CN103056016A - 一种电站磨煤机节能优化出力的方法 - Google Patents

Abstract

一种电站磨煤机节能优化出力的方法，包括以下步骤：S1启停规则的数学转换；S2建立约束条件：S3确定启停模型；S4粒子群算法改进：针对此问题在PSO算法的搜索后期引入变异算子，提出带变异算子的PSO算法，使算法在搜索后期克服陷入局部最优解的束缚，同时带变异算子的PSO还可以保持前期较快的搜索速度的特性；S5参数设置；S6优化：将设置好的参数输入启停模型，得出运行结果。本发明充分考虑磨煤机的优化运行和现场复杂的工况，使磨煤机启停优化模型更为准确和实用，所优化后的磨煤机启停组合方式基本能满足机组运行时对磨煤机出力的要求，且缩短了磨煤机低出力情况下的运行时间，提高了磨煤机的磨煤效率，从而节省了机组的煤耗量。

Description

一种电站磨煤机节能优化出力的方法

技术领域

本发明涉及一种电站磨煤机节能优化出力的方法，尤其是涉及一种基于粒子群算法的电站锅炉磨煤机出力优化方法。 

背景技术

火电厂中辅机的运行方式若不合理，会致使辅机电耗较大、机组的供电煤耗增大、厂用电率升高。机组主要辅机设备包括磨煤机、送风机、引风机、一次风机、给水泵、凝结水泵、循环水泵等，这些主要辅机的耗电量占全部厂用电量的80％以上，据统计数据显示，火力发电厂总发电量的7％左右都用于厂用电的消耗，而制粉系统作为火电厂耗电大户，其用电量就占去厂用电的15％-25％。并且由于直吹式制粉系统的磨煤机与锅炉燃烧器直接相连，机组在运行的磨煤机出力总和即是锅炉的燃煤量。在直吹式制粉系统中，磨煤机的启停及运行方式，将直接影响机组的耗煤量。随着大型机组参与调峰运行，机组AGC方式对负荷响应速率要求较高，磨煤机的运行组合方式对机组的稳定运行有比较重要的影响。 

近年来大量学者已开始把PSO（Particle Swarm Optimization，粒子群优化）算法应用于电力系统的优化中，主要是电力系统规划及运行与控制等领域。总结来看，研究工作主要包括两个方面：①对电力系统的相关问题建模，表达成适合于粒子群及其改进算法的结构形式；②对PSO算法进一步改进和完善，使之能更好的应用于更广泛的实际工程问题中。科研人员首次将PSO算法应用于电力系统经济调度问题中，但只是用PSO算法解决了简单电力系统单时段的负荷经济分配问题，且考虑的约束条件也很简单。有人提出将带收缩因子的自适应PSO算法用于电力系统经济运行优化中，运用惩罚函数处理电网电压、电流等安全约束，但忽略了机组本身技术约束，因此也有不足之处。 

发明内容

本发明所要解决的技术问题，就是提供一种基于粒子群算法的电站锅炉磨煤机出力优化方法，本方法根据磨煤机优化模型仿真计算变负荷时磨煤机的启停时机和运行组合方式，计算多台磨煤机的能耗，提出优化的运行组合方式，最优分配磨煤机的出力，从而达到降低煤耗的目的。 

解决上述技术问题，本发明采用如下技术方案： 

一种电站磨煤机节能优化出力的方法，其特征是：包括以下依次执行的步骤： 

S1启停规则的数学转换 

通过研究磨煤机带负荷率影响因素,建立好磨煤机启停优化的评价函数，分析磨煤机启停和运行过程中的影响因素，然后进行数学转换，用数学公式表达; 

具体为：设机组AGC给定的负荷指令为P_t，当机组负荷一定，根据一定的函数计算， 可计算出标准煤燃料量，然后经过偏置修正可算出燃烧煤的给煤量，因此，简单地认为，所燃烧煤种的发热值乘以给煤量，乘以机组的效率应等于机组的负荷；用数学式表达为： 

B_M×n×η=P_t

式中：B_M为锅炉的计算总给煤量，n为所燃烧煤种的发热值，η为机组的效率。n的变化由煤种所决定； 

为保证锅炉安全燃烧，提高机组快速升降负荷的能力，磨煤机的出力应备有余量，对于中速磨煤机，在磨制设计煤种时，备用的磨煤机除外，磨煤机总出力应大于等于BMCR（锅炉最大连续蒸发量）时燃煤消耗量的110%；而磨制校核煤种时，检修前的全部磨煤机总出力应大于等于BMCR时燃料消耗量。在此，为保证磨煤机运行时的总出力不小于由机组负荷通过计算得到的锅炉燃烧需要的燃料量，即备有一定的出力裕度。建立约束条件： 

$\underset{i=1}{\overset{6}{\mathrm{\Σ}}}{U}_{\mathrm{it}}{B}_{\mathrm{it}}\≥B_M+B_r$

式中：B_r为运行磨煤机总出力的裕度，根据现场工况机组运行要求确定； 

S2建立约束条件 

S2-1磨煤机i到t时刻的连续运行时间X_it可以表示为递推公式x_it=(x_i(t-1)+T₀)U_it， 

且应满足条件：(x_i(t-1)-T_D)(U_it-U_i(t-1))≥0，由磨煤机出力与其功耗决定其约束关系为： 

$\left\{\begin{array}{c}{B}_M\&times;n\&times;\mathrm{\&eta;}=P_t\\ \underset{i=1}{\overset{6}{\mathrm{\&Sigma;}}}{U}_{\mathrm{it}}{B}_{\mathrm{it}}\&GreaterEqual;B_M+B_r\\ \underset{i=1,i\&NotEqual;j}{\overset{6}{\mathrm{\&Sigma;}}}(B_{i\max }-B_{\mathrm{it}})U_{\mathrm{it}}\&GreaterEqual;B_{\mathrm{jt}}{U}_{\mathrm{jt}},j=\mathrm{1,2},\&CenterDot;\&CenterDot;\&CenterDot;,6\\ B_{i\min }+D_i^{-}<B_{\mathrm{it}}<B_{i\max }-D_i^{+}\\ 75\%B_{\mathrm{iD}}\&le;B_{\mathrm{it}}\&le;95\%B_{\mathrm{iD}},X_{\mathrm{it}}>T_D\end{array}\right.$

式中，B_it为磨煤机i在t时段的出力（t/h）；U_it为在t时段内磨煤机i启停状态；F_i(B_it)为第i台磨煤机在t时段出力时磨煤机的功率，采用曲线拟合，即F_i(B_it)＝α_iB_it ²+b_iB_it+c_i；S_i为磨煤机的启动费用；P_t为AGC(Automatic Generation Control，自动发电量控制)负荷指令机组t时段的负荷（MW）；B_M为锅炉的计算总给煤量；n为所燃烧煤种的发热值；η为机组的效率；B_imax为第i台磨煤机的出力上限；B_r为运行磨煤机总出力裕度；B_imin为第i台磨煤机的出力下限； 

和 

为第i台磨煤机出力的上调量和下调量；X_it为磨煤机i到t时刻的连续运行时间；T_D为本发明设定的磨煤机长期运行时间点；B_iD为第i台磨煤机的计算出力（每台机组都会配备相同类型的磨煤机），B_iD=B_D（i＝1,2,…,6）； 

S2-2引入变动的阈值来解决判定被松弛后的0、1状态变量是隶属于运行状态1或是停机状态0； 

S3确定启停模型 

设磨煤机的启动和停止过程都能够在5秒内完成，如果能使磨煤机满足最快速启停，则单台机组所有磨煤机的启停和运行的总煤耗将达到最小，以此为优化目标，综合以上因素的分析，建立的数学模型如下所示。 

$\min (U_{\mathrm{it}},B_{\mathrm{it}})=\underset{i=1}{\overset{6}{\mathrm{\&Sigma;}}}[U_{\mathrm{it}}(1-U_{i(t-1)})S_i+\underset{t-1}{\overset{t}{\&Integral;}}{F}_i\left(B_{\mathrm{it}}\right)U_{\mathrm{it}}]$

其中，U_it(1-U_i(t-1))S_i表示t时段磨煤机的启动费用；

表示t时段磨煤机的运行费用，根据磨煤机运行记录和试验运行点的数据（F_k，B_k），用最小二乘法拟合一条近似曲线代替真实的功耗特性曲线； 

S4粒子群算法改进 

本发明针对优化对象模型的特点，提出一种改进的PSO算法，由于PSO算法容易陷入局部最优点，因此本发明针对此问题在PSO算法的搜索后期引入变异算子，提出带变异算子的PSO算法，使算法在搜索后期克服陷入局部最优解的束缚，同时带变异算子的PSO还可以保持前期较快的搜索速度的特性。 

定义带变异算子的PSO算法如下： 

if logjamstep＞＝maxstep 

if swarmdist＜borderdist 

logjamstep＝0; 

end 

end 

分别对所有粒子随机产生（0,1）之间的数，若该数小于变异率ariationrate，则对该粒子进行重新随机初始化位置和速度； 

其中，logjamstep为历史最优位置连续不变化时的迭代次数，maxstep为连续不变化时的次数的阈值；swarmdist为所有粒子历史最优位置的欧几里得空间距离，定义为： 

$\mathrm{swarmdist}={\max }_{i=1\&CenterDot;\&CenterDot;\&CenterDot;m}\left(\sqrt{{\mathrm{\&Sigma;}}_{d=1}^D{(p_{\mathrm{id}}-x_{\mathrm{id}})}^2}\right)$

其中，m为相邻子群粒子数，borderdist为判断群内粒子聚集程度的距离阈值。 

具体的PSO算法的计算流程如下： 

（1）初始化粒子群：随机初始化各粒子的位置和速度； 

（2）计算适应度值：根据适应度函数计算各粒子的适应度值； 

（3）更新最优：对每个粒子，将它的适应度值与它的历史最优的适应度值进行比较，如果更好，则将其所在位置作为个体最优位置；与群体的最优适应度值比较，如果更好， 则将其所在位置作为群体最优位置； 

（4）更新粒子：对粒子的速度和位置进行更新。 

（5）停止条件：如果达到预先设定的结束条件（足够好的解或最大迭代次数），则结束，否则转步骤（2）。 

S5参数设置 

改进的PSO算法中的控制参数选择为：wmax=1.2，wmin=0.2，c1=2，c2=2，适应度函数中的惩罚因子设置为β=4000，γ=2000，δ=2000。 

S6优化 

将设置好的参数输入启停模型，得出运行结果。 

有益效果：与现有技术相比，本发明具有以下优点和积极效果： 

本发明充分考虑磨煤机的优化运行和现场复杂的工况，使磨煤机启停优化模型更为准确和实用，所优化后的磨煤机启停组合方式基本能满足机组运行时对磨煤机出力的要求，且缩短了磨煤机低出力情况下的运行时间，提高了磨煤机的磨煤效率，从而节省了机组的煤耗量。 

附图说明

图1是本发明方法的流程图； 

图2是改进后的PSO算法的计算流程图。 

具体实施方式

下面通过实施例结合附图对本发明的技术方案优势作进一步说明。 

本发明提出一种磨煤机出力优化数学模型，并针对磨煤机启停优化模型的特性提出运用改进的PSO算法进行优化，针对PSO算法容易过早收敛和陷入局部最优的问题，提出了PSO算法的改进方法，包括初始化的改进、惯性权值的改进以及变异算子的引入；为便于模型参数的寻优，采用松弛法和构造惩罚函数等方法对磨煤机启停优化数学模型的0、1状态变量和等式、不等式约束条件进行处理，实现了磨煤机启停模型的优化。 

具体操作流程如下： 

阶段一：启停优化数学模型及变量处理 

Step1：由磨煤机启停优化的数学模型可知，磨煤机的总运行费用由磨煤机运行煤耗和磨煤机启动费用组成； 

Step2：磨煤机的运行费用实际上是磨煤机出力B_it和磨煤机启、停状态变量U_it的函数； 

阶段二：优化模型的约束条件处理以及变动阈值的引入 

Step3：X_it（磨煤机i到t时刻的连续运行时间）可以表示为递推公式x_it=(x_i(t-1)+T₀)U_it，且应满足条件：(x_i(t-1)-T_D)(U_it-U_i(t-1))≥0； 

Step4：引入变动的阈值来解决判定被松弛后的0、1状态变量是隶属于运行状态1 或是停机状态0； 

阶段三：建立可用的磨煤机启停优化数学模型； 

Step5：将所得约束条件及引入阈值综合，得出数学模型； 

阶段四：粒子群参数优化设置； 

Step6：PSO算法在这些决策量的上、下限范围内搜索到一个最优的值，达到优化的目的； 

Step7：返回Step3，将设置好的参数输入模型，得出运行结果。 

假设磨煤机的启动和停止过程都能够瞬时（5s）完成。如果能使磨煤机满足最快速启停，则单台机组所有磨煤机的启停和运行的总煤耗将达到最小，以此为优化目标，综合以上因素的分析，建立的数学模型如下所示。 

$\min (U_{\mathrm{it}},B_{\mathrm{it}})=\underset{i=1}{\overset{6}{\mathrm{\&Sigma;}}}[U_{\mathrm{it}}(1-U_{i(t-1)})S_i+\underset{t-1}{\overset{t}{\&Integral;}}{F}_i\left(B_{\mathrm{it}}\right)U_{\mathrm{it}}]$

其中，U_it(1-U_i(t-1))S_i表示t时段磨煤机的启动费用；

表示t时段磨煤机的运行费用，根据磨煤机运行记录和试验运行点的数据（F_k，B_k），用最小二乘法拟合一条近似曲线代替真实的功耗特性曲线。 

设机组AGC给定的负荷指令为P_t，当机组负荷一定，根据一定的函数计算，可计算出标准煤燃料量用数学式表达为： 

B_M×n×η=P_t

式中B_M为锅炉的计算总给煤量，n为所燃烧煤种的发热值，η为机组的效率。n的变化由煤种所决定。 

为保证锅炉安全燃烧，磨煤机的出力应备有余量，为保证磨煤机运行时的总出力不小于由机组负荷通过计算得到的锅炉燃烧需要的燃料量。建立约束条件： 

$\underset{i=1}{\overset{6}{\mathrm{\&Sigma;}}}{U}_{\mathrm{it}}{B}_{\mathrm{it}}\&GreaterEqual;B_M+B_r$

式中B_r为运行磨煤机总出力的裕度，根据现场工况机组运行要求确定。 

可建立快速调峰能力约束条件： 

$\underset{i=1,i\&NotEqual;j}{\overset{6}{\mathrm{\&Sigma;}}}(B_{i\max }-B_{\mathrm{it}})U_{\mathrm{it}}\&GreaterEqual;B_{\mathrm{jt}}{U}_{\mathrm{jt}},j=\mathrm{1,2},\&CenterDot;\&CenterDot;\&CenterDot;,6$

式中B_imax为第i台磨煤机的出力上限，中速磨煤机的出力应满足磨煤机压差和石子煤量的要求；B_jt表示第j台在运行磨煤机在t时刻发生故障跳闸前的出力。 

由于每台运行的磨煤机都有一个出力的上限和下限，且备有一定的可调量，因此可得： 

$B_{i\min }+D_i^{-}<B_{\mathrm{it}}<B_{i\max }-D_i^{+}$

式中B_imin为第i台磨煤机的出力下限，磨煤机的最小出力取决于在小煤量下磨煤机的震动以及在小风量下一次风管道煤粉的沉积，应通过实验和计算确定；

和

为第i台磨煤机出力的上调量和下调量。 

建立出力约束条件如下： 

X_it＞T_D时，75%B_iD≤B_it≤95%B_iD

式中X_it为磨煤机i到t时刻的连续运行时间，T_D为本发明设定的磨煤机长期运行时间标准，B_iD为第i台磨煤机的计算出力。 

在电厂运行中，磨煤机的启停分配了优先度。如大唐潮州电厂中，机组升负荷时，磨煤机按照F-D-E-C-B-A的优先顺序依次进行投运；机组降负荷时，磨煤机按照A-B-C-D-E-F的优先顺序依次进行停运。 

综合以上分析，可建立磨煤机启停优化模型的约束条件如下式所示： 

$\left\{\begin{array}{c}{B}_M\&times;n\&times;\mathrm{\&eta;}=P_t\\ \underset{i=1}{\overset{6}{\mathrm{\&Sigma;}}}{U}_{\mathrm{it}}{B}_{\mathrm{it}}\&GreaterEqual;B_M+B_r\\ \underset{i=1,i\&NotEqual;j}{\overset{6}{\mathrm{\&Sigma;}}}(B_{i\max }-B_{\mathrm{it}})U_{\mathrm{it}}\&GreaterEqual;B_{\mathrm{jt}}{U}_{\mathrm{jt}},j=\mathrm{1,2},\&CenterDot;\&CenterDot;\&CenterDot;,6\\ B_{i\min }+D_i^{-}<B_{\mathrm{it}}<B_{i\max }-D_i^{+}\\ 75\%B_{\mathrm{iD}}\&le;B_{\mathrm{it}}\&le;95\%B_{\mathrm{iD}},X_{\mathrm{it}}>T_D\end{array}\right.$

式中，B_it为磨煤机i在t时段的出力（t/h）；U_it为在t时段内磨煤机i启停状态；F_i(B_it)为第i台磨煤机在t时段出力时磨煤机的功率，采用曲线拟合，即F_i(B_it)＝α_iB_it ²+b_iB_it+c_i；S_i为磨煤机的启动费用；P_t为AGC负荷指令机组t时段的负荷（MW）；B_M为锅炉的计算总给煤量；n为所燃烧煤种的发热值；η为机组的效率；B_imax为第i台磨煤机的出力上限；B_r为运行磨煤机总出力裕度；B_imin为第i台磨煤机的出力下限； 

和

为第i台磨煤机出力的上调量和下调量；X_it为磨煤机i到t时刻的连续运行时间；T_D为本发明设定的磨煤机长期运行时间点；B_iD为第i台磨煤机的计算出力（每台机组都会配备相同类型的磨煤机），B_iD=B_D（i＝1,2,…,6）。 

Claims (2)

1.一种电站磨煤机节能优化出力的方法，其特征是：包括以下依次执行的步骤： 

S1启停规则的数学转换 

通过研究磨煤机带负荷率影响因素,建立好磨煤机启停优化的评价函数，分析磨煤机启停和运行过程中的影响因素，然后进行数学转换，用数学公式表达; 

具体为：设机组AGC给定的负荷指令为P_t，当机组负荷一定，根据一定的函数计算，可计算出标准煤燃料量，然后经过偏置修正可算出燃烧煤的给煤量，因此，简单地认为，所燃烧煤种的发热值乘以给煤量，乘以机组的效率应等于机组的负荷；用数学式表达为： 

B_M×n×η=P_t

式中：B_M为锅炉的计算总给煤量，n为所燃烧煤种的发热值，η为机组的效率。n的变化由煤种所决定； 

为保证锅炉安全燃烧，提高机组快速升降负荷的能力，磨煤机的出力应备有余量，对于中速磨煤机，在磨制设计煤种时，备用的磨煤机除外，磨煤机总出力应大于等于BMCR（锅炉最大连续蒸发量）时燃煤消耗量的110%；而磨制校核煤种时，检修前的全部磨煤机总出力应大于等于BMCR时燃料消耗量。在此，为保证磨煤机运行时的总出力不小于由机组负荷通过计算得到的锅炉燃烧需要的燃料量，即备有一定的出力裕度。建立约束条件： 

式中：B_r为运行磨煤机总出力的裕度，根据现场工况机组运行要求确定； 

S2建立约束条件 

S2-1磨煤机i到t时刻的连续运行时间X_it可以表示为递推公式x_it=(x_i(t-1)+T₀)U_it，且应满足条件：(x_i(t-1)-T_D)(U_it-U_i(t-1))≥0，由磨煤机出力与其功耗决定其约束关系为： 

式中，B_it为磨煤机i在t时段的出力（t/h）；U_it为在t时段内磨煤机i启停状态；F_i(B_it)为第i台磨煤机在t时段出力时磨煤机的功率，采用曲线拟合，即F_i(B_it)＝α_iB_it ²|b_iB_it|c_i；S_i为磨煤机的启动费用；P_t为AGC负荷指令机组t时段的负 荷（MW）；B_M为锅炉的计算总给煤量；n为所燃烧煤种的发热值；η为机组的效率；B_imax为第i台磨煤机的出力上限；B_ir为运行磨煤机总出力裕度；B_imin为第i台磨煤机的出力下限；                                                   

和   

为第i台磨煤机出力的上调量和下调量；X_it为磨煤机i到t时刻的连续运行时间；T_D为本发明设定的磨煤机长期运行时间点；B_iD为第i台磨煤机的计算出力，B_iD=B₀（i=1,2,…,6）； 

S2-2引入变动的阈值来解决判定被松弛后的0、1状态变量是隶属于运行状态1或是停机状态0； 

S3确定启停模型 

设磨煤机的启动和停止过程都能够在5秒内完成，如果能使磨煤机满足最快速启停，则单台机组所有磨煤机的启停和运行的总煤耗将达到最小，以此为优化目标，综合以上因素的分析，建立的数学模型如下所示； 

其中，U_it(1-U_i(t-1))S_i表示t时段磨煤机的启动费用；

表示t时段磨煤机的运行费用，根据磨煤机运行记录和试验运行点的数据（F_k，B_k），用最小二乘法拟合一条近似曲线代替真实的功耗特性曲线； 

S4粒子群算法改进 

定义带变异算子的PSO算法如下： 

if1ogjamstep＞＝maxstep 

if swarmdist＜borderdist 

logjamstep＝0; 

end 

end 

分别对所有粒子随机产生（0,1）之间的数，若该数小于变异率ariationrate，则对该粒子进行重新随机初始化位置和速度； 

其中，logjamstep为历史最优位置连续不变化时的迭代次数，maxstep为连续不变化时的次数的阈值；swarmdist为所有粒子历史最优位置的欧几里得空间距离，定义为： 

其中，m为相邻子群粒子数，borderdist为判断群内粒子聚集程度的距离阈值； 

S5参数设置 

改进的PSO算法中的控制参数选择为：wmax=1.2，wmin=0.2，c1=2，c2=2，适应度函数中的惩罚因子设置为β=4000，γ=2000，δ=2000； 

S6优化 

将设置好的参数输入启停模型，得出运行结果。 

2.根据权利要求1所述的电站磨煤机节能优化出力的方法，其特征是：所述的步骤S4中，PSO算法的计算流程如下： 

（1）初始化粒子群：随机初始化各粒子的位置和速度； 

（2）计算适应度值：根据适应度函数计算各粒子的适应度值； 

（3）更新最优：对每个粒子，将它的适应度值与它的历史最优的适应度值进行比较，如果更好，则将其所在位置作为个体最优位置；与群体的最优适应度值比较，如果更好，则将其所在位置作为群体最优位置； 

（4）更新粒子：对粒子的速度和位置进行更新。 

（5）停止条件：如果达到预先设定的结束条件：足够好的解或最大迭代次数；则结束，否则转步骤（2）。 

Images