基于DEA的化工过程能效评价方法应用研究
随着工业的迅速发展，经济腾飞的同时，依靠不可再生能源的高消耗的经济发展模式使得环境污染、能源消耗攀升等问题备受关注。同时，提高能源的使用效率被认为是实现经济可持续发展目标的重要手段，不断提升工业领域生产装置以及行业的能效水平具有重要的研究意义和实际应用前景。 复杂化工生产数据通常包含噪声。乙烯工业和精对苯二甲酸(Purified Terephthalic Acid，PTA)工业作为复杂化工行业不可或缺的重要角色，在生产过程中不可避免的具有同样的问题，因此，对乙烯工业和PTA工业进行能效评价，找出节能方向与潜力，具有重要的研究意义和实际应用意义。本文通过研究能效评价的基础理论，并对相关方法进行对比，说明了数据包络分析(Data Envelopment Analysis，DEA)的优势，由此，基于DEA进一步研究了适用于复杂化工行业的能效评价方法，分别应用于乙烯工业和PTA工业的实际生产数据，验证了提出方法的有效性与实用性，并提出生产改进，为能效提升提供指导。 本文主要研究内容如下: 1、针对传统DEA在实际应用中对决策单元(Decision Making Unit，DMU)的区分度有限，经常只能简单区分有效DMU和无效DMU。本文提出了一种结合余弦相似度（Cosine Similarity，CS）的DEA能效评价方法(DEA-CS)。相似度常被用于相似单元的多属性评价，余弦相似度是它的一个类别，常用于计算空间向量之间的相似值，本质上也是多属性评价方法，可以有效评估DMU的相似性。考虑生产前沿的有效DMU的趋同效应，在有效DMU中确立相似度排名，找出生产数据的能效标杆。最终将提出的方法应用于乙烯生产厂的生产数据进行能效评价，验证了所提方法的有效性，可以为乙烯生产改进提供指导方向，达到提高产能和降低能耗的目的。 2、针对能效评价对象的噪声在使用DEA进行能效评价时可能带来的消极影响，以及复杂化工行业实际生产数据中确实存在的噪声问题。本文提出了一种集成近邻传播算法（Affinity Propagation，AP）的DEA交叉模型(DEA Cross Model，DEACM)能效评价方法(AP-DEAM)。AP可以去除数据的冗余信息和噪音，进行生产数据的客观性降维，获得对能效具有更高影响的数据，引入交叉评估机制改进的DEACM方法可以获得所有DMU的效率值排序。相较于DEA-CS，AP-DEACM的不同在于，不仅克服了噪音影响，且具有更广的应用范围。最终将所提出的方法应用于PTA生产厂的生产数据进行能效评价，验证所提方法的有效性，为PTA生产过程降低能耗提供指导方向。 本文针对传统DEA在实际应用中对决策单元的区分度有限和噪音对DEA评价结果具有负面影响等两个问题，分别提出结合余弦相似度的DEA能效评价方法和集成近邻传播算法的DEACM能效评价方法。将两种方法分别应用于乙烯生产厂和PTA生产厂的实际生产数据进行能效评价，实验结果证明，这两种方法都有助于寻找生产改进方向，提高生产能效水平。同时，本文所提出的方法，对其他复杂化工生产的其他应用场景，同样具有借鉴意义和实用价值。
化工过程;能效评价;数据包络分析;余弦相似度;近邻传播算法
北京化工大学
硕士
软件工程
韩永明
2020
中文
TQ014
2020-11-17（万方平台首次上网日期，不代表论文的发表时间）