一种火电机组负荷-能效协同优化控制方法与流程

摘要: 本发明涉及火力发电,尤其涉及一种火电机组负荷-能效协同优化控制方法。背景技术:1、火电机组在实际运行过程中,受到负荷波动、煤质变化及环境条件变化等多因素影响,其...
一种火电机组负荷-能效协同优化控制方法与流程

本发明涉及火力发电,尤其涉及一种火电机组负荷-能效协同优化控制方法。

背景技术:

1、火电机组在实际运行过程中,受到负荷波动、煤质变化及环境条件变化等多因素影响,其运行状态呈现显著的非线性特征。传统运行方式主要依赖固定经验曲线或人工调节,难以实现机组在全工况范围内的高效运行,导致供电煤耗偏高及能源利用效率不足。因此,亟需一种能够在多变量耦合条件下实现机组能效动态优化的控制方法。

技术实现思路

1、本发明提供一种火电机组负荷-能效协同优化控制方法,用以解决上述现有技术存在的技术问题。

2、为达到上述目的,本发明提供了一种火电机组负荷-能效协同优化控制方法,其包括如下步骤:

3、(1)采集火电机组运行数据;

4、(2)建立机组能效评价模型,计算当前工况下的热效率及供电煤耗;

5、(3)基于实时运行数据与历史运行数据构建负荷-能效映射关系模型;

6、(4)根据所述映射关系模型确定当前负荷条件下的最优运行参数组合;

7、(5)生成控制指令并发送至机组分散控制系统,对锅炉及汽轮机运行状态进行调节;

8、(6)实时反馈调节结果并修正所述映射关系模型,实现动态优化控制。

9、在本发明的一实施例中,可选地,火电机组运行数据包括机组负荷、主蒸汽压力、主蒸汽温度、给水温度、环境温度及煤质参数。

10、在本发明的一实施例中,可选地,所述煤质参数包括低位发热量、水分含量及灰分含量。

11、在本发明的一实施例中,可选地,所述机组能效评价模型包括热效率模型及供电煤耗模型。

12、在本发明的一实施例中,可选地,所述负荷-能效映射关系模型采用机器学习方法建立。

13、在本发明的一实施例中,可选地,所述机器学习方法包括神经网络或支持向量机。

14、在本发明的一实施例中,可选地,最优运行参数包括锅炉燃烧参数、给水流量及汽轮机调节参数。

15、在本发明的一实施例中,可选地,所述锅炉燃烧参数包括送风量、配风比例及燃料给料量。

16、在本发明的一实施例中,可选地,所述汽轮机调节参数包括调门开度及再热蒸汽温度。

17、在本发明的一实施例中,可选地,所述步骤(6)中通过误差反馈对模型进行在线修正。

18、本发明提供的火电机组负荷-能效协同优化控制方法具有以下有益技术效果:

19、(1)实现机组多变量耦合优化控制,提高整体运行效率;

20、(2)降低供电煤耗,提升经济性;

21、(3)可适应负荷及环境变化,实现动态优化;

22、(4)降低人工干预,提高自动化水平。

1.一种火电机组负荷-能效协同优化控制方法,其特征在于,包括如下步骤:

2.根据权利要求1所述的方法,其特征在于:火电机组运行数据包括机组负荷、主蒸汽压力、主蒸汽温度、给水温度、环境温度及煤质参数。

3.根据权利要求2所述的方法,其特征在于:所述煤质参数包括低位发热量、水分含量及灰分含量。

4.根据权利要求1所述的方法,其特征在于:所述机组能效评价模型包括热效率模型及供电煤耗模型。

5.根据权利要求1所述的方法,其特征在于:所述负荷-能效映射关系模型采用机器学习方法建立。

6.根据权利要求5所述的方法,其特征在于:所述机器学习方法包括神经网络或支持向量机。

7.根据权利要求1所述的方法,其特征在于:最优运行参数包括锅炉燃烧参数、给水流量及汽轮机调节参数。

8.根据权利要求7所述的方法,其特征在于:所述锅炉燃烧参数包括送风量、配风比例及燃料给料量。

9.根据权利要求7所述的方法,其特征在于:所述汽轮机调节参数包括调门开度及再热蒸汽温度。

10.根据权利要求1所述的方法,其特征在于:所述步骤(6)中通过误差反馈对模型进行在线修正。