燃煤机组负荷分配方法和装置与流程

本发明涉及火电技术领域，特别是涉及一种燃煤机组负荷分配方法和装置。

背景技术：

不同类型的燃煤机组有着不同的供电煤耗特性和污染物排放特性，相同类型的燃煤机组，由于燃煤机组本身制造施工和运行水平的不同，在供电煤耗特性和污染物排放特性等方面也存在差异。开展负荷优化分配调度，就是在保证燃煤机组连续安全运行的前提下，通过选择合适的负荷优化分配方案，实现降低全厂(网)供电煤耗和减小污染物排放等的多目标最优。

粒子群算法(PSO，Particle Swarm Optimization)有灵活和平衡的机制保证和调整全局搜索和个体搜索能力，收敛速度要快于遗传算法。传统技术中已有方案将粒子群算法应用于燃煤机组的负荷优化分配中，但是传统技术中的粒子群算法无法实现Pareto(帕累托)前沿解集的多样性和均衡性，因此根据该Pareto前沿解集无法对燃煤机组的负荷进行合理分配。

技术实现要素：

基于此，有必要针对上述问题，提供一种燃煤机组负荷分配方法和装置，能够实现Pareto前沿解集的多样性和均衡性。

为了达到上述目的，本发明采取的技术方案如下：

一种燃煤机组负荷分配方法，包括步骤：

根据初始化后的粒子群以及依据燃煤机组实际运行参数构建的负荷分配模型获得第一目标函数值，所述负荷分配模型以粒子群为输入，以燃煤机组负荷最优分配的目标函数值为输出；

根据所述第一目标函数值获得Pareto前沿解集，将Pareto前沿解集分为若干个区域，每个区域对应一个区域最优解，获得每一个区域的粒子本身经历过的最优位置和非劣最优解，将粒子本身经历过的最优位置和非劣最优解作为初始的外部存档最优解集；

根据所述外部存档最优解集获得粒子群经历过的最优位置；

根据粒子本身经历过的最优位置和粒子群经历过的最优位置对粒子群的位置更新；

根据更新后的粒子群和所述负荷分配模型获得第二目标函数值；

比较所述第二目标函数值与所述第一目标函数值是否一致；

若一致，根据第二目标函数值确定Pareto前沿解集，根据确定的Pareto前沿解集对燃煤机组负荷进行分配，否则将所述第二目标函数值作为新的第一目标函数值，返回根据所述第一目标函数值获得Pareto前沿解集的步骤。

一种燃煤机组负荷分配装置，包括：

第一目标函数值获得模块，用于根据初始化后的粒子群以及依据燃煤机组实际运行参数构建的负荷分配模型获得第一目标函数值，所述负荷分配模型以粒子群为输入，以燃煤机组负荷最优分配的目标函数值为输出；

外部存档最优解集获得模块，用于根据所述第一目标函数值获得Pareto前沿解集，将Pareto前沿解集分为若干个区域，每个区域对应一个区域最优解，获得每一个区域的粒子本身经历过的最优位置和非劣最优解，将粒子本身经历过的最优位置和非劣最优解作为初始的外部存档最优解集；

粒子群最优位置获得模块，用于根据所述外部存档最优解集获得粒子群经历过的最优位置；

位置更新模块，用于根据粒子本身经历过的最优位置和粒子群经历过的最优位置对粒子群的位置更新；

第二目标函数值获得模块，用于根据更新后的粒子群和所述负荷分配模型获得第二目标函数值；

目标函数值比较模块，用于比较所述第二目标函数值与所述第一目标函数值是否一致；

负荷分配模块，用于在所述第二目标函数值与所述第一目标函数值一致时，根据第二目标函数值确定Pareto前沿解集，根据确定的Pareto前沿解集对燃煤机组负荷进行分配；在所述第二目标函数值与所述第一目标函数值不一致时，将所述第二目标函数值作为新的第一目标函数值。

上述燃煤机组负荷分配方法和装置，基于粒子群算法，使用比例平衡机制将Pareto前沿解集分为若干区域，每个区域只对应一个最优解，当算法发现某区域存在少部分非劣解时，粒子群将根据此非劣解获得更多解集，从而提高了Pareto前沿解集的多样性和均衡性，使燃煤机组在满足电网对负荷调整硬性要求和机组自身约束条件下，实现了负荷的合理分配，达到经济和环保运行，提高全厂发电经济竞争力。

附图说明

图1为一实施例所提供的燃煤机组负荷分配方法的流程示意图；

图2为一具体实施例所提供的粒子群的区域最优解分布的示意图；

图3为一具体实施例所提供的外部存档最优解集的跳跃机制的示意图；

图4为一实施例所提供的燃煤机组负荷分配装置的结构示意图；

图5为另一实施例所提供的燃煤机组负荷分配装置的结构示意图。

具体实施方式

为更进一步阐述本发明所采取的技术手段及取得的效果，下面结合附图及较佳实施例，对本发明的技术方案，进行清楚和完整的描述。

如图1所示，一种燃煤机组负荷分配方法，包括步骤：

S110、根据初始化后的粒子群以及依据燃煤机组实际运行参数构建的负荷分配模型获得第一目标函数值，所述负荷分配模型以粒子群为输入，以燃煤机组负荷最优分配的目标函数值为输出；

S120、根据所述第一目标函数值获得Pareto前沿解集，将Pareto前沿解集分为若干个区域，每个区域对应一个区域最优解，获得每一个区域的粒子本身经历过的最优位置和非劣最优解，将粒子本身经历过的最优位置和非劣最优解作为初始的外部存档最优解集；

S130、根据所述外部存档最优解集获得粒子群经历过的最优位置；

S140、根据粒子本身经历过的最优位置和粒子群经历过的最优位置对粒子群的位置更新；

S150、根据更新后的粒子群和所述负荷分配模型获得第二目标函数值；

S160、比较所述第二目标函数值与所述第一目标函数值是否一致；

S170、若一致，根据第二目标函数值确定Pareto前沿解集，根据确定的Pareto前沿解集对燃煤机组负荷进行分配；

S180、若不一致，将所述第二目标函数值作为新的第一目标函数值，返回根据所述第一目标函数值获得Pareto前沿解集的步骤。

为了更好的理解上述各个步骤的实施过程，首先对负荷分配模型进行详细介绍。

燃煤机组可以为纯凝燃煤机组等。针对燃煤机组负荷分配中供电煤耗率、污染物排放量和磨煤机启停成本的多目标优化问题，构建了供电煤耗率、磨煤机启停成本和污染物排放量等数学模型，在负荷响应速度、负荷总需求等约束条件下，构建了多目标、多约束燃煤机组负荷优化分配模型(即负荷分配模型)。下面对各个数学模型、约束条件以及负荷分配模型进行详细介绍。

(一)供电煤耗率特性函数

燃煤机组在负荷变动时，由于热力循环的变化，节流损失的变化和辅机启停的变化，供电煤耗率也会随之变化，这就为不同机组之间通过负荷优化分配实现全厂(网)供电煤耗率和污染物排放最小提供了条件。

供电煤耗率的获取一般有两种方法：正平衡法和反平衡法。正平衡法通过测量入炉煤量、煤热值及单机供电量确定供电煤耗，由于入炉煤量和煤热值的测量误差较大，使用正平衡法计算的供电煤耗率误差较大，不适应用于基于数据高精确度的负荷优化分配。目前一般使用反平衡方法获取供电煤耗率，即通过测量和计算出汽轮机热耗率、锅炉效率和厂用电率等指标，计算出供电煤耗率，该方法获得的供电煤耗率准确度较高，适合于负荷分配方法精细化优化以使全厂供电煤耗率最低。

但汽轮机热耗率特性曲线存在阀点效应，即在汽轮机调节阀顺序调节时，新的喷嘴组开启时会产生新的节流，导致热耗率特性存在脉动效应。喷嘴组的开启特性主要是于汽轮机进汽量有关。汽轮机进汽量与负荷有直接关系，但亦受汽轮机排汽压力影响较大。综合上述因素，构建了考虑阀点效应的供电煤耗率特性函数，提高了供电煤耗曲线的精确度。构建的供电煤耗率特性函数如下：

式中，

p_i——第i台燃煤机组功率；

——第i台燃煤机组供电煤耗率；

a、b和c——第i台燃煤机组供电煤耗率特性系数；

——时，为第j组喷嘴打开时阀点效应系数，其它区间内

p_ex——第i台燃煤机组汽轮机排汽压力；

k_ex——排汽压力对功率的修正系数；

——第j组喷嘴即将打开时的机组负荷。

——第i台燃煤机组第j组喷嘴开至最大时的机组负荷。

(二)磨煤机启停成本特性函数

负荷的变化同时会引起机组运行方式的改变，尤其是重要辅机的启停状态变化。重要辅机中汽动(电动)给水泵为热备用，启停成本较小，而磨煤机启停需要投入的人力物力较大，必须予以考虑。由于磨煤机的启停成本只在若干个小的负荷区间存在，而且成本弹性和独立性较大，使用人工决策干预更灵活，故增加磨煤机的启停成本作为负荷优化分配的一个目标函数更具现实意义。本发明研究了机组升减负荷引起磨煤机启停的经济成本，根据机组对磨煤机随负荷变化的启停特性数据，建立了负荷变动引起的磨煤机启停成本特性函数，具体如下：

式中，

——第i台燃煤机组第t时刻机组磨煤机启停成本；

——第i台燃煤机组第t时刻机组单台磨煤机开启成本；

——第i台燃煤机组第t时刻机组单台磨煤机停止成本；

——第i台燃煤机组第t时刻机组第j台磨煤机启停状态，开启时为1，停止时为0；

——第i台燃煤机组第t-1时刻机组第j台磨煤机启停状态。

(三)污染物排放特性函数

火电厂排放的污染物包括NO_x，SO₂等，其排放量可表述为：

式中，α_i，β_i，γ_i，ζ_i，λ_i分别为第i台机组的污染物(NO_x等)排放特性系数。

(四)约束条件

(1)机组出力约束

P_mini≤P_i≤P_maxi

式中，P_{max i}由发电机组容量决定，P_{min i}为不投油稳燃的机组最低运行负荷，P_demand为调度部门下发的负荷指令。

(2)机组负荷升降速率约束

升负荷时约束：

降负荷时约束：

式中，

——第i台机组每分钟输出功率所允许的最大上升速度(MW/min，兆瓦/分钟)；

——第i台机组每分钟输出功率所允许的最大下降速度(MW/min)；

Δt——升减负荷要求时间。

(3)其他约束

机组负荷优化分配需要首先考虑机组的安全稳定运行，如因负荷变动引起的机组风险增加，如某些负荷点汽轮机轴振动加大或者机组高压调门卡涩均因作为限制条件。

(五)机组多目标多约束的负荷分配模型

综上所述，机组多目标多约束负荷分配模型描述如下：

需要说明的是，式(3)中minf_pltn为考虑污染物排放最小，式(7)中为考虑供电煤耗率、磨煤机启停成本以及污染物排放最小。还可以考虑其他特性函数最小，例如供电煤耗率最小，磨煤机启停成本最小等，本发明并不对此做出限定。

为了更好地理解本发明，下面对各个步骤的具体实施方式做详细介绍。

在步骤S110中，当需要对一个区域电网内的燃煤机组进行负荷分配时，以区域内枢纽变电站为单位，将区域电网内的机组划分为若干虚拟电厂。以虚拟电厂为单位进行负荷优化分配。燃煤机组的实际运行参数为建立负荷分配模型时涉及的燃煤机组的参数，例如燃煤机组功率、燃煤机组汽轮机排气压力等等。根据各燃煤机组实际运行参数获取虚拟电厂内每一个燃煤机组的供电煤耗率特性函数、污染物排放特性函数和磨煤机启停成本特性函数等，即式(1)，(2)和(3)式所示的特性函数，例如虚拟电厂有6台纯凝燃煤机组，则获取每一个纯凝燃煤机组的供电煤耗率特性函数、污染物排放特性函数和磨煤机启停成本特性函数等。根据各燃煤机组实际运行参数确定式(4)、(5)和(6)所示约束条件和因轴振动、调门卡涩和辅机故障等引起的负荷限制条件。从而构建出虚拟电厂的燃煤机组负荷分配模型。

本实施例使用粒子群算法作为优化算法。首先对粒子群进行初始化，即初始化种群数、速度、权重和迭代次数，每个粒子本身经历过的最优位置Pbest可以取粒子当前位置。然后由构建好的负荷分配模型计算目标函数值。

在步骤S120中，在粒子群的目标函数值中获得Pareto最优前沿解集，获得Pareto最优前沿解集的方式可以采用现有技术中已有的方式实现。为扩大粒子的搜寻能力和保持非劣解的多样性，全局最优解的确定必须依赖于粒子群的分布。本实施例通过比例分布机制(例如等比例分布机制等)将整个Pareto解集划分成若干区域，每个区域对应一个区域的最优解，这样保证Pareto前沿的多样性和平衡分布。如果在某个区域存在少部分的非劣解，粒子群可以根据此组非劣解探索未知的区域，获得更多样性的解集。但如果在某个区域中非劣解的数量太大时，应该减少非劣解的数目，以免得到过多相似的解集。将寻找到的Pbest(粒子本身经历过的最优位置)和非劣最优解作为初始的外部存档最优解集。

在步骤S130中，根据所述外部存档最优解集获得粒子群经历过的最优位置Gbest有多种实现方式，例如，在一个实施例中，根据初始的外部存档最优解集获得粒子群经历过的最优位置的步骤可以包括：

S1301、根据初始的外部存档最优解集获得外部存档最优解的距离；

可以根据下述函数获得外部存档最优解的距离：

其中，i表示外部存档最优解的编号，n表示外部存档最优解的总数，X_i表示粒子的坐标值，d(X_i,X_i-1)和d(X_i,X_i+1)分别表示两个粒子之间的距离，即d(X_i,X_i-1)表示粒子i和粒子i-1之间的距离，d(X_i,X_i+1)表示粒子i和粒子i+1之间的距离。

S1302、根据外部存档最优解的距离获得每个区域最优解所引导的粒子数目；

可以根据下述函数获得每个区域最优解所引导的粒子数目：

其中，t_g表示第g个区域最优解所引导的粒子数目；interger表示取整；ps表示粒子群的数目；D_i表示外部存档最优解的距离，即区域内某个粒子的距离；i表示外部存档最优解的编号；n表示外部存档最优解的总数。

S1303、按照预设的排序规则对每个区域最优解所引导的粒子数目进行排序，获得粒子群经历过的最优位置；

预设的排序规则可以为用户设置的各种规则。例如，将每个区域最优解所引导的粒子数目按照如图2所示的方式进行排序，即从左上到右下的顺序进行排序，即可以获得每个粒子的Gbest，即粒子所对应的全局最好位置。

在步骤S140中，根据步骤S120中得到的每个粒子的Pbest以及步骤S130得到的每个粒子的Gbest，通过粒子群算法对粒子群位置进行更新。粒子群算法的基本式如下：

v_i,j(g+1)＝wv_i,j(g)+c₁r_1i,j(g)[Pbest(g)-x_i,j(g)]+c₂r_2i,j[Gbest_j(g)-x_i,j(g)] (10)

式中，w为惯性权重；r_1i,j、r_2i,j为[0,1]分布的随机加速常数；Pbest(g)为粒子自身经历的最优位置；Gbest_j(g)为粒子所对应的全局最好位置，它是粒子群经历过的最优位置；x_i,j(g)、v_i,j(g)为第i个粒子在时刻j的位置与速度。公式(10)表示粒子速度，由3部分决定：惯性部分、认知部分和社会部分，它们共同改变粒子飞行速度，但速度会受到最大速度u_max的限制，c₁和c₂为权重。

为了避免外部存档最优解集陷入“早熟”，适当在解集中加入跳跃机制。在一个实施例中，根据粒子本身经历过的最优位置和粒子群经历过的最优位置对粒子群的位置更新之后，根据更新后的粒子群和所述负荷分配模型获得第二目标函数值之前，还可以包括步骤：对位置更新后的粒子群进行跳跃以引入新粒子，将新粒子放入粒子群，对粒子群的粒子进行更新。

跳跃分为两种，内部跳跃和外部跳跃。内部跳跃为了深度搜寻最优解，外部跳跃则为了探索新的粒子。本实施例优选使用外部跳跃方法搜寻新的解集，在已有粒子基础上叠加两个粒子差额的随机量，以探索新粒子，抑制最优解集的“早熟现象”。

在一个实施例中，如图3所示，可以根据下述函数对为位置更新后的粒子群进行跳跃：

其中，X₁和X₂表示从位置更新后的粒子群中随机挑出的两个粒子；α₁和α₂表示预设区间内的随机数，预设区间可以为[0,1]；jp₁和jp₂为跳跃机制产生的新粒子。

在步骤S150中，使用更新后的粒子群，根据构建的负荷分配模型计算目标函数值。如果上述步骤中仅进行了粒子群的位置更新，则该步骤150中更新后的粒子群为位置更新后的粒子群。如果上述步骤中对粒子群的位置更新后又进行了粒子群跳跃，则该步骤150中更新后的粒子群为粒子更新后的粒子群。

在步骤S160至步骤S180中，将步骤S150得到的目标函数值与步骤S110中得到的目标函数值进行比较。如果所述第二目标函数值与所述第一目标函数值一致，即第二目标函数值与第一目标函数值之间的差值在预设范围内，则满足要求，确定Pareto前沿解集，从煤耗优先、污染物排放优先、运行方式优先和权衡最优方式中选取优先方式，根据选取的优化方式确定当前负荷需求下的燃煤机组分别的负荷分配值。如果不满足要求，将所述第二目标函数值作为新的第一目标函数值，返回步骤S120，重新执行迭代，直至本次迭代计算的目标函数值与上一次迭代计算的目标函数值满足要求，停止迭代。

基于同一发明构思，本发明还提供一种燃煤机组负荷分配装置，下面结合附图对本发明装置的具体实施方式做详细介绍。

如图4所示，一种燃煤机组负荷分配装置，包括：

第一目标函数值获得模块110，用于根据初始化后的粒子群以及依据燃煤机组实际运行参数构建的负荷分配模型获得第一目标函数值，所述负荷分配模型以粒子群为输入，以燃煤机组负荷最优分配的目标函数值为输出；

外部存档最优解集获得模块120，用于根据所述第一目标函数值获得Pareto前沿解集，将Pareto前沿解集分为若干个区域，每个区域对应一个区域最优解，获得每一个区域的粒子本身经历过的最优位置和非劣最优解，将粒子本身经历过的最优位置和非劣最优解作为初始的外部存档最优解集；

粒子群最优位置获得模块130，用于根据所述外部存档最优解集获得粒子群经历过的最优位置；

位置更新模块140，用于根据粒子本身经历过的最优位置和粒子群经历过的最优位置对粒子群的位置更新；

第二目标函数值获得模块150，用于根据更新后的粒子群和所述负荷分配模型获得第二目标函数值；

目标函数值比较模块160，用于比较所述第二目标函数值与所述第一目标函数值是否一致；

负荷分配模块170，用于在所述第二目标函数值与所述第一目标函数值一致时，根据第二目标函数值确定Pareto前沿解集，根据确定的Pareto前沿解集对燃煤机组负荷进行分配；在所述第二目标函数值与所述第一目标函数值不一致时，将所述第二目标函数值作为新的第一目标函数值。

为了避免外部存档最优解集陷入“早熟”，在一个实施例中，如图5所示，燃煤机组负荷分配装置还可以包括连接在所述位置更新模块140和所述第二目标函数值获得模块150之间的粒子更新模块180，所述粒子更新模块180用于对位置更新后的粒子群进行跳跃以引入新粒子，将新粒子放入粒子群，对粒子群的粒子进行更新。

在一个实施例中，所述负荷分配模型可以包括供电煤耗率特性函数，所述供电煤耗率特性函数为：

其中，p_i为第i台燃煤机组功率；为第i台燃煤机组供电煤耗率；a、b和c为第i台燃煤机组供电煤耗率特性系数；为第i台燃煤机组阀点效应系数，其中，时，为第j组喷嘴打开时阀点效应系数，其它区间内p_ex为第i台燃煤机组汽轮机排汽压力；k_ex为排汽压力对功率的修正系数；为第j组喷嘴即将打开时的机组负荷；为第i台燃煤机组第j组喷嘴开至最大时的机组负荷。。

在一个实施例中，所述负荷分配模型还包括磨煤机启停成本特性函数，所述磨煤机启停成本特性函数为：

其中，为第i台燃煤机组第t时刻机组磨煤机启停成本；为第i台燃煤机组第t时刻机组单台磨煤机开启成本；为第i台燃煤机组第t时刻机组单台磨煤机停止成本；为第i台燃煤机组第t时刻机组第j台磨煤机启停状态，为第i台燃煤机组第t-1时刻机组第j台磨煤机启停状态。

本发明装置其它技术特征与本发明方法相同，在此不予赘述。

本发明在构建负荷分配模型时，在供电煤耗率中，考虑了阀点效应引起的煤耗率特性曲线的脉动效应，并计及了汽轮机排汽压力对脉动效应以及供电煤耗率特性的影响，机组运行方式上，负荷变化将引起磨煤机启停造成的时间和经济成本，鉴于该项成本的弹性和独立性，将该项指标作为独立的一个优化目标函数，因而建立的负荷分配模型更为完善。

本发明在粒子群优化算法的基础上，引入了比例平衡机制以提高Pareto前沿解集的多样性和均衡性，引入了跳跃机制，以避免外部存档最优解集陷入“早熟”。采用此算法得到一系列机组供电煤耗率、污染物排放量和机组运行方式最优解集，并提供煤耗率优先，污染物排放优先和运行方式优先等多种优化方式运行指导功能。

本发明能够确保机组在安全连续运行的基础上，在保证全厂供电煤耗量相对最小的情况下，实现污染物排放和磨煤机启停成本的相对最优。并可以根据实际情况调整优化方式，实现不考虑磨煤机启停成本的煤耗和污染物权衡最优等方式，实现纯凝燃煤机组全局煤耗、污染物排放最优，降低企业成本，达到经济和环保运行，实际区域电网纯凝燃煤电厂经济环保指标最优化，提高全厂发电经济竞争力，实现经济和社会效益。

以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。