一种电站磨煤机节能优化出力的方法

摘要

一种电站磨煤机节能优化出力的方法，包括以下步骤：S1启停规则的数学转换；S2建立约束条件：S3确定启停模型；S4粒子群算法改进：针对此问题在PSO算法的搜索后期引入变异算子，提出带变异算子的PSO算法，使算法在搜索后期克服陷入局部最优解的束缚，同时带变异算子的PSO还可以保持前期较快的搜索速度的特性；S5参数设置；S6优化：将设置好的参数输入启停模型，得出运行结果。本发明充分考虑磨煤机的优化运行和现场复杂的工况，使磨煤机启停优化模型更为准确和实用，所优化后的磨煤机启停组合方式基本能满足机组运行时对磨煤机出力的要求，且缩短了磨煤机低出力情况下的运行时间，提高了磨煤机的磨煤效率，从而节省了机组的煤耗量。

主权项

一种电站磨煤机节能优化出力的方法，其特征是：包括以下依次执行的步骤：S1启停规则的数学转换通过研究磨煤机带负荷率影响因素,建立好磨煤机启停优化的评价函数，分析磨煤机启停和运行过程中的影响因素，然后进行数学转换，用数学公式表达；具体为：设机组AGC给定的负荷指令为P_t，当机组负荷一定，根据一定的函数计算，可计算出标准煤燃料量，然后经过偏置修正可算出燃烧煤的给煤量，因此，简单地认为，所燃烧煤种的发热值乘以给煤量，乘以机组的效率应等于机组的负荷；用数学式表达为：B_M×n×η＝P_t式中：B_M为锅炉的计算总给煤量，n为所燃烧煤种的发热值，η为机组的效率。n的变化由煤种所决定；为保证锅炉安全燃烧，提高机组快速升降负荷的能力，磨煤机的出力应备有余量，对于中速磨煤机，在磨制设计煤种时，备用的磨煤机除外，磨煤机总出力应大于等于BMCR(锅炉最大连续蒸发量)时燃煤消耗量的110％；而磨制校核煤种时，检修前的全部磨煤机总出力应大于等于BMCR时燃料消耗量。在此，为保证磨煤机运行时的总出力不小于由机组负荷通过计算得到的锅炉燃烧需要的燃料量，即备有一定的出力裕度。建立约束条件：$\underset{i=1}{\overset{6}{\Sigma }}{U}_{\mathrm{it}}{B}_{\mathrm{it}}\ge B_M+B_r$式中：B_r为运行磨煤机总出力的裕度，根据现场工况机组运行要求确定；S2建立约束条件S2‑1磨煤机i到t时刻的连续运行时间x_it可以表示为递推公式x_it＝(x_i(t‑1)+T₀)U_it，且应满足条件：(x_i(t‑1)‑T_D)(U_it‑U_i(t‑1))≥0，由磨煤机出力与其功耗决定其约束关系为_：$\left\{\begin{array}{c}{B}_M\times n\times \eta =P_t\\ \underset{i=1}{\overset{6}{\Sigma }}{U}_{\mathrm{it}}{B}_{\mathrm{it}}\ge B_M+B_r\\ \underset{i=1,i\ne j}{\overset{6}{\Sigma }}(B_{i\max }-B_{\mathrm{it}})U_{\mathrm{it}}\ge B_{\mathrm{jt}},j=\mathrm{1,2},···,6\\ B_{i\min }+D_i^{-}<B_{\mathrm{it}}<B_{i\max }-D_i^{+}\\ 75\%B_{\mathrm{iD}}\le B_{\mathrm{it}}\le 95\%B_{\mathrm{iD}},X_{\mathrm{it}}>T_D\end{array}\right.$式中，B_it为磨煤机i在t时段的出力(t/h)；U_it为在t时段内磨煤机i启停状态；F_i(B_it)为第i台磨煤机在t时段出力时磨煤机的功率，采用曲线拟合，即F_i(B_it)＝a_iB_it²+b_iB_it+c_i；S_i为磨煤机的启动费用；P_t为AGC负荷指令机组t时段的负荷(MW)；B_M为锅炉的计算总给煤量；n为所燃烧煤种的发热值；η为机组的效率；B_imax为第i台磨煤机的出力上限；B_r为运行磨煤机总出力裕度；B_imin为第i台磨煤机的出力下限；和为第i台磨煤机出力的上调量和下调量；x_it为磨煤机i到t时刻的连续运行时间；T_D为本发明设定的磨煤机长期运行时间点；B_iD为第i台磨煤机的计算出力，B_iD＝B_D(i＝1,2,…,6)；S2‑2引入变动的阈值来解决判定被松弛后的0、1状态变量是隶属于运行状态1或是停机状态0；S3确定启停模型设磨煤机的启动和停止过程都能够在5秒内完成，如果能使磨煤机满足最快速启停，则单台机组所有磨煤机的启停和运行的总煤耗将达到最小，以此为优化目标，综合以上因素的分析，建立的数学模型如下所示；$\min (U_{\mathrm{it}},B_{\mathrm{it}})=\underset{i=1}{\overset{6}{\Sigma }}[U_{\mathrm{it}}(1-U_{i(t-1)})S_i+\underset{t-1}{\overset{t}{\int }}{F}_i\left(B_{\mathrm{it}}\right)U_{\mathrm{it}}]$其中，U_it(1‑U_i(t‑1))S_i表示t时段磨煤机的启动费用；表示t时段磨煤机的运行费用，根据磨煤机运行记录和试验运行点的数据(F_k,B_k)，用最小二乘法拟合一条近似曲线代替真实的功耗特性曲线；S4粒子群算法改进定义带变异算子的PSO算法如下：if logjamstep>＝maxstepif swarmdist<borderdistlogjamstep＝0；endend分别对所有粒子随机产生(0,1)之间的数，若该数小于变异率ariationrate，则对该粒子进行重新随机初始化位置和速度；其中，logjamstep为历史最优位置连续不变化时的迭代次数，maxstep为连续不变化时的次数的阈值；swarmdist为所有粒子历史最优位置的欧几里得空间距离，定义为：$\mathrm{swarmdist}={\max }_{i=1···m}\left(\sqrt{{\Sigma }_{d=1}^D{(P_{\mathrm{id}}-x_{\mathrm{id}})}^2}\right)$其中，m为相邻子群粒子数，borderdist为判断群内粒子聚集程度的距离阈值；S5参数设置改进的PSO算法中的控制参数选择为：wmax＝1.2，wmin＝0.2，c1＝2，c2＝2，适应度函数中的惩罚因子设置为β＝4000，γ＝2000，δ＝2000；S6优化将设置好的参数输入启停模型，得出运行结果；所述的步骤S4中，PSO算法的计算流程如下：(1)初始化粒子群：随机初始化各粒子的位置和速度；(2)计算适应度值：根据适应度函数计算各粒子的适应度值；(3)更新最优：对每个粒子，将它的适应度值与它的历史最优的适应度值进行比较，如果更好，则将其所在位置作为个体最优位置；与群体的最优适应度值比较，如果更好，则将其所在位置作为群体最优位置；(4)更新粒子：对粒子的速度和位置进行更新。(5)停止条件：如果达到预先设定的结束条件：足够好的解或最大迭代次数；则结束，否则转步骤(2)。