专利名称：：计算和预测发电机组的性能的制作方法
技术领域：
：本发明总体上涉及发电领域。更具体地，本发明涉及用于计算和预测发电厂，并且尤其是使用蒸汽和燃气涡轮原动机的那些发电厂的性能特征、增量热耗率、产能、增量成本、生产成本和排放的系统和方法。本发明可以具有在发电系统经济调度；机组设备选型、规格和采购；运行成本；发电和容量交易；以及排放的计量和交易领域的进一步应用。
背景技术：
：增量成本是用于发电系统中多个机组的调度的依据。增量成本是增量热耗率(IHR)和燃料成本的产物。一些公司还包括增量维修，以及在增量成本计算中直接归因于生产的其它运行成本。为了优化经济，提供共同负载的全部机组应当以相同的增量成本来运行，如图1所示。如本领域所公知的，图l针对两个分离的机组，机组A和机组B，相对于以兆瓦级(MW)为单位的机组输出，以美元每兆瓦时($/MWhr)为单位来描绘增量成本。具体地，图l显示了从双机组系统传输807MW所需的机组负栽，其中增量成本，或者入粒子(入)是30.41$/MWhr。随着系统负栽的改变，增量成本，或者系统入粒子增加或者减少，直到机组负栽的总和匹配系统负栽需求。每个机组还受其最小稳定负载和最大产能的约束。在工业过程中，通常从周期性的性能测试中得到增量热耗率曲线。如本领域所公知的，图2所示的输入/输出(I/O)曲线表示与总输出(机组所产生的全部功率)或者净输出(总输出减去由机组的泵、风机和其它内部设备所使用的功率)有关的发电机组的全部热输入。图2示出了以BTU(英国热量单位)/小时为单位的热输入相对于以兆瓦为单位的机組输出的曲线，并且进一步示出了机组A和机组B的最小和最大产能。这些数据符合典型的三次至六次多项式曲线，其一般具有在机组的运行范围或者最小至最大产能内单调递增的已定义约束。如本领域中公知的，图3中所示的机组热耗率是热输入除以机组输出，并且代表机组的整体性能。增量热耗率是I/O曲线的一阶数学导数，或者d(I/0)/d(MW)。全部三条曲线——输入/输出、热耗率和增量热耗率一一可以被表示为总量或净量，这取决于公司的运行和调度原则。性能测试通常运行在严格控制的条件下以形成基线或者标称输入/输出曲线。最通常的受控条件是主蒸汽压力、主蒸汽温度和热再热(hotreheat)温度。其它参数可能是不可控的，但在机组性能计算中被校正到标准条件，典型地为针对发电机组的设计或者可达到值。这类参数包括蒸汽再热器压降、冷凝器压力或者循环水温度、环境空气温度和气压。阀门应用配置(lineup)或者发电机组配置还可以针对运行负荷或者针对维护而改变。燃料补充或者元素分析(ultimateanalysis)很重要，但在计算中通常不是调整因子。当前，在工业界，仅仅偶尔地更新性能曲线，可能一年一次，但往往频率更低。然而，在多个更新之间，基线条件或者应用配置中任何一个的变化可能导致机组性能和产能的改变。当针对这些变化做出对机组性能的调整时，调整通常相当于典型地由新机组的设计运行的设备供应商所提供的一些标准校正曲线、或者来自这些曲线的系数的应用。考虑蒸汽温度和压力的正常变化，在任何时刻都可能有几个或许多运行参数是非标称的，所以IHR的误差可以有规律地为1-5%，导致整体系统调度中0.5至2%的无效率。因此，本领域存在对接近实时地计算和预测性能的方法和系统的需求，从而优化发电成本。此外，随着对排放的公众关注及其所导致的立法的不断发展，本领域还存在对追踪和预测来自发电机组的排放以及量化它们的生产率和累积数量的需求。
发明内容本发明提供了用于计算和预测发电厂，并且尤其是使用蒸汽和燃气涡轮原动机的那些发电厂的性能特征、增量热耗率、产能、增量成本、生产成本以及排方文速率和数量的方法和系统。在优选实施例中，本发明提供了用于一体化的发电机组的性能监控和分析的系统和方法。本发明基于最新的机组应用配置和配置信息、燃料分析或构成以及大气条件提供了接近实时的输入/输出、机组热耗率、增量热耗率、机组最大产能、增量成本以及排放速率和数量。在优选实施例中，本发明所产生的结果反映了用于改进后的决策支持、调度和排放核算的接近实时的实际性能。如上所述，在工业界，调度者(dispatcher)通常使用常常与当前条件不相符的标准化性能曲线，从而在调度中引入误差。如此，利用本发明，机组性能不需要对标准条件的校正。在优选实施例中，本发明还包括接受如下内容的预测模块(i)例如气温、气压以及冷却水温度的天气或大气条件的预测；(ii)机组应用配置或者配置；(iii)燃料构成或者分析；以及(iv)预测期间特定记录的附加性能参数。本发明计算预测期间的每个时段的输入/输出、机组热耗率、在机组整个负荷范围内的增量热耗率(即，增量热耗率曲线)、最大产能、增量成本以及排放速率和数量。如下面将详细描述的一样，本发明特别描述了基于当前运行条件计算和预测发电厂的近期生产成本、产能、增量热耗率、增量成本以及排放速率和数量的系统和方法，其包含执行下列功能的模型和模块(1)使用如下信息周期性地或者在要求时计算发电机组设备性能数据(i)当前电厂应用配置和机組配置；(ii)已测量并且优选地已记录的物理运行数据，如流量、压力和温度；(iii)以及燃料构成或成分；以便将单个设备的性能综合至整体机組性能中。在优选实施例中，本发明可以使实际性能在如基础(base)热平衡程序所需的已测量并且优选地已记录的机组数据的大约0.25%的统计误差范围内重复；(2)基于来自上述(i)的已计算的设备和机组性能数据，周期性地或者在要求时特征化(characterize)特定时段的机组性能；(3)为了发电机组和总的电力系统的经济负荷和运行而周期性地或者在要求时计算关键参数，并且使用附加支持模块来接近实时地监控设备，该附加支持模块(a)通过评估整体机组性能来周期性地或者在要求时计算作为热能输入相对于当前负荷的曲线斜率的接近实时的增量热耗率，所述评估在超出针对每个时段而记录的负荷大约2一5%以及低于所述记录的负荷大约2-5%的偏移下进行，最终偏移量由输入数据的工程分析来确定。机组性能基于来自上述(2)的特征化的模型。尽管通过对电厂仪器、运行和稳定性的仔细评定确定了准确的偏移量，但预期负荷偏移为当前负荷的大约2-5%。(b)通过增加流入涡轮机的蒸汽或者燃气直到达到模型中的物理极限，基于来自上述(2)的性能特征化模型的数据周期性地或者在要求时预测机组的最大产能。例如，当涡轮机节流阀打开较宽，当涡轮机排气流达到临界速度，当达到规定的排放限制，或者在机组操作者可以识别的其它运行极限出现时，物理极限可以出现在给水泵能力、风机能力上；(4)基于预期的操作者指定的电厂应用配置和配置、运行极限、燃料成分和未来一段时间的天气预报，周期性地或者在要求时预测该未来一段时间、优选地是一至七天的机组生产成本、产能、增量成本、排放以及在机组整个负荷范围内的增量热耗率(即，增量热耗率曲线)；以及(5)周期性地或者在要求时计算当前时间的预期的排放，包括但不限于氮氧化物(NOx)、硫氧化物(SOx)和二氧化碳(C02)，并且按日、月、年和累积总数以及按地理排放区域来计算总数。图4示出了本发明优选实施例的处理和信息流的框图。通过下面优选实施例的描述和附图，其它目的、特征和优点对于本领域技术人员将是明显的，附图中图l是针对两个分离的机组(机组A和机组B)，相对于以兆瓦为单位的机组输出的以美元每兆瓦时为单位的增量成本的现有技术曲线图，具体示出了从双机组系统产出807MW所需的才几组负荷；图2是针对机组A和机组B的现有技术输入/输出曲线，示出了以BTU/小时为单位的热输入相对于以兆瓦为单位的机组输出的曲线，并且进一步示出了图1所示的每个机组的最小和最大产能；图3是现有技术机组热耗率曲线，针对图l所示的两个机组中的每一个，示出了以BTU/千瓦时为单位的;f几组热耗率相对于以兆瓦为单位的^L组输出的曲线；图4是根据本发明的计算和预测发电厂的性能特征、增量热耗率、产能、增量成本、生产成本以及排放速率和数量的方法和系统的优选实施例的框图；以及图5a和5b是用于图4的方法和系统的操作者显示示例。具体实施方式本发明提供了用于计算和预测发电厂、并且尤其是使用蒸汽和燃气涡轮原动机的那些发电厂的性能特征、增量热耗率、产能、增量成本、生产成本以及排放速率和数量的方法和系统。在优选实施例中，本发明使用商用现货(COTS)的热平衡计算程序来开发电厂的一体化软件模型或者仿真。优选的COTS热平衡计算程序是由Syntha⑧公司提供的Syntha2000，但是本发明也可使用其它COTS热平衡计算程序，包括但不限于由Scientech提供的PEPSE,以及由GEEnergy提供的GateCycle。然而，本发明不限于使用COTS热平衡计算程序，其它程序，无论是私人所有的、内部的还是来自政府研究或者基金的，都是被预期的并且在本发明的范围之内。此外，在本发明的优选实施例中，数据库/归档程序用来记录和存储当前计算机模型和模块所产生的数据以及用以作为本发明的系统和方法的输入的电厂性能测量值。在优选实施例中，OSIsoft⑧的PI被用以作为数据库/归档程序，但是本发明也可使用来自于电厂控制仪器供应商的可用的其它系统和其它源(source)，包括但不限于私人所有的或者内部的系统和源，或者来自政府研究或基金的系统和源。图4示出了本发明优选实施例的框图，其中计算和预测系统400包含用来计算当前机组性能(包括但不限于生产成本、增量热耗率、最大机组产能和排放量)的计算机模型和模块。优选地，模型和模块源自单个、定制、电厂专用的模型以尽可能地使用已存档的机组数据。例如，在优选实施例中，两个分离的Syntha⑧2000模型被使用，并且运行于七至十个负荷或者产能以获得标准的结果。如果实现了预测模型，运行附加的六至九个负荷。在优选实施例中，计算和预测系统400包含下列组成模型和模块当前性能模型420、预测性能模型440和预测模块460。这三个模型/模块在表l中被概述，并且在下面被详细讨论。表1—合并在本发明优选实施例中的;漠型和模块<table>tableseeoriginaldocumentpage10</column></row><table>当前性能模型420进一步参考图4，在优选实施例中，当前性能模型420使用例如Syntha2000的COTS热平衡计算程序计算全部质量和能量平衡。当前性能模块420从测量数据数据库425获取最近时段的测量数据424。测量数据424是表示例如流量、温度和压力的机组运行参数的物理数据。在优选实施例中，测量数据424是已经被记录的历史数据，但是在可替代实施例中，可以除已记录数据之外或者代替已记录数据而使用用户输入的或者实时数据。此外，在可替代实施例中，测量数据424还可以包括从物理测量值中计算出来的或者源自物理测量值的数据。在优选实施例中，最近时段在大约5分钟到大约15分钟之间，但是为了特定装置而定制的其它时段是被预期的并且在本发明的范围之内。优选地，当前性能模型420还接受机组配置数据431和燃料构成数据432作为输入。机组配置数据431描述机组的当前物理配置，例如停用的加热器数目以及在使用中的循环水或者给水泵数目。燃料构成数据432描述燃料的属性，包括但不限于烃的数量和断裂、基本化学组成(elementalchemicalmakeup)、水的数量以及热值。才几组配置数据431和燃料构成数据432均可以存储在测量数据数据库425中和/或由用户手动输入或者从外部源接收。表2提供了可以用来作为当前性能模型420的输入的典型测量数据424的列表，但是所使用的具体数据参数可以根据机组类型、配置和年代(age)而变化。而且，测量数据424不限于表2中所列的数据参数，并且附加数据参数是被预期的并且在本发明的范围之内，该附加数据参数具有特定于所选的数据库/归档程序的格式和方式，并且为了向任何特定实施例提供输入数据，针对每个现场安装(siteinstallation)可能需要自定义提取。表2列出了四种才几组类型(火电才几组、核电才几组、燃气涡轮和联合循环机组)的典型输入数据参数。表2中特定栏中"Y"的使用指示数据参数与关联机组类型有关。例如，"气压，，数据参数与火电机组、燃气涡轮和联合循环机组有关，但与核电机组无关。请注意，当前性能模型420针对每个机组类型独立地执行计算。换言之，针对火电机组而执行的计算至少在某些方面不同于针对核电机组而执行的计算。当前性能模型420所使用的数据参数的数目部分地取决于机组配置数据。例如，如本领域中7>知的，机组通常具有三至八个给水加热器，并且针对这些加热器可以具有两条或三条平行的通道(path)或者线路(train)。如果特定机组具有三条加热器线路，并且每条线路具有8个加热器，那么存在24个加热器。如果每个加热器具有针对温度的关联数据参数，那么将会有24个不同的温度数据参数用以作为当前性能模型420的输入。通常，简单的发电机组可能具有到当前性能模型420的少至十到二十个数据参数输入，而大的、复杂的机组可能具有多于125个的输入数据参数。输入数据参数的准确数目取决于数据库结构、发电机组配置、可用的机组仪表以及模型的复杂度和结构。进一步参考图4，在优选实施例中，当前性能模型420计算来自三个源的性能特征435，这三个源为(i)测量数据424;(ii)机组配置数据431;以及(iii)燃料构成数据432。从这几个数据源，当前性能模型420计算性能特征435，其指示机組在指定的时段期间运行得如何。当前性能模型420所使用的计算是本领域技术人员所公知的标准工程计算，并且可以通过考虑当前性能模型420的期望输入和输出而得出。在本发明的优选实施例中，当前性能模型420所产生的性能特征435存储在性能特征数据库445中。在优选实施例中，测量数据424和性能特征435共同位于相同的数据库中，并且性能特征数据库445和测量数据数据库425是相同的物理数据库。还请注意，机组配置数据431和燃料构成数据432也可以存储在性能特征数据库445中。表3示出了性能特征435的典型列表，其可以包括如涡轮效率和流量系数、换热器传热系数、泵和风机效率以及管道压力系数这样的信息，但是本发明不限于该列表，并且在特定应用需要时可以包括其它性能测量值。由当前性能模型420所计算并且记录在性能特征数据库445中的具体性能特征取决于机组的设计以及机组操作者的需求和目标。这些数据可以与来自预测性能模型440的相同值进行比较以辅助监控机组的运行。进一步参考图4,在优选实施例中，本发明可以包括用户界面，其可以包含一或多个操作者显示446。操作者显示446可以用于查看机组配置数据431、燃料构成数据432、测量数据424、性能特征435以及历史数据447,包括但不限于当前发电机组配置和燃料构成、最大产能、增量热耗率、排放量以及终端用户可能需要的其它输入数据和结果。历史数据447是在前输入期间或者在本发明的计算中记录至数据库的任何数据。操作者显示446的格式和布局可以为了装置而定制并且取决于用户需求和偏好。图5a和图5b示出了两个非限制性实例显示。在可替代实施例中，用户界面还可以包括交易者和调度者显示。此外，在可替代实施例中，本发明可以包括报告模块，以提供预先配置的和用户定义的报告。表2-当前性能模型的典型输入测量数据<table>tableseeoriginaldocumentpage13</column></row><table>热再热压力YYY热再热温度YYY横跨(crossover)压力YY横跨温度YY冷凝器压力YYY进入循环水温度YYY出去循环水温度YYYFWH出口温度YYYFWH排放(Drain)温度YYY提取温度@涡轮YYY提取温度@FWHYYYFP吸入(Suction)压力YYYFP吸入温度YYYFP排出YYY(discharge)压力FP排出温度YYY风机排出压力Y风才几排出温度Y压缩机出口压力YY燃烧罐温度YY在优选实施例中，表2所列的用以作为不同模型的输入的运行数据、性能特征和其它常规数据周期性地改变并且由本发明直接输入。相对照地，当前性能模型420、预测性能模型440和预测模块460中模拟的物理安排仅仅可以由管理者在得到物理机组改变和/或机组的数据输入需求的保证时改变。得到保证的改变的实例包括新的设备或者换热器中插入的管子、或者永久或长期的发电机組重新配置。这样的更新应用至全部模型一当前性能模型420、预测性能模型440和预测才莫块460。表3—存储至数据库的来自模型/模块的典型数据存储的数据当前性能模型预测性能模型IHR模型最大能模具有当前性能模型输入Y的平行数据蒸汽/空气流量YYYY总(或净)输出YYYY涡轮TFR、流量系数和效率YY换热器dP和传热系数YY管道dP系数YY泵效率和扬程(head)YY风才几/压缩机效率和压力比YY蒸汽发生器效率YY环境条件YYYY设备在使用中/停用YYYY燃料构成YYYY型预测性能模型440进一步参考图4，计算和预测系统400进一步包含预测性能模型440，其延伸当前性能模型420的功能以生成机组的接近实时的热耗率和生产成本、增量热耗率(IHR)、当前最大产能、生产和增量成本以及排放量。调度者和交易者(其可以包括独立的系统运营(ISO)，区域电力网(powerpool)、发电7>司以及Z/^共部门机构(publicsectorinstitution))需要该信息以经济地装载电力系统中的机组，以及最优地安排(broker)电力(MW)和能量(MWhr)。此外，机组和电厂操作者需要该信息以评估维护计划和日程、确定最佳机组运行并且评估设备改建或改造。在优选实施例中，本发明提供工程数据以支持调度者和操作者决定。预测性能模型440使用运行于两个负荷下来计算增量热耗率的第一模型一增量热耗率计算模型441，以及确定机组的最大产能的第二模型一最大产能计算模型442。两个模型均使用来自当前性能模型420的性能特征435来特征化特定时段的机组性能。表4列出了由当前性能模型420所生成的并且由预测性能模型440、增量热耗率计算模型441以及最大产能计算模型442所使用的典型数据类型。数据类型的实际列表不限于表4，并且可以包括其它数据类型。数据的类型可以随着机组变化，并且可能取决于参数的数目，参数包括但不限于机组的类型(火电、核电、燃气涡轮等等)以及机组操作者的需求和目标。表4-当前性能模型所生成的且预测性能模型所使用的典型数据数据参数火电机组涡轮流量系数Y涡轮效率Y换热器传热系数Y管道dP系数Y泵效率和扬程Y风机/压缩机效率Y和压力比蒸汽发生器效率Y环境条件Y核电机组燃气涡轮联合循环YYYYYYYYYYYYYYYYYYY增量热耗率计算模型441增量热耗率计算模型441确定特定负荷下的增量热耗率。增量热的斜率。进一步参考图4，在优选实施例中，通过使用预测模型以超16出针对每个时段而记录的负荷大约2-5%以及低于该记录负荷大约2-5%的偏移来计算热输入和电力输出，增量热耗率计算模型441十分接近地近似输入/输出曲线的斜率，最终偏移量由输入数据的工程分析来确定。增量热耗率计算模型441确定斜率，并且因而确定这两个点之间的增量热耗率。该计算用来自测量数据数据库425和性能特征数据库445的当前机組配置和燃料、当前环境条件以及当前设备性能和状态反映了当前IHR。成本数据480(其可以包括燃料成本、消耗品成本(例如试剂和吸附剂)、维护成本、电厂折旧成本、排放处罚或许可成本以及附加的机组或者电厂专有的特殊成本或者因素)然后可能被应用于在给定运行条件下针对机组建立预测的增量和总体运行成本。与当前负荷的负荷偏移量被估计不超过大约正负5%，并且在使用常用统计、微积分和仪器校正实践的工程分析之后在实践中将接近大约2%。该分析考虑机组仪表的稳定性、准确度和精密度，归档数据和机组操作者的目标，其可以包括将由本发明的任何一个模型和模块所生成的数据用于性能监控、经济调度、电力交易和/或排放交易中的任何一个或者全部。最大产能计算模型442对于调度者和交易者来说，一个重要的数据是机组的最大产能。这个值确定机组在当前运行条件下能够产生多少更多的电力，从而多少电力可以用来传输或者在自由市场上出售。如图4所示，最大产能计算模型442(—个预测模型)使用蒸汽系统的蒸汽流量、燃气系统的空气流量或者联合系统中的前述两者的最大值作为起点来确定当前最大产能。来自最大产能计算模型442的该初始执行的结果与用户指定的设备极限表进行比较以确定(establish)没有超过这些用户指定极限中的任何一个，所述设备极限包括但不限于泵流量能力、允许的管道压力损失以及锅炉最大蒸汽流速。如果超过了一个用户指定极限，那么该极限变成最大产能计算模型442的下一次执行的输入数据。重复该处理直到没有其它用户指定极限没有被超过。最大产能计算模型442所使用的计算是本领域技术人员所公知的标准工程计算，并且可以通过考虑最大产能计算模型442的期望输入和输出而得出。在优选实施例中，最大产能计算模型442使用并入了热力学第二定律的热平衡程序。例如，在蒸汽涡轮以及用Syntha2000作为计算引擎的情况下，精确地设置涡轮节流阀的流量比率为1.0(阀门全开)以要求到蒸汽涡轮的最大蒸汽流量(100%)。如本领域中公知的，其它参数也可能影响最大产能，并且可以被考虑以确定输出的极限因素。进一步参考图4，增量热耗率和最大机组产能可以存储在数据库445中并且依照请求提供给调度者和交易者470，并且还可以显示在操作者显示446上。预测纟莫块460发电公司需要在电力市场投标，提供第二天的报价和电力或者预测达到预期的客户需求的产能。例如，美国东部的一个电力库需要来自发电公司的第二天下午4点的投标。一旦收到投标，电力库选择成功的投标者，并且使它们对它们的投标负责。进一步参考图4，预测模块460使用(i)当前性能模型420提供的性能特征435;以及(ii)预测数据465以针对预测时段预测生产和增量成本、产能和排放数据，包括但不限于NOx、SOx以及C02排放。预测数据465包括三种类型的数据(i)天气或大气预测数据466;(ii)机组配置预测数据467;以及(iii)燃料构成预测数据468。天气或大气预测数据466描述预期的大气条件，并且可以包括但不限于环境气温、气压以及冷却水温度，并且可以从各种源输入，例如到天气预报服务的外部链接或者用户手动输入。机组配置预测数据467表示与用以作为当前性能;f莫型431的输入的机組配置数据431相同类型的信息。然而，在本申请中，操作者、调度者或者交易者可以改变预测时段的机組配置预测数据467以说明已计划维护的改变。类似地，燃料构成预测数据468表示与用以作为当前性能模型431的输入的燃料构成数据432相同类型的信息。然而，同样，操作者、调度18者或者交易者可以改变预测时段的燃料构成预测数据468以说明已计划燃料的改变。接下来，预测模块460使用预测性能模型440,并且具体地使用增量热耗率计算模型441和最大产能计算模型442来计算在机組整个负荷范围内的增量热耗率的公式(增量热耗率曲线)以及在针对预测时段所预测的大气条件、机组配置和燃料构成条件下的最大产能。按照上面关于增量热耗率计算模型441和最大产能计算模型442所描述的方式计算所预计的(projected)增量热耗率和最大产能。接下来，预测模块460获取成本数据480并且应用成本数据480至所预测的增量热耗率和最大产能以确定机组在预测时段的增量成本(还被称为边际成本)和总体运行成本。如上所述，成本数据480可以包括燃料成本、维护成本、排放限制或处罚成本以及机组或电厂专有特殊成本或因素。预测模块460所使用的计算是本领域技术人员所公知的标准工程计算，并且可以通过考虑预测模块460的期望输入和输出而得出。在可替代实施例中，本发明可以包括附加的模型，包括但不限于预期性能模型。预期性能模型可以接收除已记录测量数据之外的一或多个实时测量值以计算一系列预期性能特征。这些预期性能特征接着可以与性能特征435进行比较，并且可以被显示、报告，以及用以作为工程和维护决定的输入。在优选实施例中，计算和预测系统400运行于客户端-服务器计算机网络上，其中至少当前性能模型420、预测性能模型440和预测模块460运行于服务器计算机上，而包括操作者显示446的用户界面运行于客户端计算机上。客户端-服务器计算机网络是本领域公知的。在优选实施例中，一或多个客户端计算机通过例如因特网的网络连接至一或多个服务器计算机。然而，本发明不限于这种配置,并且在可替代实施例中，计算和预测系统400可以作为独立应用程序运行于桌面或者膝上型电脑上，或者横跨经由本地专用网络连接的多台计算机。尽管在某些附图中示出了本发明的特定特征而在其它附图中没有示出，但这仅仅出于便于描述的目的，因为根据本发明，可以按照其它方式来组合特征。其它实施例对于本领域技术人员将是明显的并且在下面权利要求的保护范围之内。权利要求1.一种计算至少一个发电机组的增量热耗率和最大产能的系统，包含当前性能模型，用于使用描述机组物理配置的数据、描述机组运行参数的数据以及描述机组燃料构成的数据中的至少一个来计算发电机组在第一时段内的一或多个性能特征；数据库，用于存储所述性能特征中的至少一个；以及预测性能模型，用于使用描述机组物理配置的数据、描述机组燃料构成的数据以及性能特征中的至少一个来计算发电机组的增量热耗率和最大产能。2.如权利要求1所述的系统，进一步包含预测模块，用于使用描述机组预期物理配置的数据、描述机组预期燃料构成的数据、描述预期大气条件的数据以及性能特征中的至少一个来计算发电机组在第二时段内的预测增量热耗率和预测最大产能。3.如权利要求1所述的系统，进一步包含用户界面，用于显示增量热耗率、最大产能、预测增量热耗率、预测最大产能以及性能特征中的至少一个。4.一种计算至少一个发电机组的增量热耗率和最大产能的方法，包含以下步骤使用描述机组物理配置的数据、描述机组运行参数的数据以及描述机组燃料构成的数据中的至少一个来计算发电机组在第一时段内的一或多个性能特征；存储所述性能特征中的至少一个；使用描述机组物理配置的数据、描述机组燃料构成的数据以及性能特征中的至少一个来计算发电机组的增量热耗率；以及使用描述机组物理配置的数据、描述机组燃料构成的数据以及性能特征中的至少一个来计算发电机组的最大产能。5.如权利要求4所述的方法，进一步包含以下步骤使用描述机组预期物理配置的数据、描述机组预期燃料构成的数据、描述预期大气条件的数据以及性能特征中的至少一个来计算发电机组在第二时段内的预测增量热耗率和预测最大产能。6.如权利要求5所述的方法，进一步包含以下步骤使用描述预期燃料成本的数据、描述预期消耗品成本的数据、描述预期排放成本的数据、描述预期电厂折旧成本的数据和描述预期维护成本的数据中的至少一个以及预测增量热耗率来计算预测增量成本。7.如权利要求4所述的方法，进一步包含以下步骤显示增量热耗率、最大产能、预测增量热耗率、预测最大产能以及性能特征中的至少一个。8.如权利要求4所述的方法，进一步包含以下步骤使用描述燃料成本的数据、描述消耗品成本的数据、描述排放成本的数据、描述电厂折旧成本的数据和描述维护成本的数据中的至少一个以及增量热耗率来计算增量成本。9.如权利要求4所述的方法，其中通过确定对于机组负荷在该机组负荷以上的第一点和该机组负荷以下的第二点处的热耗率和电力输出，以及确定连接第一点和第二点的线的斜率来计算增量热耗率。10.如权利要求9所述的方法，其中第一点超出机组负荷大约2-5%并且第二点低于才几组负荷大约2-5%。全文摘要计算和预测发电厂、并且尤其是使用蒸汽和燃气涡轮原动机的那些发电厂的性能特征、增量热耗率、产能、增量成本、生产成本和排放的系统和方法(400)。系统(400)包括使用机组运行参数(424)、机组配置数据(431)和燃料构成数据(432)，计算当前机组性能(420)和预测包括增量热耗率(441)和最大产能(442)的机组性能(440)的模型和模块。系统进一步包括通过允许用户改变机组配置(467)和燃料构成(468)数据以对已计划的维护和所预计的燃料的改变建模并且说明预期的大气条件(466)，从而预报或者预测机组性能和成本信息的模块。文档编号G05D17/00GK101517506SQ200780034390公开日2009年8月26日申请日期2007年7月17日优先权日2006年7月17日发明者L·A·修特钦森,S·L·菲尔申请人:欣达公司