火电机组配煤掺烧优化方法及系统与流程

本发明涉及配煤掺烧，尤其涉及一种火电机组配煤掺烧优化方法及系统。

背景技术：

1、近几年，燃煤价格不断攀升，火电厂常常由于经营成本或者燃煤供应问题而常采用多种不同品质的煤种掺烧。煤种合理掺烧不仅有利于控制温室气体的排放，而且能有效降低运营成本。目前火电厂制定配煤掺烧方案仅基于历史经验，没有考虑不同煤种掺烧导致的碳排放成本和发电煤耗(即生产发电效率)的变化，导致掺烧生产经济性低、锅炉低效燃烧，不利于电厂生产的经济运行。同时，现有相关技术没有考虑配煤掺烧方案对的机组生产发电效率的发电煤耗的影响。例如，cn111062534b公开了一种配煤掺烧优化方法及装置，其提出的配煤掺烧优化方法仅优化掺烧方案的混煤的挥发分属性，不能降低用煤成本和生产发电效率；cn109404955b公开了一种减少锅炉结渣的配煤掺烧方法，其提出的技术方法仅能减少配煤掺烧方案的锅炉结渣量，不能降低发电煤耗；cn105117808b公开了一种配煤掺烧寻优方法，其提出的技术方案仅能降低配煤掺烧方案的用煤成本，没有考虑到不同掺烧方案对机组生产发电煤耗的影响。

2、因此，亟需一种更加科学、准确、可靠、全面的火电机组配煤掺烧优化方法及系统指导电厂进行燃煤掺烧，提高生产发电运行效率，降低运行成本，实现经济效益最优。

技术实现思路

1、本发明旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本发明的一个目的在于提出一种火电机组配煤掺烧优化方法及系统，降低火力发电厂机组生产发电运行的发电煤耗，降低满足发电需求所需的用煤成本，减少碳排放量。

2、根据本发明提出的一种火电机组配煤掺烧优化方法，所述方法步骤如下：

3、s1：获取煤场存煤基础数据，建立存煤数据库；

4、s2：应用步骤s1中得到的存煤数据库，计算存煤数据库中每个煤种的煤耗修正系数；

5、s3：采集电网下发的调度曲线获取发电需求数据；

6、s4：采集碳交易价格信息，对碳交易价格进行统计分析，计算未来碳交易价格；

7、s5：根据发电需求和火电机组特性，设定配煤掺烧优化算法的约束条件；

8、s6：建立发电煤耗预测模型；

9、s7：以发电煤耗为优化目标，建立煤种掺配遗传算法。

10、优选地，步骤s1中存煤基础数据包括：煤种、煤属性、库存量及煤种的元素分析和工业分析数据；

11、煤种的元素分析和工业分析数据包括：收到基含碳量car、收到基含硫量sar、收到基灰分aar、收到基水分mar、收到基挥发分var、干燥无灰基挥发分vdaf、收到基低位发热量qnet,ar和入场时间；

12、煤属性包括高热煤、低热煤、高硫煤、低灰熔点煤和低挥发分煤。

13、优选地，步骤s2中煤种的煤耗修正系数公式为：

14、煤耗修正系数＝1+(vdaf修正系数+var修正系数+sar修正系数

15、+mar修正系数-4)。

16、优选地，步骤s4中计算未来碳交易价格的方法步骤如下：

17、s41：对碳交易价格信息进行统计分析，训练碳交易平均价格lstm预测模型；

18、s42：根据电网下发的调度曲线的时间为基准，以过去两周的碳交易平均价格为特征，未来碳交易价格为目标，使用步骤s41中训练好的碳交易平均价格lstm预测模型预测未来碳交易价格。

19、优选地，步骤s5中设定配煤掺烧优化算法的约束条件的方法步骤如下：

20、由于考虑电厂大多采用炉内混烧的掺烧方式，所以这里优化求解的是每个参与混合的煤种的煤量。配煤掺烧实际过程中考虑到掺烧煤种越多，机组运行安全风险越高，所以根据电厂实际情况限定煤种数一般为三种或者四种，最多不超过煤仓数，以配煤煤种数为三为例，其他配煤煤种数的情况同理可得：

21、

22、式中：xi(i＝1,2,3)—分别表示原煤1、2、3的掺配量，单位为t；

23、car,i(i＝1,2,3)—分别表示原煤1、2、3的收到基含碳量，单位为％；

24、car,min—表示混煤的收到基含碳量最小值，单位为％；

25、car,max—表示混煤的收到基含碳量最大值，单位为％；

26、

27、式中：sar,i(i＝1,2,3)—分别表示原煤1、2、3的收到基含硫量，单位为％；sar,min—表示混煤的收到基含硫量最小值，单位为％；

28、sar,max—表示混煤的收到基含硫量最大值，单位为％；

29、

30、式中：aar,i(i＝1,2,3)—分别表示原煤1、2、3的收到基灰分含量，单位为％；aar,min—表示混煤的收到基灰分含量最小值，单位为％；

31、aar,max—表示混煤的收到基灰分含量最大值，单位为％；

32、

33、式中：mar,i(i＝1,2,3)—分别表示原煤1、2、3的收到基水分含量，单位为％；mar,min—表示混煤的收到基水分含量最小值，单位为％；

34、mar,max—表示混煤的收到基水分含量最大值，单位为％；

35、

36、式中：var,i(i＝1,2,3)—分别表示原煤1、2、3的收到基挥发分含量，单位为％；var,min—表示混煤的收到基挥发分含量最小值，单位为％；

37、var,max—表示混煤的收到基挥发分含量最大值，单位为％；

38、

39、式中：qnet,ar,i(i＝1,2,3)—分别表示原煤1、2、3的收到基低位发热量，单位为kj/kg；

40、rnet,ar,i(i＝1,2,3)—分别为步骤s2中确定的对应原煤1、2、3的发电煤耗修正系数；

41、q—表示满足电网调度曲线中负荷所需热值，单位为kj/kg；

42、限定使用煤种数小于设定的最大煤种数：

43、fi≤xi≤v×fi，f1+f2+f3≤3

44、式中：v—表示一个非常大的常数；

45、fi(i＝1,2,3)—分别表示原煤1、2、3是否使用标记，为0-1变量；

46、煤种使用量小于煤库存量：

47、0≤xi≤si

48、式中：si(i＝1,2,3)—分别表示原煤1、2、3在煤仓中的存量，单位为t。

49、除以上约束，还可根据电厂内部设定规则增加约束，如低灰熔点煤必须小于一定的量；可根据煤的入场时间，某些煤种必须掺配；根据燃煤电厂班次问题，第1-8、9-16、17-24时间段使用同样的配煤方案，增加每时间段内煤种一样的约束等。

50、优选地，步骤s6中建立以发电煤耗预测模型的方法步骤如下：

51、s61：构建随机森林回归模型；

52、s62：将负荷率、收到基含碳量、收到基含硫量、收到基灰分含量、收到基水分含量、收到基挥发分含量、收到基低位发热量、最高温度、最低温度和天气状况作为特征输入到步骤s61构建的随机森林回归模型中，以每日历史发电煤耗作为目标输出，对随机森林回归模型进行训练；

53、s63：经步骤s62训练好的随机森林回归模型作为发电煤耗预测模型。

54、优选地，步骤s7中建立煤种掺配遗传算法的方法步骤如下：

55、s71：设置遗传算法参数、编码方式、适应值计算方式；

56、其中遗传算法参数：种群大小n＝100、交叉概率pc＝0.9、变异概率pm＝0.2；编码方式为实数编码，即每个染色体对应一种配煤方式，染色体的每个基因代表配煤方案中每种煤的使用量xi；适应值计算方式为：

57、s711：对于每个染色体cri，根据每种煤的使用量xi(i＝1,2,3)，结合煤种的收到基含碳量、收到基含硫量、收到基灰分含量、收到基水分含量、收到基挥发分含量和收到基低位发热量，计算出用染色体的加权平均收到基含碳量收到基含硫量收到基灰分含量收到基水分含量收到基挥发分含量和收到基低位发热量

58、s712：根据配煤日期，提取当日的发电负荷率、最高温度、最低温度和天气状况；

59、s713：使用发电负荷率、最高温度、最低温度和天气状况组成特征数据，使用发电煤耗预测模型进行回归预测，得到染色体对应的发电煤耗，设置适应值fvi等于发电煤耗；

60、s714：逐一判断染色体cri的煤种使用量是否违反步骤s5中设定的配煤掺烧优化算法的约束条件，每违反一条约束，则设置fvi＝fvi+350，最终，得到染色体cri的适应值fvi；

61、s72：构建初始种群p0，设置iter＝0；

62、s721：初始种群p0的构建方式如下：

63、建立以最小化二氧化碳排放量为目标的数学模型，数学模型如下：

64、

65、s.t.

66、

67、

68、fi≤xi≤v×fi,f1+f2+f3≤3

69、0≤xi≤si

70、式中，δmix表示混煤的单位热值含碳量，ofmix表示混合煤氧化率；s.t.表示约束条件；

71、s722：对于每种煤，随机生成[1,1.2]范围内的小数ni，设置rnet,ar,i'＝rnet,ar,i*ni，将r'net,ar,i替换rnet,ar,i代入步骤s721构建的数学模型；

72、s723：求解步骤s722中数学模型，得到每种煤的使用量xi，构成一条染色体，加入到p0中；

73、s73：循环执行以下步骤，直到遗传算法运行时间达到预设时间后跳出循环；

74、s731：设置iter＝iter+1，

75、s732：计算piter-1中每个染色体cri的适应值fvi，选择fvi最小的染色体添加到piter中；

76、s733：当|piter|<n+1，循环执行以下步骤：

77、s7331：计算每个染色体被选择的概率

78、s7332：根据pi从piter-1中选择两个不同的染色体cri和crj；

79、s7333：随机生成一个[0,1]范围内的小数r，如果r≤pc，pc表示遗传算法中的交叉概率，对两个染色体执行线性交叉得到三个子染色体ch1、ch2和ch3，计算子染色体的适应值，选择适应值最小的两个子染色体chi、chj加入到piter中；否则，直接进入下一循环；

80、s734：对于piter中的每个染色体cri，执行以下步骤：随机生成一个[0,1]范围内的小数r，如果r≤pm，pm表示遗传算法中的变异概率，对此染色体执行非均匀变异得到新染色体cri'，并用cri'替换掉cri；否则，不对该染色体进行任何操作；

81、s74：计算piter中每个染色体cri的适应值fvi，选择fvi最小的染色体cr*为煤种掺配遗传算法的最终结果。

82、一种火电机组配煤掺烧优化系统，包含配煤掺烧优化方法，所述系统包括：

83、数据录入模块：用于录入煤种基础数据；煤种基础数据包括煤种、煤属性、煤库存及煤种的元素分析和工业分析数据，其中煤种的元素分析和工业分析数据包含收到基含碳量car、收到基含硫量sar、收到基灰分aar、收到基水分mar、收到基挥发分var、干燥无灰基挥发分vdaf、收到基低位发热量qnet,ar、库存量、入场时间；

84、数据采集通讯模块：用于获取电网调度曲线、碳交易价格信息、电厂每日发电量信息和来煤计划数据；

85、电网调度曲线用于生成电厂次日掺烧方案；

86、碳交易价格信息对碳交易价格信息进行统计分析，预测未来碳交易价格；

87、电厂每日发电量用于对电厂每日发电量历史数据进行统计分析，预测电厂未来周/旬/月的发电量；

88、来煤计划数据用于根据来煤情况和预测发电量需求，生成未来周/旬/月的掺烧方案；

89、约束条件配置模块：用于设置配煤掺烧优化算法的约束条件参数；

90、约束条件参数包括混煤的收到基含碳量、含硫量、水分、灰分、挥发分、低位发热量的上下限、掺烧煤种数和电厂其他内部约束；

91、优化求解模块：用于求解最优配煤掺烧方案，输出配煤掺烧方案预期发电煤耗和碳排放成本；

92、日掺烧方案显示模块：用于将最优掺烧方案和成本进行展示；

93、发电量预测模块：用于根据火电机组历史发电量预测未来发电量；

94、周掺烧方案显示模块：用于显示未来一周的发电量和每天的掺烧方案和掺烧成本；

95、月掺烧方案显示模块：用于显示未来一月的发电量和每天的掺烧方案和掺烧成本。

96、日/周/月掺烧方案的掺烧成本包括预测的发电煤耗和碳排放成本；

97、制定周/月掺烧方案的煤库存为考虑来煤计划的动态煤库存，即煤库存＝原始煤库存-使用量+来煤量；

98、周掺烧方案和月掺烧方案，根据煤场存煤情况，放大每个煤种的库存量，给出当前煤场库存的可掺烧方案，为火电厂燃料采购提供参考。

99、优选地，发电量预测模块中发电量预测方法步骤如下：

100、h1：根据历史发电量数据，利用lstm时间序列模型对机组发电量进行单变量时间序列预测，预测未来的发电量需求；

101、h2：利用火电机组实际生产计划对单变量时间序列预测结果进行修正；

102、h3：爬取历史天气数据，历史天气数据包括最低温度、最高温度、天气状况；

103、h4：利用随机森林回归算法，以单变量时间序列预测结果以及天气数据为自变量，实际每日发电量为因变量，做发电量回归预测。

104、本发明中的有益效果是：综合考虑多种煤质属性对锅炉燃烧效率的影响，使火电厂能够根据发电需求和煤库存给出发电煤耗最小的最优掺配方案，以使最优化机组生产发电效率，同时降低配煤方案的碳排放成本和用煤成本，为电厂燃煤发电生产提供技术支撑，解决了现有技术存在的未考虑配煤掺烧方案对机组生产发电的发电煤耗的影响的缺陷。

技术特征：

1.一种火电机组配煤掺烧优化方法，其特征在于，所述方法步骤如下：

2.根据权利要求1所述的一种火电机组配煤掺烧优化方法，其特征在于，步骤s1中存煤基础数据包括：煤种、煤属性、库存量及煤种的元素分析和工业分析数据；

3.根据权利要求1所述的一种火电机组配煤掺烧优化方法，其特征在于，步骤s2中煤种的煤耗修正系数公式为：

4.根据权利要求1所述的一种火电机组配煤掺烧优化方法，其特征在于，步骤s4中计算未来碳交易价格的方法步骤如下：

5.根据权利要求1所述的一种火电机组配煤掺烧优化方法，其特征在于，步骤s5中设定配煤掺烧优化算法的约束条件的方法步骤如下：

6.根据权利要求1所述的一种火电机组配煤掺烧优化方法，其特征在于，步骤s6中建立以发电煤耗预测模型的方法步骤如下：

7.根据权利要求5所述的一种火电机组配煤掺烧优化方法，其特征在于，步骤s7中建立煤种掺配遗传算法的方法步骤如下：

8.一种火电机组配煤掺烧优化系统，其特征在于，包含权1～7任一项所述的配煤掺烧优化方法，所述系统包括：

9.根据权利要求8所述的一种火电机组配煤掺烧优化系统，其特征在于，发电量预测模块中发电量预测方法步骤如下：

技术总结
本发明公开了一种火电机组配煤掺烧优化方法，包括S1：获取煤场存煤基础数据，建立存煤数据库；S2：应用步骤S1中得到的存煤数据库，计算存煤数据库中每个煤种的煤耗修正系数；S3：采集电网下发的调度曲线获取发电需求数据；S4：采集碳交易价格信息，对碳交易价格进行统计分析，计算未来碳交易价格；S5：根据发电需求和火电机组特性，设定配煤掺烧优化算法的约束条件；S6：建立发电煤耗预测模型；S7：以发电煤耗为优化目标，建立煤种掺配遗传算法。本发明可实现降低火力发电厂机组生产发电运行的发电煤耗，降低满足发电需求所需的用煤成本，减少碳排放量。

技术研发人员：杜莹库,汪旗
受保护的技术使用者：合肥中科优碳信息科技有限公司
技术研发日：
技术公布日：2024/9/23