CN116305769B - 基于碳排放数据的掺烧比例优化方法 - Google Patents
基于碳排放数据的掺烧比例优化方法 Download PDFInfo
- Publication number
- CN116305769B CN116305769B CN202211722741.1A CN202211722741A CN116305769B CN 116305769 B CN116305769 B CN 116305769B CN 202211722741 A CN202211722741 A CN 202211722741A CN 116305769 B CN116305769 B CN 116305769B
- Authority
- CN
- China
- Prior art keywords
- blending
- value
- values
- carbon emission
- coal
- 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
- 238000002156 mixing Methods 0.000 title claims abstract description 149
- 238000002485 combustion reaction Methods 0.000 title claims abstract description 56
- 238000000034 method Methods 0.000 title claims abstract description 47
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 title claims abstract description 35
- 229910052799 carbon Inorganic materials 0.000 title claims abstract description 35
- 238000005457 optimization Methods 0.000 title claims abstract description 12
- 239000003245 coal Substances 0.000 claims abstract description 54
- 238000004088 simulation Methods 0.000 claims abstract description 39
- 238000010304 firing Methods 0.000 claims abstract description 9
- 238000010248 power generation Methods 0.000 claims description 15
- 238000006243 chemical reaction Methods 0.000 claims description 14
- 239000000203 mixture Substances 0.000 claims description 6
- 238000009826 distribution Methods 0.000 claims description 4
- 239000004071 soot Substances 0.000 claims 3
- 230000007613 environmental effect Effects 0.000 abstract description 4
- 238000012544 monitoring process Methods 0.000 abstract description 2
- 238000004458 analytical method Methods 0.000 description 6
- 238000012163 sequencing technique Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- -1 and in recent years Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 238000010223 real-time analysis Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Development Economics (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Geometry (AREA)
- Biomedical Technology (AREA)
- Educational Administration (AREA)
- Computer Hardware Design (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Regulation And Control Of Combustion (AREA)
Abstract
本发明公开了基于碳排放数据的掺烧比例优化方法,属于燃煤电厂环保监测技术领域,具体步骤包括:步骤一:获取当前火电厂的历史火电机组配煤掺烧方案数据,根据获得的掺烧方案数据建立掺烧值模拟曲线;步骤二:对掺烧值模拟曲线进行分析,选择N个优选修正点;步骤三:获取优选修正点对应的各品质煤的掺烧比例,根据获得的掺烧比例进行实际应用,计算对应的掺烧值,对掺烧值模拟曲线进行修正,获得火电机组专属曲线;步骤四:实时识别火电机组专属曲线中的最佳点位,识别最佳点位对应的掺烧比例,并进行相应的记录汇总,获得最佳比例表;步骤五:将最佳比例表实时共享给对应的管理人员。
Description
技术领域
本发明属于燃煤电厂环保监测技术领域,具体是基于碳排放数据的掺烧比例优化方法。
背景技术
目前电力生产主要以煤为主,近年来由于电煤供需矛盾原因曾导致“煤荒”的出现,使得大部分燃煤火力发电厂的煤质发生不稳定现象,导致发电机组的煤耗增大、发电效率降低、污染物排放超标等,影响了机组的安全、文明、经济、环保运行。除此之外火电厂参与碳交易后,超额的碳排放将产生成本。火电厂使用不同煤质的燃煤,产生不同的经济效应与环境效应。煤质较差的燃煤虽然成本较低,但是会导致锅炉效率下降、发电煤耗率上升;煤质好的燃煤虽然成本更高,但是能提高锅炉效率、降低发电煤耗率。因此发电企业为了降本增效、提高核心竞争力,配煤掺烧是重要举措,又是解决机组燃煤紧张且煤种多变、运行性能欠佳的有效方法,但是,在不同的时期和不同的要求下,高效的掺烧比例并不是一成不变的,因此,为了实现对掺烧比例的优化,本发明提供了基于碳排放数据的掺烧比例优化方法。
发明内容
为了解决上述方案存在的问题,本发明提供了基于碳排放数据的掺烧比例优化方法。
本发明的目的可以通过以下技术方案实现:
基于碳排放数据的掺烧比例优化方法,具体步骤包括:
步骤一:获取当前火电厂的历史火电机组配煤掺烧方案数据,根据获得的掺烧方案数据建立掺烧值模拟曲线;
步骤二:对掺烧值模拟曲线进行分析,选择N个优选修正点;
步骤三:获取优选修正点对应的各品质煤的掺烧比例,根据获得的掺烧比例进行实际应用,计算对应的掺烧值,对掺烧值模拟曲线进行修正,获得火电机组专属曲线;
步骤四:实时识别火电机组专属曲线中的最佳点位,识别最佳点位对应的掺烧比例,并进行相应的记录汇总,获得最佳比例表;
步骤五:将最佳比例表实时共享给对应的管理人员。
进一步地,掺烧方案数据包括掺烧方案以及对应的效益数据,效益数据包括碳排放量、发电量、各品质煤的用量。
进一步地,还包括步骤六:获取每次应用最佳比例表中的掺烧比例时对应的效益数据,计算对应的掺烧值,结合对应的掺烧比例对火电机组专属曲线进行调整。
进一步地,根据获得的掺烧方案数据建立掺烧值模拟曲线的方法包括:
识别各个掺烧方案数据中的掺烧参数,掺烧参数包括各品质煤的掺烧比例、碳排放量、发电量以及对应的各品质煤的用量,根据碳排放量、发电量以及对应的各品质煤的用量计算对应的掺烧值,将计算的掺烧值与对应的各品质煤的掺烧比例整合为初始坐标点,将初始坐标点输入到空间坐标系中,基于各初始坐标点在空间坐标系中的分布进行模拟连线,生成对应的掺烧值模拟曲线。
进一步地,根据碳排放量、发电量以及对应的各品质煤的用量计算对应的掺烧值的方法包括:
根据各品质煤的价格设置转换比例,根据设置的转换比例将各品质煤的用量进行转化,获得代表煤用量,将获得的代表煤用量标记为DBM,将碳排放量和发电量分别标记为TPL和FDL,根据公式计算对应的掺烧值,其中β1、β2分别为
对应的单位转化系数,b1、b2分别为对应的权重系数。
进一步地,将计算的掺烧值与对应的各品质煤的掺烧比例整合为初始坐标点的方法包括:预设掺烧值与各品质煤的坐标内元素顺序,建立对应的坐标模板,将获得的掺烧值与各品质煤的掺烧比例按照对应的预设顺序填充到坐标模板中,获得初始坐标点。
进一步地,对掺烧值模拟曲线进行分析的方法包括:
获取掺烧值模拟曲线中的待选点位,识别各待选点位对应的掺烧值,将识别的掺烧值按照从小到大的顺序进行排序,以排序第一的掺烧值为基准计算掺烧差值,获得各个待选点位对应的掺烧差值,根据获得的掺烧差值计算对应的掺烧优先值,分析各个待选点位在掺烧值模拟曲线中位置趋势,获得调整系数,根据获得的掺烧优先值和调整系数计算对应的优选值,将计算的优选值按照从小到大的顺序进行排序,选择排序中前N个待选点位为优选修正点。
进一步地,根据获得的掺烧优先值和调整系数计算对应的优选值的方法包括:
将掺烧优先值和调整系数分别标记为CSY和Ts,根据公式YXV=CSY×Ts计算对应的优选值。
与现有技术相比,本发明的有益效果是:
通过公开对应的掺烧值公式,实现根据采集数据动态计算对应的掺烧值,作为各掺烧比例的选用标准,实现统一标准的选用,且在计算的过程中跳过不同时期各事物的价格问题,仅从量上进行考虑,去除其他因素的干扰,在最终从最佳比例表中进行应用或再参照价格从火电机组专属曲线中进行选择,均可实现对应的掺烧比例的选用;通过优选修正点、应用修正等步骤的实施,实现对火电机组专属曲线的不断优化和提升精度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,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的介绍,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他的附图。
图1为本发明方法流程图。
具体实施方式
下面将结合实施例对本发明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。
如图1所示,基于碳排放数据的掺烧比例优化方法,具体步骤包括:
步骤一:获取当前火电厂的历史火电机组配煤掺烧方案数据,掺烧方案数据包括不同的掺烧方案以及对应的效益数据,效益数据包括碳排放量、发电量、各品质煤的用量;根据获得的掺烧方案数据建立掺烧值模拟曲线;
掺烧值模拟曲线就是将多组掺烧方案数据转化为对应的坐标点,基于坐标点进行模拟连线后形成一个当前火电厂火电机组的掺烧值模拟曲线,具体方法包括:
识别各个掺烧方案数据中的掺烧参数,掺烧参数包括各品质煤的掺烧比例、碳排放量、发电量以及对应的各品质煤的用量,根据碳排放量、发电量以及对应的各品质煤的用量计算对应的掺烧值,将计算的掺烧值与对应的各品质煤的掺烧比例整合为初始坐标点,将初始坐标点输入到空间坐标系中,基于各初始坐标点在空间坐标系中的分布进行模拟连线,生成对应的掺烧值模拟曲线。
根据碳排放量、发电量以及对应的各品质煤的用量计算对应的掺烧值的方法包括:
根据各品质煤的价格设置转换比例,即按照各品质的煤价通过人工的方式设置一个转换比例,用于转化后进行计算;根据设置的转换比例将各品质煤的用量进行转化,获得代表煤用量,将获得的代表煤用量标记为DBM,将碳排放量和发电量分别标记为TPL和FDL,根据公式计算对应的掺烧值,其中β1、β2分别为对应的单位转化系数,用于进行单元转化,通过人工的方式进行设置;b1、b2分别为对应的权重系数,主要是根据碳排放要求和经济效益目标进行综合分析的,因为反映到掺烧值模拟曲线中就是,当相关的要求和目标具有较大变动时,对应的权重系数将会变换,导致掺烧值模拟曲线也会同步进行相应的调整,具体的是基于CNN网络或DNN网络建立对应的权重分析模型,通过人工的方式建立对应的训练集进行训练,通过训练成功后的权重分析模型进行实时分析,输出对应的权重系数,因为神经网络为本领域现有技术,因此具体的建立和训练过程在本发明中不进行详细叙述。
将计算的掺烧值与对应的各品质煤的掺烧比例整合为初始坐标点的方法包括:通过人工的方式预设掺烧值与各品质煤的坐标内元素顺序,建立对应的坐标模板,将获得的掺烧值与各品质煤的掺烧比例按照对应的预设顺序填充到坐标模板中,获得初始坐标点。
基于各初始坐标点在空间坐标系中的分布进行模拟连线,是基于现有的曲线模拟技术进行的,即根据已有的若干个坐标,结合当前领域具有的其他掺烧方案转化的借鉴坐标进行模拟连线;或者直接通过人工的方式基于神经网络技术建立对应的智能模型进行分析模拟,并标记若干个待选点位。
步骤二:对掺烧值模拟曲线进行分析,选择N个优选修正点;
其中N为正整数,对掺烧值模拟曲线进行分析的方法包括:
获取掺烧值模拟曲线中的待选点位,识别各待选点位对应的掺烧值,将识别的掺烧值按照从小到大的顺序进行排序,以排序第一的掺烧值为基准计算掺烧差值,即全部与排序第一的掺烧值作差,获得各个待选点位对应的掺烧差值,排序第一的为零;根据获得的掺烧差值计算对应的掺烧优先值,掺烧优先值=掺烧差值×转化系数+初始值,转化系数和初始值均是通过人工的方式设置的固定值,分析各个待选点位在掺烧值模拟曲线中位置趋势,获得调整系数,即分析对应的最低点、单调趋势等,用于对掺烧优先值进行调整,具体的是基于CNN网络或DNN网络建立对应的趋势分析模型,通过人工的方式建立对应的训练集进行训练,通过训练成功后的趋势分析模型进行分析,获得对应的调整系数;根据获得的掺烧优先值和调整系数计算对应的优选值,将计算的优选值按照从小到大的顺序进行排序,选择排序中前N个待选点位为优选修正点。
根据获得的掺烧优先值和调整系数计算对应的优选值的方法包括:
将掺烧优先值和调整系数分别标记为CSY和Ts,根据公式YXV=CSY×Ts计算对应的优选值。
步骤二用于选择在后续应用过程最易应用的各品质煤掺烧比例,用于进一步的提高在该曲线段的分析精度。
步骤三:获取优选修正点对应的各品质煤的掺烧比例,根据获得的掺烧比例进行实际应用,计算对应的掺烧值,对掺烧值模拟曲线进行修正,获得火电机组专属曲线;
示例性的,按照优选修正点对应的各品质煤的掺烧比例进行掺烧发电,因为各优选修正点对应的掺烧值都是较低的,因此可以进行实际应用,避免造成大的应用浪费,进行应用后,根据对应的采集数据计算对应的掺烧值,对掺烧值模拟曲线中对应的点进行调整,进而进行曲线调整,当全部调整完成后,对应段的曲线精度将会进一步的提高,为后续的实际应用提供精准依据,形成当前火电厂的火电机组专属曲线。
步骤四:实时识别火电机组专属曲线中的最佳点位,识别最佳点位对应的掺烧比例,并进行相应的记录汇总,获得最佳比例表;
最佳点位即火电机组专属曲线中的最低点,因此只需要实时识别火电机组专属曲线中最低点即可,输出对应各品质煤的掺烧比例进行记录。
步骤五:将最佳比例表实时共享给对应的管理人员。
在一个实施例中,还包括步骤六:获取每次应用最佳比例表中的掺烧比例时对应的效益数据,计算对应的掺烧值,结合对应的掺烧比例对火电机组专属曲线进行调整。
通过不停的进行应用和调整,将会使得火电机组专属曲线越来越适用于该火电机组,实现掺烧比例的不停优化。
上述公式均是去除量纲取其数值计算,公式是由采集大量数据进行软件模拟得到最接近真实情况的一个公式,公式中的预设参数和预设阈值由本领域的技术人员根据实际情况设定或者大量数据模拟获得。
以上实施例仅用以说明本发明的技术方法而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方法进行修改或等同替换,而不脱离本发明技术方法的精神和范围。
Claims (7)
1.基于碳排放数据的掺烧比例优化方法,其特征在于,步骤包括:
步骤一:获取当前火电厂的历史火电机组配煤掺烧方案数据,根据获得的掺烧方案数据建立掺烧值模拟曲线;
步骤二:对掺烧值模拟曲线进行分析,选择N个优选修正点;
步骤三:获取优选修正点对应的各品质煤的掺烧比例,根据获得的掺烧比例进行实际应用,计算对应的掺烧值,对掺烧值模拟曲线进行修正,获得火电机组专属曲线;
步骤四:实时识别火电机组专属曲线中的最佳点位,识别最佳点位对应的掺烧比例,并进行相应的记录汇总,获得最佳比例表;
步骤五:将最佳比例表实时共享给对应的管理人员;
根据获得的掺烧方案数据建立掺烧值模拟曲线的方法包括:
识别各个掺烧方案数据中的掺烧参数,掺烧参数包括各品质煤的掺烧比例、碳排放量、发电量以及对应的各品质煤的用量,根据碳排放量、发电量以及对应的各品质煤的用量计算对应的掺烧值,将计算的掺烧值与对应的各品质煤的掺烧比例整合为初始坐标点,将初始坐标点输入到空间坐标系中,基于各初始坐标点在空间坐标系中的分布进行模拟连线,生成对应的掺烧值模拟曲线。
2.根据权利要求1所述的基于碳排放数据的掺烧比例优化方法,其特征在于,掺烧方案数据包括掺烧方案以及对应的效益数据,效益数据包括碳排放量、发电量、各品质煤的用量。
3.根据权利要求2所述的基于碳排放数据的掺烧比例优化方法,其特征在于,还包括步骤六:获取每次应用最佳比例表中的掺烧比例时对应的效益数据,计算对应的掺烧值,结合对应的掺烧比例对火电机组专属曲线进行调整。
4.根据权利要求1所述的基于碳排放数据的掺烧比例优化方法,其特征在于,根据碳排放量、发电量以及对应的各品质煤的用量计算对应的掺烧值的方法包括:
根据各品质煤的价格设置转换比例,根据设置的转换比例将各品质煤的用量进行转化,获得代表煤用量,将获得的代表煤用量标记为DBM,将碳排放量和发电量分别标记为TPL和FDL,根据公式计算对应的掺烧值,其中β1、β2分别为对应的单位转化系数,b1、b2分别为对应的权重系数。
5.根据权利要求4所述的基于碳排放数据的掺烧比例优化方法,其特征在于,将计算的掺烧值与对应的各品质煤的掺烧比例整合为初始坐标点的方法包括:预设掺烧值与各品质煤的坐标内元素顺序,建立对应的坐标模板,将获得的掺烧值与各品质煤的掺烧比例按照对应的预设顺序填充到坐标模板中,获得初始坐标点。
6.根据权利要求1所述的基于碳排放数据的掺烧比例优化方法,其特征在于,对掺烧值模拟曲线进行分析的方法包括:
获取掺烧值模拟曲线中的待选点位,识别各待选点位对应的掺烧值,将识别的掺烧值按照从小到大的顺序进行排序,以排序第一的掺烧值为基准计算掺烧差值,获得各个待选点位对应的掺烧差值,根据获得的掺烧差值计算对应的掺烧优先值,分析各个待选点位在掺烧值模拟曲线中位置趋势,获得调整系数,根据获得的掺烧优先值和调整系数计算对应的优选值,将计算的优选值按照从小到大的顺序进行排序,选择排序中前N个待选点位为优选修正点。
7.根据权利要求6所述的基于碳排放数据的掺烧比例优化方法,其特征在于,根据获得的掺烧优先值和调整系数计算对应的优选值的方法包括:
将掺烧优先值和调整系数分别标记为CSY和Ts,根据公式YXV=CSY×Ts计算对应的优选值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211722741.1A CN116305769B (zh) | 2022-12-30 | 2022-12-30 | 基于碳排放数据的掺烧比例优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211722741.1A CN116305769B (zh) | 2022-12-30 | 2022-12-30 | 基于碳排放数据的掺烧比例优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116305769A CN116305769A (zh) | 2023-06-23 |
CN116305769B true CN116305769B (zh) | 2024-03-29 |
Family
ID=86787665
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211722741.1A Active CN116305769B (zh) | 2022-12-30 | 2022-12-30 | 基于碳排放数据的掺烧比例优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116305769B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107274027A (zh) * | 2017-06-22 | 2017-10-20 | 湖南华润电力鲤鱼江有限公司 | 一种燃煤机组的多煤种配煤掺烧寻优方法 |
CN110111030A (zh) * | 2019-06-18 | 2019-08-09 | 华电国际电力股份有限公司技术服务分公司 | 一种配煤掺烧评价方法及系统 |
CN110232497A (zh) * | 2019-04-25 | 2019-09-13 | 华电国际电力股份有限公司技术服务分公司 | 一种配煤掺烧智能管理方法及系统 |
CN113887827A (zh) * | 2021-10-25 | 2022-01-04 | 国网安徽省电力有限公司电力科学研究院 | 一种基于火电机组实时碳排放监测的配煤掺烧优化决策方法 |
CN115511243A (zh) * | 2021-09-14 | 2022-12-23 | 上海发电设备成套设计研究院有限责任公司 | 配煤掺烧控制方法、装置、设备及介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3977049A4 (en) * | 2019-05-29 | 2023-07-05 | Tata Consultancy Services Limited | PROCESS AND SYSTEM FOR OPTIMAL COAL SELECTION AND POWER PLANT OPTIMIZATION |
-
2022
- 2022-12-30 CN CN202211722741.1A patent/CN116305769B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107274027A (zh) * | 2017-06-22 | 2017-10-20 | 湖南华润电力鲤鱼江有限公司 | 一种燃煤机组的多煤种配煤掺烧寻优方法 |
CN110232497A (zh) * | 2019-04-25 | 2019-09-13 | 华电国际电力股份有限公司技术服务分公司 | 一种配煤掺烧智能管理方法及系统 |
CN110111030A (zh) * | 2019-06-18 | 2019-08-09 | 华电国际电力股份有限公司技术服务分公司 | 一种配煤掺烧评价方法及系统 |
CN115511243A (zh) * | 2021-09-14 | 2022-12-23 | 上海发电设备成套设计研究院有限责任公司 | 配煤掺烧控制方法、装置、设备及介质 |
CN113887827A (zh) * | 2021-10-25 | 2022-01-04 | 国网安徽省电力有限公司电力科学研究院 | 一种基于火电机组实时碳排放监测的配煤掺烧优化决策方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116305769A (zh) | 2023-06-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2019184344A1 (zh) | 一种微能源网多目标运行控制方法 | |
CN109741103B (zh) | 一种短期多目标双层优化调度方法 | |
CN110620397B (zh) | 一种高比例可再生能源电力系统的调峰平衡评估方法 | |
CN113224756B (zh) | 一种应用于光伏建筑一体化最佳装机容量测算的方法 | |
CN109274131B (zh) | 基于概率统计理论的新能源消纳能力非时序量化评估方法 | |
CN111342459B (zh) | 一种电力需量决策分析系统及方法 | |
CN111738498B (zh) | 一种综合能源系统鲁棒规划方法及系统 | |
CN107133840B (zh) | 一种面向电供热取暖促进风电就地消纳的多风场竞价方法 | |
CN112381268A (zh) | 一种面向电力现货市场的短期燃煤成本预测方法及系统 | |
CN112365101A (zh) | 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 | |
CN113723870A (zh) | 一种分布式发电co2减排核算方法、装置、设备及介质 | |
CN108695893B (zh) | 一种省级电网新能源弃电量影响因素分解方法 | |
CN116305769B (zh) | 基于碳排放数据的掺烧比例优化方法 | |
Tang et al. | Unit maintenance strategy considering the uncertainty of energy intensive load and wind power under the carbon peak and carbon neutral target | |
CN112529405A (zh) | 计及动态价格奖惩因子的电热气综合能源调度方法和系统 | |
CN106203742B (zh) | 一种基于节能回报率的电网设备节能评价及选型方法 | |
CN112636340A (zh) | 一种风电-抽水蓄能联合发电系统优化运行方法 | |
CN116485009A (zh) | 一种省级碳排放测算方法 | |
CN104331748B (zh) | 一种预测规划目标年风电场群持续功率曲线的方法 | |
CN111178733A (zh) | 一种基于等效电量函数法的弃风电量评估模型 | |
CN115759775A (zh) | 一种考虑公平性的ncfi碳排放责任分摊方法及装置 | |
CN112508365B (zh) | 一种在线煤耗曲线滚动修正方法及系统 | |
CN113989072A (zh) | 面向调峰辅助服务市场交易主体的分摊上限动态调整策略 | |
CN109670734B (zh) | 基于协同归一化的电力系统经济排放调度方法 | |
Lin et al. | Three-stage optimization model of medium and long-term contract energy decomposition considering equilibrium of carbon emissions |
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 |