CN113011684A - 火电机组协同优化方法、装置、电子设备及可读介质 - Google Patents
火电机组协同优化方法、装置、电子设备及可读介质 Download PDFInfo
- Publication number
- CN113011684A CN113011684A CN202110455963.0A CN202110455963A CN113011684A CN 113011684 A CN113011684 A CN 113011684A CN 202110455963 A CN202110455963 A CN 202110455963A CN 113011684 A CN113011684 A CN 113011684A
- Authority
- CN
- China
- Prior art keywords
- optimized
- thermal power
- parameter
- operation data
- flue gas
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000005457 optimization Methods 0.000 title claims abstract description 36
- 239000000428 dust Substances 0.000 claims abstract description 78
- 238000006477 desulfuration reaction Methods 0.000 claims abstract description 73
- 230000023556 desulfurization Effects 0.000 claims abstract description 73
- 239000003344 environmental pollutant Substances 0.000 claims abstract description 56
- 231100000719 pollutant Toxicity 0.000 claims abstract description 56
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 claims abstract description 51
- 239000003546 flue gas Substances 0.000 claims abstract description 51
- RAHZWNYVWXNFOC-UHFFFAOYSA-N Sulphur dioxide Chemical compound O=S=O RAHZWNYVWXNFOC-UHFFFAOYSA-N 0.000 claims abstract description 48
- 238000005265 energy consumption Methods 0.000 claims abstract description 43
- 230000009467 reduction Effects 0.000 claims abstract description 35
- 239000002245 particle Substances 0.000 claims abstract description 21
- 230000001276 controlling effect Effects 0.000 claims abstract description 9
- 230000001105 regulatory effect Effects 0.000 claims abstract description 9
- 230000006870 function Effects 0.000 claims description 55
- 238000012545 processing Methods 0.000 claims description 21
- 239000000446 fuel Substances 0.000 claims description 8
- 239000000463 material Substances 0.000 claims description 8
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 8
- 230000002068 genetic effect Effects 0.000 claims description 6
- 230000004044 response Effects 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 4
- 230000007613 environmental effect Effects 0.000 claims description 4
- 239000007789 gas Substances 0.000 claims 4
- 230000000694 effects Effects 0.000 abstract description 10
- 238000013461 design Methods 0.000 abstract description 6
- 239000000779 smoke Substances 0.000 abstract description 3
- 238000005406 washing Methods 0.000 abstract description 2
- NINIDFKCEFEMDL-UHFFFAOYSA-N Sulfur Chemical compound [S] NINIDFKCEFEMDL-UHFFFAOYSA-N 0.000 abstract 1
- 229910052717 sulfur Inorganic materials 0.000 abstract 1
- 239000011593 sulfur Substances 0.000 abstract 1
- 235000010269 sulphur dioxide Nutrition 0.000 description 15
- 238000010586 diagram Methods 0.000 description 12
- 238000004590 computer program Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000004134 energy conservation Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000002195 synergetic effect Effects 0.000 description 2
- 229910021529 ammonia Inorganic materials 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000003750 conditioning effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 229910052602 gypsum Inorganic materials 0.000 description 1
- 239000010440 gypsum Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000013535 sea water Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000004291 sulphur dioxide Substances 0.000 description 1
- 238000012546 transfer 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
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
-
- 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)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Educational Administration (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)
- Treating Waste Gases (AREA)
Abstract
本公开的实施例公开了一种火电机组协同优化方法、装置、电子设备及可读介质。该方法的一具体实施方式包括:构建目标函数;确定烟气中二氧化硫和粉尘颗粒物的排放量的约束条件;获取待优化参数组;根据所述目标函数和所述约束条件对所述待优化参数组中的每个待优化参数进行优化,得到所述单位质量污染物减排能耗满足目标条件时所述脱硫系统和所述除尘系统的最优贡献比例;根据所述脱硫系统和所述除尘系统的最优贡献比例分别调控所述脱硫系统和所述除尘系统。本发明实现了在保证SO2和烟尘达标排放的前提下,合理分配除尘器和脱硫系统的分段出力,充分发挥脱硫装置自身的洗尘效果,减少设计裕量,降低运行能耗。
Description
技术领域
本发明属于能源技术领域,尤其涉及火电机组协同优化方法、装置、电子设备及可读介质。
背景技术
节能减排是关系经济社会可持续发展的重大战略问题,是国家确定的经济社会发展的重大战略任务。电力行业是能源消耗大户,是国家实施节能降耗的重点领域。火电机组超低排放改造有效降低了燃煤电厂的污染物排放总量,但部分改造后的脱硫系统在运行中暴露出设计裕量过大、改造过度、运行能耗过高等问题,未兼顾低负荷工况时脱硫系统的灵活调节,降低低负荷运行工况下SO2单位减排能耗的实际需求。目前火电机组整体年利用小时数较低,脱硫装置经常在低负荷工况运行,环保设施如何在低负荷工况下灵活并节能运行是超低排放改造后应该重点关注的问题。
湿法脱硫技术是目前世界上应用最广的脱硫技术,据统计,目前已投运燃煤电厂烟气脱硫机组占现役机组容量的94%,其中石灰石-石膏湿法是目前最主流的SO2超低排放控制技术,占据了93%、海水法占2.8%,氨法占1.9%。随着国家《全面实施燃煤电厂超低排放和节能改造工作方案》的实施,燃煤电厂烟气治理设备超低排放改造工作突飞猛进,成绩显著。在超低排放脱硫系统脱硫效率大幅提高的同时,其协同除尘效果也显著提高。然而,目前部分超低排放改造后的脱硫系统,未考虑湿法脱硫系统协同除尘作用,设计裕量过大,存在运行能耗过高的问题。
发明内容
有鉴于此,本发明实施例提供了火电机组协同优化方法、装置、电子设备及可读介质,以解决现有脱硫系统未考虑湿法脱硫系统协同除尘作用,设计裕量过大,造成运行能耗过高的问题。
本发明实施例的第一方面,提供了一种火电机组协同优化方法,包括:
构建目标函数,其中,所述目标函数以单位质量污染物减排能耗满足目标条件为目标;
确定烟气中二氧化硫和粉尘颗粒物的排放量的约束条件;
获取待优化参数组,其中,所述待优化参数组包括至少两个待优化参数,所述待优化参数为火电机组在预定时间段内的运行数据,所述运行数据包括原烟气污染物浓度、净烟气污染物浓度、总耗燃料量值、总烟气量、总耗电量、总耗水量和总耗环保物料量值,火电机组除尘系统的贡献比例、脱硫系统的贡献比例以及所述火电机组的运行负荷;
根据所述目标函数和所述约束条件对所述待优化参数组中的每个待优化参数进行优化,得到所述单位质量污染物减排能耗满足目标条件时所述脱硫系统和所述除尘系统的最优贡献比例;
根据所述脱硫系统和所述除尘系统的最优贡献比例分别调控所述脱硫系统和所述除尘系统。
本发明实施例的第二方面,提供了一种火电机组协同优化装置,包括:
函数构建模块,被配置成构建目标函数,其中,所述目标函数以单位质量污染物减排能耗满足目标条件为目标;
约束条件确定模块,被配置成确定烟气中二氧化硫和粉尘颗粒物的排放量的约束条件;
参数获取模块,被配置成获取待优化参数组,其中,所述待优化参数组包括至少两个待优化参数,所述待优化参数为火电机组在预定时间段内的运行数据,所述运行数据包括原烟气污染物浓度、净烟气污染物浓度、总耗燃料量值、总烟气量、总耗电量、总耗水量和总耗环保物料量值,火电机组除尘系统的贡献比例、脱硫系统的贡献比例以及所述火电机组的运行负荷;
优化处理模块,被配置成根据所述目标函数和所述约束条件对所述待优化参数组中的每个待优化参数进行优化,得到所述单位质量污染物减排能耗满足目标条件时所述脱硫系统和所述除尘系统的最优贡献比例;
调控处理模块,被配置成根据所述脱硫系统和所述除尘系统的最优贡献比例分别调控所述脱硫系统和所述除尘系统。
本发明实施例的第三方面,提供了一种终端设备,包括:存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上述火电机组协同优化方法的步骤。
本发明实施例的第四方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如上述火电机组协同优化方法的步骤。
本发明实施例与现有技术相比存在的有益效果至少在于:本发明实施例首先,构建目标函数;其次,确定烟气中二氧化硫和粉尘颗粒物的排放量的约束条件;然后,获取待优化参数组;之后,根据所述目标函数和所述约束条件对所述待优化参数组中的每个待优化参数进行优化,得到所述单位质量污染物减排能耗满足目标条件时所述脱硫系统和所述除尘系统的最优贡献比例;最后,根据所述脱硫系统和所述除尘系统的最优贡献比例分别调控所述脱硫系统和所述除尘系统。本发明通过构建目标函数计算单位质量污染物减排能耗,从而设定合理的脱硫系统和除尘系统贡献比例,把除尘和湿法脱硫协同控制,整体考虑综合除尘效果,在保证SO2和烟尘达标排放的前提下,合理分配除尘系统和脱硫系统的分段出力,充分发挥脱硫装置自身的洗尘效果,减少设计裕量,降低运行能耗。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它的附图。
图1是根据本公开的一些实施例的火电机组协同优化方法的一个应用场景的示意图;
图2是根据本公开的火电机组协同优化方法的一些实施例的流程图;
图3是根据本公开的火电机组协同优化方法的另一些实施例的流程图;
图4是根据本公开的火电机组协同优化装置的一些实施例的结构示意图;
图5是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本发明实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
为了说明本发明所述的技术方案,下面通过具体实施例来进行说明。
图1是根据本公开一些实施例的火电机组协同优化方法的一个应用场景的示意图。
在图1的应用场景中,首先,计算设备101可以构建目标函数102,其中,所述目标函数102以单位质量污染物减排能耗满足目标条件为目标;其次,确定烟气中二氧化硫和粉尘颗粒物的排放量的约束条件103;再次,获取待优化参数组104,其中,所述待优化参数组包括至少两个待优化参数105-106,所述待优化参数为火电机组在预定时间段内的运行数据,所述运行数据包括原烟气污染物浓度、净烟气污染物浓度、总耗燃料量值、总烟气量、总耗电量、总耗水量和总耗环保物料量值,火电机组除尘系统的贡献比例、脱硫系统的贡献比例以及所述火电机组的运行负荷;然后,根据所述目标函数102和所述约束条件103对所述待优化参数组102中的每个待优化参数105-106进行优化,得到所述单位质量污染物减排能耗满足目标条件时所述脱硫系统和所述除尘系统的最优贡献比例107;最后,根据所述脱硫系统和所述除尘系统的最优贡献比例107分别调控所述脱硫系统108和所述除尘系统109。
需要说明的是,上述计算设备101可以是硬件,也可以是软件。当计算设备为硬件时,可以实现成多个服务器或终端设备组成的分布式集群,也可以实现成单个服务器或单个终端设备。当计算设备体现为软件时,可以安装在上述所列举的硬件设备中。其可以实现成例如用来提供分布式服务的多个软件或软件模块,也可以实现成单个软件或软件模块。在此不做具体限定。
应该理解,图1中的计算设备的数目仅仅是示意性的。根据实现需要,可以具有任意数目的计算设备。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
继续参考图2,示出了根据本公开的火电机组协同优化方法的一些实施例的流程200。该方法可以由图1中的计算设备101来执行。该火电机组协同优化方法,包括以下步骤:
步骤201,构建目标函数。
在一些实施例中,火电机组协同优化方法的执行主体(如图1所示的计算设备101)可以构建目标函数,其中,所述目标函数以单位质量污染物减排能耗满足目标条件为目标;上述目标条件可以是最小的时候,例如,以单位质量污染物减排能耗最小为目标。
步骤202,确定烟气中二氧化硫和粉尘颗粒物的排放量的约束条件。
在一些实施例中,上述执行主体可以确定烟气中二氧化硫和粉尘颗粒物的排放量的约束条件。具体地,所述烟气中二氧化硫和粉尘颗粒物的排放量的约束条件,包括烟气中二氧化硫和粉尘颗粒物的排放量达标阈值,为杜绝出现因排放量存在波动造成的超越排放红线的情况发生,达标阈值应比锅炉所在行政区域规定的排放标准增加一定的安全裕量。
步骤203,获取待优化参数组。
在一些实施例中,上述执行主体可以获取待优化参数组,其中,所述待优化参数组包括至少两个待优化参数,所述待优化参数为火电机组在预定时间段内的运行数据,所述运行数据包括原烟气污染物浓度、净烟气污染物浓度、总耗燃料量值、总烟气量、总耗电量、总耗水量和总耗环保物料量值,火电机组除尘系统的贡献比例、脱硫系统的贡献比例以及所述火电机组的运行负荷。上述贡献比例通常是对应系统在整个工作中的贡献比,例如,一个工作共有工作量是100%,火电机组除尘系统的贡献比例可以是40%,那么,脱硫系统的贡献比例通常是60%。上述单位质量污染物减排能耗等于污染物脱除系统的运行成本除以污染物的脱除量。上述污染物的脱除量等于原烟气污染物含量减去净烟气污染物含量。上述污染物含量等于烟气量乘以污染物浓度。
需要说明的是,作为待优化参数的各个运行数据中分别携带的机组负荷应当与火电机组在当前时刻下的锅炉负荷保持一致。
步骤204,根据所述目标函数和所述约束条件对所述待优化参数组中的每个待优化参数进行优化,得到所述单位质量污染物减排能耗满足目标条件时所述脱硫系统和所述除尘系统的最优贡献比例。
在一些实施例中,上述执行主体可以根据所述目标函数和所述约束条件对所述待优化参数组中的每个待优化参数进行优化,得到所述单位质量污染物减排能耗满足目标条件时所述脱硫系统和所述除尘系统的最优贡献比例。具体的,可基于目标函数、频率约束条件对各个待优化参数进行大数据分析,或者通过其他算法实现基于目标函数、频率约束条件对各个待优化参数进行处理,以得到单位质量污染物减排能耗满足目标条件时所述脱硫系统和所述除尘系统的最优贡献比例。
在一些实施例的一些可选的实现方式中,根据所述待优化参数组中的每个待优化参数和遗传算法求所述目标函数的最优解,将所述最优解作为所述单位质量污染物减排能耗满足目标条件时所述脱硫系统和所述除尘系统的最优贡献比例。
作为示例,基于遗传算法求解目标函数的最优解时,主要包括如下步骤a~步骤e:
步骤a,确定遗传算法的相关参数,相关参数包括但不限于种群规模、最大迭代次数、变异率及交叉率。
步骤b,根据种群规模从各个待优化参数选择一定数量的待优化参数形成初始种群。举例来说,可设置相关参数包括种群规模为20,那么,即可从确定的各个待优化参数中以随机采样的方式或者其他方式选择20个待优化参数,对选择的20个待优化参数进行二进制处理,即可利用二进制形式的各个待优化组成初始种群。
步骤c,将初始种群中的各个二进制形式的待优化参数分别代入目标函数中,得到火电机组根据分别根据各个待优化参数运行时单位质量污染物减排能耗,根据各个待优化参数分别对应的能耗、变异率及交叉率,对初始种群中的二进制形式的各个待优化参数进行交叉变异,并利用进行交叉变异后得到的各个完成编码处理的各个待优化参数形成新的初始种群。
步骤d,检测是否达到终止条件,若是,则执行步骤e,否则执行步骤c。举例来说,可检测形成初始种群的次数是否达到最大迭代次数。
步骤e,选取初始种群中对应能耗满足目标条件的二进制编码形式的待优化参数作为最优解,针对被选取为最优解的二进制编码形式的最优解进行解码处理以得到所述脱硫系统和所述除尘系统的最优贡献比例。
步骤205,根据所述脱硫系统和所述除尘系统的最优贡献比例分别调控所述脱硫系统和所述除尘系统。
在一些实施例中,上述执行主体可以根据所述脱硫系统和所述除尘系统的最优贡献比例分别调控所述脱硫系统和所述除尘系统。即将火电机组的除尘系统的出力调整为得到的除尘系统的最优贡献比例,以及将火电机组的脱硫系统调整为得到的脱硫系统的最优贡献比例。
显而易见的,脱硫系统和除尘系统的贡献比例总和为100%。
综上所述,本发明实施例中,通过以单位质量污染物减排能耗满足目标条件为目标的目标函数;确定所述烟气中二氧化硫和粉尘颗粒物的排放量的约束条件;将所述火电机组在至少两个时间段内的运行数据分别作为待优化参数,其中,所述运行数据包括火电机组除尘系统的贡献比例、脱硫系统的贡献比例以及所述火电机组的运行负荷;根据所述目标函数、所述频率约束条件对各个所述待优化参数进行优化,得到所述单位质量污染物减排能耗满足目标条件时所述脱硫系统和所述除尘系统的最优贡献比例;根据所述脱硫系统和所述除尘系统的最优贡献比例分别调控所述脱硫系统和所述除尘系统。本发明把除尘器和湿法脱硫协同控制,整体考虑综合除尘效果,通过设定合理的贡献比例,在保证SO2和烟尘达标排放的前提下,合理分配除尘器和脱硫系统的分段出力,以降低除尘系统和脱硫系统的综合能耗。为具体的锅炉运营提供科学指导,从而达到设备安全运行和节能减排降耗的效果。还减少了设计裕量,降低了运行能耗。
继续参考图3,示出了根据本公开的火电机组协同优化方法的一些实施例的流程300。该火电机组协同优化方法,包括以下步骤:
步骤301,构建目标函数。
步骤302,确定烟气中二氧化硫和粉尘颗粒物的排放量的约束条件。
在一些实施例中,步骤301-302的具体实现及所带来的技术效果可以参考图2对应的那些实施例中的步骤201-202,在此不再赘述。步骤303,采集火电机组在至少三个预定时间段内的运行数据,得到运行数据集。
在一些实施例中,所述执行主体可以采集火电机组在至少三个预定时间段内的运行数据,得到运行数据集,其中,所述采集为周期性采集;
步骤304,响应于当前预定时间段内采集到的运行数据中的运行负荷与目标预定时间段的内采集到的运行数据中的运行负荷满足预设标准,将当前预定时间段内采集到的运行数据作为待优化参数。
在一些实施例中,所述执行主体可以响应于当前预定时间段内采集到的运行数据中的运行负荷与目标预定时间段的内采集到的运行数据中的运行负荷满足预设标准,将当前预定时间段内采集到的运行数据作为待优化参数。
具体地,所述预设标准,包括但不限于本次采集的所述运行数据中的所述机组负荷与前次采集的所述运行数据中的所述锅炉负荷之间的差值的绝对值小于预设阈值。举例来说,可以预定时间段(比如,5分钟)周期性采集火电机组的运行数据,计算第k+1时刻采集的运行数据中包括的锅炉负荷与第k时刻采集的运行数据中包括的锅炉负荷之间的差值,如果计算的差值小于预设阈值,即可将第k+1时刻采集的运行数据作为待优化参数。
显而易见的,预设阈值是经验值。
步骤305,根据所述目标函数和所述约束条件对所述待优化参数组中的每个待优化参数进行优化,得到所述单位质量污染物减排能耗满足目标条件时所述脱硫系统和所述除尘系统的最优贡献比例。
步骤306,根据所述脱硫系统和所述除尘系统的最优贡献比例分别调控所述脱硫系统和所述除尘系统。
在一些实施例中,步骤305-306的具体实现及所带来的技术效果可以参考图2对应的那些实施例中的步骤204-205,在此不再赘述。
继续参考图4,示出了根据本公开的火电机组协同优化装置的一些实施例的流程400。该火电机组协同优化装置,包括:函数构建模块401、约束条件确定模块402、参数获取模块403、优化处理模块404和调控处理模块405。其中,函数构建模块401,被配置成构建目标函数,其中,所述目标函数以单位质量污染物减排能耗满足目标条件为目标;约束条件确定模块402,被配置成确定烟气中二氧化硫和粉尘颗粒物的排放量的约束条件;参数获取模块403,被配置成获取待优化参数组,其中,所述待优化参数组包括至少两个待优化参数,所述待优化参数为火电机组在预定时间段内的运行数据,所述运行数据包括原烟气污染物浓度、净烟气污染物浓度、总耗燃料量值、总烟气量、总耗电量、总耗水量和总耗环保物料量值,火电机组除尘系统的贡献比例、脱硫系统的贡献比例以及所述火电机组的运行负荷;优化处理模块404,被配置成根据所述目标函数和所述约束条件对所述待优化参数组中的每个待优化参数进行优化,得到所述单位质量污染物减排能耗满足目标条件时所述脱硫系统和所述除尘系统的最优贡献比例;调控处理模块405,被配置成根据所述脱硫系统和所述除尘系统的最优贡献比例分别调控所述脱硫系统和所述除尘系统。
在一些实施例的一些可选的实现方式中,在所述参数获取模块403之前,还包括:运行数据采集模块,被配置成采集火电机组在至少三个预定时间段内的运行数据,得到运行数据集,其中,所述采集为周期性采集;则,所述参数获取模块,被进一步配置成:响应于当前预定时间段内采集到的运行数据中的运行负荷与目标预定时间段的内采集到的运行数据中的运行负荷满足预设标准,将当前预定时间段内采集到的运行数据作为待优化参数。
在一些实施例的一些可选的实现方式中,所述优化处理模块404,被进一步配置成:根据所述待优化参数组中的每个待优化参数和遗传算法求所述目标函数的最优解,将所述最优解作为所述单位质量污染物减排能耗满足目标条件时所述脱硫系统和所述除尘系统的最优贡献比例。
在一些实施例的一些可选的实现方式中,所述烟气中二氧化硫和粉尘颗粒物的排放量的约束条件,包括烟气中二氧化硫和粉尘颗粒物的排放量达标阈值;和/或,所述预设标准,被进一步配置成:当前预定时间段内采集到的运行数据中的运行负荷与目标预定时间段的内采集到的运行数据中的运行负荷之间的差值的绝对值小于预设阈值。
下面参考图5,其示出了适于用来实现本公开的一些实施例的电子设备(例如图1中的计算设备101)500的结构示意图。图5示出的服务器仅仅是一个示例,不应对本公开的实施例的功能和使用范围带来任何限制。
如图5所示,电子设备500可以包括处理装置(例如中央处理器、图形处理器等)501,其可以根据存储在只读存储器(ROM)502中的程序或者从存储装置508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中,还存储有电子设备500操作所需的各种程序和数据。处理装置501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
通常,以下装置可以连接至I/O接口505:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置506;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置507;包括例如磁带、硬盘等的存储装置508;以及通信装置509。通信装置509可以允许电子设备500与其他设备进行无线或有线通信以交换数据。虽然图5示出了具有各种装置的电子设备500,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图5中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。
特别地,根据本公开的一些实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的一些实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中,该计算机程序可以通过通信装置509从网络上被下载和安装,或者从存储装置508被安装,或者从ROM502被安装。在该计算机程序被处理装置501执行时,执行本公开的一些实施例的方法中限定的上述功能。
需要说明的是,本公开的一些实施例上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述装置中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:构建目标函数,其中,所述目标函数以单位质量污染物减排能耗满足目标条件为目标;确定烟气中二氧化硫和粉尘颗粒物的排放量的约束条件;获取待优化参数组,其中,所述待优化参数组包括至少两个待优化参数,所述待优化参数为火电机组在预定时间段内的运行数据,所述运行数据包括原烟气污染物浓度、净烟气污染物浓度、总耗燃料量值、总烟气量、总耗电量、总耗水量和总耗环保物料量值,火电机组除尘系统的贡献比例、脱硫系统的贡献比例以及所述火电机组的运行负荷;根据所述目标函数和所述约束条件对所述待优化参数组中的每个待优化参数进行优化,得到所述单位质量污染物减排能耗满足目标条件时所述脱硫系统和所述除尘系统的最优贡献比例;根据所述脱硫系统和所述除尘系统的最优贡献比例分别调控所述脱硫系统和所述除尘系统。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码,上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的一些实施例中的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括函数构建模块、约束条件确定模块、参数获取模块、优化处理模块和调控处理模块。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,约束条件确定模块还可以被描述为“确定烟气中二氧化硫和粉尘颗粒物的排放量的约束条件的模块”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开的实施例中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (10)
1.一种火电机组协同优化方法,其特征在于,包括:
构建目标函数,其中,所述目标函数以单位质量污染物减排能耗满足目标条件为目标;
确定烟气中二氧化硫和粉尘颗粒物的排放量的约束条件;
获取待优化参数组,其中,所述待优化参数组包括至少两个待优化参数,所述待优化参数为火电机组在预定时间段内的运行数据,所述运行数据包括原烟气污染物浓度、净烟气污染物浓度、总耗燃料量值、总烟气量、总耗电量、总耗水量和总耗环保物料量值,火电机组除尘系统的贡献比例、脱硫系统的贡献比例以及所述火电机组的运行负荷;
根据所述目标函数和所述约束条件对所述待优化参数组中的每个待优化参数进行优化,得到所述单位质量污染物减排能耗满足目标条件时所述脱硫系统和所述除尘系统的最优贡献比例;
根据所述脱硫系统和所述除尘系统的最优贡献比例分别调控所述脱硫系统和所述除尘系统。
2.如权利要求1所述的火电机组协同优化方法,其特征在于,在获取待优化参数组之前,还包括:
采集火电机组在至少三个预定时间段内的运行数据,得到运行数据集,其中,所述采集为周期性采集;
则,所述获取待优化参数组,包括:
响应于当前预定时间段内采集到的运行数据中的运行负荷与目标预定时间段的内采集到的运行数据中的运行负荷满足预设标准,将当前预定时间段内采集到的运行数据作为待优化参数。
3.如权利要求1所述的火电机组协同优化方法,其特征在于,所述根据所述目标函数和所述约束条件对所述待优化参数组中的每个待优化参数进行优化,得到所述单位质量污染物减排能耗满足目标条件时所述脱硫系统和所述除尘系统的最优贡献比例,包括:
根据所述待优化参数组中的每个待优化参数和遗传算法求所述目标函数的最优解,将所述最优解作为所述单位质量污染物减排能耗满足目标条件时所述脱硫系统和所述除尘系统的最优贡献比例。
4.如权利要求1所述的火电机组协同优化方法,其特征在于,
所述烟气中二氧化硫和粉尘颗粒物的排放量的约束条件,包括烟气中二氧化硫和粉尘颗粒物的排放量达标阈值;
和/或,
所述预设标准,包括:当前预定时间段内采集到的运行数据中的运行负荷与目标预定时间段的内采集到的运行数据中的运行负荷之间的差值的绝对值小于预设阈值。
5.一种火电机组协同优化装置,其特征在于,包括:
函数构建模块,被配置成构建目标函数,其中,所述目标函数以单位质量污染物减排能耗满足目标条件为目标;
约束条件确定模块,被配置成确定烟气中二氧化硫和粉尘颗粒物的排放量的约束条件;
参数获取模块,被配置成获取待优化参数组,其中,所述待优化参数组包括至少两个待优化参数,所述待优化参数为火电机组在预定时间段内的运行数据,所述运行数据包括原烟气污染物浓度、净烟气污染物浓度、总耗燃料量值、总烟气量、总耗电量、总耗水量和总耗环保物料量值,火电机组除尘系统的贡献比例、脱硫系统的贡献比例以及所述火电机组的运行负荷;
优化处理模块,被配置成根据所述目标函数和所述约束条件对所述待优化参数组中的每个待优化参数进行优化,得到所述单位质量污染物减排能耗满足目标条件时所述脱硫系统和所述除尘系统的最优贡献比例;
调控处理模块,被配置成根据所述脱硫系统和所述除尘系统的最优贡献比例分别调控所述脱硫系统和所述除尘系统。
6.如权利要求5所述的火电机组协同优化装置,其特征在于,在所述参数获取模块之前,还包括:
运行数据采集模块,被配置成采集火电机组在至少三个预定时间段内的运行数据,得到运行数据集,其中,所述采集为周期性采集;
则,所述参数获取模块,被进一步配置成:
响应于当前预定时间段内采集到的运行数据中的运行负荷与目标预定时间段的内采集到的运行数据中的运行负荷满足预设标准,将当前预定时间段内采集到的运行数据作为待优化参数。
7.如权利要求5所述的火电机组协同优化装置,其特征在于,所述优化处理模块,被进一步配置成:
根据所述待优化参数组中的每个待优化参数和遗传算法求所述目标函数的最优解,将所述最优解作为所述单位质量污染物减排能耗满足目标条件时所述脱硫系统和所述除尘系统的最优贡献比例。
8.如权利要求5所述的火电机组协同优化装置,其特征在于,
所述烟气中二氧化硫和粉尘颗粒物的排放量的约束条件,包括烟气中二氧化硫和粉尘颗粒物的排放量达标阈值;
和/或,
所述预设标准,被进一步配置成:当前预定时间段内采集到的运行数据中的运行负荷与目标预定时间段的内采集到的运行数据中的运行负荷之间的差值的绝对值小于预设阈值。
9.一种计算机可读存储介质,包括执行指令,当电子设备的处理器执行所述执行指令时,所述处理器执行如权利要求1至4中任一所述的方法。
10.一种电子设备,包括处理器以及存储有执行指令的存储器,当所述处理器执行所述存储器存储的所述执行指令时,所述处理器执行如权利要求1至4中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110455963.0A CN113011684A (zh) | 2021-04-26 | 2021-04-26 | 火电机组协同优化方法、装置、电子设备及可读介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110455963.0A CN113011684A (zh) | 2021-04-26 | 2021-04-26 | 火电机组协同优化方法、装置、电子设备及可读介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113011684A true CN113011684A (zh) | 2021-06-22 |
Family
ID=76380569
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110455963.0A Pending CN113011684A (zh) | 2021-04-26 | 2021-04-26 | 火电机组协同优化方法、装置、电子设备及可读介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113011684A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113393059A (zh) * | 2021-07-27 | 2021-09-14 | 新奥数能科技有限公司 | 循环流化床组中脱硫系统的出力分配的调整方法和装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105184502A (zh) * | 2015-09-23 | 2015-12-23 | 云南电网有限责任公司电力科学研究院 | 一种基于机组污染物排放的节能减排机组调度方法 |
CN109034457A (zh) * | 2018-06-28 | 2018-12-18 | 杭州电子科技大学 | 一种燃煤电厂污染物低成本协同脱除建模及优化方法 |
CN109472406A (zh) * | 2018-11-02 | 2019-03-15 | 浙江大学 | 一种超低排放多污染物协同脱除系统的全局优化方法 |
CN111859774A (zh) * | 2019-04-29 | 2020-10-30 | 新奥数能科技有限公司 | 燃气锅炉的送风系统的调控方法及装置 |
CN112365101A (zh) * | 2020-12-09 | 2021-02-12 | 国网山东省电力公司电力科学研究院 | 基于遗传算法的火电机组调峰组合总煤耗优化方法及系统 |
-
2021
- 2021-04-26 CN CN202110455963.0A patent/CN113011684A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105184502A (zh) * | 2015-09-23 | 2015-12-23 | 云南电网有限责任公司电力科学研究院 | 一种基于机组污染物排放的节能减排机组调度方法 |
CN109034457A (zh) * | 2018-06-28 | 2018-12-18 | 杭州电子科技大学 | 一种燃煤电厂污染物低成本协同脱除建模及优化方法 |
CN109472406A (zh) * | 2018-11-02 | 2019-03-15 | 浙江大学 | 一种超低排放多污染物协同脱除系统的全局优化方法 |
CN111859774A (zh) * | 2019-04-29 | 2020-10-30 | 新奥数能科技有限公司 | 燃气锅炉的送风系统的调控方法及装置 |
CN112365101A (zh) * | 2020-12-09 | 2021-02-12 | 国网山东省电力公司电力科学研究院 | 基于遗传算法的火电机组调峰组合总煤耗优化方法及系统 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113393059A (zh) * | 2021-07-27 | 2021-09-14 | 新奥数能科技有限公司 | 循环流化床组中脱硫系统的出力分配的调整方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Banerjee et al. | Data-efficient minimax quickest change detection with composite post-change distribution | |
CN109358953B (zh) | 一种微云中的多任务应用卸载方法 | |
CN111413948B (zh) | 用于判断plc与dcs通讯是否正常的装置和方法 | |
CN113011684A (zh) | 火电机组协同优化方法、装置、电子设备及可读介质 | |
CN112886922B (zh) | 一种光伏电站损失电量的计算方法、装置及存储介质 | |
CN107480811A (zh) | 一种设备能耗数据处理方法、装置、系统及设备 | |
CN112364562A (zh) | 一种烟气环保岛协同控制方法及系统 | |
Bai et al. | Joint optimization of computation offloading, data compression, energy harvesting, and application scenarios in fog computing | |
CN114461538A (zh) | 一种基于实时内容预测与历史资源占用的云计算应用内存管理方法 | |
CN113240186A (zh) | 一种火力发电厂水平衡测试方法及装置 | |
CN115994626A (zh) | 一种输电线路检修方法、装置、计算机设备及介质 | |
CN109217386B (zh) | 自动发电控制方法、系统及终端设备 | |
CN113393059A (zh) | 循环流化床组中脱硫系统的出力分配的调整方法和装置 | |
Jurenoks et al. | Practical validation of economic efficiency modelling method for multi-boiler heating system | |
CN112486683B (zh) | 处理器控制方法、控制设备以及计算机可读存储介质 | |
CN115392684A (zh) | 一种基于带外方式的数据机房碳排放监控系统及方法 | |
CN115130572A (zh) | 一种公共建筑能耗异常的确定方法、装置、设备及介质 | |
CN115579935A (zh) | 发电系统控制方法、装置、系统、电子设备及存储介质 | |
CN112580898B (zh) | 一种污染预测方法以及污染预测模型训练方法 | |
Meng et al. | A dynamic performance adjustment algorithm based on negative feedback mechanism of power internet of things | |
CN110045951B (zh) | 一种神经网络硬件低功耗定制化的开发工具 | |
Wen et al. | Multi-stage PSO-based cost minimization for computation offloading in vehicular edge networks | |
CN113688570B (zh) | 园区综合能源系统自动运行的实现方法、装置及设备 | |
Li et al. | An energy-efficient data transfer strategy with link rate control for Cloud | |
CN113393015A (zh) | 火电机组的优化方法、装置及计算机可读介质 |
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 |