一种热电机组的运行能效监测控制系统、方法、计算机设备及存储介质与流程

1.本发明属于热电机组智能监控技术领域，特别涉及一种热电机组的运行能效监测控制系统、方法、计算机设备及存储介质。


背景技术：

2.热电厂，是指在发电同时，还利用机组抽排汽进行供热的火电厂。在我国北方城市供暖季，以热定电是热电厂通常采用的热电联产运行方式。
3.由于当前城镇化建设飞速发展，城市规模显著增加，超大型城市越来越多，城市供暖需求每年都变化，如何获取城市准确的热负荷需求、从而避免能源浪费是必需解决的问题。
4.同时，由于输送距离大大增加，热力管线的热损失影响也越来越不可忽略。而城市中的多个热电厂通常具有不同的发电量与产热量，不同热电厂与供热地点的距离远近也各不相同。因此，如何分配各个热电厂的产热量与发电量，并获得最优的供热路径，从而提高城市整体热电厂能效等级，成为亟待解决的问题。
5.并且，热电厂中的热电机组通常具有多种供热工作模式，而不同模式的产热功率、发电功率、能效系数不同，如何对机组模式进行规划组合，从而使热电厂的产出不但能够满足社会需求，还能够获得最大能效，也是需要解决的问题。
6.此外，北方严寒城市供暖效果与生产生活戚戚相关，热电机组一旦故障则影响颇深，一旦停止供热，整个区域的生产能效也会大打折扣，因此，如何提高热电机组应对故障的抗风险能力，从而不影响整体供热供电能效，同样是在热电机组监控过程中的难题。


技术实现要素：

7.本发明的目的在于提供一种热电机组的运行能效监测控制系统及方法，解决了无法分配各个热电厂的产热量与发电量，无法获得最优的供热路径，无法提高城市整体热电厂能效等级的问题。
8.本发明是通过以下技术方案来实现：
9.一种热电机组的运行能效监测控制方法，包括如下步骤：
10.步骤s1、对城市历史热负荷需求进行更新修正，计算当前城市整体热负荷需求；
11.步骤s2、根据步骤s1中计算得出的当前城市整体热负荷需求，对当前城市所包含的热电厂进行热负荷分配，计算每个热电厂的产热量；
12.步骤s3、收集统计每台热电机组的历史数据，根据步骤s2计算出的当前热电厂的产热量，构建每台热电机组的能效指标模型，寻求能效指标最佳的工作模式，规划出每台热电机组的工作模式和工作时长；
13.步骤s4、根据步骤s3得到的每台热电机组的工作模式和工作时长，获取每台热电机组的运行参数；根据热电机组的运行参数与蓄热罐的特性，建立热电机组能效融合模型；
采集抽汽功率、发电功率、蓄热罐存储量及蓄热罐放热量，输入热电机组能效融合模型，计算获得燃料量、蒸汽门开度、抽汽阀门开度，蓄热罐的入口阀门开度、出口阀门开度。
14.进一步，步骤s1的计算方法为：
15.ht＝h0 ∑ni；
16.其中，h0为城市历史热负荷需求，ni为第i个新增供热区域的热负荷需求修正值，ht为当前城市整体热负荷需求；
17.ni根据下式进行计算：
18.ni＝ni0*αs*|tin-tout|*βm*sa；其中ni0为当前区域热负荷初值，αs为季节系数，tout为区域室外温度，tin为室内温度加权平均值，βm为用户满意度系数，sa为入住率。
19.进一步，步骤s1中，城市历史热负荷需求根据所在城市的历史记录数据获取，历史数据包括供热量、气温数据、供热点分布、热电厂分布、热力管线数据及供热时段，供热时段包括初寒期、严寒期和末寒期。
20.进一步，步骤s2具体为：
21.在满足当前城市整体热负荷需求的前提下，以整体燃煤能效最高为目标进行优化，综合考虑不同热电厂的最大产热量以及能效系数，热电厂与供热区域之间的输送距离，不同输送路线的热力管线的热损失系数，对各个热电厂的产热量进行分配优化，从而根据下式计算每个热电厂的产热量hi；
22.maxη＝(∑hi ∑hei)/(∑qri)；
23.∑hi ∑gi≥ht；
24.其中，η为整体热电厂能效系数，hei为第i个热电厂的发电量，qri为第i个热电厂的燃料消耗量；
25.gi为第i条热力管线热负荷修正值，根据下式进行计算：
26.gi＝gi0*αs*|tin-tout|*lg*βs；其中gi0为热力管线热负荷初值，αs为季节系数，lg为管网输送距离，βs为输送损失系数，tout为区域室外温度，tin为室内温度加权平均值。
27.进一步，步骤s2中，热力管线热负荷初值gi0是大数据管理云平台根据历史数据经过归纳分析获得的热负荷初值；通过构建深度学习预测模型预测热力管线热负荷初值gi0。
28.进一步，步骤s3具体包括以下步骤：
29.步骤s31、收集统计每台热电机组的历史数据，记录n台热电机组中每台热电机组分别在多种供热模式中的平均功率pi和工作时长ti；
30.步骤s32、构建每台热电机组的能效指标模型；
31.e＝a ab；其中，e为能效指标参数，a是热电机组效率，b为风险指标参数，a为风险修正系数；
32.b＝c*qu d*hi，其中，c为热电机组故障率，qu为蓄热存储量，d为供热修正系数，hi为根据步骤s2计算出的当前热电厂的产热量；
33.步骤s33、获取能效指标最优的热电机组模式组合；
34.在热电厂的产热量或发电量满足当前热电厂的供热需求量的前提下，以该热电厂中n台热电机组的能效指标的功率加权平均值为最大为优化目标，规划出每台热电机组的工作模式以及工作时长；
35.即，max et＝∑(e*qj)/∑qj；
36.∑qj*tj≥h
37.其中et为能效指标综合参数，h为当前热电厂的供热需求量，e为根据步骤s32中计算得到每台热电机组的能效指标参数，qj为每台热电机组的平均产热功率，tj为每台热电机组的运行时长。
38.进一步，步骤s3中，工作模式包括乏汽供热模式、抽乏汽供热模式、空载供热模式、抽汽高背压供热模式、高背压供热模式和高低旁供热模式；
39.步骤s4中，所述运行能效变化的参数包括热电机组的燃料量、蒸汽门开度和抽汽阀门开度，及蓄热罐的入口阀门开度和出口阀门开度。
40.本发明还公开了实现所述运行能效监测控制方法的一种热电机组的运行能效监测控制系统，包括热力管网、大数据管理云平台、数据服务器、一级热电管理平台、二级热电管理平台及多个热电厂；
41.每个热电厂包括多台热电机组和蓄热罐，以及热电机组能效控制系统；
42.大数据管理云平台，用于获取热电厂、热力管网以及供热供电区域的能效数据，对获取的能效数据进行分析处理，得到城市历史热负荷需求；
43.数据服务器与大数据管理云平台连接，用于存储城市历史热负荷需求；
44.一级热电管理平台与大数据管理云平台通信连接，一级热电管理平台用于获取城市历史热负荷需求，对城市历史热负荷需求进行更新修正，计算当前城市整体热负荷需求；根据当前城市整体热负荷需求，对当前城市所包含的热电厂进行热负荷分配，计算每个热电厂的产热量；
45.二级热电管理平台与一级热电管理平台连接，一级热电管理平台与热电厂进行通讯连接，对热电厂的发电量产热量进行分配管理；
46.热电机组能效控制系统，用于针对任一热电厂内部的多台热电机组进行分析控制，寻求能效指标最佳的工作模式，规划出每台热电机组的工作模式和工作时长；及用于根据抽汽功率、发电功率、蓄热罐存储量及蓄热罐放热量，通过热电机组能效融合模型计算热电机组的燃料量、蒸汽门开度和抽汽阀门开度，及蓄热罐的入口阀门开度和出口阀门开度。
47.本发明还公开了一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述热电机组的运行能效监测控制方法的步骤。
48.本发明还公开了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现所述热电机组的运行能效监测控制方法的步骤。
49.与现有技术相比，本发明具有以下有益的技术效果：
50.本发明公开了一种热电机组的运行能效监测控制方法，本发明能够通过更新修正算法对城市历史热负荷需求进行修正，从而准确预测当前城市整体热负荷需求，进而避免了发电发热量过多导致的能源浪费；本发明能够以整体燃煤能效最高为目标进行优化，获得合理的各个热电厂产热量，从城市整体的热电厂分布、供电供热区域的分布、以及热力管线传输距离的因素出发，对各个热电厂的产出量进行分配，以满足当前城市整体热负荷需求为约束条件，以整体燃煤能效最高为目标进行优化，获得合理的各个热电厂产热量；本发明能够为热电厂内的多台机组分配合理的模式组合，从而使热电机组获得最优能效系数，
热电厂内部通常具有多台机组，而每台机组存在多种供热工作模式，不同模式的供热功率、发电功率、机组效率并不相同，本发明能够使热电机组获得最优能效系数；为了提高风险抵御能力，需要对蓄热罐的进出流量进行分析控制，本发明融合热电机组与蓄热罐的特性，建立热电机组能效融合模型，不但能够通过模型获取对热电机组的控制量，还能够使储热量调整在合理范围，从而提高故障风险抵御能力，从而避免热电机组故障导致的能效陡降。
51.进一步，在修正中还充分考虑了历史数据、季节变化、室内外温度、用户满意度、入住率、供热区域建筑物材料与厚度的热散失影响等多种参数，修正后的数据能够准确表征当前城市整体热负荷需求。
52.进一步，由于城市规模扩大，供电供热区域离主城区的距离也大大增加，故在计算每个热电厂的产热量时，考虑到了热力管线的传输热损失。
53.进一步，本发明还对能效指标模型进行改进，考虑到北方城市供暖效果与生产生活戚戚相关，机组一旦故障则影响颇深，因此，根据热电机组风险抵御能力而对能效指标进行优化，从而获得能效指标模型。
附图说明
54.图1为本发明的一种热电机组的运行能效监测控制系统的原理框图；
55.图2为热电厂的结构示意图；
56.图3为本发明的一种热电机组的运行能效监测控制方法的流程图。
具体实施方式
57.下面结合具体的实施例对本发明做进一步的详细说明，所述是对本发明的解释而不是限定。
58.如图1-2所示，本发明公开了一种热电机组的运行能效监测控制系统，包括：热力管网、大数据管理云平台、终端设备、web服务器、数据服务器、一级热电管理平台、二级热电管理平台及多个热电厂；每个热电厂包括多台热电机组、蓄热罐以及热电机组能效控制系统；
59.大数据管理云平台，用于获取热电厂、热力管网以及供热供电区域的能效数据，对获取的能效数据进行分析处理；
60.数据服务器，用于存储大数据管理云平台分析处理后的数据；
61.终端设备，用于操作人员登录web服务器，从而查看实时数据；
62.二级热电管理平台经一级热电管理平台与大数据管理云平台通信连接，获取大数据管理云平台分析处理后的数据；一级热电管理平台与热电厂进行连接，对热电厂的发电量产热量进行分配管理。
63.所述热电机组能效控制系统包括：热电机组控制部、热电机组执行部、热电机组监测部、蓄热罐控制部、蓄热罐执行部和蓄热罐监测部。热电机组执行部用于调节热电机组的燃料量、蒸汽门开度及抽汽阀门开度；蓄热罐执行部用于调节蓄热罐的入口阀门开度和出口阀门开度。
64.具体地，一级热电管理平台为市级热电管理平台，二级热电管理平台为省级热电管理平台。
65.如图3所示，本发明还提出了一种热电机组的运行能效监测控制方法，包括如下步骤：
66.步骤s1、对城市历史热负荷需求h0进行更新修正，根据下式计算当前城市整体热负荷需求ht；
67.ht＝h0 ∑ni；
68.其中ni为第i个新增供热区域的热负荷需求修正值，根据下式进行计算：
69.ni＝ni0*αs*|tin-tout|*βm*sa；其中ni0为当前区域热负荷初值，αs为季节系数，tout为区域室外温度，tin为室内温度加权平均值，βm为用户满意度系数，sa为入住率。
70.步骤s2、根据步骤s1中计算得出的当前城市整体热负荷需求ht，对当前城市所包含的热电厂进行热负荷分配，计算每个热电厂的产热量hi；
71.在满足当前城市整体热负荷需求的前提下，以整体燃煤能效最高为目标进行优化，综合考虑不同热电厂的最大产热量以及能效系数，热电厂与供热区域之间的输送距离，不同输送路线的热力管线的热损失系数，对各个热电厂的产热量进行分配优化，从而根据下式计算每个热电厂的产热量hi；
72.maxη＝(∑hi ∑hei)/(∑qri)；
73.∑hi ∑gi≥ht；
74.其中，η为整体热电厂能效系数，hei为第i个热电厂的发电量，qri为第i个热电厂的燃料消耗量；
75.gi为第i条热力管线热负荷修正值，根据下式进行计算：
76.gi＝gi0*αs*|tin-tout|*lg*βs；其中gi0为热力管线热负荷初值，αs为季节系数，lg为管网输送距离，βs为输送损失系数。
77.步骤s3、针对任一热电厂内部的多台热电机组进行分析控制，寻求能效指标最佳的工作模式，具体包括以下步骤：
78.步骤s31、收集统计历史数据，记录n台热电机组中每台热电机组分别在多种供热模式中的平均功率pi，工作时长ti；
79.步骤s32、构建每台机组的能效指标模型；
80.e＝a ab；
81.其中e为能效指标参数，a是热电机组效率，b为风险指标参数，a为风险修正系数；
82.b＝c*qu d*hi，其中，c为热电机组故障率，qu为蓄热存储量，d为供热修正系数，hi为根据步骤s2计算出的当前热电厂的产热量；
83.步骤s33、获取能效指标最优的热电机组模式组合；
84.在电厂的产热量或发电量满足当前热电厂的供热需求量的前提下，以该热电厂中n台热电机组的能效指标的功率加权平均值为最大为优化目标，规划出每台机组的工作模式以及工作时长；
85.即，max et＝∑(ej*qj)/∑qj；
86.∑qj*tj≥h
87.其中et为能效指标综合参数，ej为根据步骤s32中计算得到每台机组的能效指标参数，qj为每台机组的平均产热功率，tj为运行时长。
88.步骤s4、根据步骤s33计算的模式组合、工作时长进行设置，获取每台机组的运行
参数，运行参数一般是蒸汽温度、压力、发电效率、供电煤耗；综合热电机组的运行参数与蓄热罐的特性，建立热电机组能效融合模型；根据抽汽功率、发电功率、蓄热存储量、蓄热罐放热量，通过热电机组能效融合模型计算机组的燃料量、蒸汽门开度、抽汽阀门开度，蓄热罐的入口阀门开度、出口阀门开度，根据模型的输出控制热电机组的运行。
89.步骤s1中的当前区域热负荷初值ni0，是大数据管理云平台根据历史数据经过归纳分析获得的热负荷初值。
90.步骤s2中，热力管线热负荷初值gi0，是大数据管理云平台根据历史数据经过归纳分析获得的热负荷初值。
91.具体地，可通过构建深度学习预测模型预测ni0的值；具体地，可采集历史数据，经过数据清洗、标准化、归一化数据处理，对处理后的历史数据进行训练，再经过模型测试与更新，最终获得深度学习预测模型；
92.具体地，历史数据包括：供热区域面积、供热区域户数、供热区域建筑物材料与厚度、热负荷需求值；因此，该深度学习预测模型不但能够考虑到供热面积与户数对热负荷需求的影响，还能够综合考量供热区域建筑物材料与厚度的热散失影响，从而能够预测出更加准确的热负荷初值ni0。
93.具体地，步骤s1中，历史热负荷需求根据所在城市的历史记录数据获取，历史数据包括：供热量、气温数据、供热点分布、热电厂分布、热力管线数据，供热时段，供热时段包括：初寒期，严寒期，末寒期。
94.步骤s32中，多种模式包括：乏汽供热模式、抽乏汽供热模式、空载供热模式、抽汽高背压供热模式、高背压供热模式和高低旁供热模式。
95.步骤s4中的热电机组能效融合模型为神经网络模型，还包括历史数据收集、训练、测试、更新、预测步骤。
96.热电机组能效融合模型为根据热电机组与蓄热罐的传递函数建立的常规模型；模型输入为：抽汽功率、发电功率、蓄热罐存储量及蓄热罐放热量；模型输出为：热电机组的燃料量、蒸汽门开度和抽汽阀门开度，及蓄热罐的入口阀门开度和出口阀门开度。
97.步骤s4中的蓄热罐放热量根据需求预测，或者根据二级热电管理平台和/或一级热电管理平台指令确定。
98.本发明的热电机组的运行能效监测控制方法可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
99.本发明的热电机组的运行能效监测控制方法如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读存储介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。
需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。其中，所述计算机存储介质可以是计算机能够存取的任何可用介质或数据存储设备，包括但不限于磁性存储器(例如软盘、硬盘、磁带、磁光盘(mo)等)、光学存储器(例如cd、dvd、bd、hvd等)、以及半导体存储器(例如rom、eprom、eeprom、非易失性存储器(nandflash)、固态硬盘(ssd))等。
100.在示例性实施例中，还提供计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述热电机组的运行能效监测控制方法的步骤。处理器可能是中央处理单元(centralprocessingunit，cpu)，还可以是其他通用处理器、数字信号处理器(digitalsignalprocessor，dsp)、专用集成电路(applicationspecificintegratedcircuit，asic)、现成可编程门阵列(field-programmablegatearray，fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。
101.最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明权利要求保护的范围之内。