-
题名钢铁企业安装屋顶分布式光伏发电的可行性
被引量:5
- 1
-
-
作者
韩玉召
姜文豪
赵贤聪
郝聚显
李辉
白皓
-
机构
北京科技大学冶金与生态工程学院
北京首钢股份有限公司能源部
冶金工业规划研究院工业节能与绿色发展评价中心
-
出处
《中国冶金》
CAS
北大核心
2018年第S1期104-108,共5页
-
基金
国家自然科学基金资助项目(41603006)
-
文摘
对于耗电量大但屋顶资源丰富的钢铁企业,建设光伏电站不仅可以实现能源的就近高效利用,还可以降低环境污染。为了说明钢铁行业安装光伏的可行性,以大型钢铁企业为例,设计该企业安装分布式光伏发电的可行性方案。结果表明,该企业可安装15 MW的光伏发电站,年平均发电量为1 760.1万kW·h,年节约标煤7 040.4t,减少污染物碳排放4 787.5t/a,CO2排放17 548.2t/a,项目投资回收期为7年,具有良好的投资潜力。
-
关键词
钢铁企业
屋顶
分布式光伏发电
太阳能资源
-
Keywords
steel enterprise
roof
distributed photovoltaic power generation
solar energy resource
-
分类号
TM615
[电气工程—电力系统及自动化]
-
-
题名热风炉煤气消耗量中期预测模型
被引量:12
- 2
-
-
作者
郝聚显
赵贤聪
韩玉召
白皓
-
机构
北京科技大学冶金与生态工程学院
-
出处
《中国冶金》
CAS
北大核心
2018年第2期17-22,共6页
-
基金
国家自然科学基金资助项目(41603006)
-
文摘
在钢铁生产过程中,副产煤气占钢铁企业总能耗的40%,因此,准确预测副产煤气的消耗量可以为钢铁企业煤气系统的优化调度提供科学的指导。热风炉是副产煤气系统的最大用户之一,由于工作周期频繁调整导致副产煤气消耗量波动剧烈,预测难度较大。针对现有预测模型预测提前量较短的问题,建立了基于时间序列的BP神经网络预测模型,在保证较高的预测精度的前提下将预测提前量延长至30min。以现场采集的热风炉煤气数据作为数据样本进行实例分析,发现训练样本为2000组、预测样本为30组时预测效果最好,平均误差绝对值可达4.04%。此外,还对不同预测模型进行对比,结果表明本模型最适合热风炉煤气消耗量的中期预测。
-
关键词
副产煤气
预测模型
时间序列
神经网络
-
Keywords
byproduct gas
prediction model
time series
neural network
-
分类号
TF544
[冶金工程—钢铁冶金]
-