CN107862463B - 用于调度电厂的负载的方法和控制系统 - Google Patents

用于调度电厂的负载的方法和控制系统 Download PDF

Info

Publication number
CN107862463B
CN107862463B CN201711156918.5A CN201711156918A CN107862463B CN 107862463 B CN107862463 B CN 107862463B CN 201711156918 A CN201711156918 A CN 201711156918A CN 107862463 B CN107862463 B CN 107862463B
Authority
CN
China
Prior art keywords
components
power generation
maintenance
generation units
plant
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.)
Active
Application number
CN201711156918.5A
Other languages
English (en)
Other versions
CN107862463A (zh
Inventor
G.塞瓦拉
S.K.森达拉
M.K.香穆甘
S.布哈特
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.)
ABB Schweiz AG
Original Assignee
ABB Schweiz AG
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 ABB Schweiz AG filed Critical ABB Schweiz AG
Publication of CN107862463A publication Critical patent/CN107862463A/zh
Application granted granted Critical
Publication of CN107862463B publication Critical patent/CN107862463B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • 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
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
    • 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
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Tourism & Hospitality (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Public Health (AREA)
  • Water Supply & Treatment (AREA)
  • Automation & Control Theory (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Feedback Control In General (AREA)

Abstract

本发明涉及用于优化具有一个或多个发电单元的电厂的负载调度的方法。该方法包括如下步骤：鉴于与发电单元的一个或多个组件相关联的一个或多个风险指数分析发电单元的一个或多个组件的操作状态；更新反映发电单元的一个或多个组件状态的目标函数；求解目标函数以优化一个或多个发电单元的调度和发电单元的一个或多个组件的操作状态；以及以优化的调度和操作状态操作一个或多个发电单元。本发明还涉及用于调度具有一个或多个发电单元的电厂的负载的控制系统。控制系统包括具有用于优化包含维护调度的负载调度并用于最优地控制一个或多个发电单元的过程的单个目标函数的优化器。优化器将厂模型组件和故障模型组件用于负载调度优化。

Description

用于调度电厂的负载的方法和控制系统
技术领域
本公开涉及电厂中的调度领域。更具体地说，本公开涉及调度电厂的负载。
背景技术
优化是控制过程的技术，以便在没有违反过程的约束的情况下优化规定的参数集合。常规上，执行电厂中的优化过程，以对于发电提高效率、降低可能排放、减小成本并最大化系统可用性。在电厂中存在可独立优化的多个系统，以得到更好性能，例如升级电厂中设备的特定组件可导致燃料消耗更少。还有，可通过优化对电厂的总体效率起作用的一个或多个因子，优化电厂的总体操作。
通常，期望优化电厂中的负载调度以最小化操作成本。对于优化负载调度存在各种常规技术。例如，可基于负载需求优化负载调度，即，以满足负载需求的方式调度电厂。作为另一个示例，还可优化负载调度以满足预定维护调度。
人们可容易看到，负载调度的操作都具有成本含义，并且与负载调度相关联的成本称为“负载调度成本”。可根据设备的资金成本、燃料成本、化学成本、备用设备和部件的成本和维护成本确定负载调度成本。除了资金成本和燃料成本外，维护成本也被视为电厂的重大花费，并且维护调度的偏移可使负载调度成本发生重大改变。
设备的维护调度可基于规则间隔、过去的时间或运行时间仪表读数。因此，经常期望适合于维护调度的任何未预见偏移或预先计划的偏移以使成本最小化。此外，电厂的总体操作成本还由于维护调度的偏移而改变。维护调度基于由电厂组件的调度维护引起的停机时间和由于突然故障和修复活动的未计划的关机或强制关机。期望具有计划且调度的维护并避免未计划的维护。因此，如制造商所推荐的，或者基于操作者过去的经验，维护活动被周期性地调度，并且尽可能频繁。
延迟计划的维护调度可增加未计划的维护和相关联的成本。提前维护调度可影响不必要的维护活动和维护成本。要注意，存在用于调度生产以及维护的多个调度工具，但这经常不是基于考虑下的操作或组件的实际操作条件和状态。
一般而言，以电子表示的形式，对应维护触发通知电厂组件所需的维护动作，其作为此类调度工具的输入。按照维护触发，这些工具将发现用于维护动作的调度连同在该时间周期的的生产调度。在这种调度方法中，所用的优化技术仅基于成本考虑，并不包含组件的实际操作条件和状态。
随着高级控制系统的出现，并且随着这种控制系统可用的计算能力的增加，更多特征被包含用于优化。在控制系统中，可用已经与控制系统集成的优化模块或组件执行优化，或可单独地基于可从工厂得到的信息执行优化。然而，常见的是，发现前一手段，即已经将优化模块嵌入在控制系统中。在大多数情况下，优化模块利用基于统计或物理的模型方法(第一原理模型)评估最优设置。也可实施其它方法，诸如基于神经网络或句法的方法。
在负载调度操作的情况下，优化的输出值是到控制电厂的控制器的各种设置点。所提供的设置点使得电厂在总体意义上运行以满足要求(示例负载需求、操作成本、效率、安全性和管理要求、维护要求等)。
如早先提到的，在大多数情况下，优化根据基于统计或第一原理模型的方法。在这种方法中，实质上，存在至少一个数学表达式，其将电厂的属性描述为电厂的测量或估计参数的函数。电厂属性的一些示例是发电机功率输出、锅炉蒸汽发生、燃料利用、维护调度、电厂中具体单元的年龄或寿命期望等。通常所用的数学模型涉及电厂中各个单元的性能或用于电厂的总体协调运作。在大多数情况下，性能包含成本函数，或者这些可由优化问题的适当公式导出。
在维护活动的影响和负载调度的特定方面，将认识到，通常找到为维护指定的预先定义调度，不过实际上维护活动可以是作为电厂中一个或多个组件故障的结果执行的未预见的活动。因为电厂不能够服务的成本非常高，因此使电厂的设计得具有充分的冗余度和裕度以承受任何不常见的负载或情形。此外，存在关于电厂呈现的、有关电厂维护或服务活动的足够的一般知识或历史，本领域技术人员将认识到，什么种类的负载或情形有可能引起什么组件的故障以及相关联的成本和作为维护活动结果的停机。这个知识可有效地用于调度电厂的负载，并且包含考虑电厂状态的维护活动的调度。
鉴于前文讨论，存在对于用于调度电厂负载并开发控制系统中存在的优化模块以便也照顾维护调度的有效技术的需要。
发明内容
从而，本发明提供了用于优化具有一个或多个发电单元的电厂的负载调度的方法。所述方法包括如下步骤：i)分析具有与发电单元的一个或多个组件相关联的一个或多个风险指数的发电单元的一个或多个组件的操作状态；ii)更新反映发电单元的一个或多个组件的状态的目标函数；iii)求解目标函数以优化一个或多个发电单元的调度和发电单元的一个或多个组件的操作状态；以及iv)以优化的调度和操作状态操作所述一个或多个发电单元。
根据该方法的一个方面，分析步骤包含能力评估和预测时域（predictionhorizon）上的操作成本评估。本文提到的优化负载调度包含一个或多个发电单元的生产调度、维护调度或加负载或其组合。该方法还包含优化一个或多个发电单元的一个或多个组件的风险指数。通过适当地改变操控的变量完成优化风险指数。
根据另外方面，该方法包含推迟或提前一个或多个发电单元的一个或多个组件的维护的维护触发，这基于组件的状态或负载需求。本发明中提到的目标函数包含所述一个或多个发电单元的所述一个或多个组件的过程控制的至少一项以及与所述一个或多个发电单元的所述一个或多个组件的维护相关联的至少一项。更新步骤包含用与推迟或提前一个或多个发电单元的一个或多个组件的维护相关联的成本更新所述目标函数。
从而，本发明还提供了用于调度具有一个或多个发电单元的电厂的负载的控制系统。控制系统包括优化器，优化器具有用于优化包含维护调度的负载调度并用于最优地控制一个或多个发电单元的过程的单个目标函数。优化器利用厂模型组件和故障模型组件进行负载调度优化。
根据系统的另外方面，优化器包括：调度器分析器，用于分析具有与发电单元的一个或多个组件相关联的一个或多个风险指数的发电单元的一个或多个组件的操作状态。优化器能够基于以下各项调度通过维护触发实现的维护：与一个或多个发电单元的一个或多个组件相关联的风险指数或需求预报或者通过新操控变量影响的操作状态的改进或预先调度的维护或其组合。
附图说明
图1是根据其可实现各种示范实施例的用于调度电厂负载的系统的框图；
图2是根据一个实施例用于调度电厂负载的优化器的框图；
图3是根据一个实施例的简化通用化石点火电厂(FFPP)的框图；
图4示出了示范需求预报曲线。
图5例证了根据一个实施例用于调度电厂负载的方法。
具体实施方式
将观察到，在图中已经通过常规符号表示了方法步骤和系统组件，仅示出了对于理解本公开有重大意义的特定细节。另外，可能未公开对本领域技术人员可容易理解的细节。
本公开的示范实施例提供了用于调度电厂负载的方法和系统。
正常情况下，在从数天改变到数周的时间周期/预测时域调度电厂以产生电力，称为短期负载调度。基于电力/蒸汽需求、电厂组件的可用性和来自生产的净收入进行电厂的生产调度。如所说的，优化器使用不同成本因子，包含不满足需求的惩罚、电力销售的收入、燃料消耗、减排、组件折旧、组件的起动和关闭以最优地给电厂加负载。除了这些成本因子，优化器还使用鉴于风险指数考虑每个组件的状态的情况下评估的与每个组件的维护调度相关联的成本，来找到最优生产、维护调度和操作条件，并实现最大化收入和效率，风险指数也称为相对于其标称运作和寿命预期提到的风险指数和EOH(等效操作小时)补偿。
根据第一方面，用于通过优化器调度电厂负载的方法包含接收一个或多个输入，所述一个或多个输入与电厂的多个构成部分相关联。该方法包含响应于一个或多个输入计算电厂的至少一个构成部分的风险指数。该方法包含基于风险指数确定负载，该负载与电厂的输出功率相关联。该方法包含基于负载操作电厂。
图1是根据其可实现各种示范实施例的用于调度电厂负载的系统的框图。系统包含优化器105、预报模块125、用户输入模块130、电厂数据库135、电厂控制器140和电厂145。
优化器105包含模型组件110、故障模型组件120和EOH补偿模型组件115。优化器105从预报模块125、用户输入模块130、电厂控制器140并从电厂数据库135接收一个或多个输入。
系统包含预报模块125以为电厂145提供在某时间周期上的负载预报。对于负载的需求保持浮动，并因此存在对于预报负载需求的需要。预报模块125可使用用户输入数据提供预报信息，或具有基于统计模型或其它技术的专用预报模型。可基于预报的负载需求选择一个或多个发电机用于操作。而且，通过基于负载需求关掉发电机，可最小化电厂145的操作成本。预报的负载需求还作为输入发送到优化器105以便调度电厂145的负载。
除了上述的之外，预报模块125还用于为电厂145的一个或多个构成部分提供预定维护调度。电厂145的一个或多个构成部分的预定维护调度、维护类型和维护调度的周期/周期性基于操作者的经验或组件制造商推荐。某时间周期上的预定维护调度还作为输入发送到优化器105以便调度电厂145的一个或多个构成部分的维护。
系统包含用户输入模块130，用于将多个用户输入接收到优化器105。多个用户输入包含但不限于燃料成本、排放惩罚、设备寿命成本和备用单元操作成本。用户输入还作为输入发送到优化器105。
电厂145包含多个单元。与电厂145的多个单元以及它们的操作条件相关的信息被存储在电厂数据库135中。电厂145的多个单元的操作历史、当前状态、制造细节和维护调度也存储在电厂数据库135中。与电厂145的多个单元相关的信息还作为输入通过电厂控制器140发送到优化器105，以便调度电厂145的负载。
系统包含电厂145。电厂145接收负载和通过电厂控制器140确定的维护调度，并基于由优化器105确定的负载操作电厂145。
图2是根据一个实施例用于调度电厂145的负载的优化器105的框图。优化器105包含电厂模型组件110、调度分析器113和优化求解器模块118。本文提到的调度分析器113包括EOH补偿模型115和故障模型组件120。调度分析器113通过各种电厂参数(例如测量的变量、电厂数据库)分析求解目标函数所需的因子，所述目标函数提供一个或多个发电单元的一个或多个组件的负载调度(生产/维护调度)和负载值(设置点)。总起来说，调度分析器被说成分析操作状态(具体发电单元的能力评估以相对于过程和成本有效性有效地执行其功能)。这里，能力评估包含风险评估、需求评估，并基于风险评估和需求评估，还评估对于维护的需要，包含对于维护的调度建议。另外，本文上面提到的成本方面涉及包含维护成本的操作成本。
由一个或多个单元处理的负载调度问题的多个操控值可作为输入馈送到电厂模型组件110和故障模型组件120。电厂模型组件110和故障模型组件120还通过电厂控制器140从电厂145、从电厂数据库135、预报模块125和用户输入模型130接收一个或多个输入。
优化器组件105具有优化求解器模块118，并且求解器模块118用于通过响应于接收到一个或多个输入最小化电厂145的目标/估计函数来找到电厂145的最优负载调度。要由优化器105的优化模块118最小化的目标/估计函数包含不满足需求的惩罚成本、由于燃料消耗引起的操作成本、起动成本、关机成本、老化成本、排放成本和维护成本。优化求解器模块118使用众所周知的最大-最小优化技术找到电厂145的最优负载和维护调度。在最小化目标/估计函数的迭代过程期间，优化器组件105的优化模块118使用电厂145的一个或多个构成部分的模型组件110和故障模型组件120。这个优化过程继续，直到优化模块找到最优负载调度为止，对于最优负载调度，目标函数值是最小化的。
故障模型组件120接收来自电厂数据库135的输入和操控值(数据库具有与故障模型组件计算所需的电厂参数相关的目前值和历史信息)。故障模型组件120然后基于从电厂数据库135接收的一个或多个输入和操控值计算电厂145的至少一个构成部分的风险指数。电厂的一个多个构成部分的风险指数值然后从故障模型组件120传到EOH补偿模型115。EOH补偿模型115具有与电厂145的一个或多个构成部分的每个风险指数值相关联的成本因子。优化器105基于与计算的风险指数值相关联的成本因子确定负载和维护调度，并操作电厂145(给电厂加负载)以便以最佳可能方式满足需求。
图3是由包含优化器105的控制系统控制的简化通用化石点火电厂(FFPP)145的框图表示，优化器105计算用于操作电厂的最优解。FFPP包括并行运行的三个FFPP单元150、155、160。每个FFPP单元具有三个主要设备，即，锅炉(B)165、与发电机(G)175以机械方式耦合的蒸汽涡轮机(ST)170。在操作下，一般称为操控变量u1、u2和u3的蒸汽负载被应用于相应锅炉以生成蒸汽形式的输出，表示为y11、y21、y31，其被提供给与用于发电的发电机组合的蒸汽涡轮机。来自发电机的电力输出表示为y12、y22、y32。
控制系统140用于监视和控制电厂145的不同操作参数以确保在最优条件操作电厂。对于电厂的最优运行，如早先说明的，其中一个关键方面是不同FFPP单元之间的最优负载调度，并在优化器105完成对优化解的计算。
在示范实施例中，负载调度优化问题的目标是在不同的约束下通过在三个FFPP单元之间调度负载来满足电力需求，不同的约束诸如是燃料成本、起动成本、运行成本、排放成本和寿命成本的最小化。优化器105从电厂接收输入，并将优化技术用于最优负载调度。基于最优解，控制系统140向电厂145中的不同致动器发送命令以控制过程参数。
用于优化的目标函数如下：
Figure DEST_PATH_IMAGE001
。
Figure DEST_PATH_IMAGE002
是在称为预测时域的时间周期上不满足电力需求的惩罚函数。
Figure DEST_PATH_IMAGE003
。
其中，
Figure DEST_PATH_IMAGE004
是适当的权重系数，并且
Figure DEST_PATH_IMAGE005
，
Figure DEST_PATH_IMAGE006
是预测时域
Figure DEST_PATH_IMAGE007
内的负载需求的预报，
Figure DEST_PATH_IMAGE008
是由所有“n”个单元生成的电力。参考图3，n=3。
Figure DEST_PATH_IMAGE009
是在FFPP的模型中由输出y11、y21、y31表示的燃料消耗的成本，并且由此燃料消耗的总成本由下式给出：
Figure DEST_PATH_IMAGE010
。
Figure DEST_PATH_IMAGE011
是在减小由电厂产生的污染物排放(NOx,SOx,COx)中涉及的成本，并且由下式给出：
Figure DEST_PATH_IMAGE012
。
其中
Figure DEST_PATH_IMAGE013
表示正权重系数，并且
Figure DEST_PATH_IMAGE014
表示负载与排放产生之间的非线性函数关系。
Figure DEST_PATH_IMAGE015
是用于起动/关掉电厂的一个或多个构成部分的成本函数，并且由下式给出：
Figure DEST_PATH_IMAGE016
。
其中
Figure DEST_PATH_IMAGE017
表示正权重系数，
Figure DEST_PATH_IMAGE018
是这些单元的整数型状态(开/关)。
Figure DEST_PATH_IMAGE019
描述由于加负载效应引起的资产折旧，并且定义为：
Figure DEST_PATH_IMAGE020
。
其中每个组件的折旧成本计算为：
Figure DEST_PATH_IMAGE021
。
其中
Figure DEST_PATH_IMAGE022
和
Figure DEST_PATH_IMAGE023
分别是电厂的每个组件上的负载、基本负载。
Figure DEST_PATH_IMAGE024
是电厂的特定组件的按EOH的成本，并且
Figure DEST_PATH_IMAGE025
是采样时间。
Figure DEST_PATH_IMAGE026
，电厂的一个或多个组件的维护成本定义为如下：
Figure DEST_PATH_IMAGE027
。
其中
Figure DEST_PATH_IMAGE028
是电厂的不同组件的固定维护成本（fixed maintenance costs）之和。
Figure DEST_PATH_IMAGE029
是由于预定维护调度的偏移引起的电厂组件的折旧成本。它定义为如下：
Figure DEST_PATH_IMAGE030
。
其中
Figure DEST_PATH_IMAGE031
，并且
Figure DEST_PATH_IMAGE032
是维护调度相比预定调度的偏移。
Figure DEST_PATH_IMAGE033
是对应于由故障模型提供的风险指数值的补偿成本。
Figure DEST_PATH_IMAGE034
是由电能销售获得的收入项。
Figure DEST_PATH_IMAGE035
。
其中
Figure DEST_PATH_IMAGE036
是用于销售的电能的成本系数。
电厂的目标是最大化收入并最小化维护和惩罚成本。这直接取决于有效生产(生产调度)的时间，并与当生产停止或者不到其全容量时的维护时间(维护调度)成反关系（inversely）。
在所提出的公式中，包含维护的电厂活动的操作基于实际操作条件，并且还能够影响生产调度和维护活动的操作条件。由此基于操作条件使用故障模型组件和EOH补偿模型组件确定电厂的一个或多个构成部分的维护成本。
故障模型组件或者基于第一原理模型(老化模型)或是基于有关操作条件参数的统计分布的概率模型(基于历史/经验数据，在定义的操作条件下的期望寿命。示例-对于电气老化是电应力值和操作时间)。故障模型组件包含使用FMEA技术对于不同操作条件对故障的严重性、发生和检测的度量。这些度量鉴于从电厂的状态导出的得分(例如得分在0-10之间)，也鉴于从操控变量导出的得分或来自电厂数据库的数据分类或编码。严重性度量是生产调度将受故障影响严重程度的估计。在一个实施例中，严重性定义成取决于多个因子，并且其中每一个因子都可通过与其中每一个因子相关联的适当权重函数来求和与缩放。提供因子的一些示例以便获得严重性的度量。这些是：
a)相对于维护的操作时间，即，如果正在为其编码严重性信息的单元内的组件已经到维护的时间了，则认为严重性高。如果它正接近对于维护预定义或分派的调度，则严重性度量为中等，并且如果它是刚经过维护的，则为低。(高、中等和低可具有与它相关联的对应数值得分)。自动地根据从电厂数据库获得与组件相关联的历史信息对这个因子编码；
b)由于故障引起的对停机时间的影响，可再次基于在电厂数据库中可用的服务历史或基于与组件相关联的技术人员的判断在与组件相关联的关键的基础上对这个因子进行编码。如果没有影响，即，单元的运作不会以任何方式由于任何原因受组件故障的影响，包括存在改进可靠性的备用组件，得分可取作低，并且根据与单元相关联的影响，变得不可用于生产，判断得分为高或中等。影响是与每个组件相关联的预定义函数；
c)还可基于电厂中各种可服务/可替换组件的替换的相对成本对与电厂组件相关联的替换的成本编码；
d)还可基于处理维护活动所需的专业知识或/和基于维护活动中涉及的错综复杂性对电厂单元中的各种组件的故障和修复的复杂性编码。
在另一个实施例中，可从电厂中各种组件的操作区域的分类中导出严重性的因子。这里，风险指数值的计算基于来自操作区域的优先级、它们的初始条件和与电厂的每个组件的MV相关联的折旧率。
定义与操控变量相关联的电厂的一个或多个构成部分的三个不同操作区域。电厂的一个或多个构成部分的操作区域包含可恢复区域、可替换区域和毁坏区域。可恢复区域被定义为通过适当调整单元的操作条件，单元条件可以不引起重大损耗或导致具体单元的服务丢失的任何突然故障的方式得以保持的区域。这个区域被说成具有低风险指数值。可替换区域定义中等风险，并表示如下条件，其中单元或单元中的主要组件正在接近对于其正常运作由制造商所规定的或基于的历史信息(经验)所推荐的其推荐的维护周期，并且在故障时可能产生损失，不过从成本角度看可通过服务上的小破坏或导致在短时间内执行的替换活动的故障管理或可通过备用单元的激活管理。毁坏区域定义高风险值，其中它不再有可能通过延迟维护活动具有任何益处，即引起的任何故障对生产调度或维护成本都具有巨大影响。操作区域信息是由电厂工程师按组件以及服务的设计或规范适当设计的值或在电厂数据库中可用的其它历史信息。在故障模型组件中将风险等级编码到严重性度量中。
重申，可根据组件的角色/重要性适当地将对组件的严重性评级起作用的各种因子进行求和和缩放，并且各种组件又被求和和缩放以表示电厂单元。
发生数据（Occurrence data）与诸如电厂单元中的具体组件的故障概率等因子相关联。故障概率还涉及电厂组件的操作条件/状态(例如基于累积的应力等级和这些应力的累积时间的电厂单元中每个主要组件的故障概率)。对于各种组件，概率值也被编码为低、中等和高，被求和和缩放以表示电力单元。根据处于风险(中等或高概率值)的组件，可通过优化器如此调整操控变量以最小化使组件发生故障的风险。可使用的另一个因子是失效发生的频率。如果组件倾向于发生故障，则该因子可编码为“高”，指示高风险。
检测用于反映检测到在电厂单元中的操作中导致组件故障的缺陷的生长的容易程度。当使良好检测机制就位以便监视控制系统中的缺陷时，该值可被编码为“低”，指示与该组件相关联的低风险。对于突然出现或具有多个模式或未被监视(直接或间接)的缺陷，该值可为高。要认识到，被监视或能够被监视的缺陷或故障模式具有低风险，这是因为基于故障模式和失效树（fault tree）的知识，这些缺陷可通过调整操作条件得到控制(通过操控变量控制)。对于其中缺陷不可观测或者存在推断或估计的手段的组件，风险可视为“中等”。
故障模型组件计算对应于每个电厂单元/组件的操作状态(从电厂数据库、操控变量(MV)或测量变量导出)的风险指数。电厂的一个或多个构成部分的风险指数值被考虑用于调度维护，并使得分(风险指数值)进一步分类如下：
较低风险指数：不需要维护调度。如果基于成本发现合理，或如果易于发生故障的组件具有可容易替换而对电厂没有影响或具有最小影响的性质，则可允许维护调度推迟。也就是说，该风险指数不影响电厂的操作。
中等风险指数：如果在不久的将来(在预测时域内)预料到这种调度，或者如果预计风险指数值在预测时域中变得更低，则当电厂组件空闲或未调度用于生产调度时，维护调度可被延迟并且可被接纳（accommodated）。然而，推荐操作条件的改变以降低风险等级，或将风险至少保持在可管理极限内。例如，电厂可在缩减应力条件下(未过载或操作在全容量以下)操作。还可进行操作条件的改变以便将风险值从中等降到低，即，使电厂/电厂组件处于风险恢复。
较高风险指数：维护调度是强制性的。立即或立刻调度用于维护。这里，处于风险的组件有可能马上出故障，并且将严重地影响电厂的操作或大大影响停机时间。
从这个系统，基于系统条件，并在计算总体益处(成本函数)（考虑在预测时域上的负载需求预报）的情况下调度维护，即，系统的优化决定了何时适用于维护。这参考风险指数(指示系统的实际条件)和操作/维护/惩罚成本。如果发现高风险，则提供操控变量的新集合，原因在于，优化器尝试降低风险指数，相关联的EOH补偿和其它成本(老化、维护)变得高了。
故障模型组件120为电厂145的一个多个构成部分计算的风险指数值被传到EOH补偿模型115。EOH补偿模型115提供了与电厂145的一个或多个构成部分的每个风险指数值分类(高/中等/低)相关联的对应EOH补偿成本因子。EOH补偿模型基于电厂每个组件的查找表(例如表1)，查找表定义EOH补偿值以及对应于每个风险指数值分类的按照EOH的成本。
作为一个示例，对于电厂中的锅炉组件例证了EOH补偿模型的使用。考虑下表以表示风险指数值以及相关联的EOH补偿。与风险指数相关联的成本因子计算为：
Figure DEST_PATH_IMAGE037
表1：用于EOH补偿的编码
风险指数范围 风险分类 EOH补偿
(0-0.4) 低风险 5
(0.4-0.7) 中等风险 10
(0.7-1.0) 高风险 50
例如，如果以0.8的高风险值操作电厂的锅炉并且
Figure DEST_PATH_IMAGE038
(比方说)，则相关联的成本因子计算为
Figure DEST_PATH_IMAGE039
。这个成本因子将被添加到目标函数J中。在最小化目标函数(J)的过程中，优化器组件尝试通过调度电厂中此类组件的维护活动来避免与高风险指数值相关联的此类成本因子。
在查找电厂的最优负载调度时，优化器总是尝试在不太严重的条件/可恢复区域内操作单元。如果单元落在可替换区域下，则优化器尝试降低操控变量值以便将风险值从中等降到低。类似地，在任何情况下，如果任何单元落在毁坏区域下，如果在不久的将来未预见降低风险等级的话，则优化器将尝试调度对应单元的维护。调度分析器使用电厂模型来帮助仿真预测时域中的电厂条件以发现是否预计风险在预测时域内下降。
另外，从电厂操作历史导出定义的操作区域的初始起动点，即，与累积的应力以及这些应力的应用时间相关的服务信息。
电厂设备的折旧/老化与电厂的操作条件紧密关联。如所说的，操控变量与故障概率值(适当编码以获得故障模型中的发生得分)相关，且也在折旧率的计算中。例如，如果给设备加的负载重，则折旧率增大。参考严重性评级，折旧率值也改变了。预定维护调度的延迟可导致折旧率和相关联的成本因子增大。但同时，如果通过以实现延迟维护的这种方式设置操控变量，通过从这种设置的时间管理折旧率直到预定维护调度之后的时段，存在任何有用折中，则优化器有可能以操控变量的这种设置操作电厂。在这种情况下，维护调度可被延迟，并且这些单元可被调度用于用由优化器为总体益处所推荐的负载来生产。
在一个实施例中，基于风险等级和负载预报调度维护活动，如在查找表(表2)中所定义的。列负载预报具有相对编码信息，其中当其它单元容易满足负载要求时，基于预报的负载要求被分类为“低”。当其它单元在低损耗下满足负载要求时，通过保持在标称等级或通过将单元的输出略微增大到标称等级以外，则负载预报值为“中等”。当讨论中的单元没有参与维护的情况下就不能满足负载要求时(惩罚值为高)，负载预报值为“高”。
作为初始条件，电厂的一个或多个构成部分的预定维护调度(比方说，在每个周期Tm之后，不得不调度电厂的具体组件的维护)从预报模块获得，并由优化器用作调度维护活动的初始条件。在任何时间t，下一次维护的时间是
Figure DEST_PATH_IMAGE040
。
系统将基于能力评估、操作成本评估和维护调度的偏移在预测时域中优化负载调度。风险等级和EOH补偿被考虑。如果在时间(Tm-t)，对于生产调度，风险指数值是可接受的，则该单元被调度用于生产。在风险等级使得它建议要调度维护的情况下，则系统通过适当改变操控变量来创建预计其中改进风险等级的条件，为改进进行测试。系统还可采用仿真作为一种手段用于使用电厂模型组件为改进进行测试。
如果在用新操控变量的时间(Δt)测试时或仿真测试时，预报的或实际的风险指数值仍很高(风险指数值没有显著降低)，则系统将促进/强制组件/单元在预先配置的时间内进入维护(例如斜降+ΔΤ，其中ΔΤ是使其它单元得到调整或具有所需的来自操作者的同意的反应时间)。
如果在改进测试期间，预报的或实际的风险值从用新操控变量(MV)运行电厂中得以降低(系统中显著改进)，则在
Figure DEST_PATH_IMAGE041
可不执行维护，并且在预报模块中记录
Figure DEST_PATH_IMAGE042
的新维护调度。
要认识到，仿真活动是可选的，并且一个实施例中，可描述优化器，没有仿真测试来为改进进行确定。然而，在最小时，可能存在充分的分析以指示通过改变维护调度存在成本益处，并且这些分析可由调度分析器完成。另外，调度分析器还可用于使用众所周知的过程仅基于成本指示维护调度的最优偏移，代替推迟
Figure DEST_PATH_IMAGE043
，诸如在美国专利6,999,829中提供的过程，包含使目标函数基于成本以最优地确定在维护调度中所需的偏移。
还要注意，用维护调度的推迟，目标函数需要考虑更高值的折旧成本，直到执行维护的时间。作为目标函数中的附加项添加这个因子，作为计算维护成本的一部分。
下面参考图3用示例简要说明优化方法。
让我们假设单元1、2和3相同。考虑，单元1、2和3的最大负载承载容量分别是60MW、60 MW和50 MW。采用典型需求预报曲线来演示预测时域上的生产和维护活动的最优调度，如图4中示出的。
最优地调度所有三个单元(单元1、2、3)以各产生40MW，以满足120MW的总需求直到时间t1。在时间t1之后，需求曲线改变到160MW，如从图4的410中所推断的。由于单元3的最大负载承载容量仅50MW，如从440推断的，因此它由优化器调度以产生50MW。其余110MW在单元1和2之间共享。
从420看到，在时间t1到t2之间，存在单元1的预定维护触发，表示为Tm。调度分析器和优化求解器模块估计与单元1的负载调度/维护调度相关联的各种因子并将它们考虑进去。在这个示例中，在Tm周围的点，单元1的风险指数为中等。风险指数的中等风险值和高需求建议立即需要降低风险，并且同时满足需求。在这个示例中，对于单元1，优化器显示为时间已到时以值50MW作为最优成本方式的负载，并且可降低风险。
对于对应于50MW的单元1，发送降低风险的新设置点。为了满足需求并使单元1运作在50MW，调度单元2以从55MW斜升到60MW，如从430推断的。优化器检查预测时域内Δt中的改进，并且它发现，单元1上的风险对于预测时域内的
Figure DEST_PATH_IMAGE044
的确降低到低了。因此，单元1的维护活动被推迟到
Figure DEST_PATH_IMAGE045
。优化器将单元1的维护调度的适当时间记录为
Figure DEST_PATH_IMAGE046
，其中
Figure DEST_PATH_IMAGE047
是预测时域内的时间以及维护调度相比Tm的偏移。
需求预报在调度
Figure DEST_PATH_IMAGE048
之后就下降，并且需求足够低到由单元2和单元3满足。因为需求低，并且即使单元1的风险指数低，也让单元1在
Figure 522381DEST_PATH_IMAGE046
维护。在时间t2，调度单元2和3以照顾50MW的总需求。
表2：基于风险指数和需求预报的维护活动调度
风险指数 需求预报 维护活动
高 低 调度
中等 低 调度
低 低 调度
高 中等 检查在
Figure DEST_PATH_IMAGE049
(Tm是最大值)的改进，如果没有改进则调度
中等 中等 检查在
Figure 252571DEST_PATH_IMAGE049
(Tm是最大值)的改进，如果没有改进则调度
低 中等 没有调度，将Tm推迟到
Figure DEST_PATH_IMAGE050
高 高 检查在
Figure 32308DEST_PATH_IMAGE049
(Tm是最大值)的改进，如果没有改进则调度
中等 高 检查在
Figure 427517DEST_PATH_IMAGE049
(Tm是最大值)的改进，如果没有改进则调度
低 高 没有调度，将Tm推迟到
Figure 304206DEST_PATH_IMAGE050
Tm是用于维护的调度；“m”是预定数量；并且
Figure 126669DEST_PATH_IMAGE049
是预测时域内的时间。
图5例证了根据本发明实施例用于优化电厂负载调度的方法。本文提到的电厂具有一个或多个发电单元，所述一个或多个发电单元具有其一个或多个组件。
优化负载调度这里包含发电单元的生产调度、维护调度或加负载等。它还包含优化发电单元的组件的风险指数，其可通过改变操控变量完成，如本文上面所描述的。优化负载调度还可包含推迟或提前维护触发以便维护发电单元的组件，这基于负载需求或组件的状态。
步骤505涉及分析发电单元的组件的操作状态。发电单元具有与发电单元的一个或多个组件相关联的一个或多个风险指数。分析步骤包含能力评估、操作成本评估和预测时域内其中维护调度的偏移。
步骤510涉及更新反映发电单元的一个或多个组件状态的目标函数。本文提到的目标函数包含用于组件的过程控制的至少一项和与组件的维护相关联的至少一项。还有，更新目标函数的步骤包含相对于与推迟或提前发电单元组件的维护相关联的成本或与组件寿命周期相关联的成本更新，其中将组件的折旧或降级考虑进去了。
在步骤515，求解目标函数，以便优化发电单元组件的发电单元操作状态的调度，如在步骤520所描绘的。
步骤525涉及操作电厂的步骤。这有关以优化调度及其操作状态操作发电单元。
还应该注意，控制系统提供了允许操作者/用户通过规定电厂中发电单元的一个或多个组件的具体调度或操作状态直接地或通过操控与调度分析器或预报模块相关的某些参数/变量间接地借助通过适当用户接口的输入超驰（override）负载调度(例如维护调度)或操作状态的手段。
虽然本文已经仅例证和描述了本发明的某些特征，但是本领域技术人员将想到许多修改和改变。因此，要理解到，所附的权利要求书意图含盖落入本发明真实精神内的所有这种修改和改变。

Claims (10)

1.一种用于利用控制系统优化具有一个或多个发电单元的电厂的负载调度和操作状态的方法，所述控制系统监视和控制所述电厂并且包括用于优化负载调度的优化器，所述负载调度包括通过发送命令到所述电厂中的不同致动器来动态控制所述电厂中的所述一个或多个发电单元的过程以控制过程参数，所述方法包括：
利用用于所述一个或多个发电单元的一个或多个组件的过程控制的至少一项以及与所述一个或多个发电单元的所述一个或多个组件的维护相关联的至少一项来用公式表示目标函数；
计算由所述一个或多个发电单元的操控变量导出的所述一个或多个发电单元的一个或多个组件的一个或多个风险指数以用于分析所述一个或多个发电单元的所述一个或多个组件的操作状态，其中所述一个或多个风险指数与所述一个或多个发电单元的所述一个或多个组件相关联并且表示实际操作条件，其中通过控制所述操控变量来调整所述操作条件；
更新反映所述一个或多个发电单元的所述一个或多个组件的所分析的操作状态的目标函数；
通过求解所述目标函数来获得所述一个或多个发电单元的所述一个或多个组件的优化的负载调度，其中获得所述优化的负载调度包括获得优化的维护调度、优化的负载值和优化的风险指数以优化所述一个或多个发电单元的所述一个或多个组件的所述操作条件；以及
通过改变所述一个或多个发电单元的所述一个或多个组件的所述操控变量来控制所述电厂的过程参数以在所述优化的负载调度和所述优化的操作状态下操作所述一个或多个发电单元。
2.如权利要求1所述的方法，其中分析所述操作状态包括：
分析所述一个或多个发电单元有效运行的能力评估、操作成本评估和预测时域中维护调度的偏移当中的至少一个。
3.如权利要求1所述的方法，进一步包括：通过改变所述操控变量来优化所述一个或多个发电单元的所述一个或多个组件的所述一个或多个风险指数以调整所述操作状态和负载调度。
4.如权利要求1所述的方法，进一步包括：基于组件的状态或负载需求来推迟或提前用于所述一个或多个发电单元的所述一个或多个组件的所述组件的维护的维护触发。
5.如权利要求1所述的方法，进一步包括仿真的步骤，所述仿真的步骤包括将电厂模型组件用于评估具有新的操控变量的风险指数值的改进以调度维护。
6.如权利要求1所述的方法，其中用公式表示所述目标函数的步骤包括考虑与维护调度的推迟相关联的折旧成本，其中考虑更高值的折旧成本直到执行维护的时间为止。
7.如权利要求1所述的方法，所述更新包括：
利用a)与推迟或提前所述一个或多个发电单元的所述一个或多个组件的维护相关联的成本以及b)与所述一个或多个发电单元的所述一个或多个组件的生命周期相关联的成本来更新所述至少一个目标函数。
8.一种用于负载调度和操作电厂的控制系统，所述电厂具有一个或多个发电单元，所述控制系统包括：
电厂控制器，用来控制所述一个或多个发电单元的过程；以及
优化器，具有目标函数，所述目标函数具有与所述一个或多个发电单元的一个或多个组件的过程控制相关联的至少一项以及与所述一个或多个发电单元的所述一个或多个组件的维护相关联的至少一项，其中所述优化器将电厂模型组件和故障模型组件用于负载调度优化，并且其中所述优化器包括：
调度分析器，用于采集操控变量、测量变量和来自电厂数据库的数据中的至少一个，并且通过由操控变量、测量变量和来自电厂数据库的数据中的至少一个计算与发电单元的所述一个或多个组件相关联的一个或多个风险指数来分析所述一个或多个发电单元的所述一个或多个组件的操作状态，以及
优化求解器，被配置成通过求解所述至少一个目标函数来确定用于所述一个或多个发电单元的所述一个或多个组件的优化维护调度和负载值以用于向所述电厂控制器提供设定点来用于在优化的负载调度和优化的操作状态下操作所述一个或多个发电单元的所述一个或多个组件。
9.如权利要求8所述的系统，其中基于下列项通过维护触发来实现所述一个或多个发电单元的维护：所述一个或多个发电单元的所述一个或多个组件的所述风险指数、需求预报、以及通过所述操控变量影响的所述操作状态的改进。
10.如权利要求8所述的系统，其中所述优化器接收所述操控变量来计算与所述一个或多个发电单元的所述一个或多个组件相关联的所述一个或多个风险指数以优化所述维护调度和负载值。
CN201711156918.5A 2009-12-31 2010-05-13 用于调度电厂的负载的方法和控制系统 Active CN107862463B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
IN3244CH2009 2009-12-31
IN3244/CHE/2009 2009-12-31
CN201080065000XA CN102893227A (zh) 2009-12-31 2010-05-13 用于调度电厂的负载的方法和控制系统

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
CN201080065000XA Division CN102893227A (zh) 2009-12-31 2010-05-13 用于调度电厂的负载的方法和控制系统

Publications (2)

Publication Number Publication Date
CN107862463A CN107862463A (zh) 2018-03-30
CN107862463B true CN107862463B (zh) 2021-09-28

Family

ID=42556691

Family Applications (2)

Application Number Title Priority Date Filing Date
CN201711156918.5A Active CN107862463B (zh) 2009-12-31 2010-05-13 用于调度电厂的负载的方法和控制系统
CN201080065000XA Pending CN102893227A (zh) 2009-12-31 2010-05-13 用于调度电厂的负载的方法和控制系统

Family Applications After (1)

Application Number Title Priority Date Filing Date
CN201080065000XA Pending CN102893227A (zh) 2009-12-31 2010-05-13 用于调度电厂的负载的方法和控制系统

Country Status (10)

Country Link
US (1) US10013660B2 (zh)
EP (1) EP2519863A1 (zh)
JP (1) JP5996436B2 (zh)
KR (1) KR101733393B1 (zh)
CN (2) CN107862463B (zh)
AU (1) AU2010337991B2 (zh)
CA (1) CA2785752C (zh)
RU (1) RU2523191C2 (zh)
WO (1) WO2011080548A1 (zh)
ZA (1) ZA201204798B (zh)

Families Citing this family (55)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9069725B2 (en) 2011-08-19 2015-06-30 Hartford Steam Boiler Inspection & Insurance Company Dynamic outlier bias reduction system and method
GB201200491D0 (en) * 2012-01-12 2012-02-22 Romax Technology Ltd Method for operating a wind turbine generator
US9411326B2 (en) 2012-08-21 2016-08-09 General Electric Company Plant control optimization system including visual risk display
US9255525B2 (en) 2012-11-30 2016-02-09 General Electric Company System and method for gas turbine operation
US20140324495A1 (en) * 2013-02-22 2014-10-30 Vestas Wind Systems A/S Wind turbine maintenance optimizer
US20140244328A1 (en) * 2013-02-22 2014-08-28 Vestas Wind Systems A/S Wind turbine maintenance optimizer
US10418833B2 (en) 2015-10-08 2019-09-17 Con Edison Battery Storage, Llc Electrical energy storage system with cascaded frequency response optimization
US9430311B2 (en) * 2013-07-23 2016-08-30 Halliburton Energy Services, Inc. Cause and effect mapping for failure mode effect analysis creation and risk management
US9471080B2 (en) 2013-10-21 2016-10-18 Restore Nv Portfolio managed, demand-side response system
EP2889711B1 (en) 2013-12-30 2020-07-01 Rolls-Royce Corporation System and method for optimizing component life in a power system
US9404426B2 (en) * 2013-12-31 2016-08-02 General Electric Company Methods and systems for enhancing control of power plant generating units
JP6795488B2 (ja) 2014-04-11 2020-12-02 ハートフォード スチーム ボイラー インスペクション アンド インシュランス カンパニー システム運転および性能データをモデル化に基づいた将来信頼度予測の改善
US10386820B2 (en) 2014-05-01 2019-08-20 Johnson Controls Technology Company Incorporating a demand charge in central plant optimization
US9605559B2 (en) 2015-02-02 2017-03-28 General Electric Company Wash timing based on turbine operating parameters
CN105929687B (zh) * 2015-02-27 2020-02-04 约翰逊控制技术公司 高层级中央设施优化
US10205322B1 (en) 2015-03-09 2019-02-12 Cummins Power Generation Ip, Inc. Economically efficient operation of a power generator
US10339461B2 (en) * 2015-09-30 2019-07-02 The Boeing Company System for maintenance of a manufactured product
US10296030B2 (en) * 2015-10-07 2019-05-21 University Of Utah Research Foundation Systems and methods for power system management
US10282687B2 (en) * 2015-10-07 2019-05-07 University Of Utah Research Foundation Systems and methods for managing power generation resources
US10509374B2 (en) 2015-10-07 2019-12-17 University Of Utah Research Foundation Systems and methods for managing power generation and storage resources
US10742055B2 (en) 2015-10-08 2020-08-11 Con Edison Battery Storage, Llc Renewable energy system with simultaneous ramp rate control and frequency regulation
US10283968B2 (en) 2015-10-08 2019-05-07 Con Edison Battery Storage, Llc Power control system with power setpoint adjustment based on POI power limits
US10190793B2 (en) 2015-10-08 2019-01-29 Johnson Controls Technology Company Building management system with electrical energy storage optimization based on statistical estimates of IBDR event probabilities
US10418832B2 (en) 2015-10-08 2019-09-17 Con Edison Battery Storage, Llc Electrical energy storage system with constant state-of charge frequency response optimization
US10222083B2 (en) 2015-10-08 2019-03-05 Johnson Controls Technology Company Building control systems with optimization of equipment life cycle economic value while participating in IBDR and PBDR programs
US10222427B2 (en) 2015-10-08 2019-03-05 Con Edison Battery Storage, Llc Electrical energy storage system with battery power setpoint optimization based on battery degradation costs and expected frequency response revenue
US10250039B2 (en) 2015-10-08 2019-04-02 Con Edison Battery Storage, Llc Energy storage controller with battery life model
US10197632B2 (en) 2015-10-08 2019-02-05 Taurus Des, Llc Electrical energy storage system with battery power setpoint optimization using predicted values of a frequency regulation signal
US10389136B2 (en) 2015-10-08 2019-08-20 Con Edison Battery Storage, Llc Photovoltaic energy system with value function optimization
US10554170B2 (en) 2015-10-08 2020-02-04 Con Edison Battery Storage, Llc Photovoltaic energy system with solar intensity prediction
US10564610B2 (en) 2015-10-08 2020-02-18 Con Edison Battery Storage, Llc Photovoltaic energy system with preemptive ramp rate control
US10700541B2 (en) 2015-10-08 2020-06-30 Con Edison Battery Storage, Llc Power control system with battery power setpoint optimization using one-step-ahead prediction
US11210617B2 (en) 2015-10-08 2021-12-28 Johnson Controls Technology Company Building management system with electrical energy storage optimization based on benefits and costs of participating in PDBR and IBDR programs
US20170242081A1 (en) * 2016-02-24 2017-08-24 General Electric Company System and method for optimization of recommended service intervals
CN106096815A (zh) * 2016-05-31 2016-11-09 中国电力科学研究院 一种配电网运行效率影响度分析方法
US10778012B2 (en) 2016-07-29 2020-09-15 Con Edison Battery Storage, Llc Battery optimization control system with data fusion systems and methods
US10594153B2 (en) 2016-07-29 2020-03-17 Con Edison Battery Storage, Llc Frequency response optimization control system
JP6812169B2 (ja) * 2016-08-29 2021-01-13 川崎重工業株式会社 エネルギー需要設備の運用に関する計画作成装置及び計画作成方法
JP6677608B2 (ja) * 2016-09-05 2020-04-08 株式会社東芝 水力機械の壊食予測装置および予測方法
CN106779443B (zh) * 2016-12-26 2020-11-03 国网山东省电力公司泰安供电公司 电力调度中的操作风险确定方法和装置
US20180253087A1 (en) * 2017-03-06 2018-09-06 General Electric Company Scheduling maintenance to reduce degradation of a power generation system
US10333987B2 (en) * 2017-05-18 2019-06-25 Bank Of America Corporation Security enhancement tool for a target computer system operating within a complex web of interconnected systems
US20200202236A1 (en) * 2017-09-06 2020-06-25 Tlv Co., Ltd. Risk Assessment Device, Risk Assessment System, Risk Assessment Method, and Risk Assessment Program
US10504195B2 (en) 2017-11-13 2019-12-10 Mitsubishi Electric Research Laboratories, Inc. System and method for decentralized energy production
US10838441B2 (en) 2017-11-28 2020-11-17 Johnson Controls Technology Company Multistage HVAC system with modulating device demand control
US10838440B2 (en) 2017-11-28 2020-11-17 Johnson Controls Technology Company Multistage HVAC system with discrete device selection prioritization
US10678227B2 (en) 2018-03-15 2020-06-09 Johnson Controls Technology Company Central plant control system with plug and play EMPC
US11163271B2 (en) 2018-08-28 2021-11-02 Johnson Controls Technology Company Cloud based building energy optimization system with a dynamically trained load prediction model
US11159022B2 (en) 2018-08-28 2021-10-26 Johnson Controls Tyco IP Holdings LLP Building energy optimization system with a dynamically trained load prediction model
US11636292B2 (en) 2018-09-28 2023-04-25 Hartford Steam Boiler Inspection And Insurance Company Dynamic outlier bias reduction system and method
US11328177B2 (en) 2019-09-18 2022-05-10 Hartford Steam Boiler Inspection And Insurance Company Computer-based systems, computing components and computing objects configured to implement dynamic outlier bias reduction in machine learning models
US11615348B2 (en) 2019-09-18 2023-03-28 Hartford Steam Boiler Inspection And Insurance Company Computer-based systems, computing components and computing objects configured to implement dynamic outlier bias reduction in machine learning models
US11288602B2 (en) 2019-09-18 2022-03-29 Hartford Steam Boiler Inspection And Insurance Company Computer-based systems, computing components and computing objects configured to implement dynamic outlier bias reduction in machine learning models
KR102209858B1 (ko) * 2020-08-21 2021-01-29 주식회사 아라아이티이엔지 인공신경망 기반의 가열 및 냉각 설비 가동 스케쥴링 방법
FR3137835A1 (fr) 2022-07-15 2024-01-19 L'oreal Composition pour la coloration des fibres kératineuses

Family Cites Families (30)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
SU399606A1 (ru) * 1972-04-29 1973-10-03 Способ оптимизации режима работы тепловой
RU2035107C1 (ru) * 1992-01-22 1995-05-10 Игорь Анатольевич Козурман Система электроснабжения
US6278899B1 (en) * 1996-05-06 2001-08-21 Pavilion Technologies, Inc. Method for on-line optimization of a plant
AU8146901A (en) * 2000-03-17 2001-09-24 Siemens Aktiengesellschaft Plant maintenance technology architecture
JP3442059B2 (ja) 2000-05-11 2003-09-02 松下電器産業株式会社 電子放出性薄膜およびこれを用いたプラズマディスプレイパネルならびにこれらの製造方法
US6611773B2 (en) * 2000-11-28 2003-08-26 Power Measurement Ltd. Apparatus and method for measuring and reporting the reliability of a power distribution system with improved accuracy
US6671634B2 (en) * 2000-12-27 2003-12-30 Abb Research Ltd. System and method for reliability assessment of a power system having integrated modules
US6853930B2 (en) * 2001-02-27 2005-02-08 Hitachi, Ltd. System for aiding the preparation of operation and maintenance plans for a power generation installation
JP3801063B2 (ja) * 2001-02-27 2006-07-26 株式会社日立製作所 発電設備の運転・保全計画支援システム
JP4737735B2 (ja) * 2001-05-01 2011-08-03 学校法人東海大学 多品目多工程ロットサイズスケジューリング方法
US7089190B2 (en) * 2001-05-18 2006-08-08 Power Resource Managers, Llp System and method for managing utility power use
US8417360B2 (en) * 2001-08-10 2013-04-09 Rockwell Automation Technologies, Inc. System and method for dynamic multi-objective optimization of machine selection, integration and utilization
US6999829B2 (en) * 2001-12-26 2006-02-14 Abb Inc. Real time asset optimization
JP2003284260A (ja) * 2002-03-25 2003-10-03 Hitachi Ltd 発電設備改修及び更新支援方法、及びそのシステム
FR2849238A1 (fr) * 2002-12-20 2004-06-25 Elyo Systeme de prise en charge et d'exploitation des installations et services d'un site
US7272516B2 (en) * 2002-12-23 2007-09-18 Abb Research Failure rate adjustment for electric power network reliability analysis
US7203622B2 (en) * 2002-12-23 2007-04-10 Abb Research Ltd. Value-based transmission asset maintenance management of electric power networks
EP1513085A1 (en) * 2003-09-08 2005-03-09 Abb Research Ltd. Method of scheduling maintenance actions
JP2007293889A (ja) * 2004-01-05 2007-11-08 Hitachi Ltd 発電設備の運用管理システム及び保守管理サービス方法
US20060247798A1 (en) * 2005-04-28 2006-11-02 Subbu Rajesh V Method and system for performing multi-objective predictive modeling, monitoring, and update for an asset
WO2007067645A2 (en) * 2005-12-05 2007-06-14 Fisher-Rosemount Systems, Inc. Multi-objective predictive process optimization with concurrent process simulation
WO2007087537A2 (en) * 2006-01-23 2007-08-02 The Trustees Of Columbia University In The City Of New York System and method for grading electricity distribution network feeders susceptible to impending failure
FI118642B (fi) * 2006-04-28 2008-01-31 Kone Corp Hissijärjestelmä
CN1916949B (zh) * 2006-09-06 2010-11-10 成都赛康信息技术有限责任公司 电力设备状态评估及维修策略支撑系统
RU2007139972A (ru) * 2007-10-29 2009-05-10 Закрытое акционерное общество "Техсистем груп" (RU) Способ оптимизации режимов работы электростанций
CN101232182A (zh) * 2008-01-18 2008-07-30 清华大学 三维协调的电网能量管理系统及对电网的评估及控制方法
CN100555792C (zh) * 2008-01-30 2009-10-28 湖南大学 基于多智能体的配电网节能降耗综合管理系统及其管理方法
CN101465616B (zh) * 2008-12-30 2013-11-27 上海市电力公司 一种基于ucps的agc机组评价系统
US8433450B2 (en) * 2009-09-11 2013-04-30 Emerson Process Management Power & Water Solutions, Inc. Optimized control of power plants having air cooled condensers
CN102985883B (zh) * 2009-12-10 2015-07-29 埃森哲环球服务有限公司 能源设施控制系统

Also Published As

Publication number Publication date
CN102893227A (zh) 2013-01-23
CN107862463A (zh) 2018-03-30
KR101733393B1 (ko) 2017-05-10
CA2785752A1 (en) 2011-07-07
RU2012132640A (ru) 2014-02-10
WO2011080548A1 (en) 2011-07-07
JP2013516671A (ja) 2013-05-13
AU2010337991B2 (en) 2014-06-26
RU2523191C2 (ru) 2014-07-20
CA2785752C (en) 2017-04-18
JP5996436B2 (ja) 2016-09-21
AU2010337991A1 (en) 2012-07-19
US20130006439A1 (en) 2013-01-03
EP2519863A1 (en) 2012-11-07
KR20120117847A (ko) 2012-10-24
US10013660B2 (en) 2018-07-03
ZA201204798B (en) 2013-08-28

Similar Documents

Publication Publication Date Title
CN107862463B (zh) 用于调度电厂的负载的方法和控制系统
US10287988B2 (en) Methods and systems for enhancing operation of power plant generating units and systems
Yang et al. Maintenance scheduling in manufacturing systems based on predicted machine degradation
JP6159059B2 (ja) プラント運転最適化システムおよび方法
US9945264B2 (en) Methods and systems for enhancing control of power plant generating units
EP3260934A2 (en) Methods and systems for enhancing operation of power plant generating units
KR101774205B1 (ko) 전력 플랜트를 위한 프로세스 최적화 방법 및 시스템
US20200356087A1 (en) Model predictive maintenance system with event or condition based performance
Venturini et al. Application of a statistical methodology for gas turbine degradation prognostics to alstom field data
CN102955876A (zh) 动态备件管理的系统和方法
JP7053152B2 (ja) 推奨点検間隔を最適化するシステム及び方法
Wan et al. Prognostics of gas turbine: A condition-based maintenance approach based on multi-environmental time similarity
JP2002330542A (ja) 発電設備の運転・保全計画支援システム
He et al. Condition-based maintenance optimization for multi-component systems considering prognostic information and degraded working efficiency
Ramesh et al. Reliability assessment of cogeneration power plant in textile mill using fault tree analysis
JP2008015775A (ja) プラントの保全支援システムおよびその保全支援方法
WO2015175181A1 (en) System and method for evaluating opportunities to extend operating durations
Bagchi et al. Data analytics and stochastic modeling in a semiconductor fab
EP4339851A1 (en) Failure predicting device, failure predicting method, and program
JP7209545B2 (ja) 蓄電池制御システム、蓄電池制御方法及びプログラム
Ruiz et al. A Dynamic Opportunistic Maintenance Model to Maximize Energy-Based
CN117648543A (zh) 一种自演化的变电站设备学习方法
Ferrans et al. A Hybrid Methodology Combining Functional and Probabilistic Analysis to Assess the Maintenance Plan of a Natural Gas Transmission System: A Turbo-Compressor Power Pack Case Study
CN117764515A (zh) 一种变电站设备的故障检修成本核算方法及系统
BANGALORE et al. SC C1 System Development and Economics PS1/State of the Art Approaches and Standardization in Asset Management Decision Making

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
TA01 Transfer of patent application right

Effective date of registration: 20191129

Address after: Baden, Switzerland

Applicant after: ABB Switzerland Co., Ltd.

Address before: Zurich

Applicant before: ABB Research Co., Ltd.

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant