获得了更进一步的成功。图1所示为LSTM神经网络方法的流程示意图。图中：tX为t时刻的单元输入；th为t时刻的单元输出；、tanh分别为激活函数()sigmoid和tanh()。图1LSTM神经网络方法流程图Fig.1FlowchartofLSTMneuralnetworkmethod采用LSTM方法对钢铁企业中的干熄焦余热锅炉的蒸汽产耗量进行动态预测，选取干熄焦余热锅炉过去一段时间间隔内的蒸汽的产耗历史数据，以及对应该段时间间隔的生产计划和检修计划，通过生产检修计划获取生产工况。获取的产耗历史数据为干熄焦余热锅炉在该段时间间隔内的蒸汽产生量和蒸汽消耗量，时间间隔可以依据所需预测时间间隔进行制定。从数据库中获取干熄焦余热锅炉设定时间间隔的蒸汽流量数据。根据干熄焦余热锅炉的工况对蒸汽量历史数据进行分类，将干熄焦余热锅炉的第l个工况下的产耗历史数据集合成分类集合lS：{1,2,...,}tTlltSs（2）式中：T为所有的节点数；t为时间节点，t和t+1之间的差值为设定时间间隔。将归一化集合输入LSTM神经网络预测模型中，通过迭代计算输出预测集合Y：{1,2,...,}tTtYY。将测试数据集代入多组优化的预测模型中进行预测得到预测结果，通过误差计算公式计算预测结果与实际值之间的误差，选择误差最小的预测结果对应的优化的预测模型作为最优预测模型，预测结果与实际值之间的对比如图2所示，可以用于实际供需量预测。图2蒸汽发生量预测值与实际值对比Fig.2Comparisonofpredictedvalueandactualvalueofsteamgeneration2.3.2XGBoost方法在煤气预测中的应用Boost算法是集成学习算法的一种类型，是一种能够将弱学习器通过迭代提升为强学习器的算法，而XGBoost是一种基于回归树的Boost算法。若给定模型数据集{()}iiDX,Y，其中iX为输入样本，iY为样本输出值。常用的XGBoost模型为线性模型（包括线性回归和逻辑回归）。假设树的数量为k，此处是用树的方式来表示基分类器，通过不断在前一棵树的基础上添加新树进行迭代，得到最终的模型[29]。通过对k棵树的学习，采用下面的函数对样本进行预测：1,KlikikkyfxfxfF(3)其中:,mqXfyqRTFTR(4)式中：ix为i个数据点的特征向量；()fx为回归树；F为回归树的几何空间；()qX为每个样本点对应叶子节点的函数；:mqRT为将数据通过映射到叶子节点的函数上；T为该叶子节点上的标签集；为叶子节点的得分，预测值()qX表示回归树对样本X的预测值。采用XGBoost算法对煤气产生、消耗进行预测，首先从数据库读取所有设备生产数据，选取每个设备2400组数据作为试验样本，采样时间间隔为5min（在图中表示为时段5min），将其中的2300组数据用作训练数据，预测剩余的96个点，也就是预测未来480min的煤气量变化。图3所示为某高炉在未来8h的发生量预测值与实际值的曲线图及各个点的平均绝对百分比误差（MeanAbsolutePercentageError，MAPE）。图4所示为热风炉消耗高炉煤气量的预测值与实际值对比和每个点的平均绝对百分误差。从图中可以看出，模型较好地预测了高炉煤气系统在未来8h的煤气量发生和消耗情况，正常生产工况下高炉发生量的MAPE值为1.16%，波动剧烈的热风炉的MAPE值为3.65%，可以在线进行煤气供需预测。（a）煤气发生量对比（b）预测误差图3正常生产工况下高炉煤气发生量实际值与预测值Fig.3ActualandforecastvalueofBFGgenerationundernormalproductionconditions（a）煤气消耗量对比（b）预测误差图4正常生产工况下热风炉消耗BFG实际值与预测值Fig.4ActualandforecastvalueofBFGconsumptionofhotblaststoveundernormalproductionconditions2.4数字孪生模型构建与应用数字孪生又称为数字双胞胎，是实现物理实体向虚拟物体的一种全息映射，通过信息链接，还原物理实体状态和动态数据，从而辅助完成各种分析研究。数字孪生应用技术是融合了数据采集、数据通信、数据仿真等多个学科，传感、通信、仿真、控制等多领域技术成果的系统性工程。采用数字孪生技术对冶金能源管理数据进行实时映射，基于实时采集数据进行计算与分析，构建跨工序协同优化模型和实时计算分析模型，对能源高效利用有显著影响。本文以钢铁企业蒸汽系统数字孪生模型构建与应用为例，探讨数字化技术带来的效果。蒸汽管网系统作为配套公用工程，一般随着工业主流程的扩张，滚动式地发展。由于逐年扩建、改造，以及主流程单元地理布局等，蒸汽管网形成了多环、多级、多汽源、多用户的复杂流程，给管理调度带来困难。蒸汽管网传输过程中出现蒸汽降质使用、被迫放空，以及管线输送瓶颈、保温效率下降、疏水器损坏等问题，从而造成了能源的浪费。此外，蒸汽管网还存在管网庞大复杂、问题难以定位，调度全凭经验、缺乏科学手段，热损情况不明、能源浪费惊人等问题。因此，以蒸汽管网数字孪生模型为核心、以在线监测数据为基础，找出管网瓶颈、定位保温不足管段、发现并更换失效疏水器，对瓶颈和保温不足管段进行技术改造，短期内可使蒸汽系统管损下降10%，具有巨大的经济和环境效益。而且蒸汽管网系统数字孪生模型可形成常态化的热损失异常定位、报警，保持蒸汽管损处在较低水平。根据各种产用汽场景，基于模型计算结果，为调度提供科学的调度方案。图5所示为蒸汽管网信息物理系统示意图。图中物理空间中的设备及系统与数字空间中的一一对应，通过数学建模及网络拓扑化，将物理模型转换为结构清晰的数字模型。以案例企业蒸汽系统数字孪生模型构建为例，首先基于实际企业蒸汽管网系统的物理特性，包含蒸汽系统的结构、设计参数以及运行特性等，利用流体网络机理建模方法构建研究对象的管网拓扑模型，获取关键设备及系统的参数，如管长、管径、保温层材料、保温层厚度等，如图6所示。图中包含了蒸汽发生设备、蒸汽消耗设备以及管网的物理性质。而后结合系统存储的历史数据进行蒸汽管网的管路计算，包含水力热力耦合计算和流速及热损分析，基于合理假设与优化，得到各管段的蒸汽温度、压力分布，与实时数据进行误差分析，进行模型系数的修正，最终得到能实时反映现实物理系统运行的数字孪生系统。在系统运行时，能够实时反映管道的温度、压力分布，结合现场的温度和压力传感器，对管网的压力变化与温度损失做出及时反馈，精准定位漏损点的位置，减少蒸汽的损失。信息空间物理空间科学决策精准执行整体精控实时分析状态感知图5蒸汽管网信息物理系统示意图Fig.5Schematicdiagramofcyber-physicalsystemofsteampipenetwork图6案例企业蒸汽管网拓扑结构图Fig.6Topologicalstructurediagramofsteampipenetworkofcaseenterprise基于某钢铁企业实际蒸汽管网系统图，采用模型进行仿真与优化，得到优化方案前后所有管段的蒸汽流速与单位管长热损对比图（图7）。通过管网供需结构优化，对管径进行重新设计及保温改造，改造后的各管段蒸汽流速波动变化较小，稳定在25m/s。同时，通过对管段保温进行改造，使各个管段单位管长热损显著减少，保持在200W/m以下，符合管道保温设计标准，达到节能减排目的[30]。（a）蒸汽流速对比（b）热损对比图7系统优化前后各管段流速与热损对比Fig.7Comparisonofflowvelocityandheatlossofeachpipesectionbeforeandaftersystemoptimization3结论（1）数字化技术在冶金能源生产、优化能源供应、降低能耗以及环境友好方面具有重要作用。促进数字技术与钢铁行业深度融合，充分发挥海量数据和丰富应用场景优势，依靠数据分析、数据科学的强大处理能力，加快建设“数字钢铁”，赋能钢铁行业转型升级。（2）推动数字要素、智能制造向企业能源管理集聚发展，促进企业能源管理数字化、智能化、低碳化、绿色化融合发展。加强数据挖掘技术、数字孪生模型和机器学习等数字化技术在企业能源管理数字化建设的应用和实践，进一步强化实现企业节能减排和碳中和目标。致谢感谢东北大学王国栋院士、张殿华教授对冶金能源管理和碳排放数字化方向的指导和帮助。参考文献：[1]习近平.不断做强做优做大我国数字经济[J].求是,2022(2):4.(XIJinping.Continuetostrengthen,optimizeandexpandmycountry'sdigitaleconomy[J].Qiushi,2022(2):4.)[2]张琦,沈佳林,许立松.中国钢铁工业碳达峰及低碳转型路径[J].钢铁,2021,56(10):152.(ZHANGQi,SHENJialin,XULisong.China'sironandsteelindustrycarbonpeakandlow-carbontransitionpath[J].IronandSteel,2021,56(10):152.)[3]张琦,张薇,王玉洁,等.中国钢铁工业节能减排潜力及能效提升途径[J].钢铁,2019,54(2):78.(ZHANGQi,ZHANGWei,WANGYujie,etal.EnergysavingandemissionreductionpotentialofChina'sironandsteelindustryandwaystoimproveenergyefficiency[J].IronandSteel,2019,54(2):78.)[4]王国栋,刘振宇,张殿华,等.材料科学技术转型发展与钢铁创新基础设施的建设[J].钢铁研究学报,2021,33(10):1003.(WANGGuodong,LIUZhenyu,ZHANGDianhua,etal.Transformationanddevelopmentofmaterialsscienceandtechnologyandconstructionofsteelinnovationinfrastructure[J].JournalofIronandSteelResearch,2021,33(10):1003.)[5]张琦,刘帅,徐化岩,等.钢铁企业智慧能源管控系统开发与实践[J].钢铁,2019,54(10):125.(ZHANGQi,LIUShuai,XUHuayan,etal.Developmentandpracticeofsmartenergymanagementandcontrolsysteminironandsteelenterprises[J].IronandSteel,2019,54(10):125.)[6]DashengLee,Chin-ChiCheng.Energysavingsbyenergymanagementsystems:Areview[J].RenewableandSustainableEnergyReviews,2016,56:760.[7]刘伟,郭宇,于宏.凌源钢铁有限公司能源管控系统设计与应用[J].冶金自动化,2022,46(增刊1),35.(LIUWei,GUOYu,YUHong.DesignandapplicationofenergymanagementandcontrolsystemofLingyuanIronandSteelCo.,Ltd.[J].MetallurgicalAutomation,2022,46(S1),35.)[8]姜黎萍.宝钢集团能源中心系统工程建设[C]//全国第十五届自动化应用学术交流会论文集.杭州:中国计量协会冶金分会,2010:725.(JIANGLiping.EnergycentersystemengineeringconstructionofBaosteelGroup[C]//Proceedingsofthe15thNationalAutomationApplicationAcademicExchangeConference.Hangzhou:MetallurgyBranchofChinaMetrologyAssociation,2010:725.)[9]王军生,曲泰安,白雪.工业互联网+智慧能源管控系统在钢铁行业的应用与实践[J].鞍钢技术,2022(4):1.(WANGJunsheng,QUTaian,BAIXue.ApplicationandpracticeofindustrialInternet+intelligentenergycontrolsysteminsteelindustry[J].AnshanSteelTechnology,2022(4):1.)[10]吴礼云,梁高林,凌晨,等.分布式与集中式智慧能源管控系统在大型钢铁企业中的应用[J].冶金动力,2017(11):7.(WULiyun,LIANGGaolin,LINGChen,etal.Applicationofdistributedandcentralizedintelligentenergycontrolsysteminlargeironandsteelenterprises[J].MetallurgicalPower,2017(11):7.)[11]陈晓红,胡东滨,曹文治,等.数字技术助推我国能源行业碳中和目标实现的路径探析[J].中国科学院院刊,2021(9):1019.(CHENXiaohong,HUDongbin,CAOWenzhi,etal.Analysisonthepathofdigitaltechnologytopromotetherealizationofcarbonneutralityinmycountry'senergyindustry[J].ProceedingsoftheChineseAcademyofSciences,2021(9):1019.)[12]张春霞,王海风,张寿荣,等.中国钢铁工业绿色发展工程科技战略及对策[J].钢铁,2015,50(10):1.(ZHANGChunxia,WANGHaifeng,ZHANGShourong,etal.ScienceandtechnologystrategyandcountermeasuresforgreendevelopmentofChina'sironandsteelindustry[J].IronandSteel,2015,50(10):1.)[13]张琦,蔡九菊.钢铁制造流程系统节能与能效提升[J].钢铁,2021,56(8):32.(ZHANGQi,CAIJiuju.Energysavingandenergyefficiencyimprovementofsteelmanufacturingprocesssystem[J].IronandSteel,2021,56(8):32.)[14]杜友武.钢铁企业能源管理与数据校正系统设计与实现[D].长沙:中南大学,2010.(DUYouwu.DesignandImplementationofEnergyManagementandDataCorrectionSysteminIronandSteelEnterprises[D].Changsha:CentralSouthUniversity,2010.)[15]判治洋一,范锤利.采用大规模DCS系统的现代化能源中心[J].冶金能源,1993(5):43.(PANZHIYangyi,FANChuili.Amodernenergycenterusinglarge-scaleDCSsystem[J].MetallurgicalEnergy,1993(5):43.)[16]R.J.Stark.Computerizedenergymanagementinanintegratedsteelplant[C]//ProceedingsoftheAmericanControlConference.SanDiego,CA,USA:IEEE,1984:638.[17]RanmaniB,SubramonianTS.EnergymanagementsysteminBhilaisteelplant-implementationandfutureenhancements[J].ElectricityConservationQuarterly,1997,18(2):3.[18]ValsalsamR,KrishnanN,MuralidharenV.Energymanagementandcontrolsystemforinegratedsteelplants[C]//ProceedingsoftheNationalConventiononComputerisationandAutomationinSteelIndustry.Ranchi,India:IEEE,1996:59.[19]刘昱辰.能源管理系统在钢铁行业的应用[J].冶金管理,2022(9):1.(LIUYuchen.Applicationofenergymanagementsysteminsteelindustry[J].MetallurgicalManagement,2022(9):1.)[20]冯为民.宝钢三期工程能源中心系统[J].冶金动力,1997(5):1.(FENGWeimin.BaosteelPhaseIIIprojectenergycentersystem[J].MetallurgicalPower,1997(5):1.)[21]邓春蕊,费晓明.唐钢能源计量网络系统[J].河北冶金,2002(5):45.(DENGChunrui,FEIXiaoming.TangshanIronandSteelenergymeteringnetworksystem[J].HebeiMetallurgy,2002(5):45.)[22]蒋平,李博,曾文清.马钢新区能源中心的建设与探讨[J].冶金能源,2009,28(3):3.(JIANGPing,LIBo,ZENGWenqing.ConstructionanddiscussionofenergycenterinMaanshanIronandSteelNewArea[J].MetallurgicalEnergy,2009,28(3):3.)[23]邓万里.湛钢煤气系统工艺特点及技术分析[J].钢铁,2016,51(11):79.(DENGWanli.ProcesscharacteristicsandtechnicalanalysisofgassystemofZhanSteel[J].IronandSteel,2016,51(11):79.)[24]张琦,谢升,沈佳林.冶金能源高效利用与优化管控[J].冶金自动化,2022,46(4):1.(ZHANGQi,XIESheng,SHENJialin.Efficientutilizationandoptimalcontrolofmetallurgicalenergy[J].MetallurgicalAutomation,2022,46(4):1.)[25]WenjingLyu,JinLiu.ArtificialIntelligenceandemergingdigitaltechnologiesintheenergysector[J].ppliedEnergy,2021,303:117615.[26]WANGJiangquan,MAXiaowei,ZHANGJun,etal.Impactsofdigitaltechnologyonenergysustainability:Chinacasestudy[J].ppliedEnergy,2022,323:119329.[27]吴波.造纸过程能源管理系统中数据挖掘与能耗预测方法的研究[D].广州:华南理工大学,2012.(WUBo.ResearchonDataMiningandEnergyConsumptionPredictionMethodinEnergyManagementSystemofPapermakingProcess[D].Guangzhou:SouthChinaUniversityofTechnology,2012.)[28]谷延良.钢铁企业煤气系统供需预测模型及其应用研究[D].沈阳:东北大学,2010.(GUYanliang.TheSupplyandDemandForecastModelofGasSysteminIronandSteelEnterprisesandItsApplicationResearch[D].Shenyang:NortheasternUniversity,2010.)[29]谢升.基于煤气柜运行优化的煤气多周期调度研究[D].沈阳:东北大学,2020.(XIESheng.ResearchonGasMulti-cycleSchedulingBasedonGasholderOperationOptimization[D].Shenyang:NortheasternUniversity,2020.)[30]赵磊.钢铁企业蒸汽管网仿真优化及系统开发[D].沈阳:东北大学,2022.(ZHAOLei.SimulationOptimizationandSystemDevelopmentofSteamPipeNetworkinIronandSteelEnterprises[D].Shenyang:NortheasternUniversity,2022.)
VIP
