CN113191083B - 考虑全工况外部参数变化的烟气余热回收系统优化设计方法 - Google Patents

Abstract

本发明公开了一种考虑全工况外部参数变化的烟气余热回收系统优化设计方法，该方法依据各智能优化算法的工作原理和特性将其耦合运用于烟气余热回收系统优化设计，通过合理地构建设计优化流程，实现了对全工况外部参数变化的条件下综合技术经济效益最大的余热回收系统设计构型的有效求解；由该方法获得的余热回收系统综合技术经济性高、适应性强、灵活性高。

Description

考虑全工况外部参数变化的烟气余热回收系统优化设计方法

技术领域

本发明涉及烟气余热回收系统优化设计技术领域，具体涉及一种考虑全工况外部参数变化的烟气余热回收系统优化设计方法。

背景技术

近年来，我国新能源发电装机容量迅速增长，燃煤发电由主体能源向基础能源过渡。燃煤发电将更多的承担调峰任务并将长期频繁地变负荷运行，这对火电机组的灵活性提出了新的要求。烟气余热回收技术是提高燃煤发电机组效率、降低电厂污染物排放的有效手段。随着燃煤机组变工况运行的日趋频繁，实现燃煤机组烟气余热回收系统在全工况范围内的高效运行，对提高燃煤机组整体效率具有重要意义。

但在现有的烟气余热回收系统优化设计中缺乏对在变工况条件下系统运行的安全性和经济性的考虑。不利于变工况条件下烟气余热回收系统的高效运行。因此，基于燃煤机组的变工况特性和运行情况，开展燃煤机组余热回收系统设计，以获得一个可实现全工况高效与安全协同运行的余热回收系统设计构型有着重要的意义。

发明内容

为了克服上述现有技术存在的问题，本发明的目的在于提供一种考虑全工况外部参数变化的烟气余热回收系统优化设计方法，通过建立余热回收系统相应的热力计算模型并采用多种智能优化算法以结合燃煤机组已有的历年运行数据进行优化求解，最终可以获得全工况外部参数变化的条件下综合技术经济效益最大的余热回收系统设计构型。该方法适用于由多个换热器与相应的管路阀门等部件构成的烟气余热回收系统，该方法所获得的最优余热回收系统设计构型，能有效适应于当前机组调峰调频、机组余热回收系统变负荷日趋频繁的能源现状，实现在全工况下的综合技术经济性最优。该方法简便易行，有着良好的优化设计效果。

为了达到上述目的，本发明采用如下技术方案：

一种考虑全工况外部参数变化的烟气余热回收系统优化设计方法，烟气余热回收系统由h个换热器HE_k(k＝1～h)及换热器间管路阀门系统连接构成；

该烟气余热回收系统优化设计方法以获得全工况外部参数变化的条件下综合技术经济效益最大的余热回收系统设计构型S₀为最终的优化目标；在各阶段以系统技术经济性最大为优化目标；在利用热力计算模型采集离散数据样本以建立代理模型阶段以换热器HE_k的设计面积A_k、换热器HE_k的工质进出口流量D_l、换热器HE_k的工质进出口设计温度t_g为待优化参数；在采用运筹学规划方法优化阶段以设计温度T_d和设计负荷N_d为待优化参数，采用运筹学规划方法配合代理模型进行优化求解获得最优设计负荷N_d0及最优设计温度T_d0，并进一步获得最终的最优余热回收系统设计构型S₀。具体包括如下步骤：

(1)建立描述系统热力特性的烟气余热回收系统热力计算模型；

(2)利用烟气余热回收系统热力计算模型采集离散数据样本以建立烟气余热回收系统代理模型：

离散数据样本采集的流程为：输入一组设计负荷N_d,i和设计温度T_d,i，i＝1～n，由所建立的烟气余热回收系统热力计算模型，采用多参数智能优化算法以烟气余热回收系统使用年限间的总净现值最大为优化目标，优化得到这组设计参数下最优的设计构型S_i；

由最优的设计构型S_i的构型参数，输入一组变运行负荷N_j和变环境温度T_j，j＝1～m，结合烟气余热回收系统调控措施，由所建立的余热回收系统热力计算模型得到变工况下换热器HE_k工质进出口温度t_k,j,i及变工况下最优的设计构型S_i在使用年限间的总净现值NPV_j,i；

基于人工智能算法建立描述换热器HE_k工质进出口温度及烟气余热回收系统使用年限间的总净现值与设计负荷、设计温度、变运行负荷、变环境温度之间函数关系的烟气余热回收系统代理模型：

(NPV,t_k)＝f(N_d,T_d,N,T)

式中：NPV为烟气余热回收系统使用年限间的总净现值，元；t_k为换热器HE_k工质进出口温度，℃；N_d为设计负荷，W；T_d为设计温度，℃；N为变运行负荷，W；T为变环境温度，℃；

(3)采用多阶段随机规划方法配合烟气余热回收系统代理模型进行优化求解，以设计温度T_d和设计负荷N_d为待优化参数；以在情景集b_s下的期望总净现值最大为优化目标函数，s＝1～E，即：

式中p_s为情景b_s所对应的概率；NPV_s为烟气余热回收系统在情景b_s下系统使用年限间的总净现值，元，当情景b_s下的换热器HE_k工质进出口温度t_k,s满足换热器运行温度约束时

(NPV_s,t_k,s)＝f(N_d,T_d,N_s,T_s)

当情景b_s下的换热器HE_k工质进出口温度t_k,s不满足换热器运行温度约束时

NPV_s＝0

约束条件为换热器HE_k运行温度约束和随机运行负荷N_s、随机环境温度T_s对应于情景b_s的约束：

T_s∈b_s{T_L…T…T_H}

N_s∈b_s{N_L…N…N_H}

式中t_k,s为情景b_s下换热器HE_k工质进出口温度，℃；t_h,s为情景b_s下尾部换热器HE_h出口烟气进入除尘器ESP的温度，℃；T为变环境温度，℃；N为变运行负荷，W；T_L为变环境温度T的下限，℃；T_H为变环境温度T的上限，℃；N_L为变运行负荷N的下限，W；N_H为变运行负荷N的上限，W。

本发明的优点

(1)本发明可用于多种类型的烟气余热回收系统的构型设计优化，适用性广；

(2)本发明采用多种智能优化算法相互结合进行烟气余热回收系统的优化设计。在充分发挥各智能优化算法运用于热力系统设计的特点和优势的同时，有效地实现了对烟气余热回收系统的综合优化设计，弥补了只采用多参数优化智能算法进行常规优化设计所得的设计构型无法兼顾变工况特性的缺点；

(3)本发明合理地利用了已有的机组运行数据和环境气象数据，在烟气余热回收系统的设计阶段科学合理地考虑了其可能经历的变工况情况，所得设计构型更为完善。由本发明设计所得的余热回收系统可在全工况外部参数变化的条件下取得最大的综合技术经济效益；

(5)本发明有效地将燃煤机组的变负荷运行及机组运行过程中环境温度变化对烟气余热回收系统的影响考虑到了烟气余热回收系统的设计之中，且方法灵活、适应性强、易于施行。

附图说明

图1为本发明方法流程图。

具体实施方式

下面结合附图和具体实施方式对本发明作进一步详细说明。

如图1所示，本发明一种考虑全工况外部参数变化的烟气余热回收系统优化设计方法，烟气余热回收系统由h个换热器HE_k(k＝1～h)及换热器间管路阀门系统连接构成；

该烟气余热回收系统优化设计方法以获得全工况外部参数变化的条件下综合技术经济效益最大的余热回收系统设计构型S₀为最终的优化目标；在各阶段以系统技术经济性最大为优化目标；在利用热力计算模型采集离散数据样本以建立代理模型阶段以换热器HE_k的设计面积A_k、换热器HE_k的工质进出口流量D_l、换热器HE_k的工质进出口设计温度t_g为待优化参数；采用运筹学规划方法配合代理模型进行优化求解获得最优设计负荷N_d0及最优设计温度T_d0，并进一步获得最终的最优余热回收系统设计构型S₀。具体包括如下步骤：

(1)建立描述系统热力特性的烟气余热回收系统热力计算模型；

(2)利用烟气余热回收系统热力计算模型采集离散数据样本以建立烟气余热回收系统代理模型：

离散数据样本采集的流程为：输入一组设计负荷N_d,i和设计温度T_d,i，i＝1～n，由所建立的烟气余热回收系统热力计算模型，采用多参数智能优化算法以烟气余热回收系统使用年限间的总净现值最大为优化目标，优化得到这组设计参数下最优的设计构型S_i；

由最优的设计构型S_i的构型参数，输入一组变运行负荷N_j和变环境温度T_j，j＝1～m，结合烟气余热回收系统调控措施，由所建立的余热回收系统热力计算模型得到变工况下换热器HE_k工质进出口温度t_k,j,i及变工况下最优的设计构型S_i在使用年限间的总净现值NPV_j,i；

基于人工智能算法建立描述换热器HE_k工质进出口温度及烟气余热回收系统使用年限间的总净现值与设计负荷、设计温度、变运行负荷、变环境温度之间函数关系的烟气余热回收系统代理模型：

(NPV,t_k)＝f(N_d,T_d,N,T)

式中：NPV为烟气余热回收系统使用年限间的总净现值，元；t_k为换热器HE_k工质进出口温度，℃；N_d为设计负荷，W；T_d为设计温度，℃；N为变运行负荷，W；T为变环境温度，℃；

(3)采用多阶段随机规划方法配合烟气余热回收系统代理模型进行优化求解，以设计温度T_d和设计负荷N_d为待优化参数；以在情景集b_s s＝1～E下的期望总净现值最大为优化目标函数，s＝1～E，即：

式中p_s为情景b_s所对应的概率；NPV_s为烟气余热回收系统在情景b_s下系统使用年限间的总净现值，元，当情景b_s下的换热器HE_k工质进出口温度t_k,s满足换热器运行温度约束时

(NPV_s,t_k,s)＝f(N_d,T_d,N_s,T_s)

当情景b_s下的换热器HE_k工质进出口温度t_k,s不满足换热器运行温度约束时

NPV_s＝0

约束条件为换热器HE_k运行温度约束和随机运行负荷N_s、随机环境温度T_s对应于情景b_s的约束：

T_s∈b_s{T_L…T…T_H}

N_s∈b_s{N_L…N…N_H}

式中t_k,s为情景b_s下换热器HE_k工质进出口温度，℃；t_h,s为情景b_s下尾部换热器HE_h出口烟气进入除尘器ESP的温度，℃；T为变环境温度，℃；N为变运行负荷，W；T_L为变环境温度T的下限，℃；T_H为变环境温度T的上限，℃；N_L为变运行负荷N的下限，W；N_H为变运行负荷N的上限，W。

作为本发明的优选实施方式，进行离散数据样本采集时采用带精英策略的非支配排序遗传算法NSGA-II作为多参数智能优化算法，优化得到相应的最优设计构型S_i。

作为本发明的优选实施方式，采用带精英策略的非支配排序遗传算法NSGA-II进行优化设计时其目标函数为：烟气余热回收系统使用年限间的总净现值NPV最大；待优化参数为：换热器HE_k的设计面积A_k k＝1～h，m²、换热器HE_k的工质进出口流量D_l l＝1～2h，kg/s、设计点处换热器HE_k的工质进出口温度t_g g＝1～y即：

maxNPV＝NSGA(A_k,D_l,t_g)

约束条件为：

式中t_k为换热器HE_k工质进出口温度，℃；t_h为尾部换热器HE_h出口烟气进入除尘器ESP的温度，℃；D_l,min为换热器HE_k的工质进出口流量的下限，kg/s；D_l,max为换热器HE_k的工质进出口流量的上限，kg/s。

作为本发明的优选实施方式，烟气余热回收系统在使用年限z内的总净现值NPV的计算方法为：

CI_x＝Δb·N_R·P_c·hour

式中：NPV为总净现值，元；x为使用年限z年中的第x年；z为烟气余热回收系统使用年限；CI_x为第x年的收益，元；CO_x为第x年的成本，元；r为基准收益率；Δb为烟气余热回收系统的标准煤节煤率，kg/kWh；N_R为汽轮机额定功率，kW；P_c为标准煤煤价，元/kg；hour为烟气余热回收系统的年运行小时数，小时/年；E为烟气余热回收系统的总建设成本，元；E_HEk为换热器HE_k的建设成本，元；E_t为烟气余热回收系统年维护费、管理费及材料费的总和。

作为本发明的优选实施方式，换热器HE_k的建设成本E_HEk的计算方法为：

E_HEk＝a_HEk·c_HEk·A_k

式中：A_k为换热器HE_k的换热面积，m²；c_HEk为烟气冷却器FGC_i单位面积换热面的价格，元/m²；a_HEk为换热器HE_k的换热面建设成本与整体建设成本的换算系数。

作为本发明的优选实施方式，烟气余热回收系统的标准煤节煤率Δb计算方法为：

Δb＝SCCR-SCCR₁

η_net＝η_b·η_p·η_i·η_m·η_g(1-ξ)

η_net1＝η_b1·η_p·η_i1·η_m·η_g(1-ξ₁)

式中：SCCR为电厂原标准煤耗率，g(kW h)^-1；SCCR₁为电厂耦合了余热回收系统后的标准煤耗率，g(kW h)^-1；LHV₀为标准煤的低位发热量,LHV₀＝29,270kJ kg^-1；η_b为电厂原锅炉效率；η_b1为电厂耦合了余热回收系统后的锅炉效率；η_p为电厂管道效率；η_i为电厂原汽轮机机组绝对内效率；η_i1为电厂耦合了余热回收系统后的汽轮机机组绝对内效率；η_m为电厂机械效率；η_g为电厂发电机效率；ξ为电厂原厂用电率；ξ₁为电厂耦合了余热回收系统后的厂用电率。

作为本发明的优选实施方式，烟气余热回收系统年维护费、管理费及材料费的总和E_t按余热利用系统的总建设成本E的百分比进行估算，取为总建设成本的2.5％。

作为本发明的优选实施方式，基准收益率r按10％估取，余热利用系统使用年限z按10～15年估取。

作为本发明的优选实施方式，人工智能算法采用基于叶贝斯优化的渐进梯度回归树算法GBRT。

作为本发明的优选实施方式，由电厂至少近3年内的年运行负荷变化数据和历年环境温度变化数据确定变环境温度T的下限T_L和上限T_H，℃、变运行负荷N的下限N_L和上限N_H，W；并采用拉丁超立方采样方法LHS作为情景采样方法，获得情景集b_s。

本发明所采用的以带精英策略的非支配排序遗传算法(NSGA-II)为代表的多参数智能优化算法是通过模拟自然界生物现象来寻找最优解的一种优化求解方法。其不需要了解优化问题的最优解的数学特征，而是对优化问题进行启发式地优化求解，能够在最短的时间内得到最接近最优解的解决方案。因此其在工程领域有着广泛的应用。多参数智能优化算法的这一特点可以用来对烟气余热回收系统等有着多个待优化参数的热力系统进行快速有效的整体优化求解，有利于离散数据样本采样工作的高效进行。

以基于叶贝斯优化的渐进梯度回归树算法(GBRT)为代表的人工智能算法是一种功能强大的机器学习算法，其可以在样本数据量较小的情况下获得拥有较高回归精度的代理模型。同时基于叶贝斯优化可以使GBRT算法有着较高的运行速度，可以快速有效地获得代理模型。该算法同时适用于处理包含较多中间变量和有着较强非线性关系的数据，保证了在离散数据样本采样过程中考虑了烟气余热回收系统变工况及各系统调控措施的影响之后仍可以使用GBRT算法求取相应的代理模型。

多阶段随机规划方法是求解含不确定性约束问题的一种优化方法，其在随机事件发生前事先制定初始决策，当随机事件发生后，根据前一阶段决策与实际偏差进行追索决策，实现二次补偿，因此能够灵活地实现在随机参数的约束下获得最优决策。而采用电厂至少近3年内的年运行负荷变化数据和历年环境温度变化数据并结合拉丁超立方采样方法(LHS)作为情景采样方法，可以生成大量有代表性的情景来表示运行负荷与环境温度的不确定性，使用该情景集可有效地考虑全工况外部参数变化的影响，使所获得的余热回收系统设计构型在全工况下综合技术经济效益最大。

Claims (10)

1.一种考虑全工况外部参数变化的烟气余热回收系统优化设计方法，其特征在于：

烟气余热回收系统由h个换热器HE_k及换热器间管路阀门系统连接构成，k＝1～h；

该烟气余热回收系统优化设计方法以获得全工况外部参数变化的条件下综合技术经济效益最大的余热回收系统设计构型S₀为最终的优化目标；在各阶段以系统技术经济性最大为优化目标；在利用热力计算模型采集离散数据样本以建立代理模型阶段以换热器HE_k的设计面积A_k、换热器HE_k的工质进出口流量D_l、换热器HE_k的工质进出口设计温度t_g为待优化参数；在采用运筹学规划方法优化阶段以设计温度T_d和设计负荷N_d为待优化参数，采用运筹学规划方法配合代理模型进行优化求解获得最优设计负荷N_d0及最优设计温度T_d0，并进一步获得最终的最优余热回收系统设计构型S₀； 具体包括如下步骤：

(1)建立描述系统热力特性的烟气余热回收系统热力计算模型；

(2)利用烟气余热回收系统热力计算模型采集离散数据样本以建立烟气余热回收系统代理模型：

离散数据样本采集的流程为：输入一组设计负荷N_d,i和设计温度T_d,i，i＝1～n，由所建立的烟气余热回收系统热力计算模型，采用多参数智能优化算法以烟气余热回收系统使用年限间的总净现值最大为优化目标，优化得到这组设计参数下最优的设计构型S_i；

由最优的设计构型S_i的构型参数，输入一组变运行负荷N_j和变环境温度T_j，j＝1～m，结合烟气余热回收系统调控措施，由所建立的余热回收系统热力计算模型得到变工况下换热器HE_k工质进出口温度t_k,j,i及变工况下最优的设计构型S_i在使用年限间的总净现值NPV_j,i；

基于人工智能算法建立描述换热器HE_k工质进出口温度及烟气余热回收系统使用年限间的总净现值与设计负荷、设计温度、变运行负荷、变环境温度之间函数关系的烟气余热回收系统代理模型：

(NPV,t_k)＝f(N_d,T_d,N,T)

式中：NPV为烟气余热回收系统使用年限间的总净现值，元；t_k为换热器HE_k工质进出口温度，℃；N_d为设计负荷，W；T_d为设计温度，℃；N为变运行负荷，W；T为变环境温度，℃；

(3)采用多阶段随机规划方法配合烟气余热回收系统代理模型进行优化求解，以设计温度T_d和设计负荷N_d为待优化参数；以在情景集b_s下的期望总净现值最大为优化目标函数，s＝1～E，即：

式中p_s为情景b_s所对应的概率；NPV_s为烟气余热回收系统在情景b_s下系统使用年限间的总净现值，元，当情景b_s下的换热器HE_k工质进出口温度t_k,s满足换热器运行温度约束时

(NPV_s,t_k,s)＝f(N_d,T_d,N_s,T_s)

当情景b_s下的换热器HE_k工质进出口温度t_k,s不满足换热器运行温度约束时

NPV_s＝0

约束条件为换热器HE_k运行温度约束和随机运行负荷N_s、随机环境温度T_s对应于情景b_s的约束：

T_s∈b_s{T_L…T…T_H}

N_s∈b_s{N_L…N…N_H}

式中t_k,s为情景b_s下换热器HE_k工质进出口温度，℃；t_h,s为情景b_s下尾部换热器HE_h出口烟气进入除尘器ESP的温度，℃；T为变环境温度，℃；N为变运行负荷，W；T_L为变环境温度T的下限，℃；T_H为变环境温度T的上限，℃；N_L为变运行负荷N的下限，W；N_H为变运行负荷N的上限，W。

2.根据权利要求1所述的考虑全工况外部参数变化的烟气余热回收系统优化设计方法，其特征在于：进行离散数据样本采集时采用带精英策略的非支配排序遗传算法NSGA-II作为多参数智能优化算法，优化得到相应的最优设计构型S_i。

3.根据权利要求2所述的考虑全工况外部参数变化的烟气余热回收系统优化设计方法，其特征在于：采用带精英策略的非支配排序遗传算法NSGA-II进行优化设计时其目标函数为：烟气余热回收系统使用年限间的总净现值NPV最大；待优化参数为：换热器HE_k的设计面积A_k k＝1～h，m²、换热器HE_k的工质进出口流量D_l l＝1～2h，kg/s、设计点处换热器HE_k的工质进出口温度t_g g＝1～y即：

maxNPV＝NSGA(A_k,D_l,t_g)

约束条件为：

式中t_k为换热器HE_k工质进出口温度，℃；t_h为尾部换热器HE_h出口烟气进入除尘器ESP的温度，℃；D_l,min为换热器HE_k的工质进出口流量的下限，kg/s；D_l,max为换热器HE_k的工质进出口流量的上限，kg/s。

4.根据权利要求1所述的考虑全工况外部参数变化的烟气余热回收系统优化设计方法，其特征在于：烟气余热回收系统在使用年限z内的总净现值NPV的计算方法为：

CI_x＝Δb·N_R·P_c·hour

式中：NPV为总净现值，元；x为使用年限z年中的第x年；z为烟气余热回收系统使用年限；CI_x为第x年的收益，元；CO_x为第x年的成本，元；r为基准收益率；Δb为烟气余热回收系统的标准煤节煤率，kg/kWh；N_R为汽轮机额定功率，kW；P_c为标准煤煤价，元/kg；hour为烟气余热回收系统的年运行小时数，小时/年；E为烟气余热回收系统的总建设成本，元；E_HEk为换热器HE_k的建设成本，元；E_t为烟气余热回收系统年维护费、管理费及材料费的总和。

5.根据权利要求4所述的考虑全工况外部参数变化的烟气余热回收系统优化设计方法，其特征在于：换热器HE_k的建设成本E_HEk的计算方法为：

E_HEk＝a_HEk·c_HEk·A_k

式中：A_k为换热器HE_k的换热面积，m²；c_HEk为烟气冷却器FGC_i单位面积换热面的价格，元/m²；a_HEk为换热器HE_k的换热面建设成本与整体建设成本的换算系数。

6.根据权利要求4所述的考虑全工况外部参数变化的烟气余热回收系统优化设计方法，其特征在于：烟气余热回收系统的标准煤节煤率Δb计算方法为：

Δb＝SCCR-SCCR₁

η_net＝η_b·η_p·η_i·η_m·η_g(1-ξ)

η_net1＝η_b1·η_p·η_i1·η_m·η_g(1-ξ₁)

式中：SCCR为电厂原标准煤耗率，g(kW h)^-1；SCCR₁为电厂耦合了余热回收系统后的标准煤耗率，g(kW h)^-1；LHV₀为标准煤的低位发热量,LHV₀＝29,270kJ kg^-1；η_b为电厂原锅炉效率；η_b1为电厂耦合了余热回收系统后的锅炉效率；η_p为电厂管道效率；η_i为电厂原汽轮机机组绝对内效率；η_i1为电厂耦合了余热回收系统后的汽轮机机组绝对内效率；η_m为电厂机械效率；η_g为电厂发电机效率；ξ为电厂原厂用电率；ξ₁为电厂耦合了余热回收系统后的厂用电率。

7.根据权利要求4所述的考虑全工况外部参数变化的烟气余热回收系统优化设计方法，其特征在于：烟气余热回收系统年维护费、管理费及材料费的总和E_t按余热利用系统的总建设成本E的百分比进行估算，取为总建设成本的2.5％。

8.根据权利要求4所述的考虑全工况外部参数变化的烟气余热回收系统优化设计方法，其特征在于：基准收益率r按10％估取，余热利用系统使用年限z按10～15年估取。

9.根据权利要求1所述的考虑全工况外部参数变化的烟气余热回收系统优化设计方法，其特征在于：人工智能算法采用基于叶贝斯优化的渐进梯度回归树算法GBRT。

10.根据权利要求1所述的考虑全工况外部参数变化的烟气余热回收系统优化设计方法，其特征在于：由电厂至少近3年内的年运行负荷变化数据和历年环境温度变化数据确定变环境温度T的下限T_L和上限T_H，℃、变运行负荷N的下限N_L和上限N_H，W；并采用拉丁超立方采样方法LHS作为情景采样方法，获得情景集b_s。

Images