CN104635775B - 一种通过镜场优化调度控制水/蒸汽接收器内压力的方法 - Google Patents

Abstract

本发明公开了一种通过镜场优化调度控制水/蒸汽接收器内压力的方法。该方法通过对塔式太阳能热电站镜场进行优化调度，对塔式太阳能热电站全镜场进行分区；建立镜场的调度优化问题；对优化调度问题进行求解，根据优化结果改变镜场定日镜状态,从而改变接收器接收到的能量，使接收器内压力保持恒定。优化调度问题中的0‑1整数规划采用二进制粒子群算法求解。利用本发明的镜场优化调度方法，可以快速求得镜场定日镜状态，很好地控制接收器系统压力稳定。

Description

一种通过镜场优化调度控制水/蒸汽接收器内压力的方法

技术领域

本发明涉及太阳能技术领域，特别是涉及水/蒸汽接收器，提供了一种通过镜场优化调度控制水/蒸汽接收器内压力的方法。

背景技术

塔式太阳能热电站利用聚光系统(镜场)聚集太阳能，经塔顶接收器内工质吸收转化为热能，进而利用该热能产生过热蒸汽，推动汽轮机发电，最终实现太阳能到电能的转换。其中，在以水/蒸汽为传热介质的塔式太阳能热电站中，水/蒸汽接收器作为电站的动力设备，其要求是提供合格的饱和蒸汽，以供电站的下一步储能或发电。而太阳能具有间歇性和不稳定性，易对接收器运行时产生扰动，另外水/蒸汽各参数易受压力变化影响，故以水为介质的接收器稳定性较差。为了后续电站发电的稳定性，必须要求接收器出口蒸汽压力即接收器系统压力保持基本恒定。

因此，需对接收器设计压力控制系统。系统被控变量是接收器系统压力，操纵变量是接收器接收到的太阳辐射能。在实际塔式太阳能热电站中，接收器接收到的太阳辐射能量由镜场控制。因此，当接收器出口蒸汽流量变化导致系统压力变化时，需实时进行镜场调度，使得由镜场聚集到接收器的能量符合控制系统的要求。

在利用镜场调度对接收器压力进行控制时，需注意以下两点：

(1)为了实现接收器压力的实时控制，电站需每隔Δt时间对镜场进行一次优化调度，故对优化问题的求解速度有严格要求。

(2)电站每隔Δt时间对镜场进行一次优化求解后，需按照求解结果操纵镜场，切换定日镜状态。而镜场定日镜的状态切换需要使用电能，频繁的大规模定日镜状态切换必将导致高的操作成本。因此，在做调度优化时，每次优化后需要改变状态的定日镜数量应尽可能的少，从而节省镜场操作成本。

发明内容

为了实现镜场实时控制接收器系统压力，本发明提供了一种通过镜场优化调度控制水/蒸汽接收器内压力的方法。

本发明的技术方案如下：

通过镜场优化调度控制水/蒸汽接收器内压力的方法包括如下步骤：

1)将镜场中的定日镜状态设为正常追踪状态和备用状态；所述的正常追踪状态为定日镜随太阳位置变化将太阳辐射能聚集到接收器上聚焦点的状态，所述的备用状态为定日镜将太阳能聚集到接收器周边聚焦点的状态，接收器无法接收到处于备用状态的定日镜聚集的能量；

2)对塔式太阳能热电站全镜场进行分区；所述的对塔式太阳能热电站全镜场进行分区分为镜场1区和镜场2区；其中镜场1区的定日镜只有正常追踪状态，镜场2区的定日镜有正常追踪和备用两种状态；

3)建立镜场2区的调度优化问题；

4)在接收器运行时，每隔一段Δt时间对步骤3)中镜场2区优化调度问题进行求解，根据优化结果调整镜场2区定日镜状态,进而控制水/蒸汽接收器内压力。

所述的步骤1)中，当接收器所需能量减少时，处于正常追踪状态的定日镜可迅速将目标点从接收器上转到接收器周边，从而减少镜场聚集到接收器上的能量值，当接收器所需能量增加，处于备用状态的定日镜可迅速将太阳能聚集到接收器上，从而增加镜场聚焦到接收器上的能量值。

所述的步骤2)中对塔式太阳能热电站全镜场进行分区步骤：

A)在实际应用电站正常运行且蒸汽流量扰动存在的情况下，求得镜场各时刻正常追踪状态定日镜的能量和(即投射到接收器上的能量)占全镜场定日镜(正常追踪状态定日镜加备用状态定日镜)的能量和的百分比η；

B)从各时刻的η值中选择其中的最小值η_min；

C)根据B)中计算所得的百分比η_min值，将全镜场分为镜场1区和镜场2区，分区后保证镜场1区定日镜的能量值占全镜场定日镜能量值的百分比等于80％～100％的η_min；优选的，为保证接收器运行安全，建议令镜场1区定日镜的能量值占全镜场定日镜能量值的百分比为80％～90％的η_min。

所述步骤3)具体为：

A)将镜场2区的定日镜按其所能聚集的能量值从大到小降序排列；

B)将排序后镜场2区再分为镜场2.1区和镜场2.2区两部分，n_2,1为镜场2.1区定日镜面数，n_2,2为镜场2.2区定日镜面数；其中镜场2.1区定日镜为正常追踪状态，其聚集的能量ΔQ₁正好大于镜场2区需聚集的太阳辐射能ΔQ的ξ％，ΔQ＝Q_need-Q_base，Q_need为接收器系统所需太阳辐射总能量，Q_base为镜场1区定日镜聚焦的能量值；

C)利用二进制粒子群算法对镜场2.2区的n_2,2面定日镜做0-1整数优化调度，使得镜场2.2区所聚集的太阳辐射能ΔQ₂加上镜场2.1区所聚集的太阳辐射能ΔQ₁之和尽可能接近镜场2区需聚集的太阳辐射能ΔQ，n₂为镜场2区定日镜数量，则n_2,2＝n₂-n_2,1，优化问题如下：

s.t.x(i)＝0或1(i＝1,2,…,n_2,2)

式中，x(i)为优化问题的决策变量，表示镜场2.2区中第i面定日镜状态，当x＝1时表示定日镜处于正常追踪状态，x＝0时表示定日镜处于备用状态；Q(i)为镜场2.2区中第i面定日镜所聚集的能量值；ΔQ₂为镜场2.2区所聚集的能量值，ΔQ₂＝ΔQ-ΔQ₁；ξ为设定的参数，0＜ξ＜100，ξ取值越大，则n_2,1越大，n_2,2越小，故在粒子群优化算法中决策变量数越少，优化速度加快；反之，ξ取值越小，n_2,1越小，n_2,2越大，在粒子群优化算法中决策变量数越多，优化速度减慢，当ξ取值过大时，ΔQ₂的值相应变小，使得改进优化问题求得的解精度降低。

本发明具有以下优点：

(1)将镜场分区，使优化问题只针对规模较小的镜场2区，减小了优化调度的镜场规模，因此优化求解的时间将会大大缩短，可以满足电站实时控制的时间要求。

(2)每次优化调度均先选择能量大的定日镜，而每隔Δt时间镜场2区所需输出的能量ΔQ变化不大，因此，每次求解得到的需要切换状态的定日镜数目减少，大大降低操作成本。

附图说明

图1为接收器上的聚焦点分布；

图2为镜场能量分配示意图；

图3为计算ΔQ₁流程图；

图4为一麦田型镜场坐标示意图；

图5为蒸汽流量阶跃增大扰动的镜场控制仿真结果。

具体实施方式

下面结合附图对本发明进一步说明。

在塔式太阳能热电站正常运行时，将镜场中的定日镜分为两种状态：

(1)正常追踪状态：电站正常运行时，镜场中大部分定日镜均处于正常追踪状态，随太阳位置变化将太阳辐射能聚集到接收器上。如图1为某接收器上的聚焦点分布，其中点1、2、3、4、5在接收器上，为正常追踪状态定日镜的聚焦目标点。当接收器所需能量减少时，定日镜可迅速将目标点转到接收器周边聚焦点6、7、8、9，从而减少镜场聚集到接收器上的能量值。

(2)备用状态：另外有一部分定日镜将太阳能聚焦到接收器周边聚焦点6、7、8、9上，接收器无法接收到该部分能量。当接收器所需能量增加，该部分定日镜可迅速将太阳能聚集到接收器上聚焦1、2、3、4、5点，从而增加镜场聚焦到接收器上的能量值。

在塔式太阳能热电站正常发电时，聚集在接收器上的太阳辐射能量必定占全镜场所能提供总能量的大部分。如图2表示某一段时间内镜场能量分配图，假设该段时间内太阳位置变化可忽略，天气状况比较稳定，因此每面定日镜所能聚焦的能量值不变。其中Q_all表示此时全镜场所能提供给接收器的总能量值；Q_need则表示压力控制器根据接收器内压力状况输出的系统所需太阳辐射总能量，该值会由于蒸汽流量等扰动存在而实时改变。

因此，可以根据具体电站状况将全镜场分成镜场1区和镜场2区两部分。其中镜场1区规模较大，其定日镜只有正常追踪状态，所聚集的太阳辐射能对应于图2中的Q_base，表示在正常扰动存在的情况下，Q_need不会低于该值；镜场2区规模较小，其定日镜有正常追踪和备用两种状态，所聚集的太阳辐射能对应于图2中的ΔQ。则镜场的调度优化问题可写为如下形式：

s.t.x(i)＝0或1(i＝1,2,…,n₂)

式中，x(i)为优化问题的决策变量，表示第i面定日镜状态，当x＝1时表示定日镜处于正常追踪状态，x＝0时表示定日镜处于备用状态；Q(i)为镜场2区中第i面定日镜所聚集的能量值；n₂为镜场2区定日镜数量，ΔQ＝Q_need-Q_base。

本发明拟采用二进制粒子群优化算法对式(1)进行求解。

考虑到在对镜场2区进行优化调度时，我们希望每次需要改变状态的定日镜数量尽可能的少，从而节省镜场操作成本。而在用粒子群算法进行求解时，虽然镜场2区的每一面定日镜所能聚集的能量各不相同，但是相邻区域内的定日镜所能聚焦的能量比较接近，互相可替代性较强，故每次求解结果随机性较强，镜场中需切换状态的定日镜数量较多，操作成本较高。

因此，通过如下方法进行求解，即可减少每次优化需切换状态的定日镜数量：

i.将镜场2区的定日镜按其所能聚集的能量值从大到小降序排列；

ii.将排序后镜场2区再分为镜场2.1区和镜场2.2区两部分，n_2,1为镜场2.1区定日镜面数，n_2,2为镜场2.2区定日镜面数；其中镜场2.1区定日镜为正常追踪状态，其聚集的能量ΔQ₁正好大于镜场2区需聚集的太阳辐射能ΔQ的ξ％，算法流程如图3所示，依次将前几面定日镜所能聚集的能量累加，直至能量和大于ΔQ的ξ％；

iii.利用粒子群算法对镜场2.2区的n_2,2(n_2,2＝n₂-n_2,1)面定日镜做0-1整数优化调度，式(1)修改如下：

s.t.x(i)＝0或1(i＝1,2,…,n_2,2)

式中，x(i)为优化问题的决策变量，表示第i面定日镜状态，当x＝1时表示定日镜处于正常追踪状态，x＝0时表示定日镜处于备用状态；Q(i)为镜场2.2区中第i面定日镜所聚集的能量值；ΔQ₂为镜场2.2区所聚集的能量值，ΔQ₂＝ΔQ-ΔQ₁；ξ(0＜ξ＜100)为一个人为设定的参数。ξ取值越大，则n_2,1越大，n_2,2越小，故在粒子群优化算法中决策变量数越少，优化速度加快；反之，ξ取值越小，n_2,1越小，n_2,2越大，在粒子群优化算法中决策变量数越多，优化速度减慢。当然，ξ并不是越大越好，当ξ取值过大时，ΔQ₂的值相应变小，使得改进优化问题求得的解精度降低。因此，需结合镜场实际情况，以及算法选取的Q_base值，选择适当的ξ值。

假设d维搜索空间中第i个粒子的位置为X_i＝(x_i,1 x_i,2 … x_i,d)，速度为V_i＝(v_i,1v_i,2 … v_i,d)，在每一次迭代中，粒子通过跟踪粒子本身找到的个体最优解P_i＝(p_i,1 p_i,2… p_i,d)和整个种群找到的全局最优解P_g，二进制粒子群优化算法根据如下公式更新速度和新的位置：

v_i，j(t+1)＝wv_i，j(t)+c₁r₁[p_i，j-x_i，j(t)]+c₂r₂[p_g，j-x_i，j(t)] (2)

其中，w为惯性权因子，c₁和c₂为取值为正的学习因子，r₁、r₂、r₃为0到1之间均匀分布的随机数。

4)在接收器运行时，每隔一段Δt时间对步骤3)中镜场2区优化调度问题进行求解，根据优化结果调整镜场2区定日镜状态。

本实施例的镜场为一麦田型镜场，如图4为麦田型镜场坐标示意图，该镜场由500面定日镜组成，其中，接收器所处位置坐标为(0,0)。选取镜场中的100面定日镜(如图4中圆点)作为优化调度的对象——镜场2区；剩余的400面镜子(如图4中菱形点)作为镜场1区。

本实施例对镜场每隔10s中进行一次优化调度，即每隔10s中，镜场即会根据接收器压力控制器的输出调整镜场中定日镜状态，改变聚集到接收器上的总能量值，从而控制水/蒸汽接收器内压力。

如图5蒸汽流量阶跃增大、减小扰动的镜场控制仿真结果结果。从图中可以看到，在接收器稳定运行的情况下将蒸汽流量阶跃增大10％，接收器压力迅速降低，继而镜场能量输出随之迅速增大，最终控制接收器压力在设定值1MPa；同理，在接收器稳定运行的情况下将蒸汽流量阶跃减小10％，接收器压力迅速升高，继而镜场能量输出随之迅速减小，最终控制接收器压力在设定值1MPa。在镜场参与的接收器控制系统中，系统压力和汽包液位均能被很好的控制住。

Claims (4)

1.一种通过镜场优化调度控制水/蒸汽接收器内压力的方法，其特征在于包括如下步骤：

1)将镜场中的定日镜状态设为正常追踪状态和备用状态；所述的正常追踪状态为定日镜随太阳位置变化将太阳辐射能聚集到接收器上聚焦点的状态，所述的备用状态为定日镜将太阳能聚集到接收器周边聚焦点的状态，接收器无法接收到处于备用状态的定日镜聚集的能量；

2)对塔式太阳能热电站全镜场进行分区；所述的对塔式太阳能热电站全镜场进行分区分为镜场1区和镜场2区；其中镜场1区的定日镜只有正常追踪状态，镜场2区的定日镜有正常追踪和备用两种状态；

所述的步骤2)中对塔式太阳能热电站全镜场进行分区的步骤如下：

A)在实际应用电站正常运行且蒸汽流量扰动存在的情况下，求得镜场各时刻正常追踪状态定日镜的能量和占全镜场定日镜的能量和的百分比η；

B)从各时刻的η值中选择其中的最小值η_min；

C)根据步骤B)中计算所得的百分比η_min值，将全镜场分为镜场1区和镜场2区，分区后保证镜场1区定日镜的能量和占全镜场定日镜能量和的百分比为80％～100％的η_min；

3)建立镜场2区的调度优化问题；

4)在接收器运行时，每隔一段Δt时间对步骤3)中镜场2区优化调度问题进行求解，根据优化结果调整镜场2区定日镜状态,进而控制水/蒸汽接收器内压力。

2.根据权利要求1所述的通过镜场优化调度控制水/蒸汽接收器内压力的方法，其特征在于所述的步骤1)中，当接收器所需能量减少时，处于正常追踪状态的定日镜可迅速将目标点从接收器上转到接收器周边，从而减少镜场聚集到接收器上的能量值，当接收器所需能量增加，处于备用状态的定日镜可迅速将太阳能聚集到接收器上，从而增加镜场聚焦到接收器上的能量值。

3.根据权利要求1所述的通过镜场优化调度控制水/蒸汽接收器内压力的方法，其特征在于所述的步骤C)中，分区后保证镜场1区定日镜的能量和占全镜场定日镜能量和的百分比为80％～90％的η_min。

4.根据权利要求1所述的通过镜场优化调度控制水/蒸汽接收器内压力的方法，其特征在于所述的步骤3)具体为：

A)将镜场2区的定日镜按其所能聚集的能量值从大到小降序排列；

B)将排序后镜场2区再分为镜场2.1区和镜场2.2区两部分，n_2,1为镜场2.1区定日镜面数，n_2,2为镜场2.2区定日镜面数；其中镜场2.1区定日镜为正常追踪状态，其聚集的能量ΔQ₁正好大于镜场2区需聚集的太阳辐射能ΔQ的ξ％，ΔQ＝Q_need-Q_base，Q_need为接收器系统所需太阳辐射总能量，Q_base为镜场1区定日镜聚焦的能量值；

C)利用二进制粒子群算法对镜场2.2区的n_2,2面定日镜做0-1整数优化调度，使得镜场2.2区所聚集的太阳辐射能ΔQ₂加上镜场2.1区所聚集的太阳辐射能ΔQ₁之和尽可能接近镜场2区需聚集的太阳辐射能ΔQ，n₂为镜场2区定日镜数量，则n_2,2＝n₂-n_2,1，优化问题如下：

式中，x(i)为优化问题的决策变量，表示镜场2.2区中第i面定日镜状态，当x＝1时表示定日镜处于正常追踪状态，x＝0时表示定日镜处于备用状态；Q(i)为镜场2.2区中第i面定日镜所聚集的能量值；ΔQ₂为镜场2.2区所聚集的能量值，ΔQ₂＝ΔQ-ΔQ₁；ξ为设定的参数，0＜ξ＜100，ξ取值越大，则n_2,1越大，n_2,2越小，故在粒子群优化算法中决策变量数越少，优化速度加快；反之，ξ取值越小，n_2,1越小，n_2,2越大，在粒子群优化算法中决策变量数越多，优化速度减慢，当ξ取值过大时，ΔQ₂的值相应变小，使得改进优化问题求得的解精度降低。