基于带式输送机的仓储转运系统优化调度研究*

邢建旭,岑 梁,卢 峰,黄益军,胡文博,邱泽晶,张世荣

(1.国网浙江省电力有限公司 湖州供电公司,浙江 湖州 313100;2.国网浙江长兴县供电有限公司,浙江 湖州 313100;3.国网电力科学研究院 武汉能效测评有限公司,湖北 武汉 430074;4.武汉大学 电气与自动化学院,湖北 武汉 430072)

0 引 言

为了响应国家的节能减排政策,水泥熟料仓储及转运领域实施了全电运输、全电仓储、全电装卸、全电泊船的“全电物流”电能替代项目[1]。而上述仓储及转运系统通常都是采用带式输送机来完成。

带式输送机是以输送带兼作牵引机构和承载机构的一种连续运输机械,具有运输量大、单位耗能低、运输平稳、电驱动,以及易于实现自动控制等优点。

目前,带式输送机一般采用变频驱动,这为输送系统能源效率的提升创造了有利条件。按照XIA Xiao-hua等人[2]提出的能效优化POET框架,水泥熟料仓储转运系统可从性能层和操作层提升能源效率。由于能效优化项目无需进行复杂的硬件设备改造,可以只升级系统的控制策略,该项目实施的成本较低。

对带速和运输量进行控制是输送机节能的可行方法,并且这些方法已经被用于输送系统的优化调度的研究之中。ZHANG Shi-rong等人[3-5]1931在研究优化带式输送机系统控制效率等问题时,提出了一种输送机的开关控制及调速控制框架。MU Yun-fei等人[6]在研究煤矿输送系统的调度问题时,提出了一种考虑筒仓虚拟储能的煤矿带式输送机系统优化调度方法。刘暾[7]在煤矿带式输送机综合节能调控系统的应用研究中，对矿用输送机实际控制中进行了调速系统的控制实践。

优化调度是各行业提升能源效率的重要方法,在车辆调度[8]、泵站[9]573-574等行业都得到了应用。

目前,在带式输送机运输量的在线测量方面已经出现了多种方法,例如称量法、应力法[10]、CCD图像测量法[11,12]等。这些方法的出现为带式输送机的带速-运输量匹配控制提供了可能。翟文超[13]采用双目视觉方法测量了煤流量,并且设计了输送机相应的控制系统。刘宝军[14]基于皮带秤的测量数据,研究了带式输送机的学习建模和模糊控制问题。

在以上文献中,有关于带式输送[15，16]机优化调度的研究主要是针对运煤系统开展的,而水泥熟料运输方面的研究较少。

受原料分布特征的影响,水泥厂的选址具有集群特征,在同一片区域会布置多家水泥生产企业。水泥熟料需从多个厂区转运出来并存储到多个熟料库,再统一运送出去。水泥熟料仓储转运系统流程复杂、设备繁多,需要调度的变量维度高。

笔者对某由带式输送机构成的复杂水泥熟料转运系统进行分析和流程分解,采用最优控制方法建立转运系统的全流程优化调度问题,在考虑分时电价、产量预测等因素,以及熟料库库容等多种约束的基础上,对优化调度策略进行仿真,研究优化时域对其性能的影响。

1 带式输送机转运系统

笔者针对某水泥熟料仓储转运输送机系统进行研究,如图1所示。

图1 水泥熟料仓储输送机转运系统示意图

仓储转运系统中的一段长距离带式输送机如图2所示。

图1中,笔者分别将3家水泥厂标记为MS、BX和HK。其中：

(1)MS厂产量为5 000 t/d,厂区内布置了大容量熟料库silo1,以存储本厂的产品并接受从熟料库silo2和熟料库silo3转运过来的熟料,silo1的库容为30 000 t;(2)HK水泥厂产量为7 500 t/d,silo2库容为10 179 t,存储HK厂的产品,并接受从GD route输送系统转运过来的熟料,GD route也采用了带式输送机,输送量为每年600万吨。熟料库silo2中的熟料通过运输线路Route 2#的4台输送机转运到silo1,route 2#的运输能力为2 400 t/h;(3)BX水泥厂产量为5 000 t/d,silo3熟料库库容为8 000 t,用于存储BX厂的产品并通过运输线路route 3#的3台输送机将熟料转运到silo1,route 3#的运输能力为800 t/h。

图2 长距离带式输送机

最后,silo1中的熟料通过运输线路route 1#转运到CX港码头,route 1#包含5台输送机,运输能力为3 000 t/h。

在该转运系统中,包括3条运输线,共计12台输送机,输送机设备配置如表1所示。

表1 输送机规格及配置

2 全流程优化调度仿真

目前,分时电价政策已在国内推广。另一方面,熟料库1～熟料库3提供了较大的缓冲空间,若采用优化控制理论充分利用分时电价和熟料库的缓冲能力对仓储转运系统进行优化调度将获得可观的能效提升。

图1中水泥熟料仓储转运系统包括3条运输线,共12台输送机。利用熟料库的缓冲功能系统可以分解为3个子系统分别进行优化,但子系统之间的协调只能依靠人工调度。

笔者从整体性角度出发,考虑3条运输线的关联特征,将整个水泥熟料仓储转运系统定义为全流程。

以下将以转运系统全流程为对象,通过建模及优化控制以提高系统的能源效率。

2.1 输送机模型

输送机是输送系统中的核心耗能设备,ZHANG Shi-rong等人[17][18]3062-3064提出了带式输送机的能量计算模型,即:

(1)

式中:P(v,T)—带式输送机功率,kW;v—带速,m/s;T—输送机运输量,t/h;a-e—模型系数,由设计参数计算获得,也可通过参数辨识或曲线拟合等方式获得[19]。

笔者采用曲线拟合的方式获得了12台输送机的模型参数,并且借助于Belt Analyst分析软件获得了其建模数据。Belt Analyst是由Overland Conveyor公司提供的一款专业带式输送机设计软件,被广泛用于输送机的设计与仿真领域[20,21]。Belt Analyst采用表1所示的输送机基本参数,借助其稳态分析功能,即可获得输送机能耗模型的建模样本。

在获得建模样本后,利用数据拟合即可获得输送机能耗模型参数a-e。

带式输送机工作时,其带速v和运输量T之间满足以下关系:

T=3.6·qG·v

(2)

式中:qG—单位长度传送带上的物料质量,kg。

qG最大值qG_max取决于传送带及物料本身的特性。在输送机运行时,调整T和v使qG取最大值,使输送带满载运行是实现节能的有效方式[3]1935-1936[18]3066。

可见,T和v存在紧耦合关系,即:

(3)

将式(3)代入式(1),经整理可得:

P(T)=λT3+γT

(4)

图1中,构成每条运输线的几台带式输送机串行连接,且中间没有分支,故同一运输线路几台输送机的运输量必然相等。

在后续输送机优化调度问题中,笔者将运输线路1的运输量T1,运输线路2的运输量T2和运输线路3的运输量T3合并为向量[T1,T2,T3],并将其作为调度的优化变量,这样可有效降低优化变量的维数。

2.2 目标函数

在区域[1,No],熟料转运系统全流程能源费用可以表示为:

(5)

在研究文献中,优化时域[t0,tf]一般取24 h,以符合分时电价函数的周期特征[3]1930-1931[9]576-577[18]3068-3069。

笔者将水泥厂熟料产量处理为可预测变量,这可以通过厂内的生产计划获得,但优化时域长则预测量的预测误差会增大。

以下将优化时域No作为可变参数进行研究,在时间轴上优化时域按照先后顺序排列,如图3所示。

图3 优化时域

为了抑制输送带带速变化以保护输送带,笔者将在目标函数中增加以下项:

(6)

式(6)抑制了输送量的大幅度变化。

由于输送量和带速存在式(3)所示的紧耦合关系,故对输送量的抑制最终将体现为对带速变化的抑制。

为了确保在两个连续时域切换时,能够控制变量的连续性,需要在优化目标中增加以下项:

(7)

将式(7)融入目标函数进行最小化,即可实现时域切换时运输量及带速的连续性。

(8)

2.3 约束条件

在建立熟料运输系统优化调度问题时,需要考虑包括带速约束在内的4种约束。

具体约束如下:

(1)带速约束。输送机工作时,其带速vj和运输量Tj之间满足以下关系:

(9)

(2)熟料库库容约束。为了确保转运系统安全,3个熟料库中的物料存量应一直处于上限值和下限值之间,即:

(10)

(11)

(12)

(13)

(3)运输量约束。在转运系统的能效优化问题中,线路1、线路2和线路3的运输量应该满足相应的物理限制,即:

(14)

(4)产量约束。在任意调度时域,各熟料库出库量大于等于入库量。

保证在某优化时域开始和结束时各熟料库内存量基本相等,这样便于优化调度的迭代执行:

(15)

3 优化调度结果分析

在该优化调度策略中,需要提前预知MS、BX和HK水泥厂的熟料产量以及GD线的熟料输入量。在该仓储转运系统运行管理中可以获得以上变量的日前预测值,这为优化调度的实现提供了条件。为了便于对比,以下选取固定预测量和波动预测量两种工况进行分析。

在优化调度策略仿真中,整个研究时域取48 h(N=144)以考察策略的有效性。但优化时域将取不同的值以研究时域宽度对能效优化性能的影响,将考虑No=3、No=12、No=24、No=36及No=72这5种方案。

在整个研究时域中,多个优化时域按照时间顺序迭代运行,如图3所示。例如,当No=12时,整个研究时域将被分为12个优化时域,这些时域将按照先后顺序依次执行。

3.1 固定预测量工况

首先,笔者研究固定预测量工况下的优化调度问题。

MS、BX和HK水泥厂的熟料产量以及GD线的熟料输入量都保持恒定值,如图4所示。

图4 固定预测量工况下仓储转运系统优化调度

此处,调度时域宽度分别取No=3、No=12、No=24、No=36及No=72进行对比,优化调度策略如图4所示。

在固定预测量工况下,5种优化调度方案都可完成仓储转运系统全流程优化调度:3个熟料库的库容量都一直处于上、下限之间;各输送机单位长度物料量一直处于其最大值之下,且接近最大值,实现了输送带的满载运行;输送机运输量都满足其物理约束。

当优化时域较小时(N=3,时间为1 h),由于调度时域短,优化指令无法响应分时电价,3条线路的运输量基本不变,且熟料库存量也基本不变。随着调度时域的增加,优化指令将充分利用熟料库缓冲能力及分时电价,熟料库存量变化大,并尽量在电价低谷期运行输送机,在高峰期和尖峰期低速运行甚至停运。

为了进行对比,笔者还考虑了常规开关控制方案,并将其作为节能率和节费率计算的参考;开关控制完全按照库存量来调度运输线路的启停。以线路1为例,若熟料库1中的存量小于等于其下限则启动运输线路1;反之,当熟料库1存量大于等于其上限则停运线路1。线路2和线路3的调度方案与之相同。在开关控制方案下,为了更加贴合实际工况,输送机运行在带速上限,且运输量取最大输送量的80%。

常规开关调度结果如图5所示。

图5 固定预测量工况下仓储转运系统开关控制

由图5可知:3个熟料库的存量一直在上、下限之间;但开关控制完全不考虑分时电价,在电价低谷期停运输送机,而在高峰期甚至尖峰期运行输送机,这将导致较低的能源效率。

3.2 波动预测量工况

为了研究最优调度策略的有效性,笔者将继续在波动预测量工况下对其结果进行验证。

优化调度的结果如图6所示。

由图6可知:在波动预测量工况下,5种优化调度方案都获得了可行解;熟料库容量、输送机单位长度物料量都满足约束。优化指令充分利用了分时电价和熟料库的缓冲能力,尽量将输送机的运行时段调度到电价低谷期,在高峰期和尖峰期低速运行输送机,甚至停机。

为了对优化策略的性能进行定量分析,笔者对优化策略的技术指标进行了整理,如表2所示。

图6 波动预测量工况下仓储转运系统优化调度

表2 控制策略性能指标

续表

由表2可知:在固定预测量工况下,优化调度策略的节费率随着时域的增大而增加,当No=72(即以24 h为优化时域)时,3条线路都可以取得显著节费率。与节费率相比,节能率的数值相对较小。电能的节约主要源于输送机的降速满载运行;电费的节约则源于对分时电价的优化利用,调度策略将运输任务规划到低电价时段。

与固定预测量工况类似,当No较小时,优化策略可使用的余量较弱,节费率不高,甚至出现负值(例如,当No=3时线路3的节费率)。随着优化时域的增加,调度策略充分利用了熟料库的缓冲能力和分时电价:在尖峰时段停运输送机;在高峰时段输送机以较低的速度运行;在谷段则按照较高速度运行。

表2中,在波动预测量工况下,优化调度也获得了明显的节费率和一定的节能率。

对比表2两种工况下不同的优化时域可知:当No取72(预测时域24 h)时,优化调度的节费率最大,但随着预测时域的增大,对水泥厂产量的预测精度必然会降低,现场应用难度大。当No从3增加到12时,节费率增幅最大;随着No的进一步增加,节费率增幅变小。

以上结果表明:若能获得4 h宽度的预测量(No=12),该优化调度方案虽不能取得最优节费率,但亦可获得较大的收益。且4 h的预测宽度大大降低了对产量预测的要求,现场应用相对简单。表2中,节能率与优化时域间无正相关性,是因为优化调度问题以能费最小化为指标,而不以能耗最小化为指标。

4 结束语

笔者对某包含3个水泥厂、3个熟料库、1条外运输入线路和1个港口的水泥熟料仓储转运系统的全流程最优调度进行了研究;并对优化时域宽度进行了研究,探讨了预测宽度对优化性能的影响。

研究结果表明:

(1)在预测量固定和预测量波动两种工况下,本文提出的优化调度策略均可节约水泥熟料仓储转运全流程的电能,且节费率提升尤为显著;

(2)随着预测宽度的增加,优化调度策略的节费率增大,但产量预测难度也将增加;

(3)节费率的最大增幅位于No=12,若预测时长大于等于4 h(No≥12),笔者所提调度策略即可获得显著收益。

笔者的研究有效缩短了预测时域长度,降低了调度策略的现场应用难度,具有较大的实用性。在后续的工作中,笔者将对优化调度策略的现场应用及对预测偏差的补偿控制问题进行研究。