一种含电制氢系统的热电联产机组AGC协调控制方法与系统与流程

一种含电制氢系统的热电联产机组agc协调控制方法与系统
技术领域
1.本发明属于发电厂机组调频技术领域，具体涉及一种含电制氢系统的热电联产机组agc协调控制方法与系统。


背景技术：

2.随着新能源比例的不断增加，风电消纳压力将继续加大，风电的大规模并网将显著增加电网的agc调频需求。此外，大量的火电机组长期承担繁重的agc调节任务造成了发电煤耗增高、设备磨损严重等一系列负面影响。目前的热电联产机组用于供热的抽汽量一定时，机组整体所发出的电功率是处在一个可以调节的范围之内的，且电功率可调节的范围也随着热功率的上升而不断减小。当外部对热能的需求继续增长，直至达到热电机组极限供热能力时，机组将不再拥有对发电功率大小的调节能力。
3.通过对机组配置制氢、储氢和以氢制热环节，从而将腰荷时段空闲的发电余量转换为氢能加以储存，在低电力负荷时段再次转换为热能，对负荷在时间上进行平移，从而提高机组运行时的调峰能力，解决弃风问题。
4.传统的配置制氢环节，仅仅从氢制热的环节对机组的灵活性进行调节，灵活性不足，且传统的控制策略较为简单，未考虑灵活性调峰过程中机组的寿命影响、机组单位煤耗量等因素。
5.基于上述技术问题，需要设计一种电制氢系统的热电联产机组agc协调控制方法与系统。


技术实现要素：

6.本发明的目的是提供一种电制氢系统的热电联产机组agc协调控制方法与系统。
7.为了解决上述技术问题，本发明第一方面提供了一种电制氢系统的热电联产机组agc协调控制方法，包括：
8.步骤s1、根据热电联产机组类型和容量，确定热电联产机组的供热能力、发电能力和调节速度，根据制氢系统的类型和容量、氢制热系统的类型和容量、氢制电系统的类型和容量，确定氢制热系统、氢制电系统的调节能力和调节速度，储热系统的类型和容量确定储热系统的调节能力和调节速度，确定储氢系统的调节能力和调节速度。
9.步骤s2、基于组合预测算法对热电联产机组的供热负荷情况和网侧agc调频需求进行预测。
10.步骤s3、根据预测的供热负荷需求、agc调频需求，安排机组负荷，对氢制热系统、制氢系统、氢制电系统、热电联产机组、储热系统、储热系统的调节能力和调节速度上网发电系统进行协调和分配。
11.进一步，所述步骤s1中，根据热电联产机组类型和容量，确定热电联产机组的供热能力、发电能力和调节速度，具体包括：
12.按照背压式热电机组和抽汽式热电机组两类以及机组的容量，根据其工作原理，
建立其电能与抽气供热能力之间的耦合关系，确定在目标供电条件下的供热能力，并对其抽气调节速率继续确定。
13.进一步，所述步骤s1中，采用电解制氢系统，根据其储氢容量，氢制热系统的类型和容量、氢制电系统的类型和容量，确定氢制热系统、氢制电系统的调节能力和调节速度，具体包括：
14.采用电解制氢系统，根据其储氢容量，确定其制氢速度、储氢能力，并以制氢速度和储氢能力为约束条件，确定制氢系统消耗电能的能力；同时以制氢速度和储氢能力为约束条件，按照氢制热系统的类型和容量，确定其制热系统的调节速度和调节能力，按照氢制电系统的类型和容量，确定其制电系统的调节速度和调节能力。
15.进一步，所述步骤s2、基于组合预测算法对热电联产机组的供热负荷情况和网侧agc调频需求进行预测，组合预测算法采用ga-wnn组合预测算法，ga为遗传算法，wnn为小波神经网络算法，所述基于组合预测算法对热电联产机组的供热负荷情况进行预测的具体步骤为：
16.s1：首先通过季节将供热负荷数据进行分类，通过季节将供热负荷数据进行分类，以一天为分割，并将节假日、温湿度、天气因素、季节将供热负荷数据作为训练数据，其中节假日、温湿度、天气因素为输入值，季节将供热负荷数据为输出值，送入到组合预测算法之中；
17.s2：结合初始小波神经网络的各参数，设种群规模为m，随机生成初始种群n＝(n1、n2、n3…
nm)，然后对个体进行遗传算法的实数编码；
18.s3：对经ga编码后种群n进行训练，wnn参数由随机种群初始化获得；
19.s4：对新的种群进行遗传操作，产生最优适应度个体；
20.s5：对s4中选出的最优个体适应度进行解码，并且把由此得到的最优权值、伸缩因子、平移因子赋值给原始的小波神经网络，开始进行模型训练；
21.s6：若满足设置的误差需求则分别得到组合预测算法的供热负荷数据预测模型和agc调频需求预测模型，若不满足则返回s4，继续训练。
22.s7：根据得到的供热负荷数据预测模型，考虑当下的季节条件下，输入当天的节假日、温湿度、天气因素，从而得到当天的供热负荷数据。
23.进一步的，所述基于组合预测算法对网侧agc调频需求进行预测，具体步骤为：
24.s1：首先通过季节将agc调频需求进行分类，以一天为分割，并将节假日、温湿度、天气因素、agc调频需求作为训练数据，其中节假日、温湿度、天气因素为输入值，agc调频需求为输出值，送入到组合预测算法之中；
25.s2：结合初始小波神经网络的各参数，设种群规模为m，随机生成初始种群n＝(n1、n2、n3
…
nm)，然后对个体进行遗传算法的实数编码；
26.s3：对经ga编码后种群n进行训练，wnn参数由随机种群初始化获得；
27.s4：对新的种群进行遗传操作，产生最优适应度个体；
28.s5：对s4中选出的最优个体适应度进行解码，并且把由此得到的最优权值、伸缩因子、平移因子赋值给原始的小波神经网络，开始进行模型训练；
29.s6：若满足设置的误差需求则分别得到组合预测算法的agc调频需求预测模型，若不满足则返回s4，继续训练。
30.s7：根据得到的agc调频需求预测模型，考虑当下的季节条件下，输入当天的将节假日、温湿度、天气因素，从而得到当天的agc调频需求。
31.进一步的，所述组合预测算法采用ga-wnn组合预测算法，其中wnn为小波神经网络，包括输入层、隐含层、输出层，隐含层的输出函数为，当样本学习速率η，输入层为xi，i＝1,2
…
k时，隐藏层第j个节点输出为：
[0032][0033]
其中，j＝1,2,...,l，l为隐含层的节点数；ω
ij
为输入权值；hj为小波基函数，aj、bj分别为hj的平移因子和伸缩因子；k为输入节点的个数。
[0034]
进一步的，输出层的输出为：
[0035][0036]
式中，ω
ik
为输出权值；h(j)为第j个隐含层节点的输出；l为隐含层的节点数；m为输出层的节点数。
[0037]
进一步的，按照一天的预测的供热负荷需求和agc调频需求，以及制氢系统、氢制热系统、氢制电系统、储热系统的具体约束条件，综合考虑agc调频需求和供热负荷需求的具体变化情况，分配机组负荷，使得机组负荷保持稳定。
[0038]
进一步的，设置好的机组负荷，若在设置好的机组负荷下，agc调频需求的电量大于此时的机组负荷下的电能输出，热机组的供热负荷需求小于此时的机组负荷下的热能输出，通过制氢系统进行电能的储存、通过氢制热系统和储热系统进行热能的补充。
[0039]
进一步的，在所述设置好的机组负荷下，当agc调频需求的电量需求、热电联产机组的供热负荷需求均大于此时的机组负荷下的电能和热能输出，则通过氢制热系统和储热系统、氢制电系统分别进行热能和电能的补充。
[0040]
进一步的，在所述设置好的机组负荷下，当agc调频需求的电量需求、热电联产机组的供热负荷需求均小于此时的机组负荷下的电能和热能输出，则通过制氢系统、储热系统分别进行电能和热能的存储。
[0041]
进一步的，在所述设置好的机组负荷下，当agc调频需求的电量需求小于此时的机组负荷下的电能输出、热电联产机组的供热负荷需求大于此时的机组负荷下的热能输出，则通过制氢系统进行电能的补充，储热系统进行热能的存储。
[0042]
为了解决上述技术问题，本发明另一方面提供了一种电制氢系统的热电联产机组agc协调控制系统，采用上述一种电制氢系统的热电联产机组agc协调控制方法，包括：
[0043]
制氢系统、氢制电系统、氢制热系统、储热系统、供热系统、控制系统、agc调节系统、热电联产机组。
[0044]
进一步的，所述制氢系统，与热电联产机组、氢制电系统、氢制热系统、控制系统连接，根据控制系统的要求，负责通过将电能转化为氢气并将其存储起来或者将将氢气提供
给氢制热系统或氢制电系统，从而将电能存储起来。
[0045]
进一步的，所述氢制电系统，与制氢系统、电能输出系统、控制系统连接，根据控制系统的要求，负责将制氢系统中的氢气转化为电能并将电能传输到电能输出系统。
[0046]
进一步的，所述氢制热系统，与制氢系统、供热系统、控制系统连接，根据控制系统的要求，负责将制氢系统的氢气转化为热能，并将热能输出至供热系统。
[0047]
进一步的，所述储热系统，与热电联产机组、供热系统、控制系统连接，根据控制系统的要求，将热电联产机组的热能存储起来，并将其传输到供热系统；
[0048]
进一步的，所述供热系统，与氢制热系统、热电联产机组、储热系统、控制系统连接，根据控制系统的要求，负责将热能传输给用户；
[0049]
进一步的，所述控制系统，与热电联产机组、制氢系统、氢制电系统、氢制热系统、储热系统连接、agc调节系统、供热系统，负责基于组合预测算法对热电联产机组的供热负荷情况和网侧agc调频需求进行预测，并根据预测结果，合理设置热电联产机组负荷，并对根据agc调节系统的需求和供热系统的需求，实现不同系统之间的协调控制；
[0050]
进一步的，所述热电联产机组与制氢系统、储热系统连接、电能输出系统、控制系统相连接，并根据控制系统的要求，输出电能和热能，并将多余的电能转换为氢气，多余的热能通过储热系统存储起来；
[0051]
进一步的，所述agc调节系统，与控制系统连接，负责将得到的agc调节需求传输给控制系统。
[0052]
本发明的有益效果是：
[0053]
通过根据热电联产机组类型和容量，确定热电联产机组的供热能力、发电能力和调节速度，根据制氢系统的类型和容量、氢制热系统的类型和容量、氢制电系统的类型和容量，确定氢制热系统、氢制电系统的调节能力和调节速度，储热系统的类型和容量，确定储氢系统的调节能力和调节速度。考虑上述约束条件，从而使得得出的控制方法更能贴合实际，满足不同类型机组的agc调频控制需求，从而提高机组运行时的调峰能力，解决弃风问题，解决了仅仅从氢制热的环节对机组的灵活性进行调节所带来的灵活性不足的问题。
[0054]
基于组合预测算法对热电联产机组的供热负荷情况和网侧agc调频需求进行预测，组合预测算法采用ga-wnn组合预测算法，考虑到供热负荷和agc调频需求变化比较大的实际情况，同时通过季节将供热负荷数据和agc调频需求进行分类，通过季节将供热负荷数据进行分类，以一天为分割，并将节假日、温湿度、天气因素、季节将供热负荷数据和agc调频需求作为训练数据，可以极大的提高预测的精度，充分考虑到由于季节、节假日、温湿度、天气因素对供热负荷和agc调频需求的影响，进而进一步使得预测的结果变得更加可信，也为后期根据预测结果对机组运行工况进行调节变得更加的可靠。
[0055]
根据预测的供热负荷需求、agc调频需求，合理安排机组负荷，对氢制热系统、氢制电系统、抽汽供热系统、储热系统、储热系统的调节能力和调节速度上网发电系统进行合理协调和分配，可以使得机组负荷的运行变得更加的稳定，从而使得机组的寿命延长，减少机组故障，降低机组单位煤耗量。
[0056]
其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书以及附图中所特别指出的结构来实现和获得。
[0057]
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
[0058]
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0059]
图1为本发明一种电制氢系统的热电联产机组agc协调控制方法流程图；
[0060]
图2为一种电制氢系统的热电联产机组agc协调控制系统构成图；
[0061]
图3为基于ga-wnn组合预测算法agc调频需求预测流程图；
[0062]
图4为基于ga-wnn组合预测算法供热负荷需求预测流程图。
具体实施方式
[0063]
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0064]
实施例1
[0065]
图1是本发明所涉及的一种电制氢系统的热电联产机组agc协调控制方法流程图。
[0066]
本实施例2提供了一种电制氢系统的热电联产机组agc协调控制方法，包括：
[0067]
步骤s1、根据热电联产机组类型和容量，确定热电联产机组的供热能力、发电能力和调节速度，根据制氢系统的类型和容量、氢制热系统的类型和容量、氢制电系统的类型和容量，确定氢制热系统、氢制电系统的调节能力和调节速度，储热系统的类型和容量确定储热系统的调节能力和调节速度，确定储氢系统的调节能力和调节速度。
[0068]
步骤s2、基于组合预测算法对热电联产机组的供热负荷情况和网侧agc调频需求进行预测。
[0069]
步骤s3、根据预测的供热负荷需求、agc调频需求，合理安排机组负荷，对氢制热系统、制氢系统、氢制电系统、热电联产机组、储热系统、储热系统的调节能力和调节速度上网发电系统进行协调和分配。
[0070]
在另外一种可能的实施例中，所述步骤s1中，根据热电联产机组类型和容量，确定热电联产机组的供热能力、发电能力和调节速度，具体包括：
[0071]
按照背压式热电机组和抽汽式热电机组两类以及机组的容量，根据其工作原理，建立其电能与抽气供热能力之间的耦合关系，确定在目标供电条件下的供热能力，并对其抽气调节速率继续确定。
[0072]
在另外一种可能的实施例中，所述步骤s1中，采用电解制氢系统，根据其储氢容量，氢制热系统的类型和容量、氢制电系统的类型和容量，确定氢制热系统、氢制电系统的调节能力和调节速度，具体包括：
[0073]
采用电解制氢系统，根据其储氢容量，确定其制氢速度、储氢能力，并以制氢速度
和储氢能力为约束条件，确定制氢系统消耗电能的能力。同时以制氢速度和储氢能力为约束条件，按照氢制热系统的类型和容量，确定其制热系统的调节速度和调节能力，按照氢制电系统的类型和容量，确定其制电系统的调节速度和调节能力。
[0074]
在另外一种可能的实施例中，所述步骤s2、基于组合预测算法对热电联产机组的供热负荷情况和网侧agc调频需求进行预测，组合预测算法采用ga-wnn组合预测算法，ga为遗传算法，wnn为小波神经网络算法，所述基于组合预测算法对热电联产机组的供热负荷情况进行预测的具体步骤为：
[0075]
s1：首先通过季节将供热负荷数据进行分类，通过季节将供热负荷数据进行分类，以一天为分割，并将节假日、温湿度、天气因素、季节将供热负荷数据作为训练数据，其中节假日、温湿度、天气因素为输入值，季节将供热负荷数据为输出值，送入到组合预测算法之中；
[0076]
s2：结合初始小波神经网络的各参数，设种群规模为m，随机生成初始种群n＝(n1、n2、n3…
nm)，然后对个体进行遗传算法的实数编码；
[0077]
s3：对经ga编码后种群n进行训练，wnn参数由随机种群初始化获得；
[0078]
s4：对新的种群进行遗传操作，产生最优适应度个体；
[0079]
s5：对s4中选出的最优个体适应度进行解码，并且把由此得到的最优权值、伸缩因子、平移因子赋值给原始的小波神经网络，开始进行模型训练；
[0080]
s6：若满足设置的误差需求则分别得到组合预测算法的供热负荷数据预测模型和agc调频需求预测模型，若不满足则返回s4，继续训练。
[0081]
s7：根据得到的供热负荷数据预测模型，考虑当下的季节条件下，输入当天的节假日、温湿度、天气因素，从而得到当天的供热负荷数据。
[0082]
在另外一种可能的实施例中，所述基于组合预测算法对网侧agc调频需求进行预测，具体步骤为：
[0083]
s1：首先通过季节将agc调频需求进行分类，以一天为分割，并将节假日、温湿度、天气因素、agc调频需求作为训练数据，其中节假日、温湿度、天气因素为输入值，agc调频需求为输出值，送入到组合预测算法之中；
[0084]
s2：结合初始小波神经网络的各参数，设种群规模为m，随机生成初始种群n＝(n1、n2、n3…
nm)，然后对个体进行遗传算法的实数编码；
[0085]
s3：对经ga编码后种群n进行训练，wnn参数由随机种群初始化获得；
[0086]
s4：对新的种群进行遗传操作，产生最优适应度个体；
[0087]
s5：对s4中选出的最优个体适应度进行解码，并且把由此得到的最优权值、伸缩因子、平移因子赋值给原始的小波神经网络，开始进行模型训练；
[0088]
s6：若满足设置的误差需求则分别得到组合预测算法的agc调频需求预测模型，若不满足则返回s4，继续训练。
[0089]
s7：根据得到的agc调频需求预测模型，考虑当下的季节条件下，输入当天的将节假日、温湿度、天气因素，从而得到当天的agc调频需求。
[0090]
在另外一种可能的实施例中，所述组合预测算法采用ga-wnn组合预测算法，其中wnn为小波神经网络，包括输入层、隐含层、输出层，隐含层的输出函数为，当样本学习速率η，输入层为xi，i＝1,2
…
k时，隐藏层第j个节点输出为：
[0091][0092]
其中，j＝1,2,...,l，l为隐含层的节点数；ω
ij
为输入权值；hj为小波基函数，aj、bj分别为hj的平移因子和伸缩因子；k为输入节点的个数。
[0093]
进一步的，输出层的输出为：
[0094][0095]
式中，ω
ik
为输出权值；h(j)为第j个隐含层节点的输出；l为隐含层的节点数；m为输出层的节点数。
[0096]
在另外一种可能的实施例中，按照一天的预测的供热负荷需求和agc调频需求，以及制氢系统、氢制热系统、氢制电系统、储热系统的具体约束条件，综合考虑agc调频需求和供热负荷需求的具体变化情况，合理分配机组负荷，使得机组负荷保持稳定。
[0097]
运行方案一：
[0098]
设置好的机组负荷，若在设置好的机组负荷下，agc调频需求的电量大于此时的机组负荷下的电能输出，热机组的供热负荷需求小于此时的机组负荷下的热能输出，通过制氢系统进行电能的储存、通过氢制热系统和储热系统进行热能的补充。
[0099]
运行方案二：
[0100]
在所述设置好的机组负荷下，当agc调频需求的电量需求、热电联产机组的供热负荷需求均大于此时的机组负荷下的电能和热能输出，则通过氢制热系统和储热系统、氢制电系统分别进行热能和电能的补充。
[0101]
运行方案三：
[0102]
在所述设置好的机组负荷下，当agc调频需求的电量需求、热电联产机组的供热负荷需求均小于此时的机组负荷下的电能和热能输出，则通过制氢系统、储热系统分别进行电能和热能的存储。
[0103]
运行方案四：
[0104]
在所述设置好的机组负荷下，当agc调频需求的电量需求小于此时的机组负荷下的电能输出、热电联产机组的供热负荷需求大于此时的机组负荷下的热能输出，则通过制氢系统进行电能的补充，储热系统进行热能的存储。
[0105]
本实施例2提供了一种电制氢系统的热电联产机组agc协调控制系统，采用实施例1中的一种电制氢系统的热电联产机组agc协调控制方法，包括：
[0106]
制氢系统、氢制电系统、氢制热系统、储热系统、供热系统、控制系统、agc调节系统、热电联产机组。
[0107]
进一步的，所述制氢系统，与热电联产机组、氢制电系统、氢制热系统、控制系统连接，根据控制系统的要求，负责通过将电能转化为氢气并将其存储起来或者将将氢气提供给氢制热系统或氢制电系统，从而将电能存储起来。
[0108]
进一步的，所述氢制电系统，与制氢系统、电能输出系统、控制系统连接，根据控制系统的要求，负责将制氢系统中的氢气转化为电能并将电能传输到电能输出系统。
[0109]
进一步的，所述氢制热系统，与制氢系统、供热系统、控制系统连接，根据控制系统的要求，负责将制氢系统的氢气转化为热能，并将热能输出至供热系统。
[0110]
进一步的，所述储热系统，与热电联产机组、供热系统、控制系统连接，根据控制系统的要求，将热电联产机组的热能存储起来，并将其传输到供热系统；
[0111]
进一步的，所述供热系统，与氢制热系统、热电联产机组、储热系统、控制系统连接，根据控制系统的要求，负责将热能传输给用户；
[0112]
进一步的，所述控制系统，与热电联产机组、制氢系统、氢制电系统、氢制热系统、储热系统连接、agc调节系统、供热系统，负责基于组合预测算法对热电联产机组的供热负荷情况和网侧agc调频需求进行预测，并根据预测结果，合理设置热电联产机组负荷，并对根据agc调节系统的需求和供热系统的需求，实现不同系统之间的协调控制；
[0113]
进一步的，所述热电联产机组与制氢系统、储热系统连接、电能输出系统、控制系统相连接，并根据控制系统的要求，输出电能和热能，并将多余的电能转换为氢气，多余的热能通过储热系统存储起来；
[0114]
进一步的，所述agc调节系统，与控制系统连接，负责将得到的agc调节需求传输给控制系统。
[0115]
另外，在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
[0116]
功能如果以软件功能模块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，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0117]
以上述依据本发明的理想实施例为启示，通过上述的说明内容，相关工作人员完全可以在不偏离本项发明技术思想的范围内，进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容，必须要根据权利要求范围来确定其技术性范围。