CN108197723B - 煤电机组供电煤耗与污染物排放的优化节能调度方法 - Google Patents
煤电机组供电煤耗与污染物排放的优化节能调度方法 Download PDFInfo
- Publication number
- CN108197723B CN108197723B CN201711092350.5A CN201711092350A CN108197723B CN 108197723 B CN108197723 B CN 108197723B CN 201711092350 A CN201711092350 A CN 201711092350A CN 108197723 B CN108197723 B CN 108197723B
- Authority
- CN
- China
- Prior art keywords
- unit
- power supply
- coal consumption
- measurement
- coal
- 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
Links
- 239000003245 coal Substances 0.000 title claims abstract description 109
- 239000003344 environmental pollutant Substances 0.000 title claims abstract description 83
- 231100000719 pollutant Toxicity 0.000 title claims abstract description 83
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000004364 calculation method Methods 0.000 claims abstract description 45
- 238000012544 monitoring process Methods 0.000 claims abstract description 18
- 238000007781 pre-processing Methods 0.000 claims abstract description 4
- 238000005259 measurement Methods 0.000 claims description 84
- 238000012360 testing method Methods 0.000 claims description 67
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 claims description 65
- 239000003546 flue gas Substances 0.000 claims description 65
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 52
- RAHZWNYVWXNFOC-UHFFFAOYSA-N Sulphur dioxide Chemical compound O=S=O RAHZWNYVWXNFOC-UHFFFAOYSA-N 0.000 claims description 40
- 238000005070 sampling Methods 0.000 claims description 37
- 239000000779 smoke Substances 0.000 claims description 32
- MWUXSHHQAYIFBG-UHFFFAOYSA-N Nitric oxide Chemical compound O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 claims description 21
- 238000004458 analytical method Methods 0.000 claims description 20
- 239000000428 dust Substances 0.000 claims description 17
- 239000007789 gas Substances 0.000 claims description 13
- 238000012937 correction Methods 0.000 claims description 12
- 239000002893 slag Substances 0.000 claims description 10
- 238000013528 artificial neural network Methods 0.000 claims description 9
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 7
- 229910052760 oxygen Inorganic materials 0.000 claims description 7
- 239000001301 oxygen Substances 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 7
- MGWGWNFMUOTEHG-UHFFFAOYSA-N 4-(3,5-dimethylphenyl)-1,3-thiazol-2-amine Chemical compound CC1=CC(C)=CC(C=2N=C(N)SC=2)=C1 MGWGWNFMUOTEHG-UHFFFAOYSA-N 0.000 claims description 6
- JCXJVPUVTGWSNB-UHFFFAOYSA-N nitrogen dioxide Inorganic materials O=[N]=O JCXJVPUVTGWSNB-UHFFFAOYSA-N 0.000 claims description 6
- 230000007613 environmental effect Effects 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 5
- 238000009529 body temperature measurement Methods 0.000 claims description 4
- 238000010248 power generation Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 claims description 3
- 230000036541 health Effects 0.000 claims description 3
- 238000005286 illumination Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 238000013461 design Methods 0.000 description 10
- 239000002956 ash Substances 0.000 description 7
- 239000000446 fuel Substances 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- QJGQUHMNIGDVPM-UHFFFAOYSA-N nitrogen group Chemical group [N] QJGQUHMNIGDVPM-UHFFFAOYSA-N 0.000 description 5
- 230000005611 electricity Effects 0.000 description 4
- 239000000843 powder Substances 0.000 description 4
- 229920001971 elastomer Polymers 0.000 description 3
- 238000004868 gas analysis Methods 0.000 description 3
- 230000002209 hydrophobic effect Effects 0.000 description 3
- 206010022000 influenza Diseases 0.000 description 3
- 239000012528 membrane Substances 0.000 description 3
- 239000004071 soot Substances 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000007664 blowing Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000002485 combustion reaction Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 239000010881 fly ash Substances 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 238000000691 measurement method Methods 0.000 description 2
- 238000010298 pulverizing process Methods 0.000 description 2
- 238000007789 sealing Methods 0.000 description 2
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 1
- 229910002089 NOx Inorganic materials 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 229910002091 carbon monoxide Inorganic materials 0.000 description 1
- 238000009833 condensation Methods 0.000 description 1
- 230000005494 condensation Effects 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 229910001873 dinitrogen Inorganic materials 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 230000005684 electric field Effects 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000008400 supply water Substances 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 238000010977 unit operation Methods 0.000 description 1
Images
Classifications
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
-
- 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
- G06Q10/067—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
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Control Of Steam Boilers And Waste-Gas Boilers (AREA)
Abstract
本发明公开了煤电机组供电煤耗与污染物排放的优化节能调度方法,包括以下步骤:新能源负荷量预测、选定监测项目和测量方法、搭建无线测量平台及数据采集、监测点测量数据预处理、机组供电煤耗和污染物排放计算、构建机组供电煤耗和污染物排放的最优计算模型、制定最优节能调度方案,通过上述步骤,能够有效应对社会用电整体需求疲软和新能源发电冲击,从而进一步推动节能减排工作,提高社会能源总体利用效率和降低地区污染物总体排放水平。
Description
技术领域
本发明涉及电力系统环境保护技术领域,尤其涉及煤电机组供电煤耗与污染物排放的优化节能调度方法。
背景技术
由于新能源全额消纳不参与调峰,扮演重要调峰角色的火电机组负荷率从原来的70%~80%下降到40%~50%,甚至更低,调峰程度及难度均大幅增加,机组的煤耗率及其它排放指标也受到影响。为进一步做好新能源全额消纳,同时提升煤电高效清洁发展水平,改善大气环境质量,提高社会能源总体利用效率和降低地区污染物总体排放水平,需要综合统筹每台火力发电机组的机组供电煤耗和污染物排放量两项指标。
而机组供电煤耗、污染物排放除了与电网负荷分配关系密切,还受到机组开机方式的影响,如何实现机组供电煤耗最优和污染物排放最优,需要充分了解每台机组性能,亟需制定出一套综合机组供电煤耗和污染物排放双目标最优的节能调度方案。
发明内容
本发明的目的是为了推动节能减排工作,提高社会能源总体利用效率和降低地区污染物总体排放水平,提供的一种煤电机组供电煤耗与污染物排放的优化节能调度方法来解决上述问题,从而进一步提升煤电高效清洁发展水平,改善大气环境质量。
本发明是通过以下技术方案实现:
煤电机组供电煤耗与污染物排放的优化节能调度方法,包括以下步骤:
步骤一:新能源负荷量预测。
基于气象信息、地形信息、电气参数和设备健康状态这些多维数据构建更加精确的新能源场站的功率预测方法,对风电功率预测模型采用BP神经网络技术建模,对光伏功率预测模型采用神经网络算法和神经网络分位数回归模型,最终通过对训练样本进行归一化处理,从而实现新能源负荷量预测,其中风电功率预测气象信息包括风力、风向和温度,光伏功率预测气象信息包括光照强度和温度。
步骤二:选定监测项目和测量方法。
选定典型的300~1000MW运行火电机组,对机组在100%负荷、75%负荷、50%负荷、40%负荷四个工况的实际供电煤耗进行监测。
选定监测项目包括电功率测量、烟气温度测量、烟气取样分析、入炉煤取样及分析、灰炉渣取样及分析、环境状态测量、汽轮机侧主要测点布置、污染物排放测量。
步骤三:搭建无线测量平台及数据采集。
搭建测量燃煤机组重要参数的无线测量平台,其重要参数包括水蒸汽压力、水蒸汽温度和排烟温度,将校验过的高精度传感器安装在各监测点位置,利用与高精度传感器连接的无线变送器将测量数据通过无线电波发射出去,在试验平台终端借助无线接收装置将信号接收,再传送到计算机内,通过数据采集软件对数据进行处理、记录和存储,实现各监测点测量数据采集工作。
步骤四:监测点测量数据预处理。
根据步骤三中获取的测量数据,首先对一个试验工况的全部原始记录进行检查、分析,判断原始记录的合理性,舍去不合理的个别测点数据,对测量参数进行平均计算,在此基础上进行压力的位差以及大气压力修正,以确定测量参数值,测量参数平均计算的方法为算术平均法。
步骤五:机组供电煤耗和污染物排放计算。
基于步骤四中的预处理测点数据,机组供电煤耗计算需要依次确定主蒸汽流量、1号高加进汽流量、2号高加进汽流量、3号高加进汽流量、除氧器进汽流量和冷再热蒸汽流量,再经过汽轮机热耗率的计算、汽轮机热耗率的修正、锅炉效率的计算、锅炉热效率的修正和机组发电煤耗的计算,通过上述的计算和修正,最终获得机组供电煤耗值。
污染物排放计算则由空气过剩系数、烟气污染物排放浓度、烟气含湿量的测量和烟尘浓度这些参数来计算出二氧化硫、一氧化氮、二氧化氮和烟尘的排放量数据。
步骤六:构建机组供电煤耗和污染物排放的最优计算模型。
基于步骤一中的新能源预测负荷数据和步骤五中的机组供电煤耗和污染物排放的数据,以电负荷为横坐标,机组供电煤耗和污染物排放量为纵坐标作出不同负荷条件下机组的煤耗特性曲线和污染物排放曲线,再采用最小二乘法拟合曲线,获得机组供电煤耗和污染物排放分别与电负荷的经验公式与模型。
在满足社会用电量需求条件下,首先,构建机组供电煤耗和电负荷的经验公式,求解出整体的机组平均供电煤耗;其次,构建机组二氧化硫、一氧化氮、二氧化氮和烟尘的整体排放量和电负荷的经验公式,求解整体污染物的排放量,并采用无量纲法处理机组供电煤耗和污染物排放量计算公式,对机组供电煤耗和污染物排放量设置对等的权重,最终构建机组供电煤耗和污染物排放的最优计算模型。
步骤七:制定最优节能调度方案。
在步骤六的最优计算模型基础上,基于制定机组各种开机组合方式,计算出地区机组供电煤耗与污染物排放最优的开机组合排序和电负荷分配方案,在满足社会用电量需求和安全消纳新能源的条件下,制定出地区机组供电煤耗与污染物排放最优的机组深度调峰方案和最优电负荷分配方案,以达到整体机组供电煤耗最优和污染物排放最优的效果。
进一步的:在步骤二中,汽轮机侧主要测点布置数据包括高压缸进汽温度、高压缸排汽温度、中压缸进汽温度、锅炉给水温度、一号高加出口温度、二号高加进口温度和除氧器进水温度的数据。
进一步的:在步骤二中,污染物排放测量包括烟气温度、烟气流速、烟气动压、烟气含湿量、烟气含氧量、烟气二氧化硫浓度、烟气氮氧化物浓度和烟尘浓度数据。
与现有的技术相比,本发明的有益效果是:
本发明公开了一种煤电机组供电煤耗与污染物排放的优化节能调度方法,该方法给出了电网优化调度模型与范例,能够有效应对社会用电整体需求疲软和新能源发电冲击,从而进一步推动节能减排工作,提高社会能源总体利用效率和降低地区污染物总体排放水平。
附图说明
图1为本发明煤电机组供电煤耗与污染物排放的优化节能调度方法的工作流程示意图;
图2为烟气温度和取样分析测点布置示意图;
图3为排烟温度无线测量平台;
图4为汽轮机侧无线测量平台。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
请参阅图1,图1为本发明煤电机组供电煤耗与污染物排放的优化节能调度方法的工作流程示意图。
所述煤电机组供电煤耗与污染物排放的优化节能调度方法,包括以下步骤:
步骤一:新能源负荷量预测。
基于气象信息、地形信息、电气参数和设备健康状态这些多维数据构建更加精确的新能源场站的功率预测方法,对风电功率预测模型采用BP神经网络技术建模,对光伏功率预测模型采用神经网络算法和神经网络分位数回归模型,最终通过对训练样本进行归一化处理,从而实现新能源负荷量预测,其中风电功率预测气象信息包括风力、风向和温度,光伏功率预测气象信息包括光照强度和温度。
步骤二:选定监测项目和测量方法。
选定典型的300~1000MW运行火电机组,对机组在100%负荷、75%负荷、50%负荷、40%负荷四个工况的实际供电煤耗进行监测。
选定监测项目包括电功率测量、烟气温度测量、烟气取样分析、入炉煤取样及分析、灰炉渣取样及分析、环境状态测量、汽轮机侧主要测点布置、污染物排放测量。
所述汽轮机侧主要测点布置数据包括高压缸进汽温度、高压缸排汽温度、中压缸进汽温度、锅炉给水温度、一号高加出口温度、二号高加进口温度和除氧器进水温度的数据。
污染物排放测量包括烟气温度、烟气流速、烟气动压、烟气含湿量、烟气含氧量、烟气二氧化硫浓度、烟气氮氧化物浓度和烟尘浓度数据。
步骤三:搭建无线测量平台及数据采集。
搭建测量燃煤机组重要参数的无线测量平台,其重要参数包括水蒸汽压力、水蒸汽温度和排烟温度,将校验过的高精度传感器安装在各监测点位置,利用与高精度传感器连接的无线变送器将测量数据通过无线电波发射出去,在试验平台终端借助无线接收装置将信号接收,再传送到计算机内,通过数据采集软件对数据进行处理、记录和存储,实现各监测点测量数据采集工作。
步骤四:监测点测量数据预处理。
根据步骤三中获取的测量数据,首先对一个试验工况的全部原始记录进行检查、分析,判断原始记录的合理性,舍去不合理的个别测点数据,对测量参数进行平均计算,在此基础上进行压力的位差以及大气压力修正,以确定测量参数值,测量参数平均计算的方法为算术平均法。
步骤五:机组供电煤耗和污染物排放计算。
基于步骤四中的预处理测点数据,机组供电煤耗计算需要依次确定主蒸汽流量、1号高加进汽流量、2号高加进汽流量、3号高加进汽流量、除氧器进汽流量和冷再热蒸汽流量,再经过汽轮机热耗率的计算、汽轮机热耗率的修正、锅炉效率的计算、锅炉热效率的修正和机组发电煤耗的计算,通过上述的计算和修正,最终获得机组供电煤耗值。
污染物排放计算则由空气过剩系数、烟气污染物排放浓度、烟气含湿量的测量和烟尘浓度这些参数来计算出二氧化硫、一氧化氮、二氧化氮和烟尘的排放量数据。
步骤六:构建机组供电煤耗和污染物排放的最优计算模型。
基于步骤一中的新能源预测负荷数据和步骤五中的机组供电煤耗和污染物排放的数据,以电负荷为横坐标,机组供电煤耗和污染物排放量为纵坐标作出不同负荷条件下机组的煤耗特性曲线和污染物排放曲线,再采用最小二乘法拟合曲线,获得机组供电煤耗和污染物排放分别与电负荷的经验公式与模型。
在满足社会用电量需求条件下,首先,构建机组供电煤耗和电负荷的经验公式,求解出整体的机组平均供电煤耗;其次,构建机组二氧化硫、一氧化氮、二氧化氮和烟尘的整体排放量和电负荷的经验公式,求解整体污染物的排放量,并采用无量纲法处理机组供电煤耗和污染物排放量计算公式,对机组供电煤耗和污染物排放量设置对等的权重,最终构建机组供电煤耗和污染物排放的最优计算模型。
步骤七:制定最优节能调度方案。
在步骤六的最优计算模型基础上,基于制定机组各种开机组合方式,计算出地区机组供电煤耗与污染物排放最优的开机组合排序和电负荷分配方案,在满足社会用电量需求和安全消纳新能源的条件下,制定出地区机组供电煤耗与污染物排放最优的机组深度调峰方案和最优电负荷分配方案,以达到整体机组供电煤耗最优和污染物排放最优的效果。
实施例:
研究2台1000MW机组和8台300MW级机组供电煤耗和污染物排放量与电负荷的关系。
通过试验获得机组在100%负荷、75%负荷、50%负荷、40%负荷四个工况的实际供电煤耗,污染物排放量与负荷的关系曲线。同时检查相关的重要运行仪表状态,确保试验测量数据的准确性。在此基础上,通过研究不同的负荷条件下,1000MW机组和300MW机组的负荷分配方案与能耗、污染物排放及环保设备运行费用的关系,寻求降低能耗、减少污染物排放最佳的节能减排调度方案。
1供电煤耗与负荷的试验方案:
每一个负荷工况的供电煤耗通过锅炉热效率试验,汽轮机热耗率试验获得。运行人员按照试验要求调整好机组运行电负荷,满足机组试验条件。在同一电负荷试验工况下,锅炉热效率试验和汽轮机热耗率试验同时进行。
1.1试验条件:
为了消除其他因素对供电煤耗的影响,需要满足一定的试验条件。试验测量参数稳定,有关参数不超过许可范围,必要时延长试验时间。试验中,热力再循环及暖风器系统均不投运;试验机组的辅助蒸汽系统必须和相邻机组严格隔离。试验机组安装除氧器进水ASME长颈流量喷嘴,采用除氧器进水量作为主流量基准。试验中,关键参数均更换校验过的高精度变送器,搭建无线测量平台,采集试验数据。试验时机组铭牌出力以政府正式批准后的铭牌出力为准。非以热定电的供热机组,出具官方文件,试验按照上一年的平均供热量确定各工况,通过试验获得各负荷工况供电煤耗结果。安装有低温省煤器设备的机组,低温省煤器加热给水的有效能量,在计算煤耗时计入汽轮机热耗计算中,而锅炉热效率计算边界不变。
1.2试验测量项目和方法:
1.2.1电功率测量:
在本项目的试验中,改进传统的电源测试方法,采用YOKOGAMA公司生产的WT3000功率分析仪取代传统的测试设备,并配合电子负载、计算机、程控借口等实现对机组电功率的自定测量,避免了人工测量带来的风险和引起的人为测量误差。
1.2.2烟气温度测量:
在空气预热器的进出口烟道测点位置按照等网格法布置烟气分析取样枪,在烟气分析取样枪上按照有多个均匀分布的热电阻测温仪。通过热电阻测量烟道中各个网格位置的烟气温度值,试验测点布置如图2所示,图2为烟气温度和取样分析测点布置示意图。
1.2.3烟气取样分析:
在空气预热器的进出口烟道测点位置按照等网格法布置烟气分析取样枪,布置示意图如图2所示,图2为烟气温度和取样分析测点布置示意图。
利用橡胶管将可调节烟气取样流量的前置预处理装置、NOVA PLUS烟气分析仪和烟气分析取样枪联接在一起分别对空气预热器进出口烟道的测点位置的烟气成分进行取样分析,主要获得烟道中不同空间位置烟气的成分分析结果,比如烟气中氧含量、一氧化碳含量和二氧化碳含量等数据。
空预器进出口烟道中的烟气温度和氧含量分布极不均匀。试验采用等截面网格逐点测量空预器出口烟道中烟气的温度和氧含量分布。试验中采用的试验仪器有改进型笛型管、PT100热电阻、橡胶管、前置预处理装置、NOVA PLUS烟气分析仪和温度数据采集系统。
图2中的标号:1为笛型管、2为热电阻PT100、3为温度采集系统、4为前置预处理装置、5为烟气分析仪、6为橡胶管。
1.2.4入炉煤取样及分析:
直吹式系统的原煤取样位置设在每台给煤机的落煤管处;中储式制粉系统的原煤取样在给煤机处进行。直吹式系统的原煤取样时间是在试验开始时进行;中储式制粉系统原煤取样在每个工况试验正式开始前4小时在给煤机处进行。每次取样的时间均隔为15分钟,每次对所有为试验期间锅炉供粉的制粉系统进行轮流取样,每次取样量为2kg,分堆堆放。入炉煤取样过程中,需要有专人确认。
试验结束后将每个工况所取样的原煤及时混合缩分并进行全水份的分析,缩分两份,一份由电科院带回完成元素分析及工业分析,一份电厂留样。
煤质分析项目包括:
Car、Har、Oar、Nar、St、Aar、Mt、Vdaf以及Qnet。
1.2.5灰炉渣取样及分析:
灰、渣比例按如下选用:
飞灰 90%;
炉渣 10%;
在每个工况的试验过程中,每隔30分钟取一次飞灰,取样点设在电除尘一电场仓泵处;每隔30分钟取一次炉渣,取样点在炉底捞渣机处或者排渣位置。
试验结束后,分别将灰和渣缩分两份,一份进行可燃物分析,一份留样。
1.2.6环境状态测量:
在送风机进口处设有一个环境温度和湿度的测点。在该位置,采用电子温湿度计测量空气温度和相对湿度,用空盒式压力计测量当地大气压力。每30分钟记录一次以上测量数据。
1.2.7汽轮机侧主要测点布置:
为了保证汽轮机热耗率试验主要参数的测量精度,对以下主要参数的测点进行仪表更换,采用更高级别的测量仪器。汽轮机侧主要测量参数如下:高压缸进汽温度(工业1级元件)、高压缸排汽温度(工业A级元件)、中压缸进汽温度(工业1级元件)、锅炉给水温度(工业A级元件)、一号高加出口温度(工业A级元件)、二号高加进口温度(工业A级元件)、除氧器进水温度(工业A级元件)、汽轮机背压(0.075级变送器)、除氧器进水流量差压(0.075级变送器)、发电机功率(0.1级)。
本项目试验的汽轮机侧所有压力和温度都采用双测点测量。密封水供水和密封水回水的流量都采用超声波流量计进行现场测量。过热减温水和再热减温水的流量采用孔板流量计进行测量。发电机功率采用WT3000电功率表进行现场自动测量。
1.2.8汽轮机侧流量测量:
汽轮机热耗率试验以除氧器进水流量作为主流量基准。若给水泵密封形式为迷宫式,电厂需要安装工业热水表,为了在试验中测量给水泵密封水进水和回水流量。密封水进水热水表需要具有较好的耐压性能。若无除氧器进水流量节流件,则以给水流量为准。尽管如此,为了保证试验结果的准确性和可比性,需要在除氧器进口安装标定过的ASME喷嘴,以获得最佳试验精度。
1.2.9搭建无线测量平台:
请参阅图3,图3为排烟温度无线测量平台。
试验结果准确性很大程度上依赖于试验测量仪器和测量方法。为了提高测量结果准确性和可靠性,本项目研究了新的测量方法和测量仪器,将一些先进的仪器设备按照试验要求集成在一起,搭建了国内首套测量燃煤机组一些重要参数比如水蒸汽(水)压力、水蒸汽(水)温度,排烟温度的无线测量平台。将校验过的高精度传感器安装在试验测点位置,利用与之连接的无线变送器将测量数据通过无线电波发射出去,在试验平台终端借助无线接收装置将信号接收,传送到计算机通过数据采集软件对数据进行处理、记录和存储,消除了参数随时间波动对测量结果的影响。
由图3可知,烟道中不同空间位置的温度通过热电阻PT100进行测量,测量值通过无线变送器传送到无线集中器,排烟温度的所有测量值集中到无线集中器后由集中器将数据汇总后以无线的方式传输给无线网关,无线网关通过USB通信借口将测量数据传送给计算机,由计算机对测量数据进行采集,存储和记录。
实现排烟温度无线测量的主要硬件设备,无线变送器、无线集中器以及无线网关。无线热电阻变送器直接热电阻PT100测温元件相连接,布置在测点位置,无线热电阻变送器内置电源,无需外部连接电源。无线变送器平时处于休眠状态,只有打开无线集中器开关后,无线集中器发射唤醒信号,无线变送器才开始工作。经过试验发现这套系统能够在低温和雨天等较恶劣的环境之下连续无故障工作三天,数据测量准确。
为了保证排烟温度测量的准确性,按照网格法设置了36个试验测点。系统设置存储时间为20秒,即每隔20秒系统自动记录一次36个试验测点的测量数据。这套无线测量系统搭建起来快捷、方便,省去排线、布线等繁琐的任务,大大节省了人力成本。
通过这套无线测量系统,可以获得烟道中不同空间位置的测量值,很大程度上提高了测量准确性,使测量值更接近实际真实值。这套排烟温度的无线测量系统可以记录不同时刻的排烟温度变化,通过计算时间平均值,可以消除排烟温度波动对测量值的影响,提高了测量精度。
请参阅图4,图4为汽轮机侧无线测量平台。
由图可知汽轮机侧无线测量平台包括两层。
第一层为现场无线测量设备,包括无线压力表、无线压力表和无线温度测量元件等仪器。这些无线测量设备通过无线通讯方式组成自组织的网络,不同设备之间可以相互通讯,传送数据。这些无线测量设备以自我组织、智能化的方式与网关进行无线通讯。
第二层是网关和主机系统的无缝集成。无线网关将收到的底层测量数据传送到主机系统,由主机系统对数据进行采集、记录和存储,实现汽轮机侧包括压力、压差和温度等参数无线测量的目的。
1.3供电煤耗计算方法:
1.3.1原始测量参数处理:
首先对一个试验工况的全部原始记录进行检查、分析,判断原始记录的合理性,舍去不合理的个别测点数据,对测量参数进行平均计算,在此基础上进行压力的位差以及大气压力修正,以确定测量参数值。测量数据平均值求取采用算术平均法。
1.3.2辅助流量的确定:
高压缸各处汽封漏汽量及门杆漏汽量,以设计值为依据,按与主蒸汽流量成正比的关系确定。
1.3.3主蒸汽流量:
Gms=Gfw;
其中
Gms:主蒸汽流量,kg/h;
Gfw:总给水流量,kg/h。
1.3.4 1号高加进汽流量:
G1(h1-hd1)=Gfw(hf0-hf1)
其中
hf0:1号高加出水焓,单位为kJ/kg;
hf1:1号高加进水焓,单位为kJ/kg;
G1:1号高加进汽量,单位为kg/h;
h1:1号高加进汽焓,单位为kJ/kg;
hd1:1号高加疏水焓,单位为kJ/kg。
1.3.5 2号高加进汽流量:
G2(h2-hd2)+G1(hd1-hd2)=Gfw(hf1-hf2)
其中
G2:2号高加进汽量,单位为kg/h;
h2:2号高加进汽焓,单位为kJ/kg;
hd2:2号高加疏水焓,单位为kJ/kg;
hf2:2号高加进水焓,单位为kJ/kg。
1.3.63号高加进汽流量:
G3(h3-hd3)+(G1+G2)(hd2-hd3)=GfW(hf2–hf3)
其中
G3:3号高加进汽量,单位为kg/h;
h3:3号高加进汽焓,单位为kJ/kg;
hd3:3号高加疏水焓,单位为kJ/kg;
hf3:3号高加进水焓,单位为kJ/kg。
1.3.7除氧器进汽流量:
(Gfw+Gdl+Gzjs)hf4=Gchf5+(G1+G2+G3)hd3+G4h4
Gfw+Gdl+Gzjs=Gc+G1+G2+G3+G4
其中
Gdl:除氧器水位变化当量流量(上升为正),单位为kg/h;
Gzjs:再热器减温水流量,单位为kg/h;
hf4:除氧器出水焓,单位为kJ/kg;
hf5:除氧器进水焓,单位为kJ/kg;
Gc:主凝结水流量,单位为kg/h;
G4:除氧器进汽流量,单位为kg/h;
h4:除氧器进汽焓,单位为kJ/kg。
1.3.8冷再蒸汽流量:
Gcrh=Gms-G1-G2-Ga
其中
Gcrh:冷再热蒸汽流量,单位为kg/h;
G1:1号高加进汽量,单位为kg/h;
G2:2号高加进汽量,单位为kg/h;
Ga:高压缸门杆及轴封漏汽量,单位为kg/h。
1.3.9汽轮机热耗率:
HR=(Gmshms+Grhhrh-Gfhf-Gchhch-Gzjshzjs)/(P-Pe)
其中
HR:试验热耗率,单位为kJ/(kW·h);
hms:主蒸汽焓,单位为kJ/kg;
hfw:最终给水焓,单位为kJ/kg;
hhrh:热再热蒸汽焓,单位为kJ/kg;
hcrh:冷再热蒸汽焓,单位为kJ/kg;
Gzjs:再热减温水流量,单位为kJ/kg;
hzjs:再热器减温水焓,单位为kJ/kg;
P:测量的发电机功率,单位为MW;
Pe:励磁功率,单位为MW。
1.3.10汽轮机热耗率修正:
汽轮机热耗试验结果将对以下参数进行修正(以厂家提供的修正曲线为依据):
高压缸进汽温度:高于设计值,则修正到设计值;低于设计值,则不作修正;
中压缸进汽温度:高于设计值,则修正到设计值;低于设计值,则不作修正;
背压:开式循环水系统机组,修正到4.9kPa;闭式循环水机组,修正到5.9kPa。
1.3.11锅炉效率计算:
锅炉效率计算采用热损失法,计算依据GB/T10184-2015《电站锅炉性能试验规程》,热效率计算依据下列公式:
η=100-(q2+q3+q4+q5+q6)
其中:
η:锅炉热效率;
q2:排烟热损失百分率;
q3:可燃气体未完全燃烧热损失百分率;
q4:固体未完全燃烧热损失百分率;
q5:锅炉散热损失百分率;
q6:灰渣物理热损失百分率;
锅炉输入热量仅考虑入炉燃料低位发热量。
1.3.12锅炉热效率修正:
试验修正方法按照GB/T 10184-2015《电站锅炉性能试验规程》进行,并进行如下说明:
根据试验规程要求将进风温度修正至该机组所在地区上一年度平均气温。给水温度偏差不予修正。
试验限定入炉燃料低位发热量不大于锅炉设计燃料低位发热量的105%。对入炉燃料低位发热量超过该上限的,修正至该炉设计燃料;对燃料低位发热量低于锅炉设计值的不予修正。
1.3.13机组发电煤耗:
Bf=HR/29.307/ηgd/ηgl
其中
Bf:机组发电煤耗,单位为g/(kW·h);
ηgd:管道效率,统一取99%;
ηgl:修正后锅炉效率。
1.3.14机组供电煤耗
Bg=Bf/(1-ηcyd)
其中
Bg:机组发电煤耗,单位为g/(kW·h);
ηcyd:发电厂用电率,取上一年的统计平均值。
2污染物排放量与负荷的试验方案:
在机组100%负荷、75%负荷、50%负荷、40%负荷四个工况下,通过试验的手段研究污染物排放量与负荷的关系。同时,充分考虑环保设备运行费用与污染物排放量的关系。
2.1测量项目:
2.1.1烟气流量测量:
在烟囱入口烟道的水平管道上,按网格法布置测点。采用DURAG D-RC120烟尘采样仪测量烟气的流速。
2.1.2二氧化硫和含氮气体的浓度测量:
在烟囱入口的水平烟道上,按网格法布置测点。采用MRUNOVAplus烟气分析仪粉同时测量烟气中二氧化硫和含氮气体的浓度。
2.1.3烟尘浓度测量:
在烟囱入口的水平烟道相同测点位置,通过皮托管平行采样自动跟踪原理等速采集烟尘样品。烟尘浓度采用重量法分析法。将采集至滤筒的灰样置于105℃的烘箱中烘2h,然后放在干燥器中冷至室温,用万分之一的天平称重。
2.1.4其他:
在相同测点位置,利用热电偶温度计测定烟气温度;利用烟尘平行采样仪测量烟气动压、静压和烟气含湿量;利用MRUNOVAplus烟气分析仪测定烟气含氧量。
2.2污染物排放量计算公式:
2.2.1烟气流量:
通过设计图纸或者现场测量获得烟囱入口的水平烟道的尺寸参数,计算出烟道截面积A。根据试验获得进入烟囱的水平烟道的烟气平均流速V,烟气流量的计算公式如下:
Qyq=3600VA
2.2.2二氧化硫和含氮气体的排放量:
在烟囱入口测量断面采用干湿球温度计、大气压力表测量干、湿球温度和大气压力,计算烟气含湿量:
式中:Pbv为饱和水蒸气压力,单位为kPa;
Pb为湿球表面负压,单位为kPa;
tc为干球温度,单位为℃;
tb为湿球温度,单位为℃;
Ba为标准大气压,单位为kPa;
Ps为测量的烟气静压,单位为kPa。
试验测量不同负荷工况下二氧化硫的浓度CSO2,根据测量烟气的静压和温度计算出二氧化硫的实际密度ρSO2,发电功率E,单位MW。计算单位电量1kwh排放二氧化硫量的公式如下:
其中单位电量1kwh排放二氧化硫量QSO2单位为g/kwh;CSO2为实测干烟气中二氧化硫的体积浓度。
计算单位电量1kwh排放含氮气体量的公式如下:
其中单位电量1kwh排放含氮气体量QNOx单位为g/kwh。
2.2.3烟尘排放量:
采用毕托管平行等速采样法采集烟气中烟尘,测量滤膜采样前后的质量计算烟尘采集量,除以等速采样体积来计算烟尘浓度。干烟气含尘浓度计算公式如下:
式中:Vm-实际工况下的干燥烟气采样体积,单位为L;
Cfc-实际工况下干烟气含尘浓度,单位为g/m3;
m2-采样后滤膜质量,单位为mg;
m1-采样前滤膜质量,单位为mg;
计算单位电量1kwh烟尘排放量的公式如下:
其中单位电量1kwh排放烟气粉尘量Qfc单位为g/kwh。
通过以上提出的试验技术方案获得4个电负荷条件下的供电煤耗,二氧化硫、含氮气体和灰尘的排放量数据。以电负荷为横坐标,供电煤耗和污染物排放量为纵坐标作出不同负荷条件下机组的煤耗特性曲线和污染物排放曲线,再采用最小二乘法拟合曲线,获得机组煤耗,污染物排放与电负荷的经验公式与模型。
与现有的技术相比,本发明的有益效果是:
本发明公开了一种煤电机组供电煤耗与污染物排放的优化节能调度方法,该方法给出了电网优化调度模型与范例,能够有效应对社会用电整体需求疲软和新能源发电冲击,从而进一步推动节能减排工作,提高社会能源总体利用效率和降低地区污染物总体排放水平。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的仅为本发明的优选例,并不用来限制本发明,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (3)
1.煤电机组供电煤耗与污染物排放的优化节能调度方法,其特征在于,包括以下步骤:
步骤一:新能源负荷量预测;
基于气象信息、地形信息、电气参数和设备健康状态这些多维数据构建更加精确的新能源场站的功率预测方法,对风电功率预测模型采用BP神经网络技术建模,对光伏功率预测模型采用神经网络算法和神经网络分位数回归模型,最终通过对训练样本进行归一化处理,从而实现新能源负荷量预测,其中风电功率预测气象信息包括风力、风向和温度,光伏功率预测气象信息包括光照强度和温度;
步骤二:选定监测项目和测量方法;
选定典型的300~1000MW运行火电机组,对机组在100%负荷、75%负荷、50%负荷、40%负荷四个工况的实际供电煤耗进行监测;
选定监测项目包括电功率测量、烟气温度测量、烟气取样分析、入炉煤取样及分析、灰炉渣取样及分析、环境状态测量、汽轮机侧主要测点布置、污染物排放测量;
步骤三:搭建无线测量平台及数据采集;
搭建测量燃煤机组重要参数的无线测量平台,其重要参数包括水蒸汽压力、水蒸汽温度和排烟温度,将校验过的高精度传感器安装在各监测点位置,利用与高精度传感器连接的无线变送器将测量数据通过无线电波发射出去,在试验平台终端借助无线接收装置将信号接收,再传送到计算机内,通过数据采集软件对数据进行处理、记录和存储,实现各监测点测量数据采集工作;
步骤四:监测点测量数据预处理;
根据步骤三中获取的测量数据,首先对一个试验工况的全部原始记录进行检查、分析,判断原始记录的合理性,舍去不合理的个别测点数据,对测量参数进行平均计算,在此基础上进行压力的位差以及大气压力修正,以确定测量参数值,测量参数平均计算的方法为算术平均法;
步骤五:机组供电煤耗和污染物排放计算;
基于步骤四中的预处理测点数据,机组供电煤耗计算需要依次确定主蒸汽流量、1号高加进汽流量、2号高加进汽流量、3号高加进汽流量、除氧器进汽流量和冷再热蒸汽流量,再经过汽轮机热耗率的计算、汽轮机热耗率的修正、锅炉效率的计算、锅炉热效率的修正和机组发电煤耗的计算,通过汽轮机热耗率的计算、汽轮机热耗率的修正、锅炉效率的计算、锅炉热效率的修正和机组发电煤耗的计算,最终获得机组供电煤耗值;
污染物排放计算则由空气过剩系数、烟气污染物排放浓度、烟气含湿量的测量和烟尘浓度这些参数来计算出二氧化硫、一氧化氮、二氧化氮和烟尘的排放量数据;
步骤六:构建机组供电煤耗和污染物排放的最优计算模型;
基于步骤一中的新能源预测负荷数据和步骤五中的机组供电煤耗和污染物排放的数据,以电负荷为横坐标,机组供电煤耗和污染物排放量为纵坐标作出不同负荷条件下机组的煤耗特性曲线和污染物排放曲线,再采用最小二乘法拟合曲线,获得机组供电煤耗和污染物排放分别与电负荷的经验公式与模型;
在满足社会用电量需求条件下,首先,构建机组供电煤耗和电负荷的经验公式,求解出整体的机组平均供电煤耗;其次,构建机组二氧化硫、一氧化氮、二氧化氮和烟尘的整体排放量和电负荷的经验公式,求解整体污染物的排放量,并采用无量纲法处理机组供电煤耗和污染物排放量计算公式,对机组供电煤耗和污染物排放量设置对等的权重,最终构建机组供电煤耗和污染物排放的最优计算模型;
步骤七:制定最优节能调度方案;
在步骤六的最优计算模型基础上,基于制定机组各种开机组合方式,计算出地区机组供电煤耗与污染物排放最优的开机组合排序和电负荷分配方案,在满足社会用电量需求和安全消纳新能源的条件下,制定出地区机组供电煤耗与污染物排放最优的机组深度调峰方案和最优电负荷分配方案,以达到整体机组供电煤耗最优和污染物排放最优的效果。
2.根据权利要求1所述的煤电机组供电煤耗与污染物排放的优化节能调度方法,其特征在于:在步骤二中,汽轮机侧主要测点布置数据包括高压缸进汽温度、高压缸排汽温度、中压缸进汽温度、锅炉给水温度、一号高加出口温度、二号高加进口温度和除氧器进水温度的数据。
3.根据权利要求1或2所述的煤电机组供电煤耗与污染物排放的优化节能调度方法,其特征在于:在步骤二中,污染物排放测量包括烟气温度、烟气流速、 烟气动压、烟气含湿量、烟气含氧量、烟气二氧化硫浓度、烟气氮氧化物浓度和烟尘浓度数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711092350.5A CN108197723B (zh) | 2017-11-08 | 2017-11-08 | 煤电机组供电煤耗与污染物排放的优化节能调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711092350.5A CN108197723B (zh) | 2017-11-08 | 2017-11-08 | 煤电机组供电煤耗与污染物排放的优化节能调度方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108197723A CN108197723A (zh) | 2018-06-22 |
CN108197723B true CN108197723B (zh) | 2021-07-20 |
Family
ID=62572929
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711092350.5A Active CN108197723B (zh) | 2017-11-08 | 2017-11-08 | 煤电机组供电煤耗与污染物排放的优化节能调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108197723B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108876181B (zh) * | 2018-06-30 | 2023-07-18 | 中碳汇资产运营(深圳)有限公司 | 智能化的企业污染物排放监控方法及系统 |
CN110930050B (zh) * | 2019-12-02 | 2023-06-23 | 国网河北省电力有限公司电力科学研究院 | 供热机组采用储热罐技术灵活性改造后的调峰能力改善评估方法 |
CN112510704B (zh) * | 2020-11-26 | 2022-10-11 | 贵州电网有限责任公司 | 一种在线煤耗曲线实时生成方法及系统 |
CN113640466A (zh) * | 2021-08-03 | 2021-11-12 | 广东电网有限责任公司 | 一种碳排放强度测量方法、设备及介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103412526A (zh) * | 2013-07-12 | 2013-11-27 | 国家电网公司 | 一种供热机组在线负荷的调度方法与系统 |
CN103955752A (zh) * | 2014-04-11 | 2014-07-30 | 国家电网公司 | 一种燃煤电厂污染物排放总量控制智能化决策方法 |
CN106447099A (zh) * | 2016-09-22 | 2017-02-22 | 广州粤能电力科技开发有限公司 | 燃煤机组负荷分配方法和装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2753412A4 (en) * | 2011-09-05 | 2015-03-11 | Emission Logistics Pty Ltd | EMISSION CONTROL SYSTEM |
-
2017
- 2017-11-08 CN CN201711092350.5A patent/CN108197723B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103412526A (zh) * | 2013-07-12 | 2013-11-27 | 国家电网公司 | 一种供热机组在线负荷的调度方法与系统 |
CN103955752A (zh) * | 2014-04-11 | 2014-07-30 | 国家电网公司 | 一种燃煤电厂污染物排放总量控制智能化决策方法 |
CN106447099A (zh) * | 2016-09-22 | 2017-02-22 | 广州粤能电力科技开发有限公司 | 燃煤机组负荷分配方法和装置 |
Non-Patent Citations (1)
Title |
---|
安徽省燃煤火电机组脱硝在线监测系统建设;王正风;《东北电力技术》;20170920;第38卷(第9期);第54-57页 * |
Also Published As
Publication number | Publication date |
---|---|
CN108197723A (zh) | 2018-06-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108197723B (zh) | 煤电机组供电煤耗与污染物排放的优化节能调度方法 | |
CN104698149B (zh) | 一种燃煤锅炉煤质在线软测量方法 | |
CN106768068A (zh) | 火电机组燃煤热值与发电标煤耗指标在线监测系统与方法 | |
CN105091944B (zh) | 一种火力发电厂机组燃煤发热值及煤耗率指标在线监测的方法 | |
CN102734782B (zh) | 一种燃煤锅炉能效监测方法 | |
CN107796851A (zh) | 高炉煤气锅炉入炉煤气热值与锅炉热效率在线监测方法 | |
CN104699937A (zh) | 一种基于烟气测试的锅炉效率自校正计算方法 | |
CN110375289B (zh) | 一种燃煤电站锅炉监测系统及其热效率测试方法 | |
CN103697946A (zh) | 一种火电厂燃煤锅炉烟气流量的计算方法及污染物排放量的控制方法 | |
CN111931346B (zh) | 一种燃煤锅炉入炉煤低位热值的实时计算方法及应用 | |
CN106323657B (zh) | 一种基于化学平衡的燃煤锅炉能效在线监测方法 | |
CN102495607A (zh) | 基于Symphony系统的火电机组在线性能监测方法 | |
CN109655488A (zh) | 基于混合煤气预热燃烧的煤气热值软测量方法 | |
CN106442857A (zh) | 一种基于氧含量测定的二氧化碳排放检测方法及检测装置 | |
CN111881405A (zh) | 一种燃煤锅炉飞灰可燃物含量的实时计算方法 | |
CN110864855B (zh) | 在中低负荷下测量电站锅炉空预器漏风率的装置及方法 | |
CN103728339B (zh) | 一种火电锅炉侧换热设备平均热阻的实时辨识方法 | |
CN104729888B (zh) | 一种基于bp神经网络的烟道飞灰等速取样系统和控制方法 | |
US7398652B1 (en) | System for optimizing a combustion heating process | |
CN103728055B (zh) | 一种火电机组锅炉炉膛出口烟气能量的实时估计方法 | |
CN112255978A (zh) | 一种燃煤锅炉智慧运维系统及方法 | |
CN103699790B (zh) | 一种燃煤电站炉膛出口烟气平均温度的实时检测方法 | |
CN116697392A (zh) | 一种煤粉锅炉碳燃尽系数的在线监测方法 | |
CN110222351A (zh) | 煤气混烧锅炉入炉煤气热值与锅炉热效率在线监测方法 | |
CN112417684B (zh) | 一种燃煤机组煤质成分动态计算方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |