一种火电厂发电过程的煤炭配比确定方法与流程

1.本发明涉及火电厂发电控制领域，特别是一种煤炭配比的确定方法。


背景技术：

2.由于我国能源结构任以火力发电为主，对于燃煤电厂，为了保障电力生产，一般需要保有一定的库存煤量，而受煤炭市场影响，电)不得不多点购煤，使得实际燃用的煤种越来越多样化，不同种类和批次的煤炭之间的发热量q、挥发分v、灰分a、水分m、硫分s，实际发电燃煤过程中，由于煤炭库存的存在以及每次上料组分的要求，往往将不同批次的煤炭组合使用。但在组合时需要考虑如下问题：组合时不能只考虑当前组合的合理性，也要顾及后续组合的合理性。实际生产过程中，由于库存批次和煤种较多，导致总组合数过于庞大，其计算复杂度远远超出了人类大脑的计算能力。
3.国家对发电燃煤过程后的气体排放要求及其严格。这就需要在煤炭入炉前十分准确地计算出各煤炭污染的添加质量，使得最终排放的各项指标均满足国家环保要求。实际中，由于影响氮氧化物和二氧化硫产生量的因素比较多，很难通过机理或者专家经验的方式来获得污染气体的排放量，这对煤种配比是个挑战。
4.建立对应的数学模型能够根据当前煤种的各成分含率，快速、准确地计算出所需的煤炭批次组合与各原料合理的添加质量，使得煤炭配比满足生产要求和排放要求的前提下尽可能的经济。本发明提出的煤炭配比模型克服了人工计算难度大、效率低的缺点，能使火力发电更具有经济性和环保性。


技术实现要素：

5.为解决现有技术存在的问题，本发明提供了一种火电厂发电过程的煤炭配比确定方法，解决了克服了人工计算难度大、效率低的缺点，环保性和经济性不能兼顾的问题。
6.本发明采用的技术方案是，一种火电厂发电过程的煤炭配比确定方法，包括以下步骤：
7.s1：获取各批次煤炭的基本参数数据；
8.s2：建立煤炭批次组合模型；
9.s3：根据质量指标与发电要求设置煤炭批次组合模型参数并利用模型求解组合结果；
10.s4：构建各参数取值区间并构建目标偏好函数；
11.s5：使用ga遗传算法建立寻最优配煤比模型；
12.s6：设置寻最优配煤比模型参数，输入期望参数值结合s4得出目标函数，并利用模型求解各煤炭添加比例。
13.寻优地，步骤s1的，具体步骤如下：
14.首先获取当前库存中总批次数sumbch、批次集合batch1与各批次的基本参数数据，包括发热量q、挥发分v、灰分a、水分m、硫分s；batch1的定义如下式所示：
15.batch1＝{1，2，3，
…
，sumbch}。
16.寻优地，s2的包括以下子步骤：
17.s21.计算不同批次组合后的各参数的平均数，计算方法如下：
[0018][0019]
其中，代表组合后参数j的平均数，j
i
代表批次i的基本参数，j∈{q，v，a，m，s}，n代表一个组合所包含的批次数；
[0020]
s22.在batch1中求解第一个组合combi1，组合后j需满足以下约束：
[0021][0022]
其中，j
stad
代表的标准值，error
j
代表的最大波动范围，％；
[0023]
求解方法采用随机生成的方法，即在batch1中随机选取n个元素，计算并判断是否满足上述约束，若满足，则combi1求解成功；若不满足，则继续随机生成，直至找到满足约束的combi1；
[0024]
在第一个组合求解成功后，继续求解按照同样的方式求解第二个组合combi2，batch2计算方法如下：
[0025]
batch2＝batch1‑
combi1[0026]
当combi1不合理时，batch2会存在无解的情况；定义最大随机次数ran
max
，当已执行的求解次数大于ran
max
且combi2仍未求解成功时，重新求解combi1；在batch3中求解combi3时，当已执行的求解次数大于ran
max
且combi3仍未求解成功时，重新求解combi1；batch3的计算方法如下式所示：
[0027]
batch3＝batch2‑
combi2[0028]
以此类推，直至求解出combi
pmax
，pmax为需要求解的组合数。
[0029]
寻优地，s3的包括以下子步骤：
[0030]
s31.根据质量指标与发电要求设置煤炭批次组合模型参数，包括j
stad
、error
j
、n与pmax；
[0031]
s32.在模型参数设置完毕后，输入步骤s1所述的煤炭批次信息即可利用煤炭批次组合模型求解出pmax个组合。
[0032]
寻优地，s4的包括以下子步骤：
[0033]
s41.构建各参数取值区间并构建目标偏好函数；确定热值偏好函数，设置期望热值q实际为q，对热值的取值区间进行以下划分：
[0034]
区间
‑
1：，很期望域：q
‑
100＜q≤q；
[0035]
区间
‑
2，3，期望域：q
‑
200＜q≤q
‑
100或q＜q≤q+100；
[0036]
区间
‑
4.5，可忍受域：q
‑
400＜q≤q
‑
200或q+100＜q≤q+300；
[0037]
区间
‑
6，7，不期望域：q
‑
450＜q≤q
‑
400或q+300＜q≤q+450；
[0038]
区间
‑
8，9，很不期望域：q
‑
600＜q≤q
‑
400或q+300＜q≤q+500；
[0039]
区间
‑
10，11，不接受域：q≤q
‑
600或q+500＜q；
[0040]
在偏好区间k上，构建热值偏好函数的二阶导数：
[0041][0042]
其中：λ
k
＝g
q(k)
‑
g
q(k
‑
1)
，a，b是严格为正的实数通过积分求得偏好函数的表达式：
[0043]
δ
qk
＝(λ
k
)4[a/12(ξ
k
)2+
b
(ξ
k
‑
1)4]+cλ
k
ξ
k
+d
[0044]
由区间端点的偏好函数值δ
q(k
‑
1)
，δ
q(k)
，及其斜率h
(k
‑
1)
，h
(k)
，可以求得：
[0045][0046][0047][0048][0049]
其中，为偏好函数在区间
‑
1上的平均斜率；确定偏好函数在区间端点信息：
[0050]
①
取δδ
q
＝0.1；
[0051]
②
δδ
q(k)
＝βn
c
δδ
q(k
‑
1)
，k2，3，4，5，β＞1，n
c
为设计目标的个数；
[0052]
③
δ
q(1)
＝δδ
q1
，δ
q(k)
＝δ
q(k
‑
1)
+δδ
q(k)
；
[0053]
④
h
(k)
＝(h
(k)
)
min
+αδh
(k)
，0＜α＜1，由a，b严格为正，可得：
[0054][0055]
对于区间
‑
0，设置：δ
q
＝δ
q1
·
exp[(h1/δ
q1
)(g
q
‑
g
q1
)]
[0056]
经优化比较，取α＝0.07，β＝1.2，可求得各区间段的a、b、c、d值，同理求得其他参数的偏好函数；其中挥发分期望值设定为v，设置区间为：
[0057]
(v
‑
18，v
‑
15]、(v
‑
13，v
‑
10]、(v
‑
10，v
‑
8]、(v
‑
8，v
‑
4]、(v，v+6]、(v+6，v+10]、(v+10，v+16]、(v+12，v+14]
[0058]
(v
‑
4，v]为很期望域；so2期望值为s；
[0059]
设置区间为：
[0060]
(s
‑
1200，s
‑
900]、(s
‑
900，s
‑
500]、(s
‑
500，s
‑
300]、(s
‑
300，s
‑
100]、(s，s+100]、(s+100，s+300]、(s+300，s+500]、(s+500，s+900]
[0061]
(s
‑
100，s]为期望区间；no
x
期望值为no；
[0062]
设置区间为：
[0063]
(no，no+5]、(no+5，no+10]、(no+10，no+20]、(no+20，n+40)
[0064]
结渣指数r
z
期望值为rz；
[0065]
设置区间为：
[0066]
(rz，rz+0.25]、(rz+0.25，rz+0.5]、(rz+0.5，rz+0.75]、(rz+0.75，rz+1]
[0067]
自然指数r
sp
期望值为rs；
[0068]
设置区间为：
[0069]
(rs，rs+0.4]、(rs+0.4，rs+0.8]、(rs+0.8，rs+1.2]、(rs+1.2，rs+1.6]
[0070]
s42.获取混煤的r
sp
，r
z
，q三个偏好函数，δ
f
表示第f个参数的偏好函数，f(x)为区间端点值，然后构建安全性目标函数三个目标指标后构建安全性目标函数f
s
：
[0071][0072]
获取各煤种的价格，p
i
表示第i种煤的价格，x
i
表示第i种煤的比例；价格直接采用加权值计算，为平衡量级，乘以0.01的系数，构建经济目标函数f
e
：
[0073][0074]
获取混煤的no
x
，so2，v三个偏好函数，δ
f
表示第f个参数的偏好函数，f(x)为区间端点值，然后构建环保性目标函数f
p
[0075][0076]
对于以上三个目标函数，按权重进行合成，得到总的目标函数f0：
[0077]
f0＝β1f
s
+β2f
e
+β3f
p
[0078]
其中β1，β2，β3分别取0.3，0.5，0.2。
[0079]
寻优地，s5的包括以下子步骤：
[0080]
s51.使用ga遗传算法寻找最优配煤比，确定各批次组合后，设置约束条件为：
[0081]
单煤比例：x
i
≥0
[0082]
发热量：q
a
≤q＝f
q
(x
i
，q
i
)≤q
b
[0083]
挥发分：a
a
≤a＝f
v
(x
i
，a
i
)≤a
b
[0084]
水分：m＝f
m
(x
i
，m
i
)≤m
b
[0085]
s52.由选定的总目标函数构建遗传算法的适应度函数fit(x)：
[0086]
fit(x)＝β1f
s
+β2f
e
+β3f
p
[0087]
s53.使用随机算法产生个体数为m的初始种群chrom，m不大于200，要求初始种群不能涵盖整个求解空间。配煤编码方式采用实数编码，顺序按照煤炭组合的自然顺序，实数代表对应煤种占该批次燃烧的比例；
[0088]
s54.使用循环语句计算种群中各个体的适应度值；
[0089]
s55.采用精英策略，将适应值排名靠前的d个个体直接复制给下一代；
[0090]
s56.选择，交叉，变异，生成余下的m
‑
d个个体，构成新的种群并覆盖chrom；
[0091]
s57.重复s54～s56进行迭代，直到种群各个体适应度趋于稳定或迭代次数达到最大设定迭代次数k次后结束。
[0092]
寻优地，s6的包括以下子步骤：
[0093]
s61.根据发电需求设置模型里的参数，设置的参数包括：
[0094]
j
stad
、error
j
、n、pmax、q、v、s、no、rz、rs；
[0095]
s62.输入煤炭各批次和煤种的基本信息利用s5的寻优模型，对最优煤炭添加比例进行求解。
[0096]
本发明提供的一种火电厂发电过程的煤炭配比确定方法，有益效果如下：
[0097]
1.本发明的一种火电厂发电过程的煤炭配比确定方法可以根据当前各批次煤炭的基本参数，快速、准确地计算出所需批次组合，用于后续配比优化。
[0098]
2.本发明的一种火电厂发电过程的煤炭配比确定方法可以根据煤炭的批次组合基本参数，根据目标函数和优化算法准确地计算出各当前批次组合各煤种的添加比例，使得燃烧的各项指标均满足生产要求。
附图说明
[0099]
图1是本发明的流程图。
[0100]
图2是人工组合结果与实施例的煤炭批次组合模型组合结果对比图。
[0101]
图3是人工与实施例配煤结果对比图。
具体实施方式
[0102]
下面对本发明的具体实施方式进行描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。
[0103]
如图1所示，一种火电厂发电过程的煤炭配比确定方法，包括以下步骤：
[0104]
s1：获取各批次煤炭的发热量q、挥发分v、灰分a、水分m、硫分s等基本信息数据；
[0105]
s2：在批次集合中采用随机选取的方法选举n个批次并计算不同批次组合后的各参数的平均值，随后判断该批次组是否满足约束条件，若不满足则重新选取，满足则从批次集合中除去已满足约束的组合，随后按照同样的方式求解其余组合，以此类推求解出所有煤炭批次组合，从而建立煤炭批次组合模型；
[0106]
s3：根据氮氧化物排放量、二氧化硫排放量、飞灰排放量等环境限制条件和电网控制并决定的负荷要求以及用户所需的热量要求设置煤炭组合模型的参数，并利用该模型求
[0124]
然后，根据当前发电状况与发电要求设置的煤炭批次组合模型参数，包括j
stad
、erro
rj
、n与pmax。在模型参数设置完毕后，输入s1所述的煤炭批次信息即可利用煤炭批次组合模型求解出pmax个组合。
[0125]
然后我们需要构建目标函数，获取混煤的r
sp
，r
z
，q三个偏好函数，δ
f
表示第f个参数的偏好函数，f(x)为区间端点值，然后构建安全性目标函数三个目标指标后构建安全性目标函数f
s
：
[0126][0127]
获取各煤种的价格，p
i
表示第i种煤的价格，x
i
表示第i种煤的比例；价格直接采用加权值计算，为平衡量级，乘以0.01的系数，构建经济目标函数f
e
：
[0128][0129]
获取混煤的no
x
，so2，v三个偏好函数，δ
f
表示第f个参数的偏好函数，f(x)为区间端点值，然后构建环保性目标函数f
p
[0130][0131]
对于以上三个目标函数，按权重进行合成，得到总的目标函数f0：
[0132]
f0＝β1f
s
+β2f
e
+β3f
p
[0133]
其中β1，β2，β3分别取0.3，0.5，0.2。
[0134]
在得到了总的目标函数后，需要构建寻优模型来找寻最佳配煤比例。过程如下：
[0135]
使用ga遗传算法寻找最优配煤比，确定各批次组合后，首先设置约束条件为：
[0136]
单煤比例：x
i
≥0
[0137]
发热量：q
a
≤q＝f
q
(x
i
，q
i
)≤q
b
[0138]
挥发分：a
a
≤a＝f
v
(x
i
，a
i
)≤a
b
[0139]
水分：m＝f
m
(x
i
，m
i
)≤m
b
[0140]
s52.由选定的总目标函数构建遗传算法的适应度函数fit(x)：
[0141]
fit(x)＝β1f
s
+β2f
e
+β3f
p
[0142]
然后，使用随机算法产生个体数为m的初始种群chrom，m不大于200，要求初始种群不能涵盖整个求解空间。配煤编码方式采用实数编码，顺序按照煤炭组合的自然顺序，实数代表对应煤种占该批次燃烧的比例。使用循环语句计算种群中各个体的适应度值，接着采用精英策略，将适应值排名靠前的d个个体直接复制给下一代，通过选择，交叉，变异，生成余下的m
‑
d个个体，构成新的种群并覆盖chrom。重复进行迭代，直到种群各个体适应度趋于稳定。
[0143]
最后根据发电需求设置模型里的参数，设置的参数包括：
[0144]
j
stad
、error
j
、n、pmax、q、v、s、no、rz、rs。
[0145]
煤炭各批次和煤种的基本信息利用s5的寻优模型，对最优煤炭添加比例进行求解。
[0146]
如图2是人工组合结果与本发明的煤炭批次组合模型组合结果对比图。
[0147]
图3是一种火电厂发电过程的煤炭配比确定方法人工配煤结果与模型寻优计算结果的对比。选取同一热值情况下，人工配比和模型寻优下煤价、二氧化硫排放量、氮氧化物排放量对比情况。