基于多目标智能优化的热电联产机组负荷经济分配方法组成比例

本发明专利技术公开了基于多目标智能优化的热电联产机组负荷经济分配方法。步骤1：对热电联产机组的能耗成本影响决策进行系统分析；步骤2：基于步骤1的系统分析确定目标函数；步骤3：确认机组发电负荷及发热负荷约束条件；步骤4：根据步骤3的约束条件利用采用模拟退火粒子群算法对的约束条件进行解算；步骤5：基于步骤4的解算结果进行热电联产机组的负荷经济分配。本发明专利技术用以解决在构建热电联产机组的数学模型时，要么是未能充分考虑机组所有的自变量和约束条件，要么没能兼顾总成本最小和污染物最小的目标的问题。的目标的问题。的目标的问题。

【技术实现步骤摘要】
基于多目标智能优化的热电联产机组负荷经济分配方法


[0001]本专利技术属于热电联产机组
；具体涉及一种基于多目标智能优化的热电联产机组负荷经济分配方法。

技术介绍

[0002]出于能源结构调整和环境保护的需要，热电联产机组在能源供应方面发挥越来越重要的作用。热电联产机组对于生产完电能的蒸汽不进行冷却，而是用于向用户供热，这样不仅节约了能源，还增加了经济效益。另外，热电联产机组使用的是高压锅炉或超高压锅炉，可以在炉内进行脱硫除硝处理，减少了污染物排放。
[0003]现有技术在构建热电联产机组的数学模型时，要么是未能充分考虑机组所有的自变量和约束条件，要么没能兼顾总成本最小和污染物最小的目标。在对模型进行优化时，要么求解的精度不够高，要么找到的解很容易陷入局部最优解。

技术实现思路

[0004]本专利技术提供了一种基于多目标智能优化的热电联产机组负荷经济分配方法，用以解决在构建热电联产机组的数学模型时，要么是未能充分考虑机组所有的自变量和约束条件，要么没能兼顾总成本最小和污染物最小的目标的问题。
[0005]本专利技术通过以下技术方案实现：
[0006]基于多目标智能优化的热电联产机组负荷经济分配方法，所述热电联产机组负荷经济分配方法包括以下步骤：
[0007]步骤1：对热电联产机组的能耗成本影响决策进行系统分析；
[0008]步骤2：基于步骤1的系统分析确定目标函数；
[0009]步骤3：确认机组发电负荷及发热负荷约束条件；
[0010]步骤4：根据步骤3的约束条件利用采用模拟退火粒子群算法对的约束条件进行解算；
[0011]步骤5：基于步骤4的解算结果进行热电联产机组的负荷经济分配。
[0012]进一步的，所述步骤1的系统分析具体为，研究机组主设备、系统、运行、燃料和环境的因素变化对机组经济性的影响，深入分析各因素对供电煤耗率目标值的影响；
[0013]所述影响因素具体包括主设备与主要辅助设备设计性能、主设备与主要辅助设备运行性能、机组老化程度、燃料性能变化、机组主要运行参数、机组起停过程、环境温度、其它运行与设备因素；
[0014]分析影响机组煤耗及经济性指标的各种因素，对各种因素引起的能耗差异进行定量化分析，确定总能耗与发电功率和机组供热能力之间的关系。
[0015]进一步的，所述步骤2中确定目标函数具体为，首先确定标准总煤耗，热电联产机组的煤耗量主要分为供热煤耗和发电煤耗，当机组发电时需要的煤耗量b
P
()表示为，
[0016]b
Pi
(P
i
)＝λ1P
i
+λ2D
h1
(i)+λ3D
h2
(i)+λ4P
i2
+λ5D
h1
(i)2+λ6D
h2
(i)2+λ7ꢀꢀꢀꢀ
(1)
[0017]其中，λ
j
，j＝1,2,.....,7是机组进行发电时所需的系数，D
h
为总供热负荷，P为发电负荷；
[0018]机组供热时需要的煤耗量b
D
()表示为，
[0019]b
Di
(D
h
)＝χ1P
i
+χ2D
h1
(i)+χ3D
h2
(i)+χ4P
i2
+χ5D
h1
(i)2+χ6D
h2
(i)2+χ7ꢀꢀꢀꢀ
(2)
[0020]其中，χ
j
，j＝1,2,.....,7是机组进行供热时所需的系数；
[0021]机组发电与供热的总煤耗量B
i
()表示为，
[0022]B
i
(P,D
h
)＝b
p
×
P
i
/103+b
D
×
D
h
(i)
×
H(i)106ꢀꢀꢀꢀ
(3)
[0023]其中，H()为抽汽焓值，P为发电负荷；
[0024]综上，标准总煤耗最低的函数为，
[0025][0026]进一步的，其次确定污染物排放量；
[0027]计算机组排放污染物的函数f
i
()表示为，
[0028]f
i
(P,D
h
)＝γ1P
i
+γ2D
h1
(i)+γ3D
h2
(i)+γ4P
i2
+γ5D
h1
(i)2+γ6D
h2
(i)2+γ7ꢀꢀꢀ
(5)
[0029]其中，γ
j
，j＝1,2,......,7是机组排放污染物时的机组特性系数；
[0030]所以污染物排放量最低的目标函数为，
[0031][0032]进一步的，电负荷调整时间是根据收到电网指令之后的调节时间，其目标函数为：
[0033]T(P
i
)＝maxt
i
(P
i
)
ꢀꢀꢀ
(7)
[0034]其中，t
i
(P
i
)是指第i台机组完成电荷P
i
所需要的时间，min，t
i
(P
i
)＝|P
i
‑
P
now,i
|/v
i
；P
now,i
是第i台机组当前承担的负荷，MW；v
i
为机组中电负荷移动的速率，MW/min；
[0035]在计算综合经济成本时，要考虑标准总煤耗、污染物排放量以及电负荷调整时间，并根据重要程度给予不同的权重进行计算；综合经济成本目标函数为：
[0036][0037]其中，M为综合经济成本，元/h；η1、η2、η3代表式(4)(6)(7)的重要程度的权重，M
c
为标准煤单价，元/t，本专利技术中煤的单价定为900元/t；M
n
为减排治理费用，元/t，M
ad
为负荷调整时间经济效益系数，按照电力调度机制及机组效益考核取值，元/min。
[0038]进一步的，所述步骤2的约束条件具体为，
[0039]机组的发电功率需要保持平衡：
[0040][0041]中压供热和低压供热也要保持平衡，即：
[0042][0043][0044]发电功率的区间：
[0045]P
min
≤P≤P
max (11)
[0046]中低压供热上、下限的区别
[0047][0048]其中D
h1min
、D
h1max
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于多目标智能优化的热电联产机组负荷经济分配方法，其特征在于，所述热电联产机组负荷经济分配方法包括以下步骤：步骤1：对热电联产机组的能耗成本影响决策进行系统分析；步骤2：基于步骤1的系统分析确定目标函数。步骤3：确认机组发电负荷及发热负荷约束条件；步骤4：根据步骤3的约束条件利用采用模拟退火粒子群算法对的约束条件进行解算；步骤5：基于步骤4的解算结果进行热电联产机组的负荷经济分配。2.根据权利要求1所述基于多目标智能优化的热电联产机组负荷经济分配方法，其特征在于，所述步骤1的系统分析具体为，研究机组主设备、系统、运行、燃料和环境的因素变化对机组经济性的影响，深入分析各因素对供电煤耗率目标值的影响；所述影响因素具体包括主设备与主要辅助设备设计性能、主设备与主要辅助设备运行性能、机组老化程度、燃料性能变化、机组主要运行参数、机组起停过程、环境温度、其它运行与设备因素；分析影响机组煤耗及经济性指标的各种因素，对各种因素引起的能耗差异进行定量化分析，确定总能耗与发电功率和机组供热能力之间的关系。3.根据权利要求1所述基于多目标智能优化的热电联产机组负荷经济分配方法，其特征在于，所述步骤2中确定目标函数具体为，首先确定标准总煤耗，热电联产机组的煤耗量主要分为供热煤耗和发电煤耗，当机组发电时需要的煤耗量b
P
( )表示为，b
Pi
(P
i
)＝λ1P
i
+λ2D
h1
(i)+λ3D
h2
(i)+λ4P
i2
+λ5D
h1
(i)2+λ6D
h2
(i)2+λ7ꢀꢀꢀ
(1)其中，λ
j
，j＝1,2,.....,7是机组进行发电时所需的系数，D
h
为总供热负荷，P
i
为发电负荷；机组供热时需要的煤耗量b
D
( )表示为，b
Di
(D
h
)＝χ1P
i
+χ2D
h1
(i)+χ3D
h2
(i)+χ4P
i2
+χ5D
h1
(i)2+χ6D
h2
(i)2+χ7ꢀꢀꢀ
(2)其中，χ
j
，j＝1,2,.....,7是机组进行供热时所需的系数；机组发电与供热的总煤耗量B
i
( )表示为，B
i
(P,D
h
)＝b
p
×
P
i
/103+b
D
×
D
h
(i)
×
H(i)/106ꢀꢀꢀ
(3)其中，H( )为抽汽焓值；综上，标准总煤耗最低的函数为，4.根据权利要求3所述基于多目标智能优化的热电联产机组负荷经济分配方法，其特征在于，其次确定污染物排放量；计算机组排放污染物的函数f
i
( )表示为，f
i
(P,D
h
)＝γ1P
i
+γ2D
h1
(i)+γ3D
h2
(i)+γ4P
i2
+γ5D
h1
(i)2+γ6D
h2
(i)2+γ7ꢀꢀꢀ
(5)其中，γ
j
，j＝1,2,......,7是机组排放污染物时的机组特性系数；所以污染物排放量最低的目标函数为，
5.根据权利要求4所述基于多目标智能优化的热电联产机组负荷经济分配方...

【专利技术属性】
技术研发人员：叶道正，李怡，伍华贵，郭伟康，周颖驰，连晖，
申请(专利权)人：福建省鸿山热电有限责任公司，
类型：发明
国别省市：