CN102203780B - 用于变化条件下加工公用事业的全局定标的系统及相关方法 - Google Patents
用于变化条件下加工公用事业的全局定标的系统及相关方法 Download PDFInfo
- Publication number
- CN102203780B CN102203780B CN200980130712.2A CN200980130712A CN102203780B CN 102203780 B CN102203780 B CN 102203780B CN 200980130712 A CN200980130712 A CN 200980130712A CN 102203780 B CN102203780 B CN 102203780B
- Authority
- CN
- China
- Prior art keywords
- overall
- steam
- minimum
- target
- output
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F22—STEAM GENERATION
- F22B—METHODS OF STEAM GENERATION; STEAM BOILERS
- F22B33/00—Steam-generation plants, e.g. comprising steam boilers of different types in mutual association
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F22—STEAM GENERATION
- F22B—METHODS OF STEAM GENERATION; STEAM BOILERS
- F22B35/00—Control systems for steam boilers
- F22B35/18—Applications of computers to steam boiler control
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E20/00—Combustion technologies with mitigation potential
- Y02E20/14—Combined heat and power generation [CHP]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Thermal Sciences (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Feedback Control In General (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
提供为包括组合蒸汽热及电力系统的地点优化能量管理的系统(30)、程序产品(51)和方法。例如,系统(30)能包括计算机(31),该计算机包括存储器(35)与存储器(35)中存储的能量公用事业建模程序产品(51)。系统(30)能够在无需人工迭代的情况下单独或者受限于因变化加工条件而引起的其它目标目的地对包括其全局最小和最大要求或能力的多个公用事业物品目标严格定标。系统(30)还能为给定加工或加工群获得因变化加工条件而引起的供求最佳和最坏范例情形。系统(30)还能提供受限于其它供求目的的这种数据,并且还能提供受限于针对其它物品要求或能力的用户所选值的物品要求或能力的范围。
Description
技术领域
对相关申请的交叉引用
本非临时申请要求通过引用被各自整体合并于此的下列申请的优先权和利益:美国专利申请No.61/171030,2009年4月20日提交,标题为“System,Program Product,and Related Methods for Global Targeting of Process Utilities Under Varying Conditions”;美国专利申请No.61/172698,2009年4月24日提交,标题为“System Program Product,and Related Methods for Global Targeting of Process Utilities Under Varying Conditios”;以及,美国专利申请No.61/207874,2008年6月6日提交,标题为“System,Program Product,and Related Methods for Global Targeting of Process Utilities Under Varying Conditions”。
本发明涉及能量定标(targeting)系统、程序产品及相关方法领域。
背景技术
加工(process)和公用事业(utilities)设施的设计和运行的同时优化由于例如变化的供求而是一项极具挑战性的任务。常常需要对加工需要进行剪裁以符合预期联合生成(cogeneration)目标(target),并且反之亦然。还常常需要在加工和公用事业设施的详细设计之前计算例如蒸汽和电力的潜在联合生成和分配。
用于组合蒸汽和电力(power)定标及模拟的现有技术方法以及最 众所周知的商业软件(可论证地)包括“Total-Site-Analysis”图形定标方法,该方法用于AspenTech、UMIST、KBC和其它商业加工模拟包以及组合热电(heat and power)系统模拟包,例如KBC的SUPERTARGET 和“Pro-steam”以及UMIST的“Start”。通过引用被各自整体合并于此的下列论文提供联合生成定标的各种尝试的示例:Linnhoff B.和Dhole V.的“Total Site Targets for Fuel, Cogeneration, Emissions and Cooling”(1993);Kokossis A.和Mavromatis S.的“Conceptual Optimization of Utility Networks for Operational Variations-I, Targets and Level Optimization” (1997);以及,Mohan T.和El-Halwagi M.的“An Algebraic Targeting Approach for Effective Utilization of Biomass in Combined Heat and Power Systems through Process Integration” (2006)。
但是,申请人理解,Total-Site-Analysis“图形方法”仅定义近似发电目标;不严格;并且没有为组合热电系统在加工变化的每个实质有效可能组合下提供完整的全局定标方法。具体来说,该方法没有提供全局目标,并且没有包括每个主要蒸汽供应和/或需求源。另外,它是迭代的,每当加工条件发生变化就要求通过新图形建立的人工枚举。它也不允许为因例如加工驱动器中蒸汽-电力生成和负荷分配的若干可能性而引起的不同加工需要进行定标。
最近引入的“代数方法”,虽然是对“图形方法”的改进(可论证地),但是也缺乏严格性,缺乏处理变化加工条件的能力,并且只能针对单个目的(objective)。另外,代数方法还要求处理可变加工条件的迭代,以便计算单个目的目标。
上述组合热电模拟软件包模拟蒸汽和电力系统,但是对于不同蒸汽和电力系统目的不具有系统定标能力。在这类软件环境中,为了对不同蒸汽和电力系统目的定标,在模拟运行中需要多次迭代,以便单独计算目标。换言之,常规软件包不能同时处理多个目标。另外,常规软件只能每次一个地处理变化条件,并且要求人工枚举来计算不同等级的供求变化的每种可能实质有效组合。总之,常规方法和软件提 供分析工具而不是定标工具。
申请人认识到,需要如下的系统、程序产品和方法:它们提供例如蒸汽和电力的联合生成和分配的严格自动化计算以使加工和公用事业设计者和运营商能够在变化加工条件下在工业设施中就地(in-situ)协调蒸汽和电力的生成和分配。还认识到,需要如下的系统、程序产品和方法:它们对不同组合蒸汽和电力系统目的具有系统定标能力;不要求在模拟运行中的人工迭代以计算蒸汽和电力系统的目标;还能一次处理多个目标,由此解决与先前系统的每次一个地处理变化条件相关联的一些问题;以及,不要求人工枚举来为在不同等级的供求变化的每种可能组合确定目标。
还认识到,需要如下的系统、程序产品和方法:它们提供全局目标;能够准确定义发电目标的下限和上限;包括每个主要蒸汽供应和/或需求源;允许在加工变化的每种可能组合下对因例如组合热电系统的加工驱动器中蒸汽-电力负荷分配的若干可能性而引起的不同加工需要进行定标;以及,允许每当加工条件发生变化时系统地并在没有人工枚举的情况下(即不需要例如通过建立新范例(case)的人工枚举)计算因加工结构和参数条件、不同电力和蒸汽负荷分配和/或加工操作扰动和不确定性的每种可能组合而引起的竞争性物品(duel commodity)的多个目标。
发明内容
鉴于以上所述,本发明的各种实施例有利地提供改进的系统、程序产品和方法,用于严格地对加工设施或加工设施群(cluster)中如蒸汽和电力的多个物品进行定标,以便获得因变化加工条件(例如供应(生成)/需求)引起的供求最好范例和最坏范例情形。本发明的各种实施例能够在加工或加工群的变化加工条件(例如加工条件修改和/或加工扰动和不确定性的各种组合)下同时为每个有效蒸汽和电力目的定义受限于(subject to)预期电力目的的预期蒸汽目的的多个目标(例如要求/ 能力),并且反之亦然。本发明的各种实施例还能够为给定加工设施或加工设施群确定最佳蒸汽和电力供求情形。本发明的各种实施例还包括如下的系统、程序产品和方法:它们能够在无需人工枚举的情况下系统地计算因加工结构和参数条件、不同电力和/或蒸汽负荷分配和加工操作扰动和/或不确定性的可能(大概)组合而引起的双公用事业物品的多个目标。
例如,在其“定标模式”中起作用的本发明各种实施例能够有利地为加工或加工群定义多个全局目标,包括例如因加工条件修改的每种可能组合和/或因加工扰动和不确定性的每种可能组合(“单目的模式”)或者受限于因加工条件修改的每种可能组合和/或因加工扰动和不确定性的每种可能组合引起的其它预期目的(“多目的模式”)而导致的为质量和加热意图的全局最小或最大蒸汽生成要求、燃料生成要求、就地蒸汽生成要求、蒸汽输出能力、锅炉给水补给要求、蒸汽脱过热(de-superheating)水要求、蒸汽输入要求、蒸汽冷凝能力、就地发电能力、电力输入要求和/或电力输出能力。
例如,在其“发现解决方案模式”中起作用的本发明各种实施例能够为加工或加工群识别或确定单独因加工条件修改的每种可能组合而引起的或者系统地且在无需人工枚举的情况下受限于其它预期目的和/或因加工扰动和不确定性而引起的最佳供求情形(例如离散条件),所述最佳供求情形呈现或获得预期加工蒸汽和电力消耗、加工蒸汽和发电、工厂公用事业系统就地生成以及蒸汽和电力输出和输入等级目标等。这些最佳情形能够有利地产生对适当等级的加工修改的严格定标。
例如,在其“模拟模式”中起作用的本发明各种实施例能够有利地引入新模拟方法,在该新模拟方法中用户能够利用变量和参数的基于区间值对系统输出的影响。这些模拟能够有利地将这种系统输出提供为分别因这种一次全部(all-at-one-time)变量和参数变化而引起的要求和/或能力的值范围。
更具体来说,本发明的实施例提供为包括组合蒸汽热及电力系统的地点(site)优化能量管理的系统,组合蒸汽热及电力系统具有包含各自具有至少一个操作属性的多个加工单元的多个资源流。例如,根据本发明实施例的系统能够包括:能量建模计算机,具有处理器和耦合到处理器以在其中存储软件的存储器;以及,例如存储在能量建模计算机的存储器中用于优化能量管理的能量建模程序产品。根据本发明的实施例,该程序产品能够包括指令,指令在例如被能量建模计算机运行时使计算机执行下列操作:接收共同定义输入数据的为多个加工单元中每个指示第一操作属性的属性值可能范围的数据以及为多个加工单元中每个指示第二操作属性的属性值可能范围的数据。具有范围值的操作属性能够包括例如蒸汽供应/生成和蒸汽需求数据。其它操作属性能够包括蒸汽汇集器(header)的数量及其相应压力、温度和比焓(specific enthalpy)。所述操作还能够包括:响应于输入数据,使用级联算法来确定至少一个(但更优选地为多个)全局蒸汽目标连同与其关联的至少一个(但更优选地为多个)全局电力目标。至少一个全局蒸汽目标能够包括全局最小蒸汽输入要求、全局最大蒸汽输入要求、全局最小蒸汽输出能力和/或全局最大蒸汽输出能力,并且至少一个全局电力目标能够包括全局最小电力联合生成能力和全局最大电力联合生成能力。根据该程序产品的实施例,确定至少一个全局蒸汽目标连同至少一个全局电力目标的操作能够在无需人工枚举的情况下对于多个加工单元中每个的一个或多个操作属性的每个相应值可能范围来执行。此外,根据该程序产品的实施例,对于该地点,这种操作属性的相应值可能范围能够包含加工条件修改的每种有效可能组合以及加工扰动和不确定性的每种有效可能组合。
根据该程序产品的另一个实施例,对于该地点与多个加工单元相关的输入数据能够说明每个实质蒸汽供应源,并且对于该地点包含加工单元的多个资源流能够包括对应多个蒸汽汇集器;以及,对于该地点,多个加工单元中每个的至少一个操作属性的相应值可能范围能够 包含加工条件修改的每种有效可能组合及加工扰动和不确定性的每种有效可能组合。
根据该程序产品的又一实施例,所述操作还能够包括:确定受限于第二不同类型加工或公用事业的预期全局能量目标(例如全局最大电力或蒸汽目标)的第一类型加工或公用事业的全局最小能量目标(例如全局最小蒸汽或电力目标),并且反之亦然。根据该程序产品的另一个实施例,所述操作还能够包括确定多个加工单元中每个的实质离散供求条件以便获得至少一个全局最小能量目标,这能够针对受限于第二不同类型加工或公用事业的至少一个别的预期全局能量目标目的的第一类型加工或公用事业来执行。
本发明的各种实施例还包括为包括组合蒸汽热及电力系统的地点优化能量管理的方法,组合蒸汽热及电力系统具有例如各自具有至少一个操作属性的多个加工单元。例如,根据本发明实施例的方法能够包括下列步骤:接收共同定义输入数据的为对应多个资源流加工单元中每个指示多组值的数据(各组值定义至少一个第一操作属性的属性值可能范围)以及为对应多个资源流加工单元中每个指示单独一个的第二操作属性的属性值可能范围的数据。具有范围值的操作属性能够包括例如蒸汽供应/生成和蒸汽需求数据。其它操作属性能够包括蒸汽汇集器的数量及其相应压力、温度和比焓。所述操作还能够包括:响应于输入数据,使用级联算法来确定至少一个全局蒸汽目标连同与其关联的至少一个全局电力目标。这些步骤还能够包括确定多个全局蒸汽目标连同至少一个全局电力目标,这能够在无需人工枚举的情况下对于多个加工单元中每个的至少一个操作属性的每个相应值可能范围来执行。此外,对于该地点,多个加工单元中每个的一个或多个操作属性的相应值可能范围能够包含加工条件修改的每种有效可能组合以及加工扰动和不确定性的每种有效可能组合。
根据该方法的另一个实施例,对于该地点,与多个加工单元相关的数据能够说明每个实质蒸汽供应源;对于该地点,包含加工单元的 多个资源流能够包括对应多个蒸汽汇集器;以及,对于该地点,多个加工单元中每个的至少一个操作属性的相应值可能范围能够包含加工条件修改的每种有效可能组合及加工扰动和不确定性的每种有效可能组合。
根据该方法的又一个实施例,该方法能够包括:确定受限于第二不同类型加工或公用事业的预期全局能量目标(例如全局最大电力或蒸汽目标)的第一类型加工或公用事业的全局最小能量目标(例如全局最小蒸汽或电力目标),并且反之亦然。根据该方法的另一个实施例,所述步骤还能够包括确定多个加工单元中每个的实质离散供求条件以便获得至少一个全局最小能量目标,这能够对于受限于第二不同类型加工或公用事业的至少一个别的预期全局能量目标目的的第一类型加工或公用事业来执行。
本发明的各种实施例还能够包括计算机可读介质,它可由计算机读取以便为包括组合蒸汽热及电力系统的地点优化能量管理。该计算机可读介质能够包括指令集,指令集在例如被计算机运行时使计算机执行下列操作:接收共同定义输入数据的为多个加工单元中每个指示第一操作属性的属性值可能范围的数据以及为多个加工单元中每个指示第二操作属性的属性值可能范围的数据。具有范围值的操作属性能够包括例如蒸汽供应/生成和蒸汽需求数据。其它操作属性能够包括蒸汽汇集器的数量及其相应压力、温度和比焓。所述操作还能够包括:响应于输入数据,确定至少一个全局蒸汽目标连同至少一个全局电力目标。所述操作还能够包括确定多个全局最大能量目标;以及,使用级联算法来确定至少一个全局蒸汽目标连同与其关联的至少一个全局电力目标的操作能够在无需人工枚举的情况下对于多个加工单元中每个的一个或多个操作属性的每个相应值可能范围来执行。此外,根据该计算机可读介质的实施例,对于该地点,多个加工单元中每个的至少一个操作属性的相应值可能范围包含加工条件修改的每种有效可能组合以及加工扰动和不确定性的每种有效可能组合。
根据该计算机可读介质的另一个实施例,对于该地点,与多个加工单元相关的数据能够说明每个实质蒸汽供应源;对于该地点,包含加工单元的多个资源流能够包括对应多个蒸汽汇集器;以及,对于该地点,多个加工单元中每个的至少一个操作属性的相应值可能范围能够包含加工条件修改的每种有效可能组合及加工扰动和不确定性的每种有效可能组合。
根据该计算机可读介质的又一个实施例,所述操作能够包括确定受限于第二不同类型加工或公用事业的预期全局能量公用事业目标(例如电力或蒸汽)的第一类型加工或公用事业的全局最小能量公用事业目标(例如蒸汽或电力)。根据该计算机可读介质的另一个实施例,所述操作还能够包括为多个加工单元中的每个确定实质离散供求条件以便获得至少一个全局最小能量目标,这能够对于受限于第二不同类型加工或公用事业的至少一个别的预期全局能量目标目的的第一类型加工或公用事业来执行。
本发明的各种实施例提供当前组合热电系统模拟商业软件包中所需的缺失定标能力。本发明的各种实施例还提供包络后计算(back-of-the-envelope calculation)的能力,包络后计算使用户能够在无需迭代或详尽枚举的情况下针对给定目的定义组合蒸汽-电力的最佳操作情形。本发明的各种实施例还提供比当前现有技术图形方法更严格的定标方法。根据本发明各种实施例的又一个方面,提供包括或结合上述方法的能量消耗建模系统。
提供改进系统、程序产品和方法的各种实施例,它们允许蒸汽和电力系统针对不同组合蒸汽和电力系统目的具有系统定标能力。为了对蒸汽和电力系统进行定标,用户有利地无需执行模拟运行的迭代来计算这些目标。这种系统、程序产品和方法的示例还能够一次处理多个目标,从而解决当前方法、系统和软件仅每次一个离散迭代地处理变化条件的问题。也就是说,这种新方法有利地无需人工枚举及关联的大量时间消耗以对不同等级的供求变化的每种可能实质有效组合 进行定标。与“Total-Site-Analysis图形方法”相比,本发明的各种实施例利用严格方法,给出全局目标,准确定义发电目标的下限和上限,并且包括每个有效蒸汽供应和/或需求源。根据本发明的这类实施例,所述系统、程序产品和方法如用户所见不是迭代的,并且在每次加工条件发生变化时无需通过建立新范例进行枚举,但允许对因加工驱动器中蒸汽-电力负荷分配的若干可能性而引起的不同加工需要进行定标。总之,本发明的这类实施例提供加工变化的每种可能组合下对组合热电系统的全局定标。
本发明的各种实施例还提供若干商业有益效果。例如,用户友好程序产品中自动化的独特高级方法的应用允许工业设施中组合热电公用事业工厂的最佳设计和有效操作。应用本发明的这类实施例能够为利用它的工业公司提供设计和操作其设施时相对能量效率消耗和污染最小化的优势(edge)。通过应用本发明的一个或多个实施例所实现的超出当前可从现有技术工具和技术得到的能量效率优化的合理(sound)改进能够给能量消耗行业带来每年数千万美元的节省,尤其从公用事业工厂的角度带来计划资金的巨大节省。
附图说明
为了可更详细了解本发明的特征和优点以及其它方面将变得显而易见的方式,可通过参照在形成本说明书一部分的附图中所示的本发明实施例进行对以上简述的本发明的更具体描述。但是要注意,附图仅示出本发明的各种实施例,并且因此不是要被认为对本发明的范围进行限制,因为本发明的范围还可包括其它有效实施例。
图1是系统的示意图,该系统根据本发明实施例为具有多个加工单元的地点优化能量管理;
图2是根据本发明实施例为地点优化能量管理的方法的示意流程图;
图3是根据本发明实施例用于输入整数、实数或范围数据的图形 用户界面的示意图;
图4是示意流程图,根据本发明实施例示出在图3所示图形用户界面中输入的、通过按降序组织的加工和压力(或温度)步(step)的组合来表示的数据;
图5是示意流程图,示出根据本发明实施例对各压力步的蒸汽输出/废料的计算;
图6是示意框图,示出根据本发明实施例对出现“收缩”的位置的识别;
图7是示意流程图,示出根据本发明实施例利用收缩值的逆来确定加工和压力/温度步的组合的蒸汽输出/废料;
图8是示意流程图,示出根据本发明实施例确定加工和压力步的组合的就地电力联合生成能力;
图9是图形用户界面的示意图,根据本发明程序产品的实施例示出流程图的一部分;
图10是示意流程图,示出根据本发明实施例应用折叠算法确定引起全局最小蒸汽输出能力(或废料)的条件以及引起全局最小就地电力联合生成能力的条件;
图11是示意流程图,示出根据本发明实施例应用折叠算法之后引起所确定全局最小蒸汽输出能力(或废料)的结果条件以及引起全局最小就地电力联合生成能力的条件;
图12是示意流程图,示出根据本发明实施例确定引起多个目的、即受限于最大联合生成的最小蒸汽输入的条件;
图13是方法的模拟部分的示意流程图,该方法根据本发明实施例为地点优化能量管理以确定目标要求值的范围;
图14是用于根据本发明实施例输入整数、实数或范围数据以运行模拟的图形用户界面的示意图;
图15是示意流程图,示出根据本发明实施例在图14所示图形用户界面中输入的通过按降序所组织的加工和压力/温度步的组合来表 示的数据;
图16是示意流程图,示出根据本发明实施例计算各压力步的蒸汽输出/废料;
图17是示意流程图,示出根据本发明实施例利用收缩值的逆来确定加工和压力步的组合的蒸汽输出/废料;
图18是示意流程图,示出根据本发明实施例确定加工和压力步的组合的就地电力联合生成能力;
图19是示意流程图,示出根据本发明实施例应用伪蒸汽步说明冷凝闪蒸(flash)(闪蒸蒸汽);
图20是示意流程图,示出根据本发明实施例应用伪蒸汽步说明蒸汽驱动设备;以及
图21-25是一系列示意流程图,示出根据本发明实施例应用一对伪蒸汽步说明在下降(let-down)站所用的脱过热(de-superheating)水。
具体实施方式
下面将参照附图更全面地描述本发明,附图示出本发明的实施例。不过,本发明可通过许多不同形式来体现,而不应当被理解为局限于本文所提出的实施例。相反,提供这种实施例,使得本公开将是全面和完整的,并将向本领域技术人员全面传达本发明的范围。相似标号通篇表示相似要素。素数符号若使用则表示备选实施例中的相似要素。
如图1-25所示,本发明的实施例提供改进的系统、程序产品和方法,用于严格地对例如蒸汽和电力的多种加工和公用事业进行定标,以便获得例如在给定加工设施或加工设施群的变化加工条件下的供求最好范例和最坏范例情形。如下面描述或详述的那样,本发明的各种实施例能够单独针对预期蒸汽目的定义例如如下的这些目标(例如要求/能力):最小或最大蒸汽消耗、最小或最大蒸汽输出、最小或最大蒸汽下降和最小通风;或者同时针对预期蒸汽目的定义在变化加工 条件下受限于例如最小或最大就地发电、最小或最大电力输入、最小或最大电力输出和给加工驱动器的最小或最大电力分配的预期电力目的例如上述的那些目标(例如要求/能力),并且反之亦然。本发明的各种实施例还能够确定对于给定加工设施或加工设施群可获得的最佳蒸汽和电力供求情形。本发明的各种实施例能够系统地且在无需枚举的情况下确定在加工结构、参数条件、电力负荷分配和加工操作扰动和不确定性的各种组合下双公用事业物品的同时多个目标。例如,在模拟模式中,程序产品的各种实施例能够引入新模拟方法,在该新模拟方法中用户能够利用变量和参数的基于区间值对系统输出的影响。本领域技术人员应当领会,除了能够编程到适合运行多个加工步骤以实现本发明目标的可编程逻辑或数字装置中的计算机程序产品之外,本发明的实施例还可包含用于实现本发明实施例的特定硬件或设备。
图1示出为具有多个资源流或加工形成加工单元的地点优化能量管理的系统30,所述加工单元各自具有至少一个(但更通常为多个)操作属性(例如蒸汽入口/供应/生成以及蒸汽出口/需求)。系统30能够包括:能量建模计算机31,具有处理器33、耦合到处理器33以在其中存储软件和数据库记录的存储器35;以及用户界面37,能够包括用于显示图形图像的图形显示器39和如本领域技术人员已知的那样提供用户访问以操纵软件和数据库记录的用户输入装置41。注意,计算机31能够采取个人计算机的形式或者采取服务多个用户界面37的服务器的形式。相应地,用户界面37能够直接或者通过网络连接到计算机31,如本领域技术人员已知的那样。
系统30还能够包括数据库43,它存储在能量建模计算机31的存储器35(内部或外部)中,并且具有多组值,每组值为多个加工单元/资源流中每个单独定义操作属性、例如蒸汽相关属性和/或条件(统称为“属性”)的值可能范围。这类属性能够包括例如与多个蒸汽汇集器中每个相关联的每个加工的蒸汽供应/生成和蒸汽需求的下限和上限值, 连同每个蒸汽汇集器的压力、温度和比焓(例如参见图3)。
系统30还能够包括能量建模程序产品51,它存储在能量建模计算机31的存储器35中,并且适合:为加工设施或加工设施群中如蒸汽和电力的多个物品提供严格定标,以便获得因变化加工条件(例如供应(生成)和/或需求)而引起的供求最好范例和最坏范例情形;在变化加工条件下,为每个有效蒸汽和电力目的同时定义受限于预期电力目的的预期蒸汽目的多个目标(例如要求和/或能力),并且反之亦然;以及,在无需其它现有系统中固有的人工(反复试验)枚举的情况下,系统地为能够计算双公用事业物品的多个目标的给定加工设施或加工设施群确定因加工结构和参数条件、不同电力和/或蒸汽负荷分配及加工操作扰动和不确定性的可能(大概)组合而引起的最佳蒸汽和电力供求情形。
注意,能量建模程序产品51能够采取微码、程序、例程和符号语言的形式,它们提供控制硬件起作用并且指导其操作的有序操作集合的特定集合,如本领域技术人员已知和了解的那样。还要注意,根据本发明的实施例,能量建模程序产品51无需整体驻留在易失存储器中,而是能够在需要时按照本领域技术人员已知和了解的各种方法选择性地加载。
图2示出高级流程图,示出根据本发明实施例为具有包含多个加工单元的多个资源流的地点优化能量管理的方法,所述加工单元至少实现能量建模程序产品51的部分。如框101所示,该方法能够包括接收用户输入的和/或先前输入并且存储在数据库43中的输入数据。该数据能够包括例如对蒸汽汇集器数量及其比焓的指定,以及对于各加工单元能够包括包含闪蒸蒸汽的蒸汽供应(STs[L:U])以及单元、加工或加工群的蒸汽需求(STd[L:U]的最小和最大蒸汽流量值。这种数据的至少部分在被显示在用户接口37的图形用户显示器39上时,能够被输入到表(例如参见图3)中和/或直接输入到如图4或图9所示的流程图中。备选地,这种数据的至少部分能够通过本领域技术人员已 知的自动化系统来获取。注意,在高级流程图中,“L”表示范围或区间的低或最小值,而“U”表示范围或区间的高或最大值。此外,在流程图中,“H”代表“蒸汽汇集器”。更进一步,对于图3-8,蒸汽流量为每小时100000磅(lb/h),比焓采用每磅英热单位数(BTU/lb),压力采用每平方英寸磅数(psia),并且温度采用华氏度(°F)
如框103所示,根据本发明的实施例,在其“定标模式”中,说明性方法所实现的程序产品51能够计算:蒸汽输入(STI)、蒸汽输出(STE)和就地电力生成/联合生成(ECOGEN),连同工厂电力输入(ELECIMP)、工厂电力输出(ELECEXP)、燃料消耗(DUELCONSUM)、工厂水补给(WTRMAKE)、冷凝回水(CONDRTRN)和/或脱过热水(DESUPHTWTR);使用一个或多个下列人工或自动输入:例如因加工条件修改的每种可能组合和/或因加工扰动和不确定性的每种可能组合而引起(“单目的模式”)的或者受限于因加工条件修改的每种可能组合和/或加工扰动和不确定性的每种可能组合导致的其它预期目的(“多目的模式”)的蒸汽需求(STD)、工厂内/加工蒸汽生成(STS)、燃料热值(FHV)、电力需求(ELECD)、水焓(WTRENTH)和闪蒸蒸汽分数(FLASHSTM)。
图3-8和下文阐述在框103所执行的计算的示例。具体来说,根据说明性示例,加工或加工群中蒸汽资源的入口/供应和出口/需求从压力/温度角度按降序归类,并且每一步表示称作“S”的“温度步(TEMPERATURE STEP)”或“压力步(PRESSURE STEP)”。根据说明性示例,这些步的数量对应于设施中已经存在或者计划存在的蒸汽汇集器的数量,并且这种压力或温度步数据是用户输入数据。压力步的每个蒸汽供应/输入和需求/输出能够采取区间、实数或者组合的形式。此外,如稍后描述的那样,能够将伪“压力步”分配给产生于较高“压力步”蒸汽需求冷凝的闪蒸蒸汽供应,并且能够将两个伪“压力步”分配给用作加工驱动器的每个汽轮机,一个用于对这种蒸汽驱动器具有零供应的需求,而第二个用于具有零需求的供应。
这个计算步骤的完成产生数量为“N+D”的压力步。压力步的总数“N+D”等于蒸汽汇集器(H)的总数,即,在0、1、2、…、N变化的“N”加上伪汇集器的总数(D)。压力步数“0”表示外部蒸汽供应/净加工需求。来自这个外部压力步的蒸汽输出具有两个初始值:以“质量单位”的ST0 low_output=0.0和以“质量单位”的ST0 high_output=0.0。大于0的各压力步(S)具有蒸汽余量STs surplus。这种蒸汽余量具有两个计算值STs low_surplus和STs high_surplus。它还具有从一个压力步到另一个压力步的蒸汽输出STs output。这种蒸汽输出STs output也具有两个计算值STs low_output和STs high_output。这些值对于S=1,2,…,N+D计算如下。
在联合生成模式中,上述计算允许易于确定全局最小和最大蒸汽公用事业(STI:steam utility)要求,而无需下降期间的蒸汽脱过热。具体来说,全局蒸汽输入要求(下限和上限)能够采取按照下列计算所确定的蒸汽输入区间的形式来提供:
STI=[STI(minimum),STI(maximum)]
其中:
STI(minimum)=ABS Min{Min[STs high_ouput],0.0}
STI(maximum)=ABS Min{Min[STs low_output],0.0}
S=1,2,…,N,
N是实际蒸汽汇集器的总数,
D是伪汇集器的总数,
N+D是压力步的总数,以及
ABS是括号间值的绝对值;
其中:
其中:
ns是蒸汽供应源的数量,
ms是在第S个压力步中表示的蒸汽需求接收器(sink)的数量,
ST0 high_output=0.0,
ST0 low_output=0.0,
[STS1]:按区间对第一汇集器的蒸汽供应(来自就地加工生成),
[STS2]:对第二汇集器的蒸汽供应(来自就地加工生成),
[STSN]:对第N汇集器的蒸汽供应(来自就地加工生成),
[STd1]:来自第一汇集器的蒸汽需求,
[STd2]:来自第二汇集器的蒸汽需求,
[STdN]:来自第N汇集器的蒸汽需求,以及
[ ]:是具有下限(最小)和上限(最大)的任何变量和/或目标的区间;
其中:
STs low k:是蒸汽供应流速项的低值,
STs high k:是蒸汽供应流速项的高值,
STd low j:是蒸汽需求流速项的低值,以及
STd high j:是蒸汽需求流速项的高值。
上述计算允许易于确定全局最小和最大电力联合生成能力(ECOGEN)。具体来说,全局电力联合生成能力(下限和上限)能够采取按照下列计算所确定的形式或电力联合生成区间来提供:
ECOGEN=[(ECOGEN_low),(ECOGEN_high)]
其中:
其中:
(ECOGEN_low)s=STs low_output*(Efficiency_low)*(Hs-1-Hs)以及
(ECOGEN_High)s=STs high_outpt*(Efficiency_high)*(Hs-1-Hs)以及
(Hs-1-Hs)是上压力与下压力步之间的比焓差。(Efficiency_low)是发电效率的任意下限数。使用汽轮机作为参考组件,能够易于从经验和/或厂家数据将它设置为最小可能效率。(Efficiency_high)是发电效率的任意上限数。另外,使用汽轮机作为参考组件,能够易于从经验和/或厂家数据将它设置为最大可能效率。
上述计算还允许易于确定统称为蒸汽输出能力(STE)的全局最小和最大蒸汽输出能力/通风或者冷凝(废料)。具体来说,全局蒸汽输出能力(下限和上限)能够采取按照下列计算所确定的蒸汽输出区间的形式来提供:
STE=[STE(minimum),STE(maximum)]
其中:
STE(minimum)=ABS Min{Min[STs high_output],0.0}
STE(maximum)=ABS Min{Min[STs low_ouput],0.0}
其中:
ST0 low_output=ZSTI(maximum)
ST0 high_output=ZSTI(minimum)
ZSTI(minimum)=ABS Min{Min[STs high_output],0.0}以及
ZSTI(maximum)=ABS Min{Min[STs low_output],0.0}以及
其中:
以上能够看到,根据这个说明,为了计算全局最小和最大蒸汽输出能力,利用任意标记为ZSTI的新变量。具体来说,在压力步数“0”中使用上述ZSTI区间的对称象集(image)来表示压力步数“零”中的外部蒸汽公用事业。ZSTI区间的这个对称象集呈现STI区间元素,但按照不同顺序。步数“零”最初具有两个值:以“质量单位”的ST0 1ow_output=0.0和以“质量单位”的ST0 high_output=0.0。为了计算全局最小和最大蒸汽输出能力,将ST0 1ow_output设置成ZSTI(最大),而将ST0 high_output设置成ZSTI(最小),以及使用这两个新值代替之前使用的“零”值来进行针对确定STI的那些所述的计算。在完成所有压力区间计算时,最后一个区间的输出则为有时统称为蒸汽输出的蒸汽输出和通风或冷凝(例如废料)的全局最小值和全局最大值。
如上所述,图3示出用于提供用户数据输入(entry)或者用于显示例如经由人工和/或自动化系统所输入的三维蒸汽汇集器系统的数据的表。图4-8提供说明性计算的增强图形图示。具体来说,图4示出在按降序所组织的“步”中提供的数据。图5示出各压力步的蒸汽输出/废料的计算。图6示出识别本领域技术人员已知和了解的“收缩”出现的位置。图7示出利用收缩值的逆来为加工和压力步的组合确定蒸汽输出/废料STE。最后,图8示出为加工和压力步的组合确定就地电力联合生成能力ECOGEN。作为示例,在简化形式中,
ECOGEN=[steam-low*efficiency-low*(H1-H2):steam-high*efficiency-high*(H1-H2)]
ECOGEN=ECOGEN1+ECOGEN2
=[5*105*0.8*(1327-1227):11*105*0.9*(1327-1227]
=[40:99]MM Btu/h+[0.0*0.8*(1327-1227):0.0*0.9*(132%1227)]
=[0:0]MM Btu/h
=[40:99]MM Btu/h
如上所述,附加全局最小和最大目标能够易于计算或者以其它方式确定。例如,工厂电力输入(ELECIMP)能使用下式计算:[ELECIMP] =[ELECD]-[ECOGEN]。示例:{[8:12]-[8:9]}=[-1:4]}。注意:如果使用区间数学的减法过程给出负的下限值,则表示最小/低ELECIMP等于零。这个负数的绝对值是最大输出电力(ELECEXP)。
工厂电力输出(ELECEXP)能够使用下式计算:[ELECEXP]=[ECOGEN]-[ELECD]。示例:{[7:12]-[8:10]}=[-3:4]}。注意:如果使用区间数学的减法过程给出负的下限值,则首先表示最小/低ELECEXP等于零,并且同时这个负数的绝对值是最大输入电力(ELECIMP)。
燃料消耗(FUELCONSUM)能够使用下式计算:[FUELCONSUM]={[STI]*H1/[BLREFF]*[FHV]}。注意:[BLREFF]是锅炉的第一定律效率区间并且等于[0.7:0.85]或{用户输入);以及[FHV]是燃料特定低热值。冷凝回水(CONDRTRN)能够使用下式计算:[CONDRTRN]=[0.8:1]*{[STD]+[STE]}。注意:[0.8:1]区间是常数或用户输入值。工厂水补给(WTRMAKE)能够使用下式计算:[WTRMAKE]=[1:1]-[CONDRTRN]。
图9根据程序产品51的实施例示出用户友好界面的示意屏幕截图。在完成输入采取区间形式的输入数据时,程序产品51在无需枚举的情况下自动计算与蒸汽、燃料和电力有关的公用事业系统能力的最小和最大目标。在选择预期单个目的目标或多个目的目标时,组合的蒸汽、燃料和电力系统能力也能够自动地且在无需枚举的情况下进行计算。在多目的模式中,程序产品51能够呈现全局最佳目标,同时解决双层或三层规划问题。
又参照图2,根据本发明的实施例,在其“发现解决方案模式”中,由说明性方法所实现的程序产品例如能够为加工或加工群识别或确定(如框105、107、109、111和113所示)单独因加工条件修改的每种适当可能/预计组合而引起的和/或(如框113、115、117和119所示)系统地且在无需人工枚举的情况下受限于其它预期目的的和/或因加工扰动和不确定性的每种合理可能/预期组合而引起的最佳公用事业供求情形(例如离散条件),该最佳公用事业供求情形呈现或获得预期 加工蒸汽和电力消耗、加工蒸汽和发电、工厂公用事业系统就地生成以及蒸汽和电力输出输入等级等。
具体来说,如框107所示,根据本发明的所示实施例,先前已经获得全局最小蒸汽输入要求(“[STI]=STI[L]”),如果预期单个目的(框105),则全局蒸汽输出能力区间[STE]和全局就地电力联合生成能力区间[ECOGEN]能够例如使用前面所述的区间折叠算法来确定。作为补充或替代,如框109所示,先前已经获得全局最小蒸汽输出能力(“[STE]=STE[L]”),如果预期单个目的(框105),则全局蒸汽输入要求区间[STI]和全局就地电力联合生成能力区间[ECOGEN]能够例如使用前面所述的区间折叠算法来确定。注意,这些区间能够通过在使预期目标保持不变的同时选择下限和上限逐个进行折叠。
决策者选择预期目的(框111),并且如框113所示,例如,通过使用程序产品51,返回或者以其它方式定义引起所选一个目的或多个目的(框113)的对应加工条件。图10-11示出确定引起全局最小蒸汽输出能力(或废料)的条件以及引起全局最小就地电力联合生成能力的条件。
如框115和117(图2)和图12所示,根据本发明的所示实施例,在选择受限于另一目的的预期目的时,能够确定引起多个目的的条件。例如如图12所示,在例如使用折叠区间算法来选择受限于最大ECOGEN的全局最小STI=STI[L]时,能够提供各汇集器的蒸汽供应/生成和蒸汽需求连同对应蒸汽输出能力。
作为另一示例,为了获得引起受限于全局最小蒸汽输出/冷凝/损耗STE的最小蒸汽输入STI的条件,方法步骤/操作能够包括将[STs]中在其下限在收缩汇集器之下的每个随在其上限的各[STd]进行折叠,以及将[STs]中在其上限在收缩汇集器之上的每个随在其下限的各[STd]进行折叠,由此返回或者以其它方式定义呈现预期多个目的的加工条件。为了获得引起受限于全局最小蒸汽冷凝/损耗STE以及受限于最大就地电力联合生成[ECOGEN]的最小蒸汽输入STI的条件,方 法步骤/操作能够包括将[STs]中在其下限在收缩汇集器之下的每个随在其上限的各[STd]进行折叠,以及将[STs]中在其上限在收缩汇集器之上的每个随在其上限的各[STd]进行折叠,由此返回或者以其它方式定义呈现预期多个目的的加工条件。此外,其它指标的各种组合能够使用前面提供的公式和所述加工步骤/操作来计算。
注意,程序产品51能够有利地具有通过框107、109和117的所有必要计算,并且能够等待如框111或119所示的决策者选择,由此提高能够在图形用户显示器39显示所计算条件的速度。
参照图13-18,根据本发明的实施例,在其“模拟模式”中,由说明性方法所实现的程序产品51例如能够允许用户利用变量和参数的基于区间值对系统输出的影响,由此分别提供因这类一次全部变量和参数变化而引起的要求和/或能力的值范围。具体来说,响应于输入数据(例如参见图14),能够为蒸汽输入和输出/冷凝和发电(例如参见图15-18)连同电力输入和输出、燃料消耗和水工厂补给自动生成模拟输出(全部无需迭代),这能够有利地允许决策者查看因输入其中的各种加工条件参数引起的对其影响。
具体来说,如图13中框141和图14所示,如前面针对框103(图2)所述,根据本发明的所示实施例,通过用户输入或者通过自动化系统,接收指定蒸汽汇集器数量、各汇集器的比焓、包括闪蒸蒸汽的加工单元STs[L:U]的每种可能组合以及通过单元对加工或加工群的STd[L:U]的每种可能组合的数据。该数据能够采取实数、区间和混合(实数和区间)的形式。作为响应,如框143所示,响应于接收/检索的输入数据而使用级联算法计算或者以其它方式确定例如STI[L:U]和STE[L:U]以及ECOGEN[L:U]的各种目标。如框145所示,模拟运行按照决策者的预期/请求产生单个输入的范围、多个输出的范围、输入和实数的范围及其任何可能有效组合以供显示。
如上所述,图14示出用于提供用户数据输入或者用于显示经由自动化系统所输入的三维蒸汽汇集器系统的数据的表。图15-18提供 说明性计算的增强图形图示。具体来说,图15示出在按降序所组织的“步”中提供的数据。图16示出对于各压力步的蒸汽输出/废料的计算。图17示出识别本领域技术人员已知和了解的“收缩”出现的位置。最后,图18示出为加工和压力步的组合确定就地电力联合生成能力ECOGEN和蒸汽输出能力/冷凝值STE。
除了为决策者提供描述对蒸汽输入STI、蒸汽输出/冷凝STE的影响以及对就地发电ECOGEN的影响的可用数据之外,作为另一个示例,例如使用下式还能够给决策者提供对工厂电力输入(ELECIMP)的影响、对工厂电力输出(ELECEXP)的影响、对燃料消耗(FUELCONSUM)的影响以及对工厂水补给(WTRMAKE)的影响:
[ELECIMP]=[ELECD]-[ECOGEN]
[ELECEXP]=[ECOGEN]-[ELECD]
[FUELCONSUM]={[STI]*H1/[BLREFF]*[FHV]}
[CONDRTRN]=[0.8:1]*{[STD]+[STE]}以及
[WTRMAKE]=[1:1]-[CONDRTRN]
如前面所述,与程序产品51关联的上述方法步骤/操作能够包括用于安排处理闪蒸蒸汽的提供。闪蒸蒸汽是从较高压力汇集器处生成并且馈送到较低压力汇集器的高压冷凝的闪蒸所产生的蒸汽。这种闪蒸蒸汽供应(FSTs)区间能够从冷凝区间与[el]相乘得到,其中[el]是分数区间,它表示从冷凝闪蒸罐闪蒸到蒸汽的冷凝的分数(fraction)。如前面所述,这个FSTs能够被馈送到伪压力步,如图19所示。根据本发明的一个实施例,这个伪压力步是其中电力没有从其输出生成的“步”,在所示级联算法中通常就是这样。
图19提供用于处理冷凝闪蒸(闪蒸蒸汽)的图形图示。根据本发明的这种所示实施例,如上所述,从加工加热蒸汽的冷凝所得到的这种高压冷凝能够在闪蒸罐中进行闪蒸(其中从冷凝提取极少蒸汽),并且被馈送到较低压力汇集器。为了说明这个蒸汽供应分量,来自较高压力汇集器的冷凝(例如第1加工(图14)的加工加热蒸汽需求)与称作 [FLASHSTM]的区间相乘,称作[FLASHSTM]的区间表示等于所产生冷凝/所闪蒸蒸汽的分数,[FLASHSTM]=[0.1:0.2]。注意,根据本发明的所示实施例,这个分数是用户定义的。还要注意,“伪步”的意图是实现在计算蒸汽平衡中使用主要算法,因此,这个伪步的输出没有用于计算ECOGEN。
也许如图20最佳所示,根据本发明的实施例,还提供蒸汽驱动设备排气的处理。蒸汽驱动设备排气是用于操作大型压缩机和泵的蒸汽,然后将其馈送到较低压力汇集器。由于灵活性原因,根据程序产品51的实施例,给将蒸汽用于操作的例如涡轮机、泵等各设备(q)分配具有[0.0:0.0]输入蒸汽供应([STs])和设备需求区间[STd]的伪压力步。也就是说,为各蒸汽驱动设备指定或创建伪汇集器。从这种设备产生的排气蒸汽是供应(EXHSTs)区间。这个供应区间从设备需求区间([STd])与[eq]相乘获得,其中[eq]是分数区间,它表示在操作设备(q)之后所产生的蒸汽排气的分数(fraction)。在这个示例中,[EXHSTs]=[eq]×[9:9]。还将[EXHSTs]馈送到伪压力步,如图20所示。该伪压力步是其中电力没有从其输出生成的“步”,在级联算法中通常就是这样。
如图21所示,根据本发明的实施例,还提供蒸汽下降站/蒸汽脱过热的处理。在许多情况下,在下降站所使用的脱过热水价值不大并且能够被忽略,而没有影响[STI]的准确性。但是,为了消除任何不准确性,[STI]的计算能够首先使用或采用主要级联算法来执行。“修整”LP公式用于校正或者以其它方式补偿不准确性,并且伪步用于在计算ECOGEN中保持一致性。
在将已知或未知量的水用于脱过热而发生蒸汽下降的非联合生成模式中,添加新的蒸汽供应源,并且从以上联合生成模式计算仅获得蒸汽输入和输出的局部最小值和最大值。然后,校正这些局部最小值和最大值以获得全局值,因为对锅炉所得到的蒸汽输入的全局最小值一般不太理想。也就是说,所确定值由于进行脱过热时使用的水注入一般大于全局最小值。这种校正能够通过优化公式并通过使用非负 性限制来进行,优化公式使受限于各压力步的质量平衡方程和各水注入点的质量及热平衡方程的“锅炉蒸汽”输入最小化。也就是说,全局最小蒸汽输入STI[L]能够使用下式来计算:
STI+STs1-STd1>=0.0
S1in+W1-S1out=0.0
S1out+STs2-STd2=S2in
S2in+W2-S2out=0.0
S2out+STs3-STd3=S3in
S1in*H1+W1*HW-S1out*H2=0.0
S2in*H2+W2*HW-S2out*H3=0.0
STI+W1+W2-STI_local=0.0
其中:
S1in是至第一下降站的蒸汽输入,
S2in是至第二下降站的蒸汽输入,
W1是至第一下降站的水输入,
W2是至第二下降站的水输入,
S1out是从第一下降站的蒸汽输出,
S2out是从第二下降站的蒸汽输出,
H1是S1in的焓,
Hw是水的焓,
H2是S1out的焓,
H3是S2out的焓,
STs1是对第一汇集器的蒸汽供应(来自就地加工生成),
STs2是对第二汇集器的蒸汽供应(来自就地加工生成),
STs3是对第三汇集器的蒸汽供应(来自就地加工生成),
STd1是来自第一汇集器的蒸汽需求,
STd2是来自第二汇集器的蒸汽需求,
STd3是来自第三汇集器的蒸汽需求,以及
STI_Local是在没有考虑脱过热水的情况下计算的蒸汽输入的局 部最小值。
图22示出其中在两个位置使用脱过热水的三蒸汽汇集器系统的示例。图23示出级联算法随后跟随区间折叠算法的结果。由于这个解决方案忽略脱过热水量,所以能够预期所计算全局最小蒸汽输入要求STI[L]比实际略高。为了找到准确值,能够利用以上确定的LP公式。图24为将用户/自动化系统提供数值用于三个汇集器的比焓(H1、H2、H3)和水焓(Hw)的示范三蒸汽汇集器系统示出LP公式的图形示例,以及图25示出LP公式的对应结果。
重要的是要注意,虽然在全功能系统和加工的上下文中描述本发明的以上实施例,但是本领域技术人员将领会,本发明中至少部分的机构和/或其方面能够以存储各种形式指令集供在处理器等上运行的计算机可读介质的形式进行分发,以及本发明的实施例与用于实际执行该分发的信号承载介质的特定类型无关地同等应用。计算机可读介质的示例包括但不限于:例如只读存储器(ROM)、CD-ROM和DVD-ROM的非易失硬编码型介质或者电可擦可编程只读存储器(EEPROM)、例如软盘、硬盘驱动、CD-R/RW、DVD-RAM、DVD-R/RW、DVD+R/RW、闪速驱动的可记录类型介质以及其它更新类型的存储器和某些类型的传输型介质,例如能够存储指令集的数字和模拟通信链路。例如,这类介质能够包括操作指令以及针对程序产品51和上述方法步骤的计算机可执行实施例所述的操作指令。
在“定标模式”中起作用的本发明各种实施例能够有利地为加工或加工群并在没有迭代的情况下定义/确定例如因加工条件修改的每种可能组合和/或因加工扰动和不确定性的每种可能组合(“单目的模式”)而引起的或者受限于因加工条件修改的每种可能组合和/或因加工扰动和不确定性的每种可能组合引起的其它预期目的(“多目的模式”)而引起的对质量和加热意图的全局最小或最大蒸汽生成要求、燃料生成要求、就地蒸汽生成要求、蒸汽输出能力、锅炉给水补给要求、蒸汽脱过热水要求、蒸汽输入要求、蒸汽冷凝能力、就地发电能力、电力 输入要求和电力输出能力。
在“发现解决方案模式”中起作用的本发明各种实施例能够有利地为加工或加工群定义供求条件,以便获得例如因加工条件修改的每种可能组合和/或因加工扰动和不确定性的每种可能组合(“单目的模式”)而引起的或者受限于因加工条件修改的每种可能组合和/或因加工扰动和不确定性的每种可能组合引起的其它预期目的(“多目的模式”)而引起的对质量和加热意图的最小或最大蒸汽生成要求、燃料生成要求、就地蒸汽生成要求、蒸汽输出能力、锅炉给水补给要求、蒸汽脱过热水要求、蒸汽输入要求、蒸汽冷凝能力、就地发电能力、电力输入要求和电力输出能力。
在“模拟模式”中起作用的本发明各种实施例能够有利地为加工或加工群定义例如因这种一次全部变量和参数变化而引起的对质量和加热意图的蒸汽生成要求的范围、燃料生成要求、就地蒸汽生成要求、蒸汽输出能力、锅炉给水补给要求、蒸汽脱过热水要求、蒸汽输入要求、蒸汽冷凝能力、就地发电能力、电力输入要求和电力输出能力。
本申请涉及通过引用被各自整体合并于此的下列申请:PCT专利申请No. PCT/US 09/46595,2009年6月8日提交,标题为“System,Program Product, and Related Methods for Global Targeting of Process Utilities Under Varying Conditions”;美国专利申请No. 61/171030,2009年4月20日提交,标题为“System, Program Product, and Related Methods for Global Targeting of Process Utilities Under Varying Conditions”;美国专利申请No. 61/172698,2009年4月24日提交,标题为“System Program Product, and Related Methods for Global Targeting of Process Utilities Under Varying Conditions”;美国专利申请No. 61/207874,2008年6月6日提交,标题为“System, Program Product,and Related Methods for Global Targeting of Process Utilities Under Varying Conditions”;美国专利申请No. 11/768084,2007年6月25日提交,标题为“System, Method, and Program Product for Targeting an Optimal Driving Force Distrubition in Energy Recovery Systems”;以及, 美国专利申请No. 60/816234,2006年6月23日提交,标题为“Method and Program Product for Targeting and Optimal Driving Force Distribution in Energy Recovery Systems”。
在附图和说明书中,已经公开了本发明的典型优选实施例,虽然采用具体术语,但这些术语仅以描述性意义使用,而不是用于限制意图。已经具体参照这些所示实施例相当详细地描述了本发明。但是,显然,能够在以上说明书所述的本发明的精神和范围之内进行各种修改和变更。例如,本说明书通篇参照程序产品51,程序产品51接收各加工或加工群的各实质加工单元(资源流)的各属性的属性值范围集合。但是本领域技术人员应当领会,该程序产品和蒸汽资源建模的其它配置和实现被预见,并且整个本说明书中的上述参照决不应当看作进行限制。本领域技术人员应当领会,还预见所开发技术的其它实现或方面。此外,结合在程序产品中的计算引擎作为本发明的独立组件也能够是可交付的,因为它能够由他人用于开发其自己的程序产品。以上说明书中所述的本发明的原理、示范实施例和操作模式不应当被理解为局限于所公开的具体形式或实施例,因为它们被看作是说明性而不是限制性的。
Claims (46)
1.一种为包括具有多个加工单元的组合蒸汽热及电力系统的地点优化能量管理的系统(30),所述系统(30)包括能量建模计算机(31),所述能量建模计算机(31)具有处理器(33)和耦合到所述处理器(33)用于在其中存储软件的存储器(35),所述能量建模计算机(31)特征在于:
用于接收指示蒸汽汇集器数量的数据以及用于接收共同定义输入数据的为多个加工单元中每个指示蒸汽供应值范围的数据与为多个加工单元中每个指示蒸汽需求值范围的数据的部件,以及
用于响应于所述输入数据并使用级联算法确定多个全局蒸汽目标连同与其关联的多个全局电力目标的部件,所述多个全局蒸汽目标包括:全局最小蒸汽输入要求、全局最大蒸汽输入要求、全局最小蒸汽输出能力和全局最大蒸汽输出能力,所述多个全局电力目标包括全局最小电力联合生成能力和全局最大电力联合生成能力,
其中,用于使用级联算法确定所述多个全局蒸汽目标连同所述多个全局电力目标的部件包括用于为多个能量公用事业确定多个能量目标区间的部件;以及
其中,用于确定所述多个能量目标区间的部件包括:
用于响应于多个蒸汽汇集器中每个的预定焓值、预定蒸汽供应能力和预定蒸汽需求要求确定所述全局最小和最大蒸汽输入要求区间的部件,以及
用于响应于所述级联算法的应用确定所述全局最小和最大蒸汽输出能力区间以及全局最小和最大电力联合生成能力区间的部件;以及
其中,所述计算机(31)特征还在于:
用于响应于确定所述多个能量目标区间确定所述全局蒸汽或电力目标中一个或多个的离散值的部件。
2.如权利要求1所述的系统(30),
其中,用于使用级联算法确定所述多个全局蒸汽目标连同所述多个全局电力目标的部件包括对所述级联算法应用所述蒸汽供应值范围和所述蒸汽需求值范围的部件;以及
其中所述全局最小蒸汽输入要求和全局最大蒸汽输入要求形成按照下列计算所确定的蒸汽输入区间STI:
STI=[STI(minimum),STI(maximum)]
其中:
STI(minimum)=ABS Min{Min[STs high_output],0.0}
STI(maximum)=ABS Min{Min[STs low_output],0.0}
S=1,2,...,N,
N是蒸汽汇集器的总数,
D是伪汇集器的总数,
N+D是压力步的总数,以及
ABS是括号间值的绝对值;
其中:
其中:
ns是蒸汽供应源的数量,
ms是在第S个压力步中表示的蒸汽需求接收器的数量,
ST0 high_output=0.0,以及
ST0 low_output=0.0;以及
其中:
STs low k:是蒸汽供应流速项的低值,
STs high k:是所述蒸汽供应流速项的高值,
STd low j:是蒸汽需求流速项的低值,以及
STd high j:是所述蒸汽需求流速项的高值。
3.如权利要求2所述的系统(30),
其中,所述全局最小蒸汽输出能力由下列一个或多个共同定义:全局最小蒸汽输出、通风和冷凝;
其中,所述全局最大蒸汽输出能力由下列一个或多个共同定义:全局最大蒸汽输出、通风和冷凝;以及
其中,所述全局最小蒸汽输出能力和全局最大蒸汽输出能力形成按照下列计算所确定的蒸汽输出区间STE:
STE=[STE(minimum),STE(maximum)]
其中:
STE(minimum)=ABS Min{Min[STs high_output],0.0}以及
STE(maximum)=ABS Min{Min[STs low_output],0.0}
其中:
ST0 low_output=ZSTI(maximum)
ST0 high_output=ZSTI(minimum)
ZSTI(minimum)=ABS Min{Min[STs high_output],0.0}以及
ZSTI(maximum)=ABS Min{Min[STs low_output],0.0}以及
其中:
4.如权利要求2或3所述的系统(30),
其中,所述全局最小电力联合生成能力和所述全局最大电力联合生成能力形成按照下列计算所确定的电力联合生成能力区间ECOGEN:
ECOGEN=[(ECOGEN_low),(ECOGEN_high)]
其中:
其中:
(ECOGEN_low)s=STs low_output*(Efficiency_low)*(Hs-1-Hs)以及
(ECOGEN_High)s=STs high_output*(Efficiency_high)*(Hs-1-Hs)以及
其中:
(Hs-1-Hs)是上压力与下压力步之间的比焓差,
(Efficiency_low)是发电效率的任意下限数,以及
(Efficiency_high)是发电效率的任意上限数。
5.如权利要求4所述的系统(30),其中,所述计算机(31)特征还在于:
用于接收电力需求区间数据的部件;
用于接收锅炉效率区间数据的部件;以及
用于确定下列全局能量目标的部件:
全局最小燃料消耗要求,
全局最大燃料消耗要求,
全局最小锅炉给水水补给要求,
全局最大锅炉给水水补给要求,
全局最小电力输入要求,
全局最大电力输入要求,
全局最小电力输出能力,以及
全局最大电力输出能力。
6.如权利要求2-3中任一项所述的系统(30),
其中,所述全局最小蒸汽输入要求和全局最大蒸汽输入要求形成蒸汽输入区间;以及
其中,用于使用级联算法确定所述多个全局蒸汽目标连同所述多个全局电力目标的部件包括用于使用与蒸汽汇集器数量对应的多个压力步以及使用多个伪压力步来确定所述蒸汽输入区间连同所述多个全局电力目标的部件。
7.如权利要求6所述的系统(30),其中,所述组合蒸汽热及电力系统包括用作加工驱动器的一个或多个汽轮机,并且所述计算机(31)特征还在于:
用于将两个伪压力步分配给用作加工驱动器的各汽轮机的部件,将第一伪压力步分配给具有零供应的蒸汽需求,而将第二伪压力步分配给具有零需求的蒸汽供应。
8.如权利要求1-3中任一项所述的系统(30),
其中,所述全局最小蒸汽输入要求和全局最大蒸汽输入要求形成全局蒸汽输入区间;
其中,所述全局最小蒸汽输出能力和全局最大蒸汽输出能力形成全局蒸汽输入区间;
其中,所述全局最小电力联合生成能力和全局最大电力联合生成能力形成全局电力联合生成区间;以及
其中,所述计算机(31)特征还在于:
用于确定与预先选择的全局最小蒸汽输入要求一致的全局蒸汽输出能力和全局电力联合生成能力作为对其选择的响应并作为对应用区间折叠算法的响应的部件,
用于确定与预先选择的全局最小蒸汽输出能力一致的全局蒸汽输入要求和全局电力联合生成能力作为对其选择的响应并作为对应用区间折叠算法的响应的部件,以及
用于确定呈现定义一个或多个预期目的一个或多个所确定全局最小目标的加工条件作为对分别对所述一个或多个预期目的的用户选择的响应并作为对应用区间折叠算法的响应的部件。
9.如权利要求1-3中任一项所述的系统(30),其中,所述计算机(31)特征还在于:
用于确定定义多个预期目的的多个全局最小能量目标的部件,所述多个预期目的的第一个受限于所述多个预期目的的第二个并受限于至少一个所选全局最大能量目标;以及
用于确定呈现所述多个预期目的的至少一个子集的加工条件作为对其用户选择的响应并作为对应用区间折叠算法的响应的部件。
10.一种用于为包括具有多个加工单元的组合蒸汽热及电力系统的地点优化能量管理的装置,所述装置特征在于:
用于接收共同定义输入数据的为多个加工单元中每个指示蒸汽供应值范围的数据和为多个加工单元中每个指示蒸汽需求值范围的数据的部件;
用于响应于所述输入数据使用级联算法确定至少一个全局蒸汽目标连同与其关联的至少一个全局电力目标的部件;以及
用于确定第一类型加工或公用事业的全局最小能量公用事业目标的部件,该全局最小能量公用事业目标受限于第二不同类型加工或公用事业的预期全局最大能量目标。
11.如权利要求10所述的装置,
其中,在无需人工枚举的情况下,针对贯穿所述蒸汽供应值范围的多个值与贯穿所述蒸汽需求值范围的多个值中的每个,执行至少一个全局蒸汽目标连同至少一个全局电力目标的确定。
12.如权利要求10或11所述的装置,
其中,所述多个加工单元的输入数据为所述组合蒸汽热及电力系统说明每个实质蒸汽供应源。
13.如权利要求10或11所述的装置,
其中,对于所述组合蒸汽热及电力系统,所述多个加工单元中每个的相应蒸汽供应值范围和蒸汽需求值范围各自包含加工条件修改的每种有效可能组合以及加工扰动和不确定性的每种有效可能组合。
14.如权利要求10或11所述的装置,特征还在于:
用于为所述多个加工单元中的每个确定呈现所述至少一个全局蒸汽目标和所述至少一个全局电力目标的实质离散供求条件的部件。
15.如权利要求14所述的装置,
其中,所述至少一个全局蒸汽目标包括至少一个全局最小蒸汽目标;以及
其中,针对第一类型公用事业执行所述多个加工单元中每个的实质离散供求条件的确定,所述第一类型公用事业受限于第二不同类型公用事业的至少一个别的预期全局能量公用事业目标目的。
16.如权利要求10或11所述的装置,
其中,所述至少一个全局蒸汽目标包括全局最小蒸汽输入和全局最小蒸汽通风、输出或冷凝。
17.如权利要求10或11所述的装置,
其中,所述至少一个全局蒸汽目标包括全局最小蒸汽输入;以及
其中,所述至少一个全局电力目标包括全局最小电力联合生成。
18.如权利要求10或11所述的装置,其中,用于使用级联算法确定至少一个全局蒸汽目标连同至少一个全局电力目标的部件包括:
用于确定包括全局最小蒸汽输入、全局最小蒸汽通风、输出或冷凝的多个全局最小能量公用事业目标的部件;以及
用于响应于确定所述全局最小蒸汽输入确定全局最小电力联合生成的部件。
19.如权利要求10或11所述的装置,特征还在于用于确定下列中每个的部件:
用于质量和加热意图的全局最小蒸汽生成要求;
全局最小燃料消耗要求;
全局最小就地蒸汽生成要求;
全局最小蒸汽输出能力;
全局最小锅炉给水补给;
全局最小蒸汽脱过热水能力;
全局最小蒸汽输入要求;
全局最小蒸汽冷凝能力;
全局最小就地发电能力;
全局最小电力输入要求;以及
全局最小电力输出能力。
20.如权利要求10或11所述的装置,其中,用于使用级联算法确定至少一个全局蒸汽目标连同至少一个全局电力目标的部件包括:
用于确定与预先选择全局最小蒸汽输入要求一致的全局蒸汽输出能力和全局电力联合生成能力作为对其选择的响应且作为对应用区间折叠算法的响应的部件;
用于确定与预先选择全局最小蒸汽输出能力一致的全局蒸汽输入要求和全局电力联合生成能力作为对其选择的响应且作为对应用区间折叠算法的响应的部件;以及
用于确定呈现定义一个或多个预期目的的一个或多个所确定全局最小目标的加工条件作为对分别对所述一个或多个预期目的的用户选择的响应且作为对应用区间折叠算法的响应的部件。
21.如权利要求10或11所述的装置,特征还在于:
用于确定定义多个预期目的的多个全局最小能量目标的部件,所述多个预期目的的第一个受限于所述多个预期目的的第二个并且受限于至少一个全局最大能量目标;以及
用于确定呈现所述多个预期目的的至少一个子集的加工条件作为对其用户选择的响应且作为对应用区间折叠算法的响应的部件。
22.如权利要求10或11所述的装置,
其中,所述至少一个全局蒸汽目标包括全局最小蒸汽输入要求、全局最大蒸汽输入要求、全局最小蒸汽输出能力和全局最大蒸汽输出能力;
其中,所述至少一个全局电力目标包括全局最小电力联合生成能力和全局最大电力联合生成能力;
其中,用于使用级联算法确定至少一个全局蒸汽目标连同至少一个全局电力目标的部件包括用于确定多个能量目标区间的部件;以及
其中,用于确定多个能量目标区间的部件包括:
用于响应于多个蒸汽汇集器中每个的预定焓值、预定蒸汽供应能力和预定蒸汽需求要求确定所述全局最小和最大蒸汽输入要求区间的部件,以及
用于响应于所述级联算法的应用确定所述全局最小和最大蒸汽输出能力区间以及全局最小和最大电力联合生成能力区间的部件。
23.一种为包括具有多个加工单元的组合蒸汽热及电力系统的地点优化能量管理的方法,所述方法特征在于下列步骤:
接收共同定义输入数据的为多个加工单元中每个指示第一操作属性的属性值范围的数据和为多个加工单元中每个指示第二操作属性的属性值范围的数据;以及
响应于所述输入数据,使用级联算法确定至少一个全局蒸汽目标连同与其关联的至少一个全局电力目标,
其中,所述至少一个全局蒸汽目标包括全局最小蒸汽输入;以及
其中,所述至少一个全局电力目标包括全局最小电力联合生成。
24.如权利要求23所述的方法,
其中,在无需人工枚举的情况下,针对在所述多个加工单元中每个的所述第一操作属性的整个值范围延伸的多个值中的每个以及针对在所述多个加工单元中每个的所述第二操作属性的整个值范围延伸的多个值中的每个,执行使用级联算法确定至少一个全局蒸汽目标连同至少一个全局电力目标的步骤。
25.如权利要求23或24所述的方法,
其中,所述多个加工单元的输入数据为所述组合蒸汽热及电力系统说明每个实质蒸汽供应源;以及
其中,对于所述地点,包含所述多个加工单元的多个资源流包括对应多个蒸汽汇集器。
26.如权利要求23或24所述的方法,
其中,对于所述组合蒸汽热及电力系统,所述多个加工单元中每个的所述第一操作属性的相应值范围和所述第二操作属性的相应值范围包含加工条件修改的每种有效可能组合以及加工扰动和不确定性的每种有效可能组合。
27.如权利要求23或24所述的方法,其特征还在于下列步骤:
确定第一类型加工或公用事业的全局最小能量公用事业目标,该全局最小能量公用事业目标受限于第二不同类型加工或公用事业的预期全局最大能量目标。
28.如权利要求23或24所述的方法,其特征还在于下列步骤:
确定多个全局最大能量目标。
29.如权利要求28所述的方法,
其中,对于所述组合蒸汽热及电力系统,所述多个加工单元中每个的所述第一操作属性的相应值范围和所述第二操作属性的相应值范围包含加工条件修改的每种有效可能组合以及加工扰动和不确定性的每种有效可能组合。
30.如权利要求23或24所述的方法,其特征还在于下列步骤:
为所述多个加工单元中的每个确定呈现所述至少一个全局蒸汽目标和所述至少一个全局电力目标的实质离散供求条件。
31.如权利要求30所述的方法,
其中,所述至少一个全局蒸汽目标包括至少一个全局最小蒸汽目标;以及
其中,针对第一类型公用事业执行为所述多个加工单元中的每个确定实质离散供求条件的步骤,所述第一类型公用事业受限于第二不同类型公用事业的至少一个别的预期全局能量公用事业目标目的。
32.如权利要求23或24所述的方法,
其中,所述至少一个全局蒸汽目标包括全局最小蒸汽输入和全局最小蒸汽通风、输出或冷凝。
33.如权利要求23或24所述的方法,其中,使用级联算法确定至少一个全局蒸汽目标连同至少一个全局电力目标的步骤包括:
确定包括全局最小蒸汽输入、定义全局最小输出的全局最小蒸汽通风、输出或冷凝以及全局最小电力联合生成的多个全局最小能量公用事业目标,所述全局最小电力联合生成响应于确定所述全局最小蒸汽输入而确定。
34.如权利要求23或24所述的方法,其特征还在于确定下列中每个的步骤:
用于质量和加热意图的全局最小蒸汽生成要求;
全局最小燃料消耗要求;
全局最小就地蒸汽生成要求;
全局最小蒸汽输出能力;
全局最小锅炉给水补给;
全局最小蒸汽脱过热水能力;
全局最小蒸汽输入要求;
全局最小蒸汽冷凝能力;
全局最小就地发电能力;
全局最小电力输入要求;以及
全局最小电力输出能力。
35.如权利要求23所述的方法,
其中,使用级联算法确定所述至少一个全局蒸汽目标连同至少一个全局电力目标的步骤包括对所述级联算法应用所述多个加工单元中每个的所述第一操作属性的所述属性值范围以及所述第二操作属性的所述属性值范围;
其中,所述至少一个全局蒸汽目标包括全局最小蒸汽输入要求和全局最大蒸汽输入要求;以及
其中,所述全局最小蒸汽输入要求和全局最大蒸汽输入要求形成按照下列计算所确定的蒸汽输入区间STI:
STI=[STI(minimum),STI(maximum)]
其中:
STI(minimum)=ABS Min{Min[STs high_output],0.0}
STI(maximum)=ABS Min{Min[STs low_output],0.0}
S=1,2,...,N,
N是蒸汽汇集器的总数,
D是伪汇集器的总数,
N+D是压力步的总数,以及
ABS是括号间值的绝对值;
其中:
其中:
ns是蒸汽供应源的数量,
ms是在第S个压力步中所表示的蒸汽需求接收器的数量,
ST0 high_output=0.0,以及
ST0 1ow_output=0.0,以及
其中:
STs low k:是蒸汽供应流速项的低值,
STS high k:是所述蒸汽供应流速项的高值,
STd low j:是蒸汽需求流速项的低值,以及
STd high j:是所述蒸汽需求流速项的高值。
36.如权利要求35所述的方法,
其中,所述至少一个全局蒸汽目标包括全局最小蒸汽输出能力和全局最大蒸汽输出能力,所述全局最小蒸汽输出能力由下列中的一个或多个共同定义:全局最小蒸汽输出、通风和冷凝,所述全局最大蒸汽输出能力由下列中的一个或多个共同定义:全局最大蒸汽输出、通风和冷凝;以及
其中,所述全局最小蒸汽输出能力和全局最大蒸汽输出能力形成按照下列计算所确定的蒸汽输出区间STE:
STE=[STE(minimum),STE(maximum)]
其中:
STE(minimum)=ABS Min{Min[STs high_output],0.0}以及
STE(maximum)=ABS Min{Min[STs low_output],0.0}
其中:
ST0 low_output=ZSTI(maximum)
ST0 high_output=ZSTI(minimum)
ZSTI(minimum)=ABS Min{Min[STs high_output],0.0}以及
ZSTI(maximum)=ABS Min{Min[STs low_output],0.0}以及
其中:
37.如权利要求35或36所述的方法,
其中,所述至少一个全局电力目标包括全局最小电力联合生成能力和全局最大电力联合生成能力;以及
所述全局最小电力联合生成能力和所述全局最大电力联合生成能力形成按照下列计算所确定的电力联合生成区间ECOGEN:
ECOGEN=[(ECOGEN_low),(ECOGEN_high)]
其中:
其中:
(ECOGEN_low)s=STs low_output*(Efficiency_low)*(Hs-1-Hs)以及
(ECOGEN_High)s=STs high_output*(Efficiency_high)*(Hs-1-Hs)
其中:
(Hs-1-Hs)是上压力与下压力步之间的比焓差,
(Efficiency_low)是发电效率的任意下限数,以及
(Efficiency_high)是发电效率的任意上限数。
38.如权利要求37所述的方法,其特征还在于下列步骤:
接收电力需求区间数据;
接收锅炉效率区间数据;以及
确定下列全局能量公用事业目标要求:
全局最小燃料消耗要求,
全局最大燃料消耗要求,
全局最小锅炉给水水补给要求,
全局最大锅炉给水水补给要求,
全局最小电力输入要求,
全局最大电力输入要求,
全局最小电力输出能力,以及
全局最大电力输出能力。
39.如权利要求23或24所述的方法,其特征还在于下列步骤:
确定与预先选择全局最小蒸汽输入要求一致的全局蒸汽输出能力和全局电力联合生成能力,作为对其选择的响应并作为对应用区间折叠算法的响应;
确定全局输入要求区间和全局电力联合生成能力区间,作为对第一所确定全局最小蒸汽输出能力的响应并作为对应用区间折叠算法的响应;以及
确定呈现定义一个或多个预期目的的一个或多个所确定全局最小目标的加工条件,作为对分别对所述一个或多个预期目的的用户选择的响应并作为对应用区间折叠算法的响应。
40.如权利要求23或24所述的方法,其特征还在于下列步骤:
确定定义多个预期目的的多个全局最小能量目标,所述多个预期目的的第一个受限于所述多个预期目的的第二个并且受限于至少一个全局最大电力目标;以及
确定呈现所述多个预期目的的至少一个子集的加工条件,作为对其用户选择的响应并作为对应用区间折叠算法的响应。
41.如权利要求23或24所述的方法,
其中,所述至少一个全局蒸汽目标包括全局最小蒸汽输入要求、全局最大蒸汽输入要求、全局最小蒸汽输出能力和全局最大蒸汽输出能力;
其中,所述至少一个全局电力目标包括全局最小电力联合生成能力和全局最大电力联合生成能力;
其中,使用级联算法确定至少一个全局蒸汽目标连同至少一个全局电力目标的步骤包括确定多个能量目标区间;以及
其中,确定多个能量目标区间的步骤包括下列步骤:
响应于多个蒸汽汇集器中每个的预定焓值、预定蒸汽供应能力和预定蒸汽需求要求,确定所述全局最小和最大蒸汽输入要求,以及
响应于区间折叠算法的应用,确定所述全局最小和最大蒸汽输出能力以及全局最小和最大电力联合生成能力。
42.一种为包括具有多个加工单元的组合蒸汽热及电力系统的地点优化能量管理的装置,所述装置特征在于:
用于接收共同定义输入数据的为多个加工单元中每个指示第一操作属性的属性值范围的数据和为多个加工单元中每个指示第二操作属性的属性值范围的数据的部件;以及
用于响应于所述输入数据使用级联算法确定第一类型公用事业的至少一个全局最小能量公用事业目标连同与其关联的第二类型公用事业的至少一个全局能量目标的部件,所述第二类型公用事业不同于所述第一类型公用事业,
其中,在无需人工枚举的情况下,针对贯穿所述多个加工单元中每个的所述第一操作属性的相应值范围以及所述第二操作属性的相应值范围的多个值中的每个,执行使用级联算法的第一类型公用事业的至少一个全局最小能量公用事业目标连同第二类型公用事业的至少一个全局能量目标的确定;以及
其中,对于所述组合蒸汽热及电力系统,所述多个加工单元中每个的所述第一操作属性的相应值范围和所述第二操作属性的相应值范围包含加工条件修改的每种有效可能组合以及加工扰动和不确定性的每种有效可能组合。
43.如权利要求42所述的装置,特征还在于:
用于确定所述第一类型公用事业的全局最小能量公用事业目标的部件,该全局最小能量公用事业目标受限于第二不同类型公用事业的预期全局最大能量公用事业目标。
44.如权利要求42所述的装置,特征还在于:
用于为所述多个加工单元中的每个确定呈现所述第一类型公用事业的所述至少一个全局最小能量公用事业目标和所述第二类型公用事业的所述至少一个全局能量目标的实质离散供求条件的部件。
45.如权利要求44所述的装置,其中,针对所述第一类型公用事业,执行所述多个加工单元中每个的呈现所述第一类型公用事业的所述至少一个全局最小能量公用事业目标和所述第二类型公用事业的所述至少一个全局能量目标的实质离散供需求条件的确定,所述第一类型公用事业受限于第二不同类型公用事业的至少一个别的预期全局能量公用事业目标目的。
46.如权利要求42所述的装置,其中,用于使用级联算法确定第一类型公用事业的至少一个全局最小能量公用事业目标连同第二类型公用事业的至少一个全局能量目标的部件包括用于确定全局最小蒸汽输入要求和全局最小蒸汽输出能力连同关联的全局最小电力联合生成能力的部件。
Applications Claiming Priority (7)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US20787408P | 2008-06-06 | 2008-06-06 | |
US61/207874 | 2008-06-06 | ||
US17103009P | 2009-04-20 | 2009-04-20 | |
US61/171030 | 2009-04-20 | ||
US17269809P | 2009-04-24 | 2009-04-24 | |
US61/172698 | 2009-04-24 | ||
PCT/US2009/046595 WO2009149447A2 (en) | 2008-06-06 | 2009-06-08 | System, program product, and related methods for global targeting of process utilities under varying conditions |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102203780A CN102203780A (zh) | 2011-09-28 |
CN102203780B true CN102203780B (zh) | 2014-06-25 |
Family
ID=41398920
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN200980130712.2A Expired - Fee Related CN102203780B (zh) | 2008-06-06 | 2009-06-08 | 用于变化条件下加工公用事业的全局定标的系统及相关方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US8606551B2 (zh) |
EP (1) | EP2310965B1 (zh) |
CN (1) | CN102203780B (zh) |
CA (1) | CA2726984C (zh) |
WO (1) | WO2009149447A2 (zh) |
Families Citing this family (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060219919A1 (en) * | 2003-11-11 | 2006-10-05 | Moore Thomas M | TEM sample holder and method of forming same |
US9360910B2 (en) | 2009-10-30 | 2016-06-07 | Saudi Arabian Oil Company | Systems, computer readable media, and computer programs for enhancing energy efficiency via systematic hybrid inter-processes integration |
US9442470B2 (en) | 2008-06-06 | 2016-09-13 | Saudi Arabian Oil Company | Methods for planning and retrofit of energy efficient eco-industrial parks through inter-time-inter-systems energy integration |
US9760099B2 (en) | 2008-06-06 | 2017-09-12 | Saudi Arabian Oil Company | Systems, program code, computer readable media for planning and retrofit of energy efficient eco-industrial parks through inter-time-inter-systems energy integration |
US9378313B2 (en) | 2009-10-30 | 2016-06-28 | Saudi Arabian Oil Company | Methods for enhanced energy efficiency via systematic hybrid inter-processes integration |
US9606594B2 (en) | 2012-03-19 | 2017-03-28 | Saudi Arabian Oil Company | Methods for simultaneous process and utility systems synthesis in partially and fully decentralized environments |
US9335748B2 (en) * | 2010-07-09 | 2016-05-10 | Emerson Process Management Power & Water Solutions, Inc. | Energy management system |
US8880202B2 (en) * | 2010-07-09 | 2014-11-04 | Emerson Process Management Power & Water Solutions, Inc. | Optimization system using an iteratively coupled expert engine |
WO2014105590A1 (en) * | 2012-12-28 | 2014-07-03 | Volcano Corporation | Intravascular devices having information stored thereon and/or wireless communication functionality, including associated devices, systems, and methods |
EP2984611A1 (en) * | 2013-04-08 | 2016-02-17 | Saudi Arabian Oil Company | Systems, computer readable media, computer programs and related methods for enhancing energy efficiency via systematic hybrid inter-processes integration |
CN104820727A (zh) * | 2015-01-30 | 2015-08-05 | 广东电网有限责任公司电力科学研究院 | 发电机氢气冷却系统的仿真方法与装置 |
US10829698B2 (en) | 2018-03-16 | 2020-11-10 | Uop Llc | Power recovery from quench and dilution vapor streams |
US10690010B2 (en) | 2018-03-16 | 2020-06-23 | Uop Llc | Steam reboiler with turbine |
US10871085B2 (en) | 2018-03-16 | 2020-12-22 | Uop Llc | Energy-recovery turbines for gas streams |
US11131218B2 (en) | 2018-03-16 | 2021-09-28 | Uop Llc | Processes for adjusting at least one process condition of a chemical processing unit with a turbine |
US10811884B2 (en) | 2018-03-16 | 2020-10-20 | Uop Llc | Consolidation and use of power recovered from a turbine in a process unit |
US10745631B2 (en) | 2018-03-16 | 2020-08-18 | Uop Llc | Hydroprocessing unit with power recovery turbines |
US10508568B2 (en) | 2018-03-16 | 2019-12-17 | Uop Llc | Process improvement through the addition of power recovery turbine equipment in existing processes |
US10794225B2 (en) | 2018-03-16 | 2020-10-06 | Uop Llc | Turbine with supersonic separation |
US11507031B2 (en) | 2018-03-16 | 2022-11-22 | Uop Llc | Recovered electric power measuring system and method for collecting data from a recovered electric power measuring system |
US11194301B2 (en) | 2018-03-16 | 2021-12-07 | Uop Llc | System for power recovery from quench and dilution vapor streams |
US10753235B2 (en) | 2018-03-16 | 2020-08-25 | Uop Llc | Use of recovered power in a process |
US10920624B2 (en) | 2018-06-27 | 2021-02-16 | Uop Llc | Energy-recovery turbines for gas streams |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1996010219A1 (fr) * | 1994-09-26 | 1996-04-04 | Kabushiki Kaisha Toshiba | Methode et systeme d'optimisation du service d'une installation |
AU6610200A (en) | 1999-07-27 | 2001-02-13 | Raytheon Company | Method and system for process design |
NZ527244A (en) | 2003-07-28 | 2006-03-31 | Univ Waikato | Improved system and computer software for modelling energy consumption |
CA2619614A1 (en) * | 2005-08-11 | 2007-02-15 | Marorka Ehf | Optimization of energy source usage in ships |
CN101512448B (zh) * | 2006-06-23 | 2012-11-14 | 沙特阿拉伯石油公司 | 能量回收系统中用于目标确定以及最优驱动力分布的系统、方法 |
US7729809B2 (en) * | 2006-06-23 | 2010-06-01 | Saudi Arabian Oil Company | System, method, and program product for targeting and identification of optimal process variables in constrained energy recovery systems |
US20080257413A1 (en) * | 2006-06-23 | 2008-10-23 | Saudi Arabian Oil Company | System, Program Product, and Related Methods for Global Targeting of Process Utilities Under Varying Conditions |
-
2009
- 2009-06-08 CA CA2726984A patent/CA2726984C/en not_active Expired - Fee Related
- 2009-06-08 WO PCT/US2009/046595 patent/WO2009149447A2/en active Application Filing
- 2009-06-08 CN CN200980130712.2A patent/CN102203780B/zh not_active Expired - Fee Related
- 2009-06-08 EP EP09759605.0A patent/EP2310965B1/en not_active Not-in-force
- 2009-06-08 US US12/480,415 patent/US8606551B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
CA2726984C (en) | 2014-12-30 |
WO2009149447A2 (en) | 2009-12-10 |
CN102203780A (zh) | 2011-09-28 |
WO2009149447A3 (en) | 2011-11-03 |
CA2726984A1 (en) | 2009-12-10 |
US20100030547A1 (en) | 2010-02-04 |
EP2310965A2 (en) | 2011-04-20 |
EP2310965B1 (en) | 2017-08-23 |
US8606551B2 (en) | 2013-12-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102203780B (zh) | 用于变化条件下加工公用事业的全局定标的系统及相关方法 | |
Wang et al. | A review of evaluation, optimization and synthesis of energy systems: methodology and application to thermal power plants | |
Shakibi et al. | Using machine learning approaches to model and optimize a combined solar/natural gas-based power and freshwater cogeneration system | |
CN101512448B (zh) | 能量回收系统中用于目标确定以及最优驱动力分布的系统、方法 | |
Shang et al. | A transhipment model for the optimisation of steam levels of total site utility system for multiperiod operation | |
US9606594B2 (en) | Methods for simultaneous process and utility systems synthesis in partially and fully decentralized environments | |
Karambasti et al. | Design methodology and multi-objective optimization of small-scale power-water production based on integration of Stirling engine and multi-effect evaporation desalination system | |
Pelster et al. | The thermoeconomic and environomic modeling and optimization of the synthesis, design, and operation of combined cycles with advanced options | |
Capra et al. | Numerical optimization of combined heat and power Organic Rankine Cycles–Part B: Simultaneous design & part-load optimization | |
CN103917928A (zh) | 联合冷却加热发电厂的热-经济学建模和优化 | |
Shen et al. | Modeling and optimization of a large-scale ethylene plant energy system with energy structure analysis and management | |
Kalra et al. | High-potential working fluids and cycle concepts for next-generation binary organic rankine cycle for enhanced geothermal systems | |
CN106773674A (zh) | 一种延迟焦化过程多目标实时优化方法及系统 | |
WO2023004809A1 (zh) | 一种智慧能源管理系统的建模方法、装置和存储介质 | |
Vieira et al. | Maximization of the profit of a complex combined-cycle cogeneration plant using a professional process simulator | |
CN110765726B (zh) | 能源网规划图的智能生成系统 | |
Ferreira et al. | Thermal-economic optimisation of a CHP gas turbine system by applying a fit-problem genetic algorithm | |
Dhanalakshmi et al. | Energy analytics and comparative performance analysis of machine learning classifiers on power boiler dataset | |
Tang et al. | Sustainable retrofit design of natural gas power plants for low-grade energy recovery | |
JALILINASRABADY et al. | Energy and exergy analysis of Sabalan binary geothermal power plant | |
Liu et al. | Energy systems engineering: methodologies and applications | |
Asghar et al. | Sustainable operations of a combined cycle power plant using artificial intelligence based power prediction | |
Zlatkovikj et al. | Influence of the transient operation of a large-scale thermal energy storage system on the flexibility provided by CHP plants | |
Raos et al. | Evaluation model of enhanced geothermal system projects based on multi-criteria decision-making | |
CN105308632B (zh) | 通过系统性混合进程间整合来提高能量效率的系统、计算机可读介质、计算机程序及相关方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20140625 |
|
CF01 | Termination of patent right due to non-payment of annual fee |