CN116777537B - 基于煤质特性的度电燃煤成本计算及配煤优化方法及系统 - Google Patents
基于煤质特性的度电燃煤成本计算及配煤优化方法及系统 Download PDFInfo
- Publication number
- CN116777537B CN116777537B CN202310609275.4A CN202310609275A CN116777537B CN 116777537 B CN116777537 B CN 116777537B CN 202310609275 A CN202310609275 A CN 202310609275A CN 116777537 B CN116777537 B CN 116777537B
- Authority
- CN
- China
- Prior art keywords
- coal
- cost
- electricity
- blending
- power supply
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 239000003245 coal Substances 0.000 title claims abstract description 348
- 238000002156 mixing Methods 0.000 title claims abstract description 89
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000005457 optimization Methods 0.000 claims abstract description 39
- 238000005259 measurement Methods 0.000 claims abstract description 28
- 238000004364 calculation method Methods 0.000 claims abstract description 19
- 230000005611 electricity Effects 0.000 claims abstract description 19
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 17
- 238000010606 normalization Methods 0.000 claims abstract description 13
- 238000012549 training Methods 0.000 claims abstract description 10
- 239000002245 particle Substances 0.000 claims description 46
- 230000006870 function Effects 0.000 claims description 24
- 230000007613 environmental effect Effects 0.000 claims description 20
- NINIDFKCEFEMDL-UHFFFAOYSA-N Sulfur Chemical compound [S] NINIDFKCEFEMDL-UHFFFAOYSA-N 0.000 claims description 10
- 229910052717 sulfur Inorganic materials 0.000 claims description 10
- 239000011593 sulfur Substances 0.000 claims description 10
- 238000003860 storage Methods 0.000 claims description 7
- 238000002485 combustion reaction Methods 0.000 claims description 5
- 238000013461 design Methods 0.000 claims description 3
- 238000010438 heat treatment Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000002844 melting Methods 0.000 claims description 2
- 230000008018 melting Effects 0.000 claims description 2
- 230000002860 competitive effect Effects 0.000 abstract description 8
- 230000008859 change Effects 0.000 abstract description 3
- 238000010248 power generation Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000036961 partial effect Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0283—Price estimation or determination
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Accounting & Taxation (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Finance (AREA)
- General Health & Medical Sciences (AREA)
- Water Supply & Treatment (AREA)
- Biomedical Technology (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Tourism & Hospitality (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Public Health (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了基于煤质特性的度电燃煤成本计算及配煤优化方法，包括：采集燃煤电厂历史的混煤掺烧煤质数据及SIS系统中的供电煤耗数据并进行归一化处理；基于PSO‑SVM建立并训练煤质特性与供电煤耗的软测量模型；根据供电煤耗软测量模型以及SIS系统的入炉煤种信息计算度电燃煤成本；基于NSGA‑Ⅱ算法结合度电燃煤成本以及以混煤煤质确定的目标函数，建立配煤方案优化模型，优化当前配煤方案并输出最优的混煤比例及煤质特性。本发明的度电燃煤成本计算贴近电厂混煤掺烧煤质变化的动态特性，并且关于配煤方案的优化采用度电燃煤成本代替混煤煤价最低的经济性目标更加贴合实际，增加电厂竞价上网的竞争力。
Description
技术领域
本发明涉及燃煤电厂配煤掺烧燃煤成本优化的技术领域，尤其涉及基于煤质特性的度电燃煤成本计算及配煤优化方法及系统。
背景技术
随着火力发电技术的发展以及电煤价格双轨制取消以及供给侧结构性改革引起电煤市场波动性增强，国家这些年也实施发电企业竞价上网的策略。在这样的大环境下，这就要求电厂对电厂的性能及燃料成本有清晰的了解，及时准确的掌握当前的度电燃煤成本、采用配煤掺烧的方式降低发电成本可以大幅提升电厂竞价上网的竞争力。
燃煤成本在发电成本中占大比重，同样也是发电变动成本的重要构成要素，及时准确的掌握度电燃煤成本对于发电企业竞价上网的报价决策具有重要意义。但是因为受限于供电煤耗计算的滞后性，无法实时得到燃用该混煤的供电煤耗，所以通常只能将混煤价格最低作为配煤优化的目标函数，但这并不能保证电厂降本增效。因此本发明专利采集某600MW电厂历史数据，运用PSO-SVM建立了煤质与供电煤耗的软测量模型，然后实时读取SIS系统混煤比例及价格计算度电燃煤成本，并在此基础上以煤质指标为约束条件,以度电燃煤成本及环保性要求为目标函数建立了配煤优化模型。该模型可以帮助电厂快速获取燃用或掺烧某种煤的度电燃煤成本，为电厂的竞价上网和配煤优化提供指导。
发明内容
本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。
鉴于上述现有存在的问题，提出了本发明。
因此，本发明目的是提供基于煤质特性的度电燃煤成本计算及配煤优化方法。
为解决上述技术问题，本发明提供如下技术方案：
第一方面，本发明实施例提供了基于煤质特性的度电燃煤成本计算及配煤优化方法，包括：
采集燃煤电厂历史的混煤掺烧煤质数据及SIS系统中的供电煤耗数据并进行归一化处理；
基于PSO-SVM建立煤质特性与供电煤耗的软测量模型，并通过归一化处理后的数据训练所述软测量模型；
根据所述供电煤耗软测量模型以及SIS系统的入炉煤种信息计算度电燃煤成本；
基于NSGA-Ⅱ算法以所述度电燃煤成本为经济性目标，以及以混煤煤质确定的环保性目标函数为环保性优化目标，建立配煤方案优化模型，优化当前配煤方案并输出最优的混煤比例及煤质特性；
以度电燃煤成本为经济性目标包括，
最小度电燃煤成本如下：
其中，Cbi为燃用第i种煤的供电煤耗，Xi为第i种煤的比例，Cb为度电燃煤成本；
以混煤煤质确定的环保性目标函数为环保性优化目标如下：
其中，Fh为的环保性目标函数，η和λ为环保型系数，Sp为混煤硫分，Smin和Smax为混煤硫分最小值和最大值，Vp为混煤的挥发分，Vad为设计煤种挥发分，Ap为混煤灰分，Amax和Amin分别是灰分最大值和最小值。
作为本发明所述的基于煤质特性的度电燃煤成本计算及配煤优化方法，其中：所述燃煤电厂历史的混煤掺烧煤质数据包括发热量、硫分、灰分、灰熔点、挥发分、水分及对应的供电煤耗数据。
作为本发明所述的基于煤质特性的度电燃煤成本计算及配煤优化方法，其中：所述归一化处理包括，
设M为所有煤质数据和供电煤耗数据的原始数据集,归一化方法如下:
其中，x＝1，2，...n为样本总个数，y＝1，2，...，10，Mxy为数据x的第y个参数的原始数值，Mxy'为Mxy归一化后的数值，My-min和My-max分别为原始数据集中第y个参数的最小值和最大值。
作为本发明所述的基于煤质特性的度电燃煤成本计算及配煤优化方法，其中：基于PSO-SVM建立煤质特性与供电煤耗的软测量模型包括，
所述PSO-SVM流程如下：
优化SVM的惩罚因子c和核函数参数g，初始化粒子群规模，设定算法的权重因子，终止条件和初始粒子编码；
将每个粒子的个体极值设置为当前位置，利用适应度函数计算每个粒子的适应度值，取适应度好的粒子对应的个体极值作为最初的全局极值；
按照粒子的位置和速度更新公式进行迭代计算，更新粒子的位置Xi和速度Vi；
按照粒子的适应度函数计算每次迭代后每个粒子的适应度值，将每个粒子的适应度值与其个体极值的适应度值作比较：
若每个粒子的适应度值优于其个体极值的适应度值，则更新个体极值；
若每个粒子的适应度值未优于其个体极值的适应度值，则保留原值；
将更新后的每个粒子的个体极值与全局极值比较：
若更新后的每个粒子的个体极值优于全局极值，则更新全局极值；
若更新后的每个粒子的个体极值未优于全局极值，则保留原值；
上述更新迭代至满足终止条件，达到最大迭代次数，得到使得预测模型最佳的参数组合。
作为本发明所述的基于煤质特性的度电燃煤成本计算及配煤优化方法，其中：根据所述供电煤耗的软测量模型以及SIS系统的入炉煤种信息计算度电燃煤成本包括，
所述入炉煤种信息包括实时价格和比例信息；
所述度电燃煤成本计算如下：
设定有N种煤参与掺配,第i(i＝1,2,…,N)种煤的价格为Ci，掺配比例为Xi(％),供电原煤耗为Bi，则燃用第i种煤的供电煤耗成本Cbi为：
则混煤的度电燃煤成本Cb为：
第二方面，本发明实施例提供了基于煤质特性的度电燃煤成本计算及配煤优化系统，包括，
预处理模块，采集燃煤电厂历史的混煤掺烧煤质数据及SIS系统中的供电煤耗数据并进行归一化处理；
模型搭建及训练模块，基于PSO-SVM建立煤质特性与供电煤耗的软测量模型，并通过归一化处理后的数据训练所述软测量模型，以减少迭代时间，保证算法的高效性以及提高预测精度；
根据所述供电煤耗软测量模型以及SIS系统的入炉煤种信息计算度电燃煤成本；
基于NSGA-Ⅱ算法以所述度电燃煤成本为经济性目标，以及以混煤煤质确定的环保性目标函数为环保性优化目标，建立配煤方案优化模型；
输出模块，根据配煤方案优化模型，优化当前配煤方案并输出最优的混煤比例及煤质特性。
第三方面，本发明实施例提供了一种计算设备，包括：
存储器和处理器；
所述存储器用于存储计算机可执行指令，所述处理器用于执行所述计算机可执行指令，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本发明任一实施例所述的基于煤质特性的度电燃煤成本计算及配煤优化方法。
第四方面，本发明实施例提供了一种计算机可读存储介质，其存储有计算机可执行指令，该计算机可执行指令被处理器执行时实现所述基于煤质特性的度电燃煤成本计算及配煤优化方法。
本发明的有益效果：基于PSO-SVM建立煤质特性与供电煤耗的软测量模型，模型利用粒子群算法对SVM中的惩罚因子C和核函数参数g进行优化。有效地减少迭代时间，保证算法的高效性，预测精度也更加精确。本发明的度电燃煤成本计算贴近电厂混煤掺烧煤质变化的动态特性，并且关于配煤方案的优化采用度电燃煤成本代替混煤煤价最低的经济性目标更加贴合实际，增加电厂竞价上网的竞争力。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。其中：
图1为本发明基于煤质特性的度电燃煤成本计算及配煤优化方法的整体流程示意图。
图2为本发明基于煤质特性的度电燃煤成本计算及配煤优化方法的PSO-SVM流程图。
图3为本发明基于煤质特性的度电燃煤成本计算及配煤优化方法的配煤优化模型解集个体分布图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合说明书附图对本发明的具体实施方式做详细的说明。
在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是本发明还可以采用其他不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本发明内涵的情况下做类似推广，因此本发明不受下面公开的具体实施例的限制。
其次，此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例，也不是单独的或选择性的与其他实施例互相排斥的实施例。
再其次，本发明结合示意图进行详细描述，在详述本发明实施例时，为便于说明，表示器件结构的剖面图会不依一般比例作局部放大，而且所述示意图只是示例，其在此不应限制本发明保护的范围。此外，在实际制作中应包含长度、宽度及深度的三维空间尺寸。
实施例1
参照图1～图2，为本发明的一个实施例，提供了基于煤质特性的度电燃煤成本计算及配煤优化方法，包括：
如图1所示，本发明的具体步骤如下：
S1：采集燃煤电厂历史的混煤掺烧煤质数据及SIS系统中的供电煤耗数据并进行归一化处理。应说明的是：
燃煤电厂历史的混煤掺烧煤质数据包括发热量、硫分、灰分、灰熔点、挥发分、水分及对应的供电煤耗数据。
归一化处理包括，
设M为所有煤质数据和供电煤耗数据的原始数据集,归一化方法如下:
其中，x＝1，2，...n为样本总个数，y＝1，2，...，10，Mxy为数据x的第y个参数的原始数值，Mxy'为Mxy归一化后的数值，My-min和My-max分别为原始数据集中第y个参数的最小值和最大值。
S2：基于PSO-SVM建立煤质特性与供电煤耗的软测量模型，并通过归一化处理后的数据训练软测量模型，以减少迭代时间，保证算法的高效性以及提高预测精度。应说明的是：
如图2所示，本发明PSO-SVM流程如下：
优化SVM的惩罚因子c和核函数参数g，初始化粒子群规模，设定算法的权重因子，终止条件和初始粒子编码；
将每个粒子的个体极值设置为当前位置，利用适应度函数计算每个粒子的适应度值，取适应度好的粒子对应的个体极值作为最初的全局极值；
按照粒子的位置和速度更新公式进行迭代计算，更新粒子的位置Xi和速度Vi；
按照粒子的适应度函数计算每次迭代后每个粒子的适应度值，将每个粒子的适应度值与其个体极值的适应度值作比较：
若每个粒子的适应度值优于其个体极值的适应度值，则更新个体极值；
若每个粒子的适应度值未优于其个体极值的适应度值，则保留原值；
将更新后的每个粒子的个体极值与全局极值比较：
若更新后的每个粒子的个体极值优于全局极值，则更新全局极值；
若更新后的每个粒子的个体极值未优于全局极值，则保留原值；
上述更新迭代至满足终止条件，达到最大迭代次数，得到使得预测模型最佳的参数组合。
S3：根据供电煤耗软测量模型以及SIS系统的入炉煤种信息计算度电燃煤成本。应说明的是：
入炉煤种信息包括实时价格和比例信息；
度电燃煤成本计算如下：
设定有N种煤参与掺配,第i(i＝1,2,…,N)种煤的价格为Ci,掺配比例为Xi(％),供电原煤耗为Bi，则燃用第i种煤的供电煤耗成本Cbi为：
则混煤的度电燃煤成本Cb为：
S4：基于NSGA-Ⅱ算法以度电燃煤成本为经济性目标，以及以混煤煤质确定的环保性目标函数为环保性优化目标，建立配煤方案优化模型，优化当前配煤方案并输出最优的混煤比例及煤质特性。应说明的是：
以度电燃煤成本为经济性目标包括，
最小度电燃煤成本如下：
其中，Cbi为燃用第i种煤的供电煤耗，Xi为第i种煤的比例，Cb为度电燃煤成本。
以混煤煤质确定的环保性目标函数为环保性优化目标如下：
其中，Fh为的环保性目标函数，η和λ为环保型系数，Sp为混煤硫分，Smin和Smax为混煤硫分最小值和最大值，Vp为混煤的挥发分，Vad为设计煤种挥发分，Ap为混煤灰分，Amax和Amin分别是灰分最大值和最小值。
本实施例还提供基于煤质特性的度电燃煤成本计算及配煤优化系统，包括：
预处理模块，采集燃煤电厂历史的混煤掺烧煤质数据及SIS系统中的供电煤耗数据并进行归一化处理；
模型搭建及训练模块，基于PSO-SVM建立煤质特性与供电煤耗的软测量模型，并通过归一化处理后的数据训练软测量模型，以减少迭代时间，保证算法的高效性以及提高预测精度；
根据供电煤耗软测量模型以及SIS系统的入炉煤种信息计算度电燃煤成本；
基于NSGA-Ⅱ算法以度电燃煤成本为经济性目标，以及以混煤煤质确定的环保性目标函数为环保性优化目标，建立配煤方案优化模型；
输出模块，根据配煤方案优化模型，优化当前配煤方案并输出最优的混煤比例及煤质特性。
本实施例还提供一种计算设备，适用于基于煤质特性的度电燃煤成本计算及配煤优化方法的情况，包括：
存储器和处理器；存储器用于存储计算机可执行指令，处理器用于执行计算机可执行指令，实现如上述实施例提出的基于煤质特性的度电燃煤成本计算及配煤优化方法。
该计算机设备可以是终端，该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、运营商网络、NFC(近场通信)或其他技术实现。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本实施例还提供一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述实施例提出的实现基于煤质特性的度电燃煤成本计算及配煤优化方法。
本实施例提出的存储介质与上述实施例提出的数据存储方法属于同一发明构思，未在本实施例中详尽描述的技术细节可参见上述实施例，并且本实施例与上述实施例具有相同的有益效果。
实施例2
参照图3，为本发明的另一个实施例，提供了基于煤质特性的度电燃煤成本计算及配煤优化方法的验证测试，对本方法中采用的技术效果加以验证说明。
本实施例通过MATLAB仿真平台，搭建供电煤耗与煤质特性的软测量模型和多目标配煤方案优化模型，分别对混煤的供电煤耗进行计算和对度电燃煤成本的配煤方案进行寻优。
根据电厂历史数据搭建基于PSO-SVM的煤质数据与供电煤耗的软测量模型，本发明专利采用平均绝对误差(MAE)、平均绝对相对误差(MARE)、均方根误差(RMSE)以及决策系数(R2)对PSO-SVM模型效果进行评价，PSO-SVM模型计算的效果评价如表1所示。
表1：模型效果的评估表
| 模型 | MAE | MARE | RMSE | R2 |
| PSO-SVM | 0.1567 | 4.748×10-4 | 0.2456 | 0.9984 |
结果显示模型的MAE小于0.16gkw-1h-1、MARE小于4.8×10-4、RMSE小于0.25gkw-1h-1、R2大于0.99，PSO-SVM模型的精确度较高，可靠性较好，适用于燃煤电厂供电煤耗的实际计算。
根据上文建立的煤质与供电煤耗的关系模型，进一步的计算出度电燃煤成本，然后将度电燃煤成本最低作为经济性目标基于NSGA-Ⅱ算法建立配煤优化模型，其解集个体分布如图3所示，解集的部分个体最优解如下表3所示。
首先先收集电厂常用的10种单煤数据，如表2所示。
表2：存煤煤质
表3：部分个体解集
由表3的结果可以知，解集中的混煤各项指标适中且煤价均低于市场价，说明本文改进的多目标配煤模型可以同时考虑经济性以及环保性的要求。通过表3的数据证明，解集3的混煤煤价最低，但是度电燃煤成本反而最高，电厂一味地掺烧低价煤种意味着锅炉热效率的降低以及厂用电率的提高，导致供电煤耗的增加，进而导致度电燃煤成本的增加，这表明电厂在进行配煤方案制定的时候以混煤煤价最低为目标并不能完全保证电厂实际经济效益的增加。从表中的数据可知，当期望度电燃煤成本最低时选择个体2，当期望硫含量最低时选择个体5。电厂的工作人员也可以根据当前电厂需要更改目标的比重使配煤方案更加符合当前最优解，为电厂的混煤掺烧优化提供指导。
应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。
Claims (8)
1.基于煤质特性的度电燃煤成本计算及配煤优化方法，其特征在于：包括，
采集燃煤电厂历史的混煤掺烧煤质数据及SIS系统中的供电煤耗数据并进行归一化处理；
基于PSO-SVM建立煤质特性与供电煤耗的软测量模型，并通过归一化处理后的数据训练所述软测量模型；
根据所述供电煤耗软测量模型以及SIS系统的入炉煤种信息计算度电燃煤成本；
基于NSGA-Ⅱ算法以所述度电燃煤成本为经济性目标，以及以混煤煤质确定的环保性目标函数为环保性优化目标，建立配煤方案优化模型，优化当前配煤方案并输出最优的混煤比例及煤质特性；
以度电燃煤成本为经济性目标包括，
最小度电燃煤成本如下：
其中，Cbi为燃用第i种煤的供电煤耗，Xi为第i种煤的比例，Cb为度电燃煤成本；
以混煤煤质确定的环保性目标函数为环保性优化目标如下：
其中，Fh为的环保性目标函数，η和λ为环保型系数，Sp为混煤硫分，Smin和Smax为混煤硫分最小值和最大值，Vp为混煤的挥发分，Vad为设计煤种挥发分，Ap为混煤灰分，Amax和Amin分别是灰分最大值和最小值。
2.如权利要求1所述的基于煤质特性的度电燃煤成本计算及配煤优化方法，其特征在于：所述燃煤电厂历史的混煤掺烧煤质数据包括发热量、硫分、灰分、灰熔点、挥发分、水分及对应的供电煤耗数据。
3.如权利要求2所述的基于煤质特性的度电燃煤成本计算及配煤优化方法，其特征在于：所述归一化处理包括，
设M为所有煤质数据和供电煤耗数据的原始数据集,归一化方法如下:
其中，x＝1，2，...n为样本总个数，y＝1，2，...，10，Mxy为数据x的第y个参数的原始数值，Mxy'为Mxy归一化后的数值，My-min和My-max分别为原始数据集中第y个参数的最小值和最大值。
4.如权利要求3所述的基于煤质特性的度电燃煤成本计算及配煤优化方法，其特征在于：基于PSO-SVM建立煤质特性与供电煤耗的软测量模型包括，
所述PSO-SVM流程如下：
优化SVM的惩罚因子c和核函数参数g，初始化粒子群规模，设定算法的权重因子，终止条件和初始粒子编码；
将每个粒子的个体极值设置为当前位置，利用适应度函数计算每个粒子的适应度值，取适应度好的粒子对应的个体极值作为最初的全局极值；
按照粒子的位置和速度更新公式进行迭代计算，更新粒子的位置Xi和速度Vi；
按照粒子的适应度函数计算每次迭代后每个粒子的适应度值，将每个粒子的适应度值与其个体极值的适应度值作比较：
若每个粒子的适应度值优于其个体极值的适应度值，则更新个体极值；
若每个粒子的适应度值未优于其个体极值的适应度值，则保留原值；
将更新后的每个粒子的个体极值与全局极值比较：
若更新后的每个粒子的个体极值优于全局极值，则更新全局极值；
若更新后的每个粒子的个体极值未优于全局极值，则保留原值；
上述更新迭代至满足终止条件，达到最大迭代次数，得到使得预测模型最佳的参数组合。
5.如权利要求4所述的基于煤质特性的度电燃煤成本计算及配煤优化方法，其特征在于：根据所述供电煤耗的软测量模型以及SIS系统的入炉煤种信息计算度电燃煤成本包括，
所述入炉煤种信息包括实时价格和比例信息；
所述度电燃煤成本计算如下：
设定有N种煤参与掺配,第i(i＝1,2,…,N)种煤的价格为Ci,掺配比例为Xi(％),供电原煤耗为Bi，则燃用第i种煤的供电煤耗成本Cbi为：
则混煤的度电燃煤成本Cb为：
6.基于煤质特性的度电燃煤成本计算及配煤优化系统，其特征在于，包括，
预处理模块，采集燃煤电厂历史的混煤掺烧煤质数据及SIS系统中的供电煤耗数据并进行归一化处理；
模型搭建及训练模块，基于PSO-SVM建立煤质特性与供电煤耗的软测量模型，并通过归一化处理后的数据训练所述软测量模型，以减少迭代时间，保证算法的高效性以及提高预测精度；
根据所述供电煤耗软测量模型以及SIS系统的入炉煤种信息计算度电燃煤成本；
基于NSGA-Ⅱ算法以所述度电燃煤成本为经济性目标，以及以混煤煤质确定的环保性目标函数为环保性优化目标，建立配煤方案优化模型；
输出模块，根据配煤方案优化模型，优化当前配煤方案并输出最优的混煤比例及煤质特性。
7.一种计算设备，包括：
存储器和处理器；
所述存储器用于存储计算机可执行指令，所述处理器用于执行所述计算机可执行指令，该计算机可执行指令被处理器执行时实现权利要求1至6任意一项所述基于煤质特性的度电燃煤成本计算及配煤优化方法的步骤。
8.一种计算机可读存储介质，其存储有计算机可执行指令，该计算机可执行指令被处理器执行时实现权利要求1至6任意一项所述基于煤质特性的度电燃煤成本计算及配煤优化方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310609275.4A CN116777537B (zh) | 2023-05-26 | 2023-05-26 | 基于煤质特性的度电燃煤成本计算及配煤优化方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310609275.4A CN116777537B (zh) | 2023-05-26 | 2023-05-26 | 基于煤质特性的度电燃煤成本计算及配煤优化方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116777537A CN116777537A (zh) | 2023-09-19 |
| CN116777537B true CN116777537B (zh) | 2024-04-12 |
Family
ID=87993998
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310609275.4A Active CN116777537B (zh) | 2023-05-26 | 2023-05-26 | 基于煤质特性的度电燃煤成本计算及配煤优化方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116777537B (zh) |
Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104992028A (zh) * | 2015-07-17 | 2015-10-21 | 华北电力大学（保定） | 一种火电机组配煤方案获取方法 |
| JP2018024941A (ja) * | 2016-07-29 | 2018-02-15 | Ｊｆｅスチール株式会社 | 高炉操業方法 |
| CN109376945A (zh) * | 2018-11-13 | 2019-02-22 | 华能国际电力股份有限公司上海石洞口第电厂 | 一种基于多煤种的配煤掺烧优化系统 |
| CN109521001A (zh) * | 2018-11-19 | 2019-03-26 | 华南理工大学 | 一种基于PSO和ε-SVR的飞灰含碳量测量方法 |
| CN110674598A (zh) * | 2019-08-26 | 2020-01-10 | 江苏师范大学 | 一种基于支持向量机和粒子群算法的注塑工艺优化方法 |
| CN112686422A (zh) * | 2020-12-03 | 2021-04-20 | 华润电力技术研究院有限公司 | 一种火电厂入炉煤质信息确定方法、装置、设备及介质 |
| CN112836429A (zh) * | 2021-01-27 | 2021-05-25 | 华能国际电力股份有限公司上海石洞口第二电厂 | 一种基于煤质预测的多目标优化配煤方法 |
| CN113705934A (zh) * | 2021-09-24 | 2021-11-26 | 福建省鸿山热电有限责任公司 | 一种基于多目标智能优化的超临界湿冷供热机组负荷经济分配方法 |
| CN113837489A (zh) * | 2021-10-15 | 2021-12-24 | 国能龙源蓝天节能技术有限公司上海分公司 | 基于多目标的配煤掺烧优化方法 |
| CN114036855A (zh) * | 2021-11-24 | 2022-02-11 | 西安热工研究院有限公司 | 火电厂动态配煤方法、系统、设备及存储介质 |
| JP2023021917A (ja) * | 2021-08-02 | 2023-02-14 | 華院計算技術（上海）股▲ふん▼有限公司 | ロバスト最適化に基づく石炭配合方法、システム、機器および記憶媒体 |
-
2023
- 2023-05-26 CN CN202310609275.4A patent/CN116777537B/zh active Active
Patent Citations (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104992028A (zh) * | 2015-07-17 | 2015-10-21 | 华北电力大学（保定） | 一种火电机组配煤方案获取方法 |
| JP2018024941A (ja) * | 2016-07-29 | 2018-02-15 | Ｊｆｅスチール株式会社 | 高炉操業方法 |
| CN109376945A (zh) * | 2018-11-13 | 2019-02-22 | 华能国际电力股份有限公司上海石洞口第电厂 | 一种基于多煤种的配煤掺烧优化系统 |
| CN109521001A (zh) * | 2018-11-19 | 2019-03-26 | 华南理工大学 | 一种基于PSO和ε-SVR的飞灰含碳量测量方法 |
| CN110674598A (zh) * | 2019-08-26 | 2020-01-10 | 江苏师范大学 | 一种基于支持向量机和粒子群算法的注塑工艺优化方法 |
| CN112686422A (zh) * | 2020-12-03 | 2021-04-20 | 华润电力技术研究院有限公司 | 一种火电厂入炉煤质信息确定方法、装置、设备及介质 |
| CN112836429A (zh) * | 2021-01-27 | 2021-05-25 | 华能国际电力股份有限公司上海石洞口第二电厂 | 一种基于煤质预测的多目标优化配煤方法 |
| JP2023021917A (ja) * | 2021-08-02 | 2023-02-14 | 華院計算技術（上海）股▲ふん▼有限公司 | ロバスト最適化に基づく石炭配合方法、システム、機器および記憶媒体 |
| CN113705934A (zh) * | 2021-09-24 | 2021-11-26 | 福建省鸿山热电有限责任公司 | 一种基于多目标智能优化的超临界湿冷供热机组负荷经济分配方法 |
| CN113837489A (zh) * | 2021-10-15 | 2021-12-24 | 国能龙源蓝天节能技术有限公司上海分公司 | 基于多目标的配煤掺烧优化方法 |
| CN114036855A (zh) * | 2021-11-24 | 2022-02-11 | 西安热工研究院有限公司 | 火电厂动态配煤方法、系统、设备及存储介质 |
Non-Patent Citations (4)
| Title |
|---|
| 基于多种算法的火电厂配煤优化方法研究;付轩熠;茅大钧;印琪民;;煤炭工程(09);全文 * |
| 基于改进PSO-SVM的燃煤电厂烟气含氧量软测量;苏涛;潘红光;黄向东;邵小强;马彪;;西安科技大学学报(02);全文 * |
| 智能配煤系统的设计与实现;刘有势;《中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑》;全文 * |
| 火电机组混煤掺烧与优化系统研究与应用;王英敏;张志刚;张文君;朱宪然;叶翔;;科学技术与工程(14);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116777537A (zh) | 2023-09-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Yang et al. | Multi-objective optimal scheduling for CCHP microgrids considering peak-load reduction by augmented ε-constraint method | |
| CN108092320B (zh) | 分布式光伏并网准入容量的规划方法及系统 | |
| Zhang et al. | Sequential quadratic programming particle swarm optimization for wind power system operations considering emissions | |
| CN113822481A (zh) | 基于多任务学习策略和深度学习的综合能源负荷预测方法 | |
| CN115081721A (zh) | 一种碳排放因子的电力系统优化系统 | |
| CN111563637A (zh) | 基于需求响应的多目标概率最优潮流计算方法及装置 | |
| CN111525569A (zh) | 一种区域综合能源系统优化调度方法、系统及设备 | |
| CN115248979A (zh) | 一种分布式能源系统协同优化方法 | |
| CN116777537B (zh) | 基于煤质特性的度电燃煤成本计算及配煤优化方法及系统 | |
| Wang et al. | Research on short‐term and mid‐long term optimal dispatch of multi‐energy complementary power generation system | |
| CN108694475B (zh) | 基于混合模型的短时间尺度光伏电池发电量预测方法 | |
| CN115169786A (zh) | 一种电力市场需求侧资源聚合模型调度方法及设备 | |
| CN117391734B (zh) | 一种基于支持向量机回归模型的发电成本预测方法 | |
| Secui et al. | Modified social group optimization to solve the problem of economic emission dispatch with the incorporation of wind power | |
| CN117200348B (zh) | 一种考虑风光扰动的微电网群状态预测集计算方法 | |
| CN112564160A (zh) | 一种计及风电不确定性的储能系统随机配置方法、终端及存储介质 | |
| Zhang et al. | Stochastic distributionally robust unit commitment with deep scenario clustering | |
| CN114741956B (zh) | 一种基于图神经网络的碳排放流追踪方法 | |
| CN115549137A (zh) | 分布式电网调控系统及调控方法 | |
| CN113285449B (zh) | 一种计及多微电网联合调度优化的智能经济调度方法 | |
| CN115983481A (zh) | 基于多保真气象数据的光伏发电功率预测方法及相关设备 | |
| CN116049952A (zh) | 一种低能耗建筑关键参数性能化设计方法及系统 | |
| CN116011751A (zh) | 工业企业减排运行调度模型训练方法及调度方法 | |
| CN114049043A (zh) | 新能源消纳评价方法、装置、终端及存储介质 | |
| CN112651637B (zh) | 一种面向虚拟电厂的分布式电源激励机制分析方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |