CN111156831B - 冷端优化方法、数据处理系统及计算机存储介质 - Google Patents
冷端优化方法、数据处理系统及计算机存储介质 Download PDFInfo
- Publication number
- CN111156831B CN111156831B CN201911398272.0A CN201911398272A CN111156831B CN 111156831 B CN111156831 B CN 111156831B CN 201911398272 A CN201911398272 A CN 201911398272A CN 111156831 B CN111156831 B CN 111156831B
- Authority
- CN
- China
- Prior art keywords
- cooling medium
- function
- relation function
- flow rate
- power consumption
- 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
- 238000012545 processing Methods 0.000 title claims abstract description 60
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000005457 optimization Methods 0.000 title claims abstract description 18
- 238000003860 storage Methods 0.000 title claims abstract description 15
- 239000002826 coolant Substances 0.000 claims abstract description 267
- 238000004364 calculation method Methods 0.000 claims abstract description 24
- 238000009795 derivation Methods 0.000 claims abstract description 12
- 230000006870 function Effects 0.000 claims description 189
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 43
- 238000004422 calculation algorithm Methods 0.000 claims description 37
- 239000000498 cooling water Substances 0.000 claims description 36
- 230000002068 genetic effect Effects 0.000 claims description 7
- 239000002245 particle Substances 0.000 claims description 6
- 230000008901 benefit Effects 0.000 abstract description 7
- 230000008859 change Effects 0.000 description 14
- 230000008569 process Effects 0.000 description 14
- 238000011161 development Methods 0.000 description 7
- 238000013528 artificial neural network Methods 0.000 description 6
- 238000013178 mathematical model Methods 0.000 description 6
- 238000003062 neural network model Methods 0.000 description 6
- 238000004519 manufacturing process Methods 0.000 description 5
- 230000001276 controlling effect Effects 0.000 description 4
- 230000005494 condensation Effects 0.000 description 3
- 238000009833 condensation Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000001816 cooling Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000005314 correlation function Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F28—HEAT EXCHANGE IN GENERAL
- F28B—STEAM OR VAPOUR CONDENSERS
- F28B11/00—Controlling arrangements with features specially adapted for condensers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/15—Correlation function computation including computation of convolution operations
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Optimization (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Analysis (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Algebra (AREA)
- Mechanical Engineering (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Feedback Control In General (AREA)
Abstract
本申请实施例公开了一种冷端优化方法、数据处理系统及计算机存储介质，用于当增大冷却介质流量时平衡汽轮机功率的增量和冷却介质供给设备耗功的增量之间的关系。本申请实施例方法包括：数据处理系统获取到冷却介质流量与汽轮机功率的第三关系函数以及冷却介质流量与冷却介质供给设备耗功的第四关系函数，当冷却介质流量增大时，汽轮机功率和冷却介质供给设备耗功也相应地增大，两者作差之后得到第五函数关系。在对第五函数关系求导及求极值之后，得到差值的极大值，也就是说，该极大值对应下的冷却介质流量，能够保证汽轮机功率足够大，同时也能将冷却介质供给设备耗功的数值限制在较低的水平，从而提高了火电厂的经济效益。
Description
技术领域
本申请实施例涉及能源开发领域，具体涉及一种冷端优化方法、数据处理系统及计算机存储介质。
背景技术
节能降耗是火电厂能源开发过程中的一项重要课题，而能源开发过程的各个环节均存在不同程度的能量损失。有数据显示，在冷端设备中，凝汽器冷凝环节的能量损失最大,约占火电厂总损失能量的56％，因此，进行冷端优化、减小凝汽器冷凝环节的能量损失显得尤为重要。
在能源开发过程中，凝汽器压力会对汽轮机功率产生影响，凝汽器压力降低，汽轮机功率增加；凝汽器压力升高，汽轮机功率减小。因此，为提高汽轮机功率，可以采用循环水泵向凝汽器提供冷却水的方式将凝汽器压力控制在较低的数值范围内。当冷却水流量增加时，凝汽器压力降低，因此可以增大冷却水流量。由此看出，增大冷却水流量可以提高汽轮机功率，但是增大冷却水流量也会相应地增加了循环水泵的耗功，当冷却水流量增大到一定程度时，循环水泵的耗功增量会抵消汽轮机功率的增量，造成得不偿失的局面。因此，增大冷却水流量所产生的能量损失也是凝汽器冷凝环节产生能量损失的一个主要原因。
因此，增大冷却水流量时如何平衡汽轮机功率的增量和循环水泵的耗功增量之间的关系，以使火电厂的能源开发达到最大的经济效益，是一个亟需解决的技术问题。
而在火电厂的实际生产运行过程中，运行人员仅依靠自身工作经验对大量历史运行参数进行观测，并在大量的历史运行参数中直接估算冷却介质流量的最优值，其估算结果与最优冷却介质流量的真实值差距较大，且估算结果的主观性较强，准确性低。
发明内容
本申请实施例提供了一种冷端优化方法、数据处理系统及计算机存储介质，用于当增大冷却介质流量时平衡汽轮机功率的增量和冷却介质供给设备耗功的增量之间的关系。
本申请实施例第一方面提供了一种冷端优化方法，应用于数据处理系统，所述方法包括：
获取冷却介质流量与凝汽器压力的第一关系函数，以及所述凝汽器压力与汽轮机功率的第二关系函数；
根据所述第一关系函数和所述第二关系函数，建立所述冷却介质流量与所述汽轮机功率的第三关系函数；
获取所述冷却介质流量与冷却介质供给设备耗功的第四关系函数，所述冷却介质供给设备耗功为冷却介质供给设备向凝汽器提供冷却介质时所产生的电能损耗；
当所述冷却介质流量增大时，根据所述第三关系函数计算所述汽轮机功率的增量，以及，根据所述第四关系函数计算所述冷却介质供给设备耗功的增量；
建立第五关系函数，所述第五关系函数为所述汽轮机功率的增量与所述冷却介质供给设备耗功的增量的差值；
对所述第五关系函数进行求导及求极值，得到所述第五关系函数的极大值，所述极大值对应的冷却介质流量为最优冷却介质流量。
优选的，所述得到所述第五关系函数的极大值之后，所述方法还包括：
根据所述第一关系函数计算所述最优冷却介质流量对应的最佳凝汽器压力。
优选的，所述冷却介质为冷却水，所述冷却介质供给设备为循环水泵，则所述最优冷却介质流量为最优冷却水流量；
所述得到所述第五关系函数的极大值之后，所述方法还包括：
利用蚁群算法、遗传算法、差分进化算法或粒子群算法中的一种或多种算法，控制所述循环水泵的转速或所述循环水泵的进出口蝶阀开度，以使所述循环水泵的冷却水流量为所述最优冷却水流量。
优选的，所述第一关系函数的变量还包括机组负荷及冷却介质温度。
优选的，所述第二关系函数的变量还包括机组负荷。
本申请实施例第二方面提供了一种数据处理系统，所述数据处理系统包括：
第一获取单元，用于获取冷却介质流量与凝汽器压力的第一关系函数，以及所述凝汽器压力与汽轮机功率的第二关系函数；
第一函数建立单元，用于根据所述第一关系函数和所述第二关系函数，建立所述冷却介质流量与所述汽轮机功率的第三关系函数；
第二获取单元，用于获取所述冷却介质流量与冷却介质供给设备耗功的第四关系函数，所述冷却介质供给设备耗功为冷却介质供给设备向凝汽器提供冷却介质时所产生的电能损耗；
第一计算单元，用于当所述冷却介质流量增大时，根据所述第三关系函数计算所述汽轮机功率的增量，以及，根据所述第四关系函数计算所述冷却介质供给设备耗功的增量；
第二函数建立单元，用于建立第五关系函数，所述第五关系函数为所述汽轮机功率的增量与所述冷却介质供给设备耗功的增量的差值；
第二计算单元，用于对所述第五关系函数进行求导及求极值，得到所述第五关系函数的极大值，所述极大值对应的冷却介质流量为最优冷却介质流量。
优选的，所述数据处理系统还包括：
第三计算单元，用于根据所述第一关系函数计算所述最优冷却介质流量对应的最佳凝汽器压力。
优选的，所述冷却介质为冷却水，所述冷却介质供给设备为循环水泵，则所述最优冷却介质流量为最优冷却水流量；
所述数据处理系统还包括：
控制单元，用于利用蚁群算法、遗传算法、差分进化算法或粒子群算法中的一种或多种算法，控制所述循环水泵的转速或所述循环水泵的进出口蝶阀开度，以使所述循环水泵的冷却水流量为所述最优冷却水流量。
本申请实施例第三方面提供了一种数据处理系统，包括：
处理器、存储器、总线、输入输出设备；
所述处理器与所述存储器、输入输出设备相连；
所述总线分别连接所述处理器、存储器以及输入输出设备；
所述输入输出设备用于获取冷却介质流量与凝汽器压力的第一关系函数，以及所述凝汽器压力与汽轮机功率的第二关系函数；
所述处理器用于根据所述第一关系函数和所述第二关系函数，建立所述冷却介质流量与所述汽轮机功率的第三关系函数；
所述输入输出设备还用于获取所述冷却介质流量与冷却介质供给设备耗功的第四关系函数，所述冷却介质供给设备耗功为冷却介质供给设备向凝汽器提供冷却介质时所产生的电能损耗；
所述处理器还用于当所述冷却介质流量增大时，根据所述第三关系函数计算所述汽轮机功率的增量，以及，根据所述第四关系函数计算所述冷却介质供给设备耗功的增量，建立第五关系函数，所述第五关系函数为所述汽轮机功率的增量与所述冷却介质供给设备耗功的增量的差值，对所述第五关系函数进行求导及求极值，得到所述第五关系函数的极大值，所述极大值对应的冷却介质流量为最优冷却介质流量。
本申请实施例第四方面提供了一种计算机存储介质，计算机存储介质中存储有指令，该指令在计算机上执行时，使得计算机执行前述第一方面的方法。
从以上技术方案可以看出，本申请实施例具有以下优点：
数据处理系统获取到冷却介质流量与汽轮机功率的第三关系函数以及冷却介质流量与冷却介质供给设备耗功的第四关系函数，当冷却介质流量增大时，汽轮机功率和冷却介质供给设备耗功也相应地增大，两者作差之后得到第五函数关系，则第五函数关系描述了冷却介质流量随汽轮机功率和冷却介质供给设备耗功之间的差值的变化规律。在对第五函数关系求导及求极值之后，得到第五函数关系的极大值，也就是汽轮机功率和冷却介质供给设备耗功之间的差值的极大值，也就是说，该极大值对应下的冷却介质流量，能够保证汽轮机功率足够大，同时也能将冷却介质供给设备耗功的数值限制在较低的水平，从而在保证足够的汽轮机功率的前提下节能降耗，提高了火电厂的经济效益。本申请实施例通过建立数学模型求得冷却介质流量的最优值，相比于在火电厂的实际生产运行过程中，运行人员仅依靠自身工作经验对大量历史运行参数进行观测而直接估算获得的冷却介质流量，本申请实施例通过数学模型计算得到的结果不带有个人主观性，计算结果更加精确，更接近最优冷却介质流量的真实值，计算结果精度更高。
附图说明
图1为本申请实施例中冷端优化方法一个流程示意图；
图2为本申请实施例中数据处理系统一个结构示意图；
图3为本申请实施例中数据处理系统另一结构示意图。
具体实施方式
本申请实施例提供了一种冷端优化方法、数据处理系统及计算机存储介质，用于当增大冷却介质流量时平衡汽轮机功率的增量和冷却介质供给设备耗功的增量之间的关系。
请参阅图1，本申请实施例中冷端优化方法一个实施例包括：
101、获取冷却介质流量与凝汽器压力的第一关系函数，以及凝汽器压力与汽轮机功率的第二关系函数；
在火电厂的能源开发过程中，汽轮机的低压缸做完功后，在低压缸末级叶片的位置会向凝汽器排出高温高压蒸汽，该高温高压蒸汽进入凝汽器中，因此，凝汽器压力也就是进入凝汽器中的该高温高压蒸汽的压力，也称为汽轮机背压。而为了使该高温高压蒸汽冷凝成水，冷却介质供给设备需要向凝汽器提供冷却介质，凝汽器可借助冷却介质对凝汽器中的高温高压蒸汽进行冷凝，高温高压蒸汽冷凝成水之后，冷凝水可以返回至锅炉中重新利用。因此，本实施例中，冷却介质流量也就是冷却介质供给设备向凝汽器提供的冷却介质的流量，其可以在冷却介质供给设备的冷却介质出口处测得，也可以在凝汽器的冷却介质进口处测得，冷却介质流量的具体测量位置不作限定。
由此可以看出，由于冷却介质会使高温高压蒸汽冷凝，从而降低了蒸汽压力，当冷却介质流量较大时，凝汽器压力也就相应地减小，因此，冷却介质流量与凝汽器压力存在相互对应的函数关系，可以通过控制冷却介质流量进而控制凝汽器压力。
在火电机组的运行过程中，数据处理系统可以实时收集各个工况设备的运行数据，因此，运行人员可以根据收集到的冷却介质流量以及凝汽器压力的多组历史数据，通过曲线拟合的方式得到凝汽器压力与冷却介质流量的关系函数，凝汽器压力与冷却介质流量的关系函数反映了凝汽器压力随冷却介质流量的变化而变化的规律。本实施例中，将凝汽器压力与冷却介质流量的关系函数称为第一关系函数，第一关系函数可以表示为Pk＝F1(W)，其中Pk为凝汽器压力，W为冷却介质流量。
其中，第一关系函数的表达式Pk＝F1(W)的具体内容可以根据不同火电机组的实际运行工况进行确定，在不同火电机组的工况下，其工况数据不尽相同，因此表达式的内容也可能不相同，但不同火电机组工况下的第一关系函数，其本质是相同的，即都反映了凝汽器压力随冷却介质流量的变化而变化的趋势。
本实施例中，数据处理系统可以是分布式控制系统(distributed controlsystem，DCS)，也可以是厂级监控信息系统(supervisory information system，SIS)，还可以是企业资源计划ERP系统或者其它生产信息系统。
例如，当本实施例的数据处理系统以DCS系统的形式运行时，数据处理系统与各个工况设备进行连接，以获取各个工况设备的工况数据并对各种工况数据进行处理，如运行数据、机组负荷等数据。具体的，如工况设备为凝汽器，则数据处理系统可以获取凝汽器压力、进入凝汽器的冷却介质流量等凝汽器工况数据；如工况设备为循环水泵，则获取循环水泵的进出口蝶阀开度或循环水泵转速等工况数据。
运行人员得到凝汽器压力与冷却介质流量的第一关系函数之后，向数据处理系统输入该第一关系函数，从而使数据处理系统获取到该第一关系函数。
此外，数据处理系统也可以建立函数曲线拟合的神经网络模型，并基于神经网络算法对该函数曲线拟合的神经网络模型进行训练，进而可以使用训练好的神经网络模型对凝汽器压力和冷却介质流量的函数关系进行曲线拟合，得到第一关系函数。其中，神经网络算法可以是反向传播神经网络(back propagation neural network，BP)算法，也可以根据广义回归神经网络(general regression neural network，GRNN)算法对神经网络模型进行训练，还可以是灰色神经网络算法、支持向量机(support vector machines,svm)神经网络算法或者是遗传算法等模型训练方法。
本实施例中，数据处理系统获取冷却介质流量与凝汽器压力的第一关系函数还可以是其他方式，具体此处不作限定。
在火电厂的能源开发过程中，凝汽器压力同样会影响着汽轮机功率，当凝汽器压力较高时，汽轮机功率降低；凝汽器压力较低时，汽轮机功率升高。因此，汽轮机功率随凝汽器压力的变化趋势可以用函数来表示。
运行人员可以根据数据处理系统收集到的汽轮机功率以及凝汽器压力的多组历史数据，通过曲线拟合的方式得到凝汽器压力与汽轮机功率的关系函数，凝汽器压力与汽轮机功率的关系函数反映了汽轮机功率随凝汽器压力的变化而变化的规律。本实施例中，可以将汽轮机功率与凝汽器压力的关系函数称为第二关系函数，则第二关系函数可以表示为NT＝F2(Pk)，其中Pk为凝汽器压力，NT为汽轮机功率。
其中，第二关系函数的表达式NT＝F2(Pk)的具体内容可以根据不同火电机组的实际运行工况进行确定，在不同火电机组的工况下，其工况数据不尽相同，因此表达式的内容也可能不相同，但不同火电机组工况下的第二关系函数，其本质是相同的，即都反映了汽轮机功率随凝汽器压力的变化而变化的趋势。
运行人员得到汽轮机功率与凝汽器压力的第二关系函数之后，向数据处理系统输入该第二关系函数，从而使数据处理系统获取到该第二关系函数。
同理，数据处理系统也可以使用训练好的神经网络模型对汽轮机功率与凝汽器压力的关系函数进行曲线拟合，从而得到第二关系函数。数据处理系统获取第二关系函数的方式不作限定。
本实施例中，冷却介质可以是水或者是空气，或者是其他低温物质。若冷却介质为水时，冷却介质供给设备可以是循环水泵，冷却介质流量则是冷却水流量；若冷却介质为空气时，冷却介质供给设备可以是空冷机组，空冷机组包括真空泵和空冷风机。具体的冷却介质和冷却介质供给设备不作限定。
102、根据第一关系函数和第二关系函数，建立冷却介质流量与汽轮机功率的第三关系函数；
由前述步骤101可知，冷却介质流量会影响凝汽器压力，而凝汽器压力会影响汽轮机功率，因此，冷却介质流量可以通过影响凝汽器压力的方式来影响汽轮机功率，也就是说，冷却介质流量与汽轮机功率存在一定的对应关系，汽轮机功率会随着冷却介质流量的变化而变化。
因此，在得到冷却介质流量与凝汽器压力的第一关系函数以及凝汽器压力与汽轮机功率的第二关系函数之后，可以对第一关系函数和第二关系函数进行糅合，从而建立起冷却介质流量与汽轮机功率的第三关系函数。
具体的，若第二关系函数表示为NT＝F2(Pk)、第一关系函数表示为Pk＝F1(W)，则第三关系函数可以表示为NT＝F3(W)，其中NT为汽轮机功率，W为冷却介质流量。
103、获取冷却介质流量与冷却介质供给设备耗功的第四关系函数；
冷却介质供给设备向凝汽器提供冷却介质时需要消耗一定的电能，也就是产生了设备耗功，本实施例将冷却介质供给设备向凝汽器提供冷却介质时所产生的电能损耗称为冷却介质供给设备耗功。
因此，冷却介质流量与冷却介质供给设备耗功便具有对应关系，当冷却介质流量增大时，冷却介质供给设备耗功也会相应地增大；冷却介质流量减小时，冷却介质供给设备耗功则相应地减小。冷却介质供给设备耗功随冷却介质流量的变化而变化的趋势可以用函数来表示。
运行人员可以根据数据处理系统收集到的冷却介质流量与冷却介质供给设备耗功的多组历史数据，通过曲线拟合的方式得到冷却介质供给设备耗功与冷却介质流量的关系函数，冷却介质供给设备耗功与冷却介质流量的关系函数反映了冷却介质供给设备耗功随冷却介质流量的变化而变化的规律。本实施例中，将冷却介质供给设备耗功与冷却介质流量的关系函数称为第四关系函数，则第四关系函数可以表示为NP＝F4(W)，其中NP为冷却介质供给设备耗功，W为冷却介质流量。
其中，第四关系函数的表达式NP＝F4(W)的具体内容可以根据不同火电机组的实际运行工况进行确定，在不同火电机组的工况下，其工况数据不尽相同，因此表达式的内容也可能不相同，但不同火电机组工况下的第四关系函数，其本质是相同的，即都反映了冷却介质供给设备耗功随冷却介质流量的变化而变化的趋势。
运行人员得到冷却介质流量与冷却介质供给设备耗功的第四关系函数之后，向数据处理系统输入该第四关系函数，从而使数据处理系统获取到该第四关系函数。
同理，数据处理系统也可以使用训练好的神经网络模型对冷却介质流量与冷却介质供给设备耗功的关系函数进行曲线拟合，从而得到第四关系函数。数据处理系统获取第四关系函数的方式不作限定。
104、根据第三关系函数计算汽轮机功率的增量，以及，根据第四关系函数计算冷却介质供给设备耗功的增量；
在得到第三关系函数以及第四关系函数之后，可以设置冷却介质流量的一个已知初始数值，该已知初始数值为任意数值，并设定冷却介质流量相对于该已知初始数值的变化量a，该变化量a可以是正数，也可以是负数。当变化量a为正数时，表明冷却介质流量增大，根据前面步骤101至103的描述，汽轮机功率和冷却介质供给设备耗功也会相应地增大，两者的增量可以分别通过第三关系函数以及第四关系函数计算得到，从而得到汽轮机功率的增量与变化量a的对应关系，以及冷却介质供给设备耗功的增量与变化量a的对应关系。
具体的，根据前面步骤102及103的描述，第三关系函数表示为NT＝F3(W)、第四关系函数表示为NP＝F4(W)，并设置冷却介质流量的已知初始数值为W0,则汽轮机功率的增量ΔNT＝F3(W0+a)-F3(W0)，冷却介质供给设备耗功的增量ΔNP＝F4(W0+a)-F4(W0)。
105、建立第五关系函数；
在得到汽轮机功率的增量与变化量a的对应关系，以及冷却介质供给设备耗功的增量与变化量a的对应关系之后，数据处理系统建立第五关系函数，第五关系函数为汽轮机功率的增量与冷却介质供给设备耗功的增量的差值。
具体的，汽轮机功率的增量的计算式为ΔNT＝F3(W0+a)-F3(W0)，冷却介质供给设备耗功的增量的计算式为ΔNP＝F4(W0+a)-F4(W0)，则汽轮机功率的增量与冷却介质供给设备耗功的增量的差值表示为F5＝|ΔNT-ΔNP|，也就是第五关系函数，则第五关系函数反映了汽轮机功率的增量与冷却介质供给设备耗功的增量的差值随冷却介质流量的变化量a的变化而变化的趋势。
106、对第五关系函数进行求导及求极值，得到第五关系函数的极大值；
在得到第五关系函数之后，数据处理系统对第五关系函数进行求导，得到第五关系函数的导数。令第五关系函数的导数等于零，计算得到第五关系函数的极大值，并得到该极大值对应的变化量a。将该极大值对应的变化量a与步骤104中所设定的冷却介质流量的已知初始数值相加，即得到最优冷却介质流量。
此时，第五关系函数的极大值表示了冷却介质流量的已知初始数值在改变了一定的数值之后，改变的数值大小(也就是变化量a)使得汽轮机功率的增量与冷却介质供给设备耗功的增量的差值最大，也就是说，汽轮机功率的增量远远大于冷却介质供给设备耗功的增量，从而保证了火电厂发电的经济效益最大化。
本实施例中，若冷却介质为冷却水，则冷却介质供给设备可以是循环水泵，则最优冷却介质流量即为最优冷却水流量。在得到最优冷却水流量之后，可以在火电机组的实际运行过程中，利用蚁群算法、遗传算法、差分进化算法或粒子群算法中的一种或多种算法，控制循环水泵的转速或循环水泵的进出口蝶阀开度，还可以结合循环水泵的工作方式对冷却水流量进行有目的性的控制，从而将循环水泵的冷却水流量控制在最优冷却水流量对应的数值范围内。
具体的，结合循环水泵的工作方式对冷却水流量进行控制的方式可以是，当循环水泵的内部电机采用高低双速电机时，可进行组合优化控制，运行方式可以是单机单泵高低速、单机双泵高低速、双机双泵高低速、双机三泵高低速、双机四泵高低速等多种运行方式。若循环水泵为变频泵，则进行连续优化，根据机组负荷对循环水泵的转速进行控制，从而进一步节约循环水泵的电耗。
107、根据第一关系函数计算最优冷却介质流量对应的最佳凝汽器压力；
在得到最优冷却介质流量之后，可以进一步根据步骤101中得到的第一关系函数计算最优冷却介质流量对应的最佳凝汽器压力，从而可以进一步根据最佳凝汽器压力的指示相应地调控实际的凝汽器压力。
本实施例中，当机组工况不满足设计工况时，为进一步保证第一关系函数的全面性和科学性，还可以在第一关系函数中增加其他影响凝汽器压力的变量，如机组负荷或冷却介质温度。同理，当机组工况不满足设计工况时，为进一步保证第二关系函数的全面性和科学性，也可以在第二关系函数中增加机组负荷等影响汽轮机功率的变量。
需要说明的是，由于本实施例仅讨论汽轮机功率的增量与冷却介质供给设备耗功的增量之间的差值与冷却介质流量的对应函数关系，因此本实施例也可以维持机组负荷或冷却介质温度等工况指标的数值不变动，而无需将机组负荷或冷却介质温度作为影响凝汽器压力的变量，本实施例对此不作限定。
数据处理系统获取到冷却介质流量与汽轮机功率的第三关系函数以及冷却介质流量与冷却介质供给设备耗功的第四关系函数，当冷却介质流量增大时，汽轮机功率和冷却介质供给设备耗功也相应地增大，两者作差之后得到第五函数关系，则第五函数关系描述了冷却介质流量随汽轮机功率和冷却介质供给设备耗功之间的差值的变化规律。在对第五函数关系求导及求极值之后，得到第五函数关系的极大值，也就是汽轮机功率和冷却介质供给设备耗功之间的差值的极大值，也就是说，该极大值对应下的冷却介质流量，能够保证汽轮机功率足够大，同时也能将冷却介质供给设备耗功的数值限制在较低的水平，从而在保证足够的汽轮机功率的前提下节能降耗，提高了火电厂的经济效益。本申请实施例通过建立数学模型求得冷却介质流量的最优值，相比于在火电厂的实际生产运行过程中，运行人员仅依靠自身工作经验对大量历史运行参数进行观测而直接估算获得的冷却介质流量，本申请实施例通过数学模型计算得到的结果更加精确，更接近最优冷却介质流量的真实值，计算结果精度更高。
上面对本申请实施例中的冷端优化方法进行了描述，下面对本申请实施例中的数据处理系统进行描述，请参阅图2，本申请实施例中数据处理系统一个实施例包括：
第一获取单元201，用于获取冷却介质流量与凝汽器压力的第一关系函数，以及凝汽器压力与汽轮机功率的第二关系函数；
第一函数建立单元202，用于根据第一关系函数和第二关系函数，建立冷却介质流量与汽轮机功率的第三关系函数；
第二获取单元203，用于获取冷却介质流量与冷却介质供给设备耗功的第四关系函数，冷却介质供给设备耗功为冷却介质供给设备向凝汽器提供冷却介质时所产生的电能损耗；
第一计算单元204，用于当冷却介质流量增大时，根据第三关系函数计算汽轮机功率的增量，以及，根据第四关系函数计算冷却介质供给设备耗功的增量；
第二函数建立单元205，用于建立第五关系函数，第五关系函数为汽轮机功率的增量与冷却介质供给设备耗功的增量的差值；
第二计算单元206，用于对第五关系函数进行求导及求极值，得到第五关系函数的极大值，极大值对应的冷却介质流量为最优冷却介质流量。
本实施例的一种实施方式中，数据处理系统还包括：
第三计算单元207，用于根据第一关系函数计算最优冷却介质流量对应的最佳凝汽器压力。
本实施例的另一种实施方式中，冷却介质为冷却水，冷却介质供给设备为循环水泵，则最优冷却介质流量为最优冷却水流量。数据处理系统还包括：
控制单元208，用于利用蚁群算法、遗传算法、差分进化算法或粒子群算法中的一种或多种算法，控制循环水泵的转速或循环水泵的进出口蝶阀开度，以使循环水泵的冷却水流量为最优冷却水流量。
本实施例中，数据处理系统中各单元所执行的操作与前述图1所示实施例中描述的类似，此处不再赘述。
本实施例中，第一函数建立单元202和第二获取单元203分别获取到冷却介质流量与汽轮机功率的第三关系函数以及冷却介质流量与冷却介质供给设备耗功的第四关系函数，当冷却介质流量增大时，汽轮机功率和冷却介质供给设备耗功也相应地增大，第二函数建立单元205对两者进行作差之后得到第五函数关系，则第五函数关系描述了冷却介质流量随汽轮机功率和冷却介质供给设备耗功之间的差值的变化规律。第二计算单元206在对第五函数关系求导及求极值之后，得到第五函数关系的极大值，也就是汽轮机功率和冷却介质供给设备耗功之间的差值的极大值，也就是说，该极大值对应下的冷却介质流量，能够保证汽轮机功率足够大，同时也能将冷却介质供给设备耗功的数值限制在较低的水平，从而在保证足够的汽轮机功率的前提下节能降耗，提高了火电厂的经济效益。本申请实施例通过建立数学模型求得冷却介质流量的最优值，相比于在火电厂的实际生产运行过程中，运行人员仅依靠自身工作经验对大量历史运行参数进行观测而直接估算获得的冷却介质流量，本申请实施例通过数学模型计算得到的结果更加精确，更接近最优冷却介质流量的真实值，计算结果精度更高。
下面对本申请实施例中的数据处理系统进行描述，请参阅图3，本申请实施例中数据处理系统一个实施例包括：
该数据处理系统300可以包括一个或一个以上中央处理器(central processingunits，CPU)301和存储器305，该存储器305中存储有一个或一个以上的应用程序或数据。
其中，存储器305可以是易失性存储或持久存储。存储在存储器305的程序可以包括一个或一个以上模块，每个模块可以包括对数据处理系统中的一系列指令操作。更进一步地，中央处理器301可以设置为与存储器305通信，在数据处理系统300上执行存储器305中的一系列指令操作。
数据处理系统300还可以包括一个或一个以上电源302，一个或一个以上有线或无线网络接口303，一个或一个以上输入输出接口304，和/或，一个或一个以上操作系统，例如Windows ServerTM，Mac OS XTM，UnixTM,LinuxTM，FreeBSDTM等。
该中央处理器301可以执行前述图1所示实施例中数据处理系统所执行的操作，具体此处不再赘述。
本申请实施例还提供了一种计算机存储介质，其中一个实施例包括：该计算机存储介质中存储有指令，该指令在计算机上执行时，使得该计算机执行前述图1所示实施例中数据处理系统所执行的操作。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，read-onlymemory)、随机存取存储器(RAM，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
Claims (10)
1.一种冷端优化方法，其特征在于，应用于数据处理系统，所述方法包括：
获取冷却介质流量与凝汽器压力的第一关系函数，以及所述凝汽器压力与汽轮机功率的第二关系函数；
根据所述第一关系函数和所述第二关系函数，建立所述冷却介质流量与所述汽轮机功率的第三关系函数；
获取所述冷却介质流量与冷却介质供给设备耗功的第四关系函数，所述冷却介质供给设备耗功为冷却介质供给设备向凝汽器提供冷却介质时所产生的电能损耗；
当所述冷却介质流量增大时，根据所述第三关系函数计算所述汽轮机功率的增量，以及，根据所述第四关系函数计算所述冷却介质供给设备耗功的增量；
建立第五关系函数，所述第五关系函数为所述汽轮机功率的增量与所述冷却介质供给设备耗功的增量的差值；
对所述第五关系函数进行求导及求极值，得到所述第五关系函数的极大值，所述极大值对应的冷却介质流量为最优冷却介质流量。
2.根据权利要求1所述的冷端优化方法，其特征在于，在所述得到所述第五关系函数的极大值的步骤之后，所述方法还包括：
根据所述第一关系函数计算所述最优冷却介质流量对应的最佳凝汽器压力。
3.根据权利要求1所述的冷端优化方法，其特征在于，所述冷却介质为冷却水，所述冷却介质供给设备为循环水泵，则所述最优冷却介质流量为最优冷却水流量；
在所述得到所述第五关系函数的极大值的步骤之后，所述方法还包括：
利用蚁群算法、遗传算法、差分进化算法或粒子群算法中的一种或多种算法，控制所述循环水泵的转速或所述循环水泵的进出口蝶阀开度，以使所述循环水泵的冷却水流量为所述最优冷却水流量。
4.根据权利要求1所述的冷端优化方法，其特征在于，所述第一关系函数的变量还包括机组负荷及冷却介质温度。
5.根据权利要求1所述的冷端优化方法，其特征在于，所述第二关系函数的变量还包括机组负荷。
6.一种数据处理系统，其特征在于，所述数据处理系统包括：
第一获取单元，用于获取冷却介质流量与凝汽器压力的第一关系函数，以及所述凝汽器压力与汽轮机功率的第二关系函数；
第一函数建立单元，用于根据所述第一关系函数和所述第二关系函数，建立所述冷却介质流量与所述汽轮机功率的第三关系函数；
第二获取单元，用于获取所述冷却介质流量与冷却介质供给设备耗功的第四关系函数，所述冷却介质供给设备耗功为冷却介质供给设备向凝汽器提供冷却介质时所产生的电能损耗；
第一计算单元，用于当所述冷却介质流量增大时，根据所述第三关系函数计算所述汽轮机功率的增量，以及，根据所述第四关系函数计算所述冷却介质供给设备耗功的增量；
第二函数建立单元，用于建立第五关系函数，所述第五关系函数为所述汽轮机功率的增量与所述冷却介质供给设备耗功的增量的差值；
第二计算单元，用于对所述第五关系函数进行求导及求极值，得到所述第五关系函数的极大值，所述极大值对应的冷却介质流量为最优冷却介质流量。
7.根据权利要求6所述的数据处理系统，其特征在于，所述数据处理系统还包括：
第三计算单元，用于根据所述第一关系函数计算所述最优冷却介质流量对应的最佳凝汽器压力。
8.根据权利要求6所述的数据处理系统，其特征在于，所述冷却介质为冷却水，所述冷却介质供给设备为循环水泵，则所述最优冷却介质流量为最优冷却水流量；
所述数据处理系统还包括：
控制单元，用于利用蚁群算法、遗传算法、差分进化算法或粒子群算法中的一种或多种算法，控制所述循环水泵的转速或所述循环水泵的进出口蝶阀开度，以使所述循环水泵的冷却水流量为所述最优冷却水流量。
9.一种数据处理系统，其特征在于，包括：
处理器、存储器、总线、输入输出设备；
所述处理器与所述存储器、输入输出设备相连；
所述总线分别连接所述处理器、存储器以及输入输出设备；
所述输入输出设备用于获取冷却介质流量与凝汽器压力的第一关系函数，以及所述凝汽器压力与汽轮机功率的第二关系函数；
所述处理器用于根据所述第一关系函数和所述第二关系函数，建立所述冷却介质流量与所述汽轮机功率的第三关系函数；
所述输入输出设备还用于获取所述冷却介质流量与冷却介质供给设备耗功的第四关系函数，所述冷却介质供给设备耗功为冷却介质供给设备向凝汽器提供冷却介质时所产生的电能损耗；
所述处理器还用于当所述冷却介质流量增大时，根据所述第三关系函数计算所述汽轮机功率的增量，以及，根据所述第四关系函数计算所述冷却介质供给设备耗功的增量，建立第五关系函数，所述第五关系函数为所述汽轮机功率的增量与所述冷却介质供给设备耗功的增量的差值，对所述第五关系函数进行求导及求极值，得到所述第五关系函数的极大值，所述极大值对应的冷却介质流量为最优冷却介质流量。
10.一种计算机存储介质，其特征在于，所述计算机存储介质中存储有指令，所述指令在计算机上执行时，使得所述计算机执行如权利要求1至5中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911398272.0A CN111156831B (zh) | 2019-12-30 | 2019-12-30 | 冷端优化方法、数据处理系统及计算机存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911398272.0A CN111156831B (zh) | 2019-12-30 | 2019-12-30 | 冷端优化方法、数据处理系统及计算机存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111156831A CN111156831A (zh) | 2020-05-15 |
| CN111156831B true CN111156831B (zh) | 2021-06-29 |
Family
ID=70559623
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911398272.0A Active CN111156831B (zh) | 2019-12-30 | 2019-12-30 | 冷端优化方法、数据处理系统及计算机存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111156831B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112069677A (zh) * | 2020-09-03 | 2020-12-11 | 润电能源科学技术有限公司 | 电厂冷端循泵运行方式确定方法、装置、设备及存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090293478A1 (en) * | 2008-05-23 | 2009-12-03 | Hitachi, Ltd. | Condenser and steam turbine power plant |
| JP2012172946A (ja) * | 2011-02-24 | 2012-09-10 | Chugoku Electric Power Co Inc:The | 復水器の漏洩冷却管特定方法 |
| CN107621175A (zh) * | 2017-09-18 | 2018-01-23 | 杭州华电能源工程有限公司 | 一种火力发电厂冷端系统及其控制方法 |
| CN108613565A (zh) * | 2018-03-29 | 2018-10-02 | 中国电建集团河北省电力勘测设计研究院有限公司 | 一种干湿联合冷却系统的背压计算方法 |
-
2019
- 2019-12-30 CN CN201911398272.0A patent/CN111156831B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090293478A1 (en) * | 2008-05-23 | 2009-12-03 | Hitachi, Ltd. | Condenser and steam turbine power plant |
| JP2012172946A (ja) * | 2011-02-24 | 2012-09-10 | Chugoku Electric Power Co Inc:The | 復水器の漏洩冷却管特定方法 |
| CN107621175A (zh) * | 2017-09-18 | 2018-01-23 | 杭州华电能源工程有限公司 | 一种火力发电厂冷端系统及其控制方法 |
| CN108613565A (zh) * | 2018-03-29 | 2018-10-02 | 中国电建集团河北省电力勘测设计研究院有限公司 | 一种干湿联合冷却系统的背压计算方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111156831A (zh) | 2020-05-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109855238B (zh) | 一种中央空调建模与能效优化方法及装置 | |
| CN106152399B (zh) | 控制空调器电子膨胀阀的方法 | |
| CN111156831B (zh) | 冷端优化方法、数据处理系统及计算机存储介质 | |
| CN112032032B (zh) | 湿冷机组开式循环水泵变频运行方式的寻优方法 | |
| CN111765593B (zh) | 一种空调节流元器件故障预警方法和空调 | |
| CN110705042A (zh) | 基于t-s模糊模型的汽轮机阀门流量特性辨识方法、系统及介质 | |
| CN107203364B (zh) | 一种用于压气机全工况特性的预测和辨识方法 | |
| CN103097737A (zh) | 用于控制压缩机的方法 | |
| CN112987895B (zh) | 一种基于冷却液的智能化服务器芯片制冷方法、装置及系统 | |
| CN112855515B (zh) | 一种真空泵安全监测方法和装置 | |
| CN110583620A (zh) | 离体肺脏机械灌注的调温设备及方法、装置 | |
| CN111077778B (zh) | 一种基于扩展卡尔曼滤波的船用燃气轮机参数估计及性能寻优方法 | |
| CN106196785B (zh) | 一种控制空调电子膨胀阀的方法 | |
| CN116595732A (zh) | 设备数字孪生模型构建、设备内部温度监控方法及装置 | |
| CN115450710A (zh) | 汽轮机滑压运行优化方法 | |
| CN113268921B (zh) | 凝汽器清洁系数预估方法、系统、电子设备及可读存储介质 | |
| CN106152646B (zh) | 控制空调电子膨胀阀的方法 | |
| CN111445132B (zh) | 数据处理方法、数据处理系统及计算机存储介质 | |
| CN114135980A (zh) | 温度调节系统冷却侧优化参数确定及控制方法、相关设备 | |
| CN117311138B (zh) | 一种水轮机调节系统控制参数稳定裕度域计算方法及系统 | |
| CN117189547B (zh) | 用于无油移动式空压机的冷却优化调控方法及系统 | |
| CN114753892B (zh) | 一种汽轮机主汽压力控制方法、装置及电子设备 | |
| CN114198978B (zh) | 循环水系统自控控制试验方案优化设计方法 | |
| Xu et al. | Prediction of outlet pressure for sulfur dioxide blower based on ARX model and adaptive Kalman filter | |
| CN117806154B (zh) | 一种用于篦式冷却机的pid控制器参数优化方法及系统 |
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 | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240328 Address after: 518066 Room 201, building A, No. 1, Qian Wan Road, Qianhai Shenzhen Hong Kong cooperation zone, Shenzhen, Guangdong (Shenzhen Qianhai business secretary Co., Ltd.) Patentee after: Shenzhen goes out new knowledge property right management Co.,Ltd. Country or region after: China Address before: 523808 Room 308, unit 1, building 18, no.6, Libin Road, Songshanhu Park, Dongguan City, Guangdong Province Patentee before: CR POWER TECHNOLOGY INSTITUTE Co.,Ltd. Country or region before: China |
|
| TR01 | Transfer of patent right |