一种火电厂动力煤多目标配煤优化方法技术

本发明专利技术公开了一种火电厂动力煤多目标配煤优化方法，包括下述步骤：步骤一、确定当前机组可用的煤种，并采集各煤种的收到基工业成分含量，包括全水分M

【技术实现步骤摘要】
一种火电厂动力煤多目标配煤优化方法


[0001]本专利技术涉及火电厂配煤优化
，具体涉及一种火电厂动力煤多目标配煤优化方法。

技术介绍

[0002]电厂实际运行时，所烧煤种偏离设计煤种，实际所用煤种混杂，需要配煤掺烧以提高锅炉安全性和经济性，目前电厂配煤比例大多数根据经验确定，显然不能满足通过配煤掺烧降低发电成本的需求。
[0003]目前也有一些优化配煤方法，都是在一定约束条件下以混煤价格最低为目标的单目标优化方法。混煤含硫量对机组脱硫系统运行有较大影响，是必须的优化约束条件之一，而煤的含硫量对煤价有很大影响。由于动力煤市场价格因素的影响，实际应用中有时会出现如下两种应用场景：一、适当提高混煤含硫量，可大幅降低混煤价格；二、较大幅度地减小混煤含硫量，混煤价格变化不大。这两种应用场景都可有效降低发电成本，但这些单目标优化方法很难提供足够的信息发现这两种应用场景，从而不能有效降低发电成本。

技术实现思路

[0004]本专利技术的目的在于克服现有技术的缺陷，提供一种火电厂动力煤多目标配煤优化方法，以解决上述
技术介绍
中提出的问题。
[0005]一种火电厂动力煤多目标配煤优化方法，包括下述步骤：
[0006]步骤一、确定当前机组可用的煤种，并采集各煤种的收到基工业成分含量，包括全水分M
i
(％)、灰分A
i
(％)、挥发分V
i
(％)、固定碳FC
i
(％)、硫分S
i
、低位发热量Q
i<br/>(KJ/Kg)，以及各煤种的价格P
i
(元/吨)；
[0007]步骤二、以煤种编号Ind
j
及编号为Ind
j
煤种的配煤比例为优化变量，构成遗传算法种群个体向量，以混煤价格P和含硫量S最小为优化目标，采用多目标非支配快速排序遗传算法(NSGA
‑
II)，对煤种编号Ind
j
及编号为Ind
j
煤种的配煤比例x
Indj
进行优化，Ind
j
∈{1,2,...,M}，j＝1,2,3
···
,N，优化过程中，混煤价格P和含硫量S按如下方法计算：各煤种配煤比例满足且则
[0008][0009][0010]否则，
[0011][0012]步骤三、以步骤二优化获得的遗传算法种群中各个体作为优化解集Ω，该解集对应的帕累托前沿记为Ψ，计算解集Ω中每一个解对应的配煤热值Q、挥发份V和燃烧特征参数F：
[0013][0014][0015][0016]步骤四、在解集Ω中选择满足如下条件的解构成解集Ω1：
[0017]Q
min
≤Q≤Q
max
，V
min
≤V≤V
max
，F≤c，并同时得到与Ω1对应的帕累托前沿Ψ1；
[0018]步骤五、根据Ψ1中不同配煤硫分值对应的配煤价格信息，结合机组脱硫系统运行状况，确定混煤硫分目标值S0；
[0019]步骤六、选择Ψ1中与S0最接近的值所对应的Ω1中的解作为最终的配煤优化解，该解中的配煤煤种编号Ind
j
及其比例即为多目标配煤优化结果。
[0020]优选地，所述步骤一中的i为煤种编号，i＝1,2,3
···
,M，其中M为煤种的个数。
[0021]优选地，所述步骤二中的N为参与配煤的煤种个数，N≤M，N取2
‑
4，
[0022]优选地，所述步骤二中的A和B为正实数。
[0023]优选地，所述步骤三中的max、min为取大、取小运算。
[0024]优选地，所述步骤三中的F
max
、F
min
为参与配煤煤种的最大、最小燃料比。
[0025]优选地，所述步骤四中的Q
min
、Q
max
为低位发热量的最小、最大限值。
[0026]优选地，所述步骤四中的V
min
、V
max
为挥发份的最小、最大限值。
[0027]优选地，所述步骤四中的c为正实数，取5.71。
[0028]有益效果：该火电厂动力煤多目标配煤优化方法，提供不同含硫量下的混煤价格信息，基于该信息运行人员可结合机组脱硫系统运行状况，综合确定混煤的含硫量，提高了配煤决策的灵活性，以保证锅炉脱硫系统运行安全，并降低发电成本。
附图说明
[0029]图1为本专利技术帕累托前沿Ψ1曲线示意图。
具体实施方式
[0030]为了更好的说明本专利技术公开的技术方案，下面结合具体实施案例做进一步的阐
述。
[0031]以某电厂2
×
600MW火力发电厂为对象，对配煤方案进行优化，实施例一，如图1所示，一种火电厂动力煤多目标配煤优化方法，包括下述步骤：
[0032]步骤一、确定当前机组可用的煤种，并采集各煤种的收到基工业成分含量，包括全水分M
i
(％)、灰分A
i
(％)、挥发分V
i
(％)、固定碳FC
i
(％)、硫分S
i
、低位发热量Q
i
(KJ/Kg)，以及各煤种的价格P
i
(元/吨)，i为煤种编号，i＝1,2,3
···
,M，M为煤种的个数；
[0033]应用中，以电厂某天的煤场8个煤种作为参与配煤的煤种，M＝8，数据如表1；
[0034]表1电厂煤种工业成分及价格
[0035][0036]步骤二、选择2个煤种参与配煤，N＝2，以煤种编号Ind
j
及编号为Ind
j
煤种的配煤比例为优化变量，j＝1,2，构成遗传算法种群个体向量，以混煤价格P和含硫量S最小为优化目标，采用多目标非支配快速排序遗传算法(NSGA
‑
II)，对煤种编号Ind
j
及编号为Ind
j
煤种的配煤比例进行优化，优化过程中，混煤价格P和含硫量S按如下方法计算：各煤种配煤比例满足且则
[0037][0038][0039]否则，
[0040]设置A＝B＝99999.0，种群个体数为100；
[0041]步骤三、以步骤二优化获得的遗传算法种群中100个个体作为优化解集Ω，该解集对应的帕累托前沿记为Ψ，计算解集Ω中每一个解对应的混煤热值Q、挥发份V和燃烧特征参数F：
[0042][0043][0044][0045]其中max、min为取大、取小运算，F
max
、F
min
为参与配煤煤种的最大、最小燃料比；
[0046]步骤四、在解集Ω中选择满足如下条件的解构成解集Ω1：
[0047]Q
min
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种火电厂动力煤多目标配煤优化方法，其特征在于，包括下述步骤：步骤一、确定当前机组可用的煤种，并采集各煤种的收到基工业成分含量，包括全水分M
i
(％)、灰分A
i
(％)、挥发分V
i
(％)、固定碳FC
i
(％)、硫分S
i
、低位发热量Q
i
(KJ/Kg)，以及各煤种的价格P
i
(元/吨)；步骤二、以煤种编号Ind
j
及编号为Ind
j
煤种的配煤比例为优化变量，构成遗传算法种群个体向量，以混煤价格P和含硫量S最小为优化目标，采用多目标非支配快速排序遗传算法(NSGA
‑
II)，对煤种编号Ind
j
及编号为Ind
j
煤种的配煤比例进行优化，Ind
j
∈{1,2,...,M}，j＝1,2,3
···
,N，优化过程中，混煤价格P和含硫量S按如下方法计算：各煤种配煤比例满足且则则否则，步骤三、以步骤二优化获得的遗传算法种群中各个体作为优化解集Ω，该解集对应的帕累托前沿记为Ψ，计算解集Ω中每一个解对应的配煤热值Q、挥发份V和燃烧特征参数F：帕累托前沿记为Ψ，计算解集Ω中每一个解对应的配煤热值Q、挥发份V和燃烧特征参数F：帕累托前沿记为Ψ，计算解集Ω中每一个解对应的配煤热值Q、挥发份V和燃烧特征参数F：步骤四、在解集Ω中选择满足如下条件的解构成解集Ω1：Q
min
≤Q≤Q
max
，V
min
≤V≤V
max

【专利技术属性】
技术研发人员：朱能飞，王凤蛟，徐力刚，刘潇，葛举生，郁强，刘文平，雎刚，王厚军，苑景丰，张东华，
申请(专利权)人：南京昆岳智能电力科技有限公司安徽华电芜湖发电有限公司，
类型：发明
国别省市：