CN1193219A - 指令值决定装置 - Google Patents

Abstract

在使用由最小二乘法求出的静态燃料消耗特性模型F_m的情况下,由于被采集数据的偏离及设备响应的滞后,常常不能以良好精度确定各设备G_m的输出指令值P_m ^*。从考虑了历史特性的各设备燃料消耗特性模型F_m,t中抽取出对目前时刻t₀的燃料消耗量Q_m,t0产生影响的项目以生成各设备G_m的输出决策模型H_m,t0,然后根据该输出决策模型H_m,t0确定各设备G_m的输出指令值P_m,t0 ^*。

Description

指令值决定装置

本发明涉及指令值决定装置，其作用是：对于相互连接的设备，在其输出量的总和具有一定限制的条件下，以燃料费用等设备运行成本最小为目标构造设备有关模型并进行控制。

图16是传统的指令值决定装置的原理框图，其中，1是燃料消耗特性模型生成模块，用于采集与相互连接的各台设备输出量P_m对应的燃料消耗量Q_m的数值、生成与各设备的G_m有关的燃料消耗特性模型F_m；2表示存贮由燃料消耗特性模型生成模块1生成的燃料消耗特性模型F_m的存贮模块；3表示把与各设备G_m有关的燃料消耗特性模型F_m对各设备G_m的输出量P_m进行微分的微分运算模块；4是指令值运算模块，其作用是：在各设备G_m输出量P_m的总和与预测负荷量L一致的条件下，计算微分运算模块3的微分结果dF_m/dP_m相互一致的各设备G_m输出量P_m，并将该计算结果作为各设备G_m的输出指令值P_m ^*。

下面说明其动作原理。

首先，通过燃料消耗特性模型生成模块1对相互连接的各台设备G_m采集对应于设备输出量P_m的燃料消耗量Q_m的数据(如果有m台设备连接时，则采集m台组数据)。

例如，如图17的模型图所示，采集了从前一天午前零时起到午后12时止的一整天的数据。当燃料消耗特性模型生成模块1采集了上述数据后，建立以各设备G_m输出量P_m为自变量、燃料消耗量Q_m为因变量的二次函数模型，从而生成与各设备G_m有关的燃料消耗特性模型F_m，即

F_m＝Q_m＝aP_m ²+bP_m+C    (1)

上式中，a、b、c由最小二乘法以最接近实际特性的值来表示。

当燃料消耗特性模型生成模块1生成了与各设备G_m有关的燃料消耗特性模型F_m后，由存贮模块2将其结果存贮。下面，为了便于说明，假设有三台设备G₁、G₂、G₃相互连接(如图18所示)，并就使用等增量燃料成本法确定各设备G₁、G₂、G₃输出指令值P₁ ^*、P₂ ^*、P₃ ^*的情况加以说明(等增量燃料成本法在诸如《电力系统工学》(昭和52年、corona社发行)的P262～P273中有说明)。

各设备G₁、G₂、G₃的燃料消耗特性模型F₁、F₂、F₃分别表示如下(参照图19)。

F₁＝2P₁ ²+3P₁+1    (2)

F₂＝P₂ ²+4P₂+2     (3)

F₃＝P₃ ²+P₃+6      (4)

如上所述，当各设备G₁、G₂、G₃的燃料消耗特性模型F₁、F₂、F₃存贮在存贮模块2中后，由微分运算模块3分别求各设备G₁、G₂、G₃的燃料消耗特性模型F₁、F₂、F₃对各设备G₁、G₂、G₃输出量P₁、P₂、P₃的微分(参照图20)。

上述微分结果由燃料消耗量相对于设备输出量的导数来表示。

dF₁/dP₁＝4P₁+3    (5)

dF₂/dP₂＝2P₂+4    (6)

dF₃/dP₃＝2P₃+1    (7)

当微分运算模块3的微分运算结束后，由指令值运算模块4根据微分运算模块3的微分结果用下述方法分别计算设备G₁、G₂、G₃的输出指令值P₁ ^*、P₂ ^*、P₃ ^*。

具体地讲，如果假定预测负荷量L为8时，则由于设备G₁、G₂、G₃的输出量P₁、P₂、P₃的总和也必须是8，所以有下式成立。

L＝P₁+P₂+P₃＝8    (8)

另一方面，使用等增量燃料成本法时，如果燃料消耗量相对于各设备G_m输出量P_m的导数全都一致的话，则各设备G_m的燃料消耗量总和最小。当微分运算模块3的各微分结果相互一致时，各燃料消耗量相对于各设备G_m输出量P_m的导数全都一致，所以有下式成立。

    dF₁/dP₁＝dF₂/dP₂＝dF₃/dP₃

∴  4P₁+3＝2P₂+4＝2P₃+1    (9)

这样，当各设备G_m的输出量P_m同时满足(8)式和(9)式时，就可以用最小的燃料消耗量满足预测负荷量L，从而计算满足(8)和(9)式的各设备G_m的输出量P_m。

在本例中，由于上述计算结果为P₁＝1.5、P₂＝2.5、P₃＝4，所以设备G₁、G₂、G₃的输出指令值P₁ ^*、P₂ ^*、P₃ ^*由下述方法确定，且此时最小燃料消耗量F_min的值如下。

    G₁→P₁ ^*＝1.5     F₁＝10

    G₂→P₂ ^*＝2.5     F₂＝18.25

    G₃→P₃ ^*＝4.0     F₁＝26

    F_min＝F₁+F₂+F₃＝54.25    (10)

最后，由指令值运算模块4将上述方法确定的设备G₁、G₂、G₃输出指令值P₁ ^*、P₂ ^*、P₃ ^*分别输出给设备G₁、G₂、G₃，从而结束一系列的处理。

由于实际的设备对燃料供给量增加等因素都有输出响应的滞后，上述传统的指令值决定装置所用的燃料消耗特性模型不一定能给出精度高的各设备输出指令值，所以，作为设备的一个例子-发电机的情况下，文献“On-line Economic Load Dispatch Based on Fuel CostDynamics”(M.Yoshikawa，N.Toshida，H.Nakajima，Y.Harada，M.Tsurugai，Y.Nakata，IEEE Power Engineering Society，WinterMeeting，1996，WM 289-9 PWRS)中，用到能够表示修正了ARMA模型的历史特性的动态燃料消耗特性模型(ARMA-Model-Supp-Lemented quadratic model)。即

    F_m(t)＝Q_m(t)

          ＝aP_m ²(t)+bP_m(t)+c

            +eP_m(t)+fP_m(t-1)+gQ_m(t-1)+h    (11)其中，(11)式中P_m(t)是在时刻t的设备输出量(发电机输出量)、P_m(t-1)是在时刻(t-1)的设备输出量(发电机输出量)、Q_m(t-1)是在时刻(t-1)的燃料消耗量。

作为燃料消耗量，在使用(11)式时，由于燃料消耗特性模型不能仅以某个时刻断面来决定，所以有必要使若干时刻断面的总燃料费用最小化。也就是说，应最小化的总燃料费用(目标函数)由(12)式确定。 $\underset{\mathrm{Pm}\left(t\right)}{\min }\underset{t=1}{\overset{T}{\mathrm{\Σ}}}\underset{m=1}{\overset{M}{\mathrm{\Σ}}}\mathrm{Fm}\left(t\right)\…\left(12\right)$ 其中，T是目前时刻t＝1时进行总燃料费用最小化处理用的若干时刻断面数，M是设备台数(发电机台数)。

此外，作为燃料消耗量，在使用(11)式时，由于等增量燃料成本法不能直接应用，所以有必要使用约束条件是线性的QP法(二次规划法)之类方法。这里，所谓约束条件是指各时刻的供需平衡、设备输出的上下限、设备输出量变化速率约束等。

由于传统的指令值决定装置由上述方式构成，所以在使用由最小二乘法求出的静态燃料消耗特性模型F_m的情况下，因为被采集数据的偏离及设备响应的滞后，常常不能以良好精度确定各设备G_m的输出指令值P_m ^*。

此外，作为燃料消耗特性模型，在使用能够表示修正了ARMA模型的历史特性的动态燃料消耗特性模型时，作为最优化方法，传统的等增量燃料成本法已不适用，而须用QP法等方法，这样，不仅加长了计算时间，也失去了与传统方法的互换性。

本发明正是为解决上述课题而产生的，其目的是提供一种指令值决定装置，这种装置能够以良好的精度确定使各设备燃料消耗量总和最小的各设备输出指令值。

本发明第一方面记述的指令值决定装置被构造成具有下述作用的装置：从考虑了历史特性的各设备燃料消耗特性模型中抽取出对目前时刻燃料消耗量有影响的项目、然后生成各设备的输出决策模型并根据该输出决策模型确定各设备的输出指令值。

本发明第二方面记述的指令值决定装置被构造成具有下述作用的装置：在各设备输出量设定有上限值及下限值的情况下，将该上限值及下限值对应的微分值用无穷大来置换。

本发明第三方面记述的指令值决定装置被构造成具有下述作用的装置：在导函数的斜率为负的情况下将其微分结果用常数来代替。

本发明第四方面记述的指令值决定装置被构造成具有下述作用的装置：在对于若干台设备相连接的生产线中流动的能量值有限制的情况下，将该能量值的限制量作为输出指令值的上限值及下限值、且当计算出的各设备输出指令值偏离该上限值或下限值时对其进行修正。

本发明第五方面记述的指令值决定装置被构造成具有下述作用的装置：在对同一类设备生成若干个燃料消耗特性模型的情况下，根据与各燃料消耗特性模型有关的数据量、参数数目以及预测误差的总和来判断各燃料消耗特性模型的优劣、然后选用最佳的燃料消耗特性模型。

本发明第六方面记述的指令值决定装置被构造成具有下述作用的装置：对作为设备动力的蒸气进行冷却的海水水温、真空度、使用燃料种类、燃烧嘴数等参数进行监视，根据参数调整燃料消耗特性模型。

本发明第七方面记述的指令值决定装置被构造成具有下述作用的装置：监测各设备输出量及燃料消耗量、检测出与燃料消耗特性模型的误差并根据该误差重新构造燃料消耗特性模型。

图1是本发明实施形式1的指令值决定装置的原理框图。

图2是考虑了历史特性的燃料消耗特性模型的示意图例。

图3是相互连接设备的系统示意图。

图4是各设备的输出决策模型的示意图。

图5是输出决策模型微分结果(导函数)的示意图。

图6是输出决策模型微分结果(导函数)的示意图。

图7是图6所示各微分结果的逆函数示意图。

图8是图7所示各逆函数合成结果示意图。

图9是图6所示各微分结果的合成结果示意图。

图10是各设备输出决策模型的示意图。

图11是输出决策模型的微分结果示意图。

图12是图11所示微分结果变更后的示意图。

图13是相互连接设备的系统示意图。

图14是本发明实施形式7的指令值决定装置原理框图。

图15是本发明实施形式8的指令值决定装置原理框图。

图16是传统的指令值决定装置原理框图。

图17是从午前零时起到午后12时所采集数据的座标图。

图18是相互连接设备的系统示意图。

图19是燃料消耗特性模型示意图例。

图20是燃料消耗特性微分结果的示意图。

下面说明本发明的实施形式。实施形式1

图1是本发明实施形式1中指令决定装置结构的原理框图。其中，5表示燃料消耗特性模型生成模块(即燃料消耗特性模型生成装置)，其作用是采集相对于各相互连接设备G_m中输出量P_m的燃料消耗量Q_m的数据并在参考历史特性的基础上生成燃料消耗特性模型F_m，t；6是存贮模块，用于存贮由上述燃料消耗特性模型生成模块5生成的燃料消耗特性模型F_m，t和由下面将要说明的输出决策模型生成模块7生成的输出决策模型H_m，t；7表示输出决策模型生成模块(输出决策模型生成装置)，其作用是从与各设备G_m有关的燃料消耗特性模型F_m，t中提取出对目前时刻t₀的燃料消耗量Q_m，t0有影响的项目，生成各设备G_m的输出决策模型H_m，t0。

图中8表示以各设备G_m的输出量P_m，t0对由输出决策模型生成模块7生成的各设备G_m的输出决策模型H_m，t0进行微分运算的微分运算模块(微分装置)；9是指令值运算模块(指令值运算装置)，其作用是在当前时刻t₀时，各设备G_m输出量P_m，t0的总和与预测负荷量L一致的条件下，计算用微分运算模块8得到的各微分结果dH_m，t0/dP_m，t0相一致的各设备输出值P_m，t0，然后将该计算结果作为各设备G_m的输出指令值输出。

此外，各设备G_m除包括所谓的发电机等成套设备外还包括燃汽轮机之类的动力机械。

下面说明其动作原理。

首先，燃料消耗特性模型生成模块5用于从每台相互连接的设备G_m采集相对其输出量P_m，t的燃料消耗量Q_m，t的数据(如果有m台相互连接的设备，则采集m台组数据)。

例如，如图17的模型图所示那样，采集了从前一天午前零点起到第二天午后十二点整整一天的数据。

当采集到数据后，在燃料消耗特性模型生成模块5中，根据相对于各台设备G_m输出量P_m，t的燃料消耗量Q_m，t的变化，形成考虑了历史特性的二次函数模型，从而生成了与各台设备G_m有关的燃料消耗特性模型F_m，t。

图2所示的模型图就是根据历史特性所生成的燃料消耗特性模型F_m，t的一个图例。从图2可以看出，当考虑到历史特性(随设备的输出时间变化)时，图形轨迹并非单调增，而是呈螺旋状。 $F_{m,t}=Q_{m,t}=\underset{l=0}{\overset{r1}{\mathrm{\Σ}}}{a}_{m,i}\·{P_{m,t-1}}^2+\underset{j=0}{\overset{r2}{\mathrm{\Σ}}}{b}_{m,j}$ $\·P_{m,t-j}+\underset{K=1}{\overset{r3}{\mathrm{\Σ}}}{C}_{m,k}\·Q_{m,t-k}+d_m$ …(13)其中，a_m，i、b_m，j、C_m，k、d_m的值是由最小二乘法确定的最佳参数值。

当燃料消耗特性模型生成模块5生成了各设备G_m对应的燃料消耗特性模型F_m，t后，将其存贮在存贮模块6中。下面，为了便于说明，假定如图3所示，有三台相互连接的设备G₁、G₂、G₃，并在下述条件下，根据其随时间变化的特性，生成了各设备G₁、G₂、G₃的燃料消耗特性模型F_m，t。

这里，目标是使从起始时刻t₀经采样时间S到采样后(t₀+s)时刻之间燃料消耗量的总和最小(为了便于说明，令s＝1)。

设备G₁的有关条件是

        r₁＝0，r₂＝1，r₃＝1

        a_1，0＝1

        b_1，0＝2，b_1，1＝-1

        c_1，1＝1

        d₁＝1设备G₂的有关条件是

        r₁＝0，r₂＝1，r₃＝1

        a_2，0＝2

        b_2，0＝1，b_2，1＝-1

        c_2，1＝1

        d₂＝2设备G₃的有关条件是

        r₁＝0，r₂＝0，r₃＝1

        a_3，0＝1

        b_3，0＝3

        c_3，1＝2

        d₃＝1

在上述条件下，设备G₁、G₂、G₃的燃料消耗特性模型F_m，t可用下式表示。

        F_1，t＝P_1，t ²+2P_1，t-P_1，t-1+Q_1，t-1+1    (14)

        F_2，t＝2P_2，t ²+P_2，t-P_2，t-1+Q_2，t-1+2    (15)

        F_3，t＝P_3，t ²+3P_3，t+2Q_3，t-1+1           (16)

此外，从起始时刻t₀到时刻t₀₊₁的燃料消耗量总和可用下面的式子表示。 $\underset{t=t0}{\overset{t0+1}{\mathrm{\Σ}}}{F}_{l,t}=F_{l,t0}+F_{l,t0+1}$

        ＝P_1，t0 ²+2P_1，t0-P_1，t0-1+Q_1，t0-1+1

        + P_1，t0+1 ²+2P_1，t0+1-P_1，t0+Q_1，t0+1

        ＝P_1，t0+1 ²+P_1，t0 ²+2P_1，t0+1+P_1，t0-P_1，t0-1

        + Q_1，t0+Q_1，t0-1+2

        ＝P_1，t0+1 ²+P_1，t0 ²+2P_1，t0+1+P_1，t0-P_1，t0-1

        + (P_1，t0 ²+2P_1，t0-P_1，t0-1+Q_1，t0-1+1)

        + Q_1，t0-1+2

        ＝P_1，t0+1 ²+2P_1，t0 ²+2P_1，t0-1+3P_1，t0

        - 2P_1，t0-1+2Q_1，t0-1+3

                                               …(17) $\underset{t=t0}{\overset{t0+1}{\mathrm{\Σ}}}{F}_{2,t}=F_{2,t0}+F_{2,t0+1}$

        ＝2P_2，t0 ²+P_2，t0-P_2，t0-1+Q_2，t0-1+2

        + 2P_2，t0+1 ²+P_2，t0+1-P_2，t0+Q_2，t0+2

        ＝2P_2，t0+1 ²+2P_2，t0 ²+P_2，t0+1-P_2，t0-1

        + Q_2，t0+Q_2，t0-1+4

        ＝2P_2，t0+1 ²+2P_2，t0 ²+P_2，t0+1-P_2，t0-1

        + (2P_2，t0 ²+P_2，t0-P_2，t0-1+Q_2，t0-1+2)

        + Q_2，t0-1+4

        ＝2P_2，t0+1 ²+4P_2，t0 ²+P_2，t0+1+P_2，t0

        - 2P_2，t0-1+2Q_2，t0-1+6

                                             …(18) $\underset{t=t0}{\overset{t0-1}{\mathrm{\Σ}}}{F}_{3,t}=F_{3,t0}+F_{3,t0-1}$

        ＝P_3，t0 ²+3P_3，t0+2Q_1，t0-1+1

        + P_3，t0+1 ²+3P_1，t0+1+2Q_3，t0+1

        ＝P_3，t0+1 ²+P_3，t0 ²+3P_3，t0+1+3P_3，t0

        + 2Q_3，t0+2Q_3，t0-1+2

        ＝P_3，t0+1 ²+P_3，t0 ²+3P_3，t0+1+3P_3，t0

        + 2(P_3，t0 ²+3P_3，t0+2Q_3，t0-1+1)

        + 2Q_3，t0-1+2

        ＝P_3，t0+1 ²+3P_3，t0 ²+3P_3，t0-1+9P_3，t0

        + 6Q_3，t0+1+4

                                   …(19)

从上述各式可以看到，式(17)～(19)由时刻t_0-1、目前时刻t₀以及时刻t₀₊₁有关的项构成，而对目前时刻t₀的燃料消耗量产生影响的只有目前时刻t₀有关的项，所以只要从式(17)～(19)分别提取出与目前时刻t₀有关的项，就生成了各设备G_m输出决策模型H_m，t0(参照图4)。

        H_1，t0＝2P_1，t0 ²+3P_1，t0+constant    (20)

        H_2，t0＝4P_2，t0 ²+P_2，t0+constant     (21)

        H_3，t0＝3P_3，t0 ²+9P_3，t0+constant    (22)

如上所述，当各设备G_m的输出决策模型H_m，t0生成后，由微分运算模块8求各设备G_m的输出决策模型H_m，t0分别对各自输出量P_m，t0的微分(参照图5)。

上述微分结果表示了燃料消耗量相对于设备输出量的导数。

        dH_1，t0/dP_1，t0＝4P_1，t0+3    (23)

        dH_2，t0/dP_2，t0＝8P_2，t0+1    (24)

        dH_3，t0/dP_3，t0＝6P_3，t0+9    (25)

当微分运算模块8的微分运算结束后，由指令值运算模块9进行如下运算，即根据微分运算模块8的微分结果分别计算各设备G_m的输出指令值P_m，t0。

具体地说，例如，当预测负荷量L为15.5时，则应使设备G₁、G₂、G₃输出P_1，t0、P_2，t0、P_3，t0的总和为15.5，所以应有下式成立。

L＝P_1，t0+P_2，t0+P_3，t0＝15.5    (26)

另一方面，如果用等增量燃料成本法的话，燃料消耗量相对于各设备G_m输出量P_m，t0的导数值全都一致，这时各设备G_m的燃料消耗总量最小。

当微分运算模块8的各个微分结果相互一致时，燃料消耗量相对于各设备G_m的输出量P_m，t0的导数值全都一致，所以有下式成立。

      dH_1，t0/dP_1，t0＝dH_2，t0/dP_2，t0＝dH_3，t0/dP_3，t0

    ∴4P_1，t0+3＝8P_2，t0+1＝6P_3，t0+9                 (27)

当各设备G_m的输出量P_m，t0的值既满足(26)式也满足(27)式时，由于可用最小燃料消耗量满足预测负荷量L，所以能计算出满足(26)、(27)式的各设备G_m的输出量P_m，t0。

在本例中，其运算结果是P_1，t0＝7.5，P_2，t0＝4，P_3，t0＝4，这样，各设备G_m输出指令值P_m，t0 ^*用下述方法确定，其最小燃料消耗量F_min，t0的值如下所示。

    G₁→P_1，t0 ^*＝7.5    F_1，t0＝135+常数项

    G₂→P_2，t0 ^*＝4.0    F_2，t0＝68+常数项

    G₃→P_3，t0 ^*＝4.0    F_3，t0＝84+常规项

    F_min，t0＝F_1，t0+F_2，t0+F_3，t0＝287+常数项

                                              (28)

最后，指令值运算模块9分别向各设备G₁、G₂、G₃输出如上述方法确定的输出指令值P_1，t0 ^*、P_2，t0 ^*和P_3，t0 ^*，从而结束一系列处理。

在上述说明中，燃料消耗量总和的取值时间S取为1，当该时间S非常大时，即S＝∞(无突大)时，计算方法如下所述。例如，输出决策模型H_m，t0 ^*由(29)式表示。 $H_{m,t0}=\frac{\underset{i=0}{\overset{r1}{\mathrm{\Σ}}}{a}_i}{1-\underset{K=1}{\overset{r3}{\mathrm{\Σ}}}{C}_K}\×{P_t}^2+\frac{\underset{j=0}{\overset{r2}{\mathrm{\Σ}}}{b}_j}{1-\underset{K=1}{\overset{r3}{\mathrm{\Σ}}}{C}_K}$ ×P_t+常数项    …(29)

当用上式生成各设备G_m的输出决策模型H_m，t0后，用微分运算模块8将各设备G_m的输出决策模型H_m，t0分别对各设备G_m的输出量P_m，t0进行微分(参照图5)。

在(30)式所示的微分结果表示了燃料消耗量相对于设备输出量的导数。 $\frac{d{H}_{m,t0}}{d{P}_{m,t0}}=\frac{\underset{i=0}{\overset{r1}{\mathrm{\Σ}}}{a}_i}{1-\underset{K=1}{\overset{r3}{\mathrm{\Σ}}}{C}_K}2P_t+\frac{\underset{i=0}{\overset{r2}{\mathrm{\Σ}}}{b}_j}{1-\underset{K=1}{\overset{r3}{\mathrm{\Σ}}}{C}_K}$ …(30)

当微分运算模块8的微分运算结束后，指令值运算模块9与S＝1时一样，根据微分运算模块8的微分结果，分别计算出各设备G_m的输出指令值P_m，t0，然后对各设备G_m输出相应指令，从而结束一系列的处理。

虽然上述说明是以S＝∞为例进行的，但实际应用时，可以用S＝10代替S＝∞，其结果基本一致。对于实际的设备，诸如(29)式中的分母不会为零。

(29)式所表示的定性意义是：(13)式表示的是考虑了历史特性的动态燃料消耗模型，但是如果求(13)式表示模型的定常状态，则其模型如(29)式所示。也就是说，虽然模型本身具有历史特性，但其在定常状态下的静态燃料消耗模型由(29)式表示。

此外，在上述说明中，并没有特别论及各设备G_m输出的可能范围，且说明过各设备G_m的输出P_m，t0被认为是没有上限值P_m，max及下限值P_m，min，但实际上这种约束是存在的，所以下面就在各设备G_m输出量P_m，t0存在有上限值P_m，t0及下限值P_m，min的情况加以说明。

这种情况下，由输出决策模型生成模块7生成各设备G_m的输出决策模型H_m，t0(参照图4)后，由微分运算模块8将各设备G_m的输出决策模型H_m，t0对各设备G_m的输出量P_m，t0进行微分(参照图5)，当各设备G_m的输出可能范围为2～6(即下限值P_m，min为2、上限值P_m，max为6)时，由于设备G₁的输出指令值P_1，t0 ^*偏离输出可能范围(因为在上例中，设备G₁的输出指令值P_1，t0 ^*被确定为7.5)，则无法满足预测负荷量L，各设备G_m的输出指令值P_m，t0的值显然不合适。

这种情况应采取的对策是由微分运算模块8(如图6所示)将与上限值P_m，max及下限值P_m，min相对应的微分值置换为无穷大，然后相互合成置换后的各微分结果。

具体地讲，先对置换后的微分结果所表示的函数求逆函数(参照图7)，然后将各逆函数相互合成(参照图8)，最后再求其合成结果的逆函数，从而得出置换后各微分结果的合成结果(参照图9)。

P_1，t0＝λ₁/4-3/4     (31)

P_2，t0＝λ₂/8-1/8     (32)

P_3，t0＝λ₃/6-3/2     (33)其中，λ₁＝dH_1，t0/dP_1，t0

  λ₂＝dH_2，t0/dP_2，t0

  λ₃＝dH_3，t0/dP_3，t0

如上所述，由微分运算模块8将置换后的各微分结果相互合成后，由指令值运算模块9从该合成结果求出满足(26)式(预测负荷量L＝15.5)的微分值，将该微分值267/7代入(31)～(33)式的λ₁、λ₂、λ₃中，然后求出各设备G_m的输出量P_m，t0。

        P_1，t0＝λ₁/4-3/4＝8.8

        P_2，t0＝λ₂/8-1/8＝4.6

        P_3，t0＝λ₃/6-3/2＝4.9其中，设备G₁的输出量P_1，t0超出了上限值P_m，max，所以用P_1，t0＝6来代替(如图7所示)。

这样，各设备G_m的输出指令值P_m，t0 ^*用如下方法确定：

            G₁→P_1，t0 ^*＝6.0

            G₂→P_2，t0 ^*＝4.6

            G₃→P_3，t0 ^*＝4.9

在上述说明中，只讲到了各设备G_m的输出可能范围，实际上各设备在单位时间内能够产生的输出量变化速率存在有相应限制，即存在有输出量上升时的上限值D_m，max及输出量下降时的下限值D_m，min。下面说明在这种输出量变化速率限制存在时的处理方法。

设目前时刻t的输出量为P_m，t，则下一时刻输出量的可能范围上、下限值由(34)～(35)式得出。也就是说，可以由下一时刻t+1的输出可能范围P_m，max(t+1)、P_m，min(t+1)求出输出量变化速率限制。

    P_m，max(t+1)＝min{P_m，max，P_m，t+D_m，max}    (34)

    P_m，min(t+1)＝max{P_m，min，P_m，t-D_m，min}    (35)

如上所述，根据实施形式1，由于从考虑了历史特性的各设备G_m的燃料消耗特性模型F_m，t0中抽取出对目前时刻t₀的燃料消耗量有影响的项目、生成各设备G_m的输出决策模型H_m，t0、再根据该输出决策模型H_m，t0确定各设备G_m的输出指令值P_m，t0，所以，对于燃料供给量增加之类的变化设备输出响应有滞后的情况下或者是采集的数据有偏移的情况下，也能够以足够精度确定使各设备燃料消耗量总和最小的各设备输出指令值P_m，t0 ^*。

当对于各设备G_m输出值P_m，t0存在有上限值P_m，max及下限值P_m，min时，由于将该上限值P_m，max及下限值P_m，min对应的微分值置换为无穷大，所以各设备G_m输出指令值P_m，t0不会偏离输出可能范围，因而能够确定合适的输出指令值P_m，t0。

当各设备G_m的输出量变化速率存在有上限值P_m，max及下限值P_m，min时，由于把该上、下限作为各设备输出范围的上、下限值，所以各设备G_m的输出指令值P_m，t0 ^*不会偏离输出量变化的可能范围，这样就可以确定出合适的输出指令值P_m，t0。

实施形式2。

在上述实施形式1中，燃料消耗量相对于各设备G_m输出量P_m，t0的增量所产生的增量值呈单调增性态(参照图6)，也就是说，只表示了微分结果的斜率为正值的情况。但是，如果有如图10及图11所示微分结果的斜率为负值的设备存在时(参照设备G₁)，等增量燃料成本法就不适用了(等增量燃料成本法只能适用于微分结果的斜率为正(含零)的情况)，也就无法求出各设备G_m输出指令值P_m，t0 ^*。

因此，在实施形式2中，当微分结果的斜率为负时(如设备G₁)，则如图12所示，将该段微分结果值用常数代替。

例如，在设备G₁有关的微分结果斜率为负值时，则如下式所示，求其上限值P_1，max及下限值P_1，min对应微分值的平均值P_1，avg，并用该平均值P_1，avg替换上述微分结果。

        P_1，avg＝(1/2)×{(dH_1，t0/dP_1，t0)| P_m，max

                  +(dH_1，t0/dP_1，t0)| P_m，min}

                  ＝(1/2)×(22+6)

                  ＝14

根据上述方法，即使存在有微分结果斜率为负的设备，也可以用等增量燃料成本法确定各设备G_m的输出指令值P_m，t0 ^*。

实施形式3

上述实施形式1表示了对于各设备G_m输出量P_m，t0存在有上限值P_m，max及下限值P_m，min的情况，该上、下限值并不限于由设备性能确定的值，也可以将对设备运行环境的影响作为各设备G_m输出量P_m，t0的上限值P_m，max及下限值P_m，min。

例如，对火力发电设备，当存在有随火力发电过程中排出的二氧化碳、SO_x、NO_x等的容许限定值时，就可将二氧化碳容许限定值对应的各设备G_m输出量P_m，t0作为上限值P_m，max。

这样，就起到了将设备运行过程中产生的环境恶化控制在最小限度内的效果。

实施形式4

上述实施形式3表示了将设备运行过程对环境产生的影响所对应的值作为各设备G_m输出量P_m，t0的上限值P_m，max及下限值P_m，min的处理方法，也可以在考虑设备运行对环境所产生的影响因素的基础上，由燃料消耗模型生成模块5生成燃料消耗特性模型F_m，t。

例如，如果使燃料消耗特性模型F_m，t的系数a_m，i、b_m，j、c_m，k、d_m的值比上述实施形式1的各该系数大，则可以抑制各设备G_m的输出量P_m，t0。

这样，就能够把设备运行引起的环境恶化限制到最低程度。

实施形式5

上述实施形式3表示了将设备运行过程对环境产生的影响所对应的值作为各设备G_m输出量P_m，t0的上限值P_m，max及下限值P_m，min的处理方法，但是在沿连接若干设备的生产线流动的能量值有所限制的情况下，也可以将对该能量值的限定值作为该设备输出的上限值P_m，max及下限值P_m，min。

例如，如图13所示，考虑电力系统中连接有四台设备G₁～G₄的情况，当机组1的设备G₁、G₂的输出可能范围为5～10、且当机组2的输出高出机组1的输出6以上时机组1的设备G₁、G₂就不能运行的情况下，假定机组1的设备G₁、G₂的输出量分别被确定为5即机组1整体输出为10，则如果机组2的整体输出为16以上的话，机组1的设备G₁、G₂就不能运行了。

因此，在这种情况下，为了使机组2的整体输出在16以下，就须设定设备G₃输出量的上限值P_3，max以及设备G₄输出量的上限值P_4，max(例如，当将设备G₃输出量的上限值P_3，max设定为7时，则可将设备G₄输出量的上限值P_4，max设定为9)。

这样，即使对连接若干台设备的供电线路上能量流动高差加以限制的情况下，也可以确定各设备G_m输出指令值P_m，t0 ^*。

实施形式6

上述实施形式5表示了当用能量的限制值作为输出量上限值P_m，max及下限值P_m，min后、由指令值运算模块9确定各设备G_m输出指令值P_m，t0 ^*的方法，但也可以与上述实施形式1至4一样，首先确定各设备G_m的输出指令值P_m，t0 ^*，然后判断是否满足对能量值的限制范围，当不满足时，就用该能量限制值替换相应设备所在机组中全部设备输出量总和的上限值P_m，max及下限值P_m，min并修正各设备G_m的输出指令值P_m，t0 ^*。

例如，当设备G₃不满足相应于能量值的限制值时，则将对该能量值相应的限制值替换机组2输出(设备G₃和G₄输出的总和)的上限值P_m，max及下限值P_m，min并修正各设备G_m的输出指令值P_m，t0 ^*。

这样，即使对若干台设备连接的生产线上流动的能量值具有相应的限制值时，也可以确定各设备G_m的输出指令值P_m，t0 ^*。

实施形式7

图14是本发明实施形式7有关的指令值决定装置的原理框图，其中，与图1中相同的符号表示的是相同的或相当的内容，所以说明从略。

10是用于监测冷却设备动力蒸汽的海水水温T且可根据该水温T调整相应的燃料消耗特性模型F_m，t的模型调整模块。

下面说明其动作原理。

由于除燃料消耗特性模型生成模块5及模型调整模块10之外均与上述实施形式1～6相同，所以这里只对燃料消耗特性模型生成模块5及模型调整模块10的动作原理加以说明。

燃料消耗特性模型生成模块5与上述实施形式1一样，用于生成燃料消耗特性模型F_m，t，所不同的是，本实施形式7中，燃料消耗特性模型生成模块5不用(13)式所示的燃料消耗特性模型F_m，t，而是生成(36)式所示模型F_m，t。 $F_{m,t}=Q_{m,t}=\underset{l=0}{\overset{r1}{\mathrm{\Σ}}}{a}_{m,l}\left(T\right)$ ${{\·P}_{m,t-i}}^2+\underset{f=0}{\overset{r2}{\mathrm{\Σ}}}{b}_{m,j}\left(T\right)\·P_{m,t-j}$ $+\underset{K=1}{\overset{r3}{\mathrm{\Σ}}}{C}_{m,k}\left(T\right)\·Q_{m,t-k}+d_m\left(T\right)$ …(36)其中，a_m，i(T)、b_m，j(T)、c_m，k(T)、d_m(T)的值由最小二乘法以实际特性最佳为目标确定的。

(13)式与(16)式的不同点在于前者表示的燃料消耗特性模型F_m，t没有考虑海水水温T，而后者考虑了这一点。

模型调整模块10监测海水水温T的同时，根据检测到的海水水温T变更各系数a_m，i(T)，调整燃料消耗特性模型F_m，t。

这样，即使海水水温T发生了变化，由于通过调整能得到合适的燃料消耗特性模型F_m，t，所以能够提高各设备G_m输出指令值P_m，t0 ^*的精度。

实施形式8

图15表示了本发明实施形式8有关的指令值决定装置的原理框图，其中与图14中相同的符号表示的是相同或相当的内容，所以说明从略。

11表示模型选择模块(模型选择装置)，其作用是：在燃料消耗特性模型生成模块5根据同一类设备的燃料消耗特性模型F_m，t生成若干个对应于不同海水水温T的燃料消耗特性模型F_m，t0的情况下，监测上述海水水温T、选择与该海水水温T相对应的燃料消耗特性模型F_m，t0、并将其输出给输出决策模型生成模块7。

下面说明其动作原理。

上述实施形式7表示了根据海水水温T调整燃料消耗特性模型F_m，t的方法，但是，有时由于诸如夏、冬季海水水温T差别极大等因素，所以只靠调整燃料消耗特性模型F_m，t未必能得到合适的燃料消耗模型F_m，t。

因此，在实施形式8中，首先由燃料消耗特性模型生成模块5根据同一台设备的燃料消耗特性模型F_m，t生成对应于海水水温T的若干个燃料消耗特性模型F_m，t(例如，生成海水水温0℃、10℃、20℃时分别对应的燃料消耗特性模型F_m，t)。

当燃料消耗特性模型生成模块5生成若干燃料消耗特性模型F_m，t后，由模型选择模块11监测海水水温T、选择与该海水水温T相对应的燃料消耗特性模型F_m，t并将其输出给输出决策模型生成模块7。

例如，当海水水温为12℃时，则选择海水水温为10℃时用的燃料消耗特性模型F_m，t，当海水水温为16℃时，选择海水水温为20℃时用的燃料消耗特性模型F_m，t。

这样，即使海水水温T随季节的变化而发生很大变化，也能够得到高精度的各设备G_m输出指令值P_m，t0 ^*。

实施形式9。

上述实施形式8表示了可以根据海水水温T选择燃料消耗特性模型F_m，t的方法，在燃料消耗特性模型生成模块5对于同一台设备生成若干个燃料消耗特性模型F_m，t的情况下，也可以由模型选择模块11根据各燃料消耗特性模型F_m，t有关的数据量、参数数目以及预测误差的总和判断各燃料消耗特性模型的优劣，从而选择最佳的燃料消耗特性模型F_m，t。

具体地讲，模型选择模块11根据各燃料消耗特性模型F_m，t有关的数据量、参数数目以及预测误差的总和进行下述运算，然后把该运算结果AIC最小的燃料消耗特性模型F_m，t作为最佳燃料消耗特性模型F_m，t加以选择。

AIC＝数据量×log_e预测误差总和/数据量+2×(参数数目)

                                         (37)其中，数据量：相对于每台设备G_m所采集的设备输出量P_m，t的燃料消耗量Q_m，t的数据量。

预测误差：预测数据值相对于模型值的误差。

参数数目：(13)及(16)式有关的P_m，t-12等的变量数。

这样，燃料消耗特性模型生成模块5对于同一台设备用不同的方式或参数生成若干燃料消耗特性模型F_m，t的情况下，因为能够选择最佳燃料消耗特性模型F_m，t，所以能得到更高精度的各设备G_m输出指令值P_m，t0 ^*。

实施形式10

上述实施形式8表示了根据海水水温T选择燃料消耗特性模型F_m，t的方法，也可以在由燃料消耗特性模型生成模块5对于同一类设备生成与设备使用燃料品种相对应的若干个燃料消耗特性模型的情况下，监测该设备目前使用的燃料并选择与该使用燃料相对应的燃料消耗特性模型F_m，t。

具体地讲，首先由燃料消耗特性模型生成模块5对于同一类设备生成与设备使用燃料相对应的若干个燃料消耗特性模型F_m，t(例如，分别生成使用重油、轻油、燃气的燃料消耗特性模型F_m，t)。

当燃料消耗特性模型生成模块5生成若干个燃料消耗特性模型F_m，t后，由模型选择模块11监测该设备现在使用的燃料、选择与之相对应的燃料消耗特性模型F_m，t并将其输出给输出决策模型生成模块7。

例如，如果设备使用的燃料是重油的话，则选择重油用燃料消耗特性模型。

这样，在设置有使用燃料可以变更的设备时，由于可以选择与设备相对应的燃料消耗特性模型F_m，t所以能够得到高精度的设备G_m输出指令值P_m，t0 ^*。

实施形式11。

上述实施形式8表示了根据海水水温T选择燃料消耗特性模型F_m，t的方法，也可以由燃料消耗特性模型生成模块5对于同一类设备生成相应于该设备使用的燃烧嘴数的若干个燃料消耗特性模型F_m，t并且在这种情况下，监测该设备目前使用的燃烧嘴数并选择与该燃烧嘴数相对应的燃料消耗特性模型F_m，t。

具体地讲，首先由燃料消耗特性模型生成模块5对于同一台设备生成对应于该设备使用的燃烧嘴数的若干个燃料消耗特性模型F_m，t(例如，生成40支、50支燃烧嘴用的燃料消耗特性模型F_m，t)。当燃料消耗特性模型生成模块5生成若干燃料消耗特性模型F_m，t后，由模型选择模块11监测该设备目前使用的燃烧嘴数、选择与设备目前使用的燃烧嘴数相对应的燃料消耗特性模型F_m，t并将其输出给输出决策模型生成模块7。

例如，如果设备现在使用的燃烧嘴数为48支，则选择50支用的燃料消耗特性模型F_m，t。

这样，在设置有燃烧嘴数可变更的设备时，由于可以选择与目前使用的燃烧嘴数相对应的燃料消耗特性模型F_m，t，所以能够得到高精度的各设备G_m输出指令值P_m，t0 ^*。

实施形式12

在上述实施形式1至11中，由燃料消耗特性模型生成模块5生成燃料消耗特性模型F_m，t后，就不会再次讨论其是否适合的问题，但在本实施形式中，通过对各设备G_m输出量P_m，t及其燃料消耗量Q_m的监测，求出其与燃料消耗特性模型F_m，t之间的误差，然后重新构造与该误差相对应的燃料消耗特性模型F_m，t。

这样，由于能够求出更高精度的燃料消耗特性模型F_m，t，所以也就可以得到高精度的各设备G_m输出指令值P_m，t0 ^*。

如上所述，根据本发明第一方面记述的发明，由于采用从考虑了历史特性的各设备燃料消耗特性模型中抽取出对目前时刻燃料消耗量有影响的项目、然后生成各设备的输出决策模型并根据该输出决策模型确定各设备的输出指令值的构成方式，所以具有如下效果：即使在设备对燃料供给量的增加等因素有输出响应滞后的情况下或在采集数据有偏移的情况下，也能够以良好的精度确定使各设备燃料消耗量总和最小时的各设备输出指令值。

根据本发明第二方面记述的发明，由于采用了在各设备输出量设定有上限值及下限值的情况下，将该上限值及下限值对应的微分值用无穷大置换的构成方式，所以具有如下效果：即各设备的输出指令值不会偏离输出可能范围，并且能够确定合适的输出指令值。

根据本发明第三方面记述的发明，由于采用了在导函数的斜率为负的情况下将其微分结果用常数来代替的构成方式，所以具有如下效果：即使存在有导函数的斜率为负的设备，也可以用等增量燃料成本法确定各设备的输出指令值。

根据本发明第四方面记述的发明，在对于若干台设备相连接的生产线中流动的能量值有限制的情况下，由于采用了将该能量值的限制量作为输出指令值的上限值及下限值、且当计算出的各设备输出指令值偏离该上限值或下限值时对其进行修正的构成方式，所以具有如下效果：即使对该能量值有限制的情况下，也能够确定各设备的输出指令值。

根据本发明第五方面记述的发明，在对同一类设备生成若干个燃料消耗特性模型的情况下，由于采用了根据各燃料消耗特性模型有关的数据量、参数数目以及预测误差的总和来判断各燃料消耗特性模型的优劣、然后选用最佳的燃料消耗特性模型的构成方式，所以具有如下效果：在能够使用不同方式及参数以生成若干燃料消耗特性模型的情况下，能够选择最佳的燃料消耗特性模型、提高各设备输出指令值的精度。

根据本发明第六方面记述的发明，在对同一类设备生成若干个与海水水温、真空度、使用燃料种类、燃烧嘴数等参数相对应的燃料消耗特性模型的情况下，由于采用了设置有监测上述各参数、选择与各该参数相对应的燃料消耗特性模型并将其输出给输出决策模型生成装置的模型选择装置的构成方式，所以具有如下效果：即使海水水温、真空度、使用燃料、燃烧嘴数发生了变化，也能够得到合适的燃料消耗特性模型和高精度的各设备输出指令值。

根据本发明第七方面记述的发明，由于采用了监测各设备输出及燃料消耗量、检测出与燃料消耗特性模型的误差并根据该误差重新构造燃料消耗特性模型的构成方式，所以具有如下效果：通常能得到高精度的燃料消耗特性模型和高精度的各设备输出指令值。

Claims (7)

1.一种指令值决定装置，其特征在于：具有对于相互连接的每台设备生成考虑了历史特性的燃料消耗特性模型的同时、从该燃料消耗特性模型中抽取出对目前时刻燃料消耗量产生影响的项目、然后生成各设备的静态燃料消耗特性模型的输出决策模型生成模块，把由上述输出决策模型生成模块生成的各设备输出决策模型对各设备的输出进行微分的微分模块，在目前时刻各设备的输出量总和与预测负荷量一致的条件下，对上述微分模块的各微分结果相互一致的各设备输出量进行运算并将该运算结果作为各设备输出指令值的指令值运算模块。

2.根据权利要求1记述的指令值决定装置，其特征在于：在各设备输出量具有上限值及下限值的情况下，微分模块将该上限值及下限值对应的微分值用无穷大来置换。

3.根据权利要求2记述的指令值决定装置，其特征在于：微分装置在导函数斜率为负值的情况下，用常数来置换该段导数值。

4.根据权利要求1记述的指令值决定装置，其特征在于：当对连接有若干台设备的生产线上流动的能量值有限制的情况下，通过指令值运算模块将该能量值的限制量作为输出指令值的上限值及下限值进行处理，当运算出的备设备输出指令值偏离该上限值或下限值时，对各设备的输出指令值进行修正。

5.根据权利要求1记述的指令值决定装置，其特征在于：设置了具有下述功能的模型选择模块：在输出决策模型生成模块对于同一类设备生成若干个燃料消耗模型的情况下，根据各燃料消耗特性模型有关的数据量、参数数目以及预测误差总和判断各燃料消耗特性模型的优劣、选择最佳的燃料消耗特性模型并输出给输出决策模型生成模块。

6，根据权利要求1记述的指令值决定装置，其特征在于：设置了具有下述功能的模型选择模块：在燃料消耗特性模型生成模块对于同一类设备生成与海水水温、真空度、使用燃料、燃烧嘴数等参数相对应的若干燃料消耗特性模型的情况下，监测上述各参数、选择与各参数相对应的燃料消耗特性模型并将其输出给输出决策模型生成模块。

7.根据权利要求1记述的指令值决定装置，其特征在于：燃料消耗特性模型生成模块监测各设备的输出及燃料消耗量、检测出与生成的燃料消耗特性模型之间的误差并根据该误差重新构造燃料消耗特性模型。

Images