Texaco水煤浆气化装置配煤模型及其优化

ｏｐｔｉｍｉｚａｔｉｏｎ ｍｏｄｅｌ；
ｐａｒｔｉｃｌｅ ｓｗａｒｍ ｏｐｔｉｍｉｚａｔｉｏｎ；
ｄｉｆｆｅｒｅｎｔｉａｌ
言
Ｔｅｘａｃｏ水煤浆气化技术属于加压气流床气化 工艺，以水煤浆和氧气为原料，生产Ｃ０和Ｈ：为 主要成分的合成气，其物理一化学变化复杂剧烈， 温度压力高，投煤量大，煤种适应相对宽泛。但气
配煤人员和设备约束
∑ｓｇｎ（Ｋ）≤七。。
特定煤种约束
Ｘ。≥口
（ｍ＝１，２，…，挖；ｎ∈（Ｏ，１））
（１９）
（２０）
自变量范围约束
０≤Ｘ。≤１，Ｖｉ
（２１）
万方数据
第８期
孙漾等：Ｔｅｘａｃｏ水煤浆气化装置配煤模型及其优化
Ⅳ
，
自变量总和约束
壤。．。＝∑以／Ｎ
Ｉ；ｌ
（２６）
，
∑ｘ。一１
ｌ＝ｌ
（２２）
坩１＝删乞＋ｃ１，．，（ｐ：一ｚ乞）＋ｃｚ ｒ２（ｐ刍一』乞）＋
化装置的设计是根据煤种、工艺、容量的不同而度 身定做的，为保证系统长期稳定运行和提高效益， 装置对煤质仍有严格的要求。近几年来，全国煤炭 资源紧张，原煤采购成本和运输价格持续上升，质 量良莠不齐，使煤化工成本剧增，利润大幅下滑。 实践表明，针对煤的不同特性进行合理配比，能够
２０１０—０５～０５收到初稿。２０１０—０５～１２收到修改稿。 联系人：顾幸生。第一作者：孙漾（１９８４～），男，博士研 究生。 基金项目：国家高技术研究发展计射项目（２∞９ＡＡ０４２１４１）ｆ 上海市基础研究重点项目（０８Ｊｃｌ４０８２００）。
ｌ量ｉ
煤灰结渣特性约束
ｍａｘ（Ｂｘ）≠Ｂｘ（３） （１） （
∑气ｉｘ。＋∑“．，ｘｊ
ｆ—ｌ ｌ—ｌ
单煤库存约束
Ｘｔ≤ＨｔｆＳｋ
ｎ鼬
等式右边各项分别为：与煤炭市场价格联动的混煤 的原料成本；混煤入炉反应后的灰处理成本；剩煤 库存成本；受风化、自燃等因素造成的剩煤自消耗 损失；多煤种混配的人员和设备运转成本；配煤过 程中多煤种取运成本和途中消耗。 １．２约束条件 混煤灰分
ｃ３
２
配煤优化模型的求解
配煤优化模型的约束条件保证了配煤操作的可
ｒ３（户：。。ｄ—ｚ：）＋“ｒ４（吨。．ｄ～吃）
（２７）
苑一篷芝。ｈ三，
％２
＾ 工ｄ ＾ “ｄ
（２８）
行性和混煤对装置的适应性，但复杂的约束条件给 模型的求解带来了困难。粒子群优化算法
（ｐａｒｔｉｃｌｅ ｓｗａｒｍ
＋Ｆ（Ｚ，。一ｔ２ｄ）
算ｆｉｔｎｅｓｓ（ｚ：）； （４）预交叉
其中，芘表示粒子ｉ的个体历史最优值，夕毛表示
粒子群的全局最优值，硼为惯性权重，吒、ｚ乞分
别为粒子ｊ的速度和位置，ｆ－、如为常数，，一，、圪 为（０，１）区间上的随机数。 ＰＳ（）ＰＤＥ算法每一次迭代可分为粒子群优化 部分和差分进化部分。在粒子群优化部分，粒子群 体的平均位置［式（２５）］和平均速度［式（２６）］被 纳入到算法的速度更新规则［式（２７）］中，使得每 个粒子可以获得更多的整个群体进化趋势方面的信 息，提高搜索质量。在差分进化部分，设原群体为
１．１
Ａ。．ｘ＝∑Ａ柚。。ｘ。
灰分约束
Ａｄ．ｘ≤Ａ“．。，
（２）
（３）
混煤灰熔点
ＳＴｘ一知（Ａｌ，Ｆｅ，Ｓｉ，Ｍｇ，Ｃａ）
灰熔点约束 ＳＴ。≤ＳＲ≤ＳＴ一 混煤挥发分
（４）
（５）
ＶＩ“一∑儿．。ｘ，
挥发分约束
Ｖａｄ．ｍｉｌＩ≤Ｖ｜ｄ．ｘ≤Ｖｌｄ．。
（６）
（７）
混煤低位发热量
Ｑ。础＝∑Ｑ。枷ｘｉ
ｆ＝１
ｃａｎ
ｄｉｆｆｅｒｅｎｔｉａｌ ｅｖｏｌｕｔｉｏｎ
ａｖｏｉｄ ｐｒｅｍａｔｕｒｉｔｙ ｍｏｒｅ ｅａｓｉｌｙ ｔｈａｎ ｂａｓｉｃ ＰＳ０ ａｎｄ ＤＥ，ａｎｄ ｈａｓ ｓｕｐｅｒｉｏｒ ｆｅａｔｕｒｅｓ ｉｎ Ｔｈｅ ｓｉｍｕｌａｔｉｏｎ ｒｅｓｕｈｓ ｏｆ
ａ
ｓｏｌｕｔｉｏｎ ａｃｃｕｒａｃｙ ａｎｄ ｅｆ“ｃｉｅｎｃｙ．
ｃｏｓｔｓ，
ｍｏｄｅｌ ｆｒｏｍ
ｃｏａｌ
ｍａｎａｇｅｍｅｎｔ ａｎｄ ｄｅｃｉｓｉｏｎ’ｍａ ｋｉｎｇ ｐｅｒｓｐｅｃｔｉｖｅ ｉｓ ｃｏｎｓｔｒｕｃｔｅｄ ｏｐｔｉｍｊｚａｔｉｏｎ．Ｔｈｅ ｏｐｅｒａｔｉｎｇ
ｃｏｓｔｓ
ｂｌｅｎｄｉｎｇ ｐｒｉｃｅｓ，
ｍｏｄｅｌ ａｎｄ
ｔａｋｅｓ
ｉｎｔｏ
ａｃｃｏｕｎｔ
（８）
低位发热量约束
Ｑｎ。Ｉｄ．ｍ．。≤Ｑｎ。ｄ，ｘ≤Ｑ‰矶。，
（９）
混煤水分
Ｍａ“＝∑Ｍｌ“ｘ，
水分约束
Ｍ０．ｘ≤Ｍａｄ．一
（１０）
混煤固定碳含量
ＦｃＩｄ’ｘ一∑Ｆｃ“：ｘｉ
ｆ＝ｌ
（１２）
固定碳含量约束
Ｆｆａｄ．１ｎｊＩＩ≤Ｆｆ订．ｘ≤Ｆｆａｄ。，
（１３）
混煤硫分
ｓａｄ．，＝∑ｓｍｘ。
硫分约束
Ｓ“ｘ≤Ｓ．ｄ．眦。
１８
文献标识码：Ａ
文章编号：０４３８—１１５７（２０１０）０８—１９６５一０６
ＴｅｘａｃＯ ｃｏａｌ ｇａｓｉｆｉｃａｔｉＯｎ ｐｒｏｃｅｓｓ ｃｏａｌ ｂｌｅｎｄｉｎｇ ｍｏｄｅｌ ａｎｄ ｏｐｔｉｍｉｚａｔｉｏｎ
ＳＵＮ Ｙａｎｇ，ＺＨＡＮＧ Ｌｉｎｇｂｏ，ＧＵ Ｘｉｎｇｓｈｅｎｇ （Ｒ８ｓｅ口ｒｃ，ｌ，咒５￡ｉｆ“跆。厂Ａ“ｆｏ，矩Ｑ￡ｉｏ行，】！ａ盯Ｃ＾ｉ九４ Ｌｋｉ御ｒ５ｉ￡ｙ ｏ，Ｓｃｉｅ”ｆＰ＆丁＿ｃ，ｌ咒Ｄｚｏｇｊ｜，Ｓ＾口九ｇ＾口ｉ ２００２３７，Ｃｈｉ挖口）
第６ｌ卷第８期
２０１０年８月
化工学报
Ｃ１ＥＳＣ
Ｖ０１．６１ Ａｕｇｕｓｔ
Ｎｏ．８ ２０１０
Ｊｏｕｒｎａｌ
Ｔｅｘａｃｏ水煤浆气化装置配煤模型及其优化
孙
漾，张凌波，顾幸生
（华东理工大学自动化研究所，上海２００２３７）
摘要：优化配煤对Ｔｅｘａｃｏ水煤浆加压气化装置的优化运行具有重要的意义。针对Ｔｅｘａｃｏ水煤浆气化装置优化 配煤问题，建立了一个管理决策级视角下的配煤优化模型。模型综合考虑了混煤指标、库存成本、市场价格、 操作成本、堆存和转运消耗。采甩预交叉差分进化粒子群优化算法对模型进行求解，算法将粒子群和差分进化 相结合，避免算法早熟，提高了全局搜索鳍力和收敛精度。最后，以某化肥厂水煤浆配煤优化过程为研究实例 进行仿真，计算结果验证了模型和算法的可行性。 关键词：Ｔｅ】【ａｃｏ气化炉；配煤；优化模型；粒子群算法；差分进化 中图分类号：ＴＰ
３
Ｐ，，称为目标群体（ｚ乞），算法建立另外一个规模 相同的群体Ｐ。，称为扩展群体（ｚ乞），用于存储搜
索过程中因适应度低而被抛弃的粒子。算法依次进 行预交叉、交叉和变异操作［式（２８）～式（３２）］， 增加了群体的随机性、多样性和每次迭代过程中找 到更优解的可能性。 旦
ｃｏａｌ ｂｌｅｎｄｉｎｇ ｏｐｔｉｍａｉ ｐｒｏｃｅｓｓ ｏｆ
ａ
ｆｅｒｔｉｌｉｚｅｒ
ｐｌａｎｔ ｖａｌｉｄａｔｅ ｔｈｅ ｆｅａｓｉｂｉｌｉｔｙ ｏｆ ｔｈｅ ｍｏｄｅｌ ａｎｄ ａｌｇｏｒｉｔｈｍｓ．
１沁ｙ ｗｏｒｄｓ：
ｅｖｏｌｕｔｉｏｎ
Ｔｅｘａｃｏ ｇａｓｉｆｉｅｒ；
ｃｏａｌ ｂｌｅｎｄｉｎｇ；
ｉｆ
（２９）
ｒａｎｄ≤Ｃ８
（３０）
ｏｐｔｉｍｉｚａｔｉｏｎ，ＰＳ（））［１ｌ－１２３是一种基
女
工ｄ
ｏｔｈｅｒｗｉｓｏ
于群智能的进化类算法，它采用速度一位移模型， 避免了复杂的遗传操作，是一种更高效的并行搜索 算法。近年来学术界提出了许多改进方案进一步提 高算法效率，避免算法早熟。文献［１０］中将粒子 群算法与差分进化【１３。１４］（ｄｉｆｆｅｒｅｎｔｉａｌ 算法
初始化ｚ？、ｕ？和２；，计算ｆｉｔｎｅｓｓ（ｚ？）；
（２）判断
计算全局最优值驴已＂，如果满足
结束条件，则输出当前最优解，否则令志＝矗＋１并 继续； （３）粒子群更新
谚１＝删乞＋ｃｌｒｌ（屯一《）＋白ｒ２（力一ｔ）（２３） （２４） ｚ擘１＝屯＋右１
计算声：。．。和可ｋ。，根据式
（２７）和式（２４）更新粒子的速度《和位置ｚ：，计
Ｒ∞ｅｉｖｅｄ ｄａｔｅ：ＺＯｌＯ—０５一０５．
ＣｏｍｅｓＩ圳帕ｉ雌
ｅｃｕｓｔ．ｅｄｕ．ｃｎ
ａｕｔｈｏｒ：
Ｐｒｏｆ．ＧＵ
Ｘｉｎｇｓｈｅｎｇ，
ｘｓｇｕ
＠
ｆ．ｏⅡｎｄａｔｉ蚰ｊ把ｍ：
ｓｕｐｐｏｒｔｅｄ
ｂ，，ｔ＾ｅ
Ｈｉｇ扣ｔｅｃｈ Ｒｅｓｅａｒｃｈ ａｎｄ
ａｎｄ
Ｄｅｖｅｌｏｐｍｅｎｔ Ｐｒｏｇｒａｍ ｏｆ Ｃｏｍｍｉｓｓｉｏｎ
均速度，ｆ３、“为常数，ｒ３、＾为（０，１）区间上 的随机数，ＣＲ为预交叉因数，Ｆ为突变因子（Ｆ∈ ［ｏ．１，ｏ．３］），ｃＲ为交叉因数，ｆｉｔｎｅｓｓ（ｚ）表示目标 （适应度）函数值。完整的算法流程如下： （１）初始化 令忌一ｏ，建立群体Ｐ。和Ｐ：，
ｄｉｆｆｅｒｅｎｔｉａｌ
ｅｖｏｌｕｔｉｏｎ，ＰＳＯＰＤＥ），大大提高了算法的搜索效 率和质量。本文拟采用ＰＳ（）ＰＤＥ对配煤优化模型 进行求解。 在基本ＰＳ０算法中，将每个优化问题的解视 为“鸟群”中的一个个体（即粒子），每个个体通 过式（２３）和式（２４）进行迭代，更新自己的速度和 位置，同时根据目标函数值来评价其位置的好坏， 并最终停留在最佳位置上，即获得最优解。
ｏｆ Ｓｃｉｅｎｃｅ ａｎｄ
Ｃｈｉｎａ （２００９ＡＡ０４２１４１）
Ｓｈａｎｇｈａｉ
Ｔｅｃｈｎｏｌｏｇｙ（０８ＪＣｌ４０８２００）．
万方数据
・１９６６・
化工学报
第６１卷
充分利用单煤种的优点，同时克服单煤种不适应燃 烧要求的缺点，使参差不齐的原料煤均接近装置设 计煤种，优化使用组分，从而稳定和优化工况，减 少非计划停车以及装置堵塞和结焦。同时，不同煤 种的价格有所不同，且在生产中的库存数量也有所 不同。因此，在保证气化原料煤品质的基础上，通 过合理配煤是降低原料价格和合理利用存煤的有效 途径。 然而，不同原料煤对混煤质量指标的影响十分 复杂。在实施配煤操作时，必须能够有效预测混煤 的各项质量指标。目前针对火电和炼焦过程的配煤 技术研究较多，而针对水煤浆气化工艺的配煤技术 的研究和实践较少。文献［１］介绍了Ｔｅｘａｃｏ气 化炉对煤质的要求，根据生产经验建立了线性规划 模型，分析了配煤应用的经济效益。另有很多学者 通过大量理论分析和实验对配煤煤质指标可加 性Ｌ２。３ｊ、煤灰熔融性预测方法Ｌ４。ｊ、配煤对煤可磨性 指数ＨＧＩ的影响［８３和煤灰结渣特性预测方法旧１进 行了研究，为配煤提供了理论基础。 本文针对Ｔｅｘａｃｏ水煤浆气化装置优化配煤问 题。建立了一个管理决策级视角下的配煤多目标优 化模型。此模型综合考虑了装置对混煤质量指标的 要求、库存成本、市场价格、实施配煤的操作成 本、堆存和转运消耗等，采用较为先进的预交叉差 分进化粒子群优化算法【ｌ叫对模型进行求解，在满 足装置对煤质要求的前提下，实现全局原料成本最 低控制。最后，对某化肥厂水煤浆配煤优化过程进 行仿真分析，以验证模型和算法的可行性。 １