一种电站煤粉锅炉配煤掺烧成本管理方法与流程
本发明涉及电站煤粉锅炉配煤掺烧技术领域，尤其涉及一种电站煤粉锅炉配煤掺烧成本管理方法。
背景技术：
电站煤粉锅炉配煤掺烧的基础研究及工业化推广尚需进一步推进，目前电站煤粉锅炉配煤掺烧领域不足之处具体表现在以下几个方面：
1、配煤燃烧特性的研究，煤的燃烧特性除受锅炉炉型及工况参数影响外，主要受煤的煤质如水分、灰分、挥发分、灰分等的影响，但上述煤质指标并不能准确地预测配煤的燃烧特性，因此需要加强混煤燃烧的基础理论研究，弄清楚混煤燃烧特性的因素，找到较好地预测混煤燃烧特性的方法；
2、配煤掺烧优化的数学模型未有包含配混煤的燃烧性能的内容，不能针对配混煤的燃烧性能、排放特性做出预测，所以，动力配煤的数学模型尚需完善；
3、多数电厂还是习惯采用传统的配煤掺烧技术来组织、安排电厂的生产，依托于掺配新理论的配煤掺烧技术的工业化推广有待加强。
技术实现要素：
基于背景技术存在的技术问题，本发明提出了一种电站煤粉锅炉配煤掺烧成本管理方法；
本发明提出的一种电站煤粉锅炉配煤掺烧成本管理方法，包括：
s1、获取n种不同比例的配煤方案，任一配煤方案中包括m种原煤，m种原煤中任一种的比例取值范围为0％-100％，且m种原煤的比例之和为100％；
s2、对n种配煤方案进行热值边界约束、硫分边界约束和灰熔点边界约束，得到n种配煤方案中同时符合热值边界约束、硫分边界约束、灰熔点边界约束的l种目标配煤方案,l≤n；
s3、分别计算l种目标配煤方案的度电入炉煤质成本、度电引风机及送风机电耗成本、度电喷氨成本和度电石灰石浆液成本，将l种目标配煤方案中度电入炉煤质成本、度电引风机及送风机电耗成本、度电喷氨成本和度电石灰石浆液成本之和最小的配煤方案作为最优配煤方案并输出。
优选地，所述对n种配煤方案进行热值边界约束、硫分边界约束和灰熔点边界约束，具体包括：
s21、获取算n种配煤方案中任一种配煤方案作为待约束配煤方案；
s22、获取待约束配煤方案中每种原煤的低位发热量，根据待约束配煤方案中每种原煤比例加权平均，计算待约束配煤方案的混煤热值，并判断所述混煤热值是否高于预设的热值下限值，在判断结果为是时，确定待约束配煤方案符合热值边界约束；
s23、获取待约束配煤方案中每种原煤的硫分，根据待约束配煤方案中每种原煤比例加权平均，计算待约束配煤方案的混煤硫分，并判断所述混煤硫分是否低于预设的脱硫设备硫分上限值，在判断结果为是时，确定待约束配煤方案符合硫分边界约束；
s24、获取待约束配煤方案中每种原煤的灰熔点，根据待约束配煤方案中每种原煤比例加权平均，计算待约束配煤方案的混煤灰熔点，并判断所述混煤灰熔点是否高于预设的灰熔点下限值，在判断结果为是时，确定待约束配煤方案符合灰熔点边界约束；
s24、执行步骤s21，直到n种配煤方案中所有配煤方案均进行热值边界约束、硫分边界约束和灰熔点边界约束。
优选地，步骤s3中，所述计算l种目标配煤方案的度电入炉煤质成本、度电引风机及送风机电耗成本、度电喷氨成本和度电石灰石浆液成本，具体包括：
s31、获取l种目标配煤方案中任一种配煤方案作为待计算配煤方案；
s32、根据待计算配煤方案中各原煤单价及比例计算混煤成本，将混煤成本除以锅炉机组每小时发电量，得到度电入炉煤质成本；
s33、根据第一拟合公式或第一神经网络模型预测待计算配煤方案的负荷引风机及送风机电耗成本，将负荷引风机及送风机电耗成本除以锅炉机组每小时发电量，得到度电引风机及送风机电耗成本；
s34、根据第二拟合公式或第二神经网络模型预测待计算配煤方案的负荷喷氨成本，将负荷喷氨成本除以锅炉机组每小时发电量，得到度电喷氨成本；
s35、获取待计算配煤方案中每种原煤的硫分，根据待计算配煤方案中每种原煤比例加权平均，计算待计算配煤方案的混煤硫分，根据每小时待计算配煤方案的混煤硫分计算待计算配煤方案的负荷消耗石灰石浆液成本，将负荷消耗石灰石浆液成本除以锅炉机组每小时发电量，得到度电石灰石浆液成本；
s36、执行步骤s31，直到l种目标配煤方案中所有目标配煤方案均进行度电入炉煤质成本、度电引风机及送风机电耗成本、度电喷氨成本和度电石灰石浆液成本的计算。
优选地，步骤s33中，所述第一拟合公式，具体为：
将锅炉机组单位小时发电量、入炉煤加权灰分作为自变量，单位小时引风机、送风机电量作为因变量，构建得到第一拟合公式。
优选地，步骤s33中，所述第一神经网络模型，具体为：
以锅炉机组单位小时发电量、各原煤发热量、水分、灰分、挥发分、硫分、一次风压力、二次风压力、一次风量、二次风量、锅炉运行氧量作为神经网络输入参数，以引风机电量、送风机电量作为预测参数训练神经网络，得到第一神经网络模型；在通过第一神经网络模型进行负荷引风机及送风机电耗成本预测时，将配煤方案输入第一神经网络模型，第一神经网络模型输出配煤方案对应的负荷引风机及送风机电耗成本。
优选地，步骤s34中，所述第二拟合公式，具体为：
将锅炉机组单位小时发电量作为自变量，单位小时喷氨消耗量作为因变量，构建得到第二拟合公式。
优选地，步骤s34中，所述第二神经网络模型，具体为：
以锅炉机组单位小时发电量、各原煤发热量、水分、灰分、挥发分、硫分、一次风压力、二次风压力、一次风量、二次风量、锅炉运行氧量、一次风温度、二次风温度作为神经网络输入参数，以喷氨消耗量作为预测参数，训练神经网络，得到第二神经网络模型；在通过第二神经网络模型进行负荷喷氨成本预测时，将配煤方案输入第二神经网络模型，第二神经网络模型输出配煤方案对应的负荷喷氨成本。
优选地，步骤s35中，计算石灰石浆液成本公式为：
本发明通过生成不同比例配煤方案，利用入炉煤热值边界、入炉煤硫分边界、入炉煤灰熔点边界对配煤方案进行约束，对符合边界约束的配煤方案进行度电入炉煤质成本、度电引风机及送风机电耗成本、度电喷氨量成本、度电石灰石浆液成本的计算，选取最小成本方案并输出，计算多种度电成本，从经济性、安全性、环保性三方面对配煤方案进行评价，可以提高配煤掺烧经济型、安全性、环保型。
附图说明
图1为本发明提出的一种电站煤粉锅炉配煤掺烧成本管理方法的流程示意图。
具体实施方式
参照图1，本发明提出的一种电站煤粉锅炉配煤掺烧成本管理方法，包括：
步骤s1，获取n种不同比例的配煤方案，任一配煤方案中包括m种原煤，m种原煤中任一种的比例取值范围为0％-100％，且m种原煤的比例之和为100％。
在具体方案中，利用计算机循环计算逻辑获取n种不同比例的配煤方案；例如：两种原煤a、b掺配，a的比例取值范围为0％-100％，b的比例取值范围为0％-100％，a的比例加上b的比例等于100％，若a的比例为0％，b的比例为100％；a的比例为55％，b的比例为45％，多种煤配煤方案参照两种煤配煤方案计算方法。
步骤s2，对n种配煤方案进行热值边界约束、硫分边界约束和灰熔点边界约束，得到n种配煤方案中同时符合热值边界约束、硫分边界约束、灰熔点边界约束的l种目标配煤方案,l≤n。
本步骤中对n种配煤方案进行热值边界约束、硫分边界约束和灰熔点边界约束，具体包括：
s21、获取算n种配煤方案中任一种配煤方案作为待约束配煤方案；
s22、获取待约束配煤方案中每种原煤的低位发热量，根据待约束配煤方案中每种原煤比例加权平均，计算待约束配煤方案的混煤热值，并判断所述混煤热值是否高于预设的热值下限值，在判断结果为是时，确定待约束配煤方案符合热值边界约束；
s23、获取待约束配煤方案中每种原煤的硫分，根据待约束配煤方案中每种原煤比例加权平均，计算待约束配煤方案的混煤硫分，并判断所述混煤硫分是否低于预设的脱硫设备硫分上限值，在判断结果为是时，确定待约束配煤方案符合硫分边界约束；
s24、获取待约束配煤方案中每种原煤的灰熔点，根据待约束配煤方案中每种原煤比例加权平均，计算待约束配煤方案的混煤灰熔点，并判断所述混煤灰熔点是否高于预设的灰熔点下限值，在判断结果为是时，确定待约束配煤方案符合灰熔点边界约束；
s24、执行步骤s21，直到n种配煤方案中所有配煤方案均进行热值边界约束、硫分边界约束和灰熔点边界约束。
在具体方案中，获取算n种配煤方案中任一种配煤方案作为待约束配煤方案，对入炉的待约束配煤方案中的每种原煤进行工业分析，获取每种原煤的低位发热量，根据待约束配煤方案中每种原煤比例加权平均，计算待约束配煤方案的混煤热值，然后判断待约束配煤方案的混煤热值是否高于热值下限值，以对待约束配煤方案进行热值边界约束；
对入炉的待约束配煤方案中的每种原煤进行工业分析，获取每种原煤的硫分，根据待约束配煤方案中每种原煤比例加权平均，计算待约束配煤方案的混煤硫分，然后判断待约束配煤方案的混煤硫分是否低于脱硫设备硫分上限值，以对待约束配煤方案进行硫分边界约束；
对入炉的待约束配煤方案中的每种原煤进行工业分析，获取每种原煤的灰熔点，根据待约束配煤方案中每种原煤比例加权平均，计算待约束配煤方案的混煤灰熔点，然后判断待约束配煤方案的混煤灰熔点是否高于灰熔点下限值，以对待约束配煤方案进行灰熔点边界约束。
步骤s3，分别计算l种目标配煤方案的度电入炉煤质成本、度电引风机及送风机电耗成本、度电喷氨成本和度电石灰石浆液成本，将l种目标配煤方案中度电入炉煤质成本、度电引风机及送风机电耗成本、度电喷氨成本和度电石灰石浆液成本之和最小的配煤方案作为最优配煤方案并输出。
本步骤中，计算l种目标配煤方案的度电入炉煤质成本、度电引风机及送风机电耗成本、度电喷氨成本和度电石灰石浆液成本，具体包括：
s31、获取l种目标配煤方案中任一种配煤方案作为待计算配煤方案；
s32、根据待计算配煤方案中各原煤单价及比例计算混煤成本，将混煤成本除以锅炉机组每小时发电量，得到度电入炉煤质成本；
s33、根据第一拟合公式或第一神经网络模型预测待计算配煤方案的负荷引风机及送风机电耗成本，将负荷引风机及送风机电耗成本除以锅炉机组每小时发电量，得到度电引风机及送风机电耗成本；
本步骤中，第一拟合公式具体为：将锅炉机组单位小时发电量、入炉煤加权灰分作为自变量，单位小时引风机、送风机电量作为因变量，构建得到第一拟合公式；
本步骤中，第一神经网络模型具体为：以锅炉机组单位小时发电量、各原煤发热量、水分、灰分、挥发分、硫分、一次风压力、二次风压力、一次风量、二次风量、锅炉运行氧量作为神经网络输入参数，以引风机电量、送风机电量作为预测参数训练神经网络，得到第一神经网络模型；在通过第一神经网络模型进行负荷引风机及送风机电耗成本预测时，将配煤方案输入第一神经网络模型，第一神经网络模型输出配煤方案对应的负荷引风机及送风机电耗成本。
s34、根据第二拟合公式或第二神经网络模型预测待计算配煤方案的负荷喷氨成本，将负荷喷氨成本除以锅炉机组每小时发电量，得到度电喷氨成本。
本步骤中，第二拟合公式，具体为：将锅炉机组单位小时发电量作为自变量，单位小时喷氨消耗量作为因变量，构建得到第二拟合公式。
本步骤中，第二神经网络模型，具体为：以锅炉机组单位小时发电量、各原煤发热量、水分、灰分、挥发分、硫分、一次风压力、二次风压力、一次风量、二次风量、锅炉运行氧量、一次风温度、二次风温度作为神经网络输入参数，以喷氨消耗量作为预测参数，训练神经网络，得到第二神经网络模型；在通过第二神经网络模型进行负荷喷氨成本预测时，将配煤方案输入第二神经网络模型，第二神经网络模型输出配煤方案对应的负荷喷氨成本。
s35、获取待计算配煤方案中每种原煤的硫分，根据待计算配煤方案中每种原煤比例加权平均，计算待计算配煤方案的混煤硫分，根据每小时待计算配煤方案的混煤硫分计算待计算配煤方案的负荷消耗石灰石浆液成本，将负荷消耗石灰石浆液成本除以锅炉机组每小时发电量，得到度电石灰石浆液成本；
计算石灰石浆液成本公式为：
s36、执行步骤s31，直到l种目标配煤方案中所有目标配煤方案均进行度电入炉煤质成本、度电引风机及送风机电耗成本、度电喷氨成本和度电石灰石浆液成本的计算。
在具体方案中，获取l种目标配煤方案中任一种配煤方案作为待计算配煤方案，获取待计算配煤方案中各原煤单价及比例，根据待计算配煤方案中各原煤单价及比例计算混煤成本，然后将混煤成本除以锅炉机组每小时发电量，得到度电入炉煤质成本；
根据第一拟合公式或第一神经网络模型预测待计算配煤方案的负荷引风机及送风机电耗成本，再将负荷引风机及送风机电耗成本除以锅炉机组每小时发电量，得到度电引风机及送风机电耗成本；
将锅炉机组单位小时发电量、入炉煤加权灰分作为自变量，将单位小时引风机、送风机电量作为因变量，构建得到第一拟合公式，将待计算配煤方案代入第一拟合公式，输出待计算配煤方案的负荷引风机及送风机电耗成本；
或者，以锅炉机组单位小时发电量、各原煤发热量、水分、灰分、挥发分、硫分、一次风压力、二次风压力、一次风量、二次风量、锅炉运行氧量作为神经网络输入参数，以引风机电量、送风机电量作为预测参数训练神经网络，得到第一神经网络模型，然后将待计算配煤方案输入第一神经网络模型，第一神经网络模型输出待计算配煤方案的负荷引风机及送风机电耗成本。
根据第二拟合公式或第二神经网络模型预测待计算配煤方案的负荷喷氨成本，将负荷喷氨成本除以锅炉机组每小时发电量，得到度电喷氨成本；
将锅炉机组单位小时发电量作为自变量，单位小时喷氨消耗量作为因变量，构建得到第二拟合公式，将待计算配煤方案代入第二拟合公式，输出待计算配煤方案的负荷喷氨成本；
或者，以锅炉机组单位小时发电量、各原煤发热量、水分、灰分、挥发分、硫分、一次风压力、二次风压力、一次风量、二次风量、锅炉运行氧量、一次风温度、二次风温度作为神经网络输入参数，以喷氨消耗量作为预测参数，训练神经网络，得到第二神经网络模型；然后，将待计算配煤方案输入第二神经网络模型，第二神经网络模型输出待计算配煤方案对应的负荷喷氨成本；
对入炉的待计算配煤方案中的每种原煤进行工业分析，获取每种原煤的硫分，根据待计算配煤方案中每种原煤比例加权平均，计算待计算配煤方案的混煤硫分，根据每小时待计算配煤方案的混煤硫分计算待计算配煤方案的负荷消耗石灰石浆液成本，将负荷消耗石灰石浆液成本除以锅炉机组每小时发电量，得到度电石灰石浆液成本；
然后将待计算配煤方案的度电入炉煤质成本、度电引风机及送风机电耗成本、度电喷氨成本和度电石灰石浆液成本相加，得到待计算配煤方案的总成本，即l种目标配煤方案中一种目标配煤方案的总成本，然后输出l种目标配煤方案中总成本最低的目标配煤方案，作为最优配煤方案。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。
- 还没有人留言评论。精彩留言会获得点赞！