CN115169130A - 适用于火电厂自主优化运行的实时优化调度方法及其系统 - Google Patents

适用于火电厂自主优化运行的实时优化调度方法及其系统 Download PDF

Info

Publication number
CN115169130A
CN115169130A CN202210836386.4A CN202210836386A CN115169130A CN 115169130 A CN115169130 A CN 115169130A CN 202210836386 A CN202210836386 A CN 202210836386A CN 115169130 A CN115169130 A CN 115169130A
Authority
CN
China
Prior art keywords
optimization
unit
steam
time
real
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
Application number
CN202210836386.4A
Other languages
English (en)
Inventor
刘成刚
谢金芳
裘天阅
林雪茹
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.)
Zhejiang Yingji Power Technology Co ltd
Original Assignee
Zhejiang Yingji Power Technology 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 Zhejiang Yingji Power Technology Co ltd filed Critical Zhejiang Yingji Power Technology Co ltd
Priority to CN202210836386.4A priority Critical patent/CN115169130A/zh
Publication of CN115169130A publication Critical patent/CN115169130A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • 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
    • G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/04—Constraint-based CAD
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/08—Thermal analysis or thermal optimisation
    • 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)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • General Health & Medical Sciences (AREA)
  • Development Economics (AREA)
  • Water Supply & Treatment (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • Primary Health Care (AREA)
  • Educational Administration (AREA)
  • Public Health (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Control Of Steam Boilers And Waste-Gas Boilers (AREA)

Abstract

本发明公开了一种适用于火电厂自主优化运行的实时优化调度方法及其系统，包括：步骤S1：构建热力系统流程模型，生成通用的火电厂调度优化约束集C1；步骤S2：基于稳态筛选，对历史数据进行稳态工况筛选；步骤S3：构建设备属性模型，形成约束集C2；步骤S4：构建日前优化、日内优化、实时优化和应急优化这四种场景名称分别对应的目标和约束条件，以生成这四种场景名称相应的优化模型；步骤S5：根据选择的任一个所述场景名称调用对应的优化模型，以求解生成相应的优化调度策略。本发明可以降低调度决策的工作量以及降低效益的损失。

Description

适用于火电厂自主优化运行的实时优化调度方法及其系统
技术领域
本发明涉及工业信息化技术领域，具体为一种适用于火电厂自主优化运行的实时优化调度方法及其系统。
背景技术
火电厂的调度工作离不开诸多决策，例如机组负荷分配决策、调峰决策、蓄热决策、碳捕集决策、碳交易决策等。传统手段中的依赖于人的经验的调度方法与策略，难以应对以日剧增的变动因素。尤其是新型调峰设备如碳捕集装置的加入，使得整个火电厂的调度复杂度扩大，调度策略不仅需要响应电网发电计划，而且还需要考虑碳市场的交易情况。而目前火电厂一般的调度方法较为粗旷，各个时间尺度的调度策略存在衔接不畅的问题，因此难以避免会造成整体效益的损失问题。
具体来说，现有手段虽然从系统性的角度对多周期的发电计划作了一定的工作，但基本都是从整个的电力系统的角度出发，缺少以电厂本身为独立对象的角度出发的考虑，也就未考虑到电厂机组的实际运行性能以及新型调峰设备的负荷调整，从而导致下达的机组发电计划对于电厂来说仍不够优化。
再者来说，现有手段虽能够应对月、日计划的制定，但对实际运行与计划的偏差考虑较少，缺少一个整体性的方法或平台来支撑新环境下的电厂级的调度决策，仍以多头决策、独立决策为主，存在多场景的衔接间隙。
此外，现有手段还缺少对于电厂的异常运行的研究，也即调度方法中缺少应对异常工况的应急决策方法。
综上，针对现有手段中的调度方法存在的各个问题，还需要进一步优化对于火电厂的调度方法。
发明内容
本发明的第一目的是提供一种适用于火电厂自主优化运行的实时优化调度方法，以解决降低调度决策的工作量以及降低效益的损失的技术效果。
本发明的第二目的是提供一种适用于火电厂自主优化运行的实时优化调度系统，以解决降低调度决策工作量以及降低效益的损失的技术效果。
本发明的适用于火电厂自主优化运行的实时优化调度方法是这样实现的：
一种适用于火电厂自主优化运行的实时优化调度方法，包括：
步骤S1：构建热力系统流程模型，生成通用的火电厂调度优化约束集C1；
步骤S2：基于稳态筛选，对历史数据进行稳态工况筛选；
步骤S3：构建设备属性模型，形成约束集C2；
步骤S4：构建日前优化、日内优化、实时优化和应急优化这四种场景名称分别对应的目标和约束条件，以生成这四种场景名称相应的优化模型；
步骤S5：根据选择的任一个所述场景名称调用对应的优化模型，以求解生成相应的优化调度策略。
在本发明可选的实施例中，步骤S1中，所述热力系统流程模型涵盖调峰装置；其中
所述调峰装置包括：碳捕集装置、空冷岛、电锅炉和蓄热装置。
在本发明可选的实施例中，步骤S1包括：
步骤S11：收集火电厂的热力系统图，包括：锅炉、汽轮机、空冷岛、回热加热器、除氧器、排汽器、加热器、电锅炉、蓄热装置、分流器、混合器、碳捕集装置；
步骤S12：热力系统流程中的物流和能流进行编码，梳理其进出源，得到物流和能流的基础信息表；
步骤S13：根据基础信息表，获取热力系统各类部件的数量、连接关系，得到热力系统流程模型。
在本发明可选的实施例中，所述约束集C1包括：
锅炉的煤量约束和流量平衡约束：
mcoali＝mb，i，1*Hsi，1/(Hcoali*beatai)
mb，i，1＝mb，i，3
mb，i，2＝mb，i，4
其中，mcoali为锅炉i的煤耗量；mb，i，1为锅炉i的主蒸汽量；Hsi,1为锅炉i的主蒸汽焓值；Hcoali为锅炉i的入煤低位发热量；beatai为锅炉i的锅炉效率；mb，i，2为锅炉i的再热蒸汽热段量；mb，i，3为锅炉i的给水量；mb,i,4为锅炉i的再热蒸汽冷段量；
汽轮机的流量平衡约束：
mt，i，1＝mt，i，2+mt，i，3
其中，mt，i，1为汽轮机i的进汽量；mt，i，2为汽轮机i的抽汽量；mt，i，3为汽轮机i的排汽量；
空冷岛的热量平衡约束和流量平衡约束：
mnq，i，1＝mnq，i，3
mnq，i，2＝mnq，i，4
mnq，i，1*Hnq，i，1-mnq，i，3*Hnq，i，3＝mnq，i，4*Hnq，i，4-mnq，i，2*Hnq，i，2
其中，mnq，i，1为空冷岛i的进蒸汽量；mnq，i，3为空冷岛i的出冷凝水量；mnq，i,2为空冷岛i的进空气量；mnq,i,4为空冷岛i的出空气量；Hnq,i,1、Hnq,i，2、Hnq,i,3、Hnq,i,2为分别为空冷岛各路物流和能流对应的焓值；
回热加热器的流量平衡约束：
mhr,i,1＝mhr,i,3
mhr,i,2＝mhr,i,4
其中，mhr,i,1为回热加热器i的进蒸汽量；mhr，i,3为回热加热器i的热段出水量；mhr,i，2为回热加热器i的冷段进水量；mhr，i，4为回热加热器i的冷段出水量；
除氧器的流量平衡：
mcy，i，3＝mcy，i，1+mcy，i，2+mcy，i，4
其中，mcy，i，3为除氧器i的出水量；mcy，i，1为除氧器i的进蒸汽量；mcy，i，2、mcy,i,4分别为除氧器i自高压回热加热器和低压回热加热器的进水量；
排汽器的物量平衡约束：
mpq，i，1+mpq，i，2+mpq，i，4+mpq，i，0-mpq，i，3＝mpq，i，0n
其中，mpq，i，3为排汽器i的出水量；mcy，i，1为排汽器i的补水量；mcy，i，2、mcy，i，4分别为排汽器i自低压回热加热器、空冷岛的进水量；mpq，i，0为排汽器i的原始存储量；mpq，i，0n为排汽器i的更新后存储量；
加热器的热量平衡约束和流量平衡约束：
mj，i，3＝mj，i，1
mj，i，1*(Hj，i，1-Hj，i，3)＝mj，i，4-mj，i，2
其中，mj，i，1为加热器i的进蒸汽量；mj，i，3为加热器i的出水量；mj，i，4为加热器i的出热量；mj，i，2为加热器i的进热量；Hj，i，1为加热器i的进蒸汽量焓值；Hj，i，3为加热器i的出水量焓值；
电锅炉的热量平衡约束：
mdgl，i，1＝mdgl，i，3-mdgl，i，2
其中，mdgl，i，1为电锅炉i的耗电量；mdgl，i，3为出电锅炉i的热量；mdgl，i，2为进电锅炉i的热量；
蓄热装置的热量平衡约束：
mxr，i，1+mxr，i，0-mxr，i，2＝mxr，i，0n
其中，mxr，i，1为进蓄热i的热量；mxr，i，0为蓄热i的初始存储热量；mdgl，i，2为出蓄热i的热量；mxr，i，0n为蓄热i的更新后的存储热量；
分流器的流量平衡约束：
msp，i，in＝∑msp，i，out，j
其中，msp，i，in为分流器i的进物流和能流量；msp，i，out，j为分流器i的出物流和能流j的量；
混合器的流量平衡约束：
mmi，i，out＝∑mmi，i，in，j
其中，mmi，i，out为混合器i的出物流和能流量；mmi，i，in，j为混合器i的进物流和能流j的量；
碳捕集装置的电量约束：
mccs，i，low≤mccs，i，in≤mccs，i，up
其中，mccs，i，in为碳捕集装置i的耗电量；mccs，i，up为碳捕集装置i的耗电量上限；mccs，i，low为碳捕集装置i的耗电量下限；
全局的上下限约束：
lbz≤mz≤ubz
其中，mz为物流和能流z的量；lbz为物流和能流z的下限值；ubz为物流和能流z的上限值。
在本发明可选的实施例中，所述约束集C2包括：
汽轮机的发电函数：
mt,i,4＝at,i，1*mt,i，1+at，i，2*mt，i，2+at，i，3*mt，i，3+dt，i
其中，mt，i，4为汽轮机i的发电量；at，i，1、at，i，2、at，i，3分别为汽轮机i的发电量与其进汽量、抽汽量、排汽量的关系系数；dt，i为常数；
锅炉效率函数：
beatai＝funb，i(mb,i，1)
其中，funb，i为锅炉i的效率函数；
回热加热器的耗电函数：
mhr，i，5＝mhr，i，2*ahr，i，2+dhr，i
其中，mhr，i,5为回热加热器i的耗电量；ahr，i，2为回热加热器i的耗电量与冷段进水量之间的关系系数；dhr，i为常数。
在本发明可选的实施例中，步骤S2中对历史数据进行稳态工况筛选包括对历史实测数据及仿真软测量数据进行筛选。
在本发明可选的实施例中，构建日前优化的目标为01：以总的利润最大为目标；
构建日内优化的目标为O2：以与日前计划的偏差度最小为目标；
构建实时优化的目标为O3：以当前的总利润最大为目标；
构建应急优化的目标为O4：以操作量最少为目标。
在本发明可选的实施例中，构建日前优化的约束集为C3_1：机组爬坡速率约束：
Ei，t-Ei，t-1≤Ei，up1
Ei，t-1-Ei，t≤Ei，up2
其中，Ei，t为机组i在t时刻的电量；Ei，t-1为机组i在t-1时刻的电量；Ei，up1为机组i单位时间增加的电量最大值；Ei，up2为机组i单位时间减少的电量最大值；
构建日内优化的约束集为C3_2：日内计划与日前计划偏差约束：
|∑Er，0t+∑Er，te-∑Ep，0e|≤delta
其中，∑Er，0t为机组i到t时刻的当日累计发电量；∑Er,te为机组i当日计划剩余时段更新后的计划发电量；∑Ep,0e为当日的原计划发电量；delta为日内日前计划的偏差容忍度；
构建实时优化约束集为C3_3：机组爬坡速率约束：
Ei，t-Ei，t-1≤Ei，up1
Ei，t-1-Ei，t≤Ei，up2
其中，Ei，t为机组i在t时刻的电量；Ei，t-1为机组i在t-1时刻的电量；Ei，up1为机组i单位时间增加的电量最大值；Ei，up2为机组i单位时间减少的电量最大值；
构建应急优化的约束集为C3_4：设备优先级约束：
优先调整优先级低的设备，依次向优先级高的层级放开约束。
在本发明可选的实施例中，步骤S4中的实时优化采用历史匹配与初值改进的数学优化双模式模型，实时生成最优调度策略。
本发明的适用于火电厂自主优化运行的实时优化调度系统是这样实现的：
一种适用于火电厂自主优化运行的实时优化调度系统，包括：
基础建模模块，构建热力系统模型；
变动条件模块，配置多场景约束集；
计算历史模块，记录优化计算的历史操作，便于结果溯源与分析；
日前优化模块，优化制定日前调度方案；
日内优化模块，获取日前计划，并根据实际运行动态更新日内计划；
综合展示模块，实时监测运行状况，实时得到最优调度方案；
应急优化模块，自动进行异常监测与识别，当遇到异常工况时，触发生成应急优化策略。
与现有技术相比，本发明的有益效果是：本发明的适用于火电厂自主优化运行的实时优化调度方法及其系统，将日优化前、日内优化、实时优化、应急优化融合在同一个基础模型框架中，使得调度决策方案具有一致性与可执行性。其中实时的优化匹配、优化计算和异常监测，可保证不同运行工况下的智能调度导航。
进一步，以应对横向优化的调峰装置的加入可实现调度规模的扩增；而纵向优化中多时间尺度的衔接，可达到降低调度决策的工作量、降低煤耗以及提高总体企业利润额的效果。
此外，采用历史匹配与初值改进的数学优化双模式模型，可以提高在线应用的精度与可靠性。
附图说明
图1为本发明提供的一种适用于火电厂自主优化运行的实时优化调度方法的流程图；
图2为本发明提供的单机组热力系统流程模型示意图；
图3为本发明提供的场景化优化模型构成示意图；
图4为本发明提供的各场景调度决策衔接图；
图5为本发明提供的适用于火电厂自主优化运行的实时优化调度方法的整体方案流程示意图；
图6为本发明提供的适用于火电厂自主优化运行的实时优化调度系统的架构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例1：
请参阅图1至图5所示，本实施例以火电厂为对象，通过一体化的建模框架，考虑多调度场景间的衔接，不仅可以考虑机组特性，在保证满足需求的条件下，平衡经济与环保(碳排放)等多目标，实现火电厂多时间尺度的正常运行调度策略的制定，而且，在突发异常情况时，可以提升应急响应速度与质量，帮助企业实现安全平稳优化自主运行。
具体的，本实施例提供的适用于火电厂自主优化运行的实时优化调度方法，包括如下步骤：
首先是步骤s1：构建涵盖调峰装置的热力系统流程模型，生成通用的火电厂调度优化约束集C1。其中调峰装置包括：碳捕集装置、空冷岛、电锅炉和蓄热装置。
更为具体的，步骤S1包括：
步骤S11：收集火电厂的热力系统图，结合附图2所示，包括：锅炉、汽轮机、空冷岛、回热加热器(本实施例中涉及的回热加热器包括高压回热加热器和低压回热加热器)、除氧器、排汽器、加热器、电锅炉、蓄热装置、分流器、混合器和碳捕集装置；
步骤s12：热力系统流程中的物流和能流进行编码，梳理其进出源，得到物流和能流的基础信息表；
步骤S13：根据基础信息表，获取热力系统各类部件的数量、连接关系，得到热力系统流程模型。
约束集C1包括：
锅炉的煤量约束和流量平衡约束：
mcoali＝mb,i,1*Hsi,1/(Hcoali*beatai)
mb，i，1＝mb，i，3
mb，i，2＝mb，i,4
其中，mcoali为锅炉i的煤耗量；mb，i，1为锅炉i的主蒸汽量；Hsi,1为锅炉i的主蒸汽焓值；Hcoali为锅炉i的入煤低位发热量；beatai为锅炉i的锅炉效率；mb，i，2为锅炉i的再热蒸汽热段量；mb，i，3为锅炉i的给水量；mb，i，4为锅炉i的再热蒸汽冷段量；
汽轮机的流量平衡约束：
mt,i,1＝mt，i，2+mt，i，3
其中，mt，i，1为汽轮机i的进汽量；mt，i，2为汽轮机i的抽汽量；mt，i，3为汽轮机i的排汽量；
空冷岛的热量平衡约束和流量平衡约束：
mnq，i，1＝mnq，i，3
mnq，i，2＝mnq，i，4
mnq,i,1*Hnq，i，1-mnq，i，3*Hnq，i,3＝mnq，i，4*Hnq,i,4-mnq,i,2*Hnq，i，2
其中，mnq,i，1为空冷岛i的进蒸汽量；mnq,i,3为空冷岛i的出冷凝水量；mnq，i，2为空冷岛i的进空气量；mnq，i，4为空冷岛i的出空气量；Hnq,i，1、Hnq,i，2、Hnq,i，3、Hnq,i，2为分别为空冷岛各路物流和能流对应的焓值；
回热加热器的流量平衡约束：
mhr，i，1＝mhr,i,3
mhr,i，2＝mhr,i,4
其中，mhr,i,1为回热加热器i的进蒸汽量；mhr，i，3为回热加热器i的热段出水量；mhr,i,2为回热加热器i的冷段进水量；mhr,i,4为回热加热器i的冷段出水量；
除氧器的流量平衡：
mcy，i，3＝mcy，i，1+mcy，i，2+mcy，i，4
其中，mcy，i，3为除氧器i的出水量；mcy,i,1为除氧器i的进蒸汽量；mcy,i，2、mcy，i，4分别为除氧器i自高压回热加热器和低压回热加热器的进水量；
排汽器的物量平衡约束：
mpq，i，1+mpq，i，2+mpq,i,4+mpq,i，0-mpq,i，3＝mpq，i，0n
其中，mpq，i，3为排汽器i的出水量；mcy，i，1为排汽器i的补水量；mcy，i，2、mcy，i，4分别为排汽器i自低压回热加热器、空冷岛的进水量；mpq，i，0为排汽器i的原始存储量；mpq，i，0n为排汽器i的更新后存储量；
加热器的热量平衡约束和流量平衡约束：
mj，i，3＝mj，i，1
mj，i，1*(Hj，i，1-Hj，i，3)＝mj，i，4-mj，i，2
其中，mj，i，1为加热器i的进蒸汽量；mj，i，3为加热器i的出水量；mj,i，4为加热器i的出热量；mj，i，2为加热器i的进热量；Hj，i，1为加热器i的进蒸汽量焓值；Hj，i，3为加热器i的出水量焓值；
电锅炉的热量平衡约束：
mdgl，i，1＝mdgl，i，3-mdgl，i，2
其中，mdgl，i，1为电锅炉i的耗电量；mdgl，i，3为出电锅炉i的热量；mdgl，i，2为进电锅炉i的热量；
蓄热装置的热量平衡约束：
mxr，i，1+mxr，i，0-mxr,i,2＝mxr,i,0n
其中，mxr,i,1为进蓄热i的热量；mxr,i,0为蓄热i的初始存储热量；mdgl,i,2为出蓄热i的热量；mxr,i,0n为蓄热i的更新后的存储热量；
分流器的流量平衡约束：
msp,i,in＝∑msp,i,out，j
其中，msp,i,in为分流器i的进物流和能流量；msp,i,out，j为分流器i的出物流和能流j的量；
混合器的流量平衡约束：
mmi，i，out＝∑mmi，i，in，j
其中，mmi，i，out为混合器i的出物流和能流量；mmi,i,in，j为混合器i的进物流和能流j的量；
碳捕集装置的电量约束：
mccs,i,low≤mccs,i,in≤mccs,i,up
其中，mccs,i，in为碳捕集装置i的耗电量；mccs，i，up为碳捕集装置i的耗电量上限；mccs，i，low为碳捕集装置i的耗电量下限；
全局的上下限约束：
lbz≤mz≤ubz
其中，mz为物流和能流z的量；lbz为物流和能流z的下限值；ubz为物流和能流z的上限值。
其次是步骤S2：基于稳态筛选，对历史数据进行稳态工况筛选；本实施例中采用的稳态筛选算法是基于滚动时间窗口内，方差值变动小于给定的较小值ε(ε默认设置为1)为判据的。
更为具体的，步骤S2中对历史数据进行稳态工况筛选包括对历史实测数据及仿真软测量数据进行筛选。其中的仿真软测量数据，来源于热力系统仿真建模。
再次是步骤S3：构建设备属性模型，形成约束集C2；
更为详细的，约束集C2包括：
汽轮机的发电函数：
mt，i，4＝at，i，1*mt，i，1+at，i，2*mt，i，2+at，i，3*mt，i，3+dt，i
其中，mt，i，4为汽轮机i的发电量；at，i，1、at，i，2、at，i，3分别为汽轮机i的发电量与其进汽量、抽汽量、排汽量的关系系数；dt，i为常数；需要说明的是，此处汽轮机i的发电量与其进汽量、抽汽量、排汽量的关系系数分别为获取近一年的汽轮机i的发电量、进汽量、抽汽量、排汽量数据，时间间隔为1分钟，采用多变量线性拟合方法，得到上述参数。
锅炉效率函数：
beatai＝funb,i(mb，i，1)
其中，funb，i为锅炉i的效率函数；
回热加热器的耗电函数：
mhr，i，5＝mhr，i，2*ahr，i，2+dhr，i
其中，mhr，i，5为回热加热器i的耗电量；ahr，i，2为回热加热器i的耗电量与冷段进水量之间的关系系数；dhr，i为常数。需要说明的是，此处的回热加热器i的耗电量与冷段进水量之间的关系系数为获取近一年的回热加热器i的耗电量和冷段进水量数据，时间间隔为1分钟，采用多变量线性拟合方法，得到上述参数。
接下来说步骤S4：构建日前优化、日内优化、实时优化和应急优化这四种场景名称分别对应的目标和约束条件，以生成这四种场景名称相应的优化模型；
具体来说：
构建日前优化的目标为01：以总的利润最大为目标；此处的总利润对应的是一天的总利润，且总利润＝供热收入+上网收入+调峰补贴收入+碳交易收入-煤耗成本-外购电成本。其中的碳交易收入＝当前的碳市场价格*(额定碳排放量-实际的碳排放量)。
构建日内优化的目标为02：以与日前计划的偏差度最小为目标；此处的偏差度＝|当日累计完成-日前计划|/日前计划。
构建实时优化的目标为03：以当前的总利润最大为目标；此处的总利润对应的是实时的总利润，且总利润＝供热收入+上网收入+调峰补贴收入+碳交易收入-煤耗成本-外购电成本。其中的碳交易收入＝当前的碳市场价格*(额定碳排放量-实际的碳排放量)。
构建应急优化的目标为04：以操作量最少为目标；此处操作量最小的判据为“|建议的物流和能流值-当前的物流和能流值|/当前物流和能流值>偏差容忍度”的量。
构建日前优化的约束集为C3_1：机组爬坡速率约束：
Ei，t-Ei，t-1≤Ei，up1
Ei，t-1-Ei，t≤Ei，up2
其中，Ei，t为机组i在t时刻的电量；Ei，t-1为机组i在t-1时刻的电量；Ei，up1为机组i单位时间增加的电量最大值；Ei，up2为机组i单位时间减少的电量最大值；
构建日内优化的约束集为C3_2：日内计划与日前计划偏差约束：
|∑Er，0t+∑Er，te-∑Ep，0e|≤delta
其中，∑Er，0t为机组i到t时刻的当日累计发电量；∑Er，te为机组i当日计划剩余时段更新后的计划发电量；∑Ep，0e为当日的原计划发电量；delta为日内日前计划的偏差容忍度；
构建实时优化约束集为C3_3：机组爬坡速率约束：
Ei，t-Ei，t-1≤Ei，up1
Ei，t-1-Ei，t≤Ei，up2
其中，Ei，t为机组i在t时刻的电量；Ei，t-1为机组i在t-1时刻的电量；Ei，up1为机组i单位时间增加的电量最大值；Ei，up2为机组i单位时间减少的电量最大值；
构建应急优化的约束集为C3_4：设备优先级约束：
优先调整优先级低的设备，依次向优先级高的层级放开约束。
需要加以说明的是，本实施例中的步骤S4中的实时优化采用历史匹配与初值改进的数学优化双模式模型，实时生成最优调度策略。历史匹配，是从历史运行数据中寻找与当前工况匹配度最高，且利润值大于当前的最优方案；初值改进的数学优化是指调用实时优化计算模型，优化求解最优的调度方案，其中初值采用历史匹配的最优结果，从而达到提高计算效率与方案可行性的目的。
再接下来是步骤s5：根据选择的任一个所述场景名称调用对应的优化模型，以求解生成相应的优化调度策略。需要加以说明的是，此处根据优化模型来求解生成相应的优化调度策略具体采用的方法可选采用现有技术中任一成熟手段中的序列二次规划SQP算法，具体的算法过程本实施例不做绝对限定。
图4所示为本实施例提供的各场景的调度决策衔接图。日前计划制定的时间周期为次日0-24小时，日内计划则是获取前一天制定的当日计划，根据实际的运行，更新当前时刻-24时的计划；实时计划是指对当前时刻的计划进行滚动更新，得到略有时间滞后的实时计划；若当前时刻机组运行异常，则对当前时刻进行应急调度，制定应急计划。
综上，基于本实施例的适用于火电厂自主优化运行的实时优化调度方法，以包含火力发电机组、电锅炉、蓄热装置、空冷岛、碳捕集装置的火电厂为对象，创新性地将日前优化、日内优化、实时优化、应急优化融合为同一个基础模型框架，使得调度决策方案具有一致性与可执行性。采用历史与仿真数据双驱动的方式进行机组模型构建，提高在线应用的精度与可靠性。实时的优化匹配、优化计算、异常监测，可保证不同运行工况下的智能调度导航。也即本实施例的适用于火电厂自主优化运行的实时优化调度方法不仅可以综合机组特性、新能源出力、负荷、电力市场、碳排放市场等的不确定性与变化，在保证满足需求的条件下，平衡经济与环保(碳排放)等多目标，实现火电厂多时间尺度的正常运行调度策略的制定，而且，在突发异常情况时，可以提升应急响应速度与质量，帮助企业实现安全平稳优化自主运行。
实施例2：
请参阅图6所示，基于实施例1的适用于火电厂自主优化运行的实时优化调度方法，本实施例提供了一种适用于火电厂自主优化运行的实时优化调度系统，包括：
基础建模模块，构建涵盖调峰装置的热力系统流程模型。其中调峰装置包括：碳捕集装置、空冷岛、电锅炉和蓄热装置。模型构建线上化。采用拓扑绘图的方式构建热力系统的流程模型，对不同类别对设备进行编码，得到整体的拓扑信息表。进一步地，通过双击设备图元，对每个图元的属性数据进行配置，包括模型数据和上下限等。
变动条件模块，配置多场景约束集；提供各场景变动条件的汇总修改，包括供热需求、供电需求和新能源出力等。
计算历史模块，记录优化计算的历史操作，包括计算场景、操作时间、操作人员、操作是否成功等信息，便于结果溯源与分析；
日前优化模块，包括日前计划的优化制定、审批、展示和结果导出等功能；
日内优化模块，获取日前计划，并根据实际运行动态更新日内计划；实现更新后的日内计划审批、展示和结果导出等功能；
综合展示模块，实时监测当前各设备的运行状况，采用优化匹配与实时优化计算两种服务，支持实时发现最优调度方案，以实现智能导航。计算结果以拓扑图的形式对比呈现实际值与优化值，及两者偏差。
应急优化模块，自动进行异常监测与识别，针对异常状况，自动触发应急优化计算，生成应急优化策略。生成的应急优化策略，可以支持手动调整。提供审批功能，通过审批的应急调整策略根据权限配置下达至相应角色的人员电脑，以弹窗形式提醒；还可以短信形式推送至指定角色的手机。
此外，本实施例的适用于火电厂自主优化运行的实时优化调度系统还包括审批与下达模块。基于权限管理的审批与下达模块，充分考虑实际的调度流程与职责分工，支撑各个调度场景的方案审批、流转、下达等过程，实现调度流程的线上化、智能化。
综上，经实际应用发现：对于本实施例的适用于火电厂自主优化运行的实时优化调度系统具有如下优势：
1)考虑了新型调峰装置对火电厂调度的影响，模型涵盖碳捕集装置、空冷岛、电锅炉和蓄热装置；
2)基于拓扑构建一体化的火电厂优化调度系统，具有通用性与可拓展性；
3)将日前优化、日内优化、实时优化和应急优化融合为同一个基础模型框架，减轻建模工作量，避免重复建模，使得调度决策方案具有一致性与可执行性；
4)采用历史与仿真数据双驱动的方式进行机组模型构建，提高在线应用的精度与可靠性；
5)实时的优化匹配、优化计算、异常监测，可保证不同运行工况下的智能调度导航；
6)基于实际的调度流程抽象模型，实现调度流程的线上化、智能化，对外部政策变动具有一定的适应性；
7)不仅能应对多时间尺度调度，而且考虑到异常工况的应急调度；
8)考虑碳交易收入，平衡经济与环保目标；
9)利用历史匹配最优的调度方案来作为实时优化模型的初值，加快了优化模型求解速度，并提升了方案的可行性。
以上的具体实施例，对本发明的目的、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。
在本发明的描述中，需要理解的是，指示方位或位置关系的术语为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的设备或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，或者是该发明产品使用时惯常摆放的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
此外，术语“水平”、“竖直”、“悬垂”等术语并不表示要求部件绝对水平或悬垂，而是可以稍微倾斜。如“水平”仅仅是指其方向相对“竖直”而言更加水平，并不是表示该结构一定要完全水平，而是可以稍微倾斜。
在本发明中，除非另有明确的规定和限定，第一特征在第二特征之上或之下可以包括第一和第二特征直接接触，也可以包括第一和第二特征不是直接接触而是通过它们之间的另外的特征接触。而且，第一特征在第二特征之上、上方和上面包括第一特征在第二特征正上方和斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征之下、下方和下面包括第一特征在第二特征正下方和斜下方，或仅仅表示第一特征水平高度小于第二特征。

Claims (10)

1.一种适用于火电厂自主优化运行的实时优化调度方法，特征在于，包括：
步骤S1：构建热力系统流程模型，生成通用的火电厂调度优化约束集C1；
步骤S2：基于稳态筛选，对历史数据进行稳态工况筛选；
步骤S3：构建设备属性模型，形成约束集C2；
步骤S4：构建日前优化、日内优化、实时优化和应急优化这四种场景名称分别对应的目标和约束条件，以生成这四种场景名称相应的优化模型；
步骤S5：根据选择的任一个所述场景名称调用对应的优化模型，以求解生成相应的优化调度策略。
2.根据权利要求1所述的一种适用于火电厂自主优化运行的实时优化调度方法，其特征在于，步骤S1中，所述热力系统流程模型涵盖调峰装置；其中
所述调峰装置包括：碳捕集装置、空冷岛、电锅炉和蓄热装置。
3.根据权利要求2所述的一种适用于火电厂自主优化运行的实时优化调度方法，其特征在于，步骤S1包括：
步骤S11：收集火电厂的热力系统图，包括：锅炉、汽轮机、空冷岛、回热加热器、除氧器、排汽器、加热器、电锅炉、蓄热装置、分流器、混合器、碳捕集装置；
步骤S12：热力系统流程中的物流和能流进行编码，梳理其进出源，得到物流和能流的基础信息表；
步骤s13：根据基础信息表，获取热力系统各类部件的数量、连接关系，得到热力系统流程模型。
4.根据权利要求3所述的一种适用于火电厂自主优化运行的实时优化调度方法，其特征在于，所述约束集C1包括：
锅炉的煤量约束和流量平衡约束：
mcoali＝mb，i，1*Hsi，1/(Hcoali*beatai)
mb，i，1＝mb，i，3
mb，i，2＝mb，i，4
其中，mcoali为锅炉i的煤耗量；mb，i，1为锅炉i的主蒸汽量；Hsi，1为锅炉i的主蒸汽焓值；Hcoali为锅炉i的入煤低位发热量；beatai为锅炉i的锅炉效率；mb，i，2为锅炉i的再热蒸汽热段量；mb，i，3为锅炉i的给水量；mb，i，4为锅炉i的再热蒸汽冷段量；
汽轮机的流量平衡约束：
mt，i，1＝mt，i，2+mt，i，3
其中，mt，i，1为汽轮机i的进汽量；mt，i，2为汽轮机i的抽汽量；mt，i，3为汽轮机i的排汽量；
空冷岛的热量平衡约束和流量平衡约束：
mnq，i，1＝mnq，i，3
mnq，i，2＝mnq，i，4
mnq，i，1*Hnq，i，1-mnq，i，3*Hnq，i，3＝mnq，i，4*Hnq，i，4-mnq，i，2*Hnq，i，2
其中，mnq，i，1为空冷岛i的进蒸汽量；mnq，i，3为空冷岛i的出冷凝水量；mnq，i，2为空冷岛i的进空气量；mnq，i，4为空冷岛i的出空气量；Hnq，i，1、Hnq，i，2、Hnq，i，3、Hnq，i，2为分别为空冷岛各路物流和能流对应的焓值；
回热加热器的流量平衡约束：
mhr，i，1＝mhr，i，3
mhr，i，2＝mhr，i，4
其中，mhr，i，1为回热加热器i的进蒸汽量；mhr，i，3为回热加热器i的热段出水量；mhr，i，2为回热加热器i的冷段进水量；mhr，i，4为回热加热器i的冷段出水量；
除氧器的流量平衡：
mcy，i，3＝mcy，i，1+mcy，i，2+mcy，i，4
其中，mcy，i，3为除氧器i的出水量；mcy，i，1为除氧器i的进蒸汽量；mcy，i，2、mcy，i，4分别为除氧器i自高压回热加热器和低压回热加热器的进水量；
排汽器的物量平衡约束：
mpq，i，1+mpq，i，2+mpq，i，4+mpq，i，0-mpq，i，3＝mpq，i，on
其中，mpq，i，3为排汽器i的出水量；mcy，i，1为排汽器i的补水量；mcy，i，2、mcy，i，4分别为排汽器i自低压回热加热器、空冷岛的进水量；mpq，i，0为排汽器i的原始存储量；mpq，i，0n为排汽器i的更新后存储量；
加热器的热量平衡约束和流量平衡约束：
mj，i，3＝mj，i，1
mj，i，1*(Hj，i，1-Hj，i，3)＝mj，i，4-mj，i，2
其中，mj，i，1为加热器i的进蒸汽量；mj，i，3为加热器i的出水量；mj，i，4为加热器i的出热量；mj，i，2为加热器i的进热量；Hj，i，1为加热器i的进蒸汽量焓值；Hj，i，3为加热器i的出水量焓值；
电锅炉的热量平衡约束：
mdgl，i，1＝mdgl，i，3-mdgl，i，2
其中，mdgl，i，1为电锅炉i的耗电量；mdgl，i，3为出电锅炉i的热量；mdgl，i，2为进电锅炉i的热量；
蓄热装置的热量平衡约束：
mxr，i，1+mxr，i，0-mxr，i，2＝mxr，i，0n
其中，mxr，i，1为进蓄热i的热量；mxr，i，0为蓄热i的初始存储热量；mdgl，i，2为出蓄热i的热量；mxr，i，0n为蓄热i的更新后的存储热量；
分流器的流量平衡约束：
msp，i，in＝∑msp，i，out，j
其中，msp，i，in为分流器i的进物流和能流量；msp，i，out，j为分流器i的出物流和能流j的量；
混合器的流量平衡约束：
mmi，i，out＝∑mmi，i，in，j
其中，mmi，i，out为混合器i的出物流和能流量；mmi，i，in，j为混合器i的进物流和能流j的量；
碳捕集装置的电量约束：
mccs，i，low≤mccs，i，in≤mccs，i，up
其中，mccs，i，in为碳捕集装置i的耗电量；mccs，i，up为碳捕集装置i的耗电量上限；mccs，i，low为碳捕集装置i的耗电量下限；
全局的上下限约束：
lbz≤mz≤ubz
其中，mz为物流和能流z的量；lbz为物流和能流z的下限值；ubz为物流和能流z的上限值。
5.根据权利要求4所述的一种适用于火电厂自主优化运行的实时优化调度方法，其特征在于，所述约束集C2包括：
汽轮机的发电函数：
mt，i，4＝at，i，1*mt，i，1+at，i，2*mt，i，2+at，i，3*mt，i，3+dt，i
其中，mt，i，4为汽轮机i的发电量；at，i，1、at，i，2、at，i，3分别为汽轮机i的发电量与其进汽量、抽汽量、排汽量的关系系数；dt，i为常数；
锅炉效率函数：
beatai＝funb，i(mb，i，1)
其中，funb，i为锅炉i的效率函数；
回热加热器的耗电函数：
mhr，i，5＝mhr，i，2*ahr，i，2+dhr，i
其中，mhr，i，5为回热加热器i的耗电量；ahr，i，2为回热加热器i的耗电量与冷段进水量之间的关系系数；dhr，i为常数。
6.根据权利要求1所述的一种适用于火电厂自主优化运行的实时优化调度方法，其特征在于，步骤S2中对历史数据进行稳态工况筛选包括对历史实测数据及仿真软测量数据进行筛选。
7.根据权利要求1所述的一种适用于火电厂自主优化运行的实时优化调度方法，其特征在于，构建日前优化的目标为O1：以总的利润最大为目标；
构建日内优化的目标为O2：以与日前计划的偏差度最小为目标；
构建实时优化的目标为O3：以当前的总利润最大为目标；
构建应急优化的目标为O4：以操作量最少为目标。
8.根据权利要求1或7所述的一种适用于火电厂自主优化运行的实时优化调度方法，其特征在于，构建日前优化的约束集为C3_1：机组爬坡速率约束：
Ei，t-Ei，t-1≤Ei，up1
Ei，t-1-Ei，t≤Ei，up2
其中，Ei，t为机组i在t时刻的电量；Ei，t-1为机组i在t-1时刻的电量；Ei，up1为机组i单位时间增加的电量最大值；Ei，up2为机组i单位时间减少的电量最大值；
构建日内优化的约束集为C3_2：日内计划与日前计划偏差约束：
|∑Er，0t+∑Er，te-∑Ep，0e|≤delta
其中，∑Er，0t为机组i到t时刻的当日累计发电量；∑Er，te为机组i当日计划剩余时段更新后的计划发电量；∑Ep，0e为当日的原计划发电量；delta为日内日前计划的偏差容忍度；
构建实时优化约束集为C3_3：机组爬坡速率约束：
Ei，t-Ei，t-1≤Ei，up1
Ei，t-1-Ei，t≤Ei，up2
其中，Ei，t为机组i在t时刻的电量；Ei，t-1为机组i在t-1时刻的电量；Ei，up1为机组i单位时间增加的电量最大值；Ei，up2为机组i单位时间减少的电量最大值；
构建应急优化的约束集为C3_4：设备优先级约束：
优先调整优先级低的设备，依次向优先级高的层级放开约束。
9.根据权利要求1所述的一种适用于火电厂自主优化运行的实时优化调度方法，其特征在于，步骤S4中的实时优化采用历史匹配与初值改进的数学优化双模式模型，实时生成最优调度策略。
10.一种适用于火电厂自主优化运行的实时优化调度系统，特征在于，包括：
基础建模模块，构建热力系统模型；
变动条件模块，配置多场景约束集；
计算历史模块，记录优化计算的历史操作，便于结果溯源与分析；
日前优化模块，优化制定日前调度方案；
日内优化模块，获取日前计划，并根据实际运行动态更新日内计划；
综合展示模块，实时监测运行状况，实时得到最优调度方案；
应急优化模块，自动进行异常监测与识别，当遇到异常工况时，触发生成应急优化策略。
CN202210836386.4A 2022-07-15 2022-07-15 适用于火电厂自主优化运行的实时优化调度方法及其系统 Pending CN115169130A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210836386.4A CN115169130A (zh) 2022-07-15 2022-07-15 适用于火电厂自主优化运行的实时优化调度方法及其系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210836386.4A CN115169130A (zh) 2022-07-15 2022-07-15 适用于火电厂自主优化运行的实时优化调度方法及其系统

Publications (1)

Publication Number Publication Date
CN115169130A true CN115169130A (zh) 2022-10-11

Family

ID=83495936

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210836386.4A Pending CN115169130A (zh) 2022-07-15 2022-07-15 适用于火电厂自主优化运行的实时优化调度方法及其系统

Country Status (1)

Country Link
CN (1) CN115169130A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115800276A (zh) * 2023-02-09 2023-03-14 四川大学 一种考虑机组爬坡的电力系统应急调度方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115800276A (zh) * 2023-02-09 2023-03-14 四川大学 一种考虑机组爬坡的电力系统应急调度方法

Similar Documents

Publication Publication Date Title
WO2021062748A1 (zh) 综合能源系统的优化方法、装置和计算机可读存储介质
US9335748B2 (en) Energy management system
CN113822496B (zh) 一种多机组热电厂供热模式及参数在线寻优方法
CN113642936B (zh) 一种需求侧碳流边缘分析方法、终端与系统
CN104791903B (zh) 一种热网智能调度系统
CN105243457B (zh) 互联网+热电厂热力生产运营一体化管理平台
CN101667013B (zh) 微型燃气轮机冷电联供分布式供能系统优化运行控制方法
US20040044442A1 (en) Optimized dispatch planning of distributed resources in electrical power systems
CN110163450A (zh) 一种基于运行受限的配电网规划双层优化模型构建方法
US11663541B2 (en) Building energy system with load-following-block resource allocation
CN115355447B (zh) 一种基于物联网的智慧燃气门站调压优化方法和系统
WO2021062753A1 (zh) 综合能源系统的仿真方法、装置和计算机可读存储介质
CN113268699B (zh) 一种工业供汽电厂热负荷厂级优化分配系统及方法
CN104102211B (zh) 一种燃煤热电厂热电联产系统的调度方法、服务器和系统
US20200193345A1 (en) Cost optimization of a central energy facility with load-following-block rate structure
CN116529977A (zh) 分布式能源系统的优化方法、装置和计算机可读存储介质
CN111539584A (zh) 一种用户级综合能源系统规划方法、系统以及设备
WO2021062749A1 (zh) 综合能源系统的控制方法、装置和计算机可读存储介质
Nosratabadi et al. Optimal planning of multi‐energy microgrid with different energy storages and demand responsive loads utilizing a technical‐economic‐environmental programming
CN112072644B (zh) 一种热电厂日前市场产量决策运行计划优化方法及系统
CN115099007B (zh) 基于综合成本-能耗曲线的综合能源系统优化运行方法
CN115169130A (zh) 适用于火电厂自主优化运行的实时优化调度方法及其系统
KR101705869B1 (ko) 열 에너지 수요 예측에 기반한 복합 설비 최적 운영 시스템 및 그 방법
TWI815666B (zh) 分散式虛擬電廠整合智慧淨零的混合系統及其方法
CN112051762B (zh) 微电网及综合能源的闭环管理方法及系统

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