CN103854234A - 一种考虑降水影响的燃煤发电厂燃煤储备预警方法 - Google Patents
一种考虑降水影响的燃煤发电厂燃煤储备预警方法 Download PDFInfo
- Publication number
- CN103854234A CN103854234A CN201410074684.XA CN201410074684A CN103854234A CN 103854234 A CN103854234 A CN 103854234A CN 201410074684 A CN201410074684 A CN 201410074684A CN 103854234 A CN103854234 A CN 103854234A
- Authority
- CN
- China
- Prior art keywords
- coal
- fired
- power plant
- fired power
- precipitation
- 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.)
- Granted
Links
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了属于一种考虑降水影响的燃煤发电厂燃煤储备预警方法。该方法为:1)获取气象数据、发电相关数据和交通运输数据;2)将气象数据和发电相关数据输入降水对燃煤发电厂的煤耗影响模型,计算燃煤发电厂第t日燃煤消耗量;3)将气象数据和交通运输数据输入降水导致燃煤陆运通道受阻的影响模型,计算燃煤发电厂第t日收到的总燃煤送到量Tt;4)结合两个模型得出的预测值,计算考虑降水影响下燃煤发电厂的燃煤储备量预测值,对比该燃煤发电厂标准燃煤储备量Rstd,得出储备情况并采取不同的预警措施。本方法给出了降水发生前和发生后的预警判据,使得燃煤预警更加符合实际情况,有效地提高燃煤储备预警的准确与及时性,确保电网安全稳定运行。
Description
技术领域
本发明属于电力气象预警技术领域,特别涉及一种考虑降水影响的燃煤发电厂燃煤储备预警方法。
背景技术
截至2013年11月底,全国6000千瓦及以上的电厂装机容量为11.80亿千瓦,其中火电装机容量为8.48亿千瓦,占总装机容量的71.86%;2013年1月至11月,全国规模以上电厂发电量为47413亿千瓦时,其中规模以上火电厂发电量为38126亿千瓦时,占总发电量的80.41%。而在火电装机容量中,燃煤电厂装机容量所占比例超过了90%,由此可见,燃煤电厂在供需平衡和供用电安全中都扮演着极为重要的角色,对社会经济、安全生产具有极其重要的影响。因此,关注和研究燃煤电厂的持续稳定的运行状态,对确保电力安全和维护社会经济安全具有十分重要的意义和价值。
由于燃煤发电机组装机容量大,发电量多,在发电构成中占有十分重要的地位,对电力电量平衡和电网安全的影响也较大,所以燃煤发电机组的运行情况十分值得关注。对燃煤电厂而言,燃煤储备是燃煤电厂日常运行管理中的重要内容,是维持持续正常运行的基础措施之一。一般而言,当日燃煤储备等于前一日燃煤储备减去当日燃煤消耗,再加上当日的燃煤送到量。在正常情况下,只要维持燃煤消耗量和燃煤送到量的平衡,就能保证燃煤电厂的燃煤储备量维持在正常水平。但在实际情况中,有不少因素会破坏这个平衡,导致燃煤储备出现波动,严重时甚至短缺,从而影响燃煤电厂的正常运行。降水是其重要因素之一,一方面降水会使得燃煤水分增加,发热量降低,导致日燃煤消耗增加;另一方面,持续降水也会影响燃煤的运输通道的通行能力,导致每日燃煤送到量减少。综合来看,日燃煤消耗的增加和日燃煤送到量的减少,都会导致燃煤储备的减少,减少到一定程度就有可能造成燃煤储备不足,导致燃煤发电机组出力不足,甚至缺煤停机。所以,针对降水对燃煤发电厂的燃煤储备的影响,迫切需要建立相应的降水影响模型,并据此对未来燃煤储备预警,提前做好应对措施,以保障电力生产运行活动的安全与稳定。
发明内容
针对上述现有技术存在的问题,本发明提出一种考虑降水影响的燃煤发电厂燃煤储备预警方法,其特征在于,该方法的具体步骤为:
1)获取气象数据、燃煤发电厂的发电相关数据和燃煤运输方面的交通运输数据;
2)将气象数据和燃煤发电厂的发电相关数据输入降水对燃煤发电厂的煤耗影响模型,计算得出燃煤发电厂第t日燃煤消耗量k×Cstd×Qe;其中,k为降水引起的燃煤发电机组煤耗增加倍数;Cstd为燃煤发电机组标准发电煤耗,单位是克/每千瓦时;Qe为燃煤发电厂日发电量,单位是千瓦时;
3)将气象数据和燃煤运输方面的交通运输数据输入降水导致燃煤陆运通道受阻的影响模型,计算得出燃煤发电厂第t日收到的总燃煤送到量Tt;
4)结合两个模型得出的预测值,计算出考虑降水影响下燃煤发电厂的燃煤储备量预测值Rt=Rt-1-k×Cstd×Qe+Tt,其中,Rt为燃煤发电厂第t天燃煤储备量,单位为克;Rt-1为燃煤发电厂第t-1天燃煤储备量,单位为克;对比该燃煤发电厂标准燃煤储备量Rstd,得出储备情况并采取不同的预警措施。
所述步骤1)中的气象数据包括:燃煤发电厂附近的降雨强度、燃煤发电厂和煤厂运输路径上的降雨强度、燃煤发电厂的相对空气湿度;
燃煤发电厂的发电相关数据包括:燃煤发电厂当前的燃煤储备量、燃煤发电机组正常煤耗、燃煤发电厂煤种在不同相对湿度下的空气干燥基水分、空气干燥基水分每增加1%导致的燃煤机组煤耗增加量和各个煤厂正常情况下给燃煤发电厂的运煤量;
燃煤运输方面的交通运输数据包括:道路中断运输的降水强度临界值。
所述步骤2)中降水对燃煤发电厂的煤耗影响模型的建立:
21)建立降水强度和空气相对湿度关系模型,表达式为:
h=a0+a1×lnq(q>0);
其中,h为空气相对湿度;q为降水强度,单位是毫米/每小时;a0和a1为线性参数;
22)建立空气相对湿度和燃煤水分含量关系模型,表达式为:
Mad=b0+b1×h;
其中,Mad为燃煤的空气干燥基水分;b0和b1为线性参数;
23)建立燃煤水分含量和燃煤消耗量关系模型,表达式为:
其中,k为降水引起的燃煤发电机组煤耗增加倍数;c为燃煤的空气干燥基水分Mad每升高1%导致的燃煤机组耗煤增加量,单位是克/千瓦时;
24)基于步骤21)~23)建立降水对燃煤发电厂的煤耗影响模型,表达式为:
k×Cstd×Qe。
所述步骤21)中空气相对湿度的表达式为:
其中,e为实际水汽压,单位是千帕;E为同温度下饱和水汽压,单位是千帕。
所述步骤3)中降水导致燃煤陆运通道受阻的影响模型为:
其中,Tti为燃煤发电厂第t天预测收到第i个煤厂运送的燃煤量,单位为克;n为对燃煤发电厂供煤的煤厂个数;
其中,qs为导致道路中断运煤的降水强度临界值,单位是毫米/每小时;当某路段降水强度q大于或等于qs时,认为燃煤运输中断;相反,则认为燃煤运输不受影响。
所述步骤4)中不同的预警措施为:
(1)当Rt<30%Rstd时,表示燃煤储备量极低;
预警措施:及时反映给调度部门,采取相关措施保证燃煤发电厂的正常运行;等待运输通道恢复以后大量增加运煤车辆和运煤量;
(2)当30%Rstd≤Rt<Rstd时,表示燃煤储备量偏低;
预警措施:联系降水影响下能够正常供煤的煤厂,加派燃煤运输车辆,增加燃煤运输量,将燃煤储备量稳定在标准值;
(3)当Rt≥Rstd时,表示燃煤储备量正常;
预警措施:继续关注气象预报是否有降雨发生;根据每日气象数据的相关数据修正燃煤储备量。
发明的有益效果:本发明方法从燃煤储备平衡出发,建立了降水对燃煤电厂的煤耗影响模型和降水导致燃煤陆运通道受阻的影响模型,据此燃煤储备预警值给出相应的预警判据,使得燃煤预警更加符合客观实际情况,可以有效地提高燃煤储备预警的准确性与及时性,降低燃煤紧缺出现的几率,减少燃煤发电厂缺煤停机事故的发生,从而维持电力电量平衡,确保电网安全稳定运行。
附图说明
图1为本发明提出的燃煤储备预警方法流程图;
图2为燃煤发电厂A和煤厂H、G的连接关系图;
图3为受降水影响后燃煤发电厂A和煤厂H、G的连接关系图。
具体实施方式
下面结合附图和实施例对该发明方法最近一步的说明。
如图1所示为本发明提出的燃煤储备预警方法流程图,该方法的具体步骤为:
首先,获取气象数据、燃煤发电厂的发电相关数据和燃煤运输方面的交通运输数据。
气象数据包括:燃煤发电厂附近的降雨强度、燃煤发电厂和煤厂运输路径上的降雨强度、燃煤发电厂的相对空气湿度。如果该燃煤发电厂建立了气象信息系统,则可以直接从系统中读取获得数据;如果没有,则可以从当地气象站和当地气象部门发布的天气预报中获得数据。
燃煤发电厂的发电相关数据包括:燃煤发电厂当前的燃煤储备量、燃煤发电机组正常煤耗、燃煤发电厂煤种在不同相对湿度下的空气干燥基水分、空气干燥基水分每增加1%导致的燃煤机组煤耗增加量和各个煤厂正常情况下给燃煤发电厂的运煤量。燃煤发电厂煤种在不同相对湿度下的空气干燥基水分数据需要通过实验测试得到,至少实验两次,得到两组以上的相对湿度和空气干燥基水分数据,测试数据越多,结果越精确。其他数据可以从燃煤发电厂相关运行部门获取。
燃煤运输方面的交通运输数据包括:道路中断运输的降水强度临界值。可以向当地交通运输管理部门查询历史数据,找到运输路径因为降水导致交通运输中断的记录,并根据发生时间,结合气象历史数据,得出道路中断运输的降水强度临界值。
其次,建立降水对燃煤发电厂的煤耗影响模型,计算得出燃煤发电厂第t日燃煤消耗量k×Cstd×Qe;其中,k为降水引起的燃煤发电机组煤耗增加倍数;Cstd为燃煤发电机组标准发电煤耗,单位是克/每千瓦时(g/kWh);Qe为燃煤发电厂日发电量,单位是千瓦时(kWh)。
因为降水会导致燃煤水分增加,从而影响燃煤的发热量,降低锅炉效率。所以为了确保燃煤发电厂的出力,就必须消耗更多的燃煤,从而引起燃煤储备下降。所以在建立降水对燃煤发电厂的煤耗影响模型时,首先分析降水和入炉煤水分的关系,然后分析入炉煤水分对燃煤发电机组运行的影响,最后得出降水对燃煤发电厂的煤耗影响模型。
考虑到大多数燃煤发电厂的储煤场地都不是露天的,输送入炉煤的传送带也有避雨措施,所以模型不考虑降水直接淋在燃煤上导致燃煤水分增加的情况,仅考虑空气相对湿度增加导致燃煤水分增加的情况。通过分析降水强度对空气相对湿度的影响,再分析空气相对湿度对入炉煤水分的影响,得出降水对入炉煤水分的影响。
分析多个地区的降水与同一时刻空气湿度的历史数据,发现降水强度从很小值增加到某一定值时,空气相对湿度明显增加;超过这一定值后,随着降水强度的增加,空气相对湿度增加不明显。通过数据拟合,得出对数关系模型的误差较小:
h=a0+a1×lnq(q>0) (1)
其中,h为空气相对湿度;q为降水强度,单位是毫米/每小时(mm/h)。收集目标燃煤发电厂附近降水强度和同一时刻空气相对湿度的历史数据,通过数据拟合,可以求出(1)式中的参数a0和a1,从而得出目标燃煤电厂地区的降水强度和空气相对湿度的关系。如果目标燃煤电厂附近有气象监测站,也可以直接从气象预报数据中得出实际水汽压e和同温度下饱和水汽压E,计算得出空气相对湿度:
其中,e的单位是千帕(kPa),E的单位是千帕(kPa)。
空气相对湿度的改变会引起燃煤中水分含量的变化。煤的空气干燥基水分Mad(%),是指煤样粉碎到0.2毫米(mm)以下,并达到空气干燥状态后残留于煤样中的水分。相同温度、不同湿度下,随湿度增加,Mad明显增加;而相同湿度、不同温度下,随温度改变,Mad变化不大。由此可见,湿度是影响Mad的主要因素。
对燃煤在不同空气相对湿度下的空气干燥基水分数据进行拟合,得出空气干燥基水分Mad和空气相对湿度h呈线性关系:
Mad=b0+b1×h (3)
对目标燃煤发电厂采用的燃煤进行取样测定,得出不同相对空气湿度下的数据,通过线性拟合,可以求出(3)式中的参数b0和b1,从而得出目标燃煤发电厂所用燃煤的空气干燥基水分Mad与当地空气相对湿度h的关系。由于不同煤种的Mad受空气相对湿度影响的程度不同,当燃煤发电厂更换煤种时,参数b0和b1需要重新测定。
入炉煤水分增加对燃煤发电机组运行的影响主要体现在两个方面,一个是影响燃煤的发热量,另一个是影响燃煤的传输。由于假设燃煤发电厂输煤装置上都有避雨措施,而仅由空气相对湿度造成的入炉煤水分增加不会导致燃煤在传送带的运输受阻,所以该模型只考虑入炉煤水分对燃煤发热量的影响。
这里考虑的入炉煤水分为煤的空气干燥基水分Mad。随着Mad的增加,会导致燃煤的发热量降低,就需要燃烧更多的煤来保证燃煤发电厂的出力,增加燃煤消耗。具体的增加量会因为发电机组的不同而有所差异。燃煤发电厂根据发电机组运行状态再参考历史运行数据,可以得出煤的空气干燥基水分Mad每增加1%,机组煤耗升高c,单位为克/每千瓦时(g/kWh)。由于降水导致空气相对湿度增加,进而造成煤的空气干燥基水分Mad增加,引起煤耗增加Mad×c,所以可以得出降水引起的燃煤发电机组煤耗增加倍数k的表达式:
结合燃煤发电厂的日发电量Qe,得出该燃煤发电厂的日燃煤消耗量由于受到降水的影响,从原来的Cstd×Qe上升为k×Cstd×Qe,引起燃煤储备减少。
再次,建立降水导致燃煤陆运通道受阻的影响模型,计算得出燃煤发电厂第t日收到的总燃煤送到量Tt。
降水会导致路面积水、能见度降低、交通事故发生率增加,对于特殊地形甚至可能引发泥石流等灾害,中断交通运输,对燃煤陆运通道造成影响,燃煤运输通道受阻会导致燃煤送到量的减少,从而引起燃煤储备减少。
假设有n个煤厂对燃煤电厂供煤(n>=1),实际中降水影响下的运煤概率是0-1分布的,即受到降水影响后煤厂给燃煤发电厂可能正常输送燃煤,也可能完全不输送燃煤,没有其他中间情况。假设qs为导致道路中断运煤的降水强度临界值,单位是毫米/每小时(mm/h),当某路段降水强度大于或等于qs时,认为燃煤运输中断,相反,则认为燃煤运输不受影响,即:
其中,Tti为燃煤发电厂第t天预测收到第i个煤厂运送的燃煤量,单位为g。
考虑到不同道路的qs应该不同,将道路按照公路等级分为四个等级:高速公路、国道及省道、县道及乡道和专用公路,对不同等级公路给定qs的基准值,再根据道路情况(路面宽度,两侧是否有山、道路长度等)的具体差异因素,求出qs的修正值。如果目标路段有降水导致道路运行中断的历史数据,也可以参考数据对qs进行修正,最终得出不同路段的qs估计值。
对煤厂与燃煤发电厂进行连通性分析,结合平时运煤路径并排除一般情况下不会选择的绕远路径,得出若干条正常情况下的可行路径。
在降水发生前,根据预报的降水强度与qs估计值的关系,对可行路径的连通关系进行修正,如果可行路径上的某路段降水强度q大于或等于该路段的qs时,则认为该路段运输中断,路段两端没有连通,最后得出受降水影响下的可行路径。如果第t天第i个煤厂在受降水影响下到燃煤发电厂没有可行路径,则认为该煤厂到燃煤发电厂燃煤运输通道中断,Tti=0。如果第t天第i个煤厂在受降水影响下到燃煤发电厂仍存在可行路径,则认为该煤厂到燃煤发电厂的运煤通道正常,运煤不受影响,Tti保持原始值不变。对n个煤厂都进行修正的连通性分析,找出是否存在受降水影响下的可行路径,最后得出燃煤发电厂第t天预测收到煤厂运送的燃煤量Tt(单位为g)的修正值。则Tt可以表示为:
最后,结合两个模型,计算出考虑降水影响下燃煤发电厂的燃煤储备量预测值表达式为:
Rt=Rt-1-k×Cstd×Qe+Tt (7)
其中,Rt为燃煤发电厂第t天燃煤储备量,单位为克(g);Rt-1为燃煤发电厂第t-1天燃煤储备量,单位为克(g)。
假设Rstd为该燃煤发电厂标准燃煤储备量,则:
(1)当Rt<30%Rstd时,表示燃煤储备量极低。
预警措施:及时反映给调度部门,申请减少出力等措施保证燃煤发电厂的正常运行;等待运输通道恢复以后大量增加运煤车辆和运煤量。
(2)当30%Rstd≤Rt<Rstd时,表示燃煤储备量偏低。
预警措施:联系降水影响下能够正常供煤的煤厂,加派燃煤运输车辆,增加燃煤运输量,争取将燃煤储备量稳定在标准值。
(3)当Rt≥Rstd时,表示燃煤储备量正常。
预警措施:继续关注气象预报是否有降雨发生;根据每日气象数据等相关数据修正燃煤储备量。
在降水发生后,可以分别联系n个煤厂,根据实际情况确认在当前降雨强度下,各个煤场给燃煤发电厂实际输送燃煤的数量,得出燃煤电厂第t天实际收到煤厂运送的燃煤量。
实施例
1、数据获取。
假设某燃煤发电厂A,由两个煤厂H和G供煤。通过查询气象历史数据、交通历史数据和当前煤种水分测试,得到如下数据:(1)燃煤发电厂A附近降水强度q和对应的空气相对湿度h的数据,如表1所示。
表1 降水强度q和对应的空气相对湿度h的数据
降水强度q(mm/h) | 0.2 | 5 | 18 | 34 | 66 | 142 |
相对空气湿度h(%) | 91.85 | 95.07 | 96.10 | 97.57 | 98.72 | 99.41 |
(2)燃煤发电厂A使用煤种的空气干燥基水分Mad和空气相对湿度h的数据,如表2所示。
表2 空气干燥基水分Mad和空气相对湿度h的数据
相对空气湿度h(%) | 50 | 60 | 70 | 80 | 90 | 100 |
空气干燥基水分Mad(%) | 7.42 | 8.52 | 9.64 | 10.78 | 11.95 | 13.23 |
(3)根据燃煤发电厂A的燃煤发电机组运行状态和历史运行数据,得到燃煤完全干燥时供电标准煤耗为326g/kwh,燃煤空气干燥基水分Mad每增加1%,燃煤发电机组煤耗升高0.28g/kwh。
(4)燃煤发电厂A和煤厂H、G的道路连接关系,如图2所示。其中,道路2、3、4为高速公路,路况很好;道路1、5、6、8、9为国道,路况较好;道路7为乡道,路况一般。qs为导致道路中断运煤的降水强度临界值,当某路段降水强度大于或等于qs时,认为燃煤运输中断,相反,则认为燃煤运输不受影响。假设高速公路的qs基准值为200mm/h,国道的qs基准值为150mm/h,乡道的qs基准值为100mm/h,然后考虑到道路6和8较长且路旁一侧有山,将qs调整为100mm/h,最后的qs值为:
2、模型计算。
燃煤发电厂A有4台30万千瓦的燃煤机组,一般情况下日耗煤量为8万吨,H煤厂每日往燃煤电厂A送煤6万吨,G煤厂每日往燃煤电厂A送煤2万吨。当前储煤量为标准储煤量60万吨。
假设气象预报预测从第3天开始,该区域有大范围强降水,降水强度达到120mm/h。先将数据带入降水对燃煤发电厂的煤耗影响模型,考虑降水对煤耗的影响。
根据表1数据和(1)式,进行数据拟合后得到
h=93.4359+1.1634×lnq(q>0) (9)
带入降水强度数据q=120mm/h,得到空气相对湿度h=99.01%。
根据表2数据和(3)式,进行数据拟合后得到
Mad=1.5824+0.1157×h (10)
带入空气相对湿度h=99.01%,求得燃煤空气干燥基水分Mad=13.04%。
将Cstd=326g/kWh,Mad=13.04%,燃煤空气干燥基水分Mad每增加1%,机组煤耗升高c=0.28g/kWh带入(4)式:
即燃煤发电厂A的燃煤消耗上升为原来的1.0112倍,结合一般情况下电厂日耗煤量为8万吨,则燃煤发电厂A受降水影响后,日耗煤量上升为8.0896万吨。
然后将数据带入降水导致燃煤陆运通道受阻的影响模型,考虑降水对燃煤运输的影响。结合图2和(8)式,当这一区域降水强度达到120mm/h时,预计道路6、7、8将受到降水影响较大,中断运输,则受降水影响后的连接关系图如图3所示。
对燃煤发电厂A和煤厂H、G作连通性分析,得出受降水影响后只有一条可行运煤路径G-9-5-2-1-A,G煤厂每日给燃煤发电厂A运煤2万吨,H煤厂由于降水导致道路中断,无法运煤。将受降水影响后的每日煤耗量和每日燃煤收到量带入(7)式,得出燃煤储备量表达式为:
根据模型预测结果,将现有储煤量R1=60万吨带入,得出第3天储煤量为R3=53.9104万吨,符合30%Rstd≤R3<Rstd预警判据,处于燃煤储备偏低状态。如果降水情况持续,从第9天开始,R9=17.3728万吨,符合R9<30%Rstd预警判据,燃煤储备将进入极低状态,严重影响到燃煤发电厂A的正常运行,可能发生缺煤停机的情况。
根据得到的预测结果,可以在降水发生前,采取一定预警措施,例如提前联系受降水影响可能中断运输的煤厂H,预支往后几天的燃煤量提前运送到燃煤发电厂A,提高燃煤发电厂A的燃煤储备量,以应对即将发生的降水,减少降水对燃煤发电厂A燃煤储备的影响,降低缺煤停机发生的概率,保证电厂正常运行,进而确保电网安全稳定。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求的保护范围为准。
Claims (6)
1.一种考虑降水影响的燃煤发电厂燃煤储备预警方法,其特征在于,该方法的具体步骤为:
1)获取气象数据、燃煤发电厂的发电相关数据和燃煤运输方面的交通运输数据;
2)将气象数据和燃煤发电厂的发电相关数据输入降水对燃煤发电厂的煤耗影响模型,计算得出燃煤发电厂第t日燃煤消耗量k×Cstd×Qe;其中,k为降水引起的燃煤发电机组煤耗增加倍数;Cstd为燃煤发电机组标准发电煤耗,单位是克/每千瓦时;Qe为燃煤发电厂日发电量,单位是千瓦时;
3)将气象数据和燃煤运输方面的交通运输数据输入降水导致燃煤陆运通道受阻的影响模型,计算得出燃煤发电厂第t日收到的总燃煤送到量Tt;
4)结合两个模型得出的预测值,计算出考虑降水影响下燃煤发电厂的燃煤储备量预测值Rt=Rt-1-k×Cstd×Qe+Tt,其中,Rt为燃煤发电厂第t天燃煤储备量,单位为克;Rt-1为燃煤发电厂第t-1天燃煤储备量,单位为克;对比该燃煤发电厂标准燃煤储备量Rstd,得出储备情况并采取不同的预警措施。
2.根据权利要求1所述的一种考虑降水影响的燃煤发电厂燃煤储备预警方法,其特征在于,所述步骤1)中的气象数据包括:燃煤发电厂附近的降雨强度、燃煤发电厂和煤厂运输路径上的降雨强度、燃煤发电厂的相对空气湿度;
燃煤发电厂的发电相关数据包括:燃煤发电厂当前的燃煤储备量、燃煤发电机组正常煤耗、燃煤发电厂煤种在不同相对湿度下的空气干燥基水分、空气干燥基水分每增加1%导致的燃煤机组煤耗增加量和各个煤厂正常情况下给燃煤发电厂的运煤量;
燃煤运输方面的交通运输数据包括:道路中断运输的降水强度临界值。
3.根据权利要求1所述的一种考虑降水影响的燃煤发电厂燃煤储备预警方法,其特征在于,所述步骤2)中降水对燃煤发电厂的煤耗影响模型的建立:
21)建立降水强度和空气相对湿度关系模型,表达式为:
h=a0+a1×lnq(q>0);
其中,h为空气相对湿度;q为降水强度,单位是毫米/每小时;a0和a1为线性参数;
22)建立空气相对湿度和燃煤水分含量关系模型,表达式为:
Mad=b0+b1×h;
其中,Mad为燃煤的空气干燥基水分;b0和b1为线性参数;
23)建立燃煤水分含量和燃煤消耗量关系模型,表达式为:
其中,k为降水引起的燃煤发电机组煤耗增加倍数;c为燃煤的空气干燥基水分Mad每升高1%导致的燃煤机组耗煤增加量,单位是克/千瓦时;
24)基于步骤21)~23)建立降水对燃煤发电厂的煤耗影响模型,表达式为:
k×Cstd×Qe。
4.根据权利要求3所述的一种考虑降水影响的燃煤发电厂燃煤储备预警方法,其特征在于,所述步骤21)中空气相对湿度的表达式为:
其中,e为实际水汽压,单位是千帕;E为同温度下饱和水汽压,单位是千帕。
5.根据权利要求1所述的一种考虑降水影响的燃煤发电厂燃煤储备预警方法,其特征在于,所述步骤3)中降水导致燃煤陆运通道受阻的影响模型为:
其中,Tti为燃煤发电厂第t天预测收到第i个煤厂运送的燃煤量,单位为克;n为对燃煤发电厂供煤的煤厂个数;
其中,qs为导致道路中断运煤的降水强度临界值,单位是毫米/每小时;当某路段降水强度q大于或等于qs时,认为燃煤运输中断;相反,则认为燃煤运输不受影响。
6.根据权利要求1所述的一种考虑降水影响的燃煤发电厂燃煤储备预警方法,其特征在于,所述步骤4)中不同的预警措施为:
(1)当Rt<30%Rstd时,表示燃煤储备量极低;
预警措施:及时反映给调度部门,采取相关措施保证燃煤发电厂的正常运行;等待运输通道恢复以后大量增加运煤车辆和运煤量;
(2)当30%Rstd≤Rt<Rstd时,表示燃煤储备量偏低;
预警措施:联系降水影响下能够正常供煤的煤厂,加派燃煤运输车辆,增加燃煤运输量,将燃煤储备量稳定在标准值;
(3)当Rt≥Rstd时,表示燃煤储备量正常;
预警措施:继续关注气象预报是否有降雨发生;根据每日气象数据的相关数据修正燃煤储备量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410074684.XA CN103854234B (zh) | 2014-03-03 | 2014-03-03 | 一种考虑降水影响的燃煤发电厂燃煤储备预警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410074684.XA CN103854234B (zh) | 2014-03-03 | 2014-03-03 | 一种考虑降水影响的燃煤发电厂燃煤储备预警方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103854234A true CN103854234A (zh) | 2014-06-11 |
CN103854234B CN103854234B (zh) | 2017-01-25 |
Family
ID=50861855
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410074684.XA Expired - Fee Related CN103854234B (zh) | 2014-03-03 | 2014-03-03 | 一种考虑降水影响的燃煤发电厂燃煤储备预警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103854234B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111738585A (zh) * | 2020-06-16 | 2020-10-02 | 国网重庆市电力公司 | 一种面向电网调度的火电厂存煤量分级预警方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100138057A1 (en) * | 2009-08-28 | 2010-06-03 | General Electric Company | Systems and methods for interfacing renewable power sources to a power grid |
CN102184337A (zh) * | 2011-06-07 | 2011-09-14 | 中国电力科学研究院 | 一种受气象信息影响的新能源发电能力动态组合分析方法 |
CN102222890A (zh) * | 2011-06-10 | 2011-10-19 | 河南省电力公司 | 一种计及恶劣天气因素的复杂电网连锁故障分析方法 |
CN102982658A (zh) * | 2012-11-16 | 2013-03-20 | 浙江省电力公司 | 基于精细化气象预报信息的电力基建气象灾害预警方法和系统 |
CN103033855A (zh) * | 2012-12-12 | 2013-04-10 | 江苏省电力公司电力科学研究院 | 电网气象灾害监测预警系统 |
JP2013066318A (ja) * | 2011-09-20 | 2013-04-11 | Hitachi Ltd | 電力需要予測システムおよび方法 |
-
2014
- 2014-03-03 CN CN201410074684.XA patent/CN103854234B/zh not_active Expired - Fee Related
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100138057A1 (en) * | 2009-08-28 | 2010-06-03 | General Electric Company | Systems and methods for interfacing renewable power sources to a power grid |
CN102184337A (zh) * | 2011-06-07 | 2011-09-14 | 中国电力科学研究院 | 一种受气象信息影响的新能源发电能力动态组合分析方法 |
CN102222890A (zh) * | 2011-06-10 | 2011-10-19 | 河南省电力公司 | 一种计及恶劣天气因素的复杂电网连锁故障分析方法 |
JP2013066318A (ja) * | 2011-09-20 | 2013-04-11 | Hitachi Ltd | 電力需要予測システムおよび方法 |
CN102982658A (zh) * | 2012-11-16 | 2013-03-20 | 浙江省电力公司 | 基于精细化气象预报信息的电力基建气象灾害预警方法和系统 |
CN103033855A (zh) * | 2012-12-12 | 2013-04-10 | 江苏省电力公司电力科学研究院 | 电网气象灾害监测预警系统 |
Non-Patent Citations (4)
Title |
---|
张勇军 等: "计及多因素的电网冰灾风险评估模型研究", 《电力系统保护与控制》 * |
李向利 等: "煤中水分Mad随环境湿度的变化", 《煤质技术》 * |
王磊 等: "考虑天气变化的输电系统可靠性评估", 《电网技术》 * |
秦琰琰: "降水的雷达反射率因子与大气相对湿度的相关关系研究", 《大气科学》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111738585A (zh) * | 2020-06-16 | 2020-10-02 | 国网重庆市电力公司 | 一种面向电网调度的火电厂存煤量分级预警方法 |
Also Published As
Publication number | Publication date |
---|---|
CN103854234B (zh) | 2017-01-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kangas et al. | RoadSurf: a modelling system for predicting road weather and road surface conditions | |
Wang et al. | Train delay analysis and prediction based on big data fusion | |
Kaldellis et al. | Quantifying the decrease of the photovoltaic panels’ energy yield due to phenomena of natural air pollution disposal | |
Alwesabi et al. | Robust strategic planning of dynamic wireless charging infrastructure for electric buses | |
Im et al. | Analysis of surface ozone and nitrogen oxides at urban, semi-rural and rural sites in Istanbul, Turkey | |
Becker et al. | Renewable build-up pathways for the US: Generation costs are not system costs | |
US20130297241A1 (en) | Estimating Loss Rates of Links in Smart Grids | |
CN103593976A (zh) | 基于检测器确定道路交通状态的方法及系统 | |
Bridgman et al. | Air pollution in the Krusne Hory region, Czech Republic during the 1990s | |
KR101639402B1 (ko) | 전력 수요 예측 장치 및 방법 | |
El Kafazi et al. | Energy production: a comparison of forecasting methods using the polynomial curve fitting and linear regression | |
Dontu et al. | Reducing the urban pollution by integrating weigh-in-motion sensors into intelligent transportation systems. State of the art and future trends | |
Cai et al. | Estimating the influence of transport on aerosol size distributions during new particle formation events | |
Zhang et al. | Predominant effects of emission reduction by recording 8-year water-soluble ions in precipitation in Taiyuan, North China | |
Anttila et al. | Effect of vehicle properties and driving environment on fuel consumption and CO2 emissions of timber trucking based on data from fleet management system | |
Alvarez et al. | Time-variant travel time distributions and reliability metrics and their utility in reliability assessments | |
CN103854234A (zh) | 一种考虑降水影响的燃煤发电厂燃煤储备预警方法 | |
Zhan et al. | Impact of summertime anthropogenic emissions on atmospheric black carbon at Ny-Ålesund in the Arctic | |
Sharifi et al. | Outsourced probe data effectiveness on signalized arterials | |
Elangasinghe et al. | A simple semi-empirical technique for apportioning the impact of roadways on air quality in an urban neighbourhood | |
Huang et al. | A review of EV load scheduling with wind power integration | |
Basharina | Methodology for Collecting, Processing, and Analyzing Socio-Economic Information | |
Seo | Calibration-free traffic state estimation method using single detector and connected vehicles with Kalman filtering and RTS smoothing | |
Majanne et al. | Real time monitoring of environmental efficiency of power plants | |
Zhao et al. | Economic analysis of using a renewable wind power system at a signalized intersection |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170125 Termination date: 20180303 |