一、轧钢系统能耗分析与节能对策(论文文献综述)
杨杰诚[1](2020)在《重点用能设备能效管理系统开发》文中研究说明工业作为我国能源消耗的重要产业,其能源消耗占全国能源消耗总量70%以上,是节能降耗工作的重点。其中,做好工业企业重点用能设备的能效管理工作是提高能源利用效率的重要手段,在工业节能中居重要地位。用能设备运行时存在一定的危险性,一旦发生安全事故会带来不可估量的人身和经济损失,所以必须加强用能设备的安全检查。同时用能设备能源消耗是企业能源消耗主要来源,然而在实际运行过程中能源消耗量大、效率低、管理粗放、浪费严重、多数设备达不到满负荷运行状态,严重消耗我国现有资源,具有巨大节能潜力。企业必须充分考虑用能设备的运行安全,加强对用能设备的能效管理。目前有关用能设备能效管理的软件很少,大多数能效检测机构甚至企业自身,并不能有效的对用能设备进行管理,造成企业生产安全隐患和能源浪费。在此基础之上,本文对重点用能设备的安全检查和能效管理内容进行详细分析,建立重点用能设备能效模型,同时介绍先进的可视化软件WPF以及MySQL开源数据库技术,阐述重点用能设备能效管理系统的开发过程,并以宝山钢铁股份有限公司2050机组3#步进轧钢加热炉这一实例来证明系统的可行性。
李文[2](2019)在《技术创新、制度创新协同演化视角下中国钢铁产业升级实证研究》文中研究表明钢铁产业是国民经济的基础性支撑产业。在经济新常态下,中国钢铁产业已由传统的主要依靠要素投入的发展模式向创新驱动产业升级的发展模式转变。依据演化经济学理论与熊彼特创新理论,技术创新与制度创新是拉动产业升级的两个重要力量。然而,当前中国钢铁产业升级水平仍处于初级阶段,技术创新与制度创新处于较低的水平,且二者的协同效应也较低。现阶段的迫切任务就是要探索技术创新与制度创新的协同机制,实现钢铁产业资源的有效配置,有效拉动钢铁产业升级。因此,掌握技术创新与制度创新的运行机制及二者的协同演化机理,探索技术创新、制度创新及其协同演化对产业升级的影响程度,是实现中国钢铁产业升级亟待研究的重要理论和实践问题。本文以中国钢铁产业为研究对象,在理论研究的基础上,对中国钢铁产业技术创新能力、制度创新能力及二者协同演化进行评价,进而探讨其对钢铁产业升级的影响。本文主要在以下几个方面展开研究:我国钢铁产业技术创新能力震荡式增长。技术创新投入能力呈现先增长后下降态势;技术创新产出能力则表现出一种加速上升的趋势。本文认为技术创新投入能力下降可能有以下原因:金融危机造成钢铁产业亏损、企业经营困难;受钢铁产业淘汰落后产能、优化重组、节能减排、环境保护等一系列政策法规的出台的影响;可能与钢铁产业技术创新投入产出效率的提高及投入产出的时滞性有关。钢铁产业制度创新能力逐年提高。钢铁产业制度创新以企业层面制度创新为微观基础,以政府层面制度创新为支撑,相互配合、相互协调,形成钢铁产业制度创新体系。2009年开始,政府层面制度创新得分开始高于企业层面制度创新得分。在经济危机以后,我国加大了钢铁产业政策力度,尤其在钢铁产业去产能、环境保护和节能减排等方面出台了多项政策,同时在钢铁产业知识产权保护等方面都采取了更多的措施,使得钢铁产业制度创新能力呈现不断提升的发展趋势。钢铁产业升级趋势较为平稳,但产业升级核心指标产业附加值评价得分基本实现增长态势。同时也注意到,产业升级指标体系其他指标表现不稳定。生产效率指标呈现逐年下降的趋势。产品出口受到金融危机影响,2009年呈现断崖式下跌。在钢铁产业发展的不同阶段,技术创新与制度创新协同演化的动力来源不同:在产能扩张阶段,协同演化的主要动力来源于技术创新;在结构调整阶段,协同演化的主要动力来源于制度创新;在智能制造阶段,协同演化的主要动力仍然来源于制度创新。通过复合系统协同度模型的测算,发现技术创新与制度创新协同度不稳定,震荡明显。通过BP神经网络模型仿真训练,本文观察了技术创新、制度创新及其协同演化对产业升级的影响:技术创新与制度创新协同演化对产业升级的影响程度最高,技术创新与制度创新协同度对劳动生产率增长与环境污染指标的降低影响最为明显。因此,钢铁产业技术创新与制度创新协同度的提高不仅可以更有效的加快钢铁产业技术创新、制度创新各自的发展进程,也可以在激烈的市场竞争中形成加速推进效应,实现“1+1>2”的协同效应。本文在以下几个方面尝试地进行拓展创新:(1)构建了一个理论分析框架;(2)构建BP神经网络模型,利用动态数据进行钢铁产业升级评价与测度;(3)在实证分析基础上,发现协同演化对产业升级具有较强的推动作用,对钢铁产业实践具有一定借鉴价值。
王琪[3](2019)在《基于信息流的高耗能企业循环经济监控体系研究》文中研究表明高耗能产业实施和推进循环经济战略的关键,是要保证每个高耗能企业的信息化建设水平不断提高。高耗能企业循环经济信息流监控体系的构建是其信息化建设的核心内容之一,其运行的根本是要实现经济绩效与环境绩效有机结合,即提高企业循环经济的协同效应和综合效益。高耗能企业是推进工业化与信息化融合的重点,需要系统研究的其循环经济监控体系建设与信息流的协同效应。本论文基于循环经济协同管理的视角,提出高耗能企业循环经济信息流监控体系的概念,并将高耗能企业循环经济信息流监控体系分为产品信息流防控体系和企业余能回收利用信息流监控体系两种类型。运用信息流分析方法,构建了产品信息流防控体系模型,设置防控预警线对物耗、能耗及排放物协同防控,改进产品生产流程。另外,构建了企业信息流监控体系模型,利用实时监测功能,通过设置感应信号对蒸汽、高炉煤气等余热资源进行回收利用,对企业生产流程进行优化分析。以某一高耗能产品及企业为例,运用所构建的模型,分析计算了高耗能产品及企业通过信息流监控所能实现和提升的循环经济协同效应。针对高耗能产品和企业循环经济建设中存在的一些问题及提升循环经济协同效应提出了对策建议。结果表明:上述模型能有效提升高耗能产品及企业循环经济协同效应,具有一定的实用性,可以为研究高耗能企业的循环经济综合效益提供一微观分析模型和手段,为高耗能企业推进信息化与循环经济的有机结合提供参考。
任明[4](2019)在《京津冀地区钢铁行业能源、大气污染物和水协同控制研究》文中研究表明京津冀地区(北京-天津-河北)当前面临着全球性的温室气体减排、区域性的严重大气污染和水资源极度短缺的三重压力。钢铁行业作为该地区的主要能耗、大气污染物排放以及水资源消耗部门,如何协同控制这三个方面问题是钢铁行业转型升级过程中面临的巨大挑战。先进生产技术是钢铁行业转向清洁、低碳、高效的可持续发展方式的关键。中国政府已经发布了一系列的节能减排技术目录,促进钢铁行业节能减排技术推广应用。因此,研究京津冀地区钢铁行业如何通过技术的优化选择协同控制能源、大气污染物和水资源是非常必要的。本文在查阅国内外相关研究的基础上,结合京津冀地区面临的特殊的资源与环境约束,考虑到该地区钢铁行业处于转型升级的关键阶段,针对京津冀地区钢铁行业能源、大气污染物和水的协同控制问题展开研究。首先,采用生命周期评价理论对不同炼钢流程的能耗、大气污染物排放和水资源消耗量进行评估,以期为优化钢铁生产结构提供基础;其次,采用环境效益评估方法和节能供给曲线等方法,评估每个节能减排技术对能源、大气污染物和水资源的影响及技术的成本有效性,以期为技术的优化选择提供基础;最后,在前两部分研究的基础上,采用运筹学理论和自下而上的建模方法建立综合动态优化模型,优化技术发展路径,以期达到能源、大气污染物和水的协同控制的目的。取得以下创新性的工作:(1)针对京津冀地区的钢铁生产技术水平,建立了 CO2和大气污染物(SO2、NOx和PM2.5)排放核算模型,弥补了区域层面上钢铁行业的CO2和大气污染物排放核算研究的不足。在应用研究中,从生命周期的角度核算不同炼钢流程的吨钢CO2、大气污染物(SO2、NOx、PM2.5)排放量及水资源使用量。高炉-转炉炼钢流程和电弧炉炼钢流程是两种常见的炼钢流程。由于国内废钢资源稀缺,在电弧炉炼钢过程中通常会加入大量的铁水。为了便于对比分析,本文将炼钢流程分为高炉-转炉炼钢流程、基于废钢和铁水的电弧炉炼钢流程和基于废钢的电弧炉炼钢流程。研究表明,与高炉-转炉炼钢流程相比,电弧炉炼钢流程具有较低的吨钢CO2和大气污染物(SO2、NOx和PM2.5)排放量,但是其吨钢用水量较高。尤其是基于废钢和铁水的电弧炉炼钢流程,其吨钢用水量要比高炉-转炉炼钢流程的吨钢用水量高出63.45%。以废钢为原料的电弧炉炼钢流程的CO2和大气污染物(SO2、NOx和PM2.5)的排放水平及取水量均较低,明显低于高炉-转炉炼钢流程和基于铁水和废钢的电弧炉炼钢流程。其中,PM2.5排放差距较为明显,基于废钢的电弧炉炼钢流程的吨钢PM2.5排放量仅占高炉-转炉炼钢流程吨钢排放量的3.9%,占基于铁水和废钢的电弧炉炼钢流程吨钢排放量的4.5%。因此,在京津冀地区可以适当提高基于废钢的电弧炉炼钢比例。(2)以钢铁行业先进适用节能减排技术为基础,建立模型全面量化技术的CO2和大气污染物(SO2、NOx和PM2.5)减排量及节水量;将节能技术的环境效益(CO2和大气污染物减排效益及节水效益)引入技术的成本有效性评估中,对传统的节能供给曲线(Conservation Supply Curve,CSC)进行拓展,在仅考虑节能效益的基础上加入节能技术的环境效益,研究环境效益对节能技术成本有效性及优先顺序的影响。研究表明,钢铁行业节能技术通过节约能源能够减少化石燃料在燃烧过程中释放的CO2和大气污染物,具有从源头上同时减排CO2和大气污染物的效果。此外,有些节能技术还兼具节水效果。例如,干熄焦技术等同时具有较好的节能、减排和节水效果。末端治理技术对特定大气污染物的减排效果较好。但是,末端治理技术在使用的过程中通常会增加电耗或者用水量,从而使得末端治理技术在减少某一种大气污染物的同时增加CO2的排放及水资源负担。因此,在技术的优化选取过程中,应该优先考虑能够从源头上减少污染物产生的节能技术,尤其是那些协同控制效果较好的节能技术。节能技术产生的CO2和大气污染物减排及节约效果通常被决策者忽略,尤其是在技术的成本-效益评估过程中。通过研究发现,在技术的成本效益评估过程中加入技术的环境效益不仅会影响技术的成本有效性,还会改变技术的优先顺序。因此,在钢铁行业技术的成本-效益评估过程中,充分考虑技术的环境效益是非常必要的,这有助于选择出使得整个社会效益最大化的技术组合。(3)将水资源因素引入CO2和大气污染物协同控制框架中,综合考虑京津冀地区钢铁行业面临的温室气体减排、严重大气污染和水资源极度短缺的三重约束以及钢铁生产过程的复杂性,构建了自下而上的综合动态优化模型,以成本最小为优化目标,模拟技术的动态发展过程以及技术的多个维度之间的相互关联关系,探索京津冀地区钢铁行业实现能源、大气污染物和水资源协同控制的最优技术发展路径。考虑到未来技术成本、水资源供给量等参数的不确定性,使用两阶段随机优化方法对综合动态优化模型中的不确定性进行处理,建立不确定条件下的综合动态优化模型。弥补了两阶段随机优化方法在钢铁行业技术投资决策研究中的不足。结合情景分析法,预测不同废钢供给情景下京津冀地区钢铁行业能源需求量、大气污染物(SO2、NOx和PM2.5)排放量和水资源需求量。研究结果表明,为了达到能源、大气污染物排放和水资源协同控制的目标,京津冀地区钢铁行业应优先推广型高导热高致密硅砖节能技术、小球烧结技术和高炉炉顶煤气干式余压发电技术等26项技术,此类技术可以有效协同控制能源、大气污染物和水资源。随着节能减排技术的优化发展和电弧炉比例的不断升高,2015~2030年京津冀地区钢铁行业不仅能够节约能源321.11百万tce,减少SO2、NOx和PM2.5排放量分别为307.49万t,108.27万t和101.77万t,而且还可节约9.65亿m3的水资源。一方面,本研究为钢铁行业协同控制温室气体、大气污染物和水资源提供思路,从而同时达到减排温室气体和大气污染物及节约水资源的目的。另一方面,为建立京津冀地区钢铁行业节能减排与产业转型升级科技示范区提供技术路线,还为全国钢铁行业技术升级提供基础。
张孟豪[5](2016)在《钢铁企业绿色生产行为的影响因素及其作用机理研究》文中研究指明钢铁行业作为重要原材料的生产和加工部门,是关系着国计民生的基础性行业。钢铁行业面临产能过剩和能耗过大的双重影响,加之能源供需矛盾和环境污染的日益严重,因此,节能减排势在必行。钢铁企业作为能源使用和管理的基本单位,实施绿色生产管理,可以通过改进管理措施,来提升能源的使用率;借助技术节能手段,可以提高资源的回收利用率;深入调整产品结构,可以进一步挖掘企业节能减排的潜力。因此,研究钢铁企业绿色生产行为的影响因素、作用机理及引导政策,具有重要的现实意义。本文以钢铁企业绿色生产行为作为研究对象,综合运用可持续发展理论、循环经济理论、生态工业学、最优化理论的原理与方法,通过分析国内外相关文献和理论,并结合质性访谈研究,构建了钢铁企业绿色生产行为的影响因素模型。随后,借助问卷调研采集的样本数据对钢铁企业绿色生产外部与内部影响因素的作用机理进行了探讨,进而设计了系统动力学仿真模型,分别对钢铁企业绿色生产意愿水平的各种影响因素进行了仿真检验。在实证分析和仿真分析的基础上,本文探讨了如何更有效地引导钢铁企业进行绿色生产行为的对策与措施。具体研究内容主要以下:(1)对钢铁企业焦化、烧结、炼铁、炼钢、轧钢五个工序的能耗和污染排放进行分析,并对钢铁企业绿色生产在各工序中的主要措施进行总结。在结合案例研究的基础上,本文对钢铁企业绿色生产的重要性与特殊性进行了讨论,并将绿色生产的八个分类归纳为三种改进行为,分别为技术改进行为(改进生产工艺技术、设备更新)、管理改进行为(加强管理、过程控制、提高员工素质)和结构改进行为(减少原辅料和能源消耗、生产绿色产品、减少废弃物)。(2)对影响钢铁企业绿色生产行为的政府管制、公众监督、技术因素和市场利益相关者及绿色氛围等因素进行理论解读,分析影响机理和博弈关系。分析显示,政府管制、公众监督、技术因素和市场利益相关者及绿色氛围均在理论上对钢铁企业绿色生产行为有显着的影响。(3)通过扎根理论质性研究的思想和方法对影响因素进行访谈,在结合文献和理论研究的基础上,建立钢铁企业绿色生产影响因素的研究模型,并对外部和内部影响因素进行维度划分。具体而言,外部影响因素包括政府管制、公众监督、技术因素和市场利益相关者。其中,政府管制分为命令控制型管制、市场机制型管制和监督力度三个维度;公众监督分为监督执法和舆论压力两个维度;技术因素分为收益与适用性和成本与易得性两个维度;市场利益相关者分为消费者和供应合作方两个维度。绿色氛围分为社会责任、员工绿色诉求、领导价值观与绿色认知及企业文化四个方面。钢铁特殊影响因素主要包括持续绿色生产状况、工艺流程状况、负债率、外部融资难易度四大类。(4)采用问卷调研数据对钢铁企业绿色生产行为影响因素进行了实证研究并对研究假设进行了检验。研究的主要结论如下:钢铁企业绿色生产技术改进行为、管理改进行为和结构改进行为因持续绿色生产情况、工艺流程情况及外部融资难易度的不同而存在显着差异。钢铁企业绿色生产技术改进行为因负债情况的不同而存在显着差异。命令控制型管制、收益与适用性和供应合作方部分通过钢铁绿色生产意愿作用于技术改进行为。舆论压力、收益与适用性部分通过钢铁绿色生产意愿作用于结构改进行为。成本与易得性完全通过钢铁绿色生产意愿作用于结构改进行为。市场机制型管制、收益与适用性、成本与易得性和供应合作方部分通过钢铁绿色生产意愿作用于管理改进行为。舆论压力完全通过钢铁绿色生产意愿作用于管理改进行为。社会责任、员工绿色诉求、企业文化对绿色生产意愿作用于管理改进行为和结构改进行为的路径调节效应显着。领导价值观与绿色认知对绿色生产意愿作用于技术改进行为和结构改进行为的路径调节效应显着。绿色生产行为结果对绿色生产意愿和钢铁企业绿色生产行为均有显着影响。(5)在前文研究的基础上,建立了钢铁企业绿色生产影响因素的系统动力学模型,并对其进行仿真分析。研究主要结论如下:在不引入任何影响变量的条件下,钢铁企业进行绿色生产意愿水平在2015到2025年10年内呈现缓慢增长趋势;引入变量后的钢铁企业绿色生产意愿水平改变要明显好于钢铁企业绿色生产意愿的自然变化;5种变量组合对钢铁企业绿色生产意愿的提升效果最大;单个影响因素对于钢铁企业绿色生产意愿提升效果从强到弱依次为:绿色氛围、政府管制、技术因素、公众监督及市场利益相关者。(6)结合实证研究和仿真研究结果,分析并提出了改进钢铁企业绿色生产行为的措施与建议。措施建议分为三个部分:基于外部影响因素的措施建议,基于绿色氛围的措施建议和钢铁企业绿色生产引导政策的建议。
张晨凯[6](2015)在《工业节能减排潜力与协同控制分析 ——以钢铁行业为例》文中提出工业是国家节能与减排的重要领域,当前环境标准不断趋于严格,约束性的环境指标不断增多,节能减排目标的控制也愈加复杂。针对工业部门多个节能减排目标的约束,如何采取先进适用技术并制定系统的政策措施,既保障单一环境目标的实现,又规避不同环境目标之间的转移,实现协同控制策略,这是我国工业部门深入推进节能减排的重大挑战。本文以钢铁行业为例,通过行业工艺技术体系模拟,结合自底向上建模方式构建行业节能减排潜力分析模型,评估2020年钢铁行业节能、水污染减排、大气污染减排的潜力与主要途径,并且分析行业结构调整和先进技术应用的协同节能减排效果,制定相应的技术政策。同时,通过拉丁采样和HSY算法分析不确定性条件下环境目标的制定和行业结构参数控制。此外,通过构建区域工业固废协同处置模型来进一步挖掘跨行业固废处置带来的节能减排潜力。研究表明:(1)2020年中国钢铁行业总能耗为4.48亿吨标准煤,相比于2013年减少0.11亿吨标准煤,吨钢综合能耗下降36.1千克标准煤。今后行业节能将从依靠技术潜力逐渐转向行业结构调整。(2)2020年二氧化硫、烟粉尘、氮氧化物排放总量相比2013年将分别减少25.4万吨、13.2万吨和8.9万吨。“十三五”期间,氮氧化物控制将存在很大阻力,应尽快制定适合钢铁行业的氮氧化物排放新标准,加快自主开发钢铁行业脱硝技术,对不同工序氮氧化物采取不同控制途径。(3)2020年钢铁行业氨氮排放总量相比于2013年减少31吨,但化学需氧量排放总量增加436吨。由于末端治理技术潜力逐渐饱和,今后水污染控制上逐渐转向清洁生产技术和行业结构调整手段。(4)“十三五”期间,行业节能时应重点加强氮氧化物、化学需氧量和氨氮的协同控制作用。在技术政策制定上,统筹考虑技术节能减排效果、推广空间、经济效益等因素。原有―一刀切‖的技术补贴方式转向采用节能减排量、贴息、投资额等多种差异化补贴方法。(5)2020年吨钢节能量目标定为33.2千克标准煤/吨钢。当铁钢比>0.840时,吨钢节能量目标实现将存在很大风险;总节能量目标定为685万吨标准煤,当粗钢产量>8.62亿吨时,行业节能总量目标实现将存在很大风险。(6)邯郸区域协同处置粉煤灰、脱硫石膏和钢渣的案例评估表明,加强区域间合作和跨产业共生,统筹考虑淘汰落后工业产能和发挥工业协同处置能力,是节能减排协同控制的有效途径。
谭琦璐[7](2015)在《中国主要行业温室气体减排的共生效益分析》文中提出我国当前面临温室气体减排和空气污染物的双重挑战,多数实证研究证明针对两者的措施存在共生效益,研究共生效益有利于我国制定更科学全面的空气污染物和二氧化碳减排政策。同时,共生效益概念所包含政治属性使得我国有必要明确行业具有的共生效益大小,以在国际谈判上具有更多的话语权。为评估我国主要行业二氧化碳减排的共生效益,量化共生效益对减排政策制定的影响,本研究基于钢铁、电力和水泥三个行业共146项技术开发了自底向上优化模型,构建了行业二氧化碳共生效益分析框架,结合多目标分析、不确定情景分析等评价了行业二氧化碳减排政策共生效益存在性和大小,在此基础上对行业未来二氧化碳削减目标给出建议。研究结果表明:行业现有的针对2015年的二氧化碳和空气污染物总量控制目标在电力和钢铁中能够实现,而水泥行业的烟粉尘和二氧化硫目标设定过严。对三个行业而言,无论是减碳还是减污目标都具有使对方削减的共生效益,但在减污目标驱动下产生的二氧化碳和空气污染物的共生效益总和更大。三个行业在2015年达到减碳减污目标基础上,2020年其二氧化碳排放强度还能够分别进一步削减4-20%,0-4%及2-15%。通过将碳排放强度在其可行范围内采样发现,并非任何水平的二氧化碳削减强度都具有空气污染物减排的共生效益,对某些污染物而言,只有碳约束达到较强程度时才具有协同削减的效益。三个行业在2020年所具有的最大空气污染物削减共生效益值占行业减排成本的比重分别为0.7-1.3%,1.2-2.4%,1.5-3.1%,共生效益值同成本的比值十分微小。在考虑减污共生效益大小,单位减排成本变化趋势和速率下,对三个行业2020年碳削减目标的建议为:电力行业2020年单位发电量碳排放强度比2015年削减10-14%,排放量为34.4-36.0亿吨;钢铁行业2020年吨钢二氧化碳排放强度比2015年削减1-2%,排放总量将达到12.6-12.8亿吨;水泥行业2020年吨水泥二氧化碳排放强度比2015年削减8-12%,排放总量为11.8-12.4亿吨。届时水泥行业有可能进入碳排放峰值的平台。
蔡九菊,王立,孙文强,张欣欣[8](2014)在《冶金热能工程分学科发展研究》文中指出一、引言冶金热能工程(Metallurgical Thermal Engineering)是冶金工程技术领域的一个分支,它所依托的学科是冶金热能工程学科。冶金热能工程学科不同于一般的热能工程学科,如图1所示,比"单体设备"更低的层面是"设备部件",更高的层面是"生产工序(厂)"、"冶金企业",乃至"冶金工业"。图1中"单体设备"是本学科的研究基础,通常被划分为两类:一类是工艺性热工设备,即广泛用于干燥、加热、焙烧、熔化和精炼冶金物料
董人菘[9](2014)在《钢铁生产过程能耗预测与调度优化研究》文中指出钢铁生产流程是一个典型的高温、离散和连续混合的物理化学变化过程,具有多因素、多工序、多工位、强耦合、非线性等特点。高能耗是钢铁冶炼生产的主要问题,开展节能降耗不仅有利于节约生产成本,也有助于实现低碳加工。钢铁生产物流能耗预测,可以为钢铁企业制定能源总体规划方案提供支撑作用;在钢铁生产过程中,合理高效的生产调度对降低能耗和物耗,提高产品的品质,加快循环生产,降低生产成本有着极其重要的意义;此外,对钢铁生产过程中进行在线检测,及时发现故障,为避免浪费,节约能耗和物耗成本有着重要作用。本文将围绕钢铁生产过程的物流能耗预测,生产过程调度优化和生产过程故障预测等关键问题开展研究。主要完成了以下研究工作:(1)针对钢铁生产流程中能耗预测模型建立困难、预测精度较低等问题,提出了一种基于蚁群优化的小波神经网络的钢铁生产物流能耗预测模型,首先对钢铁生产过程以及影响生产能耗的因素进行分析,确定输入参数构成特征空间,然后利用小波变换重构特征空间,接着利用神经网络模型建立能耗预测模型,最后采用蚁群算法对求解过程进行优化。在炼铁、炼钢以及轧钢工序的能耗预测实验表明,提出的方法具有较好的普适性的同时,提高了预测精度,为钢铁企业提前了解能耗需求提供了指导。(2)针对钢铁生产过程中,炼钢-连铸关键工序存在多目标、多约束和不确定性等调度难题,提出一种基于遗传粒子群算法的炼钢-连铸过程的调度优化算法,首先炼钢-连铸生产工艺的约束条件下,建立以节能降耗、质量可靠、生产有序的条件下的最小化加工时间为优化目标的调度优化模型,利用粒子群算法收敛速度快与遗传算法全局搜索能力强的特点进行优化设计和参数求解,建立优化调度模型。实验结果表明,该算法是一种有效的炼钢-连铸生产调度优化方法,能够编制出实现连浇的可执行的炼钢作业计划,并且可以降低炉次在各工序间等待造成的损失,减小加工流程时间,从而达到降低能耗成本目的。(3)为了解决在轧钢过程中进行故障检测或诊断存在困难的问题,提出了一种基于多核学习理论的钢铁生产轧钢过程在线故障检测模型。首先针对学习样本建立核主元分析与支持向量数据域描述模型,然后基于T2、Q统计量,以及数据域描述包络情况对轧钢过程进行初步识别,最后采用基于多分类多核最小二次支持向量预测模型对初识结果进行细分类,识别故障级别。本文利用上述模型对轧钢加热炉故障和机组故障进行了试验,结果表明,该方法能有效检测钢铁生产轧钢过程的故障。
乔哲[10](2013)在《我国钢铁工业能耗现状及节能对策》文中研究表明通过分析得出影响企业能耗的因素是各工序的"钢比系数"和"工序能耗",并进一步指出我国钢铁工业能耗高的主要原因是企业缺乏用系统节能的思想审视生产流程。最后,本文从能源管控中心、炼铁系统、炼钢系统、轧钢系统以及二次能源回收等方面提出了我国钢铁工业的节能对策。
二、轧钢系统能耗分析与节能对策(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、轧钢系统能耗分析与节能对策(论文提纲范文)
(1)重点用能设备能效管理系统开发(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 课题研究背景及意义 |
1.2 国内外研究现状及趋势 |
1.2.1 国内外能效管理研究现状 |
1.2.2 国内外系统开发研究现状 |
1.3 主要研究内容及目标 |
1.4 论文结构安排 |
第2章 重点用能设备能效模型建立 |
2.1 用能设备监测内容 |
2.2 风机能效模型建立 |
2.3 空压机能效模型建立 |
2.4 循环水泵能效模型建立 |
2.5 轧钢加热炉能效模型建立 |
第3章 重点用能设备能效管理系统开发 |
3.1 WPF概述 |
3.1.1 Windows图形演化 |
3.1.2 WPF体系结构 |
3.1.3 XAML框架 |
3.1.4 XAML名称空间 |
3.1.5 布局属性 |
3.1.6 控件分类 |
3.1.7 数据绑定 |
3.2 MySQL概述 |
3.2.1 创建数据库 |
3.2.2 插入数据 |
3.2.3 查询数据 |
3.2.4 更新数据 |
3.3 系统开发方案设计 |
3.3.1 系统功能 |
3.3.2 系统模块 |
3.3.3 系统架构 |
3.3.4 技术路线 |
3.4 MySQL建立 |
3.4.1 Navicat for MySQL介绍 |
3.4.2 创建数据库 |
3.4.3 插入数据 |
3.4.4 查询数据 |
3.4.5 更新数据 |
3.5 系统开发 |
3.5.1 系统界面设计 |
3.5.2 风机能效管理系统开发 |
3.5.3 空压机能效管理系统开发 |
3.5.4 循环水泵能效管理系统开发 |
3.5.5 轧钢加热炉能效管理系统开发 |
第4章 重点用能设备能效管理系统应用实例 |
4.1 设备概况 |
4.2 主要测试仪器 |
4.3 现场工况测试 |
4.4 现场数据记录 |
4.5 加热炉热平衡计算 |
第5章 总结与展望 |
5.1 总结 |
5.2 展望 |
参考文献 |
致谢 |
攻读学位期间所开展的科研项目和发表的学术论文 |
(2)技术创新、制度创新协同演化视角下中国钢铁产业升级实证研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 研究背景与问题提出 |
1.2 研究目的与意义 |
1.2.1 研究目的 |
1.2.2 研究意义 |
1.3 研究内容、方法与论文框架 |
1.3.1 研究内容 |
1.3.2 研究方法 |
1.3.3 技术路线图 |
1.4 相关文献综述 |
1.4.1 产业升级影响因素与度量方法 |
1.4.2 技术创新能力评价与实现路径 |
1.4.3 制度创新相关综述 |
1.4.4 协同演化与产业升级 |
1.5 研究创新之处 |
第2章 概念界定与理论研究 |
2.1 概念界定 |
2.1.1 产业升级 |
2.1.2 技术创新 |
2.1.3 制度创新 |
2.1.4 协同演化 |
2.2 技术创新、制度创新及协同演化与产业升级互动机理 |
2.2.1 技术创新与产业升级 |
2.2.2 制度创新与产业升级 |
2.2.3 协同演化与产业升级 |
第3章 中国钢铁产业升级指标体系构建及评价 |
3.1 产业升级评价指标体系的构建 |
3.1.1 构建原则 |
3.1.2 指标体系构建 |
3.2 一级指标描述性统计 |
3.2.1 附加值水平 |
3.2.2 生产效率水平 |
3.2.3 出口水平 |
3.2.4 能源利用及环保水平 |
3.3 评价方法选择及实证分析 |
3.3.1 评价方法选择 |
3.3.2 实证分析 |
第4章 中国钢铁产业技术创新指标体系构建及评价 |
4.1 技术创新评价指标体系构建 |
4.1.1 目标与原则 |
4.1.2 指标体系构建及评价方法的选择 |
4.2 一级指标描述性统计 |
4.2.1 技术创新投入能力 |
4.2.2 技术创新产出能力 |
4.3 指标权重的确定及技术创新能力评价 |
4.3.1 指标权重及评价结果 |
4.3.2 实证结果分析 |
第5章 中国钢铁产业制度创新指标体系构建及评价 |
5.1 制度创新体系的构成及演进分析 |
5.1.1 钢铁产业制度创新体系构成 |
5.1.2 制度创新的演进分析 |
5.2 评价指标体系的构建 |
5.2.1 评价指标的选择 |
5.2.2 评级指标体系的具体说明 |
5.3 指标权重的确定及制度创新能力评价 |
5.3.1 指标权重及评价结果 |
5.3.2 实证结果分析 |
第6章 中国钢铁产业协同演化研究 |
6.1 协同演化的实践 |
6.1.1 产能扩张阶段(2001 年-2007 年) |
6.1.2 结构调整阶段(2008 年-2015 年) |
6.1.3 智能制造阶段(2016 年-至今) |
6.1.4 中国钢铁产业技术创新和制度创新协同演化的总体特征 |
6.2 技术创新与制度创新协同演化模型的构建 |
6.3 技术创新与制度创新协同演化的实证分析 |
6.3.1 子系统协同度的确定 |
6.3.2 实证结果分析 |
第7章 中国钢铁产业升级仿真实验 |
7.1 BP神经网络模型构建 |
7.2 BP神经网络工作原理及过程 |
7.3 模型训练与确认 |
7.3.1 训练样本的归一化处理 |
7.3.2 网络训练及实验结果 |
7.4 模型调整确定 |
7.4.1 模型调整 |
7.4.2 实验结果分析 |
第8章 本文结论及对策建议 |
8.1 本文结论 |
8.2 对策建议 |
8.2.1 技术创新层面 |
8.2.2 制度创新层面 |
8.2.3 协同创新层面 |
8.3 研究不足 |
参考文献 |
致谢 |
攻读博士学位期间发表论文以及参加科研情况 |
(3)基于信息流的高耗能企业循环经济监控体系研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景及意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 国内外研究现状 |
1.2.1 基于信息流的研究综述 |
1.2.2 协同效应文献综述 |
1.2.3 循环经济文献综述 |
1.2.4 信息流监控体系的研究综述 |
1.2.5 研究现状评述 |
1.3 研究内容与方法 |
1.3.1 研究内容 |
1.3.2 技术路线与研究方法 |
1.4 研究创新点 |
第二章 理论概述 |
2.1 高耗能企业及产品理论概述 |
2.2 信息流分析理论概述 |
2.3 循环经济理论概述 |
2.4 协同效应理论概述 |
第三章 基于信息流的高耗能企业及产品循环经济监控体系研究 |
3.1 高耗能产品循环经济信息流防控体系研究 |
3.1.1 高耗能产品循环经济信息流防控体系的概念 |
3.1.2 信息流防控体系分析模型 |
3.2 高耗能企业余能回收利用信息流监控体系研究 |
3.2.1 高耗能企业余能回收利用信息流监控体系的概念 |
3.2.2 信息流监控体系模型构建 |
3.2.3 信息流监控体系价值流评价 |
第四章 高耗能企业及产品案例研究 |
4.1 高耗能产品循环经济信息流防控体系案例研究 |
4.1.1 产品简介 |
4.1.2 循环经济信息流分析 |
4.1.3 循环经济协同生产模式研究 |
4.1.4 产品所实现的循环经济协同效应 |
4.2 高耗能企业余能回收利用信息流监控体系案例研究 |
4.2.1 企业简介 |
4.2.2 余能回收利用信息流分析 |
4.2.3 余能回收利用价值流分析 |
4.2.4 企业余能回收利用信息流监控体系协同效应分析 |
第五章 高耗能企业及产品循环经济协同效应提升路径 |
5.1 高耗能产品循环经济信息流协同效应提升路径 |
5.1.1 基本思路 |
5.1.2 提升路径 |
5.2 高耗能企业余能回收利用信息流协同效应提升路径和对策 |
5.2.1 基本思路 |
5.2.2 提升路径 |
5.3 基于信息流监控体系的高耗能企业循环经济发展对策 |
5.3.1 推动能源结构优化,提高能源使用效率 |
5.3.2 推进高耗能企业信息流监控体系的集成应用 |
5.3.3 倡导绿色发展理念,引导高耗能企业转型升级 |
5.3.4 推动高耗能企业技术进步,走可持续发展的道路 |
5.3.5 发挥政府和社会的监督检查作用 |
第六章 结论与展望 |
6.1 结论 |
6.2 展望 |
致谢 |
参考文献 |
附录 A 攻读硕士学位期间发表论文 |
(4)京津冀地区钢铁行业能源、大气污染物和水协同控制研究(论文提纲范文)
摘要 |
Abstract |
1 引言 |
1.1 研究背景 |
1.1.1 京津冀地区钢铁行业面临的资源与环境约束 |
1.1.2 京津冀地区钢铁行业转向低碳、清洁、高效生产方式的路径 |
1.1.3 问题的提出 |
1.2 研究意义、内容及方法 |
1.2.1 研究意义 |
1.2.2 研究内容 |
1.2.3 研究方法 |
1.3 技术路线与主要创新点 |
1.3.1 技术路线 |
1.3.2 主要创新点 |
2 研究综述 |
2.1 协同控制的定义 |
2.1.1 协同效益 |
2.1.2 协同控制 |
2.2 钢铁行业资源与环境影响及协同控制研究进展 |
2.2.1 钢铁行业能耗及CO_2排放研究进展 |
2.2.2 钢铁行业大气污染物排放研究进展 |
2.2.3 钢铁行业水资源需求研究进展 |
2.2.4 钢铁行业资源与环境问题协同控制研究进展 |
2.3 钢铁行业定量评估模型研究综述 |
2.3.1 自下而上的评估模型 |
2.3.2 自上而下的评估模型 |
2.3.3 混合评估模型 |
2.4 不确定优化方法在能源环境模型中的应用 |
2.4.1 随机数学规划及其在能源和环境模型中的应用 |
2.4.2 模糊数学规划及其在能源和环境模型中的应用 |
2.4.3 区间数学规划及其在能源和环境模型中的应用 |
2.5 本章小结 |
3 京津冀地区钢铁行业发展和技术现状 |
3.1 钢铁行业发展现状 |
3.1.1 中国钢铁行业发展状况 |
3.1.2 京津冀地区钢铁行业发展状况 |
3.1.3 京津冀地区钢铁行业资源消耗和环境影响现状 |
3.2 京津冀地区钢铁行业技术现状 |
3.2.1 钢铁生产流程 |
3.2.2 关键节能减排技术分析 |
3.3 本章小结 |
4 基于生命周期的钢铁生产过程大气污染物排放和用水评估 |
4.1 生命周期分析方法 |
4.2 系统边界界定及模型构建 |
4.2.1 系统边界界定 |
4.2.2 CO_2排放核算 |
4.2.3 大气污染物排放核算 |
4.2.4 用水量核算 |
4.3 数据来源 |
4.4 研究结果 |
4.4.1 不同钢铁生产流程的CO_2、大气污染物排放和用水量 |
4.4.2 各炼钢流程中不同工序的CO_2、大气污染物排放和用水量 |
4.4.3 与其他研究结果对比 |
4.5 本章小结 |
5 钢铁行业节能减排技术大气污染物减排量评估及成本分析 |
5.1 节能减排技术的评估模型 |
5.1.1 量化节能减排技术的大气污染物减排量 |
5.1.2 节能供给曲线 |
5.1.3 初始参数设定 |
5.2 技术的大气污染物减排量和成本分析 |
5.2.1 技术的大气物污染物减排量 |
5.2.2 技术的成本分析 |
5.2.3 敏感性分析 |
5.3 节能技术推广的建议 |
5.4 本章小结 |
6 京津冀地区钢铁行业节能减排技术优化选择 |
6.1 综合动态模型的构建 |
6.2 模型中的不确定性分析及处理 |
6.2.1 模型中的不确定分析 |
6.2.2 模型中的不确定处理 |
6.3 基础参数设定 |
6.4 研究结果 |
6.4.1 京津冀地区钢铁行业技术优化发展路径 |
6.4.2 技术节能、大气污染物减排和节水量 |
6.4.3 最优技术发展路径下成本分析 |
6.4.4 京津冀地区能源、水资源需求和污染物排放预测 |
6.4.5 与其他研究结果对比 |
6.5 本章小结 |
7 结论与展望 |
7.1 主要研究结论 |
7.2 未来工作展望 |
参考文献 |
致谢 |
作者简介 |
(5)钢铁企业绿色生产行为的影响因素及其作用机理研究(论文提纲范文)
致谢 |
摘要 |
Abstract |
Extended Abstract |
1 绪论 |
1.1 研究背景 |
1.2 研究目的 |
1.3 研究意义 |
1.4 研究内容、研究重点与难点 |
1.5 研究方法及技术路线 |
1.6 本章小结 |
2 理论基础及相关文献综述 |
2.1 相关概念界定 |
2.2 绿色生产理论基础 |
2.3 企业绿色生产行为影响因素研究综述 |
2.4 企业绿色生产相关政策研究综述 |
2.5 本章小结 |
3 钢铁行业发展现状及其绿色生产状况分析 |
3.1 钢铁行业发展现状分析 |
3.2 钢铁企业绿色生产状况分析 |
3.3 钢铁企业焦化工序绿色生产管理 |
3.4 钢铁企业烧结工序绿色生产管理 |
3.5 钢铁企业炼铁工序绿色生产管理 |
3.6 钢铁企业炼钢工序绿色生产管理 |
3.7 钢铁企业轧钢工序绿色生产管理 |
3.8 钢铁企业绿色生产案例研究 |
3.9 本章小结 |
4 绿色生产行为影响因素的理论分析 |
4.1 政府管制因素的理论分析 |
4.2 公众监督因素的理论分析 |
4.3 市场利益相关者因素的理论分析 |
4.4 绿色生产技术因素的理论分析 |
4.5 企业绿色氛围因素的理论分析 |
4.6 本章小结 |
5 钢铁企业绿色生产行为影响因素及作用机理的模型构建 |
5.1 基于扎根理论的钢铁绿色生产影响因素选择 |
5.2 钢铁企业绿色生产行为影响因素的理论模型构建 |
5.3 本章小结 |
6 量表的设计与检验 |
6.1 量表开发的(理论)原则和流程 |
6.2 量表的设计 |
6.3 预调研与量表检验 |
6.4 正式调研与样本概况 |
6.5 数据正态性检验 |
6.6 正式量表的信度和效度检验 |
6.7 本章小结 |
7 钢铁企业绿色生产行为影响因素及作用机理的实证研究 |
7.1 描述性统计分析 |
7.2 钢铁企业特殊因素的差异性检验 |
7.3 钢铁企业绿色生产行为外部影响因素的全模型检验 |
7.4 绿色氛围的调节效应检验 |
7.5 绿色生产行为结果与钢铁企业绿色生产行为和绿色生产意愿关系检验 |
7.6 钢铁企业绿色生产行为影响因素模型的修正 |
7.7 本章小结 |
8 钢铁企业绿色生产影响因素的系统动力学仿真与对策建议 |
8.1 钢铁企业绿色生产影响因素的系统动力学仿真 |
8.2 引导钢铁企业绿色生产行为的对策建议 |
8.3 本章小结 |
9 研究结论与展望 |
9.1 主要研究结论 |
9.2 论文主要的创新点 |
9.3 研究的不足之处及未来研究展望 |
参考文献 |
附录1 |
附录2 |
附录3 |
附录4 |
作者简历 |
学位论文数据集 |
(6)工业节能减排潜力与协同控制分析 ——以钢铁行业为例(论文提纲范文)
摘要 |
Abstract |
第1章 引言 |
1.1 研究背景 |
1.2 研究目的和意义 |
1.3 国内外研究进展 |
1.3.1 工业节能减排潜力评估 |
1.3.2 自底向上模型 |
1.3.3 多环境目标协同控制 |
1.3.4 不确定性分析 |
1.3.5 工业废物协同处置分析 |
1.4 研究内容和技术路线 |
第2章 钢铁行业工艺技术体系模拟 |
2.1 钢铁行业主要生产流程 |
2.2 钢铁行业能耗水平分析 |
2.3 钢铁行业污染物排放分析 |
2.3.1 水污染物排放分析 |
2.3.2 大气污染排放分析 |
2.4 钢铁行业先进适用技术分析 |
第3章 钢铁行业节能减排潜力分析模型构建 |
3.1 钢铁行业节能减排途径 |
3.2 节能减排潜力计算方法 |
3.3 模型参数设置 |
3.3.1 粗钢产量预测 |
3.3.2 行业结构参数设定 |
3.3.3 行业技术参数设定 |
第4章 钢铁行业节能减排潜力评估 |
4.1 钢铁行业节能潜力评估与技术优选 |
4.1.1 2020年钢铁行业总能耗分析 |
4.1.2 2020年钢铁行业工序能耗分析 |
4.1.3 先进节能技术优选 |
4.2 钢铁行业大气污染减排潜力评估 |
4.2.1 各工序大气污染减排潜力评估 |
4.2.2 大气污染总减排潜力评估 |
4.3 钢铁行业水污染减排潜力评估 |
4.4 钢铁行业节能减排协同分析 |
4.4.1 不同措施节能减排协同效果 |
4.4.2 多环境目标下技术选择 |
4.5 本章小结 |
第5章 不确定性分析与风险控制 |
5.1 钢铁行业节能目标制定 |
5.2 行业关键参数控制 |
5.2.1 参数敏感性分析 |
5.2.2 行业结构参数控制 |
5.3 技术推广的不确定性 |
5.4 本章小结 |
第6章 区域工业固废协同处置分析 |
6.1 典型行业与区域的协同效应 |
6.2 区域固废协同处置模型构建 |
6.2.1 协同处置模型算法 |
6.2.2 模型参数设置 |
6.3 区域工业废物协同处置潜力分析 |
6.4 区域工业废物协同处置效益分析 |
6.5 本章小结 |
第7章 结论与建议 |
7.1 结论 |
7.1.1 钢铁行业节能减排潜力与途径 |
7.1.2 行业协同节能减排潜力与技术政策 |
7.1.3 行业目标制定与结构参数控制 |
7.1.4 区域固废协同处置潜力与效益 |
7.2 建议 |
参考文献 |
致谢 |
个人简历、在学期间发表的学术论文与研究成果 |
(7)中国主要行业温室气体减排的共生效益分析(论文提纲范文)
摘要 |
Abstract |
主要符号对照表 |
第1章 绪论 |
1.1 我国采取温室气体和空气污染物协同控制的必要性 |
1.2 温室气体减排共生效益实践 |
1.2.1 国外共生效益政策实践 |
1.2.2 我国行业节能减排行动 |
1.3 本研究的意义、目的及内容 |
第2章 温室气体减排共生效益研究综述 |
2.1 共生效益的定义及研究动机 |
2.1.1 共生效益概念的界定 |
2.1.2 共生效益研究动机 |
2.2 共生效益分类 |
2.3 定量评估模型 |
2.3.1 自底向上模型 |
2.3.2 自顶向下模型 |
2.3.3 BU和TD在共生效益研究中的比较 |
2.3.4 混合模型 |
2.4 将共生效益纳入政策决策的方法 |
2.4.1 政策效果评价 ——传统成本效益分析 |
2.4.2 考虑共生效益的改进成本效益分析 |
2.5 温室气体减排共生效益研究评述 |
2.5.1 质疑共生效益相关研究总结 |
2.5.2 中国共生效益研究综述 |
第3章 行业二氧化碳排放及共生效益分析模型 |
3.1 主要行业选择 |
3.1.2 二氧化碳排放 |
3.1.3 空气污染物排放 |
3.2 行业二氧化碳减排共生效益分析模型框架 |
3.3 行业及技术数据库模块 |
3.3.1 行业宏观外生变量及取值说明 |
3.3.2 行业技术系统构建和技术参数说明 |
3.4 共生效益分析优化模块 |
3.4.1 行业二氧化碳、空气污染物和成本计算式 |
3.4.2 优化目标及约束条件 |
3.5 行业减碳减污政策评估模块 |
3.5.1 行业2015年既有减碳减污总量控制目标政策评估 |
3.5.2 基于共生效益的行业碳减排目标制定 |
第4章 行业技术系统及技术层面共生效益 |
4.1 行业技术系统 |
4.1.1 电力行业技术清单及参数取值 |
4.1.2 钢铁行业技术清单及参数取值 |
4.1.3 水泥行业技术清单及参数取值 |
4.2 行业技术系统及参数验证 |
4.2.1 电力行业技术系统及参数验证结果 |
4.2.2 钢铁行业技术系统及参数验证结果 |
4.2.3 水泥行业技术系统及参数验证结果 |
4.3 技术层面共生效益分析 |
4.3.1 主体技术或设备 |
4.3.2 附属节能技术 |
4.3.3 污染物治理技术 |
4.4 本章小结 |
第5章 2015年行业减碳减污目标评价 |
5.1 行业2015年总量控制目标可行性评价 |
5.1.1 电力行业目标可行性评价 |
5.1.2 钢铁行业目标可行性评价 |
5.1.3 水泥行业目标可行性评价 |
5.2 现有总量控制目标的共生效益分析 |
5.2.1 电力行业减碳减污目标共生效益 |
5.2.2 钢铁行业减碳减污目标共生效益 |
5.2.3 水泥行业减碳减污目标共生效益 |
5.3 不同目标导向下减排行动经济效率评价 |
5.3.1 电力行业减排行动经济效率 |
5.3.2 钢铁行业减排行动经济效率 |
5.3.3 水泥行业减排行动经济效率 |
5.4 本章小结 |
第6章 行业2020年二氧化碳减排目标共生效益分析 |
6.1 行业层面减碳政策共生效益存在性检验 |
6.1.1 电力行业共生效益存在性及大小 |
6.1.2 钢铁行业共生效益存在性及大小 |
6.1.3 水泥行业共生效益存在性及大小 |
6.2 基于共生效益的碳减排目标制定与建议 |
6.2.1 行业空气污染物削减总共生效益 |
6.2.2 行业边际减排成本 |
6.2.3 行业2020年二氧化碳削减目标建议与评价 |
6.3 碳约束下技术经济性判定 |
6.3.1 电力行业技术演化路径 |
6.3.2 钢铁行业技术演化路径 |
6.3.3 水泥行业技术演化路径 |
6.3.4 行业实现减碳减污技术推广清单 |
6.4 本章小结 |
第7章 结论与建议 |
7.1 主要研究结论 |
7.2 进一步工作建议 |
附录 |
参考文献 |
致谢 |
个人简历、在学期间发表的学术论文与研究成果 |
(9)钢铁生产过程能耗预测与调度优化研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 选题背景及意义 |
1.2 钢铁生产过程能耗预测与调度优化研究 |
1.2.1 钢铁生产过程中能耗预测研究 |
1.2.2 钢铁生产过程调度优化研究 |
1.2.3 钢铁生产过程检测研究 |
1.3 论文的研究内容 |
1.3.1 研究内容 |
1.3.2 论文主要创新点 |
第二章 钢铁生产过程分析 |
2.1 钢铁生产过程特点分析 |
2.1.1 炼铁过程生产特点 |
2.1.2 炼钢过程生产特点 |
2.1.3 轧钢过程生产特点 |
2.2 钢铁冶炼过程能耗预测及调度优化分析 |
2.2.1 钢铁冶炼能耗预测 |
2.2.2 炼钢生产过程连铸工序调度 |
2.2.3 钢铁生产轧钢过程故障检测 |
第三章 钢铁生产过程能耗分析与预测方法研究 |
3.1 引言 |
3.2 钢铁生产能耗分析 |
3.2.1 钢铁生产能耗特点与影响因素 |
3.2.2 基于物质流和能量流的钢铁过程能耗分析 |
3.3 基于蚁群算法优化的小波神经网络钢铁生产能耗预测 |
3.3.1 小波理论 |
3.3.2 小波神经网络 |
3.3.3 基于蚁群算法优化的小波神经网络 |
3.3.4 基于蚁群小波神经网络的钢铁生产过程能耗预测模型 |
3.4 仿真试验与结果分析 |
3.4.1 高炉炼铁过程能耗预测试验 |
3.4.2 炼钢过程能耗预测试验 |
3.4.3 轧钢过程能耗预测试验 |
3.5 小结 |
第四章 基于遗传粒子群算法的炼钢-连铸生产调度优化模型 |
4.1 引言 |
4.2 炼钢-连铸生产工艺流程 |
4.3 炼钢-连铸生产调度优化方法 |
4.4 基于遗传粒子群算法的炼钢-连铸生产调度优化模型 |
4.4.1 炼钢-连铸生产调度优化问题定义 |
4.4.2 炼钢-连铸生产调度优化模型 |
4.4.3 遗传算法 |
4.4.4 粒子群优化算法 |
4.4.5 遗传粒子群炼钢-连铸生产调度优化算法 |
4.5 仿真实验结果与分析 |
4.6 小结 |
第五章 基于多核学习算法的钢铁生产轧钢过程故障检测 |
5.1 引言 |
5.2 基于多分类多核支持向量机的轧钢过程在线监测 |
5.2.1 基于核主元分析故障检测 |
5.2.2 基于核数据域描述故障检测 |
5.2.3 基于多分类多核支持向量机模型 |
5.2.4 基于多分类多核支持向量机的轧钢过程在线监测模型 |
5.3 轧钢过程典型故障检测方法 |
5.4 多核学习算法 |
5.5 实验结果与分析 |
5.5.1 加热炉故障检测试验 |
5.5.2 精轧机组故障检测试验 |
5.6 小结 |
第六章 总结与展望 |
6.1 全文总结 |
6.2 未来工作展望 |
致谢 |
参考文献 |
附录A (攻读博士期间的科研成果) |
四、轧钢系统能耗分析与节能对策(论文参考文献)
- [1]重点用能设备能效管理系统开发[D]. 杨杰诚. 上海应用技术大学, 2020(02)
- [2]技术创新、制度创新协同演化视角下中国钢铁产业升级实证研究[D]. 李文. 辽宁大学, 2019(11)
- [3]基于信息流的高耗能企业循环经济监控体系研究[D]. 王琪. 昆明理工大学, 2019(04)
- [4]京津冀地区钢铁行业能源、大气污染物和水协同控制研究[D]. 任明. 中国矿业大学(北京), 2019(08)
- [5]钢铁企业绿色生产行为的影响因素及其作用机理研究[D]. 张孟豪. 中国矿业大学, 2016(02)
- [6]工业节能减排潜力与协同控制分析 ——以钢铁行业为例[D]. 张晨凯. 清华大学, 2015(08)
- [7]中国主要行业温室气体减排的共生效益分析[D]. 谭琦璐. 清华大学, 2015(07)
- [8]冶金热能工程分学科发展研究[A]. 蔡九菊,王立,孙文强,张欣欣. 2012—2013冶金工程技术学科发展报告, 2014
- [9]钢铁生产过程能耗预测与调度优化研究[D]. 董人菘. 昆明理工大学, 2014(11)
- [10]我国钢铁工业能耗现状及节能对策[A]. 乔哲. 中国计量协会冶金分会2013年会论文集, 2013