一种粒子群寻优的调峰炉热力站供热负荷优化调度方法

摘要

一种粒子群寻优的调峰炉热力站供热负荷优化调度方法，属于热力站供热负荷控制技术领域。本发明为了使热力站的优化调度能兼顾供热系统的能耗和经济两个方面，通过在供热高峰期和非高峰期不同调度模式，使其能达到综合最优，使优化调度的计算的速度快，结果更准确。主要步骤：构建调峰炉热力站优化调度模型确定权系数λ₁，λ₂；采用粒子群寻优算法求得满足约束条件下综合能耗E_w最小时对应的锅炉供热量Q_b和二级网锅炉供热通道流量G_b，至此完成调峰炉热力站供热负荷优化调度。本方法通过建立能耗性和经济性结合调峰炉热力站优化调度模型，实现了对不同热源供热负荷的最优分配，使能耗和经济的综合最优，达到了节能的目的。

主权项

1.一种粒子群寻优的调峰炉热力站供热负荷优化调度方法，其特征在于，所述方法的实现过程为：步骤一、构建调峰炉热力站优化调度模型：对能耗支出和运行费用分别加以权重，通过线性加权和法构造的评价函数为：$E_w^{*}=\min ({\lambda }_1{E}_E+{\lambda }_2{E}_C)---\left(1\right)$式中，E_w为优化调度综合能耗，λ₁，λ₂分别为能耗支出权重系数和运行费用权重系数，λ₁、λ₂由通过熵权系数的计算获得，λ₁≥0，λ₂≥0；为加以权重计算后的综合能耗最小值；为能耗费用，E_E表示能耗费用优化结果；为运行费用消耗，E_C为运行费用消耗的优化结果；$E_E^{*}=\min (E_1+E_2+E_3)---\left(2\right)$式中，E₁为热网供热负荷燃料能耗；E₂为热力站锅炉供热负荷燃料能耗；E₃为热力站二级网循环水泵电耗；E₁＝(T_g1-T_h1)×G₁×C×k₁                   (3)式中，T_g1、T_h1为分别为热力站一级网供水温度和回水温度；G₁为力站一级网流量；C为水的比热容；k₁为热电厂标准煤耗率；E₂＝(T_b2-T_h2)×G_b×C×1.43/k_oilη_b            (4)式中，T_b2、T_h2为分别为热力站燃油炉供水温度和二级网回水温度；G_b为热力站二级网燃油锅炉供水流量；k_oil为取燃油的低位发热值；η_b为燃油锅炉总的燃烧热效率；$E_3=k_e\times \underset{i=1}{\overset{n}{\Sigma }}(2.78\times {10}^{-4}\frac{G_{p}H}{{\mathrm{\rho \eta }}_p}{n}_0)---\left(5\right)$式中，G_p为循环水泵流量；H为循环水泵扬程；n₀为循环水泵运行时间；η_p为水泵运行效率；ρ为水密度；m为燃油锅炉运行台数；k_e为电折算为标准煤的系数；$E_C^{*}=\min (E_1+E_2{k}_b{k}_c/1.43+\frac{E_3{k}_E{k}_c}{k_e})---\left(6\right)$式中，k_C为标准煤的价格；k_b为燃油的价格；k_E为电的价格；将式(2)和式(6)代入式(1)，采用n台同型号的水泵，假设所述水泵具有相同的工况，有：E_w＝λ₁E_E+λ₂E_C                                       (7)＝J₁×(T_g1-T_h1)×G₁+J₂×(T_b2-T_h2)×G_b/η_b+J₃nG_p式中，J₁＝c×k₁×(λ₁+λ₂)，J₂＝c×(1.43λ₁+λ₂k_bk_C)/k_oil，$J_3=2.78\times {10}^{-4}\frac{H}{{\mathrm{\rho \eta }}_p}{n}_0\times ({\lambda }_1{k}_e+{\lambda }_2{k}_E{k}_C);$由此，可建立调峰炉热力站调度模型如下：minE_w＝minJ₁×(T_g1-T_h1)×G₁+J₂×(T_b2-T_h2)×G_b/η_b+J₃nG_p$s.t.\left\{\begin{array}{c}{G}_1\le G_{1\max }\\ G_H\le G_{z2}\le G_{p\max }\\ G_{z2}={\mathrm{nG}}_p=G_2+G_b\\ K_{\min }\le K_b\\ Q_{\mathrm{ex}}=K_b{\mathrm{A\Delta t}}_m=(T_{g1}-T_{h1})\times c\times G_1=(T_{g2}-T_{h2})\times c\times G_2\\ Q_{\mathrm{out}}=Q_{\mathrm{ex}}+Q_b\end{array}\right.$式中J₁，J₂，J₃——各项常系数；E_w——优化调度综合能耗(kg标煤)；T_g1，T_h1——分别为热力站一级网供水温度和回水温度(℃)；T_b2，T_h2——分别为热力站燃油炉供水温度和二级网回水温度(℃)；G₁——热力站一级网流量(m³/h)；G_1max——热力站一级网流量最大值(m³/h)；G_b——热力站二级网燃油锅炉供水流量(m³/h)；G_z2——热力站二级网总输出供水流量(m³/h)；G_pmax——热力站二级网循环泵最大可输出流量(m³/h)；G_H——热力站二级网达到最小的扬程时循环泵最小输出流量(m³/h)；η_b——燃油锅炉总的燃烧热效率；n——循环水泵运行台数(台)；G_p——循环水泵流量(m³/h)；Q_out——供热负荷最终输出值(GJ)；Q_ex——换热器供出热量(GJ)；Q_b——锅炉供出热量(GJ)；K_b——板式换热器换热系数；c——水的比热容为4.187×10^-3(GJ/kg·℃)；步骤二、确定权系数λ₁，λ₂当有m个评价对象，每个对象有n个评价指标时，可构成一个评价指标矩阵R＝(r_ij)_m×n；第i对象下的第j个评价指标的比重P_ij为：$P_{\mathrm{ij}}=r_{\mathrm{ij}}/\underset{i=1}{\overset{m}{\Sigma }}{r}_{\mathrm{ij}},(j=\mathrm{1,2},...,n)---\left(8\right)$则可得出第j个评价指标的熵值为：$E_j=-\ln {\left(m\right)}^{-1}\underset{i=1}{\overset{m}{\Sigma }}{P}_{\mathrm{ij}}\ln \left(P_{\mathrm{ij}}\right),(j=\mathrm{1,2},...,n)---\left(9\right)$第j个评价指标的权重ω_j可表示为：${\omega }_j=(1-E_j)/\underset{j=1}{\overset{n}{\Sigma }}(1-E_j),(j=\mathrm{1,2},...,n)---\left(10\right)$其中，0≤ω_j≤1，且有在获得客观评价的权重ω_j后，加入专家的主观评价权重α_j，使其能全面地反映出评价指标的重要性，得到一个复合权重为：${\beta }_j={\omega }_j{\alpha }_j/\underset{j=1}{\overset{n}{\Sigma }}{\omega }_j{\alpha }_j,(j=\mathrm{1,2},...,n)---\left(11\right)$记R矩阵每列的最优值为即：记r_ij与接近程度为：则获得综合评价的权重系数λ_i的表示为：${\lambda }_i=\underset{j=1}{\overset{n}{\Sigma }}{\beta }_j{d}_{\mathrm{ij}},(i=\mathrm{1,2})---\left(14\right)$综合评价的权重系数λ_i可全面反映出能耗支出最小运行模式和运行费用最少运行模式的优劣和对综合优化调度模式的影响；步骤三、采用改进的粒子群寻优算法对调峰炉热力站的供热负荷进行优化调度，粒子的适应值即最小的综合能耗E_w，需求解的粒子包括有锅炉供热量Q_b和二级网锅炉供热通道流量G_b；即采用粒子群寻优算法求得满足约束条件下综合能耗E_w最小时对应的锅炉供热量Q_b和二级网锅炉供热通道流量G_b，至此完成调峰炉热力站供热负荷优化调度。