基于煤耗特性曲线在线滚动更新的多模式负荷调度方法

摘要

本发明提供了一种基于煤耗特性曲线在线滚动更新的多模式负荷调度方法，所述步骤包括：步骤1、从厂内各台机组的DCS的实时数据库里读取给定时刻的实时运行数据，包括工质侧、烟气侧全流程的温度、压力、流量等测点；步骤2、结合工质物性参数库、烟气物性参数库，以及全流程能量衡算模型，在线更新每台机组的煤耗特性曲线；步骤3、在当前负荷调度周期内，设置中调总负荷指令及负荷调度模式，实时优化算法根据各台机组的煤耗特性曲线进行机组间负荷分配。本发明具有成本低、计算速度快、适应性强的特点，对燃煤电站的优化运行、节能减排具有重要现实意义。

说明书

技术领域

本发明涉及火力发电控制领域的调度方法，具体地，涉及一种基于煤耗特性曲线 在线滚动更新的多模式负荷调度方法。

背景技术

自厂网分离政策实施以来，电网以竞价招标的方式向电厂购电，这就对电厂并网供 电提出了更高的要求，主要表现在电价、响应速度、稳定性等方面。为了在满足电网各 项要求的同时实现经济效益最大化，以提高自身的竞争力，电厂对机组的运行优化与控 制有着迫切的需求。厂内不同机组的设备状态、煤种、运行水平等都存在着一定的差异， 造成各台机组在同一负荷出力下的煤耗量并不相同，这一总体效率通常用负荷-煤耗特 性曲线表征。显然，在不同机组间进行合理的负荷分配，可以使电厂在满足电网中调总 负荷指令的同时，尽可能地发挥各台机组的最优性能，从而达到降低总煤耗的目的。

经过对现有技术的检索，中国专利申请号201310194342.7，公开日2013-9-25，记 载了一种基于改进多目标粒子群算法的环境经济发电调度方法，以燃料费用最低和污染 气体排放量最少为调度目标，该方法采用了多目标粒子群算法实现环境与经济多目标调 度，但它采用了固定的机组煤耗特性、污染物排放特性，不能动态反映机组特性的时变 性；同时粒子群算法相对复杂，工程上不易实现。

发明内容

针对现有技术中的缺陷，本发明的目的是提供一种基于煤耗特性曲线在线滚动更 新的多模式负荷调度方法。该发明利用机组的实时运行数据，得到平稳负荷下的平均煤 耗点，进而滚动更新各机组的煤耗特性曲线，并在此基础上实现多模式下的负荷调度， 对我国燃煤电站的优化运行、节能减排具有重要现实意义。

为实现上述目的，本发明所述方法具体包括以下步骤：

步骤1、从厂内各台机组的分布式控制系统(DCS)的实时数据库里读取给定时刻 的运行工况实时数据，包括工质侧、烟气侧全流程的温度、压力、流量以及机组功率测 点。

步骤2、结合工质物性参数库、烟气物性参数库，以及全流程能量衡算模型，在线 更新每台机组的煤耗特性曲线；

所述的全流程能量衡算模型包括计算工质在水冷壁、各级过热器/再热器、省煤器中 的吸热量，金属壁蓄放热量，以及锅炉热损失；

所述的煤耗特性曲线表征机组负荷与标准煤耗量的关系，采用多项式回归；

优选地，煤耗特性曲线采用最小二乘方法对负荷与煤耗量的关系进行二次多项式回 归。

所述的在线更新机组的煤耗特性曲线的方法，具体为：

建立平均煤耗矩阵A₁,…,A₁₀，每个矩阵维数均为20行2列。将负荷区间[P_min,P_max] 分成等长的10段，第i段对应矩阵A_i。矩阵A_i存放对应负荷范围内的20组平均煤耗点 (P,C)。A_i矩阵依次叠放组合构成200行2列的矩阵A。其中P_min,P_max为机组允许的最 小和最大负荷。

建立瞬时煤耗矩阵B，行数可变，列数为2。用于记录在线运行时某一稳定负荷下 的瞬时煤耗点(P,C)。瞬时煤耗点的均值即为平均煤耗点。

在每一个时刻，首先判断当前时刻负荷P是否平稳：

若负荷平稳，则根据全流程能量衡算模型，计算当前时刻的入炉煤总能量输出Q， 进而得到标煤耗量C(标煤低位发热量29.3MJ/kg)，并存入矩阵B。

否则，若上一时刻负荷平稳，则说明负荷刚由平稳负荷状态切换至变负荷状态，对 矩阵B中的瞬时煤耗点中的元素P、C分别求均值得到平均煤耗点，并将该新的平均煤 耗点根据P的范围滚动存入对应的矩阵A_i，然后清空矩阵B，对A矩阵进行回归得到 新的煤耗特性曲线。

若上一时刻负荷不平稳，说明当前时刻仍处于变负荷状态，则不作任何修改。

所述的判断负荷平稳的方法，具体为：

用flag标记负荷状态，flag＝0表示平稳负荷,flag＝1表示变负荷；同时定义平稳负荷 计数器和变负荷计数器；在当前时刻，滚动更新由前N个时刻的负荷数据组成的负荷时 间序列P(1)，P(2)，P(3)，…，P(N)。然后分别计算该向量的以下指标：平均斜率、极 差、方差。其中，平均斜率是指(N-1)个斜率的算术平均。(N-1)个斜率按如下方法计算： [P(N)-P(N-1)]/Δt，[P(N)-P(N-2)]/(2Δt)，[P(N)-P(N-3)]/(3Δt)，…，[P(N)-P(1)]/[(N-1)Δt]。

判断负荷状态的条件：

(a)平均斜率绝对值大于阈值TA；(b)极差大于阈值TB；(c)方差大于阈值TC。

负荷状态判断步骤：

根据上一个采样时刻的负荷状态和当前时刻的判断负荷状态条件，判断当前时刻的 负荷状态：

若上一时刻为稳定负荷状态(flag＝0)，则只要(a)、(b)、(c)三个条件中至少一个得到 满足，变负荷计数器记数增加1，否则变负荷计数器清零且flag置0；如果变负荷计数 器中的数值超过一定的阈值MB，则判断负荷已处于变负荷状态，将flag置1并将稳定 负荷计数器清零；

若上一时刻为变负荷状态(flag＝1)，则当(a)、(b)、(c)三个条件均不满足时，稳定负 荷计数器记数增加1，否则稳定负荷计数器清零且flag置1；如果稳定负荷计数器中的 数值超过一定的阈值MW，则判断负荷已处于稳定负荷状态，将flag置0并将变负荷计 数器清零。

阈值TA，TB，TC分别根据历史运行数据中的稳定负荷与变负荷状态下的平均斜率 绝对值、极差、方差的统计值确定，MB、MW根据变负荷切换时间的历史统计特征加 以确定。

步骤3、在当前的负荷调度周期内，设置中调总负荷指令及负荷调度模式，实时优 化算法根据各台机组的煤耗特性曲线进行机组间负荷分配。

所述的多模式厂级负荷调度方法，包括简单经济负荷调度、允许启停经济负荷调度、 最速响应负荷调度、经济与快速多目标负荷调度4种模式；

所述4种负荷调度模式根据运行需要选择其中之一；

所述实时优化算法可以采用非线性优化方法，如单纯形算法，或启发式算法，如模 拟退火算法；

所述4种负荷调度模式下的最优化问题为：

(1)简单经济负荷调度

$\min F=\min \underset{i=1}{\overset{n}{\Sigma }}{F}_i=\min \underset{i=1}{\overset{n}{\Sigma }}{f}_i\left(P_i\right)$

$s.t.\left(\begin{array}{c}P=\underset{i=1}{\overset{n}{\Sigma }}{P}_i\\ P_i\in [P_{i\min },P_{i\max }]\end{array}\right)$

上式中，F_i为第i台机组的煤耗量；F为各台机组总煤耗量；P_i为分配到第i台机组 的负荷；n为厂内参与调度的机组总数；f_i为第i台机组的煤耗特性曲线；P为中调总 负荷指令；P_imin、P_imax为第i台机组允许的最小和最大负荷。

(2)允许启停经济负荷调度

$s.t.\left(\begin{array}{c}P=\underset{i=1}{\overset{n}{\Sigma }}{P}_i\\ P_i\in [P_{i\min },P_{i\max }]\end{array}\right)$

其中，$S_i=\left(\begin{array}{c}{A}_i,U_{i0}-U_i=1\\ 0,U_{i0}-U_i=0\\ B_i,U_{i0}-U_i=-1\end{array}\right),U_i=\left\{\mathrm{0,1}\right\},U_{i0}=\left\{\mathrm{0,1}\right\}$

上式中，U_i为第i台机组的启(以1表示)停(以0表示)状态；U_i0为上一个调度 周期第i台机组的启停状态；S_i为机组启动或停机耗费折算标准煤耗；A_i为机组停机耗 煤；B_i为机组启动耗煤；ΔT为调度周期；T_iqt为第i台机组的启停时间。

(3)最速响应负荷调度

minT＝min{max(T_i(P_i))}

$s.t.\left(\begin{array}{c}P=\underset{i=1}{\overset{n}{\Sigma }}{P}_i\\ P_i\in [P_{i\min },P_{i\max }]\\ V_{i\_\mathrm{up}}<V_{i\max \_\mathrm{up}}\\ V_{i\_\mathrm{down}}<V_{i\max \_\mathrm{down}}\end{array}\right)$

上式中，T为机组总负荷达到中调负荷指令的过渡用时；T_i为第i台机组达到负荷 P_i的过渡用时；V_{i_up}、V_{i_down}为第i台机组升、降负荷速率；V_{imax_up}、V_{imax_down}为第i台 机组升、降负荷速率的最大值。

(4)经济与快速多目标负荷调度

$\min G=\min \{\alpha ·W·\frac{\underset{i=1}{\overset{n}{\Sigma }}{F}_i\left(P_i\right)-F_{\min }}{F_{\min }}+(1-\alpha )·\frac{\max \left(T_i\left(P_i\right)\right)-T_{\min }}{T_{\min }}\}$

$s.t.\left(\begin{array}{c}P=\underset{i=1}{\overset{n}{\Sigma }}{P}_i\\ P_i\in [P_{i\min },P_{i\max }]\\ V_{i\_\mathrm{up}}<V_{i\max \_\mathrm{up}}\\ V_{i\_\mathrm{down}}<V_{i\max \_\mathrm{down}}\end{array}\right)$

上式中，G为经济与快速综合指标；F_min为简单经济负荷调度的煤耗量；T_min为最速 响应调度的煤耗量；α为经济与快速多目标权重系数；W为归一化因子，通过离线实验 确定。

与现有技术相比，本发明具有以下有益效果：

本发明实现了厂级负荷的多模式调度，充分利用了机组运行的DCS数据，滚动 更新各台机组的煤耗特性，可以及时反映机组的特性变化，同时多模式的负荷调度 方法为实际运行提供很大的选择性和灵活性。该发明具有成本低、计算速度快、适 应性强的特点，对燃煤电站的优化运行、节能减排具有重要现实意义。

附图说明

通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特 征、目的和优点将会变得更明显：

图1本发明一实施例多模式负荷调度流程示意图；

图2本发明一实施例在线更新煤耗特性曲线示意图；

图3本发明一实施例经济与快速多目标负荷调度模式不同α的煤耗与负荷过渡用 时。

具体实施方式

下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人 员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技 术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进。这些都属于 本发明的保护范围。

本实施例涉及某电厂4台328.5MW亚临界机组，提供一种基于煤耗特性曲线 在线滚动更新的多模式负荷调度方法，见图1，具体包括以下步骤：

步骤1、从厂内各台机组的DCS的实时数据库里读取给定时刻的运行工况实时数据， 包括工质侧、烟气侧全流程的温度、压力、流量以及机组功率测点。

步骤2、结合工质物性参数库、烟气物性参数库，以及全流程能量衡算模型，在线 更新每台机组的煤耗特性曲线；

所述工质物性参数库，是指根据水和水蒸气热力性质工业公式(IAPWS-IF97)开 发的具有可并行调用的、区域自动判别、批处理运算等特点的用于在线计算的工质物性 参数库，可参考文献：王旭辉，于彤，惠兆宇，袁景淇，用于火电全范围仿真的工质物 性参数数据库，控制工程，2011；18:131-133。

所述烟气物性参数库，是指通过烟气压力和温度实时数据在线计算空气的比热和密 度的物性数据库。可参考文献：蔡惟，于彤，惠兆宇，袁景淇，张锐峰，陈宇，火电锅 炉排烟热损失的在线估计，控制工程，2011；18:149-151。

所述的全流程能量衡算模型包括计算工质在水冷壁、各级过热器/再热器、省煤器中 的吸热量，金属壁蓄放热量，以及锅炉热损失；此部分可以采用发明专利《一种燃煤电 站入炉煤低位发热量的实时辨识方法(专利申请号201310697798.5)》中的技术实现。

所述的煤耗特性曲线表征机组负荷与标准煤耗量之间的关系，采用最小二乘方法对 负荷与煤耗量的关系进行二次多项式回归。

所述的在线更新机组的煤耗特性曲线的方法，流程图见图2，具体为：

建立平均煤耗矩阵A₁,…,A₁₀，每个矩阵维数均为20行2列。将负荷区间[160,328.5] 分成等长的10段，第i段对应矩阵A_i。矩阵A_i存放对应负荷范围内的20组平均煤耗点 (P,C)。A_i矩阵依次叠放组合构成200行2列的矩阵A。

建立瞬时煤耗矩阵B，行数可变，列数为2。用于记录在线运行时某一稳定负荷下 的瞬时煤耗点(P,C)。瞬时煤耗点的均值即为平均煤耗点。

在每一个时刻，首先判断当前时刻负荷P是否平稳：

若负荷平稳，则根据全流程能量衡算模型，计算当前时刻的入炉煤总能量输出Q， 进而得到标煤耗量C(标煤低位发热量29.3MJ/kg)，并存入矩阵B。

否则，若上一时刻负荷平稳，则说明负荷刚由平稳负荷状态切换至变负荷状态，对 矩阵B中的瞬时煤耗点中的元素P、C分别求均值得到平均煤耗点，并将该新的平均煤 耗点根据P的范围滚动存入对应的矩阵A_i，然后清空矩阵B，对A矩阵进行回归得到 新的煤耗特性曲线。

若上一时刻负荷不平稳，说明当前时刻仍处于变负荷状态，则不作任何修改。

所述的判断负荷平稳的方法，具体为：

用flag标记负荷状态，flag＝0表示平稳负荷,flag＝1表示变负荷；同时定义稳定负荷 计数器和变负荷计数器；在当前时刻，滚动更新由前N个时刻的负荷数据组成的负荷时 间序列P(1)，P(2),P(3)，…，P(N)。然后分别计算该向量的以下指标：平均斜率、极 差、方差。其中，平均斜率是指(N-1)个斜率的算术平均。(N-1)个斜率按如下方法计算： [P(N)-P(N-1)]/Δt,[P(N)-P(N-2)]/(2Δt),[P(N)-P(N-3)]/(3Δt),…,[P(N)-P(1)]/[(N-1)Δt]。

判断负荷状态的条件：

(a)平均斜率绝对值大于阈值TA；(b)极差大于阈值TB；(c)方差大于阈值TC。

所述负荷状态判断步骤：

根据上一个采样时刻的负荷状态和当前时刻的判断负荷状态条件，判断当前时刻的 负荷状态：

若上一时刻为稳定负荷状态(flag＝0)，则只要(a)、(b)、(c)三个条件中至少一个得到 满足，变负荷计数器记数增加1，否则变负荷计数器清零且flag置0；如果变负荷计数 器中的数值超过一定的阈值MB，则判断负荷已处于变负荷状态，将flag置1并将稳定 负荷计数器清零；

若上一时刻为变负荷状态(flag＝1)，则当(a)、(b)、(c)三个条件均不满足时，稳定负 荷计数器记数增加1，否则稳定负荷计数器清零且flag置1；如果稳定负荷计数器中的 数值超过一定的阈值MW，则判断负荷已处于稳定负荷状态，将flag置0并将变负荷计 数器清零。

阈值TA，TB，TC分别根据历史运行数据中的稳定负荷与变负荷状态下的平均斜率 绝对值、极差、方差的统计值确定，MB、MW根据历史运行数据中变负荷切换时间统 计值进行确定。

本实施例中，N＝24，Δt＝5，TA＝0.75，TB＝3，TC＝0.6，MB＝12，MW＝120。当然， 在其他实施例中也可以根据实际需要采用其他数值。

步骤3、设置中调总负荷指令及负荷调度模式，实时优化算法根据各台机组的煤耗 特性曲线进行机组间负荷分配。

所述实时优化算法采用单纯形算法；

所述的多模式厂级负荷调度方法，包括简单经济负荷调度、允许启停经济负荷调度、 最速响应负荷调度、经济与快速多目标负荷调度4种模式；

所述4种负荷调度模式由运行人员根据运行需要选择其中之一；

设在某调度周期时刻，四台机组的煤耗特性曲线为：

F₁＝5.8×10^-4P²+4.89×10^-3P+67.81

F₂＝4.3×10^-4P²+1.95×10^-1P+40.62

F₃＝4.1×10^-4P²+2.29×10^-1P+47.31

F₄＝1.0×10^-3P²-6.56×10^-2P+84.02

且P_imin＝160MW，P_imax＝328.5MW，V_{imax_up}＝5MW/min、V_{imax_down}＝3MW/min.

所述4种负荷调度模式下的最优化问题为：

(1)简单经济负荷调度

$\min F=\min \underset{i=1}{\overset{n}{\Sigma }}{F}_i=\min \underset{i=1}{\overset{n}{\Sigma }}{f}_i\left(P_i\right)$

$s.t.\left(\begin{array}{c}P=\underset{i=1}{\overset{n}{\Sigma }}{P}_i\\ P_i\in [P_{i\min },P_{i\max }]\end{array}\right)$

上式中，F_i为第i台机组的煤耗量；F为各台机组总煤耗量；P_i为分配到第i台机组 的负荷；n为厂内参与调度的机组总数；f_i为第i台机组的煤耗特性曲线；P为中调总 负荷指令；P_imin、P_imax为第i台机组允许的最小和最大负荷。

表1简单经济负荷调度结果

^*用P_i组成的4维向量表示分配结果，下同

(2)允许启停经济负荷调度

$s.t.\left(\begin{array}{c}P=\underset{i=1}{\overset{n}{\Sigma }}{P}_i\\ P_i\in [P_{i\min },P_{i\max }]\end{array}\right)$

其中，$S_i=\left(\begin{array}{c}{A}_i,U_{i0}-U_i=1\\ 0,U_{i0}-U_i=0\\ B_i,U_{i0}-U_i=-1\end{array}\right),U_i=\left\{\mathrm{0,1}\right\},U_{i0}=\left\{\mathrm{0,1}\right\}$

上式中，U_i为第i台机组的启(以1表示)停(以0表示)状态；U_i0为上一个调度 周期第i台机组的启停状态；S_i为机组启动或停机耗费折算标准煤耗；A_i为机组停机耗 煤；B_i为机组启动耗煤；ΔT为调度周期，取2h；T_iqt为第i台机组的启停时间，取0.5h。

表2允许启停的经济负荷调度结果^*

^*机组启动折算耗煤71.4t，机组停机折算耗煤42.8t

(3)最速响应负荷调度

minT＝min{max(T_i(P_i))}

$s.t.\left(\begin{array}{c}P=\underset{i=1}{\overset{n}{\Sigma }}{P}_i\\ P_i\in [P_{i\min },P_{i\max }]\\ V_{i\_\mathrm{up}}<V_{i\max \_\mathrm{up}}\\ V_{i\_\mathrm{down}}<V_{i\max \_\mathrm{down}}\end{array}\right)$

上式中，T为机组总负荷达到中调负荷指令的过渡用时；T_i为第i台机组达到负荷 P_i的过渡用时；V_{i_up}、V_{i_down}为第i台机组升、降负荷速率；V_{imax_up}、V_{imax_down}为第i台 机组升、降负荷速率的最大值。

表3最速响应的负荷调度结果^*

^*上一个调度周期的总负荷指令为P0＝800MW，各机组负荷分配为 [285,160,160,195]，本调度周期的总负荷指令P＝1000MW

(4)经济与快速多目标负荷调度

$\min G=\min \{\alpha ·W·\frac{\underset{i=1}{\overset{n}{\Sigma }}{F}_i\left(P_i\right)-F_{\min }}{F_{\min }}+(1-\alpha )·\frac{\max \left(T_i\left(P_i\right)\right)-T_{\min }}{T_{\min }}\}$

$s.t.\left(\begin{array}{c}P=\underset{i=1}{\overset{n}{\Sigma }}{P}_i\\ P_i\in [P_{i\min },P_{i\max }]\\ V_{i\_\mathrm{up}}<V_{i\max \_\mathrm{up}}\\ V_{i\_\mathrm{down}}<V_{i\max \_\mathrm{down}}\end{array}\right)$

上式中，G为经济与快速综合指标；F_min为简单经济负荷调度的煤耗量；T_min为最速 响应调度的煤耗量；α为经济与快速多目标权重系数；W为归一化因子，通过离线实验 确定。

表4经济与快速多目标负荷调度结果^*

^*上一个调度周期的总负荷指令为P0＝800MW，各机组负荷分配为[285,160,160,195]， 本调度周期的总负荷指令P＝1000MW，W＝500

本实施例中，选择α＝0.5，则调度结果为[328.5,223.6,216.2,231.6]。

本发明利用了机组运行的DCS数据，滚动更新各台机组的煤耗特性，及时反映 机组的特性变化，同时多模式的负荷调度方法为实际运行提供很大的选择性和灵活 性。该发明具有成本低、计算速度快、适应性强的特点，对燃煤电站的优化运行、节 能减排具有重要现实意义。

以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上 述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变形或修改， 这并不影响本发明的实质内容。