[发明专利]钢铁企业自备电厂多类型发电机组联合优化调度方法

摘要

一种钢铁企业自备电厂多类型发电机组联合优化调度的方法，属于钢铁企业能源优化调度技术领域。在构建机组能耗特性模型中考虑了燃料种类、煤气掺烧量对机组能耗的影响，在不同煤气掺烧下进行拟合，提高了模型的准确性与代表性；在构建优化调度模型中综合考虑了燃料价格、分时电价及富余煤气动态变化对于发电成本的影响，同时考虑了电力平衡约束、发电机组自身运行约束、外购电量约束、煤气供给约束和变负荷速率限制等各种约束条件，保证发电计划的可执行性。采用自适应粒子群算法进行对所述模型优化求解，能够很好解决自备电厂多机组发电调度具有髙维数、非凸、非线性、多约束的问题，实现了电力生产优化与外购的合理化，富余煤气充分利用，最大限度地降低供电成本。

主权项

一种钢铁企业自备电厂多类型发电机组联合优化调度的方法，其特征在于，工艺步骤如下：步骤一，获取自备电厂各机组的如下特性参数：有功出力最大值、有功出力最小值、最大升负荷速度、最大降负荷速度、燃料消耗范围和煤气掺烧比例上限；步骤二，确定自备电厂机组在不同煤气掺烧比下的能耗模型；通过发电机组监控系统从数据库服务器中获取构建自备电厂各机组的能耗模型所需的历史运行数据，包括各机组的动力煤气耗量、副产煤气消耗量和有功出力数据；对上述数据进行预处理，将煤量或者高炉煤气量折合成为等热值的标煤量，获得机组在不同负荷不同燃料配比下的能耗数据组，并绘制能耗特性曲线；根据曲线的特点，以机组有功出力P和煤气掺烧量D为自变量，标准煤耗量B为因变量，采用二次多项式曲线拟合的方法，来确定各机组的能耗模型，其模型表达式如下：第i台纯燃煤发电机组：Bi＝aiPi2+biPi+ci；第j台纯燃气发电机组：Bj＝ajPj2+bjPj+cj；第k台气煤混烧发电机组：Bk＝akPk2+bkPk+ck+ekDk2+fkDk+gkPkDk其中，B表示机组的标煤耗，P为机组的有功出力，D分别为机组的煤气消耗量，a,b,c,e,f,g为机组能耗模型的特性参数，可通过参数辨识的最小二乘法来确定；步骤三，设定整个优化调度周期所包含的时段数，获取机组优化调度计算所需的输入数据：包括调度周期内企业电力负荷需求预测曲线、富余煤气供应曲线、生产和检修计划、外购送电计划、机组的启停状态、可用状态、固定机组出力计划和可调整机组出力计划数据；步骤四，以设定数量的时段内，以整个自备电厂供电成本最小为目标，建立钢铁企业自备电厂多类型发电机组联合电优化调度模型；所述优化调度模型包括目标函数和约束条件；所述目标函数为：以全周期内总供电成本最小为目标函数，具体包括燃料费用、副产煤气的放散惩罚费用、机组运行维护费用、外购电费用及外送电收益；MinJ=Σt=1TΣi=1NG(ΣgNgCg×Fi,tg+Ccoal×Fi,tcoal+CM,i×Pi,t)+Σt=1TΣg=1NgCrel,g×Rg,t+Σt=1TPw,t×Cb,t×δt+Σt=1TPw,t×Cs,t×(1-δt)]]>式中，T为一个调度周期内所包含的时段数目，NG表示自备电厂机组的数目，Ng表示副产煤气的数目，Cg表示副产煤气g的价格，表示机组i在t时段副产煤气g的消耗量，CCoal表示外购燃料煤的价格，表示机组i在t时段燃料煤的消耗量，CM,i表示第i发电机的制造费用包括设备折旧、维修费用，人工薪酬，与机组有功出力大小成正比关系，Pi,t表示机组i在t时段的有功出力，Crel,g表示副产煤气g的放散惩罚价格，Rg,t表示副产煤气g在t时段的放散量，Pw,t表示企业电网在t时段的关口交换功率，Cb,t为t时段的外购电价，δt为0,1量表征有无外供电，Cs,t为t时段的外送电价；所述约束条件包括：机组能耗模型、电力平衡约束、机组容量约束、机组负荷变化速率约束、燃料消耗范围、煤气掺烧比例限制约束条件；1)电力平衡约束式中，PD,t表示在t时段的电力负荷总需求；2)机组容量约束Pimin≤Pi,t≤Pimax,i＝1,2,...,NG式中，Pimin和Pimax分别为机组i的最小和最大负荷；3)机组负荷变化速率约束‑URi≤Pi,t‑Pi,t‑1≤DRi,i＝1,2...NG式中，URi和DRi为机组i在一个时段内能增加的最大负荷和能减小的最大负荷；4)机组燃料消耗约束式中，Fig,min和Fig,max分别为机组i消耗副产煤气g的最小和最大值；5)煤气掺烧比例约束：式中，αi表示机组i对煤气掺烧比例的上限要求，hg和hcoal分别表示副产煤气g和外购燃料煤的热值；6)富余煤气供应约束式中，Ftg,max为副产煤气g在t时段的用量上限；7)关口功率约束：式中，分别表示企业内网与外网关口交换功率的上限；步骤五，采用自适应粒子群算法对所述优化调度模型进行求解，以得到所述自备电厂在当前电力负荷需求和煤气供给下各机组的出力计划和燃料分配计划以及系统外购送电方案；具体实现过程如下：Step 1：参数设置：输入发电机参数、不等式约束的上下限值及电力负荷需求数据，设置粒子群算法中的相关参数、变量范围及最大迭代次数；Step 2：初始化种群；群体中每个个体都是该优化问题的一个解决方案，由一组决策变量即各机组的有功出力、燃料消耗量以及关口功率组成；在各决策变量可行域变化范围内随机产生一个初始种群，并计算整个粒子当前全局最优值和每个粒子的当前个体最优值；Step3：计算当前种群各个体的适应度值，并计算局部最优值和全局最优值；Step4：对粒子群算法的控制参数即惯性权重和加速因子进行自适应动态更新；Step5：更新当前种群的每个粒子的速度和位置；Step 6：约束处理：对当前种群中的每个个体，判读其是否满足所有的约束条件；对得到不可行方案，即不满足约束条件的个体，根据启发式策略对其逐步调整，使其满足所有的约束条件；并根据目标函数评估更新后的所有个体的适应度值；Step 7：变异：为了增加种群的多样性，采用自适应变异机制；首先，对种群中的每个个体，根据差分变异和高斯变异两种不同变异算子产生两个不同的变异向量；然后，将这两个变异向量的所对应的适应值和当前个体的新适应值进行比较，根据贪婪原则选择适应度最优者作为下一代；Step8：根据更新后的当前个体，计算其局部极值以及整个种群的全局极值；Step 9：判断是否达到迭代停止条件，如满足，则最后一次迭代的全局值中每一维的权值即为所求的；若不满足，转向Step 5，算法继续迭代，直至满足条件；步骤六，生成最终各机组的发电计划、煤气分配计划和外购送电计划及最优综合目标函数指标。