CN103426032B - 一种热电联产机组的经济优化调度方法 - Google Patents

Abstract

一种热电联产机组的经济优化调度方法：S1确定热电联产机组安全可调的调峰范围；S2构建考虑电负荷调整时间的机组负荷优化问题的数学模型，建立多目标、多约束机组负荷优化目标函数；S3设计基于非支配排序遗传算法(NSGA‑Ⅱ)的热电联产机组多目标、多约束负荷优化调度方案。本发明建立的热电联产机组多目标、多约束优化调度方法，能够在确保机组安全、经济、环保运行的前提下，实时合理分配全厂各机组间发电负荷和供热负荷，最大限度地降低全厂标准总煤耗、污染物排放以及快速响应电网负荷调整，提升了机组的负荷竞争能力，实现了全厂低综合经济成本运行，机组整体效益得到提高。

Description

一种热电联产机组的经济优化调度方法

技术领域

本发明涉及一种热电联产机组的经济优化调度方法，尤其是涉及一种热电联产机组多目标、多约束的经济优化调度方法。

背景技术

随着热电联产机组在电网所占比重不断上升，机组参与调峰是必然趋势。厂网分开的电力市场化改革使得热电联产机组在完成电网调峰任务的基础上，也需要兼顾机组本身降低综合经济成本和环保运行的要求，优化负荷分配，达到规定热电比，以提高全厂负荷竞争能力，这就涉及到热电联产机组参与调峰时多目标、多约束的优化问题。目前，关于火电厂厂级负荷优化调度分配的问题已经展开了广泛研究，并在工程实际上得到了运用。在热电联产机组间，也存在如何在满足电网调度时间要求的同时，机组运行维持在低煤耗、低污染物排放水平，综合经济成本最优的问题。“以热定电”的运行方式要求热电联产机组充分掌握其负荷安全可调的范围，这不仅关系到多台机组之间进行负荷分配的安全性和机组参与电网调度调峰的综合能力，也是研究机组优化调度经济性的基础。

国内外在机组间负荷优化分配问题上的研究已经有半个多世纪的时间，从传统的优化算法，诸如等微增法、动态规划等，逐渐发展到现在基于计算机技术和人工智能技术的模拟退火算法、人工神经网络法、蚁群算法等现代算法。各算法在解决不同领域内的问题时，有其独特的优势，针对具体系统提出的算法都有较好的优化效果，当然也存在一定的局限性。

当前国内热电联产负荷优化分配研究多关注基于煤耗特性曲线或汽耗曲线的优化算法的改进上，没有随着当前我国电力市场形势的发展赋予热电联产负荷优化分配数学模型新的内容，将负荷调整时间、环保要求约束等要求考虑到其中，这在一定的程度上限制了热电联产负荷优化分配的进一步发展，不利于负荷优化理论研究的实际应用。

发明内容

本发明所要解决的技术问题，就是提供一种充分考虑当前热电联产负荷优化分配理论对机组安全可调的调峰范围、引入电网调度时间要求且优化时间较短的热电联产机组多目标、多约束经济优化调度方法。

解决上述技术问题，本发明采用的技术方案是：

一种热电联产机组的经济优化调度方法，其特征是包括以下步骤：

S1确定热电联产机组安全可调的调峰范围；

S2构建考虑电负荷调整时间的机组负荷优化问题的数学模型，建立多目标多约束机组负荷优化目标函数；

S3设计基于非支配排序遗传算法(NSGA-Ⅱ)的热电联产机组多目标多约束负荷优化调度方案。

热电联产机组参与调峰调度，确定机组安全可调的范围是调峰基础，负荷优化分配数学模型的建立是调度关键。

所述步骤S1的热电联产机组安全可调的调峰范围是指通过机组设计工况图结合热力试验和运行数据，采用变工况计算，绘制双抽热电联产机组的实际运行工况图，得到不同抽汽量下的调峰范围。

所述的变工况和等效焓降都是已有的机组计算理论。

热电联产机组安全可调的调峰范围通过以下公式确定：

P_min≤P≤P_max (16)

P—不同抽汽量下的负荷，MW；

P_max—不同抽汽量下的负荷上限，MW；

P_min—不同抽汽量下的负荷下限，MW；

D_h1—中压抽汽量，t/h；

D_h2—低压抽汽量，t/h；

α_1...5,β_1...5—为方程特性系数；

该范围是进行优化分配的首要前提，若无其他说明，以下机组约束条件和负荷优化分配均在该安全可调的调峰范围内。

所述步骤S2的构建机组负荷优化问题的数学模型、建立多目标、多约束机组负荷优化目标函数为：目标函数以机组标准总煤耗量最低、污染物排放最少和负荷调整时间最短作为优化目标，综合考虑发电功率、中低压供热负荷平衡约束、负荷上下限、机组热电比考核约束条件，目标函数的可行区域为上述的热电联产机组安全可调的调峰范围；

全厂（指厂内所有的热电联产机组，下同）标准总煤耗量B可表示为：

其中b_Pi(P_i)=λ₁P_i+λ₂D_h1(i)+λ₃D_h2(i)+λ₄P_i ²+λ₅D_h1(i)²+λ₆D_h2(i)²+λ₇ (20)

b_Di(D_h)=γ₁P_i+γ₂D_h1(i)+γ₃D_h2(i)+γ₄P_i ²+γ₅D_h1(i)²+γ₆D_h2(i)²+γ₇ (21)

B—全厂标准总煤耗，t/h；

b_P—发电标准煤耗率，g/(kW·h)；

b_D—供热标准煤耗率kg/GJ；

i—供热标准煤耗率kg/GJ；

λ_j,γ_{j,j=1,2,....7}—机组发电标准煤耗率和供热标准煤耗率的特性系数；

污染物排放特性曲线可表示为：

f—机组污染物排放量，t/h；

χ_1...7—机组排放特性系数；

负荷调整时间

中低压供热负荷调整时间远低于电负荷调整时间，因此本发明仅考虑机组电负荷调整时间，负荷调整时间定义为机组中最后一台完成电负荷调整所用的时间即为本次负荷分配调整时间；

t_i(P_i)=|P_i-P_now,i|v_i (23)

T=min（maxt_i(P_i)） (24)

t_i(P_i)—第i台机组完成负荷分配指令的时间，min；

P_i—第i台机组的负荷分配指令，MW；

P_now,i—第i台机组当前承担的负荷，MW；

v_i—第i台机组的负荷升降速率，MW/min；

T—全厂负荷调整时间，min。

建立多目标、多约束机组负荷优化目标函数为：

将全厂总煤耗成本和污染物处理成本统一折合成综合经济成本，同时考虑这两者对该目标的权重大小；

g=η₁M_cB+η₂M_nf (25)

g—综合经济成本，元/h；

M_c—标准煤单价，元/t；

M_n—污染物处理成本，元/t；

η₁—标准总煤耗成本在综合经济指标中所占权重；

η₂—污染物排放成本在综合经济指标中所占权重；

综合式（9）和（10）即为多目标、多约束机组负荷优化目标函数；（在机组优化分配时需考虑以下机组约束条件。）

机组多约束条件

1）发电功率平衡

P—某时段机组电功率调度负荷指令；

2）中、低压供热负荷平衡

3）负荷上下限

机组发电负荷约束

P_min≤P≤P_max (28)；

P_min，P_max—第i台机组发电机最小最大负荷；

中低压供热负荷约束

D_h1min≤D_h1≤D_h1max,D_h2min≤D_h2≤D_h2max (29)

D_h1min，D_h1max—中压供热最大最小负荷；

D_h2min，D_h2max—低压供热最大最小负荷；

4）热电比

国家颁布的<关于发展热电联产的规定>中指出：大于200MW的抽汽凝气两用热电联产机组，采暖期热电比需大于50%；

Q—全年统计供热量，kJ/年

W—全年统计发电量，kW·h/年;

所述的全厂标准总煤耗费用和污染物处理成本权重分别取0.9和0.1。

所述的步骤S3包括以下子步骤：

Step1：读取机组安全可调的调峰范围；

Step2：设置非支配排序遗传算法目标个数、算法参数、变量范围；

Step3：初始化种群；

Step4：计算当前种群各个体目标函数值，作为非劣分层的依据；

Step5：对当前种群进行非劣性分层，并计算个体的拥挤度，拥挤度可以视为一种虚拟适应度，在同级比较中作为决胜标准，有效地保证了种群的多样性；

Step6：选择、交叉、变异得到中间子种群；

Step7：将得到的中间子种群和父代种群合成为一个统一的新种群；

Step8：对形成的新种群进行非劣性分层，计算每一层的拥挤度并排序；

Step9：依据解拥挤度等级的高低逐一选取N个体的精英保留策划，新一轮进化的父代种群，其个体数为N；在此基础上开始新一轮的选择、交叉和变异,形成新的子代种群；

Step10：判断是否达到预设的终止条件，如满足，则最后一次迭代的全局值中每一维的权值即为所求的；否则返回step4，算法继续迭代，直至满足条件。

最后得到机组负荷分配结果和最优综合目标函数指标。

本方法首先通过等效焓降法和编程确定机组安全可调的调峰范围，再将电网对机组负荷调整时间的要求引入机组负荷优化分配，构建综合机组标准煤耗量、污染物排放和负荷调整时间的优化模型，该模型综合了考虑调峰范围约束、发电功率平衡约束、中低压供热平衡约束、负荷上下限以及机组热电比考核等约束条件，通过非支配排序遗传算法(NSGA-Ⅱ)算法可获得热电联产机组某时段负荷调度的全局最优解，并能减少搜索最优解的时间。

本发明的技术效果在于：构建了多目标（低综合经济成本、短负荷调整时间）、多约束（如功率平衡、热电比等）的热电联产机组负荷分配优化数学模型，采用非支配排序遗传算法(NSGA-Ⅱ)，获得热电联产机组在满足电网对负荷调整时间硬性要求的条件下，达到经济与环保运行，提高机组整体负荷竞争能力，全厂效益得到充分保证。

附图说明

图1为确定热电联产机组安全可调的调峰范围流程图；

图2为机组负荷优化目标函数的多目标多约束条件框架图；

图3为热电联产机组多目标多约束优化调度方法技术路线图；

图4为基于NSGA-Ⅱ算法获得机组负荷的优化调度方案技术路线图。

具体实施方式

以下结合某调度指令下6台机组负荷优化分配的过程对本发明做详细描述，过程如下:

一、热电联产机组安全可调的调峰范围确定

首先获得6台机组的原始资料，包括设计工况图、热力试验和机组运行数据，利用等效焓降法对机组的各种运行工况进行经济指标的计算和流量的校核计算。然后编程计算变工况下的机组负荷，绘制双抽热电联产机组的实际运行工况图，得到由式1、2、3组成的不同抽汽量下的调峰范围。

二、构建考虑电负荷调整时间的机组负荷优化问题的数学模型，建立多目标多约束机组负荷优化目标函数

热电联产机组负荷优化问题的是非线性的优化问题，包括了多个优化目标函数。通过对6台机组运行数据的收集和整理，拟合得到机组发电标准煤耗率曲线和供热标准煤耗率曲线，即式5和6，之后经过转换得到全厂标准总煤耗量特性曲线，即式4。污染物排放特性曲线也使用同样的方法，得式7。

引入负荷调整时间，使得机组快速响应电网调度的要求，提升机组负荷竞争能力，该目标由式8和9构成。

确定目标函数决策变量，建立多目标多约束的负荷优化目标函数。

将全厂标准总煤耗和污染物排放量通过引入权重因子折合为机组运行的综合经济成本，其中，全厂标准总煤耗费用和污染物处理成本权重分别为0.9和0.1，标准煤价格900元/t，污染物处理费用为NO_x和SO₂均为630元/t。

至此，由式9和10建立了热电联产多目标、多约束机组负荷优化目标函数。

6机组优化分配过程中均需要满足由式11-15的约束条件。

三、设计基于NSGA-Ⅱ算法热电联产多目标、多约束某时段的机组负荷优化调度方案

利用非支配排序遗传算法（NSGA-Ⅱ）获得某调度指令下满足多目标、多约束的机组负荷分配结果和最优综合目标函数指标，具体步骤如下：

Step1：读取6台机组安全可调的调峰范围；

Step2：设置非支配排序遗传算法目标个数、算法参数、变量范围；

Step3：初始化种群；

Step4：计算当前种群各个体目标函数值，作为非劣分层的依据；

Step5：对当前种群进行非劣性分层，并计算个体的拥挤度，拥挤度可以视为一种虚拟适应度，在同级比较中作为决胜标准，有效地保证了种群的多样性；

Step6：选择、交叉、变异得到中间子种群；

Step7：将得到的中间子种群和父代种群合成为一个统一的新种群；

Step8：对形成的新种群进行非劣性分层，计算每一层的拥挤度并排序；

Step9：依据解拥挤度等级的高低逐一选取N个体的精英保留策划，新一轮进化的父代种群，其个体数为N。在此基础上开始新一轮的选择、交叉和变异,形成新的子代种群；

Step10：判断是否达到预设的终止条件，如满足，则最后一次迭代的全局值中每一维的权值即为所求的；否则返回step4，算法继续迭代，直至满足条件。

最后得到机组负荷分配结果和最优综合目标函数指标。

最后某调度指令下各台机组的负荷分配结果为：

机组编号

1

2

3

4

5

6

发电负荷/MW

P

P

P

P

P

P

中压供热负荷/t/h

Dh1

Dh1

Dh1

Dh1

Dh1

Dh1

低压供热负荷/t/h

Dh2

Dh2

Dh2

Dh2

Dh2

Dh2

全厂负荷调整时间为：

T/min

本发明建立的热电联产机组多目标、多约束优化调度方法，能够在确保机组安全、经济、环保运行的前提下，实时合理分配全厂各机组间发电负荷和供热负荷，最大限度地降低全厂标准总煤耗、污染物排放以及快速响应电网负荷调整，提升了机组的负荷竞争能力，实现了全厂低综合经济成本运行，机组整体效益得到提高。

Claims (3)

1.一种热电联产机组的经济优化调度方法，其特征是包括以下步骤：

S1确定热电联产机组安全可调的调峰范围；

S2构建考虑电负荷调整时间的机组负荷优化问题的数学模型，建立多目标多约束机组负荷优化目标函数；

S3设计基于非支配排序遗传算法的热电联产机组多目标多约束负荷优化调度方案；

所述的步骤S1确定热电联产机组安全可调的调峰范围是指通过机组设计工况图结合热力试验和运行数据，采用变工况计算，绘制双抽热电联产机组的实际运行工况图，得到不同抽汽量下的调峰范围；

热电联产机组安全可调的调峰范围通过以下公式确定：

P_min≤P≤P_max (1)

$P_{min}={\mathrm{\&alpha;}}_1{D}_{h1}^2+{\mathrm{\&alpha;}}_2{D}_{h1}+{\mathrm{\&alpha;}}_3{D}_{h2}^2+{\mathrm{\&alpha;}}_4{D}_{h2}+{\mathrm{\&alpha;}}_5---\left(2\right)$

$P_{max}={\mathrm{\&beta;}}_1{D}_{h1}^2+{\mathrm{\&beta;}}_2{D}_{h1}+{\mathrm{\&beta;}}_3{D}_{h2}^2+{\mathrm{\&beta;}}_4{D}_{h2}+{\mathrm{\&beta;}}_5---\left(3\right)$

P—不同抽汽量下的负荷，MW；

P_max—不同抽汽量下的负荷上限，MW；

P_min—不同抽汽量下的负荷下限，MW；

D_h1—中压抽汽量，t/h；

D_h2—低压抽汽量，t/h；

α_1...5,β_1...5—为方程特性系数。

2.根据权利要求1所述的热电联产机组的经济优化调度方法，其特征是：所述的步骤S2构建机组负荷优化问题的数学模型、建立多目标多约束机组负荷优化目标函数为：以机组标准总煤耗量最低、污染物排放最少和负荷调整时间最短作为目标函数优化目标，综合考虑发电功率、中低压供热负荷平衡约束、负荷上下限、机组热电比考核约束条件，目标函数的可行区域为热电联产机组安全可调的调峰范围；

全厂标准总煤耗量B可表示为：

$B=\underset{i=1}{\overset{N}{\&Sigma;}}{B}_i(P,D_h)=\underset{i=1}{\overset{N}{\&Sigma;}}{b}_{Pi}\&times;P_i/{10}^3+b_{Di}\&times;D\left(i\right)\&times;h\left(i\right)/{10}^6---\left(4\right)$

其中b_Pi＝λ₁P_i+λ₂D_h1(i)+λ₃D_h2(i)+λ₄P_i ²+λ₅D_h1(i)²+λ₆D_h2(i)²+λ₇ (5)

b_Di＝γ₁P_i+γ₂D_h1(i)+γ₃D_h2(i)+γ₄P_i ²+γ₅D_h1(i)²+γ₆D_h2(i)²+γ₇ (6)

B—全厂标准总煤耗，t/h；

b_P—发电标准煤耗率，g/(kW·h)；

b_D—供热标准煤耗率kg/GJ；

i—在运行的热电联产机组台数；

λ_j,γ_j,j＝_1,2,....7—机组发电标准煤耗率和供热标准煤耗率的特性系数；

污染物排放特性曲线可表示为：

$f=\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}({\mathrm{\&chi;}}_1{P}_i+{\mathrm{\&chi;}}_2{D}_{h1}(i)+{\mathrm{\&chi;}}_3{D}_{h2}(i)+{\mathrm{\&chi;}}_4{P}_i^2+{\mathrm{\&chi;}}_5{D}_{h1}{\left(i\right)}^2+{\mathrm{\&chi;}}_6{D}_{h2}{\left(i\right)}^2+{\mathrm{\&chi;}}_7)---\left(7\right)$

f—机组污染物排放量，t/h；

χ_{j,j＝1,2,....7}—机组排放特性系数；

负荷调整时间

中低压供热负荷调整时间远低于电负荷调整时间，因此本发明仅考虑机组电负荷调整时间，负荷调整时间定义为机组中最后一台完成电负荷调整所用的时间即为本次负荷分配调整时间；

t_i(P_i)＝|P_i-P_now,i|/v_i (8)

T＝min(max t_i(P_i)) (9)

t_i(P_i)—第i台机组完成负荷分配指令的时间，min；

P_i—第i台机组的负荷分配指令，MW；

P_now,i—第i台机组当前承担的负荷，MW；

v_i—第i台机组的负荷升降速率，MW/min；

T—全厂负荷调整时间，min；

多目标多约束机组负荷优化目标函数为：

将全厂总煤耗成本和污染物处理成本统一折合成综合经济成本，同时考虑这两者对该目标的权重大小；

g＝η₁M_cB+η₂M_nf (10)

g—综合经济成本，元/h；

M_c—标准煤单价，元/t；

M_n—污染物处理成本，元/t；

η₁—标准总煤耗成本在综合经济指标中所占权重；

η₂—污染物排放成本在综合经济指标中所占权重；

综合式(9)和(10)即为多目标机组负荷优化目标函数，在机组优化分配时需考虑以下机组多约束条件；

1)发电功率平衡

$P=\underset{i=1}{\overset{n}{\&Sigma;}}{P}_i---\left(11\right)$

P—某时段机组电功率调度负荷指令；

2)中、低压供热负荷平衡

$D_{h1}=\underset{i=1}{\overset{n}{\&Sigma;}}{D}_{h1i},D_{h2}=\underset{i=1}{\overset{n}{\&Sigma;}}{D}_{h2i}---\left(12\right);$

3)负荷上下限

机组发电负荷约束

P_min≤P≤P_max (13)；

P_min，P_max—不同抽汽量下的负荷下限与上限；

中低压供热负荷约束

D_h1min≤D_h1≤D_h1max,D_h2min≤D_h2≤D_h2max (14)

D_h1min—中压供热最小负荷；D_h1max—中压供热最大负荷；

D_h2min—低压供热最小负荷；D_h2max—低压供热最大负荷；

4)热电比

国家颁布的<关于发展热电联产的规定>中指出：大于200MW的抽汽凝气两用热电联产机组，采暖期热电比需不小于50％；

$X=\frac{Q}{W\&times;3600}\&times;100\%\&GreaterEqual;50\%---\left(15\right)$

Q—全年统计供热量，kJ/年

W—全年统计发电量，kW·h/年；

所述的全厂标准总煤耗费用和污染物处理成本权重分别取0.9和0.1。

3.根据权利要求2所述的热电联产机组的经济优化调度方法，其特征是：所述的步骤S3包括以下子步骤：

Step1：读取机组安全可调的调峰范围；

Step2：设置非支配排序遗传算法目标个数、算法参数、变量范围；

Step3：初始化种群；

Step4：计算当前种群各个体目标函数值，作为非劣分层的依据；

Step5：对当前种群进行非劣性分层，并计算个体的拥挤度，拥挤度可以视为一种虚拟适应度，在同级比较中作为决胜标准，有效地保证了种群的多样性；

Step6：选择、交叉、变异得到中间子种群；

Step7：将得到的中间子种群和父代种群合成为一个统一的新种群；

Step8：对形成的新种群进行非劣性分层，计算每一层的拥挤度并排序；

Step9：依据解拥挤度等级的高低逐一选取N个体的精英保留策划，新一轮进化的父代种群，其个体数为N；在此基础上开始新一轮的选择、交叉和变异,形成新的子代种群；

Step10：判断是否达到预设的终止条件，如满足，则最后一次迭代的全局值中每一维的权值即为所求的；否则返回Step4，算法继续迭代，直至满足条件。