CN103745281B

CN103745281B - 热电联产机组的n段区间电负荷预测寻优方法

Info

Publication number: CN103745281B
Application number: CN201410047802.8A
Authority: CN
Inventors: 王昭鑫; 孙玮; 李慧聪; 曾洁; 丁俊齐; 刘勇; 田大伟
Original assignee: State Grid Corp of China SGCC; Electric Power Research Institute of State Grid Shandong Electric Power Co Ltd; State Grid Shandong Electric Power Co Ltd
Current assignee: State Grid Corp of China SGCC; Electric Power Research Institute of State Grid Shandong Electric Power Co Ltd; State Grid Shandong Electric Power Co Ltd
Priority date: 2014-02-11
Filing date: 2014-02-11
Publication date: 2017-01-11
Anticipated expiration: 2034-02-11
Also published as: CN103745281A

Abstract

本发明公开了热电联产机组的N段区间电负荷预测寻优方法，步骤如下：读取过去一天24小时中室外温度大致线性变化的N个时段中每个小时的热电联产机组供热的历史数据；根据历史数据，采用最小二乘法拟合出室外温度与建筑物热负荷的N个一次回归曲线：将预测日的室外温度代入上述一次回归曲线，估算出预测日的热负荷。利用热电联产机组的历史数据和最小二乘法建立机组供热工况图数字化的数字模型，把预测日的热负荷代入该数学模型，根据数学模型的边界条件，计算出该机组在某个供热负荷下的最小发电功率和最大发电功率，从而确定该机组的在某个供热负荷下的发电负荷区间。本发明精确预测未来24小时的热电联产机组供热系统的热负荷和发电负荷区间。

Description

热电联产机组的N段区间电负荷预测寻优方法

技术领域

本发明涉及热电联产机组的N段区间电负荷预测寻优方法。

背景技术

近年来,热电联产机组飞速发展,这对发电调度和供热系统的运行管理提出了更高的要求。抽凝式供热机组在供热时，低压缸需要有最小安全进汽量，以保护汽轮机叶片不被“汽蚀”。

考虑到抽凝式供热机组在满足一定的对外供热负荷条件下，能够保证供热机组安全稳定运行的电负荷区间是由机组供热工况图所决定的，对于单抽抽凝供热机组，供热工况图是一种三维空间的图形；对于双抽抽凝供热机组，供热工况图是一种四维空间的图形，均无法数字化。因此，将汽轮机和发电机的机-电模型数字化，精确预测热电联产机组第2天中24小时的热负荷和最小电负荷，将是各省电力调度中心安排煤耗较大的热电联产机组发最小负荷的电，安排煤耗小的超临界大机组发高负荷的电，从而实现节能调度和节能减排的关键环节。

中国发明专利（申请号：201210520548X，专利名称：一种集中供热全网热平衡控制方法）该专利虽然提到了“采用最小二乘法，拟合一条可在线自修正的室外温度与供暖热指标回归曲线”，但是，由于最小二乘法，只能用于拟合线性回归曲线。而1天中室外温度上升趋势和下降趋势是在随机变化的，也就是说有多个线性区间，上述专利如果把这些线性区间简单的拟合为1条回归曲线，相对来说，误差会较大。

总而言之，目前需要本领域技术人员迫切解决的一个技术问题是：如何精确预测未来24小时的热点联产机组供热系统的供热负荷和发电负荷，在满足对外供热负荷条件下，保证供热机组在最小负荷下的稳定运行。

发明内容

本发明的目的就是为了解决上述问题，提供热电联产机组的N段区间电负荷预测寻优方法，它使电网可以使用天气预报的温度数据和各热电联产机组在运行过程中储存的大量的历史数据，精确地预测热电联产机组第2天中24小时的供热负荷和发电负荷，并把这些数据用于电网的节能调度系统中，起到节能降耗的目的，大大提高了机组的安全运行。

为了实现上述目的，本发明采用如下技术方案：

热电联产机组的N段区间电负荷预测寻优方法，包括如下步骤：

步骤（1）：将一天24小时按照室外温度上升趋势或下降趋势的线性区间分为N个时间段，读取热电联产机组供热系统N个时间段内每个小时的室外温度的历史数据t_wi和建筑物热负荷供热历史数据Q_i；其中，室外温度t_wi中下标的含义：w表示室外，i表示某一时刻；

步骤（2）：根据步骤（1）的室外温度中最近3天的历史数据t_wi和建筑物热负荷供热中最近3天的历史数据Q_i，采用最小二乘法，拟合出室外温度与建筑物热负荷的一次曲线：

Q_i＝At_wi+B；（2）；

式中：Q_i为i时刻的热量；t_wi为i时刻的室外温度；A和B为线性回归曲线的系数，A为斜率，B为偏移量；

步骤（3）：将预测日某个时刻的室外温度预测值代入（2）式，计算出这个时刻建筑物热负荷的预测值；由于现在热电联产机组各个缸对应的需要热负荷的建筑物是固定的，先计算出预测的中压缸预测日24小时建筑热负荷Q₁，再计算出预测的低压缸预测日24小时建筑热负荷Q₂；

步骤（4）：把步骤（3）计算出的中压缸供热负荷Q₁和低压缸供热负荷Q₂代入对单抽和双抽抽凝机组都适用的供热工况图数字化的数字模型公式（5）和边界条件，计算出某个机组在中压缸供热负荷Q₁和低压缸供热负荷Q₂下的机组安全运行的最小或最大发电功率D，从而确定该机组的在某个供热负荷下的发电区间；

Q₀＝K1*D+K2*Q₁+K3*Q₂ (5)；

式中：

Q₀：为汽轮机的总进汽量；D：为机组的发电功率；

Q₁：为中压缸供热负荷；Q₂：为低压缸供热负荷；

K1：为机组纯凝工况下的汽耗率；K2，K3：为机组抽汽供热系数。

所述步骤（2）的A和B的值计算公式如下：

B＝(ΣQ_i)/n-A*(Σt_wi)/n (3)

A=[n*∑t_wi*Q_i-(∑t_wi*∑Q_i)]/[n*∑t_wi*2-(∑t_wi)*2] (4)；

式中：Q_i为i时刻的热量；t_wi为i时刻的室外温度；A和B为线性回归曲线的系数，A为斜率，B为偏移量；n为最小二乘法中样本的个数。

所述步骤（4）的具体步骤为:

把1天中的24个小时分为N个时段，在这N个时段中，使用每小时的历史数据分别得到N个公式（2），即N个不同A和B系数的线性公式；预测日24小时的热负荷预测值就通过这N个公式计算得出。

所述公式（5）的K1，K2，K3通过热电联产机组的历史数据计算出：把机组历史上某一时刻实际的供热量Q₁和Q₂及此刻汽轮机的进汽量Q₀和实际发电功率D代入公式（5），得到公式（5）的第一组表达式；再把机组历史上另外某一时刻的上述数据代入公式（5），得到公式（5）的第二组表达式；重复上述步骤，再得到公式（5）的第三组表达式；对上述三组表达式的3元一次方程组求解，便得到一组K1，K2，K3。

所述公式（5）式的边界条件：

汽轮机的总进汽量是锅炉最大蒸发量，为供热工况图数字化的数字模型的上边界；

在供热工况图上，中压缸供热抽汽限制线和低压缸供热抽汽限制线，是两个线性函数，做为供热工况图数字化的数字模型的下边界，同时，热电联产机组的稳燃负荷（例如，华北电网一般取机组额定负荷的50%为稳燃负荷）也是供热工况图数字化的数字模型的下边界。

本发明的有益效果：

1热电联产机组可以地预测出预测日中24小时的供热负荷，这样也就可以根据机组的供热工况图的数字化模型，精确的预测出该机组预测日中24小时内任一时刻的发电负荷的范围，即最低可能的发电负荷和最高可能的发电负荷。

2由于供热系统不是分户热计量系统,用户末端没有安装温控阀,不具备自调节能力。热电联产机组是根据用户的投诉电话进行调节的,而当供热过量导致室温过高时则很少有用户投诉,只能通过其它情况来判断。因此历史运行数据中包含一定量的不合理因素,而且这种热网运行方式目前在国内很典型。从历史的数据可以看到，在同一个室外空气温度下对应的实际供热负荷有一定的波动范围,这说明原始供热数据存在不合理因素。但考虑到供热系统具有热容量较大、滞后时间较长、用户无自调节能力等特点,实践证明，本技术预测结果的评估在实际生产中取得了很好的效果。

3对于没有与气象台签订次日24小时温度预报的热电联产机组，可以使用当地气象台次日预报的最高气温和最低气温分段计算，其中间点温度可以使用插值得到。

4本发明是把1天中室外温度的变化按照其趋势自动分成N段（最少4段），从而拟合出N条（最少4条）在线自修正的热负荷预测曲线，可以大大提高热负荷的预测精度。从机组1天中最高供热负荷与最低供热负荷一般的相差量来看，可以比上述专利提高热负荷的预测精度15%～30%。

5汽轮机供热工况图为调整抽汽式汽轮机的特性曲线，表示了电功率、新蒸汽流量及调整抽汽量之间的相互关系以及机组可能发生的各类工况的范围，是热电联产机组计算发电负荷区间的技术基础，是关键因素。对于单抽抽凝供热机组，供热工况图是一种三维空间的图形；对于双抽抽凝供热机组，供热工况图是一种四维空间的图形，均无法数字化。经过实践证明，本发明介绍的供热工况图数字化方法，是利用汽轮机实际运行中各项参数反映出来的真实的热力平衡关系，再考虑到这个热力平衡关系的边界约束条件而形成的数学模型，该数学模型对单抽和双抽抽凝机组都适用,计算结果与实际情况相比，误差一般在1%～2%内，完全可以满足工业生产的要求。

附图说明

图1为本发明的方法流程图。

具体实施方式

下面结合附图与实施例对本发明作进一步说明。

如图1所示，基于天气预报和供热历史数据的N段区间电负荷预测寻优方法，包括如下步骤：

步骤（1）：读取热电联产机组供热系统设定时间段内每个小时的室外温度的历史数据t_wi和建筑物热负荷供热历史数据Q_i；

读取三天中每天8：00—14：00中的每个小时的历史数据

t_w1=[t_w11，t_w12，......t_w16]

t_w2=[t_w21，t_w22，......t_w26]

t_w3=[t_w31，t_w32，......t_w36]

Q₁=[Q₁₁,Q₁₂,......Q₁₆]

Q₂=[Q₂₁,Q₂₂,......Q₂₆]

Q₃=[Q₃₁,Q₃₂,......Q₃₆]

式中：t_w21中下标的含义：w表示室外，2表示第2天，1表示8：00时的室外温度;

……;

t_w24中下标的含义：w表示室外，2表示第2天，4表示10：00时的室外温度;

……;

根据步骤（1）的室外温度中最近3天的历史数据t_wi和建筑物热负荷供热中最近3天的历史数据Q_i，采用最小二乘法，拟合出室外温度与建筑物热负荷的一次曲线：

Q_i＝At_wi+B；（2）

式中：Q_i为i时刻的热量；t_wi为i时刻的室外温度；A和B为线性回归曲线的系数，A为斜率，B为偏移量。

步骤（3）：将预测日某个时刻的室外温度预测值代入（2）式，计算出这个时刻建筑物热负荷的预测值；由于现在机组各个缸对应的需要热负荷的建筑物是固定。先用计算出预测的中压缸预测日24小时建筑热负荷Q₁，再计算出预测的低压缸预测日24小时建筑热负荷Q₂；

步骤（4）：把步骤（3）计算出的中压缸供热负荷Q₁和低压缸供热负荷Q₂代入对单抽和双抽抽凝机组都适用的供热工况图数字化的数字模型公式（5）和边界条件，计算出在某个机组在供热负荷Q₁和低压缸供热负荷Q₂下的机组安全运行可以的最小发电功率D或最大发电功率D，从而确定该机组的在某个供热负荷下的发电区间；

Q₀＝K1*D+K2*Q₁+K3*Q₂ (5)；

式中：

Q₀：为汽轮机的总进汽量；D：为机组的发电功率；

Q₁：为中压缸供热负荷；Q₂：为低压缸供热负荷；

所述步骤（1）的设定时间段为最近三天中每天天气预报8:00-14:00。

所述步骤（2）的A和B的值计算公式如下：

B=(∑Q_i)/n–A*(∑t_wi)/n (3)

A=[n*∑t_wi*Q_i-(∑t_wi*∑Q_i)]/[n*∑t_wi*2-(∑t_wi)*2] (4)

式中：Q_i为i时刻的热量；t_wi为i时刻的室外温度；A和B为线性回归曲线的系数，A为斜率，B为偏移量，n，含义为最小二乘法中样本的个数。

所述步骤（4）的具体步骤为:

把1天中的24个小时分为N个时段（N的取值范围可以是从4～12的正整数），例如：分为4个时段，8：00—14：00，14：00—20：00，20：00—2：00，2：00—8：00；在这4个时段中，使用每小时的历史数据分别得到4个公式（2），即4个不同A和B系数的线性公式；第2天24小时的热负荷预测值就通过这4个公式计算得出。

由于历史数据可能具有一定的分散性，因此对线性回归公式（5）再次使用最小二乘法，使用更多的历史数据对K1，K2，K3进行归纳和优化。

所述公式（5）式的边界条件：

在供热工况图上，中压缸供热抽汽限制线和低压缸供热抽汽限制线，是两个线性函数，做为供热工况图数字化的数字模型的下边界，同时，机组的稳燃负荷（例如，华北电网一般取机组额定负荷的50%为稳燃负荷）也是供热工况图数字化的数字模型的下边界。

在忽略太阳辐射、风速变化等因素对建筑物围护结构耗热量影响的情况下,建筑物稳态热负荷用下式计算:

Q＝KF(t_n-t_w) (1)

式中：Q为建筑物的热负荷；K为建筑物的传热系数；F为建筑物的传热面积；t_n,t_w分别为室内、外空气温度。

由式(1)可以看出,如果室内空气温度保持不变,忽略建筑物的热惰性,对于同一栋建筑物来说，建筑热负荷Q和室外空气温度tw之间呈线性关系。但在实际情况下,建筑物通过围护结构与外界发生非稳态传热。其温度波随时间的变化存在一定的延迟和衰减，因此当前时刻对后续时刻负荷的影响也应存在衰减的效应。当前时刻的热状态不仅与当前时刻的温度有关，还与历史时刻的温度有关,即与建筑物的热惰性有关。所以，对于连续供热的热电联产机组而言，室外空气温度与供热负荷的关系应为线性关系,即:

Q_i＝At_wi+B (2)

式中：

Q_i为i时刻的热量；

t_wi为i时刻的室外温度；

A和B为线性回归曲线的系数，A为斜率，B为偏移量。

本步骤核心内容就是使用历史数据和最小二乘法，计算出A和B值。A，B为待挖掘的系数，将通过对历史数据进行一次曲线最小二乘法拟合得到:

B=(∑Q_i)/n–A*(∑t_wi)/n (3)

A=[n*∑t_wi*Q_i-(∑t_wi*∑Q_i)]/[n*∑t_wi*2-(∑t_wi)*2] (4)

式中：A，B，t_wi，Q_i等参数的含义见（2）式的说明；

n，含义为最小二乘法中样本的个数。

把1天中的24个小时根据其大致的线性变化范围，分为N个时段，例如：4个时段，8：00—14：00，14：00—20：00，20：00—2：00，2：00—8：00。在这4个时段中，使用每小时的历史数据分别得到4个（2）式，即4个不同A和B系数的线性公式。这样第2天24小时的热负荷预测值就通过这4个公式计算得出。

虽然第2天当时的实际室外温度和供热量，与计算的室外温度及供热量会有一定的误差，但是计算机继续使用这1天的实测值，使用前述办法，修整4个公式中的系数A和B。从最小二乘法原理可以知道，均方误差随着相关时间的增加而减小,即预测越来越准确。由传热学规律可知,距离当前时刻时间越长,对当前负荷的影响越小，因此，采用相关时间为3天(n=2)的结果进行预测，即减少了计算的工作量，又保持了热负荷预测的高精度。

上述虽然结合附图对本发明的具体实施方式进行了描述，但并非对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。

Claims

1.热电联产机组的N段区间电负荷预测寻优方法，其特征是，包括如下步骤：

步骤(1)：将一天24小时按照室外温度上升趋势或下降趋势的线性区间分为N个时间段，读取热电联产机组供热系统N个时间段内每个小时的室外温度的历史数据t_wi和建筑物热负荷供热历史数据Q_i；其中，室外温度t_wi中下标的含义：w表示室外，i表示某一时刻；N的取值范围为4～12的正整数；

步骤(2)：根据步骤(1)的室外温度中最近3天的历史数据t_wi和建筑物热负荷供热中最近3天的历史数据Q_i，采用最小二乘法，拟合出室外温度与建筑物热负荷的一次曲线：

Q_i＝At_wi+B； (2)；

步骤(3)：将预测日某个时刻的室外温度预测值代入(2)式，计算出这个时刻建筑物热负荷的预测值；由于现在热电联产机组各个缸对应的需要热负荷的建筑物是固定的，先计算出预测的中压缸预测日24小时建筑热负荷Q₁，再计算出预测的低压缸预测日24小时建筑热负荷Q₂；

步骤(4)：把步骤(3)计算出的中压缸供热负荷Q₁和低压缸供热负荷Q₂代入对单抽和双抽抽凝机组都适用的供热工况图数字化的数字模型公式(5)和边界条件，计算出某个机组在中压缸供热负荷Q₁和低压缸供热负荷Q₂下的机组安全运行的最小或最大发电功率D，从而确定该机组的在某个供热负荷下的发电区间；

Q₀＝K1*D+K2*Q₁+K3*Q₂ (5)；

式中：

Q₀：为汽轮机的总进汽量；D：为机组的发电功率；

Q₁：为中压缸供热负荷；Q₂：为低压缸供热负荷；

2.如权利要求1所述的热电联产机组的N段区间电负荷预测寻优方法，其特征是，所述步骤(2)的A和B的值计算公式如下：

B＝(∑Q_i)/n-A*(∑t_wi)/n (3)

A＝[n*∑t_wi*Q_i-(∑t_wi*∑Q_i)]/[n*∑t_wi*2-(∑t_wi)*2](4)；

3.如权利要求1所述的热电联产机组的N段区间电负荷预测寻优方法，其特征是，所述步骤(4)的具体步骤为:

把1天中的24个小时分为N个时段，在这N个时段中，使用每小时的历史数据分别得到N个公式(2)，即N个不同A和B系数的线性公式；预测日24小时的热负荷预测值就通过这N个公式计算得出。

4.如权利要求1所述的热电联产机组的N段区间电负荷预测寻优方法，其特征是，所述公式(5)的K1，K2，K3通过热电联产机组的历史数据计算出：把机组历史上某一时刻实际的供热量Q₁和Q₂及此刻汽轮机的进汽量Q₀和实际发电功率D代入公式(5)，得到公式(5)的第一组表达式；再把机组历史上另外某一时刻的上述数据代入公式(5)，得到公式(5)的第二组表达式；重复上述步骤，再得到公式(5)的第三组表达式；对上述三组表达式的3元一次方程组求解，便得到一组K1，K2，K3。

5.如权利要求1所述的热电联产机组的N段区间电负荷预测寻优方法，其特征是，所述公式(5)式的边界条件：

在供热工况图上，中压缸供热抽汽限制线和低压缸供热抽汽限制线，是两个线性函数，做为供热工况图数字化的数字模型的下边界，同时，热电联产机组的稳燃负荷也是供热工况图数字化的数字模型的下边界。