基于煤质特性的度电燃煤成本计算及配煤优化方法及系统技术方案

本发明专利技术公开了基于煤质特性的度电燃煤成本计算及配煤优化方法，包括：采集燃煤电厂历史的混煤掺烧煤质数据及SIS系统中的供电煤耗数据并进行归一化处理；基于PSO

【技术实现步骤摘要】
基于煤质特性的度电燃煤成本计算及配煤优化方法及系统


[0001]本专利技术涉及燃煤电厂配煤掺烧燃煤成本优化的
，尤其涉及基于煤质特性的度电燃煤成本计算及配煤优化方法及系统。

技术介绍

[0002]随着火力发电技术的发展以及电煤价格双轨制取消以及供给侧结构性改革引起电煤市场波动性增强，国家这些年也实施发电企业竞价上网的策略。在这样的大环境下，这就要求电厂对电厂的性能及燃料成本有清晰的了解，及时准确的掌握当前的度电燃煤成本、采用配煤掺烧的方式降低发电成本可以大幅提升电厂竞价上网的竞争力。
[0003]燃煤成本在发电成本中占大比重，同样也是发电变动成本的重要构成要素，及时准确的掌握度电燃煤成本对于发电企业竞价上网的报价决策具有重要意义。但是因为受限于供电煤耗计算的滞后性，无法实时得到燃用该混煤的供电煤耗，所以通常只能将混煤价格最低作为配煤优化的目标函数，但这并不能保证电厂降本增效。因此本专利技术专利采集某600MW电厂历史数据，运用PSO
‑
SVM建立了煤质与供电煤耗的软测量模型，然后实时读取SIS系统混煤比例及价格计算度电燃煤成本，并在此基础上以煤质指标为约束条件,以度电燃煤成本及环保性要求为目标函数建立了配煤优化模型。该模型可以帮助电厂快速获取燃用或掺烧某种煤的度电燃煤成本，为电厂的竞价上网和配煤优化提供指导。

技术实现思路

[0004]本部分的目的在于概述本专利技术的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和专利技术名称中可能会做些简化或省略以避免使本部分、说明书摘要和专利技术名称的目的模糊，而这种简化或省略不能用于限制本专利技术的范围。
[0005]鉴于上述现有存在的问题，提出了本专利技术。
[0006]因此，本专利技术目的是提供基于煤质特性的度电燃煤成本计算及配煤优化方法。
[0007]为解决上述技术问题，本专利技术提供如下技术方案：
[0008]第一方面，本专利技术实施例提供了基于煤质特性的度电燃煤成本计算及配煤优化方法，包括：
[0009]采集燃煤电厂历史的混煤掺烧煤质数据及SIS系统中的供电煤耗数据并进行归一化处理；
[0010]基于PSO
‑
SVM建立煤质特性与供电煤耗的软测量模型，并通过归一化处理后的数据训练所述软测量模型，以减少迭代时间，保证算法的高效性以及提高预测精度；
[0011]根据所述供电煤耗软测量模型以及SIS系统的入炉煤种信息计算度电燃煤成本；
[0012]基于NSGA
‑Ⅱ
算法以所述度电燃煤成本为经济性目标，以及以混煤煤质确定的环保性目标函数为环保性优化目标，建立配煤方案优化模型，优化当前配煤方案并输出最优的混煤比例及煤质特性。
[0013]作为本专利技术所述的基于煤质特性的度电燃煤成本计算及配煤优化方法，其中：所
述燃煤电厂历史的混煤掺烧煤质数据包括发热量、硫分、灰分、灰熔点、挥发分、水分及对应的供电煤耗数据。
[0014]作为本专利技术所述的基于煤质特性的度电燃煤成本计算及配煤优化方法，其中：所述归一化处理包括，
[0015]设M为所有煤质数据和供电煤耗数据的原始数据集,归一化方法如下:
[0016][0017]其中，x＝1，2，...n为样本总个数，y＝1，2，...，10，M
xy
为数据x的第y个参数的原始数值，M
xy
'为M
xy
归一化后的数值，M
y
‑
min
和M
y
‑
max
分别为原始数据集中第y个参数的最小值和最大值。
[0018]作为本专利技术所述的基于煤质特性的度电燃煤成本计算及配煤优化方法，其中：基于PSO
‑
SVM建立煤质特性与供电煤耗的软测量模型包括，
[0019]所述PSO
‑
SVM流程如下：
[0020]优化SVM的惩罚因子c和核函数参数g，初始化粒子群规模，设定算法的权重因子，终止条件和初始粒子编码；
[0021]将每个粒子的个体极值设置为当前位置，利用适应度函数计算每个粒子的适应度值，取适应度好对应的个体极值作为最初的全局极值；
[0022]按照粒子的位置和速度更新公式进行迭代计算，更新粒子的位置X
i
和速度V
i
；
[0023]按照粒子的适应度函数计算每次迭代后每个粒子的适应度值，将每个粒子的适应度值与其个体极值的适应度值作比较：
[0024]若每个粒子的适应度值优于其个体极值的适应度值，则更新个体极值；
[0025]若每个粒子的适应度值未优于其个体极值的适应度值，则保留原值；
[0026]将更新后的每个粒子的个体极值与全局极值比较：
[0027]若更新后的每个粒子的个体极值优于全局极值，则更新全局极值；
[0028]若更新后的每个粒子的个体极值未优于全局极值，则保留原值；
[0029]上述更新迭代至满足终止条件，达到最大迭代次数，得到使得预测模型最佳的参数组合。
[0030]作为本专利技术所述的基于煤质特性的度电燃煤成本计算及配煤优化方法，其中：根据所述供电煤耗的软测量模型以及SIS系统的入炉煤种信息计算度电燃煤成本包括，
[0031]所述入炉煤种信息包括实时价格和比例信息；
[0032]所述度电燃煤成本计算如下：
[0033]设定有N种煤参与掺配,第i(i＝1,2,
…
,N)种煤的价格为C
i
，掺配比例为X
i
(％),供电原煤耗为B
i
，则燃用第i种煤的供电煤耗成本C
bi
为：
[0034][0035]则混煤的度电燃煤成本C
b
为：
[0036][0037]作为本专利技术所述的基于煤质特性的度电燃煤成本计算及配煤优化方法，其中：以
度电燃煤成本为经济性目标包括，
[0038]最小度电燃煤成本如下：
[0039][0040]其中，C
bi
为燃用第i种煤的供电煤耗，X
i
为第i种煤的比例，C
b
为度电燃煤成本。
[0041]作为本专利技术所述的基于煤质特性的度电燃煤成本计算及配煤优化方法，其中：以混煤煤质确定的环保性目标函数为环保性优化目标如下：
[0042][0043]其中，F
h
为的环保性目标函数，η和λ为环保型系数，S
p
为混煤硫分，S
min
和S
max
为混煤硫分最小值和最大值，V
p
为混煤的挥发分，V
ad
为设计煤种挥发分，A
p
为混煤灰分，A
max
和A
min
分别是灰分最大值和最小值。
[0044]第二方面，本专利技术本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于煤质特性的度电燃煤成本计算及配煤优化方法，其特征在于：包括，采集燃煤电厂历史的混煤掺烧煤质数据及SIS系统中的供电煤耗数据并进行归一化处理；基于PSO
‑
SVM建立煤质特性与供电煤耗的软测量模型，并通过归一化处理后的数据训练所述软测量模型，以减少迭代时间，保证算法的高效性以及提高预测精度；根据所述供电煤耗软测量模型以及SIS系统的入炉煤种信息计算度电燃煤成本；基于NSGA
‑Ⅱ
算法以所述度电燃煤成本为经济性目标，以及以混煤煤质确定的环保性目标函数为环保性优化目标，建立配煤方案优化模型，优化当前配煤方案并输出最优的混煤比例及煤质特性。2.如权利要求1所述的基于煤质特性的度电燃煤成本计算及配煤优化方法，其特征在于：所述燃煤电厂历史的混煤掺烧煤质数据包括发热量、硫分、灰分、灰熔点、挥发分、水分及对应的供电煤耗数据。3.如权利要求2所述的基于煤质特性的度电燃煤成本计算及配煤优化方法，其特征在于：所述归一化处理包括，设M为所有煤质数据和供电煤耗数据的原始数据集,归一化方法如下:其中，x＝1，2，...n为样本总个数，y＝1，2，...，10，M
xy
为数据x的第y个参数的原始数值，M
xy
'为M
xy
归一化后的数值，M
y
‑
min
和M
y
‑
max
分别为原始数据集中第y个参数的最小值和最大值。4.如权利要求3所述的基于煤质特性的度电燃煤成本计算及配煤优化方法，其特征在于：基于PSO
‑
SVM建立煤质特性与供电煤耗的软测量模型包括，所述PSO
‑
SVM流程如下：优化SVM的惩罚因子c和核函数参数g，初始化粒子群规模，设定算法的权重因子，终止条件和初始粒子编码；将每个粒子的个体极值设置为当前位置，利用适应度函数计算每个粒子的适应度值，取适应度好对应的个体极值作为最初的全局极值；按照粒子的位置和速度更新公式进行迭代计算，更新粒子的位置X
i
和速度V
i
；按照粒子的适应度函数计算每次迭代后每个粒子的适应度值，将每个粒子的适应度值与其个体极值的适应度值作比较：若每个粒子的适应度值优于其个体极值的适应度值，则更新个体极值；若每个粒子的适应度值未优于其个体极值的适应度值，则保留原值；将更新后的每个粒子的个体极值与全局极值比较：若更新后的每个粒子的个体极值优于全局极值，则更新全局极值；若更新后的每个粒子的个体极值未优于全局极值，则保留原值；上述更新迭代至满足终止条件，达到最大迭代次数，得到使得预测模型最佳的参数组合。5.如权利要求4所述的基于煤质特性的度电燃煤成本计算及配煤优化方法，其特征在
于：...

【专利技术属性】
技术研发人员：陈思勤，赵钊，王学海，张闻中，谈俊杰，张辉，曹阳，茅大钧，
申请(专利权)人：上海电力大学，
类型：发明
国别省市：