带吸收剂存储的火电机组碳捕集系统调度与预测控制方法

1.本技术涉及低碳经济能源系统和自动控制技术领域，具体涉及低碳经济能源系统调度与控制技术，尤其涉及一种带吸收剂存储的火电机组碳捕集系统调度与预测控制方法。


背景技术：

2.随着我国“碳达峰、碳中和”目标的提出，传统火力发电厂必须充分利用碳捕集与封存技术(carbon capture and storage,ccs)，实现能源行业低碳转型。与此同时，为提高电力系统对间歇性、波动性可再生电力的消纳能力，传统火力发电厂已由基荷电源转变为用于调峰调频的灵活电源。若无法适应火力发电厂负荷变化而引起的烟气变化，满足下游二氧化碳利用端的变化需求，碳捕集系统将无法充分发挥其减碳作用。此外，由于碳捕集过程中吸收剂再生需要从汽轮机中抽取大量蒸汽以供给热量，碳捕集系统会大幅增加发电机组的能耗。因此，需要根据波动的电碳市场条件以及用户负荷，及时调整co2捕集率，通过改变抽汽流量协调电-碳指令，实现机组整体运行利润最大化。然而对于碳捕集系统而言，再沸器抽汽的作用由控制变量转变为扰动，这将影响捕集过程的安全高效运行。因此，在未来更为严格的碳监管制度下，为了保证给定的实时co2捕集水平，常规的碳捕集系统不仅无法提高火电机组的灵活性，反而将成为制约系统灵活运行的不利因素。
3.为碳捕集系统部署吸收剂存储设备，在燃煤电厂发电需求较高，富液解吸能量不足时，将富液暂存于富液罐内，并从贫液罐中释放吸收剂保证烟气碳捕集水平，待机组能量充足时再抽取蒸汽用于溶剂再生，是解决上述问题的有效方法。与此同时，考虑吸收剂存储的碳捕集系统依靠自身结构特点，可以实现吸收与解吸过程的有效解耦，而解吸侧的再沸器抽汽流量可以辅助燃煤机组调节发电出力。因此，考虑吸收剂存储之后，碳捕集过程和燃煤机组分别能够获得更宽范围的co2捕集水平和电力输出功率，由此实现燃煤电站-碳捕集整体系统的灵活运行。
4.然而，在增加系统整体运行优化空间的同时，吸收剂存储装置也增加了系统的复杂度。通过有效的调度方法，分配合理的出力指令，将燃煤电站、碳捕集系统和吸收剂存储系统协同，是实现系统整体稳定、低碳、经济、灵活运行的关键。而对调度指令的平稳、快速追踪又高度依赖于底层的控制系统。添加吸收剂存储设备之后，碳捕集系统呈现新的大惯性、多扰动、多约束特征，碳捕集系统的动态特性、运行需求和控制方式也发生了根本变化。为此，研究考虑吸收剂存储的燃煤电站-碳捕集系统的整体优化调度问题，结合部署吸收剂存储后的碳捕集系统结构特点及动态特性，提出合理的控制方案并设计新型的控制系统，对提高吸收剂存储模式的燃煤电站-碳捕集系统的系统经济性、碳减排效益和运行灵活性具有重要意义。


技术实现要素：

5.本技术提供了一种带吸收剂存储的火电机组碳捕集系统调度与预测控制方法，其
技术目的是为提升火电机组整体电-碳收益提供最优调度策略，基于调度结果实现对碳捕集率的快速调节，并辅助发电机组功率调节，并有效抑制烟气与抽汽流量对捕集系统的扰动影响。
6.本技术的上述技术目的是通过以下技术方案得以实现的：
7.一种带吸收剂存储的火电机组碳捕集系统调度与预测控制方法，该方法通过调度结构和控制结构实现，所述调度结构包括优化调度模型，所述控制结构通过吸收侧mpc控制器和解吸侧mpc控制器实现控制，该方法包括：
8.通过所述优化调度模型获得每小时燃煤电厂功率输出、每小时平均co2碳捕集率及吸收剂储罐液位的调度指令；其中，碳捕集系统包括吸收侧和解吸侧，吸收侧的控制量为贫液流量，被控量为co2捕集率；解吸侧的控制量为富液流量，被控量为再沸器温度；碳捕集系统的扰动包括烟气流量和抽汽流量；所述优化调度模型的目标函数为最大化燃煤电厂净运行利润，所述优化调度模型的约束条件包括燃煤电厂功率输出约束、碳捕集系统运行约束、吸收剂存储设备约束以及电力功率平衡约束；
9.对带吸收剂存储的火电机组-碳捕集系统进行开环阶跃实验，获取火电机组-碳捕集系统的动态特性实验曲线；
10.根据所述动态特性实验曲线对应的数据，通过子空间辨识方法，辨识获得表征所述碳捕集系统动态特性的离散状态空间模型，将所述离散状态空间模型扩增为增量式状态空间模型，再对所述增量式状态空间模型进行推导得到预测模型；
11.构建所述预测模型的滚动优化目标函数，并将所述调度指令输入到所述预测模型，以对所述碳捕集系统对应的分散式mpc控制器进行设计，得到所述吸收侧mpc控制器和所述解吸侧mpc控制器；
12.通过所述吸收侧mpc控制器对吸收侧co2捕集率进行跟踪控制，通过所述解吸侧mpc控制器对解吸侧再沸器温度进行控制。
13.本技术的有益效果在于：本技术通过调度结构和控制结构的结合，发挥碳捕集系统灵活性支撑功能，基于调度结构的调度结果实现对co2捕集率的快速调节，并辅助发电机组功率调节，并有效抑制烟气与抽汽流量对捕集系统的扰动影响；同时利用超临界燃煤电厂内吸收剂储存与co2捕集工艺的耦合关联，提升机组整体电-碳收益。
附图说明
14.图1为本技术具体实施方式的系统示意图；
15.图2为本技术具体实施方式的控制结构示意图；
16.图3为本技术具体实施方式的调度实验仿真条件示意图；
17.图4为本技术具体实施方式的调度实验仿真结果曲线示意图；
18.图5为本技术具体实施方式的系统开环阶跃响应曲线示意图；
19.图6为本技术具体实施方式的追踪性能控制实验仿真结果曲线示意图；
20.图7为本技术具体实施方式的抗扰性能控制实验仿真结果曲线示意图。
具体实施方式
21.下面将结合附图对本技术技术方案进行详细说明。
22.本实施例中对应的带吸收剂存储的火电机组-碳捕集系统，如图1所示，该系统为燃煤电厂-碳捕集系统。燃煤电厂主要设备包括磨煤机、锅炉、汽轮机和发电机，其他辅助设备包括高压加热器、低压加热器、除氧器、管路和阀门。碳捕集系统主要设备包括吸收塔、再生塔、再沸器、贫液罐、富液罐和冷凝器，其他辅助设备包括换热器、贫液泵、富液泵、管路和阀门。煤粉在锅炉中燃烧后产生的烟气自下而上进入吸收塔，与自上而下进入的贫液(低co2载荷吸收剂)逆向接触，烟气在脱除co2后从吸收塔顶部离开排入大气。吸收了co2的富液(高co2载荷吸收剂)从吸收塔底部离开并存储于富液罐中。流入再生塔的富液流量由富液泵控制，其在与再生贫液换热后从上至下进入解吸塔完成co2解吸。解吸热量由发电机组的汽轮机抽汽提供。解吸后的co2从解吸塔顶部离开进入冷却器，完成后续工艺。再生后的贫液流入贫液罐存储，通过贫液泵控制co2捕集所需的贫液流量，从而完成一次循环。
23.为了提高燃煤电厂-碳捕集系统的经济性、碳减排效益和运行灵活性，本技术提出一种带吸收剂存储的火电机组碳捕集系统调度与预测控制方法，该方法通过调度结构和控制结构实现。调度结构包括优化调度模型，优化调度模型的目标函数为最大化燃煤电厂净运行利润，其约束条件包括燃煤电厂功率输出约束、碳捕集系统运行约束、吸收剂存储设备约束以及电力功率平衡约束；通过优化调度模型获得每小时燃煤电厂功率输出、每小时平均co2碳捕集率及吸收剂储罐液位的调度指令。
24.控制结构通过吸收侧mpc控制器和解吸侧mpc控制器实现控制，如图2所示。其中，吸收侧mpc控制器(mpc控制器1)所控物理对象为碳捕集系统的贫液泵；解吸侧mpc控制器(mpc控制器2)所控物理对象为碳捕集系统的富液泵。吸收侧mpc控制器利用贫液流量控制co2捕集率，烟气流量作为可测扰动；解吸侧mpc控制器利用富液流量控制再沸器温度，抽汽流量作为可测扰动。
25.上述用于带吸收剂存储的火电机组碳捕集系统调度与预测控制方法包括：
26.s1：通过所述优化调度模型获得每小时燃煤电厂功率输出、每小时平均co2碳捕集率及吸收剂储罐液位的调度指令；其中，碳捕集系统包括吸收侧和解吸侧，吸收侧的控制量为贫液流量，被控量为co2捕集率；解吸侧的控制量为富液流量，被控量为再沸器温度；碳捕集系统的扰动包括烟气流量和抽汽流量。
27.具体地，整个系统调度(即优化调度模型)的目标函数表示为：
[0028][0029]
其中，c
sell
表示电力交易收益；表示co2交易收益；c
cfpp
表示燃煤电厂运维成本；c
pcc
表示碳捕集系统运维成本；c
mis
表示负荷不匹配成本。
[0030]
电力交易收益c
sell
表示为：
[0031][0032]
其中，表示分时电价，单位为$/mwh；p
cfpp
(t)表示t时刻电站的电力输出，单位为mwh；n
t
表示调度小时数，单位为h。
[0033]
co2交易收益表示为：
[0034][0035]
其中，表示单位co2交易价，单位为$/t；ε表示燃煤电厂获得的碳排放额系数，
单位为tco2/mwh；表示t时刻的系统co2排放量。
[0036]
燃煤电厂运维成本c
cfpp
表示为：
[0037][0038]
其中，α
coal
表示原料燃煤的价格，单位为$/每吨；m
coal
(t)表示t时刻的煤耗量，单位为吨；表示燃煤电站的单位维护成本，单位为$/mwh。
[0039]
碳捕集系统运维成本c
pcc
表示为：
[0040][0041]
其中，表示t时刻的co2捕集量，单位为吨；δv
str
(t)表示t时刻吸收剂储罐偏离基础液位的体积，单位为m3；表示燃煤电厂的单位维护成本，单位为$/t；β
str
表示单位体积吸收剂价格，单位为$/m3。
[0042]
负荷不匹配成本c
mis
表示为：
[0043][0044]
其中，α
mis
表示负荷不匹配的交易价格，单位为$/mwh；p
buy
(t)表示t时刻的上网购电量，单位为mwh；p
cut
(t)表示t时刻的负荷切除量，单位为mwh。
[0045]
所述燃煤电厂功率输出约束表示为：
[0046]
300mw≤p
cfpp
(t)≤660mw；(7)
[0047]
所述碳捕集系统运行约束包括针对co2捕集率cl(t)和再沸器温度t
reb
(t)的约束，表示为：
[0048][0049]
所述吸收剂存储设备约束表示为：
[0050][0051]
其中，v
l
(t)表示t时刻吸收剂在贫液罐的体积，vr(t)表示t时刻吸收剂在富液罐的体积，单位均为m3；表示贫液存储容积的上限，表示贫液存储容积的下限，表示富液存储容积的上限，表示富液存储容积的下限，单位均为m3；表示贫液罐进口流量，表示贫液罐出口流量，表示富液罐进口流量，表示富液罐出口流量，单位均为kg/s；ρ
ls
表示贫液的密度，ρ
rs
表示富液的密度，单位均为kg/m3。
[0052]
值得注意的是，调度期结束时吸收剂储罐内的最终溶剂体积需要与初始溶剂体积相等，从而确保调度的可重复性，计算如下：
[0053]
[0054]
在调度的每个小时，所述电力功率平衡约束表示为：
[0055]
p
cfpp
(t)-p
pcc
(t) p
buy
(t)-p
cut
(t)＝p
load
(t)；(11)
[0056]
s2：对带吸收剂存储的火电机组-碳捕集系统进行开环阶跃实验，获取火电机组-碳捕集系统的动态特性实验曲线。
[0057]
s3：根据所述动态特性实验曲线对应的数据，通过子空间辨识方法，辨识获得表征所述碳捕集系统动态特性的离散状态空间模型，将所述离散状态空间模型扩增为增量式状态空间模型，再对所述增量式状态空间模型进行推导得到预测模型。
[0058]
具体地，所述离散状态空间模型表示为：
[0059][0060]
其中，u(k)＝[u1(k)u2(k)]
t
，y(k)＝[y1(k)y2(k)y3(k)]
t
，d(k)＝[d1(k)d2(k)]
t
；u(k)表示控制量；u1(k)表示k时刻的贫液流量，u2(k)表示k时刻的富液流量，单位均为kg/s；y(k)表示被控量；y1(k)表示k时刻的碳捕集率，y2(k)表示k时刻的再沸器温度，单位均为℃；y3(k)表示k时刻的吸收剂储罐液位。d(k)表示可测扰动，通过在预测模型中考虑其对系统输出影响，等效于引入前馈作用，加快对扰动的抑制作用；d1(k)表示k时刻的入口烟气流量，d2(k)表示k时刻的再沸器抽汽流量，单位均为kg/s，均通过整体系统优化调度获得。x0(k)表示k时刻的系统状态向量；a0、b0、c0、d0、e0和f0均表示系统特性矩阵。
[0061]
对离散状态空间模型进行变换得到增量式状态空间模型，以获得无差的跟踪效果，则增量式状态空间模型表示为：
[0062][0063]
其中，δx0(k)＝x0(k 1)-x0(k)，δx0(k)无法直接测量，通过卡尔曼滤波进行状态估计得到；δu(k)＝u(k 1)-u(k)；δd(k)＝d(k 1)-d(k)；o表示零矩阵；表示单位矩阵。
[0064]
对增量式状态空间模型进行推导得到预测模型，则预测模型表示为：
[0065][0066]
[0067]
其中，y(k)＝[u(k 1|k)
t
,y(k 2|k)
t
,...,y(k n
p
|k)
t
]
t
表示被控量预测在预测时域n
p
内的变化轨迹；δu＝[δu(k)
t
,δu(k 1)
t
,
…
,δu(k n
c-1)
t
]
t
表示控制量在控制时域nc内的增量序列；n
p
表示预测时域，nc表示控制时域，且n
p
≥nc。
[0068]
s4：构建所述预测模型的滚动优化目标函数，并将所述调度指令输入到所述预测模型，以对所述碳捕集系统对应的分散式mpc控制器进行设计，得到所述吸收侧mpc控制器和所述解吸侧mpc控制器。
[0069]
具体地，所述滚动优化目标函数表示为：
[0070]
j＝(y
r-y)
t
qf(y
r-y) δu
t
rfδu；(16)
[0071]
其中，yr表示设定值矩阵；qf表示误差权矩阵；rf为控制权矩阵。
[0072]
考虑到贫液流量和富液流量的大小和速率限制，以及再沸器温度和储罐液位的限制，在碳捕集系统的mpc控制器设计中设置对以上变量的约束：
[0073][0074]
s5：通过所述吸收侧mpc控制器对吸收侧co2捕集率进行跟踪控制，通过所述解吸侧mpc控制器对解吸侧再沸器温度进行控制。
[0075]
分散式mpc控制算法的控制结构如图2所示，具体包括：吸收侧mpc控制器利用贫液流量控制co2捕集率，烟气流量作为可测扰动；解吸侧mpc控制器利用富液流量控制再沸器温度，抽汽流量作为可测扰动。
[0076]
下面以实际系统为案例进行计算，具体流程如下：
[0077]
首先，基于所建立的考虑吸收剂存储的火电机组-碳捕集系统的机理模型，对其进行整体优化调度，调度过程选取的具体价格参数如表1所示。
[0078]
表1-整体调度过程的具体价格参数
[0079][0080][0081]
为了验证配置吸收剂存储设备后整体系统调度的优化效果，将其与配置吸收剂存储设备前整体系统调度结果进行对比。仿真结果分别如图3和图4所示，其中，图3为调度仿真实验条件示意图，图4为调度仿真实验结果对比图。
[0082]
如图4中的(a)和(b)所示，即使没有部署溶剂存储设备，燃煤电站也可以满足整个调度期间的负荷需求，而无需从外部电网购买电力。但是如图4中的(c)所示，借助溶剂存储，能够达到更高的平均co2捕集水平。在8-12小时和16-21小时的时间段内，当电价或者负
荷需求较高的时候，调度将富溶剂存储于储罐中，以节省溶剂再生所需要消耗的能量，从而产生更多的电力输出来提高系统运行经济性。而在12-16h的时间段内，当电力价格较低的时候调度将贫溶剂存储于储罐内，使得解吸塔能够产生更多的再生贫溶剂，从而可以用于捕集更多的co2。如图4中的(d)所示，尽管配置吸收剂存储设备后燃煤电站和碳捕集系统的运行成本增加，但与此同时也了获得更多电交易与碳交易的收益。因此，含有吸收剂存储的燃煤电站-碳捕集系统的优化调度能够在碳捕集和经济效益方面取得更好的综合性能。
[0083]
其后，基于所建立的带吸收剂存储的火电机组-碳捕集系统的机理模型，对其进行开环阶跃实验来获取相应动态特性实验曲线，并与不带吸收剂存储的火电机组-碳捕集系统的动态特性实验曲线进行对比，如图5所示。吸收剂储罐的引入解除了贫液流量对解吸过程的影响，减弱和延缓了抽汽对吸收过程的影响，基本实现了系统吸收与解吸过程间的解耦，但也给系统带来了新增惯性、扰动与约束。
[0084]
其后，以30s为采样周期，根据相应动态特性实验数据，采用子空间辨识方法，经变换后得到吸收侧的增量式状态空间模型，其表达式如式(18)所示：
[0085][0086]
解吸侧的增量式状态空间模型同理可得。最后，依据式(14)至式(17)可构建碳捕集系统吸收侧与解吸侧分散式mpc控制的优化问题，进行优化求解并对所述带吸收剂存储的火电机组碳捕集系统进行控制。
[0087]
为了验证本实施例所提出的分散式mpc控制算法的优越性，将其与传统pi控制算法(pi)进行对比，两种控制器的基本参数与约束设置如表2所示。
[0088]
表2-分散式mpc和pi控制器参数设计
[0089][0090]
仿真结果分别如图6和图7所示。其中，图6为两种控制方法追踪性能对比图，图7为
两种控制方法抗扰性能对比图。
[0091]
如图6所示，假设初始时刻所述碳捕集系统在额定工况点稳定运行，碳捕集率设定值在第600s和3600s时分别变化至90％和50％。仿真过程中抽汽流量和烟气流量不变，控制目标为追踪捕集率设定值，保持再沸器温度稳定。所述分散式mpc控制器在第一和第二阶段均表现出较好的碳捕集率追踪性能，而传统的pi控制在捕集率上升阶段的调节速度慢于mpc控制器，且在碳捕集率设定值下降较多的情况下出现了明显超调。
[0092]
如图7所示，假设初始时刻所述碳捕集系统在额定工况点稳定运行，在600s时烟气流量增大3％，并于第2400s回到初始数值；在第4800s抽汽流量增大3％，并在6600s回到初始数值。仿真过程中捕集率和再沸器温度设定值不变。由于在预测模型中考虑了烟气和抽汽扰动的影响，所述分散式mpc控制器表现出了更优的性能，能够快速改变贫液和富液流量，对扰动进行补偿，从而更好维持捕集率和再沸器温度。
[0093]
综上所述，本技术所提出的带吸收剂存储的火电机组碳捕集系统优化调度与分散式预测控制方法能够实现机组更加低碳经济和灵活安全运行。
[0094]
以上为本技术示范性实施例，本技术的保护范围由权利要求书及其等效物限定。