CN105939028A - 用于增强发电厂发电单元的控制的方法和系统 - Google Patents

用于增强发电厂发电单元的控制的方法和系统 Download PDF

Info

Publication number
CN105939028A
CN105939028A CN201610120737.6A CN201610120737A CN105939028A CN 105939028 A CN105939028 A CN 105939028A CN 201610120737 A CN201610120737 A CN 201610120737A CN 105939028 A CN105939028 A CN 105939028A
Authority
CN
China
Prior art keywords
power plant
combustion gas
gas turbine
model
turbine
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
Application number
CN201610120737.6A
Other languages
English (en)
Other versions
CN105939028B (zh
Inventor
A.K.蒂瓦里
M.K.阿萨蒂
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
General Electric Co PLC
Original Assignee
General Electric Co
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by General Electric Co filed Critical General Electric Co
Publication of CN105939028A publication Critical patent/CN105939028A/zh
Application granted granted Critical
Publication of CN105939028B publication Critical patent/CN105939028B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02C—GAS-TURBINE PLANTS; AIR INTAKES FOR JET-PROPULSION PLANTS; CONTROLLING FUEL SUPPLY IN AIR-BREATHING JET-PROPULSION PLANTS
    • F02C9/00—Controlling gas-turbine plants; Controlling fuel supply in air- breathing jet-propulsion plants
    • F02C9/26—Control of fuel supply
    • F02C9/42—Control of fuel supply specially adapted for the control of two or more plants simultaneously
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02C—GAS-TURBINE PLANTS; AIR INTAKES FOR JET-PROPULSION PLANTS; CONTROLLING FUEL SUPPLY IN AIR-BREATHING JET-PROPULSION PLANTS
    • F02C6/00—Plural gas-turbine plants; Combinations of gas-turbine plants with other apparatus; Adaptations of gas-turbine plants for special use
    • F02C6/18—Plural gas-turbine plants; Combinations of gas-turbine plants with other apparatus; Adaptations of gas-turbine plants for special use using the waste heat of gas-turbine plants outside the plants themselves, e.g. gas-turbine power heat plants
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/0205—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric not using a model or a simulator of the controlled system
    • G05B13/026—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric not using a model or a simulator of the controlled system using a predictor
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E20/00—Combustion technologies with mitigation potential
    • Y02E20/16—Combined cycle power plant [CCPP], or combined cycle gas turbine [CCGT]

Landscapes

  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Power Engineering (AREA)
  • Engine Equipment That Uses Special Cycles (AREA)
  • Control Of Turbines (AREA)

Abstract

一种组合循环发电厂系统包括：可操作地连接到热回收蒸汽发电机的燃气涡轮机；用于优化在启动关闭命令与终止事件之间定义的关闭操作的第一控制器，其中第一控制器配置成执行以下步骤：接收关闭启动命令；接收由传感器为组合循环发电厂的第一组件和第二组件的每个组件测量的操作参数，并且基于此为第一和第二组件的每个组件确定当前状态；基于当前状态，得出优化的关闭操作模式以便使第一组件和第二组件从当前状态转变到关闭状态。第二控制器可配置成：将优化的关闭操作模式变换成配置成致动第一组件和第二组件的机械控制装置以便关闭操作根据优化的关闭操作模式进行的命令。

Description

用于增强发电厂发电单元的控制的方法和系统
背景技术
本申请的发明一般涉及发电，并且更具体地说，涉及与具有热发电单元的发电厂的经济和性能优化和/或增强有关的方法和系统。
在电力系统中，多个参与者或发电厂生成电力，电力然后通过公用输电线配送到住宅和商业客户。如将领会的，仍依赖诸如燃气涡轮机、蒸汽涡轮机和组合循环发电厂的热发电单元生成此类系统要求的相当大部分的电力。此类系统内的每个发电厂包括一个或更多个发电单元，并且这些单元每个一般包括控制操作的控制系统，并且在发电厂具有不止一个发电单元的情况下，在整体上控制发电厂的性能。例如，电厂操作员的责任之一是生成表示电力生产的成本的供应曲线(offer curve)。供应曲线一般包括增量可变成本曲线、平均可变成本曲线或可变发电支出的另一适合指示，支出一般以每兆瓦小时美元对以兆瓦为单位的输出表示。将领会的是，平均可变成本曲线可表示给定点的累计成本除以累计电输出，并且增量可变成本曲线可表示成本的变化除以电输出的变化。例如，通过对表示每小时成本对生成的电力的发电厂的输入输出曲线取第一导数，可获得增量可变成本曲线。在来自燃料燃烧发电机的废热用于产生蒸汽以便为补充蒸汽涡轮机供电的组合循环发电厂中，增量可变成本曲线也可通过已知技术获得，但其推导可更复杂。
在大多数电力系统中，通常称为经济调度的竞争过程用于在将来的时间期内在发电厂之间划分系统负荷。作为此过程的一部分，发电厂周期性地生成供应曲线，并且将供应曲线发送到电源系统管理机构或调度器。此类供应曲线表示来自发电厂生成在将来市场期间电源系统要求的一部分电力的投标。调度机构在其系统内接收来自发电厂的供应曲线，并且评估它们以确定使每个发电厂参与的级别，以便最有效地满足系统的预测负荷要求。在这种情况下，调度机构分析供应曲线，并且以发现用于系统的最低发电成本为目标，产生描述在相关时间期内每个发电厂将参与的程度的承诺计划表(commitment schedule)。
一旦承诺计划表传递到发电厂，每个发电厂便可确定满足其负荷承诺的最有效和具成本效益的方式。将领会的是，发电厂的发电单元包括监视和控制操作的控制系统。在发电单元包括热力发电机时，此类控制系统管控燃烧系统和操作的其它方面。（为便于说明，本文中描述了燃气涡轮机和组合循环发电厂；然而，将领会的是，本发明的某些实施例可应用到其它类型的发电单元或者与其结合使用。）控制系统可执行调整燃料流量、入口导向叶片和其它控制输入以确保引擎的有效操作的调度算法。然而，发电厂的实际输出和效率受不能完全预期的外部因素影响，如可变环境条件。如将领会的，此类系统的复杂性和操作条件的可变性使得预测和控制性能变得困难，这经常导致操作的低效。
随着时间的过去而发生的机器退化是难以量化事实的另一因素，这对发电单元的性能有相当大的影响。将领会的是，退化的速度、磨损组件的更换、例行维护的定时及其它因素影响发电厂的短期性能，并且因此在调度过程期间及在评估发电厂的长期成本效益时发电成本曲线时需要考虑在内。例如，燃气涡轮机寿命包括以操作时间和启动次数两者表达的限制。如果燃气油轮或其组件在其时间限制前达到其启动限制，则即使它具有基于时间的剩余寿命，也必须维修或更换它。燃气涡轮机中基于时间的寿命可通过降低烧成温度而延长，但这降低了燃气涡轮机的效率，而这增大了操作的成本。相反，增大烧成温度提高了效率，但缩短了燃气涡轮机寿命，并且增大了维护和/或更换成本。如将领会的，热引擎的寿命周期成本取决于许多复杂的因素，同时也表示在发电厂的经济效率方面的一个相当大的考虑事项。
考虑到现代发电厂的复杂性，特别是具有多个发电单元的那些发电厂和它参与竞争的市场，发电厂操作员继续努力最大化经济回报。例如，通过以过于静态的方式控制热力发电单元，即，使用静态控制简档，如仅从周期性性能测试得出聚集的热耗率曲线，不利地影响用于发电厂的电网规程和调度计划。在这些周期性更新之间，涡轮机引擎性能可改变（例如，由于退化），这可影响启动和负荷性能。另外，外部因素的当天改变而在涡轮机控制简档中未考虑到相同因素可导致操作的低效。为补偿此类型的可变性，发电厂操作员经常在计划将来操作时变得过于保守，这导致发电单元利用不足。其它时候，电厂操作员被迫低效操作单元以满足过度使用(over-commitment)。
在未像识别到每个因素一样识别短期低效和/或长期恶化的情况下，发电厂的常规控制系统不得不经常进行重新调整，这是一个昂贵的过程，或者保守地操作以便抢先适应组件恶化。备选方式是冒险违规操作，超过可操作边界，这导致过于疲劳或失效。类似地，常规发电厂控制系统缺乏以最具成本效益的方式适应改变的条件的能力。如将领会的，这导致发电厂的利用经常远远低于最佳水平。因此，需要用于监视、建模和控制发电厂操作的改进方法和系统，特别是允许更全面地理解可向复杂的现代发电厂的操作员提供的无数操作模式和与每个模式相关联的经济权衡的那些方法和系统。
发明内容
本申请因此描述一种组合循环发电厂系统，系统可包括：可操作地连接到热回收蒸汽发电机的燃气涡轮机；用于优化在启动关闭命令与终止事件之间定义的关闭操作的第一控制器，其中第一控制器配置成执行以下步骤：接收关闭启动命令；接收由传感器为组合循环发电厂的第一组件和第二组件的每个组件测量的操作参数，并且基于此为第一和第二组件的每个组件确定当前状态；基于当前状态，得出优化的关闭操作模式以便使第一组件和第二组件从当前状态转变到关闭状态。系统可还包括配置成执行以下操作的第二控制器：将优化的关闭操作模式变换成配置成致动第一组件和第二组件的机械控制装置，以便关闭操作根据优化的关闭操作模式进行的命令。
在结合附图和随附权利要求审查优选实施例的以下详细描述时，将更明白本申请的这些和其它特征。
本文提供了以下技术方案。
1. 一种用于由电源块优化在选择的操作期间上的输出电平的生成的方法，其中所述电源块包括用于共同生成所述输出电平的多个燃气涡轮机，所述控制方法包括以下步骤:
接收有关用于所述电源块的每个所述燃气涡轮机的测量的操作参数的当前状态数据；
基于所述当前状态数据，定义用于所述电源块的竞争操作模式，其中每个所述竞争操作模式包括用于所述电源块的独特发电配置；
基于每个所述竞争操作模式的所述发电配置，得出用于有关在所述选择的操作期间上所述电源块的所述操作的性能参数的预测值；
确定成本函数，并且根据所述成本函数，基于所述性能参数的所述预测值，评估所述电源块的所述操作以便确定预计成本；以及
比较来自每个所述竞争操作模式的所述预计成本以便从中选择优化操作模式；
通信地将块控制器链接到所述多个燃气涡轮机中的每个燃气涡轮机处的机械控制装置，以便根据任何一个所述竞争操作模式控制所述多个燃气涡轮机；以及
经所述块控制器致动所述机械控制装置，以便根据所述优化操作模式控制所述多个燃气涡轮机。
2. 如技术方案2所述的方法，还包括存储所述当前状态数据以便由所述块控制器的分析组件检索，并且将所述存储的当前状态数据指定为历史状态数据的步骤；
其中：
所述电源块的所述多个燃气涡轮机中的至少多个燃气涡轮机包括相对于所述块控制器的远程位置；以及
所述选择的操作期间包括将来市场期间；以及
所述独特的发电配置包括在所述多个燃气涡轮机之间的电力分担布置，所述电力分担布置包括在所述电源块的所述多个燃气涡轮机之间的所述输出电平的分摊计划表。
3. 如技术方案2所述的方法，其中所述测量的操作参数包括用于所述多个燃气涡轮机的每个燃气涡轮机的间隙数据，其中所述间隙数据包括在沿所述燃气涡轮机的热燃气通道定位的旋转与固定组件之间测量的距离；
其中所述当前和所述历史状态数据的所述测量的操作参数包括用于所述多个燃气涡轮机的每个燃气涡轮机的过程输入对过程输出的记录；以及
其中所述块控制器包括含神经网络的无模型自适应控制器，所述无模型自适应控制器配置成将所述记录的所述过程输入与所述过程输出相关。
4. 如技术方案2所述的方法，其中所述测量的操作参数包括用于每个所述燃气涡轮机的压缩机的转子速度和喘振裕度。
其中所述当前和所述历史状态数据的所述测量的操作参数包括用于所述多个燃气涡轮机的每个燃气涡轮机的过程输入对过程输出的记录；以及
其中所述块控制器包括含神经网络的无模型自适应控制器，所述无模型自适应控制器配置成将所述记录的所述过程输入与所述过程输出相关。
5. 如技术方案2所述的方法，还包括从所述当前状态数据为所述多个燃气涡轮机的每个燃气涡轮机确定退化程度的步骤；
其中所述过程输入包括用于所述燃气涡轮机的多个启动和多个操作时间中的至少一项，并且所述过程输出包括用于所述燃气涡轮机的热耗率中的至少一项；
其中用于所述燃气涡轮机的所述退化程度用于定义所述竞争操作模式，使得被断定为具有较高退化程度的所述燃气涡轮机偏向于接收所述输出电平的较低分摊，并且被断定为具有较低退化程度的所述燃气涡轮机偏向于接收所述输出电平的较高分摊。
6. 如技术方案5所述的方法，其中所述退化程度包括间隙阈值和喘振裕度阈值；
其中所述优化操作模式包括发电配置，其中所述多个燃气涡轮机的一个或更多个燃气涡轮机以峰值负荷操作，并且所述多个燃气涡轮机的一个或更多个燃气涡轮机以下调负荷操作，以便实现跨所述电源块的所述燃气涡轮机的更平衡的电力分担；以及
其中所述成本函数包括在所述选择的操作期间跨所述电源块的损失之和；以及其中所述损失包括成本关联的性能退化、消耗的有用零件寿命和燃料消耗。
7. 一种用于优化发电资产的队群的控制方法，其中所述发电资产的编组包括操作以便共同生成用于市场的队群输出电平的远程定位的电源块，其中所述队群包括多个可能发电配置，所述方法包括以下步骤：
接收与每个发电资产的操作有关的操作参数的实时和历史测量值，所述操作参数的所述测量值包括过程输入和过程输出；
对于每个所述发电资产，得出在所述过程输入的测量值与所述过程输出的测量值之间的关系表达式；
定义选择的操作期间，所述选择的操作期间表示用于所述队群的预期操作期间；
选择用于所述选择的操作期间的所述队群的竞争操作模式，其中每个竞争操作模式定义所述队群的所述可能发电配置的独特发电配置；
基于用于每个所述竞争操作模式的所述关系表达式和所述发电配置，计算用于在所述选择的操作期间提议的所述队群的所述操作的结果集；
定义成本函数；以及
根据所述成本函数评估每个所述结果集，并且基于其，将所述竞争操作模式中的至少一个指定为优化操作模式；
其中所述优化操作模式包括在用于生成所述队群输出电平的所述队群的所述电源块之间的电力分担推荐；
其中所述关系表达式共同包括队群模型，其中资产模型将用于每个所述发电资产的过程输入与过程输出的测量值相关；
其中，对于每个所述竞争操作模式，计算在所述选择的操作期间提议的所述队群的操作的结果集的步骤包括模拟运行，所述模拟运行包含以下步骤：
定义用于所述竞争操作模式的提议的参数集；
根据所述提议的参数集，通过所述队群模型模拟在所述选择的操作期间内所述队群的所述操作；以及
从所述模拟的输出确定所述结果集；
其中所述电力分担推荐包括在所述电源块之间划分所述队群输出电平的块分摊计划表。
8. 如技术方案7所述的方法，其中所述模拟运行由相对于所述电源块中的多个电源块远程定位的公共块控制器执行；
其中所述选择的操作期间被配置以便对应于由市场的管理机构定义的将来市场期间；以及
其中所述电力分担推荐包括资产分摊计划表，所述资产分摊计划表在其内包括的所述发电资产之间划分电源块输出电平；
还包括以下步骤：
经位于每个所述发电资产的传感器，感应所述操作参数的所述实时和所述历史测量值；以及
以电子方式传递来自每个所述发电资产的所述操作参数的所述实时和所述历史测量值，以便在可操作地链接到所述块控制器并且与其接近的公共数据库存储。
9. 如技术方案8所述的方法，其中外部发电资产被定义为在所述队群外操作的包括与所述队群内的发电资产之一类似的可能发电配置的发电资产；
还包括以下步骤：
接收与多个所述外部发电资产中的至少一个外部发电资产的操作有关的关于所述操作参数的历史测量值的外部数据；以及
在所述公共数据库存储所述外部数据；以及
基于所述队群的所述发电资产的操作参数的历史测量值以及有关外部发电资产的外部数据来标准化所述队群的所述发电资产的操作参数的实时测量值。
10. 如技术方案9所述的方法，其中标准化所述实时测量值的步骤包括基于操作变量的测量值调整性能指标的当前值，以便确定所述性能指标的真实值；
其中所述性能指标包括以下之一：效率和发电容量；
其中所述操作变量包括以下中的至少一个：负荷水平、燃料特性和与环境条件有关的操作参数；以及
其中所述性能指标的所述真实值包括指示由于性能退化造成的损失的值。
11. 如技术方案9所述的方法，其中标准化所述实时测量值的步骤包括基于操作变量的测量值调整性能指标的当前值，以便确定所述性能指标的真实值；
还包括以下步骤：
基于所述操作参数的所述历史测量值，为每个所述发电资产确定所述性能指标的初始值；以及
周期性地确定所述性能指标的所述真实值，以便与所述性能指标的所述初始值进行比较，并且基于其之间的差别，为每个所述发电资产确定性能退化率；
其中所述电力分担推荐是基于在所述选择的操作期间内最小化所述性能退化率。
12. 如技术方案11所述的方法，其中每个所述竞争操作模式的所述结果集包括：
基于所述性能退化率和性能退化的当前状态在所述选择的操作期间后的性能退化的预测状态；以及
消耗的有用零件寿命；
其中所述成本函数配置成将用于以下每项的经济结果相关：
性能退化的所述预测状态；
所述消耗的有用零件寿命；
燃料消耗；以及
输出电平；
其中所述成本函数包括用于以下每项的经济结果的相关：
所述燃料消耗；以及
所述输出电平，包括与其相关联的收入。
13. 一种组合循环发电厂系统，包括：
可操作地连接到热回收蒸汽发电机的燃气涡轮机；
用于优化在启动关闭命令与终止事件之间定义的关闭操作的第一控制器，其中所述第一控制器配置成执行以下步骤：
接收所述关闭启动命令；
接收由传感器对于所述组合循环发电厂的第一组件和第二组件的每个组件测量的操作参数，并且基于其为所述第一和所述第二组件的每个组件确定当前状态；
基于所述当前状态，得出优化的关闭操作模式以便使所述第一组件和所述第二组件从所述当前状态转变到关闭状态；以及
第二控制器，配置成：
将所述优化的关闭操作模式变换成配置成开动所述第一组件和所述第二组件的机械控制装置，使得所述关闭操作根据所述优化的关闭操作模式进行的命令。
14. 如技术方案13所述的组合循环发电厂系统，其中所述热回收蒸汽发电机包括蒸汽涡轮机，并且配置成使得来自燃气涡轮机的排气包括用于产生驱动所述蒸汽涡轮机的蒸汽的热源；以及
其中所述第一组件包括燃气涡轮机，并且所述第二组件包括所述热回收蒸汽发电机、所述蒸汽涡轮机或其组合。
15. 如技术方案14所述的组合循环发电厂系统，其中所述终止事件包括所述燃气涡轮机的转子到达最小速度以便接合转动装置，所述转动装置包括用于转动所述燃气涡轮机的所述转子以便一旦所述燃气涡轮机达到所述关闭状态便阻止热弯曲的机械传动装置。
16. 如技术方案14所述的组合循环发电厂系统，其中所述优化关闭操作模式包括多个参考参数，所述多个参考参数被配置以便建立用于使所述组合循环发电厂的所述第一组件和所述第二组件从所述当前状态转变到所述关闭状态的基线。
17. 如技术方案16所述的组合循环发电厂系统，其中所述第一控制器包括无模型自适应控制器。
18. 如技术方案16所述的组合循环发电厂系统，其中所述第一控制器包括回路成形控制器。
19. 如技术方案17所述的组合循环发电厂系统，其中所述第二控制器包括基于物理模型的控制器。
20. 如技术方案16所述的组合循环发电厂系统，其中所述第一控制器还配置成执行以下步骤：
存储为所述第一组件和所述第二组件测量的所述操作参数，以便配置用于所述组合循环发电厂系统的过程输入对过程输出的历史记录；以及
得出在所述历史记录的所述过程输入与所述过程输出之间的关系表达式。
21. 如技术方案16所述的组合循环发电厂系统，其中所述参考参数包括用于关闭的时间范围。
22. 如技术方案21所述的组合循环发电厂系统，其中所述参考参数：
包括用于转子减速的转换速率；以及
用于所述燃气涡轮机的涡轮机的校正冷却剂流量和用于所述燃气涡轮机的压缩机的校正入口导向叶片设置中的至少一项。
23. 如技术方案22所述的组合循环发电厂系统，其中所述校正冷却剂流量和所述校正入口导向叶片设置包括用于在所述关闭期间抵消检测到的变化的调制量。
24. 如技术方案21所述的组合循环发电厂系统，其中所述参考参数集包括轨迹转换速率对时间。
25. 如技术方案21所述的组合循环发电厂系统，其中所述参考参数包括在所述关闭期间内期望的发电机反向扭矩。
26. 如技术方案21所述的组合循环发电厂系统，其中所述参考参数包括减速率对当前电力生成曲线。
27. 如技术方案21所述的组合循环发电厂系统，其中选择所述参考参数以便为所述组合循环发电厂最小化转子应力和损失。
28. 如技术方案21所述的组合循环发电厂系统，其中选择所述参考参数以便为所述燃气涡轮机最小化转子应力和性能损失。
29. 如技术方案21所述的组合循环发电厂系统，其中选择所述参考参数以便为所述蒸汽涡轮机最小化转子应力和性能损失。
30. 如技术方案21所述的组合循环发电厂系统，其中选择所述参考参数以便为所述热回收蒸汽发电机最小化转子应力和损失。
31. 如技术方案21所述的组合循环发电厂系统，还包括用于基于由得出的轨迹时间表确定的所述燃气涡轮机的转子的旋转速度来改变到所述燃气涡轮机的燃烧室的燃料的流量的部件。
附图说明
图1示出根据本发明的方面的电源系统的示意图；
图2示出根据本发明的实施例，如可在发电厂内采用的示范热力发电单元的示意图；
图3示出根据本发明的实施例，具有多个燃气涡轮机的示范发电厂的示意图；
图4示出根据本发明的方面的发电厂控制器和优化器的示范系统配置；
图5示出根据本发明的某些方面，具有系统配置的具有发电厂控制器和优化器的发电厂的示意图；
图6示出根据本发明的某些方面，具有示范用户接口的计算机系统；
图7是示范增量热耗率曲线和在经济调度过程上可具有的效应误差；
图8示出根据本发明的方面，具有电源系统的示范发电厂控制器的示意图；
图9示出根据本发明的方面的发电厂控制方法的流程图；
图10示出根据本发明的方面，描述用于组合循环发电厂的发电厂优化系统的体系结构的数据流程图；
图11根据本发明的方面，提供如通过实时优化系统可采用的计算机系统的简化框图；
图12是根据本发明的用于求解参数化联立方程和约束的示范方法的流程图；
图13示出根据本发明的实施例的控制方法的计算机系统的简化配置；
图14示出根据本发明的实施例的控制方法的计算机系统的备选配置；
图15是根据本发明的示范方面的示范控制方法的流程图；
图16是根据本发明的示范方面的备选控制方法的流程图；
图17是根据本发明的示范方面的备选控制方法的流程图；
图18示出流程图，其中提供了与下降操作的优化有关的本发明的备选实施例；
图19示出流程图，其中提供了与在下调与关闭操作之间的优化有关的本发明的备选实施例；
图20是示出根据本发明的示范实施例的方面，在具有定义间隔的选择的操作期间内燃气涡轮机的可用操作模式的图形；
图21是示出根据本发明的备选实施例的方面，在具有定义间隔的选择的操作期间内燃气涡轮机的可用操作模式的图形；
图22示出根据本发明的备选实施例，根据发电厂队群(power plant fleet)优化过程的流程图；
图23示出根据本发明的方面的发电厂队群优化系统的示意图；
图24示出根据本发明的备选方面的发电厂队群优化系统的示意图；
图25示出根据本发明的备选方面的发电厂队群优化系统的示意图；
图26示出包括块控制器的电源块优化系统的示意图；
图27示出包括块控制器的备选电源块优化系统的示意图；
图28是示出用于优化组合循环发电厂的关闭过程的实施例的流程图；以及
图29示出根据本发明的方面，其中使用无模型自适应控制器的示范控制系统。
具体实施方式
下文将参照附图，更全面地描述本发明的示范实施例，附图中示出了一些但并非所有实施例。实际上，本发明可以许多不同的形式实施，并且不应视为限于本文所述的实施例；相反，这些实施例的提供是为了使本公开内容将满足适用的法律要求。类似的标号可指所有图形中类似的元素。
根据本发明的方面，公开了可用于优化电源系统、发电厂和/或热力发电单元的系统和方法。在示范实施列中，此优化包括经济优化，由此发电厂的操作员在备选操作模式之间作出判定以便增强收益率。实施例可在特定电源系统内利用，以便在调度过程期间在获得有利的经济使用(economic commitment)方面提供竞争优势。顾问功能可允许操作员基于准确的经济比较和预测，在操作模式之间作出选择。作为另一特征，为将来发电期前瞻性地购买燃料的过程可得以改进，以便最小化燃料库存，同时不增大短缺的风险。如下所述的本发明的其它配置提供用于为电源系统和具有多个热力发电单元的发电厂建模的计算机实现的方法和设备。本发明的一些配置的技术效应包括在变化的物理、操作和/或经济条件下预测性能的能源系统模型的生成和解决方案。本发明的示范实施例组合在变化的环境和可操作条件下预测性能的发电厂模型和包括经济约束、目标和市场条件的经济模型以便优化收益率。在这种情况下，本发明的优化系统可预测为环境、操作、合同、规章、法律和/或经济及市场条件的特定组合最大化收益率的优化设定点。
图1示出包括本发明的方面的电源系统10的图示及实施例可在其操作的示范环境。电源系统10可包括发电机或发电厂12，如所示的风力和热力发电厂。将领会的是，热力发电厂可包括诸如燃气涡轮机、燃煤蒸汽涡轮机和/或组合循环电厂的发电单元。另外，电源系统10可包括其它类型的电厂（未示出），如现在已知或以后发现的太阳能装置、水力发电、地热、核能和/或任何其它适合的电源。输电线14可连接各种发电厂12到电源系统10的客户或负荷16。应理解的是，输电线14表示用于电源系统的电网或配电网，并且可包括如可能需要或适当的多个部分和/或变电站。从发电厂12生成的电力可经输电线14输送到负荷16，负荷例如可包括自治市、住宅或商业客户。电源系统10也可包括连接到输电线14以便在发电过多的期间存储能源的存储装置18。
电源系统10也包括管理或控制其中包含的几个组件的操作的控制系统或控制器22、23、25。例如，电厂控制器22可控制每个发电厂12的操作。负荷控制器23可控制作为电源系统10的一部分的不同负荷16的操作。例如，负荷控制器23可管理客户的电力购买的方式或定时。调度机构24可管理电源系统10的操作的某些方面，并且可包括控制经济调度过程的电源系统控制器25，而负荷承诺通过该过程在参与发电厂之间分配。由矩形框表示的控制器22、23、25可经通信线路或连接21，连接到通信网络20，而数据通过通信网络20交换。连接21可以是有线或无线连接。将领会的是，通信网络20可连接到更大通信系统或网络或者作为其一部分，如因特网或私有计算机网络。另外，控制器22、23、25可通过通信网络20接收来自在本文中可概括称为“数据源26”的数据库和资源的信息、数据和指令和/或发送信息、数据和指令到数据库和资源，或备选可在本地存储或容纳一个或更多个此类数据存储库。数据资源26可包括几种类型的数据，包括但不限于：市场数据、操作数据和环境数据。市场数据可包括有关市场条件的信息，诸如能源销售价格、燃料成本、劳工成本、规章等。操作数据包括与发电厂或其发电单元的操作条件有关的信息，如在发电厂内的温度或压力测量、气流率、燃料流率等。环境数据包括与在电厂的环境条件有关的信息，如环境空气温度、湿度和/或压力。市场、操作和环境数据每个可包括历史记录、当前条件数据和/或与预测有关的数据。例如，数据资源26可包括当前和预测的气象/气候信息、当前和预测市场条件、有关发电厂的操作的使用和性能历史记录和/或有关具有类似组件和/或配置的其它发电厂的操作的测量的参数及可能适当和/或需要的其它数据。在操作中，例如，调度机构24的电源系统控制器25可接收来自电源系统10内其它控制器22、23的数据和/或向其发出指令。电厂和负荷控制器每个因而控制其负责的系统组件，并且将有关其的信息传递到电源系统控制器25和从中接收指令。
图2是根据本发明的可在发电厂内使用的示范热力发电单元燃气涡轮机系统20的示意图。如图所示，燃气涡轮机系统30包括压缩机32、燃烧室34和以传动方式耦合到压缩机32的涡轮机36及组件控制器31。组件控制器21可连接到电厂控制器22，电厂控制器22可连接到用户输入装置以便接收来自操作员39的通信。备选地，将领会的是，组件控制器31和电厂控制器22可组合成单个控制器。入口导管40将环境空气引导到压缩机32。如图3中讨论的，注入的水和/或其它增湿剂可通过入口导管40引导到压缩机。入口导管40可具有过滤器、格网和吸声装置，这些装置有助于流过入口导管40到压缩机32的入口导向叶片41的环境空气的压力损失。排气管42例如通过排放控制和吸声装置，传递来自涡轮机36的出口的燃烧气体。吸声材料和排放控制装置可应用背压到涡轮机36。涡轮机36可驱动产生电力的发电机44，电力然后可经输电线14通过电源系统10配送。
燃气涡轮机系统30的操作可由检测遍布其的各种操作条件或参数的几个传感器46监视，例如包括在压缩机32、燃烧室34、涡轮机36、发电机44和周边环境内的条件。例如，温度传感器46可监视环境温度、压缩机排出温度、涡轮机排气温度及在燃气涡轮机系统30的流量通道内的其它温度。类似地，压力传感器46可监视环境压力、在压缩机入口、压缩机出口、涡轮机排气和在燃气涡轮机系统内其它适合位置的静态和动态压力级别。诸如干湿球温度计的湿度传感器46可测量在压缩机的入口导管中的环境湿度。传感器46也可包括流量传感器、速度传感器、火焰探测器传感器、阀位置传感器、导向叶片角度传感器及一般用于测量相对于燃气涡轮机系统30的操作的各种操作参数和条件的其它传感器。在本文中使用时，术语“参数”指可用于定义诸如燃气涡轮机系统30或本文中所述其它发电系统的系统内的操作条件的操作的可测量物理属性。操作参数可包括在沿工作流体的通道定义的位置的温度、压力、湿度和燃气流量特性及环境条件、燃料特性及可适合而无限制的其它可测量参数。将领会的是，控制系统31也包括几个致动器（actuator）47，由此它以机械方式控制燃气涡轮机系统30的操作。致动器47可包括具有可变设定点或设置的机电装置，这些设定点或设置允许根据期望结果或操作模式，操控用于控制过程输出（即，被控变量）的某些过程输入（即，操控变量）。例如，由组件控制器31生成的命令可促使涡轮机系统30内的一个或更多个致动器47调整在燃料供应与燃烧室34之间的阀，阀调节流量级别、燃料分离（fuelsplit)和/或燃烧室中燃料的类型。又如，控制系统31生成的命令可促使一个或更多个致动器调整改变其定向角度的入口导向叶片设置。
组件控制器31可以是具有处理器的计算机系统，处理器执行程序代码以使用传感器测量和来自用户或电厂操作员（下文称为“操作员39”）的指令，控制燃气涡轮机系统30的操作。如下面更详细讨论的，由控制器31执行的软件可包括用于调节本文中所述任何子系统的调度算法。组件控制器31可至少部分基于在其数字存储器中存储的算法，调节燃气涡轮机系统30。这些算法例如可允许组件控制器31将在涡轮机排气中的NOx和CO排放保持在某个预定义的排放限制内，或者在另一情况下，保持燃烧室烧成温度在预定义的限制内。将领会的是，算法可包括用于参数变量的输入，如压缩机压力比、环境湿度、入口压力损失、涡轮机排气背压及任何其它适合的参数。组件控制器31执行的计划表和算法适应影响在全负荷或部分负荷操作条件下的排放、燃烧室动力学、烧成温度限制的环境条件的变化。如下面更详细讨论的，组件控制器31可以满足性能目标为目标，应用用于调度燃气涡轮机的算法，如设置期望涡轮机排气温度和燃烧室燃料分离的那些算法，同时遵从燃气涡轮机系统的可操作性边界。例如，组件控制器31可确定在部分负荷操作期间的燃烧室温度上升和NOx，以便增大燃烧动力学边界的操作裕度，并且由此改进发电单元的可操作性、可靠性和可用性。
转到图3，提供了根据本发明的方面的具有多个发电单元或电厂组件49的示范发电厂12的示意图。图3的所示发电厂12是普通配置，并且因此将用于讨论下面陈述的本发明的几个示范实施例。然而，如将领会的，本文中所述方法和系统可更普遍适用于和可扩展到具有比如图3中所示那些发电单元更多发电单元的发电厂，同时也仍适用于具有诸如图2所示发电组件的单个发电组件的发电厂。将领会的是，图3的发电厂12是包括几个电厂组件49的组合循环电厂，包括燃气涡轮机系统30和蒸汽涡轮机系统50。发电可通过其它电厂组件49加强，如具有导管烧成系统（下文称为“HRSG导管烧成系统52”）的入口空调系统51和/或热回收蒸汽发电机。将领会的是，燃气涡轮机系统30、包括HRSG导管烧成系统52的蒸汽涡轮机系统50和入口空调系统51每个包括以电子方式与专用于每个电厂组件的传感器46和致动器47进行通信的控制系统或组件控制器31。在本文中使用时，除非另有说明，入口空调系统51可指用于在空气进入压缩机前调整空气状态的组件，这可包括入口激冷系统或冷却器、蒸发器、雾化器、注水系统和/或在一些备选情况下的发热元素。
在操作中，入口空调系统51将进入燃气涡轮机系统30的空气冷却以便增强单元的发电容量。HRSG导管烧成系统52燃烧燃料以提供另外的热量，以便增大供应通过涡轮机53膨胀的蒸汽。这样，HRSG导管烧成系统52加强由来自燃气涡轮机系统的热排气55供应的能源，并且由此增大蒸汽涡轮机系统的发电容量。
作为示范操作，图3的发电厂12将引导燃料流到燃气涡轮机系统30的燃烧室34以便燃烧。涡轮机36由燃烧气体推动，并且驱动压缩机32和发电机44，发电机输送电能到电源系统10的输电线14。燃气涡轮机系统30的组件控制器31可设置用于燃气涡轮机系统的有关燃料流率的命令，并且接收来自燃料涡轮机系统的传感器数据，如空气入口温度、湿度、功率输出、轴速度及排气的温度。组件控制器31也可收集来自压力和温度传感器、流量控制装置和监视燃气涡轮机系统的操作的其它装置的其它操作数据。组件控制器31可发送有关燃气涡轮机系统的操作的数据，并且接收来自电厂控制器22的有关用于控制过程输入的致动器的设定点的指令。
在某些操作模式期间，进入燃气涡轮机系统30的空气可通过入口空调系统51冷却或以其它方式调整状态，以便加强燃气涡轮机系统的发电容量。入口空调系统51可包括用于冷却水的冷冻系统65和控制其操作的组件控制器31。在此实例中，组件控制器31可接收有关冷却水的温度的信息及可来自电厂控制器22的有关期望注入级别的指令。入口空调系统51的组件控制器31也可发出命令，促使冷冻系统65产生具有某个温度和流率的冷却水。入口空调系统51的组件控制器31可发送有关入口空调系统51的操作的数据。
蒸汽涡轮机系统50可包括涡轮机53和HRSG导管烧成系统52及如图所示，专用于其操作的控制的组件控制器31。来自燃气涡轮机系统30的排气导管的热排气55可被引导到蒸汽涡轮机系统50中以产生通过涡轮机53膨胀的蒸汽。如将领会的，HRSG导管烧成系统周期性地用于为蒸汽的产生提供另外的能源，以便增大蒸汽涡轮机系统的发电容量。将领会的是，在涡轮机53内由蒸汽引起的旋转驱动发电机44，以便产生然后可跨输电线14在电源系统10内销售的电能。蒸汽涡轮机系统50的组件控制器31可设置导管烧成装置52燃烧的燃料的流率，并由此将蒸汽的生成增大可通过排气55单独产生的量。蒸汽涡轮机系统50的组件控制器31可发送有关电厂组件49的操作的数据，并且从中接收有关它应如何操作的指令。
图3的电厂控制器22如图所示可连接到每个组件控制器31，并且经这些连接与几个电厂组件49的传感器46和致动器47进行通信。作为控制发电厂12的一部分，电厂控制器22可模拟其操作。更具体地说，电厂控制器22可包括模拟每个电厂组件49的操作的数字模型（或简称为“模型”），或者与其进行通信。模型可包括将过程输入变量与过程输出变量相关的算法。算法可包括指令集、逻辑、数学公式、功能关系描述、计划表、数据收集和/或诸如此类。在此实例中，电厂控制器22包括：燃气涡轮机模型60，该模型为燃气涡轮机系统30的操作建模；入口空调系统模型61，该模型为入口空调系统51的操作建模；及蒸汽涡轮机模型62，该模型为蒸汽涡轮机系统50和HRSG导管烧成系统52的操作建模。作为一般说明，将领会的是，系统和其有关模型及本文中提供的方法的离散步骤可以各种方式细分和/或组合，而未实质性地偏离本发明的范围，并且除非另有说明或声明，否则，描述每项的方式是示范。通过使用这些模型，电厂控制器22可发电厂12的操作，例如，热力性能或描述操作的参数。
电厂控制器22然后可使用模拟的结果以便确定优化的操作模式。此类优化操作模式可通过包括用于致动器的多个操作参数和/或设定点和/或其它操作条件的参数集描述。在本文中使用时，优化操作模式是根据由操作员选择以评估电厂操作的定义的准则或性能指标，最低程度优于至少一个备选操作模式的一个操作模式。更具体地说，在本文中使用时，优化操作模式是被评估为优于也由电厂模型模拟的一个或更多个其它可能操作模式的那些模式。通过评估模型预测发电厂将在每个模式下如何操作，确定优化操作模式。如下面讨论的，例如数字软件优化程序的优化器64可根据各种参数集运行数字发电厂模型，并且然后通过评估结果，识别优选或优化操作模式。通过在为分析选择的设定点周围应用扰动，可生成在设定点中的变化。这些变化可至少部分基于历史操作。将领会的是，优化操作模式可由优化器64基于一个或更多个定义的成本函数确定。此类成本函数例如可涉及产生电力的成本、盈利性、效率或如由操作员39定义的一些其它准则。
为确定成本和盈利性，电厂控制器22可包括经济模型63或与其进行通信，经济模型63跟踪电价和某些其它可变成本，如在燃气涡轮机系统、入口空调系统和HRSG导管烧成系统中使用的燃料的成本。经济模型63可提供由电厂控制器22用于断定哪些提议的设定点（即，为其操作建模以便确定优化设定点的那些选择的设定点）表示最小生产成本或最大收益率的数据。根据其它实施例，如通过图4更详细讨论的，电厂控制器22的优化器64可包括诸如卡尔曼过滤器的过滤器或者与过滤器结合操作，以帮助调谐，调整和校准数字模型，以便模型准确地模拟发电厂12的操作。如下面讨论的，模型可以是包括学习模式的一个动态模型，在学习模式中，经在实际操作（即，用于反映发电厂12的实际操作的测量的操作参数的值）与预测操作（即，用于模型预测的相同操作参数的值）之间进行的比较，对其进行调谐或调和。作为控制系统的一部分，过滤器也可用于实时或近实时调整或校准模型，如每几分钟或几小时或者根据指定进行。
电厂控制器22生成的优化设定点表示建议的操作模式，并且例如可包括用于燃气涡轮机系统的燃料和空气设置、用于入口空调系统的温度和水质量流、在蒸汽涡轮机系统50内导管烧成的级别。根据某些实施例，这些建议的操作设定点可经诸如计算机显示屏幕、打印机或扬声器的接口装置提供给操作员39。通过知道优化设定点，操作员然后可将设定点输入电厂控制器22和/或组件控制器31，控制器然后生成控制信息以便实现建议的操作模式。在优化设定点不包括用于实现操作模式的指定控制信息的此类实施例中，组件控制器可提供用于此的必需控制信息，并且如下面更详细讨论的，可根据建议的操作模式以闭环方式控制电厂组件，直至下一优化周期。取决于操作员偏好，电厂控制器22也可直接或自动实现优化设定点而无需操作员干预。
作为示范操作，图3的发电厂12将引导燃料流到燃气涡轮机系统30的燃烧室34以便燃烧。涡轮机36由燃烧气体推动以驱动压缩机32和发电机44，发电机输送电能到电源系统10的输电线14。组件控制器31可设置用于燃气涡轮机系统30的有关燃料流率的命令，并且接收来自燃料涡轮机系统30的传感器数据，如空气入口温度、湿度、功率输出、轴速度及排气的温度。组件控制器31也可收集来自压力和温度传感器、流量控制装置和监视燃气涡轮机系统30的其它装置的其它操作数据。燃气涡轮机系统30的组件控制器31可发送有关系统的操作的数据，并且接收来自电厂控制器22的有关用于控制过程输入的致动器的设定点的指令。
在某些操作模式期间，进入燃气涡轮机系统30的气体可由从入口空调系统51供应到入口空气导管42的冷水冷却。将领会的是，可冷却进入燃气涡轮机的空气以加强燃气涡轮机引擎发电的容量。入口空调系统51包括用于冷却水的冷冻系统或冷冻机65和组件控制器31。在此实例中，组件控制器31接收有关冷却水的温度的信息和有关进气的期望冷却的命令。这些命令可来自电厂控制器22。入口空调系统51的组件控制器31也可发出命令以促使冷冻系统65产生具有某个温度和流率的冷却水。入口空调系统51的组件控制器31可发送有关入口空调系统51的操作的数据和接收来自控制器22的指令。
蒸汽涡轮机系统50可包括具有导管烧成装置52、蒸汽涡轮机53的HRSG和可专用于其操作的组件控制器31。来自燃气涡轮机系统30的排气导管42的热排气55被引导到蒸汽涡轮机系统50中以产生驱动它的蒸汽。HRSG导管烧成系统52可用于提供另外的热能以产生蒸汽，以便增大蒸汽涡轮机系统50的发电容量。蒸汽涡轮机53驱动发电机44产生电力，电力经输电线14输送到电源系统10。蒸汽涡轮机系统50的组件控制器31可设置导管烧成装置52燃烧的燃料的流率。导管烧成装置生成的热量增大蒸汽的生成，超出由来自涡轮机36本身的排气55产生的量。蒸汽涡轮机系统50的组件控制器31可发送有关系统的操作的数据和接收来自电厂控制器22的指令。
电厂控制器22可与操作员39和数据资源26进行通信，例如，以接收有关市场条件的数据，如价格和对输送的电力的需求。根据某些实施例，电厂控制器22向操作员39发出有关用于燃气涡轮机系统30、入口空调系统51和蒸汽涡轮机系统50的期望操作设定点的建议。电厂控制器22可接收并存储有关发电厂12的组件和子系统的操作的数据。电厂控制器22可以是具有处理器和存储数据的存储器、数字模型60、61、62、63、优化器64及其它计算机程序的计算机系统。计算机系统可在单个物理或虚拟计算装置中实施，或者分布在本地或远程计算装置内。数字模型60、61、62、63可实施为与每个系统的操作参数有关的算法集，例如，传递函数。模型可包括基于物理的气动热力计算机模型、回归拟合模型或其它适合的计算机实现的模型。根据优选实施例，可根据在预测的操作与实际操作的测量的参数之间的不间断比较，周期性地、自动和实时或近实时调谐、调整或校准模型60、61、62、63。模型60、61、62、63可包括接收有关组合循环发电厂的实际物理和热力操作条件的数据输入的过滤器。这些数据输入可在发电厂12的操作期间实时或每5分钟、15分钟、小时、天等周期性地供应到过滤器。可比较数据输入和数字模型60、61、62、63预测的数据，并且基于比较，可不断改进模型。
图4示出根据本发明的方面的电厂控制器22的示意系统配置，电厂控制器22包括过滤器70、人工神经网络配置71（“神经网络71”）和优化器64。过滤器70例如可以是卡尔曼过滤器，可比较来自发电厂12的传感器46的测量的操作参数的实际数据72和由模拟发电厂12的操作的模型60、61、62、63和神经网络71对相同操作参数的预测数据73。然后，在实际数据与预测数据之间的差别可由过滤器70用于调谐由神经网络71和数字模型模拟的发电厂的模型。
应理解的是，虽然本发明的某些方面在本文中参照基于神经网络的模型形式的模型描述，但可预见的是，本发明可使用其它类型的模型实现，包括但不限于基于物理的模型、数据驱动模型、经验开发模型、基于启发的模型、支持向量机器模型、通过线性回归开发的模型、使用“第一性原理”知识开发的模型等。另外，为适当地捕捉在操纵/扰动变量与被控变量之间的关系，根据某些优选实施例，发电厂模型可具有以下一个或更多个特性：1)非线性（非线性模型能够表示曲线而不是在操纵/扰动与被控变量之间的直线关系）；2)多输入/多输出[模型可能捕捉在多个输入（操纵和扰动变量）与多个输出（被控变量）之间的关系]；3)动态（输入中的改变可不立即影响输出，而是可存在跟在改变的动态响应后的时延，例如，输入中的改变通过系统完全传播可耗费几分钟。由于优化系统以预确定的频率执行，因此，模型必须表示随着时间的过去，这些改变的影响，并且将它们考虑在内）；4)自适应（可在每次优化开始时更新模型以反映当前操作条件）；以及5)从经验数据得出（由于每个发电厂是独特的，因此，可从获得的来自发电单元的经验数据得出模型）。考虑到前面所述要求，基于神经网络的方案是用于实现期望电厂模型的优选技术。可使用高级回归算法，基于经验数据开发神经网络。如将领会的，神经网络能够捕捉通常在发电厂组件的操作中展现的非线性。神经网络也能够用于表示有多个输入和输出的系统。另外，能够使用反馈偏置或在线自适应学习，更新神经网络。动态模型也能够在基于神经网络的结构中实现。多种不同类型的模型体系结构已被用于实现动态神经网络。许多神经网络模型体系结构要求大量的数据以成功地培训动态神经网络。假定有稳固的发电厂模型，计算操纵变量的改变对被控变量的影响是可能的。此外，由于电厂模型是动态的，因此，计算在将来时间范围内操纵变量的改变的影响是可能的。
过滤器70可生成应用到数字模型和神经网络的输入或输出的性能乘数，或者个性应用到由数字模型和神经网络使用的逻辑单元和算法的权重。过滤器执行的这些动作降低了在实际条件数据与预测数据之间的差别。过滤器继续操作以进一步降低差别或者解决可能发生的波动。例如，过滤器70可生成用于预测的数据，有关在燃气涡轮机中压缩机排出压力和温度的性能乘数、燃气和蒸汽涡轮机的效率、到燃气涡轮机系统、入口空调系统、HRSG导管烧成系统的燃料流和/或其它适合的参数。将领会的是，操作数据的这些类别反映受随着时间的过去的性能退化影响的操作参数。通过为这些类型的数据提供性能乘数，过滤器70可在调整模型和神经网络以计及发电厂的性能退化中特别有用。
如图4所示，根据本发明的某些实施例，图3的发电厂的几个电厂组件49的每个数字模型60、61、62、63包括由几个图表示的算法，这些图用于为对应系统建模。模型在神经网络71内交互和进行通信，并且将领会的是，在这种情况下，神经网络71形成整个组合循环发电厂12的模型。这样，神经网络模拟电厂的热动力和经济操作。如图4中的实线箭头所示，神经网络71收集由模型60、61、62、63输出的数据，并且提供数据以由数字模型用作输入。
图4的电厂控制器22也包括诸如计算机程序的优化器64，优化器64与神经网络71交互以搜索用于燃气涡轮机系统、入口空调系统、蒸汽涡轮机系统和HRSG导管烧成系统的最佳设定点，实现定义的性能目标。性能目标例如可以是最大化发电厂的收益率。优化器64可促使神经网络71在各种可操作设定点运行数字模型60、61、62、63。优化器64可具有帮助改变模型的可操作设定点的扰动算法。扰动算法促使由数字模型和神经网络提供的组合循环发电厂模拟在不同于用于电厂的当前可操作设定点的设定点操作。通过模拟发电厂在不同设定点的操作，优化器64搜索将促使电厂更经济地操作或者根据可由操作员39定义的一些其它准则，改进性能的可操作设定点。
根据示范实施例，经济模型63提供由优化器64用于确定哪些设定点是最有益的数据。经济模型64例如可接收和存储诸如图630的格式化的燃料成本数据，数据将随着时间的过去的燃料成本相关，如在一年的四季期间。另一图631可将收到的在一天、一周或一月的不同时间电力的价格相关。经济模型63可提供有关收到的电价和用于产生电的燃料（燃气涡轮机燃料、导管烧成燃料和入口空调系统燃料）的成本的数据。来自经注济模型63的数据可由优化器64用于根据操作员定义的性能目标，评估发电厂的每个可操作状态。考虑到如操作员39定义的性能目标，优化器64可识别发电厂12的哪个可操作状态是最佳的（在本文中使用时，表示至少优于一个备选可操作状态）。如所述一样，数字模型可用于模拟发电厂12的电厂组件49的操作，如为燃气涡轮机系统、入口空调系统或蒸汽涡轮机系统的热动力操作建模。模型可包括算法，如数学方程和查表，算法可在本地存储并且周期性地更新，或者经数据资源26从远程获得，模拟电厂组件49对特定输入条件的响应。此类查表可包括测量的操作参数，这些参数描述在远程发电厂装置操作的相同类型的组件的操作。
燃气涡轮机系统30的热模型60例如包括将入口空气的温度对电输出的影响相关的算法600。将领会的是，此算法可显示在入口空气温度增大，超出阈值602温度时，电输出从最大值601减小。模型60也可包括将在引擎的不同电输出电平的燃气涡轮机的热耗率相关的算法603。如讨论的，热耗率表示燃气涡轮机引擎或其它发电单元的效率，并且与效率逆相关。更低的热耗率指示更高的热力性能效率。数字模型可模拟入口空调系统51的热力操作。在此情况下，例如数字模型61包括基于为运行入口空调系统51的冷冻系统65而应用的能源，将激冷容量相关的算法610，以便计算的激冷容量指示应用到进入燃气涡轮机的空气的冷却量。可存在能够由冷冻系统65实现的最大激冷容量值611。在另一情况下，相关算法612可将为运行冷冻系统65而应用的能源与进入燃气涡轮机系统30的压缩机32的激冷空气的温度相关。模型61例如可显示，在将进入燃气涡轮机的空气的温度降到低于环境空气的露点613时，运行入口空调系统期望的电力极剧增大。就蒸汽涡轮机系统50而言，数字模型62可包括将蒸汽涡轮机系统的电输出与诸如导管烧成消耗的燃料量的HRSG导管烧成系统52添加的能源相关的算法620。模型62例如可指示，存在HRSG导管烧成系统能够实现的蒸汽涡轮机系统输出的增大的上限阈值级别621，该级别可包括在算法620中。
根据本发明的某些实施例，如图4所示，神经网络71可与图3的发电厂12的几个电厂组件49的每个数字模型交互，并且在这些模型之间提供通信。交互可包括收集来自模型的输出数据和生成由模型用于生成其它输出数据的输入数据。神经网络71可以是连接的逻辑元素的数字网络。逻辑元素可每个实施接受数据输入以生成一个或更多个数据输出的算法。一个简单的逻辑元素可将输入的值相加以产生输出数据。其它逻辑元素可将输入的值相乘，或者应用其它数字关系式到输入数据。可为到神经网络71的每个逻辑元素的数据输入指派权重，如在1与0之间的乘数。在调整神经网络以更好地为发电厂的性能建模的学习模式期间，可修改权重。也可基于过滤器提供的命令，调整权重。调整到神经网络的逻辑单元的数据输入的权重是在组合循环发电厂的操作期间可动态修改神经网络的方式的一个示例。其它示例包括修改在用于蒸汽涡轮机系统、入口空调系统和燃气涡轮机的每个热力数字模型中修改到算法（它们是逻辑单元的示例）的数据输入的权重。可基于优化器和/或过滤器提供的数据，以其它方式修改电厂控制器22，如对逻辑单元和算法进行调整。
电厂控制器22可生成用于组合循环发电厂12的建议或优化设定点74的输出，如图所示，输出可在传递并且由发电厂致动器47实现前提供到操作员39以待批准。如图所示，优化设定点74可包括经诸如下面关于图6所述的一个计算机系统的计算机系统，来自操作员39或者由其批准的输入。优化设定点74例如可包括用于由入口空调系统生成并且用于冷却进入燃气涡轮系统的空气的冷却水的温度和质量流率、到燃气涡轮机系统的燃料流率及导管烧成速率。将领会的是，优化设定点74也然后可由神经网络71和模型60、61、62、63使用，以便不间断的电厂模拟可预测操作数据，预测的操作数据可在以后与实际操作数据进行比较以便可继续完善电厂模型。
图5示出具有优化器64和电厂模型75的电厂控制器22的简化系统配置。在此示范实施例中，电厂控制器22示为具有优化器64和发电厂模型75（它例如包括上面关于图4所述的神经网络71和模型60、61、62、63）的系统。发电厂模型75可模拟发电厂12的总体操作。根据所示实施例，发电厂12包括多个发电单元或电厂组件49。电厂组件49例如可包括热发电单元或如已经描述的其它电厂子系统，它们每个可包括对应组件控制器31。电厂控制器22可与组件控制器31进行通信，并且通过和借助于组件控制器31，可经到传感器46和致动器47的连接，控制发电厂12的操作。
将领会的是，发电厂具有影响其操作的许多变量。通常，可将这些变量每个归类为输入变量或输出变量。输入变量表示过程输入，并且包括能够由电厂操作员操纵的变量，如空气和燃料流率。输入变量也包括不能操纵的那些变量，如环境条件。输出变量是诸如电输出的通过操纵那些可操纵的输入变量而得到控制的变量。发电厂模型配置成表示在输入变量与输出或被控变量之间的算法关系，输入变量包括能够操纵的那些变量或“操纵变量”和不能操纵的那些变量或“扰动变量”，输出或被控变量将称为“被控变量”。更具体地说，操纵变量是可由电厂控制器22改变以影响被控变量的那些变量。操纵变量包括诸如控制燃料和气流的阀设定点的此类事物。扰动变量指影响被控变量，但不能操纵或控制的变量。扰动变量包括环境条件、燃料特性等。考虑到以下所述，优化器64确定用于操纵变量的设定点值的最佳集：(1)发电厂的性能目标（例如，在最大化收益率的同时满足负荷要求）；及(2)与操作发电厂相关联的约束（例如，排放和设备限制）。
根据本发明，“优化周期”可以预确定的频率开始（例如，每5到60秒，或1到30分钟）。在优化周期开始时，电厂控制器22可从组件控制器31和/或直接从每个组件控制器49的传感器46获得用于操纵变量、被控变量和扰动变量的当前数据。电厂控制器22然后可使用电厂模型75，基于当前数据确定用于操纵变量的最佳设定值。在这种情况下，考虑到用于发电厂的性能目标，电厂控制器22可在各种可操作设定点运行电厂模型75，以便确定可操作设定点的哪些集是最优选的，这可称为“模拟运行”。例如，性能目标可以是最大化收益率。通过模拟发电厂在不同设定点的操作，优化器64搜索电厂模型75预测促使电厂以最佳方式（或至少优选方式）操作的设定点集。如所述一样，设定点的此最佳集可称为“优化设定点”或“优化操作模式”。一般情况下，在到达优化设定点时，优化器64将比较了设定点的许多集，并且考虑到操作员定义的性能目标，优于每个其它集的优化设定点将被找到。发电厂12的操作员39可选择批准优化设定点，或者优化设定点可自动被批准。电厂控制器22可将优化设定点发送到组件控制器31，或者备选地，直接发送到电厂组件49的致动器47，以便可根据优化设定点调整设置。电厂控制器22然后可在闭环中运行，以便基于测量的当前操作条件，以预确定的频率（例如，每10-30秒或更频繁）调整操纵变量的设定点值。
优化器64可用于最小化受约束集影响的“成本函数”。成本函数基本上是电厂性能目标的数学表示，并且约束是发电厂操作必须处于其内的边界。此类边界可表示法律、规章、环境、设备或物理约束。例如，为最小化NOx，成本函数包括在NOx量减小时减小的项。用于最小化此类成本函数的一种常用方法例如称为“梯度下降优化”。梯度下降是通过采取与在当前点函数的梯度（或近似梯度）的负值成正比的步长，接近函数的局部最小值的优化算法。应理解的是，取决于模型的形式和成本与约束，可使用多个不同优化技术。例如，可预见的是，本发明可通过单独或组合使用多个不同类型的优化方案实现。这些优化算法包括但不限于线性规划、二次规划、混合整数非线性规划、随机规划、全局非线性规划、遗传算法及粒子/群技术。另外，电厂模型75可以是动态的，以便在将来时间范围内将改变的影响考虑在内。因此，成本函数包括在将来范围的项。由于模型用于将某个时间范围内预测，因此，此方案称为模型预测控制，这在S.Piche, B.Sayyar-Rodsari、D.Johnson和M.Gerules所著的“使用神经网络的非线性模型预测控制”(Nonlinear model predictive control usingneural networks, IEEE Control Systems Magazine, vol.20, no.2, pp.53-62, 2000)中描述，并且该文通过引用结合于本文中，就好像其全文在此陈述了一样。
可对在将来时间范围内发电厂的过程输入（包括操纵变量）和过程输出（包括被控变量）设置约束。一般情况下，对操纵变量设置与电厂控制器关联限制一致的约束。有关输出的约束可通过在解决的问题确定。根据本发明的实施例并且作为优化周期中的步骤，优化器64可计算在例如一小时的将来时间范围内操纵变量移动的完全轨迹。因此，对于每30秒执行的优化系统，可在一小时的将来时间范围内为每个操纵变量计算120个值。由于电厂模型或性能目标或约束可在下一优化周期前改变，因此，电厂控制器22/优化器64可只将在该时间范围中用于每个操纵变量的第一值作为用于每个相应操纵变量的优化设定点输出到组件器31。在下一优化周期，可基于当前条件，更新电厂模型75。如果成本函数和约束已改变，则也可更新它们。优化器64然后可用于重新计算在该时间范围内用于操纵变量的值集，并且在该时间域中用于每个操纵变量的第一值作为用于每个相应操纵变量的设定点值，被输出到组件控制器31。优化器64可为每个优化周期重复此过程，由此在发电厂12受诸如负载、环境条件、燃料特性的此类项的未预料到的改变影响时，始终保持最佳性能。
转到图6，图中示出根据一示范实施例，用于电厂控制器和组件程序的说明性环境和用户输入装置。虽然其它配置是可能的，但本实施例包括具有显示屏81、处理器82、用户输入装置83和存储器84的计算机系统80。计算机系统80的方面可位于发电厂12，而其它方面可在远处并且经通信网络20连接。如讨论的，计算机系统80可连接到发电厂12的每个发电单元或其它电厂组件49。发电厂组件49可包括燃气涡轮机系统30、蒸汽涡轮机系统50、入口空调系统51、HRSG导管烧成系统52和/或与其有关的任何子系统或子组件或其任何组合。如可能必需或需要的，计算机系统80也可连接到一个或更多个传感器46和致动器47。如所述一样，传感器46可配置成感应组件的操作条件和参数，并且将有关这些条件的信号传递到计算机系统80。计算机系统80可配置成接收这些信号，并且以本文中所述方式使用它们，这可包括将信号传送到一个或更多个致动器47。然而，除非另有要求，否则，本发明可包括未配置成直接控制发电厂12和/或感应操作条件的实施例。在确实控制发电厂12和/或感应操作条件的本发明的配置中，通过从/向与发电厂的物理组件及其传感器和致动器更直接交互的一个或更多个单独软件或硬件系统接收和/或传送信号，能够提供此类输入或控制。计算机系统80可包括发电厂控制程序（“控制程序”），这使计算机系统80可用于通过执行本文中所述过程，管理电厂控制器中的数据。
通常，处理器82执行定义控制程序的程序代码，控制程序至少部分固定在存储器84中。在执行程序代码时，处理器72可处理数据，这可促使从/向存储器84读取和/或写入变换的数据。显示屏81和输入装置83可允许用户人员与计算机系统80和/或一个或更多个通信装置交互，以允许系统用户使用任何类型的通信链路与计算机系统80进行通信。在实施例中，诸如连网硬件/软件的通信网络可允许计算机系统80与安装其的节点中和节点外的其它装置进行通信。在此程度上，本发明的控制程序可管理允许人和/或系统用户与控制程序交互的接口集。此外，如下面讨论的，控制程序可使用任何解决方案管理（例如，存储，检索，创建，操纵，组织，演示等）诸如控制数据的数据。
计算机系统80可包括能够执行诸如本文中定义的控制程序的在其上面安装的程序代码的一个或更多个通用计算制品。在本文中使用时，要理解的是，“程序代码”表示任何语言、代码或表示法的任何指令集，指令促使具有信息处理能力的计算装置直接或在以下所述的任何组合后执行特定动作：(a)转换到另一语言、代码或表示法；(b)以不同材料形式的复制；和/或(c)解压缩。另外，计算机代码可包括对象代码、源代码和/或可执行代码，并且在至少一个计算机可读媒体上时，可形成计算机程序产品的一部分。要理解的是，术语“计算机可读媒体”可包括现有已知或以后开发的表述的一个或更多个任何类型的有形媒体，从中计算装置可感知，复制或以其它方式传递程序代码的副本。计算机执行计算机程序代码时，它变成用于实践本发明的设备，并且在通用微处理器上，特定逻辑电路通过为微处理器配置计算机代码段而形成。考虑到预期环境和/或市场条件、性能参数和/或与其有关的寿命周期成本，可执行指令的技术效应是实现使用模型增强或加强或优化发电厂的操作特性，以便更有效地利用发电厂的经济回报的发电厂控制方法和/或系统和/或计算机程序产品。除使用当前信息外，可采用历史和/或预测信息，并且可建立反馈回路以在波动条件期间更有效地动态操作电厂。控制程序的计算机代码可写入电厂控制器22可执行的计算机指令中。在此程度上，计算机系统80执行的控制程序可实施为系统软件和/或应用软件的任何组合。此外，控制程序可使用模块集实现。在此情况下，模块可允许计算机系统80执行由控制程序使用的任务集，并且可与控制程序的其它部分分开，单独开发和/或实现。在本文中使用时，术语“组件”表示有或没有软件的硬件的任何配置，软件使用任何解决方案实现与其结合描述的功能性，而术语“模块”表示程序代码，程序代码允许计算机程序使用任何解决方案，实现与其结合描述的动作。固定在包括处理器82的计算机系统80的存储器84中时，模块是实现动作的组件的重要部分。无论如何，要理解的是，两个或更多个组件、模块和/或系统可共享一些/所有其相应硬件和/或软件。此外，要理解的是，本文中讨论的一些功能性可未实现，或者另外的功能性可作为计算机系统80的一部分包括在内。计算机系统80包括多个计算装置时，每个计算装置可只具有固定在其上的一部分控制程序（例如，一个或更多个模块）。无论如何，在计算机系统80包括多个计算装置时，计算装置可通过任何类型的通信链路进行通信。此外，在执行本文中描述的过程时，计算机系统80可使用任何类型的链路与一个或更多个其它计算机系统进行通信。
如本文中讨论的，控制程序允许计算机系统80实现发电厂控制产品和/或方法。计算机系统80可使用任何解决方案获得发电厂控制数据。例如，计算机系统80可生成和/或用于生成发电厂控制数据，从一个或更多个数据仓库、存储库或源检索发电厂控制数据，接收来自发电厂中或其外的另一系统或装置、电厂控制器、组件控制器和/或诸如此类的发电厂控制数据。在另一实施例中，本发明提供了一种提供诸如用于发电厂控制程序的程序代码的副本的方法，副本可实现本文中所述过程的一些部分或其全部。要理解的是，本发明的方面能够实现为在预订、广告和/或付费基础上，执行本文中描述的过程的商业方法的一部分。服务提供商能够主动实现如本文中所述的发电厂控制程序和/或方法。在此情况下，服务提供商能够管理（例如，创建，维护，支持等）诸如计算机系统80的为一个或更多个客户执行本文中描述的过程的计算机系统。
发电厂的计算机模型可经构建并且然后用于控制和优化发电厂操作。此类电厂模型可以是动态的，并且经在实际（即，测量的）操作参数对如通过电厂模型预测的那些相同参数之间的持续比较，迭代进行更新。在准备和维护此类模型中，可写入或以其它方式提供指令，指令响应用户输入，指示计算机系统80的处理器82生成能源系统发电单元和组件库（“组件库”）。在一些配置中，用户输入和生成的库包括具有库的组件的属性及根据操作和属性值生成脚本的规则。这些属性值能够从在存储器84本地存储的数据汇编和/或取自在远程位置维护的中央数据存储库。组件库可包括非物理组件，如经济或法律组件。经济组件的示例是燃料购买和销售，并且法律组件的示例是排放限制和信用。这些非物理组件能够通过数学规则建模，就好像表示物理设备的组件能够通过数学规则建模一样。指令可配置成汇集来自库的能源系统组件的配置，如可由操作员配置一样。可提供能源系统组件库，以便用户可从中选择组件以复制实际发电厂或者创建假设的发电厂。将领会的是，每个组件可具有几个属性，这些属性可由用户用于输入匹配在建模的实际或假设发电厂的操作条件的特定值。可生成用于汇集的能源系统组件及其配置的脚本。如果在能源系统组件配置中使用，则生成的脚本可包括在能源系统组件内和/或在其之间的数学关系式，能源系统组件包括经济和/或法律组件。计算机系统80然后可求解数学关系，并且在显示屏81上显示解的结果。在可从计算机80传送数据的配置中，信号可用于根据解的结果控制能源系统。否则，结果可显示或打印并且用于设置设备参数和/或确定和/或使用确定的非物理参数，如燃料购买和/或销售，因此，实现了优选或优化的操作模式。电厂组件库可包括中央数据存储库，该库表示与在不同参数和条件下每个电厂组件如何操作有关的数据的持续累计。中央数据存储库可用于例如在确定传感器数据不可靠时提供“插入数据”(plug data)
转到图7至9，提供经济调度过程的更详细讨论，包括无论情况如何，从电源系统中央机构或此类系统内参与的单独发电厂的角度，上面讨论的控制系统可用于优化此类调度过程的方式。将领会的是，从中央机构调度器的角度而言，经济调度过程的目标是动态响应改变的变量，包括改变的负荷要求或环境条件，同时仍最小化系统内的发电成本。对于参与发电厂，将领会的是，通常目标是利用可用容量，同时最小化发电成本以便最大化经济回报。考虑到电源系统的复杂性，经济调度的过程一般包括由调度器频繁调整在参与发电厂上的负荷。在成功时，过程促使可用发电厂在其增量发电成本大约相同的负荷操作——这促使发电成本最小化，同时也观察系统约束，如最大和最小可允许负荷、系统稳定性等。将领会的是，准确的增量成本数据是经济调度以最佳方式运转所必需的。此类增量成本数据具有包括燃料成本和增量燃料消耗的主要组件。增量燃料消耗数据通常表示为增量热耗率对电输出的曲线。具体而言，热发电单元的增量热耗率IHR被定义为热耗率曲线的斜率，其中，单元的热耗率是在任何负荷针对电输出绘出的热输入的比率。此数据中的误差将导致在未最小化总发电成本的负荷调度单元。
多个项能够将误差引入增量热耗率曲线。这些项能够编组成两个类别。第一类别包括产生在向调度器提供数据时存在的误差的项。例如，如果通过测试收集数据，则由于仪器不准确造成的误差将包括在通过它们进行的所有计算中。如下面更详细讨论的，本发明的某些方面包括确认在数据收集期间传感器准确度和在收集的数据可由于传感器故障而不可靠时及时识别实例的方式。误差的第二类别可包括促使数据随着时间的过去而变得更不准确的项。例如，如果发电单元的性能由于设备退化或维修或环境条件的改变而改变时，则在更新此类数据前，用于调度的增量热耗率数据将是错误的。本发明的一方面是识别可大幅影响增量热耗率计算的热发电单元的那些参数。此类参数及其相对重要性的知识然后可用于确定应更新调度数据以反映真实电厂性能的频率。
增量热耗率数据中的误差导致不正确调度发电厂的情况，这一般导致电源系统有增大的发电成本。例如，参照图7的图，提供了真实增量热耗率数据与在调度过程中使用的增量热耗率不同的情况。在调度单元时，调度机构使用如由“E”所示错误的增量热耗率数据。（应注意的是，图7假设电源系统的增量热耗率不受在给定单元上施加的负荷影响，如果与给定发电单元的大小相比，电源系统是大型单元，则这种情况可在实质上是正确的。）如图所示，将在L1调度发电单元，L1是基于可用信息，单元和系统增量热耗率相等情况下的负荷。如果使用正确的增量热耗率信息，则将在L2调度单元，L2是电厂的真实增量热耗率等于电源系统的增量热耗率情况下的负荷。如将领会的，误差导致发电厂利用不足。在实际为备选的情况下，即，在不正确的增量热耗率图相对于真实增量热耗率图的定位反转的情况下，误差导致单元过度使用，这可要求它低效操作以满足其调度的负荷承诺。从电源系统的中央调度机构的角度而言，将领会的是，降低在调度过程中使用的数据中的误差将降低总系统燃料成本，增大系统效率和/或减小未达到负荷要求的风险。对于系统内发电厂的操作员，降低此类误差将促进电厂的充分利用和改进经济回报。
图8和9分别示出根据本发明的方面，电厂控制器22的示意图和控制方法的流程图169。在这些示例中，提供示出在使用经济调度在可能提供商之间分配负荷的电源系统内的经济优化的方法。经济调度的基本过程是可以不同方式采用并且在许多电源系统共同的分层层次结构内定义的任何两个级别之间的一个过程。例如，在一个实例中，经济调度过程可用作竞争过程的一部分，通过该过程，中央政府机构或行业合作协会在几个竞争公司之间分摊负荷。备选地，经济调度的相同原理可用于在共同拥有的发电厂之间分摊负荷，以便为电厂拥有者最小化发电成本。它也可在电厂级别用作操作员或电厂控制器在可供其使用的不同本地发电单元之间分摊其负荷要求的方式。将领会的是，除非另有说明，否则，本发明的系统和方法一般适用于经济调度过程的任何这些可能表现形式。
通常，调度过程寻求经调度计划表的创建，最小化在电源系统内的发电成本，在该计划表中，用于每个参与发电厂或发电单元的增量发电成本大约相同。如将领会的，几个术语经常用于描述经济调度过程，并且因此将定义如下。“预测时间范围”(predictionhorizon)是将执行优化的预定义的时间期。例如，典型的预测时间范围可从几小时到几天之间不等。预测时间范围内的“间隔”是优化的预定义的时间解析度，即，上面提及的“优化周期”，它描述在预测时间范围期间将执行优化的频率。例如，用于优化周期的典型时间间隔可从几秒钟到几分钟不等。最后，“预测长度”(prediction length)是将执行优化的时间间隔的数量，并且可通过将预测时间范围除以时间间隔获得。因此，对于23小时的预测时间范围和5分钟的时间间隔，预测长度是144个时间间隔。
本发明的方面提供用于发电厂的控制的方法和/或控制器及用于优化性能、成本效益和效率的方法和系统。例如，根据本发明，可为热发电单元或发电厂实现最小可变操作成本，该成本平衡可变性能特性和成本参数（即，燃料成本、环境条件、市场条件等）与寿命周期成本（即，可变操作及其对维护计划表、零件更换等的影响）。通过将此类因素考虑在内，改变热发电单元的一个或更多个参数，可在单元的可用寿命内获得单元的更大经济优势。例如，在包括燃气涡轮机的发电厂中，可基于操作简档、环境条件、市场条件、预测、发电厂性能和/或其它因素，改变烧成温度以更经济地提供期望负荷级别。因此，可减少清理启动受限单元中仍有残余时间寿命的零件。此外，包括反馈回路的发电厂控制系统将允许进一步的电厂优化，反馈回路通过来自周期性地测试并且被确认为正确操作的传感器的实质上实时数据进行更新。也就是说，根据本发明的某些实施例，通过在发电厂控制系统与调度机构之间引入实时反馈回路，目标负荷和单元承诺可基于高度准确的供应曲线，而该供应曲线基于实时引擎性能参数构成。
图8示出根据本发明的方面的示范发电厂控制器22的示意设计。将领会的是，电厂控制器22可特别适合用于实现图9的方法169。因此，图8和9将在一起讨论，但将领会的是，每个图可具有适合更普遍使用的方面。图8中表示的电源系统10包括电厂控制器22专用于的“发电厂12a”及可表示在与发电厂12a竞争的电源系统内的发电厂的“其它发电厂12b”。如图所示，电源系统10也包括调度机构24，调度机构24通过专用系统控制器25，管理在系统内所有参与发电厂12a、12b之间的调度过程。
电厂12a可包括许多传感器46和致动器47，电厂控制器22通过它们监视操作条件，并且控制电厂的操作。电厂控制器22可与许多数据资源26进行通信，这些数据资源可位于其远处并且通过通信网络可访问和/或包含在本地并且通过本地网络可访问。如图所示，电厂控制器22的图示包括几个子系统，它们已通过几个框相互定界。这些子系统或“框”主要按功能分开以便有助于描述。然而，将领会的是，除非另有说明，否则，分开的框可表示或不表示单独的芯片或处理器或其它单独硬件元素，并且可表示或不表示在电厂控制器内执行的计算机程序代码的分开部分。类似地，虽然方法169分成两个主要部分或块，但这是为了方便和有助于描述。将领会的是，图8中示出的任何或所有单独的框可组合成电厂控制器22中的一个或更多个部分，图9中示出的任何或所有单独的框或步骤同样可组合。
图9的方法169可例如通过接收或收集当前信息和数据以供使用的控制部分170开始（在步骤171），数据可包括市场数据、操作数据和/或环境数据。在电厂控制器22内，对应控制模块110可布置成请求/接收来自数据资源26或任何其它适合源的此类型的数据。控制模块110也可配置成接收来自调度机构24的目标负荷128（但在初始运行时，此类目标负荷可能不可用，并且可使用预定义的初始目标负荷）。可从远程或本地数据存储库和/或预测服务接收环境数据，并且可将其包括为数据资源26的组件。也可经部署在发电厂12a周围的环境传感器收集，以及经与调度机构24的通信链路接收环境数据。根据本发明的方面，环境数据包括描述用于发电厂12a的环境条件的历史、当前和/或预测数据，这例如可包括空气温度、相对湿度、压力等。可从远程或本地数据存储库和/或预测服务接收市场数据，并且可将其包括为数据资源26的组件。也可经与调度机构24的通信链路接收市场数据。根据本发明的方面，市场数据包括历史、当前和/或预测数据，其包括描述用于发电厂12a的市场条件，例如可包括能源销售价格、燃料成本、劳工成本等。也可从数据存储库和/或预测服务接收操作数据，并且可将其包括为数据资源26的组件。操作数据可包括从部署在发电厂12内的多个传感器46和测量与电厂操作有关的物理参数的其电厂组件49收集的数据。操作数据可包括历史、当前和/或预测数据及多个过程输入和输出。
如在图9中看到的，可确定用于发电厂12的初始设定点，如通过图8的电厂控制器22中的控制模型111。例如，控制模型111可配置成使用发电厂12的热力和/或物理细节及诸如环境数据或市场数据或过程数据的另外的信息，确定用于发电厂12的操作参数的值（在图9的步骤172）。在一个实例中，例如，操作参数的值可以是实现足以满足目标负荷的电输出将要求的值。确定的值可用作发电厂12的相应操作参数的初始设定点（也是图9的步骤172）。将领会的是，此类操作参数的示例可包括：燃料流率、烧成温度、用于入口导向叶片的位置（如果存在导向叶片）、蒸汽压力、蒸汽温度及蒸汽流率。然后，可通过使用电厂控制器22的性能模型112，确定性能指标（在图9的步骤173）。性能指标可提供发电厂12的操作特性，如效率。性能模型112可配置成使用发电厂12的热力和/或物理细节及控制模型111确定的设定点，以便确定发电厂12的操作特性的值。性能模型112可配置成将另外的信息考虑在内，如环境条件、市场条件、过程条件和/或其它相关信息。
另外，根据本发明的某些方面，可确定发电厂12的寿命周期成本(LCC)的估计（在图9的步骤174），如通过在图8的电厂控制器22中包括的LCC模型113。可以是计算机或诸如此类的LCC模型113可配置成使用有关发电厂12的物理和/或成本信息及来自控制模型111的设定点，确定发电厂12的估计寿命周期成本。寿命周期成本例如可包括发电厂12在其服务寿命内的总成本、维护成本和/或操作成本。LCC模型113可另外配置成将性能模型112的结果考虑在内以实现增强的准确度。LCC模型113因此可使用控制模型111的确定的设定点和来自性能模型112的操作特性及需要的其它信息，估计发电厂12的服务寿命及在其服务寿命期间操作和/或维护发电厂12可花费的成本。如上所述，发电厂的服务寿命可以操作时间和/或启动次数表述，并且给定发电厂具有可由发电厂的制造商提供的预期服务寿命。因此，预期服务寿命的预定义的值可至少用作用于LCC模型113和/或增强模块114的起点。
通过使用来自本发明的其它实施例的信息，如来自确定初始设定点的结果、性能指标和估计的寿命周期，可如下所述，为发电厂12解决优化问题（在步骤175）。取决于期望的分析深度，此类优化问题可包括多个方程和变量，并且可包括在实施例中可以为基于LCC的目标函数的目标函数。解决方案可包括提供发电厂12的增强或加强的操作参数，如通过最小化基于LCC的目标函数（也是步骤175）。在实施例中，优化问题的解决方案可由图8的电厂控制器22的增强模块114执行。
如从优化理论中知道的，目标函数表示要优化的特性或参数，并且取决于如何定义优化问题，可将许多变量和/或参数考虑在内。在一个优化问题中，取决于特定问题和/或目标函数表示的参数，可最大化或最小化目标函数。例如，如上所示，将最小化根据实施例表述LCC的目标函数，以产生可用于运行发电厂12以便保持LCC尽可能低的至少一个操作参数。用于发电厂12的优化问题或至少一个目标函数可将诸如发电厂特性、站点参数、客户规格、来自控制模型111、性能模型112和/或LCC模型113的结果、环境条件、市场条件和/或过程条件及可能适合和/或需要的任何另外信息的因素考虑在内。此类因素可聚集成目标函数的项，以便例如基于LCC的目标函数包括随着时间的过去，其中，时间是基于估计的组件服务寿命的预测时间范围。将领会的是，由于复杂的目标函数和/或优化问题每个可包括本文中描述的各种函数和/或因素的许多或所有函数和/或因素，因此，在本发明的实现中可使用它们。
例如，通过为发电厂12的零件建模以基于诸如已经讨论的那些参数的各种参数，估计磨损，可确定维护成本。将领会的是，可为实现这些目的而为发电厂12的任何零件建模。然而，在实际应用中，可能为与发电厂12的更少、更大部分或更少、选择部分相关联的零件建模，和/或常量或插入值可能用于一些零件而不是建模。无论采用哪种程度的细节，此类基于LCC的目标函数的最小化是对于给定发电厂，可由于许多因素而改变的优化问题的一部分，如上面提供的那些因素，并且可包括发电厂12的至少一个增强或加强操作参数，如根据最小化LCC。另外，本领域技术人员将认识到，可对优化问题施加至少一个约束，如预定义的正常运行（up）时间和/或停机（down）时间、在发电厂12中的各种位置预定义的上限和/或下限温度、预定义的转矩、预定义的电输出和/或可能需要和/或适当的其它约束。除非另有说明，否则，为给定优化问题确定应该应用哪些约束和以哪种方式应用是在本领域技术人员的范围内。此外，本领域技术人员将认识到可应用另外的优化理论技术的情况，如添加松弛变量以允许优化问题的可行解决方案。
已知技术可由诸如增强模块114（图8）用于为发电厂12的操作解决优化问题。例如，如可能适合和/或需要的，可使用整数规划、线性、混合整数线性、混合整数非线性和/或另一技术。另外，如在示例目标函数中看到的，可在某个预测时间范围内解决优化问题，从而为发电厂12的至少一个操作参数提供值阵列。虽然增强或加强可在诸如24小时或甚至在大约几分钟的相对短的预测时间范围内执行，但取决于期望的分析深度，增强模块114（图8）可采用更长的预测时间范围，如长达发电厂12的估计的服务寿命。在实施例中，可响应优化问题的解决方案和/或作为其一部分，调整诸如由控制模型111（图8）确定的初始设定点以产生增强或加强或优化设定点。另外，迭代可与确定初始设定点，确定性能指标的值，确定估计的LCC成本以及增强或加强（在图9的步骤172-175）一起用于完善结果和/或更好地增强或加强发电厂12的控制设定点。
如将描述的，供应曲线部分180可生成供应曲线或供应曲线集，前面关于图7示出了其的一个示例。在电厂控制器22中，来自控制模块110和/或数据资源26的控制信息115可由供应曲线模块120接收（在图9的步骤181）。根据某些实施例，控制信息115包括：控制设定点、性能、环境条件和/或市场条件。此信息也可称为“as run”（如运行）信息。另外，可接收环境条件预测121和/或市场条件预测122（在步骤182）。根据某些实施例，数据库123可包括在内，并且可在本地存储当着信息、“as run”信息和/或历史信息，包括任何或所有环境条件、市场条件、发电厂性能信息、供应曲线、控制设定点和/或可适合的任何其它信息。数据库123可用于提供信息以模拟发电厂12的操作（在步骤183），如通过发电厂12的离线模型124。
离线模型124可包括类似于控制模型111的模型，但也可包括另外的建模信息。例如，离线模型124可包含部分或完整的控制模型111、性能模型112、LCC模型113和/或另外的建模信息。通过使用来自增强或加强LCC的设定点和/或LCC的离线模型124，离线模型124的输出可用于为在预测时间范围中每个时间间隔内电力生产的成本和发电厂12的电输出的各种值确定估计值，以生成一个或更多个供应曲线125（在步骤184），供应曲线可发送或以其它方式提供到调度机构24（在步骤185）。离线模型124可使用任何适合的信息，如历史、当前和/或预测信息，确定发电厂12的估计操作成本和/或条件。另外，可调谐实施例中的离线模型124（在步骤186），如通过模型调谐模块126。调谐例如可包括基于由电厂控制器22的其它零件收到和/或提供的信息，周期性地调整用于离线模型124的参数，以更好地反映发电厂12的实际操作，以便更好地模拟发电厂12的操作。因此，对于操作参数的给定集，如果电厂控制器12观测到不同于离线模型124已预测的实际过程条件，则电厂控制器12可相应地改变离线模型124。
除了来自发电厂12a的供应曲线125外，如图所示，调度机构24可接收来自在其控制下的其它发电厂12b的供应曲线125。调度机构24可评估供应曲线125，并且可生成调度计划表以适应电源系统10上的负荷。调度机构24可另外将预测的环境条件、负荷预测和/或可能适当和/或需要，它可从它具有访问权的各种本地或远程数据资源26接收的其它信息考虑在内。如图所示，调度机构24产生的调度计划表包括用于发电厂12的控制信号，控制信号包括目标负荷128，电厂控制器22可如上所述对其作出响应。
将领会的是，如本文中所述寿命周期成本考虑事项的包括可用于增大在优化过程中使用的电厂模型的范围和准确度，并且在这种情况下，允许过程的增强。如上所述，供应曲线125可表示可变成本（以每兆瓦小时美元对以兆瓦为单位的发电厂输出测量）。供应曲线125可包括增量可变成本供应曲线和平均可变成本供应曲线.如能够看到的，本发明的实施例可经其生成的供应曲线125，提供可变成本的准确评估。通过使用本发明的评估，增量可变成本供应曲线已示为预测极其接近实际增量可变成本曲线，而平均可变成本供应曲线已示为预测极其接近实际平均可变成本曲线。本发明的实施例生成的供应曲线的准确度指示，在图8的电厂控制器22中使用的各种模型提供用于概述目的的适合代表性模型。
现在转到图10至12，参照并且包括上面提供的某些系统和方法，描述本发明的其它方面。图10是数据流程图，演示了用于可在具有燃气和蒸汽涡轮机系统的组合循环发电厂中使用的电厂优化系统200的体系结构。在提供的实施例中，系统200包括与每个燃气涡轮机(202)和蒸汽涡轮机系统(204)相关联的监视和控制仪器202、204，如上面讨论的传感器和致动器。每个监视和控制仪器202、204可将指示测量的操作参数的信号传送到电厂控制器208。电厂控制器208接收信号，根据预确定的算法处理信号，并且将控制信息传送到监视和控制仪器202、204以影响对电厂操作的改变。
电厂控制器208与数据采集数据210连接。数据采集数据210可通信地耦合到维护存档数据以供将参考和分析的数据库/历史数据库（historian）212。热平衡模块214可接收来自数据采集数据210和数据库/历史数据库212的请求的数据，以处理调谐发电厂的质量和能源平衡模型以尽可能密切地匹配测量的数据的算法。在模型与测量的数据之间的差异可指示数据中误差。如将领会的，性能模块216可使用电厂设备模型预测主要电厂组件和设备的预期性能。在预期与当前性能之间的差别可表示电厂设备、零件和组件的条件的退化，诸如但不限于污垢、结垢腐蚀和破裂。根据本发明的方面，性能模块216可跟踪随着时间的过去的退化，以便识别对电厂性能有最大影响的性能问题。
如图所示，可包括优化器模块218。优化器模块218可包括用于优化电厂的经济调度的方法。例如，根据实施例，可根据热耗率等于货币资源的假设，基于热耗率或增量热耗率，调度发电厂。在发电厂包括直接使用蒸汽的另外制造过程（未示出）的备选情形中（即，其中产生的蒸汽可从蒸汽涡轮机中的发电改变成另一制造用途），将领会的是，优化器模块218可解决优化问题，其中，可调度有更高热耗率的组件。例如，在某些情况下，对蒸汽的需求可超过对电力的需求，或者电输出可受电气系统要求约束。在此类情况下，调度更低效率燃气涡轮机引擎可允许回收更多的热能而不使电输出提高到超过限制。在此类情形中，调度有更高热耗率的组件是经济优化的备选。
可在在线（自动）与离线（手动）模式之间选择优化器模块218。在在线模式中，优化器218例如实时或每五分钟一次，自动计算当前电厂经济参数，如生成的电力的成本、在发电的每个级别的增量成本、生产用蒸汽的成本及在预确定的周期上电厂运营收益。离线模式可用于模拟稳态性能，分析“假设”(what-if)情形，分析预算和升级选择，以及预测当前发电能力、目标热耗率、为保证条件而对当前电厂操作的校正、可操作约束和维护动作的影响及燃料消耗。优化器218基于实时经济成本数据、输出价格、负荷级别和设备退化，为发电厂计算收益优化输出，而不是通过组合电厂热平衡和电厂金融模型，基于效率的输出。优化器218可经调谐以单独匹配每个组件的退化，并且可产生建议输出220和/或可产生封闭反馈回路控制输出222。建议输出220向操作员推荐在何处设置发电厂的可控参数，以优化每个电厂组件，促进最大化收益率。在示范实施例中，建议输出220是通信地耦合到执行优化器模块218的计算机的计算机显示屏。在一备选实施例中，建议输出是远程工作站显示屏，其中，工作站通过网络访问优化器模块218。封闭反馈回路控制输出222可接收来自优化器模块218的数据，并且为系统的模块计算优化设定点和/或偏置设置，以实现实时反馈控制。
图11是实时热发电厂优化系统230的简化框图，根据本发明的方面，该系统包括服务器系统231和也称为客户端系统234，通信地耦合到服务器系统231的多个客户端子系统。在本文中使用时，实时指在输入中的改变影响结果后在实质上短的期间产生的结果，如计算运算。周期表示在周期性地重复任务的每次迭代之间的时间量。此类重复任务可在本文中称为周期性任务或循环。时间期是基于结果的重要性和实现输入的处理以生成结果的系统的能力，可选择的实时系统的设计参数。另外，实时发生的事件在无实质性有意延迟的情况下发生。在示范实施例中，可通过一分钟或更少的周期性实时更新计算。客户端系统34可以是包括web浏览器的计算机，使得客户端系统234经因特网或某一其它网络可访问服务器系统231。客户端系统234可通过许多接口互连到因特网。客户端系统234能够是能互连到因特网的任何装置。如下面更详细所述，数据库服务器236连接到包含有关多个事项的信息的数据库。在一个实施例中，包括上面讨论的数据资源26的方面的集中式数据库239存储在服务器系统231上，并且能够由在客户端系统234之一的潜在用户通过经客户端系统234登录到服务器系统231上而访问。在一备选实施例中，数据库239在服务器系统231远程存储，并且可以是非集中式。
根据本发明的方面，可开发上面讨论的某些控制方法以便结合图10和11的系统图使用。例如，一种方法包括使用接收发电厂监视仪器数据的软件代码段的电厂性能模块，模拟发电厂性能。可通过网络接收来自电厂控制器或在服务器上执行的数据库/历史数据库软件程序的数据。诸如入口空调系统或HRSG导管烧成系统的任何另外的电厂组件可以类似于用于模拟发电厂性能的方式进行模拟。以相同方式确定每个电厂组件的性能允许将发电厂总体作为单个电厂处理，以确定用于发电厂的优化设定点，而不是为每个组件单独确定此类设定点。可对用于每个电厂组件的可测量量进行参数化处理，以便在逐组件的基础上表述输出或发电厂效率。对电厂设备和电厂性能进行参数化处理包括为组件计算效率，诸如但不限于燃气涡轮机压缩机、燃气涡轮机、热回收蒸汽发电机(HRSG)、通风扇、冷却塔、冷凝器、给水加热器、蒸发器、闪蒸罐等。类似地，将领会的是，可对热耗率和性能计算进行参数化处理，并且实时求解结果联立方程，使得计算的结果可用而对每个参数采样的时间无有意延迟。求解参数化联立方程和约束也可包括确定用于发电厂的当前热平衡；使用有关发电厂的操作的当前约束，诸如但不限于旋转备用要求、电气系统需求、维护活动、淡水需求及组件停运，确定预期性能。求解参数化方程和约束也可包括确定要调整的参数，以修改当前热平衡，使得将来热平衡等于确定的预期性能。在一备选实施例中，求解参数化联立方程和约束包括确定到发电厂的入口条件；基于确定的入口条件和发电厂的预确定的模型，预测发电厂的输出；确定发电厂的当前输出；比较预测的输出和确定的输出；以及调整电厂参数，直至确定的输出等于预测的输出。在示范实施例中，方法也包括使用参数化方程，将可控电厂参数、电厂设备和电厂性能相关；使用包括最小化发电厂的热耗率和/或最大化发电厂的收益的目标函数，定义优化的目标；以及使用约束，定义单独的每件设备的物理上可能的操作范围和/或总体限制，其中，总体限制包括最大电力生产、最大燃料消耗等。
图12是根据本发明，用于求解参数化联立方程和约束的示范方法250的流程图。方法250包括确定（在252）用于发电厂的当前热平衡，使用有关操作的当前约束，确定（在254）预期性能，以及确定（在256）要调整的参数以便修改当前热平衡，使得将来热平衡等于 确定的预期性能。方法也包括确定258到发电厂的入口条件；基于确定的入口条件和发电厂的预确定的模型，预测260发电厂的输出；确定262发电厂的当前输出；比较264预测的输出和确定的输出；以及调整266电厂参数，直至确定的输出等于预测的输出。将领会的是，关于图10和11讨论的所述方法和系统提供了用于优化组合循环发电厂的具成本效益和可靠的部件。
现在转到图13到16，将注意集中到示出根据本发明的某些方面的控制方法的几个流程图和系统配置。通常，根据一示例实施例，用于诸如燃气涡轮机系统的热发电单元的控制系统或发电厂可包括如通过利用基于物理的模型或数学建模（例如，传递函数等），为涡轮机的操作建模的模型的第一和第二实例。第一模型（也可称为“主要模型”）可提供燃气涡轮机系统的当前操作参数，这些参数描述涡轮机操作模式和对应于其的操作条件。在本文中使用时，“参数”指能够用于定义涡轮机的操作条件的项，诸如但不限于在涡轮机、压缩机、燃烧室中定义位置的温度、压力、气流和涡轮机效率级别等。性能参数也可称为“模型校正因素”，表示用于调整第一或第二模型以反映涡轮机的操作的因素。可感应或测量并且由操作员提供到第一模型的输入。除当前性能参数外，本发明的方法可包括接收或以其它方式获得有关外部因素或诸如环境条件的扰动变量，可影响燃气涡轮机系统的当前或将来操作的信息。
第二模型（也称为“次要模型”或“预测模型”）被生成以通过将诸如操纵变量和一个或更多个扰动变量的当前操作参数考虑在内，识别或预测诸如被控变量的燃气涡轮机系统的一个或更多个操作参数。涡轮机的示例操作参数包括但不限于实际涡轮机操作条件，如排气温度、涡轮机输出、压缩机压力比、热耗率、排放、燃料消耗、预期收入及诸如此类。因此，此第二或预测中用于指示或预测在某些操作设定点的涡轮机行为、性能目标或不同于当前操作条件的操作条件。在本文中使用时，术语“模型”一般指基于模型的输出建模，模拟，预测或指示的动作。要领会的是，虽然在本文中利用术语“第二模型”，但在一些实例中，可在第一与第二模型的制定之间无差别，使得“第二模型”表示通过调整的参数或另外或不同输入运行第一模型。
相应地，通过利用考虑外部因素和/或不同操作条件的第二或预测模型为涡轮机操作行为建模，能够调整涡轮机控制以在这些不同操作条件下或者根据未预料到的外部因素，更有效地操作。此系统因此允许基于建模的行为和操作特性的自动化涡轮机控制。另外，所述建模系统允许创建操作员指定的情形、输入、操作点、操作目标和/或操作条件，以预测在这些操作员指定的条件的涡轮机行为和操作特性。预测此类假设情形允许操作员作出更有根据的控制和操作判定，如调度，负荷，下调等。在本文中使用时，术语“操作点”一般指操作点、条件和/或目标，并且无意于限制。因此，操作点可指目标或设定点，如基底负荷、下调点、峰值烧成（peak fire)及诸如此类。
所述涡轮机建模系统的一个示例使用包括调整涡轮机操作以满足电网规程要求，同时仍在最有效级别操作。例如，地区性电网机构一般规定在频率扰乱(frequency upset)期间发电厂能够支持电网的要求。取决于电网状态，在扰乱期间支持电网涉及增大或减小在某些条件下的涡轮机负荷。例如，在扰乱期间，发电厂预期增大其发电输出（例如，多达2%）以补偿其它供应不足。因此，涡轮机操作一般约束基底负荷点，以允许涡轮机在裕度输出电平（也称为“备用裕度”），以便如果必需，则能够提供增大的负荷而不会引起与过烧(over firing)相关联的另外维护因素。作为一个示例，备用裕度可以是基底负荷一般将处于的值的98%，由此允许增大负荷以适应电网要求（例如，增大2%），而不超过100%基底负荷。然而，诸如温度、湿度或压力的未预料到的外部因素能够不利地影响涡轮机效率。一天中随着气温上升，涡轮机不可具有它需要的2%备用，这是因为热量已促使涡轮机更低效地操作，并且涡轮机不能达到如原来计划的100%负荷。为进行补偿，常规热耗率曲线根据可能的机器效率损失（例如，在96%等），促使在整天在更有效的状态操作涡轮机。然而，本文中描述的涡轮机建模系统允许根据当前外部因素（例如，温度、湿度、压力等）实时为涡轮机行为建模，并且因此考虑到当前环境条件，控制涡轮机操作以最有效地操作。类似地，能够预测将来涡轮机行为，如响应一天的热波动，预测涡轮机行为，允许进行涡轮机操作计划以实现最有效和经济的可行操作。作为另一示例，发电厂一般作出是否在夜间关闭燃气涡轮机还是只降低输出电平（例如，下调）的判定。诸如排放、排气温度及诸如此类的涡轮机操作特性影响此判定。通过利用本文中描述的涡轮机建模系统，能够事先或实时或近实时更明智地作出判定。能够将外部因素和预期涡轮机操作参数提供到第二模型以确定涡轮机操作特性将是什么。因此，通过考虑这些特性（例如，效率、排放、成本等），可利用建模特性确定是应关闭还是下调涡轮机。
作为仍有的另一示例，可利用涡轮机建模系统评估在给定时间执行涡轮机维护的益处。可利用本发明的涡轮机建模系统，基于当前性能参数，为涡轮机在其当前能力的操作特性建模。然后，如果执行维护（例如，改进性能参数值以显示预期性能改进），则能够生成为涡轮机的操作特性建模的操作员指定的情形。例如，在涡轮机随着时间的过去退化时，性能参数反映机器退化。在一些实例中，能够执行维护以改进那些性能参数，并且因此改进涡轮机的操作特性。通过为改进的操作特性建模或对其进行预测，能够执行具成本效益的分析，以根据应计成本，比较通过执行维护获得的益处。
图13示出可用于为涡轮机操作行为建模的示范系统300。根据此实施例，提供了包括具有压缩机和燃烧室的燃气涡轮机的发电厂302。到压缩机的入口导管将环境空气和可能注入的水供给到压缩机。入口导管的配置有助于流入压缩机的环境空气的压力损失。用于发电机302的排气管例如通过排放控制和吸声装置，引导来自发电厂302的出口的燃烧气体。由于添加组件到入口和排气导管以及由于入口和排气导管的堵塞，入口压力损失量和背压可随着时间的过去而改变。
通过检测发电厂302的一个或更多个可观测条件或操作或性能参数的一个或更多个传感器，可监视发电厂302的操作。另外，诸如周边环境的外部因素能够由一个或更多个传感器测量。在许多情况下，两个或三个冗余传感器可测量相同参数。例如，成组的冗余温度传感器可监视在发电厂302周围的环境温度、压缩机排出温度、涡轮机排气温度及通过发电厂302的其它温度。类似地，成组的冗余压力传感器可监视环境压力和在压缩机入口与出口、涡轮机排气及通过引擎的其它位置的静态和动态压力级别。成组的冗余湿度传感器可测量在压缩机的入口导管的环境湿度。成组的冗余传感器也可包括流量传感器、速度传感器、火焰探测器传感器、阀位置传感器、导向叶片角度传感器或感应与发电厂302的操作有关的各种参数的诸如此类。燃料控制系统可调节从燃料供应流到燃烧室的燃料。燃料控制器也可选择用于燃烧室的燃料的类型。
如所述一样，“操作参数”指能够用于定义涡轮机系统的操作条件的项，如温度、压力、压缩机压力比、在涡轮机中定义位置的气流量、负荷设定点、烧成温度及对应于涡轮机或压缩机退化的级别和/或涡轮机或压缩机效率的级别的一个或更多个条件。一些参数可直接测量。其它参数通过涡轮机模型估计，或间接得知。还有的其它参数可表示假设或将来的条件，并且可由电厂操作员定义。测量和估计的参数可用于表示给定涡轮机操作状态。在本文中使用时，“性能指标”是从某些测量的操作参数的值得出的操作参数，并且表示在定义的期间内用于发电厂的操作的性能准则。例如，性能指标包括热耗率、输出电平等。
如图13中所示，系统300包括一个或更多个控制器303a、303b，它们每个可以是具有一个或更多个处理器的计算机系统，处理器执行程序以控制发电厂或发电单元302的操作。虽然图13示出两个控制器，将要领会的是，可提供单个控制器303。根据一优选实施例，可包括多个控制器以便提供冗余和/或分布式处理。控制动作例如可取决于来自电厂操作员的传感器输入或指令。控制器303执行的程序可包括调度算法，如用于调节到燃烧室的燃料炉台，管理电网规程，下调等的那些算法。由控制器303生成的命令能够促使涡轮机上的致动器例如调整在燃料供应与燃烧室之间的阀，以调节燃料流、分离或燃料的类型。致动器可调整在压缩机上的入口导向叶片，或者激活在涡轮机上的其它控制设定点。将领会的是，除有利于发电厂的控制外，如本文中所述，控制器303可用于生成第一和/或第二模型。控制器303可接收操作员和/或当前建模输出（或任何其它系统输出）。如前面所述，控制器303可包括存储编程逻辑（例如，软件）的存储器，并且可存储数据，如感应的操作温度、建模操作参数、操作边界和目标、操作简档及诸如此类。处理器可利用操作系统执行编程逻辑，并且在这种情况下，也可利用其上存储的数据。用户可经至少一个用户接口装置与控制器303连接。控制器303可在发电厂操作时与其在线进行通信，及在发电厂未操作时经I/O接口与其离线进行通信。将领会的是，一个或更多个控制器303可执行本文中所述基于模型的控制系统的执行，这可包括但不限于：感应、建模和/或接收操作参数和性能参数；生成反映当前涡轮机操作的第一发电厂模型；感应、建模和/或接收外部因素信息；接收操作员输入，如性能目标和其它变量；根据提供的另外数据，生成反映操作的第二发电厂模型；控制当前或将来涡轮机操作；和/或显示建模操作特性。另外，应领会的是，其它外部装置或多个其它发电厂或发电单元可经I/O接口与控制器303进行通信。控制器303可相对于它控制的发电厂远程定位。此外，控制器303和由此实现的编程逻辑可包括软件、硬件、固件或其任何组合。
第一控制器303a（如所述一样，可以是与第二控制器303b相同或不同的控制器）可供操作，以便通过第一或主要模型305为发电厂302建模，包括为涡轮机的当前性能参数建模。第二控制器303b可供操作，以便经第二或次要模型306为在不同条件下的涡轮机操作特性建模。第一模型305和第二模型306每个可以是涡轮机行为的一个或更多个数学表示的布置。这些表示每个可依赖输入值以生成建模操作参数的估计值。在一些情况下，数学表示可生成在测量的参数值不可用的情况下可使用的代理操作参数值。然后，可利用第一模型305提供基础和/或输入到第二模型306，以便基于发电厂302的当前性能参数及诸如外部因素、操作员提供的命令或条件和/或调整的操作状态的任何其它因素，确定涡轮机操作特性。如上所述，要领会的是，“第二模型306”可只是与第一模型305相同的模型的实例，它考虑诸如外部因素、不同操作点的另外或不同的输入，以便根据不同输入为不同性能参数或涡轮机行为建模。系统301可还包括接口307。
继续参照图13，提供在系统组件之间相互关系的简要描述。如所述一样，第一或主要模型305为发电厂302的当前性能参数308建模。这些当前性能参数308可包括但不限于对应于涡轮机退化的程度的条件、对应于涡轮机效率的级别的条件（例如，热耗率或燃料与电输出的比率）、入口导向叶片角度、燃料流量、涡轮机旋转速度、压缩机入口压力和温度、压缩机出口压力和温度、涡轮机排气温度、发电机电输出、压缩机气流、燃烧室燃料/空气比、烧成温度（涡轮机入口）、燃烧室火焰温度、燃料系统压力比及声音特性。这些性能参数308中的一些参数可直接从涡轮机操作测量或感应，并且一些参数可基于其它测量或感应的参数建模。性能参数可由第一模型305提供和/或可通常由控制器提供，例如，如果由控制器压和/或测量。在生成第一模型305时，性能参数308（将表示由模型提供的任何涡轮机行为）提供用于生成第二或预测模型306。取决于其预期使用，其它变量309可提供到第二模型306。例如，其它变量可包括通常不可控并且只得适应的外部因素，如环境条件。另外，其它变量309可包括控制器指定的情形或操作点（例如，由控制器303生成或者经其提供的涡轮机操作点，如基于第一模型305的涡轮机控制等）、测量的输入，测量的输入可以是如所述可能由第一模型305建模的一些或所有相同测量的输入。如下面参照图14所述，操作员指定情形313（例如，一个或更多个操作员提供的命令指示不同涡轮机操作点或条件）也可经操作员输入提供到第二模型306。例如，作为一个示范使用，其它变量309可包括在尝试基于诸如外部因素或测量的输入的另外输入，实时或近实时为当前涡轮机行为建模时，作为到第二模型306的一个或更多个输入提供的控制器指定的情形。通过除一个或更多个这些另外输入外也利用第一模型的控制器指定的情形，能够由第二模型306通过将这些另外输入考虑在内，为发电厂302的预期实时行为建模，这又可通过控制简档输入310用于控制发电厂302或调整第一模型305。
参照图14，操作员指定的操作模式或情形313作为一个或更多个输入经接口307提供到第二或预测模型306，第二模型306然后为在多种条件下的将来涡轮机行为建模或者对其进行预测。例如，操作员可提供生成发电厂302在不同操作点（例如，不同负荷、配置、效率等）操作的情形的命令到接口307。作为说明性示例，可经操作员指定的情形313，提供操作条件集，操作条件集表示诸如环境条件或需求要求的对于次日（或其它将来时间范围）预期的条件。这些条件然后可由第二模型306用于为发电厂302生成在该时间范围的预期或预测的涡轮机操作特性314。在操作员指定的情形下运行第二模型306时，预测的操作特性314表示涡轮机行为，诸如但不限于基本负荷输出能力、峰值输出能力、最小下调点、排放级别、热耗率及诸如此类。在诸如为日前市场计划和投标作计划并且对电力生成级别作出承载时，这些建模或预测的操作特性可有用。
图15示出本发明的一实施例可通过其操作的示范方法320。提供了用于为涡轮机建模的系统的基本操作的流程图，如可由诸如参照图13和14所述那些控制器的一个或更多个控制器执行的。方法320可在步骤325开始，其中，控制器可通过第一或主要模型，根据当前操作为涡轮机的一个或更多个当前性能参数建模。为生成此第一模型，控制器可将到模型的输入接收为指示涡轮机的当前操作的一个或更多个操作参数。如上所述，可感应或测量这些操作参数，和/或可为它们建模，例如，如果不能感应参数，则可发生此类情况。如上所述，当前操作参数可包括指示当前涡轮机操作的任何参数。要领会的是，本文中公开的方法和系统不直接依赖是测量操作参数还是为其建模。控制器例如可包括燃气涡轮机的生成模型。模型可以是操作参数的一个或更多个数学表示。这些表示每个可依赖输入值以生成建模操作参数的估计值。数学表示可生成在测量的参数值不可用的情况下可使用的代理操作参数值。
在步骤330，控制器可接收或以其它方式确定可影响当前和/或将来操作的一个或更多个外部因素。如上所述，这些外部因素一般（但不必需）是不可控制的，并且因此在第二模型中包含其影响有益于生成期望涡轮机控制简档和/或可操作行为。外部因素可包括但不限于可影响涡轮机可操作行为的环境温度、湿度或大气压及燃料成分和/或供给压力。可测量或感应，可由操作员估计或者以其它方式手动提供（例如，如果操作员请求基于假设情形或将来条件的预测的行为），和/或可由第三方信息源（例如，天气服务等）提供这些外部因素。
在步骤335，控制器可接收调整的操作点和/或其它变量以预测在不同于当前涡轮机条件的条件的涡轮机行为。调整的操作点可包括但不限于识别期望输出电平，例如，如果在备用裕度（例如，基本负荷的98%）为涡轮机建模，或者例如，如果在峰值负荷或者在下调期间为涡轮机建模。操作点可还包括操作边界，诸如但不限于热燃气通道持久性（或烧成温度）、排气火焰持久性、NOx排放、CO排放、燃烧室贫燃料熄火、燃烧动力、压缩机喘振、压缩机结冰、压缩机航空机械限位、压缩机间隙及压缩机排出温度。因此，通过提供这些调整的操作点或其它变量，操作员可提供假设情形，涡轮机模型在那些情形下为其预测操作特性，这可对控制涡轮机的将来操作和/或对为将来的电力生成和承诺作出计划有用。
在步骤335后是步骤340，其中，基于在步骤325生成的第一模型和可选地基于外部因素和/或在步骤335提供的调整的操作点或其它变量，生成涡轮机的第二或预测模型。此第二或预测模型因此可准确地指示或预测操作参数，并且从中指示或预测在将来操作期间用于涡轮机的性能指标。
在步骤345，可利用建模的性能调整当前或将来涡轮机操作和/或向操作员显示建模的性能。相应地，如果调整当前涡轮机操作，则涡轮机控制器可将建模的性能参数接收为输入，以改变当前控制模型（例如，第一模型）或当前控制简档，如通过修改用于当前涡轮机控制的各种设定点和/或参考。可预见的是，在到步骤340生成的第二模型的输入表示当前涡轮机条件或当前外部因素时，将挪涡轮机的此实时或近实时控制。例如，在第二模型表示性能特性，考虑了当前温度、压力或湿度和/或考虑了更准确地表示涡轮机退化和/或效率的涡轮机的操作参数或性能参数时，可执行在步骤345的实时或近实时调整。图16描述一个示例实施例，它可选择性地接收操作员特定输入并且生成在不同操作条件下的预测的行为。在步骤340生成的模型的输出也可经接口向操作员显示或以其它方式呈现。例如，在操作员提供在步骤345的假设操作情形的一个实施例中，能够显示预测的涡轮机操作特性以便进行分析和可能包括在将来控制或计划活动中。相应地，在已通过第一模型为涡轮机的当前性能参数建模，并且然后在考虑了另外的外部因素、调整的操作点或其它另外数据以便基于此另外数据预测涡轮机操作的步骤345，为相同涡轮机建模后，方法320可结束。
图16示出本发明的一备选实施例可通过其操作的示例方法400。提供了用于为涡轮机建模的系统的操作的示例流程图，如可由诸如参照图13和14所述那些控制器的一个或更多个控制器执行的。方法400示出系统301的傅t，其中，操作员可选择性地提供另外变量，以利用建模能力预测在假设情形下的涡轮机行为。方法400可在判定步骤405开始，其中，确定是否要根据当前涡轮机操作参数和性能参数为涡轮机建模，或者在生成模型时，是否要将操作员提供的参数考虑在内。例如，如果在利用系统预测假设操作情形，则可无需当前性能参数作为到模型的输入（假设模型已经反映基本涡轮机操作和行为）。相应地，如果在判定步骤405确定将不利用当前参数，则操作继续到步骤410，其中，操作员提供不同性能参数，允许在不同操作点下和在不同操作条件中为涡轮机建模（例如，在更退化的状态，在不同的效率级别等）。否则，利用当前性能参数和/或操作参数，如参照图15的步骤325所述，并且操作继续到步骤415。在步骤415，控制器可根据步骤410的操作员提供的输入或涡轮机的当前操作，通过第一或主要模型为涡轮机的一个或更多个性能参数建模。例如，如果至少部分基于在步骤410的操作员提供的参数生成模型，则在步骤415生成的模型表示在那些性能参数下预测的涡轮机行为。
在步骤415后是判定步骤420，其中，确定随后的建模（例如，“第二模型”或“预测模型）是否要基于当前外部因素，如当前温度、压力或湿度或者基于操作员提供的不同外部因素。例如，在一个情形中，控制器能够基于一个或更多个当前外部因素的另外数据，为涡轮机操作行为建模，这将允许根据当前条件进一步预测涡轮机行为。然而，在另一情形中，能够利用控制器根据操作员提供的条件，为涡轮机进一步建模，这允许预测在各种假设情形下的涡轮机操作特性。相应地，如果在步骤320确定在建模时将考虑操作员提供的外部因素数据，则操作继续到步骤425。否则，操作继续到利用当前外部因素的步骤430。在步骤430，控制器接收在生成第二或预测模型时要考虑的外部因素，而无论它们是否表示当前状态还是假设因素。在步骤430后是步骤435-445，这些步骤以与相对于图15的步骤325-345所述相同或类似的方式，分别选择性地允许考虑不同操作点，基于收到的数据生成预测模型，以及显示预测行为。在选择性地基于操作员指定的情形为涡轮机操作行为建模的步骤445后，方法400可结束。
相应地，除将当前性能参数和一个或更多个识别的外部因素考虑在内，预测涡轮机行为外，本文中所述实施例允许利用涡轮机模型指示涡轮机行为和实际涡轮机的对应操作参数。因此，这些实施例提供了指示或预测在与当前涡轮机操作不同的操作点或操作条件的涡轮机行为的技术效应。还提供了一个另外技术效应，它允许至少部分基于建模的行为和操作特性的自动化体内控制，这可选择性地包括创建操作员指定的情形、输入、操作点和/或操作条件以预测在这些操作员指定的条件的涡轮机行为和操作特性。实现的又一技术效应包括预测各种假设情形的能力允许操作员进行更有根据的控制和操作判定，如调度、负荷、下调等。如将领会的，本文中参照了根据本发明的示例实施例的系统、方法、设备和 /或计算机程序产品的步骤图。
现在参照图17，图中所示是根据本发明的一备选实施例的流程图500。如将领会的，流程图500包括可用作控制方法或者可作为用于促进发电厂501的优化的控制系统的一部分的方面。发电厂501可类似于关于图2和3讨论的任何那些发电厂，但除非在随附权利要求中另有限制，否则，应领会的是，本发明也可与其它类型的发电厂相关使用。在一优选实施例中，发电厂501可生成在电源系统内销售的电力的多个热发电单元，如关于图1讨论的热发电单元。发电厂501可包括许多可能类型的操作模式，这些操作模式例如包括电厂的热发电单元参与或操作的不同方式、电厂的输出电平、在满足负荷要求的同时，电厂对改变的环境条件反应的方式等等。将领会的是，操作模式可通过涉及发电厂501的操作的特定方面的物理属性的操作参数描述和定义。如图17中进一步所示，本发明可包括发电厂模型502。发电厂模型502可包括发电厂的计算机化表示，该表示将作为模拟的一部分的过程输入和输出相关，模拟旨在模仿电厂的操作。如图所示，本发明还包括调谐模块503、电厂控制器505、调谐的电厂模型507、电厂操作员模块509及优化器510，下面将单独讨论它们每项。
发电厂501可包括测量操作参数的传感器511。这些传感器511及它们测量的操作参数可包括任何本文中已经讨论的那些参数。作为本方法的一部分，传感器511可在操作的初始、当前或第一期间（下文称为“第一操作期间”）进行操作参数的测量，并且那些测量可用于调谐发电厂的数学模型，如下讨论的，这然后可用作用于在操作的随后或第二期间（下文称为“第二操作期间”）以操作的改进或优化方式控制发电厂501的优化过程的一部分。测量的操作参数本身可用于评估电厂性能或者在计算中用于得出与发电厂的只得和性能的特定方面有关的性能指标。如将领会的，此类型的性能指标可包括热耗率、效率、发电容量及其它。相应地，作为初始步骤，在第一操作期间由传感器511测量的操作参数可用作一个或更多个性能指标（或者用于为其计算值）。在本文中使用时，用于性能指标的此类值（即，基于操作参数的测量值的那些值）将在本文中称为“测量值”。操作参数的测量和/或用于性能指标的测量值如图所示可传递512到电厂控制器505和调谐模块503。如下更详细讨论的，调谐模块503可配置成从数据调和或调谐过程计算在调谐电厂模型502中使用的反馈，以便配置调谐的发电厂模型507。
如讨论的，发电厂模型502可以是配置成模拟发电厂501的操作的计算机化模型。根据本方法，发电厂模型502可配置成模拟对应于发电厂501的第一操作期间的发电厂操作。为实现此操作，可向发电厂模型502提供有关第一操作期间的操作参数的信息和数据。虽然此信息可包括在第一操作期间测量的任何操作参数，但将领会的是，用于发电厂模型502的输入数据可限于测量的操作参数的子集。这样，发电厂模型502然后可用于计算用于从输入数据集排除的选择的操作参数的值。更具体地说，可向发电厂模型提供用于模拟的输入数据，输入数据包括为操作参数测量的许多值，但从中忽略了用于选择的操作参数的某些测量值。作为输出，模拟可配置成预测用于选择的操作参数的模拟的值。本方法然后可使用模拟的结果预测用于性能参数的值。在此情况下，用于性能指标的这些值将在本文中称为“预测值”。这样，用于直接从测量的发电厂操作参数确定的性能指标的测量值可具有对应预测值。如图所示，用于性能指标的预测值可传递514到调谐模块503。
调谐模块503可配置成比较用于性能指标的对应测量和预测值，以便确定其之间的差别。如将领会的，如此计算的差别反映在实际性能（或其测量）与由发电厂模型模拟的性能之间的误差级别。发电厂模型502可基于此差别或反馈515进行调谐。这样，配置了调谐的发电厂模型507。也可称为离线或预测模型的调谐的发电厂模型507然后可用于通过模拟提议或可能的操作模型，确定在随后的操作期间优化的操作模式。模拟可包括有关诸如环境条件的将来未知操作条件的估计或预测。如将领会的，优化可基于其中定义了成本函数的一个或更多个性能目标516。如图所示，性能目标516可通过电厂操作员模块509传递到优化器510。
调谐电厂模型的过程可配置为包括几个步骤的重复过程。如将领会的，根据某些实施例，发电厂模型502可包括算法，算法中逻辑语句和/或参数化方程将过程输入（即，燃料供应、空气供应等）和过程输出（生成的电力、电厂效率等）相关。调谐电厂模型502的步骤可包括调整发电厂模型502中的算法之一，并且然后使用调整的发电厂模型502，在第一操作期间模拟发电厂501的操作，以便确定调整具有的效应。更具体地说，可重新计算用于性能指标的预测值，以确定对发电厂模型的调整对计算的差别具有的效应。如果使用调整的发电厂模型502时差别变得更小，则可更新或“调谐”发电厂模型502以便包括该调整继续。还将领会的是，可通过包括用于反映发电厂在某些条件下操作的方式改变的性能乘数的多个逻辑语句，构建发电厂模型502。在此类情况下，基于计算的差别调谐发电厂模型502可包括以下步骤：a)对一个或更多个性能乘数进行调整；b)通过具e调整的性能乘数的发电厂模型502，模拟在第一操作期间发电厂的操作；以及c)使用如通过性能乘数调整的发电厂模型502，重新计算用于性能指标的预测值，以便确定重新计算是否产生减小的差别。这些步骤可重复进行，直至对性能乘数之一进行的调整造成减小差别，这将指示模型更准确模拟实际性能。将领会的是，性能乘数例如可与基于电厂的累积操作时间预期的性能退化有关。在另一示例中，在性能指标包括发电容量的情况下，调谐发电厂模型502的步骤可包括基于在测量的发电容量与预测的发电容量之间的差别，推荐对因素的调整。此类调整可包括最终造成预测的发电容量实质上等于测量的发电容量的改变。相应地，调谐发电厂模型502的步骤可包括修改发电厂模型502内的一个或更多个相关，直至用于性能指标的预测或模拟的值实质上等于用于性能指标的测量值（或在其裕度内）。
一旦调谐后，方法然后便使用调谐的模型507模拟发电厂的提议的操作。根据某些实施例，本方法的下一步骤包括考虑到定义的性能目标516，确定哪个模拟的操作是优选的。这样，可确定操作发电厂的优化模式。根据一优选实施例，确定优化操作模式的过程可包括几个步骤。首先，可从许多可能操作模式中选择多个提议的操作模式。对于每个提议的操作模式，可生成用于第二操作期间的对应提议的参数集517。在本文中使用时，参数集定义用于多个操作参数的值，使得参数集共同定义或描述特定操作模式的方面。这样，提议的参数集可配置成或描述发电厂501的许多可能的操作模式，或者与其有关，并且可配置为用于调谐的发电厂模型507的输入数据集以便模拟操作。一旦操作参数已生成并且组织成提议的参数集，调谐的发电厂模型507便可根据彼此模拟发电厂501的操作。优化器510然后可为每个提议的参数集517评估模拟的操作519的结果。评估可根据由电厂操作员定义的性能目标和其中定义的成本函数进行。优化过程可包括本文中所述的任何方法。
性能目标定义的成本函数可用于评估在第二操作期间内发电厂501的模拟的操作的经济性能。基于评估，可将提议的参数集之一视为产生与其它提议的参数集产生的操作相比优选的模拟的操作。根据本发明，对应于产生最优选模拟的操作的提议的参数集或由该参数集描述的操作模式被指定为优化操作模式。如下面更详细所述，优化操作模式一旦确定，便可传送到电厂操作员以供考虑，或者传递到电厂控制器以便进行自动化实现。
根据一优选实施例，本发明的方法可用于评估特定操作模式以确定和推荐优选的备选。如将领会的，发电厂501的发电单元由具有可变设定点的致动器控制，致动器以可控方式链接到诸如电厂控制器505的控制系统。发电厂501的操作参数可分类成三个类别：操纵变量、扰动变量和被控变量。操纵变量涉及经致动器可操纵以便控制被控变量的可控过程输入，而扰动变量涉及影响被控变量的不可控过程输入。被控变量是相对于定义的目标级别被控制的过程输出。根据优选实施例，控制方法可包括接收用于在第二操作期间（即，在计算用于其的优化操作模式的操作期间）内扰动变量的预测值。扰动变量可包括诸如环境湿度、压力和湿度的环境条件。在此类情况下，生成的用于第二操作期间的提议的参数集可包括用于扰动变量的值，这些值与用于扰动变量的预测值有关。更具体地说，用于每个环境条件参数的生成的值可包括用于每个环境条件参数的值的范围。范围例如可包括低情况、中情况和高情况。将领会的是，具有多个情况可允许电厂操作员为最佳/最差情形作出计划。预测值可包括与不同情况对应的似然比，这可进一步帮助电厂的操作员为不同操作偶发事件作出计划和/或防止损失。
生成提议的参数集的步骤可包括生成用于被控变量的目标级别。目标级别可被生成以便对应于发电厂501的竞争或备选操作模式，并且目标级别可包括操作员输入。此类操作员输入可由电厂操作员模块509提示。根据一优选实施例，此类目标级别可包括用于发电厂501的期望输出电平，期望输出电平可基于考虑到电厂的过去使用模式的可能输出电平。在本文中使用时，“输出电平”反映为实现在第二操作期间内的商业配送发电厂501的负荷级别或生成的电力级别。生成提议的参数集的步骤可包括生成输出电平保持相同或恒定的多个情况。此类恒定输出电平可反映用于电厂或发电单元集的基本负荷。可生成多个目标级别，其中，每个级别对应于每个发电单元的不同参与程度，并且考虑到历史使用，这些级别可向可能的操作模式演绎。方法然后可考虑到已知约束，确定最有效的操作模式。另外，可生成提议的参数集，以便扰动变量对为每个目标级别生成的多个情况保持恒定级别。用于扰动变量的恒定级别可基于收到的预测值。在此类情况下，根据本发明的一方面，生成提议的参数集的步骤包括生成多个情况，其中，考虑到预测或预期的环境条件，在范围内改变操纵变量以便确定用于实现基本负荷级别的优化操作模式。根据示范实施例，成本函数被定义为电厂效率或热耗率，或者可包括更直接的经济指标，如操作成本、收入或收益。这样，可在基本负荷已知的情况下确定控制发电厂501的最有效方法，并且可以相对高的准确度级别预测扰动变量。可配置在此类情况下本发明确定的优化操作模式，以便包括可能由电厂控制器505用于实现更佳功能的特定控制解决方案（即，因此用于控制发电厂的操纵变量的致动器的特定设定点和/或范围）。以此方式计算，控制解决方案表示考虑到为各种扰动变量预测值，用于满足定义或约定目标负载的优化操作。此类型的功能性可充当日间或市场间的期间优化顾问(optimization advisor)或校验，在后台分析在进行的操作以便查找仍满足以前固定的负荷级别的更有效操作模式。例如，随着由以前的调度投标包括的市场期间的进展，环境条件变得已知，或者准确预测它们的置信度增大，高于在投标过程期间的估计。考虑到此情况，本方法可用于优化控制解决方案，以便考虑到环境条件的更确定知识，满足调度的负荷。此特定功能性在图17中示为第二参数集517和与第二参数集517有关的模拟的操作519。这样，本发明的优化过程也可包括“微调”方面，由此在调谐的发电厂模型507上的模拟运行建议更有效的控制解决方案，解决方案然后可传递到电厂控制器并且由其实现。
本发明的另一方面涉及其用于优化发电厂501的燃料购买的使用。将领会的是，发电厂一般从以特定方式操作的燃料市场周期性地购买燃料。具体而言，此类燃料市场一般在前瞻性的基础上操作，其中，发电厂501预测在将来操作期间需要的燃料量，并且然后基于预测进行购买。在此类系统中，发电厂501寻求通过保持低燃料库存来最大化收益。但是，发电厂501经常购买额外的燃料量，以便避免购买的燃料供应不足以生成在调度过程期间电厂约定提供的电力量的高成本情况。例如，在改变的环境条件导致发电效率低于预测，或者发电厂的真实发电容量被高估时，此类型的情况可发生。将领会的是，已经讨论的本申请的几个方面可用于确定优化操作模式，并且使用该操作模式，计算对于期望燃料供应的高度准确的预测。也就是说，本优化过程可提供有关电厂效率和负荷能力的更准确预测，预测可用于估计在将来操作期间内需要的燃料量。这允许电厂操作员在燃料购买上保持更严格的裕度，从而有益于电厂的经济性能。
根据一备选实施例，本发明包括用于优化电厂性能的方法，其中，定义并且在优化过程中使用了预测时间范围。如将领会的，预测时间范围是操作的将来期间，它分成周期性地重复间隔以便为预测时间范围的初始时间间隔确定优化操作模式。具体而言，通过优化在整个预测时间范围的性能，优化发电厂的操作，这然后又用于为初始时间间隔确定优化的操作模式。如将领会的，然后重复过程以便确定在下一时间间隔期间应如何操作发电厂，如将领会的，下一时间间隔变成相对于优化周期的该下一次重复的初始时间间隔。对于此随后的优化，预测时间范围可保持相同，但相对于现在被定义为初始时间间隔的间隔重新定义。这意味着预测时间范围实际上每次重复通过另外的时间间隔向前推进到将来。如已经提及的，“提议的参数集”指包括用于多个操作参数的值的数据集，并且由此定义或描述用于发电厂501的可能操作模式之一。根据一优选实施例，在涉及预测时间范围的情况下确定优化操作模式的过程可包括以下一个或更多个步骤。首先，生成用于预测时间范围的多个提议的时间范围参数集。在本文中使用时，“提议的时间范围参数集”包括用于预测时间范围的每个时间间隔的提议的参数集。例如，24小时预测时间范围可定义为包括24个1小时间隔，意味着提议的时间范围参数集包括用于24个时间间隔每个的提议的参数集。作为下一步骤，提议的时间范围参数集用于模拟在预测时间范围内的操作。然后，对于每个模拟运行，成本函数用于评估经济性能，以便确定哪个提议的时间范围参数集表示最有利的模拟运行，或如本文中所述的“优化时间范围模拟运行”。根据示范实施例，然后，可将在预测时间范围的初始时间间隔内在优化时间范围模拟运行内描述的操作模式指定为在对应于初始时间间隔的操作期间的优化操作模式。然后，可为随后的时间间隔重复优化过程。本发明可包括接收在预测时间范围内定义的每个时间间隔内用于扰动变量的预测值。然后，可生成提议的时间范围参数集，以便对应于每个时间间隔的提议的参数集包括用于扰动变量的值，这些值与收到的用于扰动变量的预测值有关。
如将领会的，可生成提议的时间范围参数集，以便包括用于扰动变量的值的范围。如前面一样，该范围可包括用于每个扰动变量的多个情况，并且可包括分别表示高于和低于预测值的高值和低值。将领会的是，根据任何描述的实施例，模拟操作模式和从中确定优化操作模式的步骤可重复进行，并且配置到重复过程中。在本文中使用时，每次重复称为“优化周期”。将领会的是，每次重复可包括为优化定义随后或下一操作期间。如可能的情况一样，此随后的期间可正好在前一周期优化的操作期间之后，或者可包括对应于将来期间的操作期间，例如，在本方法用于准备调度投标或者关于备选维护计划表的经济影响的建议的目的时。
调谐发电厂模型502的步骤可重复进行，以便更新调谐的发电厂模型507。这样，可通过优化周期使用反映最近调谐的调谐的发电厂模型507以便产生更有效的结果。根据备选实施例，优化周期和调谐发电厂模型502的周期可相对于彼此无关联，使得每个根据其自己的计划表循环。在其它实施例中，可在优化周期预定义次数的重复后，更新或调谐发电厂模型502。然后，在随后的优化周期中使用更新的调谐的发电厂模型507，直至进行了预定义次数的重复，以便启动另一调谐周期。在某些实施例中，调谐周期出现在每个优化周期后。根据备选实施例，启动发电厂模型502的调谐的优化周期的数量与预测时间范围的时间间隔的数量有关。
如所述一样，本发明可根据可由电厂操作员定义的性能目标，优化发电厂501的操作。根据优选实施例，本方法用于经济地优化发电厂的操作。在此类情况下，性能目标包括和定义提供用于经济优化的准则的成本函数。根据示范实施例，用于每个提议的参数集的模拟的操作包括用于选择的性能指标的预测值作为输出。成本函数可包括将用于性能指标的预测值与操作成本或经济性能的某一其它指示相关的算法。可以此方式使用的其它性能指标例如包括发电厂热耗率和/或燃料消耗。根据备选实施例，模拟输出包括用于发电厂501的一个或更多个热发电单元的热燃气通道温度的预测值，这些值可用于计算消耗的组件寿命成本。此成本反映与从模拟的操作产生的热燃气通道组件相关联的预测的退化成本。成本函数可还包括将用于性能指标的预测值与运营收入相关的算法。在此类情况下，然后可比较操作收入和操作成本以便反映用于发电厂501的净收入或收益。本方法可还包括接收在优化期间用于在市场内销售的电力的预测的价格，并且选择的性能指标可包括电力的输出电平，该级别然后可用于计算在即将到来的操作期间的预期操作收入。这样，本方法可用于通过比较操作成本和收入，最大化经济回报。
如将领会的，可进一步定义性能目标以包括选择的可操作性约束。根据某些备选实施例，对于产生违反任何一个定义的可操作性约束的模拟的操作的任何提议的参数集，本方法包括取消其资格。可操作性约束例如可包括排放阈值、最大操作温度、最大机械应力水平等以及法律或环境规章、合同条款、安全规章和/或机器或组件可操作性阈值和限制。
如已经提及的，本方法包括生成描述发电厂501的备选或可能操作模式的提议的参数集517。如图所示，提议的参数集517可在电厂操作员模块509中生成并且可包括来自电厂管理员或操作员的输入。从广义上而言，可将可能的操作模式视为竞争模式，为其执行模拟以便确定最好地满足性能目标和预期条件的操作模式。根据示范实施例，可以几种方式选择或定义这些备选操作模式。根据一优选实施例，备选操作模式包括用于发电厂501的不同输出电平。在本文中使用时，输出电平与发电厂501在定义的市场期间为在市场内的商业配送生成的电量有关。提议的参数集可配置成在不同输出电平的每个级别定义多个情况。几个输出电平可由提议的参数集包括在内，并且选择的级别可配置成与用于发电厂501的可能输出的范围一致。将领会的是，可能输出电平的范围可不是线性的。具体而言，由于发电厂的多个发电单元和与其有关的可扩展性限制，可考虑发电厂501的特定配置，在更可实现或优选的级别编组或集中提议的参数集。
如所述一样，每个竞争操作模式可包括多个情况。例如，在竞争操作模式定义不同的情况下，可选择多个情况以便反映实现输出电平的不同方式。在发电厂具有多个发电单元的情况下，可通过每个热发电单元如何操作和/或参与，区分在每个输出电平的多个情况。根据一个实施例，通过改变每个发电单元提供的输出电平的百分比，区分几个发电情况。例如，发电厂501可包括组合循环发电厂501，其中，热发电单元包括燃气和蒸汽涡轮机。另外，燃气和蒸汽涡轮机可分别通过诸如冷却器的入口空调系统和HRSG导管烧成系统而得到加强。如将领会的，入口空调系统例如可配置用于冷却燃气涡轮机的入口空气，以便改进其发电容量，并且HRSG导管烧成系统可配置为锅炉的次要热源以便改进蒸汽涡轮机的发电容量。根据此示例，热发电单元包括燃气涡轮机，或备选地，通过入口空调系统改进的燃气涡轮机；并且蒸汽涡轮机，或备选地，通过HRSG导管烧成系统改进的蒸汽涡轮机。提议的参数集包括的多个情况然后可包括这些特定热发电单元以不同方式参与，同时仍满足选择为竞争操作模式的不同输出电平的实例。然后，可分析模拟的操作以根据定义的准则确定哪个实例反映优化操作模式。
根据一备选实施例，提议的参数集可向不同操作模式演绎以计算维护操作的经济益处。为实现此操作，竞争操作模式之一可定义为假定维护操作要在为优化选择的操作期间前完成的一个操作。可定义此操作模式以反映随着此维护操作的完成预期带来的性能改进。备选操作模式可定义为未执行维护操作的一个模式，这意味着用于此操作模式的多个情况的模拟将不包括预期的性能改进。然后，可分析模拟的结果以便更好地理解经济效应，并且多个情况可用于显示不同情形（如燃料价格的波动或未预料到的环境条件）如何影响结果。如将领会的，通过使用相同原理，竞争操作模式可包括下调模式和关闭模式。
本发明还包括优化过程可由发电厂操作员用于使过程自动化和改进效率与性能的不同方式。根据一个实施例，如图17中所示，方法包括将计算的优化操作模式521传递到电厂操作员模块509以便在根据优化操作模式控制发电厂501前由运行人员批准。在顾问模式(advisor mode)中，本方法可配置成显示备选操作模式和与每个操作模式相关联的经济后果，以便使电厂操作员关注此类备选。备选地，本文提及的控制系统可运行以自动实现优化解决方案。在此类情况下，优化操作模式可以电子方式传递到电厂控制器505，以便以与其一致的方式推动发电厂501的控制。在包括用于在发电厂501群组之间分配发电的经济调度系统的电源系统中，本发明的优化方法可用于生成提交到中央机构或调度器的更准确和有竞争力的投标。如本领域技术人员将领会的，已经描述的优化特征可用于生成反映真实发电容量、效率、热耗率的投标，同时仍提供有关通过在不同操作模式之间选择，发电厂在将来市场期间做出的经济权衡的有用信息到电厂操作员。此类型和另外分的增大准确度析有助于确保发电厂在投标过程中保持竞争力，同时也最小化由于未预见的偶发事件而造成的绝对无利可图调度结果的风险。
图18到21示出与发电厂的下调和/或关闭操作有关的本发明白示范实施例。如可称为“下调顾问”(turndown advisor)的图18的流程图600中所示，第一实施例示教用于在定义或选择的操作期间（“选择的操作期间”）模拟和优化用于发电厂的下调级别的方法和系统。在优选实施例中，本方法与具有多个燃气涡轮机的发电厂一起使用，发电厂可包括具有多个燃气涡轮机和一个或更多个蒸汽涡轮机的组合循环电厂。调谐的发电厂模型可用于确定在选择的操作期间，在下调级别用于操作发电厂的优化最小负荷。如前面所述，“优化”操作模式可定义为被认为或评估为优于一个或更多个其它可能操作模式的一个操作模式。用于这些实施例目的的操作模式可包括指派某些发电单元完成负荷承诺或其它性能目标及在发电厂内发电单元的物理配置。此类功能性意味着在到达优化或增强操作模式中，本发明可考虑大量的发电厂组合，这些组合将每个发电单元的不同下调配置及关闭一个或更多个单元的配置，而其它单元保持在完全或下调级别操作考虑在内。在其为发电厂计算用于增强性能和/或效率的增强下调操作模式中，方法可还将其它约束考虑在内，如可操作性约束、性能目标、成本函数、操作员输入及环境条件。如本文中所述和/或随附权利要求界定的本方法可将用于优化下调操作模式的当前和预测的环境条件及改变单元配置和/或控制考虑在内，以便在实际条件偏离预期条件时动态调整一个或更多个发电单元的操作。根据一优选实施例，此类性能至少部分定义为在提议的下调操作期间，最小化燃料使用或消耗的级别的一个性能。
本发明的下调顾问可将在到达优化或增强下调解决方案和/或推荐的下调动作中的几个因素、准则和/或操作参数考虑在内。根据优选实施例，这些考虑项包括但不限于以下所述：燃气涡轮机引擎操作边界（即，温度、空气动力、燃料分离、贫燃料熄火、机械和排放限制）；燃气涡轮和蒸汽涡轮机控制系统；最小蒸汽涡轮机进汽温度；冷凝器上的真空密封维护及诸如系统或其控制的配置或阵容(lineup)的其它因素。优化的输出之一可包括发电厂或多个电厂的推荐操作模式和配置，其中，多个包括不同类型的发电厂，包括风力、太阳能、往复式引擎、核能和/或其它类型。将领会的是，推荐的操作模式可自动启动，或者以电子方式传递到电厂操作员以待批准。此类控制可配置成控制发电单元的操作的场所外或场所内控制系统实现。另外，在发电厂包括多个燃气涡轮机引擎的情况下，本方法的输出可包括识别在下调期间哪些燃气涡轮机应继续操作，哪些应关闭，这是关于图19更详细讨论的过程。对于顾问推荐用于在下调期间的持续操作的每个燃气涡轮机，本方法可还计算负荷级别。另一输出可包括基于预测的环境条件，计算在下调期间用于发电厂的总负荷及每小时负荷曲线，如所述一样，如果条件改变，则可调整预测的环境条件。本发明也可计算在下调操作期间发电厂的预测燃料消耗和排放。公开方法的输出可包括考虑到可用于发电单元和电厂的控制设定点的操作阵容/配置，以便更有效地实现目标发电级别。
如上讨论的，不受先前存在的合同条款约束的交易商和/或电厂经理（除非要区分它们，否则，下文称为“电厂操作员”）一般在诸如日前市场的前瞻性市场上为其发电厂投标。作为另外的考虑事项，电厂操作员有确保保持适当的燃料供给，以便发电厂能够满足目标或给定的发电级别。然而，在许多情况下，燃料市场前瞻性地操作，从而可向愿意或能够事先承诺将来燃料购买的发电厂提供有利的定价条款。更具体地说，越早事实购买燃料，定价就越有利。考虑到这些市场动力，为使发电厂实现优化或高度经济回报，发电厂操作员必须针对其它发电单元有竞争力地为电厂投标，以利用其发电容量，同时也准确地估计在将来发电期间要求的燃料，以便：1)可事先购买燃料以确保更低的定价；以及2)无需大的燃料缓冲，以便可保持贫燃料库存。如果操作成功，则电厂操作员通过提早承诺购买将来燃料，而确保更好的定价，同时，不过度购买以便需要不必要和高成本的燃料储备，也不会购买不足以造成燃料供应短缺的风险。
本发明的方法可通过指定用于发电单元或电厂的特定配置的IHR简档，优化或增强发电活动的效率和收益率，特别是因为这些方面与调度投标以确保发电市场份额的准备有关。本方法可包括跨发电厂内的多个发电单元或者跨几个电厂指定最佳发电分配。本方法可将可用于那些发电单元的操作和控制配置考虑在内，置换可能的布置，以及由此实现如果被选择，则允许在投标期间以降低或最小化的成本发电的投标。在这种情况下，本方法可考虑所有适用的物理、规章和/或合同约束。作为此总体过程的一部分，本方法可用于为具有多个发电单元的发电厂优化或增强下调和关闭操作。此过程可包括将预期外因条件考虑在内，例如，天气或环境条件、燃气质量、发电单元的可靠性及诸如蒸汽生成的辅助义务。本方法可用于枚举用于具有多个配置的多个发电单元的IHR简档以及控制用于选择的关闭配置的设置和对在电厂调度投标的准备中预期外因条件的控制。
操作员的一个常见判定与在诸如夜间的需求或负荷要求低时的非峰值期间，是否下调或关闭发电厂有关。如将领会的，此判定的结果在相当大程度上取决于电厂操作员对与这些可能操作模式的每个操作模式有关的经济后果的理解。在某些情况下，下调发电厂的判定可容易明白，而在下调期间保持发电厂所处的最佳最小负荷仍不确定。也就是说，虽然电厂操作员已判定在某个时间期内下调发电厂，但操作员不确定以最具成本效益方式运行发电厂的几个发电单元所处的下调操作点。
图18的下调顾问可用作推荐操作发电厂所处的最佳最小负荷的过程的一部分。此顾问功能可还考虑到环境条件、经济输入和操作参数与约束的特定情形，推荐用于发电厂的最佳做法。从这些输入中，过程可计算最佳操作级别，并且然后可如相对于图19更详细讨论的，推荐用于发电厂的控制所必需的操作参数。如将领会的，此功能性可产生几个附加益处，这些益处包括延长的零件寿命、更有效的下调操作、改进的经济性能及燃料购买中改进的准确度。
如流程图600中所示，在初始步骤期间可收集某些信息和相关准则。在步骤602，可确定与发电厂系统和发电单元相关联的数据、变量和其它因素。这些关联项可包括上面所列的任何因素或信息。根据一优选实施例，可接收环境简档，环境简档可包括在选择的操作期间环境条件的预测。作为此步骤的一部分，也可收集相关排放数据，相关排放数据可包括排放限制和发电厂至今的排放。另一因素包括与在选择的操作期间电和/或蒸汽的潜在销售有关的数据。可确定为此步骤的一部分的其它变量包括电厂的燃气涡轮机的数量、用于每个燃气涡轮机的燃烧和控制系统及可与下面讨论的计算相关的任何其它电厂特定限制。
在步骤604，可定义有着特殊性的提议的下调操作期间（或“选择的操作期间”）。如将领会的，这可由用户或电厂操作员定义，并且包括希望进行可用下调操作模式的分析的选择的操作期间。选择的操作期间的定义可包括其预期长度及用户指定的开始时间（即，选择的操作期间将开始的时间）和/或停止时间（即，选择的操作期间将结束的时间）。此步骤可还包括定义在选择的操作期间内的间隔。可配置间隔以便将选择的操作期间细分成多个有序和周期性地间隔的时间期。为便理解本文中提供的示例，间隔将定义为一小时，并且选择的操作期间将定义为包括多个一小时间隔。
在步骤606，可选择在选择的操作期间优化过程中涉及的燃气涡轮机的数量。这可包括在发电厂或其某一部分发的所有燃气涡轮机。如下面更详细所述，方法可还包括考虑在发电厂的其它发电单元，如蒸汽涡轮机系统，并且将在选择的操作期间的其可操作状态考虑在内。下调操作中涉及的燃气涡轮机的确定可包括提示电厂操作员输入或者接收来自电厂操作员的输入。
在步骤608，本方法可考虑到在选择的操作期间作为提议的下调操作的确定的部分的燃气涡轮机的数量，配置置换矩阵。如将领会的，置换矩阵是包括在选择的操作期间多个燃气涡轮机引擎可参与或操作的各种方式。例如，如图18的示范置换矩阵609中所示，用于两个涡轮机的情况的置换矩阵包括四个不同组合，这些组合包括每个可能配置。具体而言，如果发电厂包括第一和第二燃气涡轮机，则置换矩阵包括以下行或情况：a)第一和第二燃气涡轮机均“开启”，即，在下调操作状态中操作；2)第一和第二燃气涡轮机均“关闭”，即，在关闭操作状态中操作；3)第一燃气涡轮机“开启”，并且第二燃气涡轮机“关闭”；以及4)第一燃气涡轮机“关闭”，并且第二燃气涡轮机“开启”。如将领会的，在单个燃气涡轮机的情况下，仅两个置换是可能的，而对于三个燃气涡轮机，七个不同行或情况 将是可能的，每个行或情况表示在“开启”和“关闭”操作状态方面关于三个燃气涡轮机引擎在特定时间范围可如何参与的不同配置。关于图17和在与其有关的文本中讨论的优化过程，置换矩阵的每个情况或行可被视为表示不同或竞争的操作模式。
作为步骤610、613、614、616和618表示的步骤的一部分，本方法可配置用于提议的下调操作的提议的参数集。如所述一样，选择的操作期间可分割成几个一小时长度的时间间隔。用于配置提议的参数集的过程可在步骤610开始，其中，确定是否已处理每个间隔。如果对此查询的应答为“是”，则如所示一样，过程可继续到输出步骤（即，步骤611），其中，提供下调分析的输出到操作员612。如果所有间隔尚未包括在内，则过程可继续到步骤613，选择尚未包括的间隔之一。然后，在步骤614，可基于收到的预测，为选择的间隔设置环境条件。继续到步骤616，过程可从置换矩阵选择某行，并且在步骤618，根据特定行，设置燃气涡轮机的开启/关闭状态。
从该处起，本方法可沿两个不同路径继续。具体而言，方法可继续到由步骤620表示的优化步骤，同时也继续到在步骤621的判定步骤，其中，过程确定是否为选择的间隔包括了置换矩阵的所有置换或行。如果对此的应答为“否”，则过程可环回到步骤616，其中，为间隔选择不同的置换行。如果对此的应答为“是”，则如所示一样，过程可继续到步骤610以确定是否已包括所有间隔。如将领会的，一旦已处理用于每个间隔的置换矩阵的所有行，则过程可前进到步骤611的输出步骤。
在步骤620，如前面在图17中讨论的，本方法可使用调谐的电厂模型优化性能。与此方案一致的是，可为每个竞争操作模式，即，在选择的操作期间每个间隔置换矩阵的每行创建多个情况。根据一个优选实施例，本方法生成提议的参数集，其中，改变几个操作参数以便确定对选择的操作参数或性能指标的影响。例如，根据此实施例，提议的参数集可包括用于入口导向叶片（“IGV”）的操纵设置和/或涡轮机的排气温度（“Texh”），以便确定考虑到特定行的开启/关闭状态和在特定间隔的环境条件预测，哪个组合产生用于发电厂的最小化总燃料消耗率。如将领会的，在满足与下调操作相关联的其它约束的同时，最小化燃料消耗的操作表示一种方式，通过该方式可经济地优化，或至少相对于一个或更多个备选操作模式在经济上增强下调性能。
如图所示，根据某些实施例，成本函数、性能目标和/或可操作性约束可由本发明在此优化过程期间使用。这些内容可经电厂操作员提供，由步骤622表示。这些约束可包括有关IGV的设置、Texh限制、燃烧边界等以及与可以是发电厂一部分的其它热系统相关联的那些约束。例如，在具有组合循环系统的发电厂中，在下调操作期间蒸汽涡轮机的操作或维护可表示某些约束，如最低蒸汽温度或冷凝器真空密封的维护。另一可操作性约束可包括必需的逻辑，某些辅助系统可在某些操作模式中受影响和/或诸如蒸发冷却机和冷却器的某些子系统是互斥的。
一旦考虑到间隔和置换矩阵的不同行，本方法已通过迭代循环，在步骤611，优化的结果便可传递到电厂操作员。这些结果可包括在每个时间间隔用于置换矩阵的每行的优化情况。根据一个示例，输出描述优化操作，优化操作由在每个间隔用于每个置换的发电厂的燃料消耗的成本函数定义。具体而言，输出可包括每个间隔每个可能电厂配置（由置换矩阵的行表示）要求的最低燃料（如根据已经描述的方法使用调谐的发电厂模型优化的），同时也满足可操作性约束、性能目标和预期的环境条件。根据另一实施例，输出包括以相同方式在每个间隔为可能电厂配置最小化发电输出电平（即，兆瓦）的优化。如将领会的，某些可能电厂配置（如由置换矩阵的置换表示的）可能不能满足可操作性约束，而不考虑用于发电输出电平的燃料供给。此类结果可被丢弃，并且不做进一步考虑或者报告为步骤611的输出的一部分。
图19和20以图形方式示出考虑到与瞬间操作相关联的典型约束，在选择的操作期间内发电厂的燃气涡轮机可操作的方式，选择的操作期间包括定义的间隔（图中的“I”）。如将领会的，瞬间操作包括在不同操作模式之间交换发电单元，包括涉及转变到关闭操作模式或从关闭操作模式转变的那些操作模式。如图所示，多个可操作通路或序列639可根据以下所述实现：1)燃气涡轮机的初始状态640；以及2)在考虑到瞬间操作约束，可能发生改变的间隔，有关是否改变操作模式所作的判定。如将领会的，几个不同序列639表示发电单元在所示间隔内可操作的多种方式。
如将领会的，图18的方法的输出可结合图19和20使用，以配置用于发电厂的发电单元的提议的下调操作序列。也就是说，图19和20示出有关发电厂的发电单元可如何参与及随着时间间隔的过去，其操作模式如何修改的示例，这可包括发电单元的操作模式保持不变时的实例、单元的操作模式从关闭操作模式修改到下调操作模式时的实例及单元的操作模式从关闭操作模式修改到下调操作模式时的实例。如图所示，在此示例中使用的瞬间操作约束是修改操作模式要求单元在最小至少两个间隔内保持在修改的操作模式。发电单元到达最后间隔所依据的许多序列（或通路）表示考虑到瞬间操作约束，可用于单元的可能下调操作序列。
如将领会的，从图18的分析结果，即，用于每个置换矩阵的优化下调操作可用于从可能下调操作序列中选择多个优选情况，这些情况可称为提议的下调操作序列。具体而言，考虑到关于图18所述方法的结果，可从满足电厂性能目标和约束，同时也根据选择的成本函数（如MW输出或燃料消耗）优化性能的下调操作的情况中选择提议的下调操作序列。图19和20中所示的考虑事项表示考虑到瞬间操作约束，确定下调操作序列是否可达到的方式。也就是说，通过图18到20的组合分析得出的提议的下调操作序列是与使单元从一个操作模式转变到另一操作模式相关联的时间限制一致的操作序列。
现在查看图21，提供了进一步为发电厂的下调操作建模并对其进行分析的方法。如将领会的，此方法可用于为在定义的时间间隔内涉及单个发电单元的特定情况分析下调成本对关闭成本。然而，它也可用于分析电厂级别成本，其中，寻求有关在具有多个间隔的选择的操作期间内可控制几个发电单元的操作的方式的推荐。这样，可汇集图18和20的输出，以便配置在多个间隔的跨度内的可能操作模式或序列，如将演示的，然后可根据图21的方法分析这些模式或序列，以便提供在更宽的操作期间更全面地理解下调操作。
如已经讨论的，电厂操作员周期性地要作出在非峰值时间期间在下调与关闭操作模式之间的判定。虽然某些条件可使判定直接进行，但这经常是困难的，特别是考虑到现代发电厂的复杂性增大，并且每个发电厂内通常包含多个热发电单元。如将领会的，是下调还是关闭发电厂的判定相当大程度上取决于与每个操作模式相关联的经济益处的充分理解。根据图21中所示备选实施例，本发明可由电厂操作员用于获得对与这些不同操作模式每个相关联的权衡的改进理解。根据某些实施例，图21的方法可与图18的下调顾问串联使用，以便允许组合顾问功能，该功能：1)考虑到已知条件和经济因素，为发电厂的发电单元推荐在下调与关闭操作模式之间的最佳做法；以及2)如果下调操作对于那些单元的一些单元是最佳做法，则推荐最佳的最小下调负荷级别。这样，电厂操作员可基于考虑到环境条件、经济输入和可操作参数的特定情形，无论哪者表示用于发电厂的最佳经济做法，容易识别发电厂的单元何时应下调还是关闭，或反之亦然的情况。诸如扩展组件元件寿命的附加益处也是可能的。也应领会的是，可单独采用关于图18和21所述的方法和系统。
通常，流程图700的方法也可以是“下调顾问”的一部分或在本文中称为“下调顾问”，它应用来自分析操作的用户输入和数据，以便执行评估与下调发电厂相关联的成本对将其关闭的那些成本。如将领会的，图21的流程图700通过根据某些优选实施例，利用上面充分讨论的调谐的发电厂模型，提供此顾问特征。作为此功能性的一部分，本发明可做出有关在非峰值需求期间在下调与关闭发电厂之间经济和其它方面的各种结果的建议。本发明可提供阐明有关在指定的市场期间内下调发电厂是否优于将其关闭的相关数据。根据某些实施例，然后可向电厂操作员推荐具有更低成本的操作作为适当的动作，但也如本文中陈述的，也可将可影响判定的附加问题或其它考虑事项传递到电厂操作员。本方法可提出潜在成本及引发此类成本的概率，并且这些考虑事项可影响有关哪个操作模式优选的最终判定。此类考虑事项例如可包括短期操作成本及与电厂维护、操作效率、排放级别、设备升级的相关联的长期操作成本的完全分析。
如将领会的，下调顾问可使用上述许多系统和方法实现，特别是关于图16到20讨论的那些系统和方法。图21的下调顾问可收集和使用一个或更多个以下类型的数据：用于提议的下调操作期间的用户指定的开始和停止时间（即，分析或考虑下调操作模式的期间）；燃料成本、环境条件、空闲断路器(time off breaker)、备选电使用、相关期间电或蒸汽的销售/价格、在该期间内的操作和维护成本、用户输入、计算的下调负荷、用于操作的预测的排放、发电厂消耗的当前排放级别和在定义的规章期间的限制、有关转动装置的操作的规格、有关清理过程的规章和设备、用于发电厂操作模式的固定成本、与启动操作有关的成本、电厂启动可靠性、对延迟启动的失衡费或处罚、与启动有关的排放、如果存在蒸汽涡轮机，则用于辅助锅炉的燃料率及有关发电厂的燃气涡轮机在下调和关闭操作模式中已如何操作的历史数据。在某些实施例中，如下讨论的，来自本发明的输出可包括：在相关期间内用于发电厂的推荐的操作模式（即，下调和关闭操作模式）、与每个操作模式相关联的成本、随着时间的过去而推荐的电厂操作负荷和负荷曲线、开始单元启动的推荐的时间及年内至今消耗的排放和本年剩余时间的剩余排放。根据某些实施例，本发明可计算或预测在相关期间内发电厂的燃料消耗和排放，这然后可用于计算用于一个或更多个特定燃气涡轮引擎的下调对关闭的成本。本方法可使用在下调和关闭模式中每个燃气涡轮机的成本确定具有最小操作成本的组合。此类优化可基于不同准则，这些准则可由电厂操作员定义。例如，准则可基于收入、净收入、排放、效率、燃料消耗等。另外，根据备选实施例，本方法可推荐特定动作，如是否采取清理信用；应关闭的燃气涡轮机单元和/或应下调的那些单元（这例如可基于历史启动可靠性和可由于延迟启动而引发的潜在失衡费）。本发明还可用于增强与燃料消耗有关的预测，以便使前瞻性燃料购买更准确，或备选地，允许为将来更远的市场期间进行燃料购买，这应对燃料定价和/或更贫燃料库存或裕度的维护有积极影响。
图19示出根据本发明的一示范实施例的下调顾问的一示范实施例，它是流程图700的形式。下调顾问可用于作出有关在将来操作期间内关闭发电厂或其一部分，同时在下调模式中操作其它发电单元的相对成本的建议。根据此示范实施例，可分析与关闭和下调操作模式相关联的可能成本并且然后将其传递到电厂操作员以便采取适当动作。
作为初始步骤，可聚集某些数据或操作参数，影响因素(affector)可用于确定在选择的下调操作期间的操作成本。如图所示，相应地在以下数据之间将这些数据编组：下调数据701、关闭数据702和普通数据703。普通数据703包括与关闭和下调操作模式均有关的那些成本项。普通数据703例如包括选择的操作期间，在该期间内执行下调操作模式的分析。将领会的是，可为下调操作的竞争模式单独定义和分析不止一个选择的操作期间，以便在延长的时间范围内实现更广义的优化。如将领会的，选择的操作期间的定义可包括定义该期间的长度及其开始或结束点。如图所示，其它普通数据703可包括：燃料的价格、对发电厂的各种排放限制及有关环境条件的数据。关于排放限制，收集的数据可包括在诸如一年的定义的规章期间可增加的限制和发电厂已经增加的量及适用规章期间已经经过(tolled)的长度。此外，排放数据可包括与超过任何限制相关联的处罚或其它成本。这样，本方法可了解有关发电厂相对于年度或周期性规章限制的当前状态及可能违例的可能性和与此类不合规相关联的处罚。此信息可与在每个类型的操作以不同方式影响电厂排放时是关闭还是下调发电单元的判定相关。关于环境条件数据，可根据本文中已经描述的那些过程，可获得和使用此类数据。
如将领会的，下调操作模式具有与确定其相关联的操作成本独特相关的数据。如图所示，此类下调数据701包括经发电厂在下调级别操作时生成的电力可获得的收入。更具体地说，由于下调操作模式是继续发电的一个操作模式，因此，尽管在更低级别，但存在该电力为发电厂产生收入的可能。就进行此操作而言，收入可用于抵消与下调操作模式相关联的一些其它操作成本。相应地，本方法包括接收与在下调模式中操作时电厂生成的电力的销售或商业使用相关联的价格或其它经济指示。这可基于历史数据，并且获得的收入可取决于发电厂操作所处的下调级别。
下调数据701可还包括与在选择的操作期间在下调级别操作电厂相关联的操作和维护。这也可基于历史数据，并且此类成本可取决于用于发电厂的下调级别和如何配置发电厂。在一些情况下，此费用可反映为取决于负载级别和类似操作的历史记录的每小时成本。下调数据701可还包括与在下调模式中操作时电厂排放有关的数据。
关闭数据702也包括对关闭操作模式独特的几个项，并且可在本方法的此阶段聚集此类型的数据。根据某些实施例，这些数据之一是与在关闭期间转动装置的操作有关的数据。另外，将定义有关关闭操作的各种阶段的数据。这例如可包括与以下所述有关的数据：关闭操作本身，这可包括有关使发电单元从普通负荷级别进入转动装置参与的状态所需时间长度的历史数据；发电厂根据选择的操作期间保持关闭的时间的长度；发电单元一般保持在转动装置的时间的长度；以及有关在发电单元关闭后重新启动或恢复在线所采用的过程及进行此操作所要求的时间的数据、启动燃料要求和启动排放数据。在确定启动时间中，可确定有关可能用于发电单元的启动的类型和与其有关的规范的此类信息。如本领域技术人员将领会的，启动过程可取决于发电厂保持关闭的时间。影响启动时间的另一考虑事项是发电厂是否包括可影响或缩短启动时间的特征和/或发电厂的操作员是否选择参与任何这些特征。例如，如果需要，则清理过程可延长启动时间。然而，如果以某种方式关闭发电厂，则清理信用可能可用。在此步骤期间，可弄清与关闭操作相关联的固定成本，包括与启动相关联的那些成本，及对任何相关发电单元特定的成本。也可弄清与发电厂的启动和/或关闭相关联的排放数据。这些数据可基于操作的历史记录或其它。最后，可弄清与用于每个热发电单元的启动可靠性有关的数据。如将领会的，如果使单元恢复在线的过程包括导致发电厂不能满足负荷义务的延迟，则可评估发电厂费用、处罚和/或违约赔偿金。可确定这些成本，并且如下面更详细讨论的，可根据与启动可靠性有关的历史数据，考虑这些成本。这样，可减损此类费用以反映引发费用的可能性，和/或此类费用包括阻止或防备此类费用的风险的支出。
从701到703的初始数据采集步骤中，图19中所示示范实施例可经下调分析器710和关闭分析器719继续，每个分析器可配置成计算用于其对应的操作模式的操作成本。如图所示，这些分析器710、719每个可通过提供成本、排放和/或其它数据继续到步骤730，其中，汇编并且比较有关可能下调和单元关闭情形的数据，以便最终可形成在步骤731到发电厂操作员的输出。如将讨论的，此输出731可包括用于一个或更多个可能情形的成本和其它考虑事项，并且最终可推荐特定动作及因此的原因。
关于下调分析器170，方法可先确定在选择的操作期间用于提议的下调操作的负荷级别。如下面更详细讨论的，与下调操作相关联的大部分成本可相当大程度上取决于发电厂操作的负荷级别及如何配置电厂以便生成该负荷，这例如可包括各种热发电单元如何参与（即，下调和关闭哪些热发电单元）。根据本发明的备选实施例，可以几个不同方式确定用于提议的下调操作的下调负荷级别。首先，电厂操作员可选择下调负荷级别。其次，可经有关电厂已有效操作的过去下调级别的历史记录的分析，选择负荷级别。从这些记录中，可基于操作员提供的准则，分析并选择提议的负荷级别，如效率、排放、一个或更多个站点特定目标的满意度、在下调条件期间生成的电力的备选商用可用性、环境条件及其它因素。
作为选择用于提议的下调操作的下调级别的第三方法，诸如关于图18所述程序的计算机实现的优化程序可用于计算优化下调级别。在图19中，此过程由步骤711和712表示。通过在步骤711提议下调操作模式，并且在步骤712分析是否满足用于发电厂的可操作边界，可计算优化下调级别。如将领会的，上面关于图18提供有关如何实现此操作的更详细描述。通过使用诸如此过程的过程，优化下调级别，将领会的是，选择用于在选择的操作期间与关闭备选进行比较的下调操作模式将表示优化情况，并且考虑到此情况，在下调与关闭备选之间的比较将是有意义的比较。如关于图18所述，可根据操作员选择的准则和/或成本函数，经优化下调级别的优化过程，计算最小下调级别。功能之一可以是在提议的下调操作期间燃料消耗的级别。也就是说，通过将燃料消耗向最小级别优化，同时也满足所有其它可操作边界或站点特定性能目标，可确定优化下调级别。
从该处，图19的本方法可根据经步骤711和712确定的下调操作模式的特性，确定在选择的操作期间与提议的下调操作模式相关联的成本。如图所示，步骤713可计算燃料消耗，并且从中计算用于提议的下调操作的燃料成本。根据刚刚讨论的基于最小燃料消耗描述优化的示范实施例，通过简单地将计算的燃料级别作为优化步骤的一部分，并且然后将它乘以燃料的预期或已知价格，可得出燃料成本。在下一步骤（步骤715），考虑到提议的下调级别和在选择的操作期间商业需求的可用性，可计算从在选择的操作期间生成的电力得出的收入。然后，在步骤716，可确定操作和维护成本。与提议的下调操作相关联的操作和维护成本可经任何常规方法计算，并且可取决于下调级别。操作和维护成本可反映为从下调操作的历史记录得出的每小时费用，并且可包括反映在提议的下调操作期间使用的各种组件系统的预期寿命的一部分的组件使用费用。在由步骤717指示的下一步骤，通过将成本（燃料、操作和维护）相加并且减去收入，可计算在选择的操作期间用于提议的下调操作模式的净成本。
本方法也可包括考虑到提议的下调操作模式，确定在选择的操作期间内电厂排放的步骤718，这可称为“排放影响”。然后，可将净成本和排放影响提供到表示为步骤730的汇编和比较步骤，以便可分析不同下调情形的成本和排放影响，从而最终可如下更详细讨论的，在输出步骤731提供推荐。
转到关闭分析器719，它可用于计算与在选择的操作期间在关闭操作模式操作发电厂的一个或更多个发电单元有关的方面。作为本发明的此方面的一部分，可分析用于成本和排放的操作，包括关闭发电厂并且然后在选择的期间结束时重新启动发电厂的过程。根据一优选实施例，作为初始步骤720和721的一部分，关闭分析器719可确定可表示优化关闭操作模式的提议的关闭操作模式。提议的关闭操作模式包括关闭一个或更多个发电单元，并且然后在选择的操作期间结束时重新启动这些发电单元以使单元恢复在线的过程。如将领会的，发电单元不操作的时间期的长度将确定可用于它的可能启动过程的类型。例如，是热启动还是冷启动可用相应地取决于关闭期间是简短期间还是长的期间。在确定提议的关闭操作模式中，本方法可计算使发电单元恢复到可操作负荷级别的启动过程所需的时间。在步骤721，本发明的方法可检查以确保提议的关闭操作过程满足发电厂的所有操作边界。如果可操作边界之一未得以满足，则方法可返回到步骤720以便计算备选启动过程。这可重复进行，直至计算了满足发电厂的可操作边界的优化启动过程。如将领会的，根据上面讨论的方法和系统，调谐的发电厂模型可用于模拟备选关闭操作模式以便考虑到相关操作期间，确定优化情况，并且预期环境条件。
考虑到步骤720和721的提议的关闭操作模式，过程可通过确定与其相关联的成本而继续。初始步骤包括分析关闭操作模式包括的启动过程的性质。在步骤722，过程可确定启动的特定操作参数，这可包括确定电厂操作员是否要求或请求了清理。考虑到确定的启动，在步骤723可确定燃料成本。根据一示范实施例，关闭分析器719然后计算与有时在启动过程期间引发的延迟相关联的成本。具体而言，如在步骤724中所示，过程可计算此类延迟的概率。此计算可包括将启动的类型和有关相关发电单元在发电厂的过去启动的历史数据及有关此类发电单元在其它发电厂的启动的数据作为输入。作为此方面的一部分，过程可计算与提议的关闭操作模式有关的成本，成本反映发生的启动延迟的概率和将引发的诸如违约赔偿金的处罚。此成本可包括与对冲策略相关联的任何成本，发电厂通过对冲策略，将引发此类处罚的风险的一部分转到服务提供商或其它承保人。
在步骤726，本方法可确定与在关闭过程期间操作转动装置相关联的成本。方法可计算考虑到关闭期间，用于转动装置的速度曲线，并且使用此曲线，确定操作转动装置需要的厂用电力的成本。如将领会的，这表示在燃气涡轮机的转子叶片冷却时保持其转动所要求的电力，这是为了防止如果允许叶片在固定位置冷却，则将发生的扭曲或变形。在步骤727，如图所示，可确定用于关闭操作的操作和维护成本。可经任何常规方法计算与提议的关闭相关联的操作和维护成本。操作维护成本可包括反映在提议的关闭操作期间使用的各种组件系统的预期寿命的一部分的组件使用费用。在由步骤728指示的下一步骤，通过将用于燃料、转动装置、操作和维护的确定的成本相加，可计算在选择的操作期间用于提议的关闭操作模式的净成本。本方法也可包括考虑到提议的关闭操作模式，确定在选择的操作期间内电厂排放的步骤729，像以前一样，这可称为操作模式的“排放影响”。然后，可将净成本和排放影响提供到步骤730的汇编和比较步骤。
在步骤730，本方法可汇编和比较在选择的操作期间的各种电厂下调操作模式。根据一个实施例，本方法可分析已识别为关于图18到20所述方法和过程的一部分的竞争下调操作模式。在步骤730，可比较用于每个竞争下调操作模式的汇编的成本数据和排放影响，并且作为步骤731的一部分，将其提供为输出。这样，根据竞争操作模式比较的方式，可提供有关发电厂在选择的下调操作期间应如何操作的推荐，包括哪个涡轮机应关闭，哪个涡轮机应下调以及应在哪个下调级别操作它们。
排放数据也可作为步骤731的输出的一部分提供，特别是在分析的竞争操作模式具有类似经济结果的情况下。如将领会的，也可提供有关每个备选如何影响电厂排放的通知和考虑到影响，在当前规章期间不合规的可能性及与其有关的经济结果。具体而言，可比较在规章期间一个或更多个发电厂污染的累积排放和在该时间范围内可允许的总体限制。根据某些优选实施例，传递比较结果的步骤可包括相对于通过平均在当前规章排放期间的累计排放限制得出的排放比率，指示通过平均在当前规章排放期间的一部分内用于发电厂的累计排放级别得出的发电厂的排放比率。可进行此操作以确定在与可允许的平均排放比率相比较时，发电厂如何保持效力而不引发违例。方法可确定在当前规章期间仍可用于发电厂的排放，以及是否有足够的级别可用于适应任一提议的操作模式，或者相反，是否排放影响不当地增大了将来规章违例的概率。
作为输出，本方法可提供推荐动作，推荐动作作出有关在提议的下调与关闭操作模式之间在经济和其它方面的优点/缺点的建议。推荐可包括成本的报告及在引发那些成本的类别与在计算它们中所做的假设之间的细分。另外，推荐的动作可包括可能影响由此选择最有利操作模式的判定的任何其它考虑事项的概述。这些考虑事项可包括与适用排放限制和规章期间有关的信息及与其相关的发电厂的当前累计排放所处的位置。这可包括发电厂操作员收到有关任何操作模式不合理地增大违反排放阈值的风险及与此类违例有关的成本的通知。
本发明可还包括有效地允许和改进上述许多功能方面的性能的统一系统体系结构或集成计算控制系统。发电厂即使是通常拥有的那些发电厂，也经常跨不同市场、政府管辖权和时区操作，包括许多类型的股东和参与其管理的决策者，并且有着不同类型的服务和其它合同安排。在此类多变的设置内，单个拥有者可控制和操作跨重叠市场的多个发电厂，每个发电厂具有多个发单元单元和类型。拥有者也可具有用于评估有效发电厂操作的不同准则，这例如可包括独特的成本模型、响应时间、可用性、灵活性、网络安全性、功能性及单独市场操作的方式方面固有的差别。然而，如将领会的，大多数当前电力交易市场依赖由多方和决策者共享的各种离线生成文件，包括在交易商、电厂管理人员及规章机构之间传送的那些文件。考虑到此类复杂性，不可完全理解在细分市场内的发电厂和/或发电单元的能力，特别是跨分层的层次结构，这种层次结构例如从单独的发电单元跨到发电厂，或者从发电厂跨到此类电厂队群。因此，每个连续级的电力交易市场一般回避由低的级别报告的性能。由于连续的回避组成了系统性的利用不足，这对拥有者而言转变成了低效和收入损失。如下面讨论的，本发明的另一方面用于减轻作为这些问题根源的不关联(disconnection)。根据一个实施例，开发了一种可在统一系统体系结构上执行分析，收集和评估历史数据，并且执行假设或备选情形分析的系统和平台。统一体系结构可更有效地允许实现各种功能、各种组件，如发电厂建模、可操作判定支持工具、发电厂操作和性能的预测及根据性能目标的优化。根据某些方面，统一体系结构可经发电厂本地的组件与例如在中央托管或基于云的基础设施上托管的那些组件的远离其的那些组件的集成，实现此目的。如将领会的，此类集成的方面可允许实现增强、更准确的发电厂模型，同时不影响结果的一致性、效力或及时性。这可包括在本地和外部托管的计算系统上利用已经讨论的调谐的发电厂模型。考虑到其在外部托管基础设施上的部署，可方便地扩展系统体系结构以处理另外的站点和单元。
转到图22至25，图中示出了可用于支持与控制，管理和优化发电厂队群相关联的许多要求的可扩展体系结构和控制系统，发电厂队群中多个发电单元跨几个位置散布。基于情境或情况特定的某些准则或参数，可采用如本文中提供的本地/远程混合体系结构。例如，具有一系列发电厂的拥有者或操作员可希望在本地托管系统功能性的某些方面，同时在中央环境托管其它方面，如在基于云的基础设施中，以便集中来自所有发电单元的数据并且充当公共数据存储库，该存储库可用于经来自普通设备、配置和条件的交叉引用值整理(scrub)数据，同时也支持分析功能。为各种类型的拥有者/操作员每个选择适合的体系结构的方法可集中在推动发电厂的操作的重点关注及电厂操作的电力市场的特定特性上。根据某些实施例，如下面提供的，可在本地执行性能计算，以便支持特定电厂的闭环控制，改进网络安全性，或者提供适应近实时处理需要的响应速度。另一方面，可配置本系统，使得在本地与远程系统之间的数据流包括本地数据和模型调谐参数，这些参数传送到中央托管基础设施以便创建然后用于诸如备选情形分析的分析的调谐的发电厂模型。远程或本地托管的基础设施可用于根据要求访问它的不同用户类型的独特需要，调整适应与普通电厂模型的交互。另外，可基于响应时间和取决于特定市场的独特方面的服务协议，确定用于扩展的策略。如果在最终结果的可用性上要求更快的响应时间，则可在软件和硬件资源方面均扩展分析过程。系统体系结构还支持冗余性。如果运行分析的任何系统变得不可操作，则处理可在包括相同发电厂模型和历史数据的冗余节点上继续。统一体系结构可使应用和过程集合在一起，以便促进性能和增大功能性的范围，以实现技术和商业优势。如将领会的，此类优势包括：新发电厂模型的方便集成；过程和模型的分离；不同操作员能够实时共享相同数据，同时也根据每个操作员的需要以独特的方式显示数据；方便升级；以及符合用于发送监管控制的NERC-CIP限制。
图22示出根据本发明的某些方面，用于队群级(fleet level)优化的高级逻辑流程图。如图所示，队群可包括多个发电单元或资产802，发电单元或资产802可表示跨多个发电厂的单独发电单元或发电厂本身。队群的资产802可由单个拥有者或实体拥有，并且跨一个或更多个市场与其它此类资产竞争生成客户电网要求的负荷的份额的合同权。资产802可包括具有相同类型的配置的多个发电单元。在步骤803，由在电厂的各种资产的传感器收集的数据可以电子方式传递到中央数据存储库。然后，在步骤804，可调和或过滤测量的数据，以便如下所述，确定用于每个资产的性能级别的更准确或更真实的指示。
如上详细所述，可进行此调和的一种方式是比较测量的数据和通过发电厂模型预测的对应数据，如讨论的，发电厂模型可配置成模拟资产之一的操作。也可称为离线或预测模型的此类模型可包括基于物理的模型，并且调和过程可被使用，以便周期性地调谐模型，以保持和/或改进模型经模拟表示实际操作的准确度。也就是说，如前面详细讨论的，在步骤805，方法可使用最近收集的数据调谐发电厂模型。此过程可包括调谐用于每个资产，即，每个发电单元和/或发电厂的模型及包括多个发电厂的操作或队群操作的方面的更一般化模型。调和过程也可涉及在类似资产802之间比较收集的数据，以便解决差异和/或识别异常，特别是从具有类似配置的相同类型的资产收集的数据。在此过程期间，考虑到汇编的数据的集体性和冗余性，可消除过失误差。例如，可注重具有更高准确度能力的传感器，或者已知最近已检查并且展示操作正确的那些传感器。这样，可比较性地核查，验证和调和收集的数据，以便构建可用于计算更准确的实际队群性能的单个一致的数据集。此数据集然后可用于调谐离线资产模型，该模型然后可用于模拟和确定在将来市场期间用于队群的优化控制解决方案，解决方案例如可用于增强在调度投标过程期间发电厂的竞争力。
在步骤806，如图所示，从步骤805的调和的性能数据和调谐的模型确定发电厂的真实性能能力。然后，在步骤807，考虑到选择的优化准则，可集体优化队群的资产802。如将领会的，这可涉及上面已经详细讨论的相同过程。在步骤808，可产生优化的供给曲线或资产计划表(asset schedule)。这可描述调度或操作资产的方式及每个参与的级别，以便例如满足用于发电厂队群的提议或假设的负荷级别。用于优化的准则可由资产的操作员或拥有者选择。例如，优化准则可包括效率、收入、收益率或某一其它量度。
如图所示，随后的步骤可包括作为对将来市场期间的负荷生成合同的投标的一部分，传递优化资产计划表。这可包括在步骤809，将优化资产计划表传递到能源交易商，然后，能源交易商根据优化资产计划表提交投标。如将领会的，在步骤810，投标可用于参与电源系统范围的调度过程，通过该过程，在位于系统内的多个发电厂和发电单元之间分配负荷，并且许多发电厂和发电单元可由竞争拥有者拥有。可根据如由电源系统的特定调度器确定的定义的准则，配置用于调度过程的投标或报价，如可变发电成本或效率。在步骤811，电源系统的优化的结果可用于生成反映电源系统中的各种资产应如何参与以满足预测的需求的资产计划表。反映系统范围的优化或调度过程的结果的步骤811的资产调度然后可传递回资产802的拥有者，以便在步骤812，可将例如可包括每个资产操作所处负荷的操作设定点（或具体言，操作模式）传递到控制资产802的操作的控制器。在步骤813，控制器可计算并且然后传递控制解决方案和/或直接控制资产802，以便满足它在调度过程期间承包的负荷要求。队群拥有者可在条件改变时调整一个或更多个发电厂操作的方式以优化收益率。
图23示出根据一备选实施例的本地与远程系统之间的数据流。如所述一样，某些功能性可在本地托管，而其它功能性在中央托管环境中站点外托管。根据本发明选择适合的体系结构的方法包括确定作为队群内资产的操作的重要驱动力的考虑事项。相应地，诸如网络安全性顾虑的考虑事项可能要求某些系统保持在本地。耗时性能计算也保持在本地托管，以便保持必需的及时性。如图23中所示，本地电厂控制系统816可吸收传感器测量，并且将数据传递到调谐模块817，其中，如前面，特别是关于图17讨论的，可使用比较实际或测量值与电厂或资产模型预测的那些值的性能计算，完成调谐或数据调和过程。经数据路由器818，如图所示，然后可将模型调谐参数和调和的数据传递到中央托管基础设施，如远程中央数据库819。从中，模型调谐参数用于调谐离线发电厂模型820，如上所述，该模型然后可用于优化将来队群操作，提供备选情形或“假设”分析以及在操作资产队群的可能或竞争模式之间的建议。
如图所示，可将使用离线发电厂模型820执行的分析的结果经web门户821传递到队群操作员。web门户821可向用户提供定制访问822以便管理队群。此类用户可包括电厂操作员、能源交易商、拥有者、队群操作员、工程师及其它股东。根据通过web门户访问的用户交互，可作出有关使用离线发电厂模型820执行的分析提供的推荐的判定。
图24和25示出根据本发明的某些备选方面的统一体系结构的示意系统配置。如图25所示，远程中央存储库和分析组件825可接收来自几个资产802的性能和测量的操作参数，以便执行队群级优化。队群级优化可基于另外的输入数据，例如，这些数据可包括：在每个发电厂存储并且可用的当前燃料量、对于每个发电厂，燃料的位置特定价格、每个发电厂生成的电力的位置特定价格、当前天气预报及在远程位置资产之间的相异点和/或停运和维护计划表。例如，对燃气涡轮机的调度的组件彻底检修可意味着在更高温的短期操作更经济。过程然后可计算供给曲线，该曲线包括用于发电厂队群的优化可变发电成本。另外，如图所示，本发明可允许更自动化的投标准备，以便至少在某些环境中，投标可直接传送到系统范围的调度机构826，并且由此绕过能源交易商809。如图25中所示，电源系统的优化的结果（经系统范围的调度机构）可用于产生反映电源系统中的各种资产应如何参与以满足预测的需求的资产计划表。此资产计划表可反映系统范围的优化，并且如图所示，可传递回资产802的队群的拥有者，以便可将用于资产的操作设定点和操作模式传递到控制系统中每个资产的控制器。
相应地，可根据图22到25，开发方法和系统，由此，向增强性能和与将来市场期间有关的投标优化在竞争电源系统内操作的发电厂的队群。可实时接收来自队群的每个发电厂的有关操作条件和参数的当前数据。然后，可根据当前数据，调谐发电厂和/或队群模型，以便模型准确度和预测的范围继续改进。如将领会的，这可经在测量的性能指标与由发电厂或队群模型预测的对应数据之间的比较实现。作为下一步骤，调谐的发电厂模型和/或队群级模型可用于基于通过调谐的模型模拟的竞争操作模式，为队群内的每个发电厂计算真实发电能力。然后，使用由电厂或队群操作员定义的真实电厂能力和优化准则，执行优化。在确定优化操作模式时，可产生为队群内的每个发电厂计算最佳操作点的资产计划表。如将领会的，然后可将操作点传送到不同发电厂，以便一致地控制每个发电厂，或者备选地，操作点可充当向中央调度机构提交的投标的基础。
图26和27也与多个发电厂的中央控制和优化有关，示出其中块控制器855用于控制多个电源块860的电源系统850。如所示一样，电源块860可定义发电资产的队群861（“资产”）。如将领会的，这些实施例提供上面更详细描述的优化和控制方法的另一示范应用，但包括将优化角度扩大到队群级。在这种情况下，本发明可还提供减少某些低效的方式，这些低效仍影响现代发电系统，特别是具有大量远程和不同热发电单元的那些系统。每个资产可表示本文中讨论的任何热发电单元，例如，燃气和蒸汽涡轮机及有关子组件，像HRSG、入口调节器、导管燃烧器(duct burner)等。资产可根据子组件如何参与，根据多个发电配置操作。来自多个电源块860的发电可由块控制器855在中央控制。相对于将在下面更详细讨论的图22中的系统，块控制器855可根据将资产和电源块健康状况、发电计划表、维护计划表及包括位置相关变量的可能对资产或电源块860之一特定的其它因素考虑在内的优化过程，控制系统。另外，从类似配置的资产和电源块而不是队群的一部分发收集的可操作数据中的学习可用于进一步完美控制策略。
一般情况下，常规资产控制器（在图26中指示为“DCS”）在发电资产本地，并且实质上隔离操作。因此，此类控制器不能将组成电源块860和/或队群861的其它资产的当前健康状况考虑在内。如将领会的，在从该角度考虑时，缺乏此见解导致对于队群861的非最佳发电。继续参照已经描述的方法和系统，特别是关于图3、4和17到25的那些方法和系统，本示范实施例示教允许实现几个系统范围益处队群级控制系统，包括增强的电力分担策略、成本效益和跨编组资产或电源块改进的效率。
如所示一样，如块控制器855表示的控制系统可与资产控制器交互。块控制器855也可与电网862及与其管理相关联的中央调度或其它管理机构进行通信。这样，例如，可在队群861与中央机构之间交换供给与需求信息。根据一示范实施例，诸如调度投标的供给信息可基于队群861的块控制器的优化。本发明可还包括在投标期间之间发生的优化过程，这些过程可周期性地用于优化配置队群861以便满足已经确立的负荷级别的方式。具体而言，此类投标之间的优化可用于处理动态且未预料到的操作变量。用于电源块860的资产的适当控制动作可由块控制器855传递到每个电源块860内的控制系统，或者更直接地说，传递到资产。根据优选实施例，在某些预定义的条件得以满足时，块控制器855的控制解决方案的实现可包括允许它覆盖(override)资产控制器。影响此类覆盖的因素可包括用于每个电源块/资产的可变发电成本、热燃气通道组件的剩余有用零件寿命、需求的改变级别、改变的环境条件及其它。
如图所示，块控制器855可通信地链接到队群861的几个电源块860以及直接链接到资产，并且由此可接收本文中所述控制解决方案所基于的许多数据输入。优化过程可考虑一个或更多个以下输入：健康和性能退化、发电计划表、电网频率、维护和检查计划表、燃料可用性、燃料成本、燃料使用模式和预测、过去的问题和设备失效、真实性能能力、寿命模型(lifing model)、启动和关闭特征、过去和当前的测量操作参数数据、天气数据、成本数据等等。如关于其它实施例更详细讨论的，输入可包括有关用于队群861的每个发电资产的测量的操作参数的详细当前和历史数据。过去和当前的所有此类输入可根据常规方法例如存储在中央数据库中，并且由此在收到根据本文中所述的任何过程步骤可能必需的来自块控制器855查询时可向其提供。
可根据队群操作员的偏好，开发成本函数。根据一优选实施例，队群鲁棒性指数的加权平均和可用于确定优选或优化电力分担配置。队群鲁棒性指数例如可包括根据适用于给定需求或队群输出电平的几个因素的优化。这些因素可包括：热应力和机械应力、退化或损失，包括退化率、发电的成本和/或燃料消耗。这样，本实施例可用于处理与队群控制有关的几个持续存在的问题，特别是跨具有多个不同发电资产的几个电源块优化性能。
数据输入可包括本文中已经讨论的类型，包括与计算机建模、维护、优化和无模型自适应学习过程有关的那些类型。例如，根据本实施例，可开发和维护计算机模型、传递函数或算法，以便可在多种情形下模拟资产和/或以集体方式的电源块或队群的操作（或操作的特定方面）。模拟的结果可包括用于某些性能指标的值，这些值表示有关在选择的操作期间内资产、电源块或队群的操作和性能的方面的预测。性能指标可由于已知或形成的与一个或更多个成本结果的相关而被选择，并且因此可用于比较每个模拟的经济方面。在本文中使用时，“成本结果”可包括与在选择的操作期间内队群861的操作相关联的积极或消极的任何经济后果。成本结果因此可包括从在该期间的发电获得的任何收入及由队群引发的任何操作和维护成本。这些操作和维护成本可包括考虑到情形和由每个情形产生的模拟结果，队群的资产的结果退化。如将领会的，从模拟结果提取的数据可用于计算用于队群的哪个或哪些备选操作模式是更合乎需要或具成本效益。
用于资产、块或队群的模型可包括通过基于物理的模型、自适应或学习的“无模型”过程输入/输出相关或其组合开发的算法或传递函数。可开关将过程输入/输出与用于每个资产类型的退化或损失数据相关的基线退化或损失模型。退化或损失数据和与其有关的成本结果因此可基于用于队群的提议、备选或竞争操作模式的操作参数的预测值计算，根据某些实施例，这可通过资产和电源块参与的方式、跨队群资产分担发电的方式及本文中描述的其它因素加以区分。如所述一样，从类似配置的资产的学习可用于通知或进一步改善用作此过程的一部分的模型。例如，可考虑到用于选择的性能指标的值，开发计算增加的设备退化和损失的退化模型。然后，此类退化可用于为每个竞争操作模式计算经济后果或成本结果。那些经济后果可包括资产性能的退化、组件的磨损、消耗的有用零件寿命（即，在操作的期间消耗的组件的有用寿命的部分）及值的其它量度，例如，与排放有关的成本、规章费、燃料消耗及取决于输出电平的其它可变成本。如将领会的，由于特定资产的退化和其有用零件寿命的消耗可以非线性方式增加及取决于动态和/或位置特定变量，因此，通过分配队群的输出电平以便最小化总体队群退化，可随着时间的过去而实现相当大的成本节约，特别是如果该最小化跨资产分担以便极小地影响总体队群发电容和效率。
因此，通过将对将来市场期间预测的可包括预期需求和环境条件预测的条件考虑在内，可选择用于队群的多个竞争操作模式以供分析和/或模拟，以便确定优化或至少优选的队群操作模式。每个竞争队群操作模式可描述用于队群861的独特发电配置。可形成竞争队群操作模式，以便包括参数集和/或控制设置，这些参数集和/或控制设置定义实现特定队群输出电平所依据的独特发电配置。如提及的，可以多种方式选择队群输出电平。首先，可选择它以反映已经知道的队群输出电平，例如，经最近推断的调度过程确立的输出电平，使得优化过程可用于确定满足该特定输出电平所依据的优化队群配置。也可考虑到历史发电记录、预期客户需求和/或其它预测条件，根据预期负荷级别选择队群输出电平。备选地，也可在所选范围内改变队群输出电平。这样，可计算用于队群861的可变发电成本，并且然后将其用作投标过程的一部分以便通知准备竞争性投标。因此，可使用队群操作员定义队群输出电平的方式，以便在一个实例中，支持围绕准备竞争性投标的活动，同时在其它时间，可选择输出电平以便支持顾问功能，顾问功能用于在实际条件可能偏离预期的那些条件时优化队群性能。
根据示范操作，如图27的更详细系统所示，可形成描述每个竞争队群操作模式的参数集，并且对于每个竞争队群操作模式，可形成不同的情形或情况，在这些情形或情况内在选择的范围内改变可操纵变量以便确定变化对队群的总体操作的影响。可配置用于竞争队群操作模式的不同情况，以便包括跨电源块860和/或资产分担队群输出电平的备选方式。根据另一示例，可基于可用于某些资产的备选配置，包括每个资产参与的各种方式，选择不同情况。例如，一些情况可包括资产的某些子组件的参与，如导管燃烧器或入口调节器，以便加强发电能力，同时推荐其它资产在关闭或下调级别操作。其它情形可研究那些资产配置稍微改变或完全颠倒的情况。
如图27中所示，块控制器855可与数据和分析组件865进行通信，该组件可包括几个模块，通过这些模块，收集，标准化，存储并且在收到对块控制器855的查询时提供相关数据。数据记录模块可接收来自与发电资产相关联的监视系统的实时和历史数据输入。也可包括与性能监视有关的模块，并且可维护与其有关的一个或更多个离线模型。每个这些模块可实质上与本文中讨论的其它实施例一致地运转。学习模块也可包括在内以便收集来自未在队群861内操作的类似配置的资产或电源块的操作数据。如将领会的，此数据可支持学习功能，通过学习功能获得对资产的更深入和更彻底的可操作理解。此类数据也可用于标准化从队群861收集的测量的数据，以便可准确地计算发电资产的性能退化，这可包括计及也可影响输出容量和效率的其它变量的影响，如燃料特性、环境条件等。
如关于图24和25所述，队群级优化可基于局部性相关变量。这些变量可反映独特且应用到某些特定资产或电源块的条件，并且例如可包括：在每个资产存储并且可用的当前燃料量、对于每个资产，燃料的位置特定价格、每个资产生成的电力的位置特定价格、当前天气预报及在队群内在远程位置资产之间的相异点及用于每个资产的停运和维护计划表。例如，对燃气涡轮机资产的调度的组件彻底检修可意味着在更高温的短期操作在经济上更有益。如图所示，数据和分析组件865可包括用于计及这些差别的模块。
如所示一样，块控制器855可还包括涉及发电模型（可包括资产模型、块模型、队群模型及退化或损失模型）、优化器和成本函数的模块。可根据本文中已经描述的方法，创建，调谐和/或调和与维护资产、电源块和/或队群模型。这些模型可用于模拟或以其它方式预测队群或其选择的部分在选择的操作期间内的操作，使得优化器模块能够根据定义的成本函数，确定优选情形。更具体地说，来自模拟的结果可用于为每个模拟计算成本结果，这可包括跨电源块和/或队群资产将收入、操作成本、退化、消耗的有用零件寿命及本文中提及的其它成本相加。如将领会的，可经预期的输出电平乘以市场单价，确定收入。如所述一样，成本的计算可包括将经济结果与资产在模拟内操作的方式相关的退化模型或算法。来自模拟结果的性能数据可用于确定队群范围的操作成本、退化和已经描述的其它损失。如将领会的，诸如操作成本的固定方面的某些成本考虑事项可在竞争队群操作模式之间无明显不同，并且因此可从此类计算中排除在外。另外，本文中描述的模拟可被配置成包括资产的整个队群或其一部分，并且可集中在资产操作的有限方面，如本文中提供的，这些方面已被发现对预测成本结果特别相关。
根据某些实施例，成本函数模块可包括队群鲁棒性指数以便有效地区分备选操作模式。队群鲁棒性指数可表示在电源块内增加的损失的平均之和。鲁棒性指数可包括指示与消耗的有用零件寿命有关的成本，这可以是跨诸如燃气涡轮机中热燃气通道零件和压缩机叶片的资产消耗的零件寿命之和。例如，调度成根据竞争队群操作模式，在选择的操作是关闭的发电资产将引起对应于每关闭/启动过程消耗的有用零件寿命的经济损失。而调度成在相同操作期间完全负荷操作的发电资产可引起与那些操作时间相称的损失。如将领会的，此类损失可得到进一步校准以反映考虑到负荷和预测满足特定负荷级别的操作参数，预期的特定的热负荷和机械负荷，负荷级别例如可取决于诸如预测的环境条件、燃料特性的此类因素。其它经济损失可包括在队群损失之和内以便得出用于每个竞争队群操作模式的成本结果。这些损失可包括用于队群资产的燃料消耗之和及例如考虑到模拟结果，预测的排放级别的经济影响。
一旦每个模拟情形的队群范围的收入和/或损失相加完成，本方法便可包括计算一个或更多个优选或优化情况的步骤。本方法然后可包括与优选或优化情况有关的一个或更多个输出。例如，可将优选或优化情况以电子方式传递到队群操作员，如通过用户接口866。在此类情况下，本方法的输出可包括：电源块/资产健康顾问、电源分担推荐、停运计划器、用于电源块的最佳设定点控制解决方案、DCS超控和/或预期的发电计划表。输出也可包括自动化控制响应，该响应可包括自动超控资产控制器之一。根据另一备选，输出可包括根据一个或更多个优选或优化情况，生成调度投标。如将领会的，如在用户接口866上指示的，方法的输出可允许以多种方式实现队群节约。首先，例如，优选的电源分担配置可最小化，降低或有利地分摊队群退化，这可大幅影响在将来操作期间的发电容量和效率。其次，顾问功能可使用所述组件配置，以便优化或至少增强维护间隔，而通过维护间隔，减轻可恢复性和不可恢复性的退化损失。诸如压缩机清洗或过滤器清洁的监视和预测退化率和调度/执行维护过程将确保燃气涡轮机更有效地操作。
现在转到图28，讨论本发明的另一有关方面，它描述控制作为电源块操作的多个燃气涡轮机引擎的操作的更具体示例。如将领会的，燃气涡轮机可位于特定发电厂或者跨几个远程发电厂。如已经讨论的，控制燃气涡轮机的块以便优化或增强电力分担是个难题。当前控制系统未有效地跨一组多个引擎同步，并且相反，基于电源块共同负责的输出电平的简单分摊，实质上单独接合每个引擎。如将领会的，这经常导致失衡和低效的退化率。相应地，需要更佳的控制策略，并且具体而言，需要在单元集体被视为电源块时，跨促进更具成本效益的损失或退出率的多个燃气涡轮机提供有效电力分担策略的系统控制器。例如，如果燃气涡轮机块具有几个引擎，引擎具有相同额定值，则本发明可基于有关哪些单元应在更高输出电平操作，哪些应在降低级别操作的引擎当前退化状态，作出推荐。本发明可根据本文中已经讨论的方面，具体而言相对于图24到27讨论的那些方面，实现此操作。如本领域技术人员将领会的，此类功能性的优点包括：燃气涡轮机的增加寿命和性能；改进的寿命预期，这可允许实现更具竞争力和/或风险共享的服务协议；电源块作为一个整体的更大可操作灵活性；以及有效地将可操作权衡考虑在内的鲁棒的多目标优化，这些权衡例如可与热燃气通道有用零件寿命消耗、当前退化级别、退化率及诸如需求、效率、燃料消耗的当前发电性能有关。
可实现此方面的一种方式是根据现在将相对于图28描述的系统900。如所示一样，多个燃气涡轮机901可作为电源块或“块902”的一部分操作。如作为上述系统的一部分讨论的，用于每个资产901的操作参数903可被收集并且以电子方式传递到块控制器904。根据一优选实施例，操作参数可包括转子速度、压缩机喘振裕度和叶梢间隙。如将领会的，可相对于测量的转子速率，计算压缩机喘振裕度，并且可根据任何常规方法，例如包括微波传感器，测量叶梢间隙。作为又一输入，块控制器可接收来自数据库组件的记录905，如任何已经讨论的那些记录，这些记录可记录当前和过去操作参数测量，包括转子速度、喘振裕度、叶梢间隙、控制设置、环境条件数据等，以便使过程输入和输出自适应相关。
根据优选实施例，块控制器904可配置成作为无模型自适应控制器操作。无模型自适应控制器可包括基于神经网络的设置，设置具有来自每个燃气体机的对应于需求、热耗率等的输入（例如，经记录905）。如将领会的，无模型自适应控制是用于有着时变参数和时变结构的未知离散时间非线性系统的特别有效的控制方法。无模型自适应控制的设计和分析注重过程输入和输出，以便“学习”解释在其之间关系的预测相关或算法。在系统的测量的输入与输出之间的相关受到控制。通过以此方式运动，块控制器904可得出控制命令或推荐，并且这些命令或推荐可作为输出906传递到主控系统907以便实现。根据一优选实施例，来自块控制器904的输出906包括优选或优化电力分担命令或推荐。根据其它实施例，输出906可包括与用于燃气涡轮机901的热燃气通道组件的调制的冷却液流和/或用于燃气涡轮机901的压缩机单元的调制的IGV设置有关的命令或推荐。
主控系统907可通信地链接到电源块992的燃气涡轮机901，以便考虑到输出906，实现控制解决方案。如图所示，主控系统907也可将此类信息传递到块控制器904。如此配置后，图28的控制系统可进行操作以控制电源块902的几个燃气涡轮机，以便根据定义的成本函数，以增强或优化方式生成组合负荷或输出电平——如，可能如调度投标过程所确定的燃气涡轮机共同负责的合同输出电平。此控制解决方案可包括推荐每个燃气涡轮机应贡献的组合输出电平的百分比。另外，如前面讨论的，主控系统907可包括基于物理的模型以便根据优化操作模式，控制燃气涡轮机。
根据一示范实施例，例如，可为每个燃气涡轮机跟踪间隙和喘振裕度数据。如果确定用于任何燃气涡轮机的间隙或喘振裕度数据高于预定义的阈值，则可在降低的负荷操作该特定涡轮机。如果不可能在降低的级别操作该燃气涡轮机，则可进行其它推荐，如调制的IGV调协或到热通道路径组件的冷却液流。另一方面，如果选择燃气涡轮机之一在降低的级别操作，则优化发电配置可包括推荐其它燃气涡轮机的一个或更多个燃气涡轮机在更高/峰值负荷操作以便补偿任何不足。方法可基于喘振裕度和间隙数据，选择更高/峰值负荷涡轮机，希望的效应是在电源块的燃气涡轮机之间平衡当前退化级别和退化率，以便共同延长操作寿命，同时保持更高的块输出电平和效率。如提及的，由于性能退化率和有用零件寿命消耗可以线性方式增加，以及取决于跨地理上散布的单元可变的参数，因此，通过使用本文中所述的块级别角度，以优化用于块的成本结果的方式分摊负荷，可实现节约。因此，通过将实时数据（具体而言，喘振裕度和间隙数据）考虑在内，可分摊发电，以便跨块902优化成本，实时数据已被确定为在评估用于块的燃气涡轮机的性能退化级别、退化率、剩余零件寿命和真实性能容量方面是高度决定性和有效的。
现在参照图29，本发明的另一示范实施例包括提供用于实现组合循环发电厂的更有效和/或优化关闭的系统和方法。如将领会的，在组合循环电厂的关闭期间，控制器一般逐渐降低到燃气涡轮机的燃料流量，以便向最小速度降低转子速率。此最小速度可称为“转动装置速度”，这是因为它表示转子由转动装置接合，并且因此旋转以便防止在关闭期间转子的热弯曲的速度。取决于燃气涡轮机引擎的性质，可在典型的全速的大约百分之二十左右停止燃料流量，而转动装置以大约全速的百分之一接合。然而，此逐渐降低燃料的流量与转子速度的降低没有直接关系。相反，在关闭期间内转子的速度一般有着大且顽固的变化。转子速率的此变化然后可造成燃料空气比的相当大差别，这是由于实际情况是进气随转子速度变化，而燃料流量不随其变化。此类变化因而可导致烧成温度、瞬间温度梯度、排放、冷却液流量及其它发生相当大的突然变化。关闭行为的变化可对涡轮机间隙且因此对总体涡轮机性能和组件寿命有影响。
因此，希望有通过纠正一个或更多个这些问题，改进电厂关闭的组合循环关闭控制器。优选的是，此类控制器将控制涡轮机转子和有关组件随着时间的过去的减速率，以便最小化不一致的关闭变化，并且由此最小化对引擎系统和组件的负面影响。根据某些实施例，更有效的控制器运转以便优化转子应力和转子速度和转矩的转换速率。关闭控制器也可校正子系统的可变性，使得例如冷却液流和轮间温度保持在优选级别。根据优选实施例，本方法可控制转子和有关组件随着时间的过去的减速率，以便以降低成本、电厂损失和其它负面影响的方式最小化关闭变化。根据已经描述的系统和方法，控制方法可运行，以便影响关闭成本的因素根据操作员定义的准则或成本函数而得以优化。可实现此方面的一种方式是根据现在将相对于图29描述的过程920。如本领域技术人员将明白的，过程920的方面利用本文中已经讨论的主题——具体而言，参照与图3和4有关的讨论，而为简明起见，将概括而不是完全重复主题。
根据一个实施例，本发明的关闭过程和/或组合循环关闭控制器配置为常规回路成形控制器。如随附权利要求中描述的，本发明的控制器可包括无模型自适应控制和基于模型的控制的方面。组合循环关闭控制器可包括目标关闭时间控制器和实际关闭时间控制器，并且可控制电厂关闭即使不是全部也是大部分的方面。控制器可接收诸如排气散布、轮间温度、间隙、喘振裕度、蒸汽和燃气涡轮机转子应力、燃气涡轮机转子减速率、需求、燃料流量、当前电力生成、电网频率、二次烧成、汽包水位等。基于这些输入，如下更详细所述，关闭控制器可计算用于关闭的时间范围（例如，关闭的速率）、转子减速的转换速率、校正的冷却液流量和校正的入口导向叶片轮廓和/或在关闭期间期望的发电机反向扭矩。根据某些实施例，这些输出每个可用于抵消由发电厂传感器之一检测到的可能有害的关闭变化。组合循环关闭控制器可提供PRM/转换速率对时间曲线的轨迹及更适合关闭操作的减速率对当前电力生产曲线，并且两者均可将诸如HRSG、蒸汽涡轮机、锅炉及诸如此类的组合循环系统考虑在内。关闭控制器可控制本文中所述组件，直至实现转动装置速度，由此提供更佳的涡轮机和HRSG可操作性条件，同时也降低组件应力。
图29是示出适合用于关闭诸如关于图3所述发电厂12的组合循环发电厂的过程920的一实施例的流程图。过程920可实现为可由组合循环关闭控制器执行的计算机代码，并且可在接收（步骤921）关闭命令后启动。可例如基于维护事件、燃料改变事件的接收关闭命令。过程920然后可检索（步骤922）电厂组件的当前状态，当前状态可依据本文中已经描述的传感器、系统和/或方法感应、收集、存储和检索。电厂组件的当前状态例如可包括涡轮机转子速度、组件的温度、排气温度、压力、流率、间隙（即，在旋转与固定组件之间的距离）、振动测量及诸如此类。电厂的状态可另外包括当前电力生产和成本数据，如不发电的成本、市场价的电力成本、绿色信用（例如，排放信用）及诸如此类。
在下一步骤，例如通过查询多个系统，包括会计系统、期货交易系统、能源市场系统或其组合，检索（步骤923）成本或损失数据。可另外检索（步骤924）历史数据。历史数据可包括用于系统的性能的日志数据、维护数据、队群范围的历史数据（例如，来自电厂中布置在各种地理位置的其它组件的日志）、检查报告和/或历史成本数据。
过程然后可得出关于与关闭操作有关的电厂关闭退化或损失的算法（步骤925）。此类得出可使用几个输入值确定，例如包括与燃气涡轮机系统、蒸汽涡轮机系统、HRSG单元及用于可存在的任何其它子组件的历史操作数据。根据某些实施例，可开发多种模型或算法，通过其得出组合循环关闭损失。如在与图4有关的讨论中更全面讨论的，此类算法可运行以基于用于选择的操作参数或性能指标的值，如温度、压力、流率、间隙、应力、振动、关闭时间及诸如此类，提供发电厂关闭损失之和。如将领会的，与本文中所述其它实施例一致，可在组合循环发电厂模型中模拟用于组合循环发电厂的备选、提议或竞争关闭模式。也就是说，可开发，调谐和维护组合循环发电厂模型，并且然后将其用于模拟备选或竞争关闭操作模式，以便得出用于某些预定义的性能指标的预测值。用于性能参数的预测值然后可用于根据得出的损失算法计算关闭。
例如，可形成将关闭损失与预测的热应力曲线相关的算法，而考虑到与竞争关闭操作模式之一有关的操作参数，可从用于某些性能参数的预测值确定预测的热应力曲线。根据某些实施例，此类损失可反映竞争关闭操作模式的总体经济结果，并且例如可将热燃气通道组件的退化和/或考虑到关闭模式而消耗的有用零件寿命的百分比及电厂的任何结果性能退化考虑在内，并且可从在关闭的实现时间前关闭的启动计算，关闭的实现时间例如可以是在实现转动装置速度的时间。类似地，可形成损失算法以便确定与以下所述有关的损失：压缩机和涡轮机机械应力、在固定与旋转零件之间的间隙、关闭资料消耗、蒸汽涡轮机转子/定子热应力、锅炉汽包压力梯度等。
过程920然后可得出（步骤926）增强或优化关闭操作模式，这可包括PRM/转换速率对时间曲线和/或特别适合用于组合循环发电厂的关闭的减速率对当前电力生产曲线。例如，优化关闭操作模式可被确定为最适应的一个操作模式，并且将蒸汽涡轮机、HRSG单元、锅炉和/或组合循环电厂的其它组件的操作考虑在内。根据一个实施例，控制器吸收前面提及的输入，并且从中得出在各种PRM/转换时间参数的预期条件，以便得出沿时间轴绘出的最小化应力和/或优化关闭成本的PRM/转换曲线。同样地，减速率对当前电力生产曲线可包括基于轴的减速，更符合需要地（与其它提议的关闭模式相比）改进当前电力生产的燃料流量。根据其它实施例，可定义成本函数，根据其得出和选择其它更优选或优化的关闭操作模式。如将领会的，可得出例如最小化用于燃气涡轮机的应力和/或损失，最小化用于蒸汽涡轮机的应力和/或损失，最小化用于HRSG的应力和/或损失或其组合的情形。取决于如何定义成本函数，可基于诸如用于在关闭期间电力生产的成本、电厂排放、燃料消耗和/或其组合而无限制的准则，确定其它优化关闭操作模式。
组合循环关闭控制器可还包括用于根据优化操作模式，关闭发电厂的控制系统。根据一优选实施例，此控制系统可包括基于物理的建模器或基于模型的控制器，该建模器或控制器然后考虑到优化关闭模式，得出控制解决方案。基于模型的控制器可得出用于控制致动器和控制装置的控制输入和设置，以便组合循环发电厂在关闭期间根据优选或优化关闭操作模式操作。例如，关闭控制器可致动燃料阀以顺应期望的燃料流率，同时也控制燃气涡轮机排气的入口导向叶片以控制到HRSG中的排气流量，同时另外控制蒸汽涡轮机的蒸汽阀门以控制蒸汽涡轮机关闭。通过大约相互同时控制多种组件的控制，用于电厂的关闭可得以改进，并且可顺应期望情形。
虽然结合目前视为最可行的优选实施例描述了本发明，但要理解的是，本发明并不限于公开的实施例，而是要涵盖随附权利要求的精神和范围内包括的各种修改和等效布置。

Claims (10)

1.一种用于由电源块优化在选择的操作期间上的输出电平的生成的方法，其中所述电源块包括用于共同生成所述输出电平的多个燃气涡轮机，所述控制方法包括以下步骤:
接收有关用于所述电源块的每个所述燃气涡轮机的测量的操作参数的当前状态数据；
基于所述当前状态数据，定义用于所述电源块的竞争操作模式，其中每个所述竞争操作模式包括用于所述电源块的独特发电配置；
基于每个所述竞争操作模式的所述发电配置，得出用于有关在所述选择的操作期间上所述电源块的所述操作的性能参数的预测值；
确定成本函数，并且根据所述成本函数，基于所述性能参数的所述预测值，评估所述电源块的所述操作以便确定预计成本；以及
比较来自每个所述竞争操作模式的所述预计成本以便从中选择优化操作模式；
通信地将块控制器链接到所述多个燃气涡轮机中的每个燃气涡轮机处的机械控制装置，以便根据任何一个所述竞争操作模式控制所述多个燃气涡轮机；以及
经所述块控制器致动所述机械控制装置，以便根据所述优化操作模式控制所述多个燃气涡轮机。
2.如权利要求2所述的方法，还包括存储所述当前状态数据以便由所述块控制器的分析组件检索，并且将所述存储的当前状态数据指定为历史状态数据的步骤；
其中：
所述电源块的所述多个燃气涡轮机中的至少多个燃气涡轮机包括相对于所述块控制器的远程位置；以及
所述选择的操作期间包括将来市场期间；以及
所述独特的发电配置包括在所述多个燃气涡轮机之间的电力分担布置，所述电力分担布置包括在所述电源块的所述多个燃气涡轮机之间的所述输出电平的分摊计划表。
3.如权利要求2所述的方法，其中所述测量的操作参数包括用于所述多个燃气涡轮机的每个燃气涡轮机的间隙数据，其中所述间隙数据包括在沿所述燃气涡轮机的热燃气通道定位的旋转与固定组件之间测量的距离；
其中所述当前和所述历史状态数据的所述测量的操作参数包括用于所述多个燃气涡轮机的每个燃气涡轮机的过程输入对过程输出的记录；以及
其中所述块控制器包括含神经网络的无模型自适应控制器，所述无模型自适应控制器配置成将所述记录的所述过程输入与所述过程输出相关。
4.如权利要求2所述的方法，其中所述测量的操作参数包括用于每个所述燃气涡轮机的压缩机的转子速度和喘振裕度，
其中所述当前和所述历史状态数据的所述测量的操作参数包括用于所述多个燃气涡轮机的每个燃气涡轮机的过程输入对过程输出的记录；以及
其中所述块控制器包括含神经网络的无模型自适应控制器，所述无模型自适应控制器配置成将所述记录的所述过程输入与所述过程输出相关。
5.如权利要求2所述的方法，还包括从所述当前状态数据为所述多个燃气涡轮机的每个燃气涡轮机确定退化程度的步骤；
其中所述过程输入包括用于所述燃气涡轮机的多个启动和多个操作时间中的至少一项，并且所述过程输出包括用于所述燃气涡轮机的热耗率中的至少一项；
其中用于所述燃气涡轮机的所述退化程度用于定义所述竞争操作模式，使得被断定为具有较高退化程度的所述燃气涡轮机偏向于接收所述输出电平的较低分摊，并且被断定为具有较低退化程度的所述燃气涡轮机偏向于接收所述输出电平的较高分摊。
6.如权利要求5所述的方法，其中所述退化程度包括间隙阈值和喘振裕度阈值；
其中所述优化操作模式包括发电配置，其中所述多个燃气涡轮机的一个或更多个燃气涡轮机以峰值负荷操作，并且所述多个燃气涡轮机的一个或更多个燃气涡轮机以下调负荷操作，以便实现跨所述电源块的所述燃气涡轮机的更平衡的电力分担；以及
其中所述成本函数包括在所述选择的操作期间跨所述电源块的损失之和；以及其中所述损失包括成本关联的性能退化、消耗的有用零件寿命和燃料消耗。
7.一种用于优化发电资产的队群的控制方法，其中所述发电资产的编组包括操作以便共同生成用于市场的队群输出电平的远程定位的电源块，其中所述队群包括多个可能发电配置，所述方法包括以下步骤：
接收与每个发电资产的操作有关的操作参数的实时和历史测量值，所述操作参数的所述测量值包括过程输入和过程输出；
对于每个所述发电资产，得出在所述过程输入的测量值与所述过程输出的测量值之间的关系表达式；
定义选择的操作期间，所述选择的操作期间表示用于所述队群的预期操作期间；
选择用于所述选择的操作期间的所述队群的竞争操作模式，其中每个竞争操作模式定义所述队群的所述可能发电配置的独特发电配置；
基于用于每个所述竞争操作模式的所述关系表达式和所述发电配置，计算用于在所述选择的操作期间提议的所述队群的所述操作的结果集；
定义成本函数；以及
根据所述成本函数评估每个所述结果集，并且基于其，将所述竞争操作模式中的至少一个指定为优化操作模式；
其中所述优化操作模式包括在用于生成所述队群输出电平的所述队群的所述电源块之间的电力分担推荐；
其中所述关系表达式共同包括队群模型，其中资产模型将用于每个所述发电资产的过程输入与过程输出的测量值相关；
其中，对于每个所述竞争操作模式，计算在所述选择的操作期间提议的所述队群的操作的结果集的步骤包括模拟运行，所述模拟运行包含以下步骤：
定义用于所述竞争操作模式的提议的参数集；
根据所述提议的参数集，通过所述队群模型模拟在所述选择的操作期间内所述队群的所述操作；以及
从所述模拟的输出确定所述结果集；
其中所述电力分担推荐包括在所述电源块之间划分所述队群输出电平的块分摊计划表。
8.如权利要求7所述的方法，其中所述模拟运行由相对于所述电源块中的多个电源块远程定位的公共块控制器执行；
其中所述选择的操作期间被配置以便对应于由市场的管理机构定义的将来市场期间；以及
其中所述电力分担推荐包括资产分摊计划表，所述资产分摊计划表在其内包括的所述发电资产之间划分电源块输出电平；
还包括以下步骤：
经位于每个所述发电资产的传感器，感应所述操作参数的所述实时和所述历史测量值；以及
以电子方式传递来自每个所述发电资产的所述操作参数的所述实时和所述历史测量值，以便在可操作地链接到所述块控制器并且与其接近的公共数据库存储。
9.如权利要求8所述的方法，其中外部发电资产被定义为在所述队群外操作的包括与所述队群内的发电资产之一类似的可能发电配置的发电资产；
还包括以下步骤：
接收与多个所述外部发电资产中的至少一个外部发电资产的操作有关的关于所述操作参数的历史测量值的外部数据；以及
在所述公共数据库存储所述外部数据；以及
基于所述队群的所述发电资产的操作参数的历史测量值以及有关外部发电资产的外部数据来标准化所述队群的所述发电资产的操作参数的实时测量值。
10.如权利要求9所述的方法，其中标准化所述实时测量值的步骤包括基于操作变量的测量值调整性能指标的当前值，以便确定所述性能指标的真实值；
其中所述性能指标包括以下之一：效率和发电容量；
其中所述操作变量包括以下中的至少一个：负荷水平、燃料特性和与环境条件有关的操作参数；以及
其中所述性能指标的所述真实值包括指示由于性能退化造成的损失的值。
CN201610120737.6A 2015-03-03 2016-03-03 用于增强发电厂发电单元的控制的方法和系统 Active CN105939028B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US14/636,802 US9932907B2 (en) 2015-03-03 2015-03-03 Methods and systems for enhancing control of power plant generating units
US14/636802 2015-03-03

Publications (2)

Publication Number Publication Date
CN105939028A true CN105939028A (zh) 2016-09-14
CN105939028B CN105939028B (zh) 2020-11-03

Family

ID=55532138

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610120737.6A Active CN105939028B (zh) 2015-03-03 2016-03-03 用于增强发电厂发电单元的控制的方法和系统

Country Status (4)

Country Link
US (1) US9932907B2 (zh)
EP (1) EP3065008B1 (zh)
JP (1) JP6755673B2 (zh)
CN (1) CN105939028B (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107085371A (zh) * 2017-05-03 2017-08-22 北京国控天成科技有限公司 基于数据驱动的原油蒸馏装置经济模型预测控制方法
CN107313861A (zh) * 2017-08-17 2017-11-03 青岛格莱瑞智能控制技术有限公司 燃气轮机发电机组的鲁棒自适应控制器
CN108694271A (zh) * 2017-03-31 2018-10-23 通用电气公司 燃气涡轮机调配优化系统及方法及非暂态计算机可读介质
CN108923423A (zh) * 2018-07-16 2018-11-30 国家电网有限公司 基于微服务的电力交易仿真方法、装置及系统
CN109857061A (zh) * 2019-01-24 2019-06-07 贵州大学 一种基于热力耦合模型的工件表面残余应力调控方法
CN111682593A (zh) * 2020-05-29 2020-09-18 黑龙江苑博信息技术有限公司 基于神经网络模型状态观测器的火电机组协调优化方法
CN113885607A (zh) * 2021-10-20 2022-01-04 京东城市(北京)数字科技有限公司 一种汽温控制方法、装置、电子设备和计算机存储介质
CN114096924A (zh) * 2019-06-10 2022-02-25 赛峰飞机发动机公司 用于确定双流涡轮发动机的压力比的预测模型的方法
CN116360352A (zh) * 2022-12-02 2023-06-30 山东和信智能科技有限公司 一种发电厂用智能控制方法及系统
WO2024016966A1 (zh) * 2022-07-20 2024-01-25 联合汽车电子有限公司 一种电力电子产品的多层控制系统及方法

Families Citing this family (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9927780B2 (en) * 2015-12-10 2018-03-27 GM Global Technology Operations LLC System and method for adjusting target actuator values of an engine using model predictive control to satisfy emissions and drivability targets and maximize fuel efficiency
US9909481B2 (en) * 2015-12-10 2018-03-06 GM Global Technology Operations LLC System and method for determining target actuator values of an engine using model predictive control while satisfying emissions and drivability targets and maximizing fuel efficiency
US10033316B2 (en) * 2016-09-30 2018-07-24 General Electric Company System and method for model based turbine shaft power predictor
US10280844B2 (en) * 2016-11-17 2019-05-07 General Electric Company Control systems for controlling power systems based on fuel consumption and related program products
JP6998119B2 (ja) 2017-03-29 2022-01-18 三菱重工業株式会社 プラント評価システム、プラント評価方法及びプログラム
KR101893689B1 (ko) * 2017-04-26 2018-08-30 두산중공업 주식회사 가스터빈 시스템 및 제어 방법
US10678194B2 (en) * 2017-06-12 2020-06-09 Honeywell International Inc. Apparatus and method for estimating impacts of operational problems in advanced control operations for industrial control systems
US10789657B2 (en) * 2017-09-18 2020-09-29 Innio Jenbacher Gmbh & Co Og System and method for compressor scheduling
US11194301B2 (en) * 2018-03-16 2021-12-07 Uop Llc System for power recovery from quench and dilution vapor streams
US11181316B2 (en) 2018-05-30 2021-11-23 Lineage Logistics, LLC Thermal control system
WO2020008241A1 (en) * 2018-07-06 2020-01-09 Kaboodvandy Rad Modjtaba Methods and devices to optimize power production and consumption
US11661926B2 (en) 2018-08-21 2023-05-30 Ormat Technologies Inc. System for optimizing and maintaining power plant performance
US11720072B2 (en) * 2018-09-28 2023-08-08 Honeywell International Inc. Plant state operating analysis and control
CN109947076B (zh) * 2019-03-14 2020-06-02 华中科技大学 一种基于贝叶斯信息准则的工业过程故障诊断方法
US20230104214A1 (en) * 2020-04-09 2023-04-06 Tata Consultancy Services Limited Method and system for real time trajectory optimization
CN111927578A (zh) * 2020-06-18 2020-11-13 华电电力科学研究院有限公司 一种配置机力塔的燃机电厂冷端运行优化控制系统及方法
US11530656B2 (en) 2020-08-31 2022-12-20 Garrett Transportation I Inc. Health conscious controller
CN112070628B (zh) * 2020-09-02 2023-07-11 沈阳工程学院 一种计及环境因素的智能电网多目标经济调度方法
US20220069587A1 (en) * 2020-09-02 2022-03-03 General Electric Company Load-sharing with interconnected power generation
JP2022089319A (ja) * 2020-12-04 2022-06-16 三菱重工業株式会社 負荷調整方法、負荷調整装置、及びプログラム
GB2602975A (en) * 2021-01-20 2022-07-27 Jems Energetska Druzba D O O Systems and methods for plant process optimisation
US11056912B1 (en) * 2021-01-25 2021-07-06 PXiSE Energy Solutions, LLC Power system optimization using hierarchical clusters
US11876262B2 (en) 2021-03-05 2024-01-16 Toyota Motor Engineering & Manufacturing North America, Inc. Fuel cell power unbalancing to control degradation and improve performance
US20230089945A1 (en) * 2021-09-23 2023-03-23 Advanced Energy Industries, Inc. Controller design using stability region
CN113738510A (zh) * 2021-09-27 2021-12-03 上海电气燃气轮机有限公司 一种双压无再热联合循环电厂及其性能优化方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120010758A1 (en) * 2010-07-09 2012-01-12 Emerson Process Management Power & Water Solutions, Inc. Optimization system using an iteratively coupled expert engine

Family Cites Families (36)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4227093A (en) * 1973-08-24 1980-10-07 Westinghouse Electric Corp. Systems and method for organizing computer programs for operating a steam turbine with digital computer control
US4117670A (en) * 1976-12-23 1978-10-03 Bell Telephone Laboratories Incorporated Dual slope temperature differential shutdown control for gas turbines
JPS5965507A (ja) * 1982-10-06 1984-04-13 Hitachi Ltd 複合サイクル発電プラントの運転方法
US4638630A (en) * 1984-12-27 1987-01-27 Westinghouse Electric Corp. Cooldown control system for a combined cycle electrical power generation plant
JPS6390606A (ja) * 1986-10-03 1988-04-21 Hitachi Ltd コンバインドプラントのガバナフリ一制御装置
US6278899B1 (en) 1996-05-06 2001-08-21 Pavilion Technologies, Inc. Method for on-line optimization of a plant
US6167547A (en) 1996-06-20 2000-12-26 Ce Nuclear Power Llc Automatic self-test system utilizing multi-sensor, multi-channel redundant monitoring and control circuits
JPH11273254A (ja) 1998-03-20 1999-10-08 Toshiba Corp ディスク記憶装置
JP3764269B2 (ja) 1998-03-20 2006-04-05 株式会社東芝 ディスク記憶装置
US6164057A (en) 1999-03-16 2000-12-26 General Electric Co. Gas turbine generator having reserve capacity controller
JP3614751B2 (ja) * 2000-03-21 2005-01-26 東京電力株式会社 コンバインド発電プラントの熱効率診断方法および装置
EP1217473A1 (en) 2000-12-21 2002-06-26 Abb Research Ltd. Optimizing plant control values of a power plant
US7454270B2 (en) 2003-05-13 2008-11-18 Siemens Power Transmission & Distribution, Inc. Dynamic economic dispatch for the management of a power distribution system
US7288921B2 (en) 2004-06-25 2007-10-30 Emerson Process Management Power & Water Solutions, Inc. Method and apparatus for providing economic analysis of power generation and distribution
US7356383B2 (en) 2005-02-10 2008-04-08 General Electric Company Methods and apparatus for optimizing combined cycle/combined process facilities
US7974826B2 (en) 2005-09-23 2011-07-05 General Electric Company Energy system modeling apparatus and methods
US8396608B2 (en) 2007-09-24 2013-03-12 Budderfly Ventures Llc Computer based energy management
US8140279B2 (en) 2007-09-24 2012-03-20 Budderfly Ventures, Llc Computer based energy management
US7870299B1 (en) 2008-02-06 2011-01-11 Westinghouse Electric Co Llc Advanced logic system
US8504407B2 (en) 2008-02-12 2013-08-06 Justin Sacks Economic impact analysis and supplier interface system
US7805207B2 (en) 2008-03-28 2010-09-28 Mitsubishi Electric Research Laboratories, Inc. Method and apparatus for adaptive parallel proportional-integral-derivative controller
US8126629B2 (en) 2008-04-25 2012-02-28 General Electric Company Method and system for operating gas turbine engine systems
US8352148B2 (en) 2008-05-21 2013-01-08 General Electric Company System for controlling input profiles of combined cycle power generation system
JP5550645B2 (ja) 2008-06-26 2014-07-16 アルストム テクノロジー リミテッド シングルサイクルまたはコンバインドサイクルガスタービン発電プラントの最大発電容量を推定する方法、指定された予備電力を制御する方法、および同方法とともに使用される発電システム
US8080887B2 (en) 2008-09-19 2011-12-20 Brad Radl Closed loop control of hydrogen cooling of an electric power generator
US8510013B2 (en) * 2009-05-04 2013-08-13 General Electric Company Gas turbine shutdown
US8255066B2 (en) 2009-05-18 2012-08-28 Imb Controls Inc. Method and apparatus for tuning a PID controller
US8135568B2 (en) 2010-06-25 2012-03-13 General Electric Company Turbomachine airfoil life management system and method
US8538593B2 (en) 2010-07-02 2013-09-17 Alstom Grid Inc. Method for integrating individual load forecasts into a composite load forecast to present a comprehensive synchronized and harmonized load forecast
US8639480B2 (en) 2010-09-20 2014-01-28 General Electric Company Methods and systems for modeling turbine operation
US8816531B2 (en) 2011-01-27 2014-08-26 General Electric Company Systems, methods, and apparatus for integrated volt/VAR control in power distribution networks
US8381507B2 (en) * 2011-05-09 2013-02-26 General Electric Company Systems and methods for optimized gas turbine shutdown
US9348325B2 (en) 2012-01-30 2016-05-24 Johnson Controls Technology Company Systems and methods for detecting a control loop interaction
US9002530B2 (en) 2012-04-23 2015-04-07 General Electric Company Power plant operation enhancement
US20140150438A1 (en) 2012-11-30 2014-06-05 General Electric Company System and method for operating a gas turbine in a turndown mode
US8797199B1 (en) 2013-05-16 2014-08-05 Amazon Technologies, Inc. Continuous adaptive digital to analog control

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120010758A1 (en) * 2010-07-09 2012-01-12 Emerson Process Management Power & Water Solutions, Inc. Optimization system using an iteratively coupled expert engine

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108694271A (zh) * 2017-03-31 2018-10-23 通用电气公司 燃气涡轮机调配优化系统及方法及非暂态计算机可读介质
CN108694271B (zh) * 2017-03-31 2023-09-29 通用电气公司 燃气涡轮机调配优化系统及方法及非暂态计算机可读介质
CN107085371A (zh) * 2017-05-03 2017-08-22 北京国控天成科技有限公司 基于数据驱动的原油蒸馏装置经济模型预测控制方法
CN107313861A (zh) * 2017-08-17 2017-11-03 青岛格莱瑞智能控制技术有限公司 燃气轮机发电机组的鲁棒自适应控制器
CN108923423A (zh) * 2018-07-16 2018-11-30 国家电网有限公司 基于微服务的电力交易仿真方法、装置及系统
CN109857061B (zh) * 2019-01-24 2022-05-17 贵州大学 一种基于热力耦合模型的工件表面残余应力调控方法
CN109857061A (zh) * 2019-01-24 2019-06-07 贵州大学 一种基于热力耦合模型的工件表面残余应力调控方法
CN114096924A (zh) * 2019-06-10 2022-02-25 赛峰飞机发动机公司 用于确定双流涡轮发动机的压力比的预测模型的方法
CN111682593B (zh) * 2020-05-29 2023-04-18 黑龙江苑博信息技术有限公司 基于神经网络模型状态观测器的火电机组协调优化方法
CN111682593A (zh) * 2020-05-29 2020-09-18 黑龙江苑博信息技术有限公司 基于神经网络模型状态观测器的火电机组协调优化方法
CN113885607A (zh) * 2021-10-20 2022-01-04 京东城市(北京)数字科技有限公司 一种汽温控制方法、装置、电子设备和计算机存储介质
WO2024016966A1 (zh) * 2022-07-20 2024-01-25 联合汽车电子有限公司 一种电力电子产品的多层控制系统及方法
CN116360352A (zh) * 2022-12-02 2023-06-30 山东和信智能科技有限公司 一种发电厂用智能控制方法及系统
CN116360352B (zh) * 2022-12-02 2024-04-02 山东和信智能科技有限公司 一种发电厂用智能控制方法及系统

Also Published As

Publication number Publication date
US20160258363A1 (en) 2016-09-08
US9932907B2 (en) 2018-04-03
EP3065008A1 (en) 2016-09-07
JP2016173103A (ja) 2016-09-29
EP3065008B1 (en) 2021-03-03
CN105939028B (zh) 2020-11-03
JP6755673B2 (ja) 2020-09-16

Similar Documents

Publication Publication Date Title
CN105939028A (zh) 用于增强发电厂发电单元的控制的方法和系统
JP6774180B2 (ja) 発電プラント発電ユニットの制御を強化するための方法およびシステム
JP6789609B2 (ja) 発電所発電ユニットの制御を高度化するための方法およびシステム
US10534328B2 (en) Methods and systems for enhancing control of power plant generating units
US10287988B2 (en) Methods and systems for enhancing operation of power plant generating units and systems
JP6679281B2 (ja) 発電プラント発電ユニットの制御を強化するための方法およびシステム
US9926852B2 (en) Methods and systems for enhancing control of power plant generating units
US9960598B2 (en) Methods and systems for enhancing control of power plant generating units
US9957843B2 (en) Methods and systems for enhancing control of power plant generating units
JP6816949B2 (ja) 発電プラント発電ユニットの制御を強化するための方法
CN103809438B (zh) 用于基于模型的控制和优化的安全模型
US20160147204A1 (en) Methods and systems for enhancing control of power plant generating units
Pallonetto et al. Forecast electricity demand in commercial building with machine learning models to enable demand response programs
US10620598B2 (en) Methods and systems for controlling generating units and power plants for improved performance
US20060089730A1 (en) Method and system for calculating marginal cost curves using plant control models
Weidlich Engineering interrelated electricity markets: an agent-based computational approach
Wolak Transmission planning and operation in the wholesale market regime
Banitalebi Probabilistic forecasts of day-ahead electricity prices in a highly volatile electricity market
Sanayha Deep reinforcement learning for electricity energy trading
Jindal et al. Deep learning-based heat optimization techniques for forecasting indoor temperature changes
Alabi Ayotomiwa et al. De-risking Investment in Power Projects

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20231229

Address after: Swiss Baden

Patentee after: GENERAL ELECTRIC CO. LTD.

Address before: New York, United States

Patentee before: General Electric Co.

TR01 Transfer of patent right