CN112000012B - 基于热电负荷条件的机组滑压控制优化方法及系统 - Google Patents

基于热电负荷条件的机组滑压控制优化方法及系统 Download PDF

Info

Publication number
CN112000012B
CN112000012B CN202010815246.XA CN202010815246A CN112000012B CN 112000012 B CN112000012 B CN 112000012B CN 202010815246 A CN202010815246 A CN 202010815246A CN 112000012 B CN112000012 B CN 112000012B
Authority
CN
China
Prior art keywords
unit
load
steam
pressure
optimization
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
CN202010815246.XA
Other languages
English (en)
Other versions
CN112000012A (zh
Inventor
洪方驰
孙海龙
严小华
任庆
周懿
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.)
Changzhou Engipower Technology Co ltd
Zhejiang Zheneng Shaoxing Binhai Thermal Power Co ltd
Original Assignee
Changzhou Engipower Technology Co ltd
Zhejiang Zheneng Shaoxing Binhai Thermal Power Co ltd
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 Changzhou Engipower Technology Co ltd, Zhejiang Zheneng Shaoxing Binhai Thermal Power Co ltd filed Critical Changzhou Engipower Technology Co ltd
Priority to CN202010815246.XA priority Critical patent/CN112000012B/zh
Publication of CN112000012A publication Critical patent/CN112000012A/zh
Application granted granted Critical
Publication of CN112000012B publication Critical patent/CN112000012B/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
    • 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
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
    • F01D—NON-POSITIVE DISPLACEMENT MACHINES OR ENGINES, e.g. STEAM TURBINES
    • F01D21/00—Shutting-down of machines or engines, e.g. in emergency; Regulating, controlling, or safety means not otherwise provided for
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
    • F01K—STEAM ENGINE PLANTS; STEAM ACCUMULATORS; ENGINE PLANTS NOT OTHERWISE PROVIDED FOR; ENGINES USING SPECIAL WORKING FLUIDS OR CYCLES
    • F01K17/00—Using steam or condensate extracted or exhausted from steam engine plant
    • F01K17/02—Using steam or condensate extracted or exhausted from steam engine plant for heating purposes, e.g. industrial, domestic

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Feedback Control In General (AREA)

Abstract

本发明公开了一种基于热电负荷条件的机组滑压控制优化方法及系统，它包括：步骤S1，建立机组热负荷折算成电负荷的折算关系模型；步骤S2，建立热电负荷与主蒸汽压力优化值之间的映射模型；步骤S3，基于映射模型结合实际运行参数进行主蒸汽压力实时滚动寻优；步骤S4，输出优化结果至机组控制系统以控制机组运行。本发明提出一种基于热电负荷条件的机组滑压控制优化方法及系统，将供热量纳入考量，综合考虑热电负荷和主蒸汽参数等多变量的滑压运行策略，从而进行实时寻优。

Description

基于热电负荷条件的机组滑压控制优化方法及系统
技术领域
本发明涉及一种基于热电负荷条件的机组滑压控制优化方法及系统，属于火力发电机组的智能化运行技术领域。
背景技术
目前随着新能源发电技术的发展，受电网调峰的影响，火力发电机组需要长时间处于变负荷运行的工况下，因此我国大型的火电机组大多采用滑压运行的方式，以应对用电负荷需求的变化。同时，我国又大力发展热电联产机组，将供电和供热两种能源产业结合在一起，实现能源的梯级利用，提高了能源的利用率和经济性。
机组在滑压运行时，每一种负荷的工况，都有一个对应的主蒸汽压力，可以使该工况下的机组经济性达到最优。将各个负荷及其对应的最优主蒸汽压力用曲线形式表达，即可得到滑压曲线。传统的纯凝发电机组的滑压曲线，都是最优主蒸汽压力随电负荷的变化。而随着我国城镇工业和民用供热需求的提升，供热行业的快速发展，热电联供机组迅速地在全国范围内普及，抽汽供热的引入，对于火电机组滑压运行的主蒸汽压力有显著的影响。如果在热电联供机组中仍然使用仅考虑电负荷的传统设计滑压曲线，控制系统所得到的主蒸汽压力信号，和该工况下实际的最优主蒸汽压力就会有很大的偏差，燃料的能源利用率会减小，机组的经济性会降低。
在不同的抽汽方案下，机组的实际滑压运行曲线有明显的偏差，抽汽供热量对于机组的运行有显著的影响。在供热抽汽量变化的前后，同一电负荷对应的最优主蒸汽压力有较大的差距，采用原滑压曲线来进行主蒸汽压力的控制，会造成明显的偏差，导致机组的经济性下降，所以原有的滑压运行曲线已经无法继续使用于新的工况。因此，传统的纯凝机组的滑压曲线已经不能适用于目前广泛采用的热电联供机组，机组控制系统按照原来的设计滑压曲线寻找主蒸汽压力，会造成机组的经济性降低的问题。
发明内容
本发明所要解决的技术问题是，克服现有技术的不足，本发明提出一种基于热电负荷条件的机组滑压控制优化方法及系统，将供热量纳入考量，综合考虑热电负荷和主蒸汽参数等多变量的滑压运行策略，从而进行实时寻优。
为了解决上述技术问题，本发明的技术方案是:
一种基于热电负荷条件的机组滑压控制优化方法，它包括：
步骤S1，建立机组热负荷折算成电负荷的折算关系模型；
步骤S2，建立热电负荷与主蒸汽压力优化值之间的映射模型；
步骤S3，基于映射模型结合实际运行参数进行主蒸汽压力实时滚动寻优；
步骤S4，输出优化结果至机组控制系统以控制机组运行；
所述步骤S1中建立机组热负荷折算成电负荷的折算关系模型的步骤为：
S11，从汽轮机的有效运行负荷区间，均匀选取n个不同负荷的纯凝试验工况；
S12，取步骤S11中的一个负荷的试验工况，记为工况0，采用热力系统热平衡仿真软件，建立所述负荷下的纯凝发电工况的仿真模型，模拟该热电机组在该试验工况下的实际运行；
S13，对步骤S12中建立的所述仿真模型，保持新蒸汽参数不变，选择一个抽汽口i，设置该抽汽口i的供热抽汽流量，建立三个不同抽汽量的热电联产工况模型，记为工况1、2、3；
S14，记录工况0-3四组模型的运行参数，将工况0分别与工况1、2、3对比，计算出三组电负荷减小量和供热抽汽流量的比值：
Figure GDA0003537674690000021
上式中，
Δwj表示工况j和工况0相比，电负荷减小量和供热抽汽流量的比值，单位为kW/(kg/s)；
j＝1，2，3；W0表示纯凝机组工况0的电负荷，单位为kW；
Wj表示工况j的电负荷，单位为kW；
mj表示抽汽口j的质量流量，单位为kg/s；
求取三组电负荷减小量和供热抽汽流量的比值的平均值，记为该试验工况下抽汽口i的供热抽汽流量和电负荷之间的折算系数ki：
Figure GDA0003537674690000022
S15，重复步骤S13-S14，计算出该试验工况下，所有抽汽口的折算系数；
S16，重复步骤S12-S15，计算出所有n个试验工况下，每个抽汽口的供热抽汽流量和电负荷之间的折算系数ki，基于这些不同工况下得到的折算系数ki，分别建立各个抽汽口的折算系数和机组工况之间的关系式，并绘制关系曲线，所述关系曲线的表达式为：
ki＝f(p0)；
上式中，
ki为抽汽口i处供热抽汽流量和电负荷之间的折算系数，单位为kW/(kg/s)；
p0为主蒸汽的压力值；
S17，建立热电总负荷和各抽汽口的供热抽汽流量之间的折算关系式：
Figure GDA0003537674690000031
上式中，
Whe为经过换算后的热电总负荷，单位为kW；
We为工况实际的电负荷，单位为kW；
ki为抽汽口i处供热抽汽流量和电负荷之间的折算系数，单位为kW/(kg/s)；
mi表示抽汽口i的质量流量，单位为kg/s；
S18，结合步骤S16中的关系曲线和步骤S17中的折算关系式，建立机组热负荷折算成电负荷的折算关系模型。
进一步，所述步骤S2中建立热电负荷与主蒸汽压力优化值之间的映射模型的步骤为：
S21，基于设计滑压曲线和所述步骤S18建立的折算关系模型，建立起热电总负荷与主蒸汽压力优化值之间的映射模型；
S22，并通过对机组历史数据的辨识，对映射模型进行修正；
S23，将折算出的热电总负荷对应到所述设计滑压曲线中，可查询对应的主蒸汽压力优化值。
进一步，所述步骤S3中基于映射模型结合实际运行参数进行主蒸汽压力实时滚动寻优的步骤为：
S31，由所述设计滑压曲线确定主蒸汽压力值的范围，通过机组的DCS系统读取的机组实际运行的电负荷值，结合设计滑压曲线，查找设计滑压曲线上的主蒸汽压力设计值，然后选择一个合理范围p，以该压力值±p作为主蒸汽压力的寻优范围；
S32，由热网和电网的调度特性约束条件确定热负荷和电负荷的寻优范围，基于电网调度的瞬时性以及热网调度的延迟性和储热性能，热电负荷在一个优化周期内的约束条件如下：
Figure GDA0003537674690000032
Figure GDA0003537674690000041
上式中，
Wt为t时刻下机组的电负荷，单位为kW；
W0为t时刻下电网的发电负荷需求，单位为kW；
Qt为t时刻下机组的热负荷，单位为kJ/s；
T为自主设定的机组优化周期，单位为s；
Q0为周期T内热网的供热负荷总需求，单位为kJ；
S33，由机组自身的热力平衡关系限定其他自变量的范围，由质量守恒和相关热力学关系，寻优过程中，各自变量需要满足如下的机组热力平衡约束条件：
D0＝Dc+∑Di
WST＝ηtD0(h0-hc)+ηtDrh(hhrh-hcrh)-∑Dihi；
上式中，
D0为主蒸汽质量流量，单位为kg/s；
Dc为汽轮机的出口蒸汽流量，单位为kg/s；
Di为第i级供热抽汽流量，单位为kg/s；
WST为汽轮机发电负荷，单位为kW；
ηt为汽轮机效率；
h0为汽轮机进口蒸汽焓值，单位为kJ/kg；
hc为汽轮机出口蒸汽焓值，单位为kJ/kg；
hhrh为热再热蒸汽焓值，单位为kJ/kg；
hcrh为冷再热蒸汽焓值，单位为kJ/kg；
Drh为再热蒸汽流量，单位为kg/s；
hi为第i级抽汽蒸汽焓值，单位为kJ/kg；
S34，将机组的热耗率作为寻优过程的目标函数，设置为粒子群算法中的适应度函数，机组的热耗率的计算公式为：
Figure GDA0003537674690000042
上式中，
q为热耗率，单位为kJ/(kW·h)；
D0为主蒸汽质量流量，单位为kg/s；
hm为主蒸汽焓值，单位为kJ/kg；
hfw为主给水焓值，单位为kJ/kg；
Dshsp为过热器减温水流量，单位为kg/s；
hshsp为过热器减温水焓值，单位为kJ/kg；
Drh为再热蒸汽流量，单位为kg/s；
hhrh为热再热蒸汽焓值，单位为kJ/kg；
hcrh为冷再热蒸汽焓值，单位为kJ/kg；
Drhsp为再热减温水流量，单位为kg/s；
hrhsp为再热减温水焓值，单位为kJ/kg；
Di为第i级供热抽汽流量，单位为kg/s；
hi为第i级供热抽汽焓值，单位为kJ/kg；
hhs为供热抽汽回水焓值，单位为kJ/kg；
W为机组电负荷，单位为kW；
S35，通过机组DCS系统获得机组的当前运行参数，以机组的主蒸汽压力、电负荷和供热抽汽参数等作为自变量，以所述步骤S31-S33的约束条件作为寻优范围，基于粒子群算法寻优，机组运行期间不断地重复此步骤，实现机组滑压运行策略的实时滚动优化。
进一步，所述步骤S4中输出优化结果至机组控制系统以控制机组运行的步骤为：
将所述步骤S35中寻优得到的主蒸汽压力优化值输出给机组的控制系统，控制机组的实际运行。
一种基于热电负荷条件的机组滑压控制优化的系统，包括：
输入模块，所述输入模块用于获得热电联供机组的实时运行数据；
约束模块，所述约束模块依据热网和电网调度的特性，以及机组运行过程中的热平衡关系，用于限定寻优模块中算法的自变量范围；
寻优模块，所述寻优模块结合输入的数据和映射模型，用于计算获得该实际运行工况下的主蒸汽压力优化值；
输出模块，所述输出模块用于将寻优模块得到的主蒸汽压力输出给机组控制系统。
进一步，所述约束模块包括：
基于DCS采集的机组实时主蒸汽参数主蒸汽压力范围的约束模块；
基于热网和电网的调度特性的热电负荷范围约束模块；
基于质量守恒和热力平衡关系式的其他自变量的范围约束模块。
进一步，所述寻优模块包括：
热电负荷与主蒸汽压力优化值之间的映射模型；
寻优计算的粒子群算法模型。
采用了上述技术方案，本发明具有以下的有益效果：
1、本发明将热电联产机组中的抽汽量通过折算的方式，加上电负荷，得到能表征机组整体运行状态的热电总负荷，解决了原设计滑压曲线不能适用于含有供热抽汽工况的机组的问题，对于帮助热电机组滑压运行寻找合适的主蒸汽压力，提高机组的经济性，具有重要的意义。
2、本发明所述的寻优方法，综合考虑了机组的电负荷、抽汽参数、主蒸汽参数等多个变量因素，具有较为广泛的适用性。
3、本发明通过热网和电网的调度特性，以及机组热电负荷的热平衡关系，对各个变量之间施加约束条件，使机组在主蒸汽寻优的同时，能够保持热、电负荷的稳定性，保证机组的运行能够满足热网和电网的负荷需求。
附图说明
图1为基于热电负荷条件的机组滑压控制策略实时优化方法的流程图；
图2为不同抽汽量下的热电联产机组滑压运行曲线示意图；
图3为建立“机组负荷-热电负荷折算系数”折算关系模型的流程图；
图4为热电总负荷与主蒸汽压力优化值之间的映射关系，以及机组的实时滚动优化的流程图；
图5是基于粒子群算法的寻优过程的流程图。
具体实施方式
为了使本发明的内容更容易被清楚地理解，下面根据具体实施例并结合附图，对本发明作进一步详细的说明。
实施例1
一种基于热电负荷条件的机组滑压控制策略实时优化方法，以某电厂的300MW热电联产机组为例，包括如下步骤：
步骤S1，如附图3的流程所示，建立在不同负荷下机组热负荷折算成电负荷的折算关系模型。
S11，从汽轮机的有效运行负荷区间(30％-100％)，每隔5％选取1个负荷，依次选取30％、35％、40％、…、95％、100％负荷的工况作为试验负荷，对应电负荷为90MW、105MW、…、300MW。
S12，取S11中的一个负荷的试验工况，记为工况0，采用热力系统热平衡仿真软件，建立该负荷下的纯凝发电工况的仿真模型。
S13，本实施例所示的300MW机组中共有3个抽汽口，包括机组中的低压供热、冷再中压供热、热再中压供热三个抽汽口。对S12中建立的模型，保持新蒸汽参数不变，选择其中一个抽汽口i，改变该供热抽汽流量(其他的两个抽汽口流量都设置为0)，建立3个不同抽汽量的热电联产工况模型，记为工况1、2、3。
S14，记录工况0-3四组模型的运行参数，包括抽汽参数和电负荷。将工况0分别与工况1、2、3对比，计算出3组电负荷减小量和供热抽汽流量的比值：
Figure GDA0003537674690000071
上式中，Δwj表示工况j和工况0相比，电负荷减小量和供热抽汽流量的比值，单位为kW/(kg/s)，j＝1，2，3；W0表示纯凝机组工况0的电负荷，单位为kW；Wj表示工况j的电负荷，单位为kW；mj表示抽汽口j的质量流量，单位为kg/s。
求取3组比值的平均值，记为该主蒸汽压力下抽汽口i的供热抽气流量和电负荷之间的折算系数ki。
Figure GDA0003537674690000072
S15，重复步骤S13-S14，计算出该试验负荷下，所有抽汽口的供热抽汽流量折算成电负荷的折算系数。
S16，重复步骤S12-S15，计算出所有试验负荷下，每个抽汽口的供热抽汽流量和电负荷之间的折算系数。
将每个抽汽口的机组负荷和对应的折算系数记录下来，以本实施例的低压抽汽供热为例(记为klp)，记录如下表1所示：
表1
负荷(百分比) 负荷(MW) 低压供热抽汽的折算系数
30％ 90 k<sub>lp,30</sub>
35％ 105 k<sub>lp,35</sub>
40％ 120 k<sub>lp,40</sub>
… … …
95％ 285 k<sub>lp,95</sub>
100％ 300 k<sub>1p,100</sub>
由表1获得点(90，klp,30)，(105，klp,35)，(120，klp,40)，……，(285，klp,95)，(300，klp,100)，采用最小二乘法，拟合低压供热抽汽口的折算系数和机组工况(主蒸汽压力)之间的关系式，并绘制出关系曲线，关系曲线表达式为：
ki＝f(p0)
上式中，ki为抽汽口i处供热抽气流量和电负荷之间的折算系数，单位为kW/(kg/s)；p0为主蒸汽的压力值，由于滑压运行过程主蒸汽的流量不变，故以此来表征机组的工况。
同样的方法，拟合冷再中压供热抽汽口和热再中压供热抽汽口的折算系数和负荷之间的关系曲线图。
S17，建立电负荷和各抽汽口的供热抽汽流量之间的数学折算关系式。由于本实施例的机组中有低压供热、冷再中压供热、热再中压供热三个抽汽口，所以建立如下的折算关系式：
Whe＝We+klpmlp+khrhmhrh+kcrhmcrh
上式中，Whe为经过换算后的热电总负荷，单位为kW；We为工况实际的电负荷，单位为kW；klp为低压供热抽汽口处，抽汽流量和电负荷之间的折算系数，单位为kW/(kg/s)；mlp表示低压供热抽汽口的流量，单位为kg/s；khrh为热再中压供热抽汽口处，抽汽流量和电负荷之间的折算系数，单位为kW/(kg/s)；mhrh表示热再中压供热抽汽口的流量，单位为kg/s；kcrh为冷再中压供热抽汽口处，抽汽流量和电负荷之间的折算系数，单位为kW/(kg/s)；mcrh表示冷再中压供热抽汽口的流量，单位为kg/s。
S18，结合步骤S16中的关系曲线和步骤S17中的折算关系式，建立机组热负荷折算成电负荷的折算关系模型。该模型的原理为：当确定机组的负荷时，通过查询折算系数和负荷之间的曲线图，确定各个抽汽口热负荷和热电总负荷的折算系数，然后代入到S17的关系式中，即可折算出机组当前的热电总负荷。
步骤S2中建立热电负荷与主蒸汽压力优化值之间的映射模型的步骤为：
S21，基于设计滑压曲线和步骤S18建立的折算关系模型，建立起热电总负荷与主蒸汽压力优化值之间的映射模型，
S22，通过对机组历史数据的辨识，对映射模型进行修正；
S23，将折算出的热电总负荷对应到设计滑压曲线中，可查询对应的主蒸汽压力优化值。
该映射模型的原理为：如图4所示，由步骤S18折算出热电总负荷后，将其对应到设计滑压曲线中，设计滑压曲线是汽轮机纯凝工况下主蒸汽压力设计值和电负荷之间的曲线。用经过折算的热电总负荷代替原来的电负荷作为横坐标，可查询该热电负荷下唯一对应的优化的主蒸汽压力值。此外，对已建立好的模型，需要通过对历史数据的辨识来进行修正。这一步骤是仿真模型能够运用于生产实践的重要保证。仿真模型毕竟不是实际的机组，由此构建的映射模型难免存在与实际工况的误差，通过历史数据辨识修正的手段，使得映射模型的准确性更高。历史数据会在机组的运行过程中不断地更新，模型的精度会在不断提高。
步骤S3中基于映射模型结合实际运行参数进行主蒸汽压力的实时滚动寻优的步骤为：
S31，由设计滑压曲线确定主蒸汽压力值的范围。通过机组的DCS系统读取的机组实际运行的电负荷值，结合设计滑压曲线，查找设计滑压曲线上的主蒸汽压力设计值，然后根据设计滑压曲线的范围选择一个合理范围p＝2MPa，以该压力值±2MPa作为主蒸汽压力的寻优范围。由设计滑压曲线查询得到的主蒸汽压力值，与实际的最优压力值是存在偏差的，但是在300MW机组中偏差会在相对不大的范围内，以此来缩小初始化主蒸汽压力的取值区间，提高寻优模型的运行速度。
S32，由热网和电网的调度特性约束条件确定热负荷和电负荷的寻优范围。电网调度具有瞬时性，因此，要求机组的电负荷随时都不能小于电网负荷；热网的调度，由于负荷侧的热惰性、供热管网的滞后性及其储热能力，因此只需要在一个合理的优化周期T内，供热的总负荷大于等于热网的负荷即可，不需要时刻让机组热负荷高于热网负荷。设定一个合理的优化周期，热电负荷在一个优化周期内的约束条件如下：
Figure GDA0003537674690000091
Figure GDA0003537674690000092
上式中，Wt为t时刻下机组的电负荷，单位为kW；W0为t时刻下电网的发电负荷需求，单位为kW；Qt为t时刻下机组的热负荷，单位为kJ/s；T为自主设定的机组优化周期，单位为s；Q0为周期T内热网的供热负荷总需求，单位为kJ。
S33，由机组自身的热力平衡关系限定其他自变量的范围。在本实施例的机组中，由质量守恒和相关热力学关系，寻优过程中，各自变量需要满足如下的机组热力平衡约束条件：
D0＝Dc+Dcq,lp+Dcq,crh+Dcq,hrh
WST＝ηtD0(h0-hc)+ηtDrh(hhrh-hcrh)-Dcq,lphlp-Dcq,crhhcrh-Dcq,hrhhhrh
上式中，D0为主蒸汽质量流量，单位为kg/s；Dc为汽轮机的出口蒸汽流量，单位为kg/s；Dcq,lp为低压供热抽汽流量，单位为kg/s；Dcq,crh为冷再热中压供热抽汽流量，单位为kg/s；Dcq,hrh为热再热中压供热抽汽流量，单位为kg/s；WST为汽轮机发电负荷，单位为kW；ηt为汽轮机效率；h0为汽轮机进口蒸汽焓值，单位为kJ/kg；hc为汽轮机出口蒸汽焓值，单位为kJ/kg；hhrh为热再热蒸汽焓值，单位为kJ/kg；hcrh为冷再热蒸汽焓值，单位为kJ/kg；Drh为再热蒸汽流量，单位为kg/s；hlp为低压抽汽蒸汽焓值，单位为kJ/kg。
S34，将机组的热耗率作为寻优过程的目标函数，设置为粒子群算法中的适应度函数。在本实施例的机组中，热耗率的计算公式为：
q＝[D0(hm-hfw)-Dshsphshsp+Drh(hhrh-hcrh)+Drhsp(hhrh-hrhsp)
-Dcq，lp(hcq，lp-hhs)-Dcq，hrh(hcq，hrh-hhs)-Dcq，crh(hcq，crh-hhs)]/W
上式中，q为热耗率，单位为kJ/(kW·h)；D0为主蒸汽质量流量，单位为kg/s；hm为主蒸汽焓值，单位为kJ/kg；hfw为主给水焓值，单位为kJ/kg；Dshsp为过热器减温水流量，单位为kg/s；hshsp为过热器减温水焓值，单位为kJ/kg；Drh为再热蒸汽流量，单位为kg/s；hhrh为热再热蒸汽焓值，单位为kJ/kg；hcrh为冷再热蒸汽焓值，单位为kJ/kg；Drhsp为再热减温水流量，单位为kg/s；hrhsp为再热减温水焓值，单位为kJ/kg；Dcq，lp为低压供热抽汽流量，单位为kg/s；hcq，lp为低压供热抽汽焓值，单位为kJ/kg；Dcq，hrh为热再中压供热抽汽流量，单位为kg/s；hcq，hrh为热再中压供热抽汽焓值，单位为kJ/kg；Dcq，crh为冷再中压供热抽汽流量，单位为kg/s；hcq，crh为冷再中压供热抽汽焓值，单位为kJ/kg；hhs为供热抽汽回水焓值，单位为kJ/kg；W为机组电负荷，单位为kW。
S35，如图5的流程所示，通过机组DCS系统获取机组的实时运行数据，以机组的主蒸汽压力和电负荷、供热抽汽参数等作为自变量，以S31-S33的约束条件作为寻优范围，基于粒子群算法寻优。重复此过程，实现机组滑压运行策略的实时滚动优化。机组的运行过程是不断变化的，需要不断采集实时的运行参数，进行实时滚动的优化控制，才能使机组始终在经济性较高的工况下运行。
步骤S4，输出优化结果至机组控制系统以控制机组运行。
将寻优得到的主蒸汽压力优化值输出给机组的控制系统，控制机组的运行。通过上述的优化方法得到使机组经济性更优的主蒸汽压力工况，输出给机组的控制系统，将机组的工况调节到优化值的工况下。这个过程也会随着步骤S35的不断重复而滚动进行。
实施例2
在上述实施例1的基础上，本实施例还提供了一种基于热电负荷条件的机组滑压控制优化的系统，包括：
输入模块，用于获得热电联供机组的实时运行数据；
约束模块，依据热网和电网调度的特性，以及机组运行过程中的热平衡关系，用于限定寻优模块中算法的自变量范围，提高寻优的效率，约束模块包括：基于DCS采集的机组实时主蒸汽参数的主蒸汽压力范围约束模块，基于热网和电网的调度特性的热电负荷范围约束模块，基于质量守恒和热力平衡关系式的其他自变量的范围约束模块；
寻优模块，结合输入的数据和映射模型，用于计算获得该实际运行工况下的主蒸汽压力优化值，寻优模块包括：热电负荷与主蒸汽压力优化值之间的映射模型，寻优计算的粒子群算法模型。
输出模块，用于将寻优模块得到的主蒸汽压力输出给机组控制系统。
以上的具体实施例，对本发明解决的技术问题、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种基于热电负荷条件的机组滑压控制优化方法，其特征在于，它包括：
步骤S1，建立机组热负荷折算成电负荷的折算关系模型；
步骤S2，建立热电负荷与主蒸汽压力优化值之间的映射模型；
步骤S3，基于映射模型结合实际运行参数进行主蒸汽压力实时滚动寻优；
步骤S4，输出优化结果至机组控制系统以控制机组运行；
所述步骤S1中建立机组热负荷折算成电负荷的折算关系模型的步骤为：
步骤S11，从汽轮机的有效运行负荷区间，均匀选取n个不同负荷的纯凝试验工况；
步骤S12，取步骤S11中的一个负荷的试验工况，记为工况0，采用热力系统热平衡仿真软件，建立所述负荷下的纯凝发电工况的仿真模型，模拟热电机组在该试验工况下的实际运行；
步骤S13，对步骤S12中建立的所述仿真模型，保持新蒸汽参数不变，选择一个抽汽口i，设置抽汽口i的供热抽汽流量，建立三个不同抽汽量的热电联产工况模型，记为工况1、2、3；
步骤S14，记录工况0-3四组模型的运行参数，将工况0分别与工况1、2、3对比，计算出三组电负荷减小量和供热抽汽流量的比值：
Figure FDA0003544484680000011
上式中，
Δwj表示工况j和工况0相比，电负荷减小量和供热抽汽流量的比值，单位为kW/(kg/s)；
j＝1，2，3；W0表示纯凝机组工况0的电负荷，单位为kW；
Wj表示工况j的电负荷，单位为kW；
mj表示抽汽口j的质量流量，单位为kg/s；
求取三组电负荷减小量和供热抽汽流量的比值的平均值，记为该试验工况下抽汽口i的供热抽汽流量和电负荷之间的折算系数ki：
Figure FDA0003544484680000012
步骤S15，重复步骤S13-S14，计算出该试验工况下，所有抽汽口的折算系数；
步骤S16，重复步骤S12-S15，计算出所有n个试验工况下，每个抽汽口的供热抽汽流量和电负荷之间的折算系数ki，基于这些不同工况下得到的折算系数ki，分别建立各个抽汽口的折算系数和机组工况之间的关系式，并绘制关系曲线，所述关系曲线的表达式为：
ki＝f(p0)；
上式中，
ki为抽汽口i处供热抽汽流量和电负荷之间的折算系数，单位为kW/(kg/s)；
p0为主蒸汽的压力值；
步骤S17，建立热电总负荷和各抽汽口的供热抽汽流量之间的折算关系式：
Figure FDA0003544484680000021
上式中，
Whe为经过换算后的热电总负荷，单位为kW；
We为工况实际的电负荷，单位为kW；
ki为抽汽口i处供热抽汽流量和电负荷之间的折算系数，单位为kW/(kg/s)；
mi表示抽汽口i的质量流量，单位为kg/s；
步骤S18，结合步骤S16中的关系曲线和步骤S17中的折算关系式，建立机组热负荷折算成电负荷的折算关系模型。
2.根据权利要求1所述的基于热电负荷条件的机组滑压控制优化方法，其特征在于，所述步骤S2中建立热电负荷与主蒸汽压力优化值之间的映射模型的步骤为：
步骤S21，基于设计滑压曲线和所述步骤S18建立的折算关系模型，建立起热电总负荷与主蒸汽压力优化值之间的映射模型；
步骤S22，通过对机组历史数据的辨识，对映射模型进行修正；
步骤S23，将折算出的热电总负荷对应到所述设计滑压曲线中，可查询对应的主蒸汽压力优化值。
3.根据权利要求2所述的基于热电负荷条件的机组滑压控制优化方法，其特征在于，所述步骤S3中基于映射模型结合实际运行参数进行主蒸汽压力实时滚动寻优的步骤为：
步骤S31，由所述设计滑压曲线确定主蒸汽压力值的范围，通过机组的DCS系统读取的机组实际运行的电负荷值，结合设计滑压曲线，查找设计滑压曲线上的主蒸汽压力设计值，然后选择一个合理范围p，以该压力值±p作为主蒸汽压力的寻优范围；
步骤S32，由热网和电网的调度特性约束条件确定热负荷和电负荷的寻优范围，基于电网调度的瞬时性以及热网调度的延迟性和储热性能，热电负荷在一个优化周期内的约束条件如下：
Wt≥W0,
Figure FDA0003544484680000031
Figure FDA0003544484680000032
上式中，
Wt为t时刻下机组的电负荷，单位为kW；
W0为t时刻下电网的发电负荷需求，单位为kW；
Qt为t时刻下机组的热负荷，单位为kJ/s；
T为自主设定的机组优化周期，单位为s；
Q0为周期T内热网的供热负荷总需求，单位为kJ；
步骤S33，由机组自身的热力平衡关系限定其他自变量的范围，由质量守恒和相关热力学关系，寻优过程中，各自变量需要满足如下的机组热力平衡约束条件：
D0＝Dc+∑Di
WST＝ηtD0(h0-hc)+ηtDrh(hhrh-hcrh)-∑Dihi；
上式中，
D0为主蒸汽质量流量，单位为kg/s；
Dc为汽轮机的出口蒸汽流量，单位为kg/s；
Di为第i级供热抽汽流量，单位为kg/s；
WST为汽轮机发电负荷，单位为kW；
ηt为汽轮机效率；
h0为汽轮机进口蒸汽焓值，单位为kJ/kg；
hc为汽轮机出口蒸汽焓值，单位为kJ/kg；
hhrh为热再热蒸汽焓值，单位为kJ/kg；
hcrh为冷再热蒸汽焓值，单位为kJ/kg；
Drh为再热蒸汽流量，单位为kg/s；
hi为第i级抽汽蒸汽焓值，单位为kJ/kg；
步骤S34，将机组的热耗率作为寻优过程的目标函数，设置为粒子群算法中的适应度函数，机组的热耗率的计算公式为：
q＝[D0(hm-hfw)-Dshsphshsp+Drh(hhrh-hcrh)+Drhsp(hhrh-hrhsp)-∑Di(hi-hhs)]/W；上式中，
q为热耗率，单位为kJ/(kW·h)；
D0为主蒸汽质量流量，单位为kg/s；
hm为主蒸汽焓值，单位为kJ/kg；
hfw为主给水焓值，单位为kJ/kg；
Dshsp为过热器减温水流量，单位为kg/s；
hshsp为过热器减温水焓值，单位为kJ/kg；
Drh为再热蒸汽流量，单位为kg/s；
hhrh为热再热蒸汽焓值，单位为kJ/kg；
hcrh为冷再热蒸汽焓值，单位为kJ/kg；
Drhsp为再热减温水流量，单位为kg/s；
hrhsp为再热减温水焓值，单位为kJ/kg；
Di为第i级供热抽汽流量，单位为kg/s；
hi为第i级供热抽汽焓值，单位为kJ/kg；
hhs为供热抽汽回水焓值，单位为kJ/kg；
W为机组电负荷，单位为kW；
步骤S35，通过机组DCS系统获得机组的当前运行参数，以机组的主蒸汽压力、电负荷和供热抽汽参数作为自变量，以所述步骤S31-S33的约束条件作为寻优范围，基于粒子群算法寻优，机组运行期间不断地重复此步骤，实现机组滑压运行策略的实时滚动优化。
4.根据权利要求3所述的基于热电负荷条件的机组滑压控制优化方法，其特征在于，所述步骤S4中输出优化结果至机组控制系统以控制机组运行的步骤为：
将所述步骤S35中寻优得到的主蒸汽压力优化值输出给机组的控制系统，控制机组的实际运行。
5.一种如权利要求1所述的基于热电负荷条件的机组滑压控制优化方法的系统，其特征在于，包括：
输入模块，所述输入模块用于获得热电联供机组的实时运行数据；
约束模块，所述约束模块依据热网和电网调度的特性，以及机组运行过程中的热平衡关系，用于限定寻优模块中算法的自变量范围；
寻优模块，所述寻优模块结合输入的数据和映射模型，用于计算获得该实际运行工况下的主蒸汽压力优化值；
输出模块，所述输出模块用于将寻优模块得到的主蒸汽压力输出给机组控制系统。
6.根据权利要求5所述的基于热电负荷条件的机组滑压控制优化方法的系统，其特征在于，所述约束模块包括：
基于DCS采集的机组实时主蒸汽参数主蒸汽压力范围的约束模块；
基于热网和电网的调度特性的热电负荷范围约束模块；
基于质量守恒和热力平衡关系式的其他自变量的范围约束模块。
7.根据权利要求5所述的基于热电负荷条件的机组滑压控制优化方法的系统，其特征在于，所述寻优模块包括：
热电负荷与主蒸汽压力优化值之间的映射模型；
寻优计算的粒子群算法模型。
CN202010815246.XA 2020-08-14 2020-08-14 基于热电负荷条件的机组滑压控制优化方法及系统 Active CN112000012B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010815246.XA CN112000012B (zh) 2020-08-14 2020-08-14 基于热电负荷条件的机组滑压控制优化方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010815246.XA CN112000012B (zh) 2020-08-14 2020-08-14 基于热电负荷条件的机组滑压控制优化方法及系统

Publications (2)

Publication Number Publication Date
CN112000012A CN112000012A (zh) 2020-11-27
CN112000012B true CN112000012B (zh) 2022-04-22

Family

ID=73472397

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010815246.XA Active CN112000012B (zh) 2020-08-14 2020-08-14 基于热电负荷条件的机组滑压控制优化方法及系统

Country Status (1)

Country Link
CN (1) CN112000012B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113325713B (zh) * 2021-06-07 2023-01-24 西安热工研究院有限公司 采用匹配抽汽外供技术的供热机组最佳运行方式确定方法
CN113255160B (zh) * 2021-06-22 2023-03-21 西安热工研究院有限公司 一种直接空冷机组低真空供热运行背压寻优系统及方法
CN114488798B (zh) * 2022-01-10 2024-01-12 国能蚌埠发电有限公司 基于数据协调的二次再热机组性能监测与运行优化方法
CN114562718B (zh) * 2022-01-26 2023-09-01 西安热工研究院有限公司 一种热电联产机组的优化控制方法、装置及存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105201564A (zh) * 2015-08-26 2015-12-30 国网河南省电力公司电力科学研究院 一种基于主蒸汽流量的汽轮机滑压优化的控制方法
CN106371319A (zh) * 2016-11-18 2017-02-01 福建省鸿山热电有限责任公司 一种基于多抽汽点大抽汽量的火电机组滑压运行优化系统及优化方法
CN106401660A (zh) * 2016-11-25 2017-02-15 国网河南省电力公司电力科学研究院 一种基于多维曲面的汽轮机滑压优化控制方法
CN108646558A (zh) * 2018-05-10 2018-10-12 湖南省湘电试验研究院有限公司 一种火电机组节能型滑压实时优化方法及系统
CN110752605A (zh) * 2019-10-29 2020-02-04 国家电网有限公司 一种电热耦合综合能源系统最优潮流计算方法
CN111352400A (zh) * 2020-03-13 2020-06-30 中国大唐集团科学技术研究院有限公司华东电力试验研究院 一种供热机组滑压运行优化方法及滑压运行控制系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10387775B2 (en) * 2015-09-09 2019-08-20 Emerson Process Management Power & Water Solutions, Inc. Model-based characterization of pressure/load relationship for power plant load control

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105201564A (zh) * 2015-08-26 2015-12-30 国网河南省电力公司电力科学研究院 一种基于主蒸汽流量的汽轮机滑压优化的控制方法
CN106371319A (zh) * 2016-11-18 2017-02-01 福建省鸿山热电有限责任公司 一种基于多抽汽点大抽汽量的火电机组滑压运行优化系统及优化方法
CN106401660A (zh) * 2016-11-25 2017-02-15 国网河南省电力公司电力科学研究院 一种基于多维曲面的汽轮机滑压优化控制方法
CN108646558A (zh) * 2018-05-10 2018-10-12 湖南省湘电试验研究院有限公司 一种火电机组节能型滑压实时优化方法及系统
CN110752605A (zh) * 2019-10-29 2020-02-04 国家电网有限公司 一种电热耦合综合能源系统最优潮流计算方法
CN111352400A (zh) * 2020-03-13 2020-06-30 中国大唐集团科学技术研究院有限公司华东电力试验研究院 一种供热机组滑压运行优化方法及滑压运行控制系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
330MW供热机组协调控制策略研究与优化;彭国富;《东北电力技术》;20160430;第37卷(第04期);第8-9,23页 *

Also Published As

Publication number Publication date
CN112000012A (zh) 2020-11-27

Similar Documents

Publication Publication Date Title
CN112000012B (zh) 基于热电负荷条件的机组滑压控制优化方法及系统
CN112633560B (zh) 一种含燃煤热电联产机组的电站优化调度方法
CN104463341B (zh) 图表化的蒸汽动力系统分析优化方法和装置
CN105787211B (zh) 针对燃气透平劣化的联合循环余热锅炉压力调整方法
CN113255160B (zh) 一种直接空冷机组低真空供热运行背压寻优系统及方法
CN111401771B (zh) 一种热电联产机组多供热方式的经济调度方法
Aghaei et al. Optimization of a combined cooling, heating, and power (CCHP) system with a gas turbine prime mover: A case study in the dairy industry
CN106371319B (zh) 一种基于多抽汽点大抽汽量的火电机组滑压运行优化方法
CN113489024B (zh) 热电联供机组多模式抽汽辅助调峰调频控制系统及方法
CN115409396A (zh) 基于双层滚动优化的综合能源系统多时间尺度调度方法
CN115186902A (zh) 温室综合能源系统的调控方法、装置、终端及存储介质
CN113565591A (zh) 热电联产机组耦合空气储能膨胀发电系统及优化运行方法
CN113343490B (zh) 一种耦合熔盐储热的工业供汽电站运行优化方法及系统
CN114963298B (zh) 一种蒸汽管网储能在线定量计算方法和系统
CN113325713B (zh) 采用匹配抽汽外供技术的供热机组最佳运行方式确定方法
CN113673778B (zh) 耦合工业供气系统的气电联产机组运行优化方法及系统
Wang et al. Heat transfer characteristics and energy-consumption benchmark state with varying operation boundaries for coal-fired power units: An exergy analytics approach
CN113703406B (zh) 采用低温多效技术的燃煤水电联产机组运行优化方法及系统
CN111507011B (zh) 供热抽汽对汽轮机滑压运行影响量的修正方法
CN213783243U (zh) 一种面向产业园区的综合能源系统运行优化装置
CN111737859B (zh) 一种改进型汽轮机组变压运行耗差定量计算模型构建方法
Zeng et al. The integrated operation of multiple energy carrier used to enhance the reliability of the integrated energy system
Rusovs et al. Hybrid heating system sizing and operation control with Neural Network based simulation
Li et al. Economical effect of heat-supply analysis of multi-level heating cogeneration unit based on simulation
CN114996644A (zh) 一种凝汽机组变工况碳排放特性曲线拟合方法

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