优化排放（精选7篇）
优化排放 篇1
最近几年里, 随着机场规模的逐渐扩大, 航空交通量经历了显著增长, 机场在给人们出行带来方便、舒适、快速的同时, 也带来了各种负面影响, 飞机排放的污染物也显著增加。它限制了新机场的发展并对已有机场的效率、经济性构成严重影响。
在机场规划与设计中需要考虑相关的环境要素, 本文主要考虑从优化飞机的滑行路线来考虑减少机场的排放, 这是一个减小机场排放的重要措施。机场的必要设施以及飞机的起降对滑行路线的设计有一定要求, 机场设计时可以兼顾环境专家的一些考虑的因素, 选取一个较为平衡的方案进行机场滑行路线优化设计。
针对不同类型不同规模的机场需要考虑的针对污染排放的滑行路线设计方法有所不同。本文选取了虹桥机场作为典型机场来进行飞机滑行路线的优化设计。
1 飞机排放的发展趋势及影响
根据美国联邦航空管理局的调查统计, 飞机运营量有大幅增长, 从1976年的1500万美元到2000年的近3000万元, 累积增长约105%。全世界来看, 飞机运营的次数 (定义为一个起降循环, LTO) 已经大幅度地上升。虽然由于更加严格的控制计划的实施, 大多数来源的排放都是正在下降的, 但空中旅行数量的增长以及飞机发动机持续缺少严格的控制程序导致了机场污染的增长。
飞机在滑行过程中, 向大气中排放碳氢化合物 (HC) 、一氧化氮 (CO) 、氮氧化合物 (NOX) 、二氧化硫 (SO2) 和微颗粒 (PM) 等有害成分。飞机在开启发动机的状态下, 在飞行区的等待、滑行时, 发动机处于空转的状态每分钟CO和HC的产生率远高于其他的飞行状态。再加上高峰时间的滑行时间较长, 总的排放量在一天内会达到相当的数量。
根据国际民航组织 (ICAO) 的调查统计, 飞机在一个起降循环 (LTO) 中, 每种模式的平均运行时间如下表所示。
由表1可知, 滑行的持续运行时间要远高于飞机在其他模式中的运行时间。因而, 有必要充分考虑滑行阶段的排放问题, 并进一步提出最优化的滑行线路, 为飞行区布局和运行组织提供技术依据。
机场的相关活动成为了空气污染的排放主体, 对公共健康和环境都是非常不利的。NOX和HC是地表大气层排放的先驱, 对人类健康和人类生态环境有着严重破坏。NOX很容易与大气中的其他化合物反应生成硝酸盐和酸雨, 能在大气中存在很长一段时间, 且具有很强的穿透力。人体长期置于含氮氧化合物的气体中, 会导致机体免疫功能下降, 极易感染上肺病和呼吸系统疾病。HC同样导致了对肺部的刺激, 并且令诸如哮喘病, 慢性支气管炎以及肺气肿等等种类的疾病加剧。微粒对心肺有着不利影响, 并且导致了区域性的环境问题, 比如烟霞和酸雨[1]。
2 飞机发动机排放模型与参数
对于不同机型 (发动机) 和不同的使用方式, 排放物的量及其成分分布变化较大。飞机发动机在低速时排放的主要污染物是CO和未燃的HC, 虽然NOX的排放量比飞行过程中低, 但仍是不可忽略的。本章中总结归纳了排放物的相关参数和指标, 借用发动机的排放模型 (TIM) , 计算出了飞机在滑行过程中的排放。
要研究飞机发动机的排放问题, 需要对不同机型及其发动机的相关知识进行了解和掌握, 选取建立合适的模型来计算发动机在不同状态下的排放量。
要计算一个机场指定时间内的排放量, 就需要知道不同机型, 不同的发动机型号在运行过程中的一些排放数据。
表2中列举了一写常见机型的发动机型号 (有些机型采用多种发动机, 下表中列出其最常见的两种) 。
飞机的一个起降循环中, 要经历几个不同的阶段, 当飞机接近地面时就要经历以下几个阶段:进近、滑行/空转、停止、起飞、爬升。每个阶段, 飞机发动机都是连续工作的。对于不同发动机的飞机总的排放量, 美国环保局 (EPA) 都作了统计。对于任意一种排放物, 都有三个因素影响其排放量:
A.单位油耗的排放指标 (每单位油耗的排放量) ;
B.油的消耗率;
C.运行阶段的持续时间。
飞机在开启发动机的状态下, 在飞行区的等待、滑行时, 飞机的发动机处于空转的状态 (7%的推进力) , 每分钟CO和HC的产生率是极高的, 远高于其他的飞行状态。当飞机发动机加大功率时, 这两项指标才会开始下降, 比如在起飞和爬升时, 由此可知, 在飞机滑行过程中, 我们主要考虑的指标应该是CO和HC两项。
飞机滑行过程中, HC和CO的单位排放量较大;而在起飞过程中, NOX的单位排放量相对较大, 但是这个阶段平均只持续0.7~2.2min。因此总的排放量与平均持续时间为20min的滑行阶段基本相当。
用模型来计算飞机发动机产生的排放是很重要的一个步骤, EPA给出了下述的一个公式 (统计时间模型———TIM) :
式中, TIMjk为j型飞机在k模式中所用的时间;FFjk为j型飞机在k模式中发动机的油耗;EIijk为j型飞机在k模式中产生的i种污染的单位油耗排放量;NEj为j型飞机的发动机个数。
由于本文只考虑飞机在滑行过程中的排放, 可以把上述模型中的k指标消除, 来用上述模型计算滑行过程中的总的排放量。模型可以被简化为:
用此模型来计算一个机场指定时间内的排放量, 就需要知道不同飞机, 不同发动机在运行过程中的一些排放知识, 此项内容在上文中已有说明。根据此模型, 计算出典型机型在空转模式时的单位时间排放量, 如表3。
3 典型飞行区构型及其网络化
滑行是飞机在机场运行过程中的重要组成部分。在飞机运行的一个循环中, 经过进近阶段, 飞机就从空中滑入跑道。当飞机着陆之后, 就开始从它所在的位置滑行入机坪。滑行道体系联结着停机坪和滑行道。每条跑道可能都有几个入口和出口, 而这些出入口就成为了滑行道和跑道之间的节点。有时准备起飞的飞机必须在进入跑道起飞之前等待, 这是就是停留在那些节点处。同样, 在飞机也有可能在沿着滑行道滑行时改变起飞的顺序, 但这并不常见。
机场的飞行区可以被抽象为一张G= (V, E) 的网络图, V为节点, E为边。V (节点) 代表滑行道体系的交叉口;E (边) 代表两个节点直接的滑行道。另外, 还要选取一个参数L (在正实数范围内) :代表E (边) 的长度。令A={1, …, n}作为所考虑的飞机。
以虹桥机场的滑行道体系为例, 将其抽象成网络图, 如图1所示。
图中, VMi表示跑道与滑行道之间的节点, 用
表示;VNi表示滑行道体系之间的节点, 用表示;VPi表示停机坪和滑行区之间的节点, 用表示;VQi表示停机坪的机位, 用表示。
上述网络中包括了起飞和降落飞机 (Adep、Aarr) 所有可能的节点与滑行路径, 为虹桥机场滑行道体系抽象出的物理网络。停机坪机位分为近机位与远机位两种, 本文只分析廊桥联通的近机位, 而远机位暂时不作考虑。另R={R1, R2, …, Rn}为所有可能的滑行路径, 其中R1为飞机i的滑行路径。一条滑行路径Ri是一系列节点 (u1i, u2i, u3i, …, uiki) , 其中uij∈V, j=1, …ki;而 (uji, uij+1) ∈E, 其中j=1, …ki-1。简单说来, 如果直线边 (u, v) 是飞机滑行路径i的一部分, 则节点 (u, v) ∈Ri也是其中的一部分。同理, 如果u∈Ri也代表节点u是飞机滑行路径的一部分。
4 考虑排放的滑行线路优化方法
如果飞机在滑行中的油耗效率较低, 会导致机场附近有很高的排放, 因此, 从环境的角度来考虑飞机的滑行路线是很有必要的。在大部分的机场里, 不同飞机的滑行路线是不同的。本章中提出了一种基于排放的飞机滑行路线优化设计方法。
飞机各个阶段的运行典型循环的全过程———到达、停靠、出发。这个任务也包括给飞机分配滑行路线, 这是本文考虑的重点。滑行过程依赖于飞机在机场循环全过程的其他阶段。这些阶段是滑行阶段的时间和路线分配的依据。考虑的时空范围为着陆飞机从脱离跑道到停靠机位或起飞飞机从停机位推出到跑道起飞, 不考虑飞机在跑道上的滑行。为了提高效率, 同样也为了减小排放, 滑行中的等待时间应减小到最小。
影响飞机滑行路线的因素有很多, 主要包括:跑道和脱离道的数量及其之间的夹角;机场地面滑行道的布局状况;停机坪/登机口的个数;与滑行道的结构关系及其能停放的飞机类型等[4]。
对机场的滑行路线进行优化设计, 需要建立合理的模型, 以此优化滑行飞机的交通流, 这样还能同时保持并提高现有的安全水平。整体优化的前提是每一架飞机有一条给定的滑行路线, 因此, 接下来要考虑的重点就是如何对不同飞机设计出不同的滑行路线, 使总的排放量尽可能小。根据飞机机型、发动机的不同, 选取波音 (Boeing) 、空客 (Airbus) 等公司的几种典型机型, 对其在不同类型的滑行道时的排放进行分析, 并建立模型进行滑行路线的优化设计。
根据各类飞机在不同滑行道的速度和单位时间排放量, 可以计算出各类飞机在不同滑行道上滑行时的总的排放量。
令平行于跑道的滑行道为LMi;快速出口滑行道为LNi;停机坪滑行道为LTi;滑行通道为LPi。可知, 飞机沿一条路径滑行时的排放量为:
式中, ERjk表示某条滑行路径上, 飞机j的k种污染物的总的排放量;ELkij表示飞机j在边i上的k种污染物的排放量, 可由式 (2) 计算得来;EVkij表示飞机j在节点i上的k种污染物的排放量。EAkij表示飞机j等待时间为t时的k种污染物的排放量, 可根据表3中数据计算得来。
各个节点的时间损失及产生排放可根据转弯半径的大小计算, 直角通过节点时间损失最大;钝角通过节点时间损失较小。如果沿直线方向通过节点而未发生转弯, 可近似认为节点处无时间损失。
实现飞机滑行路线的优化, 即要将排放量作为一项考虑参数, 使建立的滑行路线排放量最小。由此, 对具体某一给定机型, 可采用交通规划中的全有全无交通分配模型。全有全无交通分配法是根据最短路径来分配交通的。本文中将最短路径理解为排放量最小的路径。将飞机停靠点以及在进入跑道点之间的所有可能路径建立起网络图。
对机场滑行系统进行整体优化, 可以根据Wardrop第二原理, 交通量的系统最优模型进行设计。在整个滑行系统中, 使得所有飞机总的排放之和为最小, 即:
结合上述模型, 可以在给定飞机起飞着陆时间, 且能够确保所有飞机之间满足安全间隔要求的前提下, 确定各飞机的最优滑行路线, 又使总的排放最小, 整体效率最高。
参考文献
[1]Robert Ghisolfi, Arthur Marin, Marika Tatsutani et al.Controlling Airport-Related Air Pollution.US:Northeast States for Coordinated Air Use Management&Center for Clean Air Policy.June2003.
[2]Brian S.Levine, GRA.Aircraft Taxi-Out Emissions at Congested Hub Airports and the Implications for Aviation Emissions Reduction in the United States.CD of TRB2007Annual Meeting, 2007, 1.
[3]ICAO.Annex16To The Convention on International Civil Aviation, Environmental Protection Volume II, Aircraft Engine Emissions (Second Edjtion) .1993.
[4]姚祖康.机场规划与设计.上海:同济大学出版社.1994.
优化排放 篇2
随着机动车保有量的增长, 许多城市面临着严重的交通拥堵和环境污染。运用先进的交通管制手段提高出行效率、改善生活环境已成为交通规划与控制领域亟待解决的关键问题之一。
相关研究主要聚焦于两方面:①机动车排放测定与影响因素分析。一些学者将微观交通仿真软件Paramics与排放估计软件VERSIT+相结合, 探讨了信号协调对交通排放的影响[1,2,3]。Matsumoto等[4]认为利用信息提供系统能减少不必要的车辆活动 (如紧急加速/减速、长时间怠速) , 并利用微观交通仿真软件Vissim分析了信息提供对CO2排放的影响。Song等[5]使用瞬时排放与公交活动数据建立了机动车排放与交通延误、停车次数之间的关系。②考虑排放的信号配时优化。李世武等[6]构建了以减少机动车排放为目标的单点交叉口信号配时优化模型。Alsabaan等[7]假定车辆根据交通信号调整其速度至推荐值, 进而构建了最小化燃油消耗和排放的优化模型。Zhang等[8]将元胞传输模型与大气扩散模型相结合, 以最小化延误和排放为目标建立了信号配时优化模型。
针对信号交叉口, 以上研究很少关注红绿灯期间交通排放规律的差异。因此, 课题组提出了红绿灯期间排放因子的标定方法, 并基于此构建了降低交通排放的单点信号配时优化模型[9], 在此基础上建立最小化机动车排放总量的干线协调信号控制优化模型。
1研究对象
研究对象为1条干线道路上由关联性较强的3~8个交叉口构成的交叉口群。这里以规模为3的交叉口群为例, 见图1。假设每个交叉口的渠化方案见图2, 即每条进口道均渠化左转、直行和直右3条车道;其信号相位方案如图3所示, 即东西向采用前置左转+后置左转方式、南北向采用专用左转+前置左转方式, 其中M1~M8为车流编号[10]。
2优化模型
2.1两类排放因子标定
在课题组前期研究的基础上[9], 考虑干线协调信号控制的特点, 下面改进红绿灯期间排放因子的标定方法。
某一时刻交叉口某条车道组上某辆车的比功率为
式中:VSPηj, ζ (t) 为时刻t交叉口η车道组j上车辆ζ的比功率, kW/t;vηj, ζ (t) 和aηj, ζ (t) 分别为时刻t交叉口η车道组j上车辆ζ的速度, m/s和加速度, m/s2;θjη为交叉口η车道组j的道路坡度, (°) 。
此时该辆车排放某种污染物的质量为
式中:Eη, kj, ζ (t) 为时刻t交叉口η车道组j上车辆ζ排放污染物k的质量, mg;ekω, γ为ω类机动车的比功率位于分区γ时污染物k的排放因子mg/ (s·veh) ;τ为车辆速度和加速度的采样时间间隔的分辨率, s;LVSPω, γ为ω类机动车比功率分区γ的下限, kW/t;UVSPω, γ为ω类机动车比功率分区γ的上限, kW/t;Aηj, ζ (t) 为时刻t交叉口η车道组j上车辆ζ的类别属性。
考虑协调信号控制方案, 某条车道组上某类机动车在绿灯和红灯期间排放某种污染物的因子分别为
式中:EFGη, kj, ω和EFRη, kj, ω分别为交叉口η车道组j上ω类机动车在绿灯和红灯期间排放污染物k的因子, mg/ (s·veh) ;NGηj, ω (t) 和NRηj, ω (t) 分别为时刻t交叉口η车道组j上绿灯和红灯期间驶离停车线的ω类机动车数;oη为交叉口η的绝对绿时差, s;C为周期时长, s;GSηj和GEηj分别为交叉口η车道组j的绿灯起亮和结束时刻, s;ls为启动损失时间, s;mod (t-oη, C) 为t-oη除以C的余数。
2.2周期时长与绿信比优化
交叉口一条进口车道组的车均延误为[9]
式中:;djη为交叉口η车道组j的车均延误 (s/pcu) ;ujη为交叉口η车道组j的绿信比;gjη为交叉口η车道组j的有效绿灯时间, s;nη为交叉口η的相位数;φηij为交叉口η车道组j是否在相位i内有通行权的标识符, 若是φηij=1, 否则φηij=0;gηpi为交叉口η相位i的有效绿灯时间, s;xjη为交叉口η车道组j的饱和度;为机动车类别数;βω为ω类机动车的折算系数;Pηj, ω为交叉口η车道组j上ω类机动车所占比例;qjη为交叉口η车道组j的需求流率, veh/h;Qjη为交叉口η车道组j的通行能力, pcu/h;Sjη为交叉口η车道组j的饱和流率, pcu/h。
根据行程时间与行驶时间、延误之间的关系, 某类机动车在进口道上的平均停留时间为
式中:为1辆ω类机动车在交叉口η车道组j上的平均停留时间, s;sjη为交叉口η车道组j的进口道长度, m;为ω类机动车在交叉口η车道组j上的平均行驶速度, m/s。
基于标定的2类排放因子, 分析期内1条车道组上某类机动车排放某种污染物的质量为
式中:Eη, kj, ω为ω类机动车在交叉口η车道组j上排放污染物k的质量, mg。
通过集计, 分析期内交叉口车辆总延误和机动车排放总量分别为
式中:TDη为交叉口η的车辆总延误, s;mη为交叉口η的车道组数;T为分析期持续时间, h;TEη为交叉口η的机动车排放总量, mg;δ为污染物种类数。
针对干线交叉口群, 为减少因信号控制引起的机动车排放量, 优化问题的目标函数为最小化所有交叉口所有进口道机动车排放量的总和, 即
式中:κ为交叉口个数。
考虑信号配时设计, 每条车道组的有效绿灯时间不小于最小有效绿灯时间, 即
式中:gmin为最小有效绿灯时间, s。
交叉口周期时长等于所有相位有效绿灯时间之和加上总损失时间, 并介于最小与最大周期时长之间, 即
式中:Cmin为最小周期时长, s;Cmax为最大周期时长, s;ndη为交叉口η的独立相位数;l为相位损失时间, s。
针对干线协调控制系统, 各交叉口周期时长相等 (不考虑半周期的情形) , 即
另外, 各交叉口每个相位的有效绿灯时间均不小于零, 即
基于上述分析, 最小化干线道路系统机动车排放量的优化模型为
式 (15) 是在一系列线性约束条件下最小化非线性函数, 可以使用非线性优化方法进行模型求解, 本文采用Matlab软件中的fmincon函数。
分析式 (15) 可见, 该优化模型的决策变量为各交叉口每个相位的有效绿灯时间。根据交叉口相位有效绿灯时间即可确定其信号周期时长。因此, 优化模型 (15) 能够获得干线协调控制系统的共用周期时长和绿信比2种信号配时参数。
2.3绿时差优化
为使干线道路系统中的交通流获得最佳的运行状态, 首先需要确定各交叉口的信号协调相位, 然后计算各协调相位的最佳绿时差。以相邻交叉口η和η+1为例, 假设车流从交叉口η驶向η+1的方向为下行方向, 则反方向为上行方向, 这两个方向均为协调方向。对于协调相位, 若交叉口η+1相对于η的绿时差为o, 则交叉口η相对于交叉口η+1的绿时差为C-o。参考卢凯等[11]的研究成果, 使用求余方式改进干道协调控制相位差优化模型。根据上游驶出的车队到达下游停车线的不同模式, 下行车队延误分以下两类共6种情形分别进行表达。
若不考虑初始排队, 为使从交叉口η驶向η+1的车队头车不受阻所需的理想绿时差为
式中:Oη, η+1为交叉口η+1相对于η的理想绿时差, s;sη, η+1为交叉口η至η+1的停车线间距, m;vη, η+1为交叉口η至η+1的下行车速, m/s;oη, η+1为交叉口η+1相对于η的实际绿时差, s。
2.3.1车队头车受阻
记gdη+1为交叉口η+1下行协调方向的有效绿灯时间, s;rdη+1=C-gdη+1为交叉口η+1下行协调方向的有效红灯时间, s。
如果下行协调方向的车队头车在红灯期间到达, 即oη, η+1+gdη+1≤Oη, η+1<oη, η+1+C, 车队头车将在下游交叉口η+1受阻。
当下行协调方向的车队延误为
式中:Ddη+1为交叉口η+1下行协调方向的车队延误, s;tdf, η+1=C-Oη, η+1+oη, η+1为交叉口η+1下行协调方向的车队头车到达时刻至红灯结束时刻的时间间隔, s;Npη, η+1为交叉口η至η+1的车队车辆数;Sdη+1为交叉口η+1下行协调方向的饱和流率, pcu/h;qdη+1为交叉口η+1下行协调方向的需求流率, pcu/h。
当, 下行协调方向的车队延误为
当, 下行协调方向的车队延误为
2.3.2车队非头车受阻
如果下行协调方向的车队头车在绿灯期间到达, 即oη, η+1≤Oη, η+1<oη, η+1+gdη+1, 车队非头车将在下游交叉口η+1受阻。
当, 下行协调方向的车队延误为
式中:为交叉口η+1下行协调方向的红灯启亮时刻至车队尾车到达时刻的时间间隔, s。
反之, 若tdl, η+1<0, 则令tdl, η+1=0。进一步, 如果, 下行协调方向的车队延误为
如果, 下行协调方向的车队延误为
为获得双向绿波效果, 最佳绿时差应使上、下行协调方向的车队延误总和最小化。因此, 获取交叉口η+1相对于η的最佳绿时差的优化模型为
式中:Duη+1为交叉口η+1上行协调方向的车队延误, s。
3算例分析
3.1参数标定
假设所研究交叉口群的小时流量与最高15min流率 (见表1) , 左转、直行和直右车道的饱和流率分别为1 810, 1 850和1 810pcu/h[12]。
使用韦伯斯特理论计算信号周期时长与各相位绿信比[13], 然后采用上述绿时差优化方法计算协调相位的最佳绿时差。由此获得的信号配时方案称为参考配时方案。
在获得交叉口红绿灯期间的排放因子之后, 利用模型 (15) 优化信号周期时长与各相位绿信比, 然后同样采用上述绿时差优化方法计算协调相位的最佳绿时差。由此获得的信号配时方案称为优化配时方案。
为模拟交通流运行状况以获得车辆速度和加速度的实时数据, 利用Vissim软件建立仿真模型。仿真时间为4 200s, 数据采集时段为600~4 200s, 采用多步运行模式, 随机数分别取19, 29, 39, 49和59。假设交通流由100%的小汽车组成, 期望车速为48~58km/h。
标定红绿灯期间排放因子时, 小汽车比功率分区数据及污染物排放因子采用郭栋等的研究结果[14], 启动损失时间、黄灯时间和全红时间分别取2, 3和2s, 进口道长度及平均行驶速度分别取50m和50km/h。使用模型 (15) 和 (23) 时, 相位损失时间取3s, 最小有效绿灯时间取10s, 最小和最大周期时长分别取60和150s, 协调方向的上下行车速和车队车辆数分别设为50km/h和20pcu。在Vissim仿真模型中测得交叉口1~2, 2~3, 2~1和3~2的停车线间距分别为438, 430, 430和432m。
3.2结果分析
参考配时方案下交叉口周期时长、有效绿灯时间、绿时差、通行能力、车均延误和饱和度见表2。在Vissim仿真模型中运行参考配时方案, 获得每辆车的瞬时速度和加速度。然后, 根据式 (3) 和 (4) 计算红绿灯期间的排放因子, 见表3。
以表3中的数据为参数, 优化配时方案下交叉口周期时长、有效绿灯时间、绿时差、通行能力、车均延误和饱和度见表4。
对比表2和4, 与参考配时方案相比, 优化配时方案使共用周期时长缩短、交叉口通行能力和车均延误降低、饱和度提高, 每个交叉口车均延误的下降幅度大于通行能力的下降幅度。
采用参考与优化信号配时方案分别多次运行Vissim仿真模型, 获得每股车流车均延误的平均值, 如图4 (a) 。根据红绿灯期间排放因子标定方法, 分别使用这两种信号配时方案下采集的仿真数据计算每条车道组所有污染物的排放总量, 其平均值见图4 (b) 。结果显示, 相比参考配时方案, 优化配时方案下绝大数车流的车均延误明显降低、各进口车道组的排放总量显著下降。就交叉口而言, 车辆总延误和进口道排放总量均下降10%左右。
4结束语
面向规模为3~8的干线交叉口群, 改进了基于机动车比功率的红绿灯期间排放因子的标定方法。以相位有效绿灯时间为决策变量、以信号配时参数关系为约束条件, 建立了最小化所有进口道机动车排放总量的干线交叉口群时空资源优化模型。为寻求最优的绿波效果, 依据干线车流总延误与协调相位绿时差的函数关系, 使用求余方式改进了最小化干线车流总延误的绿时差优化模型。以3个交叉口为例, 设计了1个算例, 使用Matlab软件编制了模型求解程序, 利用Vissim软件建立了交通流仿真模型。采用韦伯斯特方法获得参考配时方案, 利用Vissim仿真数据标定了交叉口红绿灯期间的排放因子, 进而根据本文模型获得优化配时方案。在2种信号配时方案下, 分别多次运行交通流仿真模型, 并统计分析车均延误和排放总量。结果显示, 各污染物在红灯期间的排放因子均低于其在绿灯期间的排放因子;相对于参考配时方案, 优化配时方案下交叉口车辆总延误和进口道排放总量分别降低约10%。对于干线交叉口群, 本文模型能优化设计协调信号控制方案, 使车辆延误和交通排放同时减少, 有助于缓解城市交通拥堵问题及其引发的环境污染问题。
摘要：为降低干线道路系统的交通排放量, 基于机动车比功率改进红绿灯期间排放因子的标定方法, 进而以相位有效绿灯时间为决策变量, 构建使机动车排放总量最小化的干线交叉口群时空资源优化模型。分析相邻交叉口间车队延误与相位差的关系, 改进以车队延误最小为目标的相位差优化模型。为验证模型, 设计一个案例, 根据传统方法获得参考配时方案, 借助Vissim软件标定红绿灯期间的排放因子, 并使用所提方法获得优化配时方案。结果显示, 每种污染物绿灯期间的排放因子均明显高于红灯期间;与参考配时方案相比, 优化配时方案下各交叉口车辆延误和排放量均减少8~11%。所提模型能同时降低干线交叉口群的车辆延误和交通排放量, 可用于优化干线协调信号控制方案, 进而缓解交通拥堵。
优化排放 篇3
机动车是城市交通系统的重要组成部分, 对机动车排放进行研究是改善城市交通环境污染的基础。只有通过对机动车排放影响因素进行分析, 才能够有针对性的提出交通优化措施, 改善道路交叉口的通行能力和服务水平, 改善机动车的运行工况, 达到降低机动车排放污染, 改善交通环境的目的。
影响机动车排放的因素非常复杂, 主要受车辆技术条件、行驶环境、运行工况、以及人为因素的影响[1]。Randall L.Guensler将车辆特征参数、燃油参数、运行工况特征、行驶环境等归结为影响机动车排放的主要因素。
(1) 车辆特征参数:包括车辆的类型 (重量、发动机排量、发动机功率) 、车龄、车辆行驶里程 (VMT) 、燃料供给系、排放控制系统等;车辆的类型不同, 污染物在排放量方面存在很大的差异, 重型车的排放量远远大于小型车的排放量。大量实验研究表明:随着车龄和行驶里程的增加, 污染物的排放量也是逐渐增加的。通常条件下, 燃料供给系统以及排放控制系统技术越先进, 排放水平越低。
(2) 燃油参数:不同的燃油组分对机动车排放有着明显的影响。汽油的雷氏蒸汽压、挥发性、硫含量、烯烃含量、苯含量、硫含量等组分的含量对汽油车的排放水平影响显著。影响柴油机排放的主要组分主要有硫含量、燃油密度以及总的芳香烃含量。
(3) 运行工况:主要包括冷/热启动、运行速度、加速度、负载、过量空气系数、道路坡度等。车辆在冷启动时的排放远远高于热启动。城市道路特别是道路交叉口的交通拥堵情况对CO和HC排放的影响很大。研究表明:当车辆低速行驶时, 车速每增减5 km/h, CO和HC的排放量会在15%~20%范围内变化;车辆怠速或者加速行驶时, CO的排放量增加。怠速或者减速行驶时HC的排放量增加;中速或者匀速行驶时, CO、HC排放量减少, NOX排放量增加。
(4) 行车环境:车辆行驶时所处的环境包括地理位置和气象环境。机动车行驶在交叉口路段, 受多向交通流的干扰作用, 交通冲突现象经常发生, 使得车辆的排放量增加。同时环境温度和湿度对车辆排放的影响也较大。当温度下降时, 会导致CO和HC的排放量增加。当气温达到30度以上时, HC的排放量增加明显。而城市交叉口路段容易产生城市热岛效应, 此处气温通常高于其他路段。湿度是影响车辆排放的另一因素, 相对湿度越到, NOX排放量越低。
通过以上分析可以得出, 在车辆参数、行驶环境一定的情况下, 选用新型清洁燃料、改善车辆运行工况是降低交通污染的有效措施。制定合理的有针对性的交叉口交通优化措施的目的, 是提高道路交叉口道路通行能力和服务水平 (提高行驶速度、减少停车延误、减少交通拥堵等) , 改善机动车的运行工况, 从而达到降低车辆排放, 改善交通环境的目的。
2 城市平面交叉口交通排放优化措施分析
城市路网中, 道路交叉口是城市交通的瓶颈, 处理好交叉口的问题对提高交叉口路段道路通行能力以及服务水平、改善此路段车辆的运行工况, 减少机动车排放污染具有非常重要的作用。
2.1 平面交叉口交通规划
在平面交叉口, 由于多向机动车流、非机动车流、行人同时利用一个平面, 容易造成通行能力降低、引发交通拥堵, 导致交通污染加剧。国内外实践经验表明, 通过对现有的平面交叉口构造以及交通管理方法进行适当的改善以及对在建平面交叉口进行合理的规划、设计和运用, 对保障道路安全畅通、减少机动车排放污染具有非常重要的意义。
从我国城市路网设计的历程来看, 过去往往忽视采用交通分析和设计的方法来设计交叉口, 导致道路交叉口通行能力低, 无法适应混合交通的需求, 使得道路交叉口在交通高峰时段拥堵严重, 交通排放污染加剧。因此对平面交叉口进行设计的首要前提是展宽渠化, 有效的分隔人流和车流。香港地区的道路交叉口交通渠化措施很好, 并且在道路中央设置安全岛, 保障了行人过街的安全需要。在进行交叉口交通规划之前, 应该对交叉口的交通状况进行调查, 主要是观测交叉口各个时段的交通量、地理位置、道路几何条件, 为规划道路交叉口服务质量标准提供依据。
通过查阅相关文献对交叉口规划措施的分析, 将主要的交通规划措施归纳为以下几种:
(1) 道路工程改造
道路工程改造就是采用工程建设的手段对原有的交叉口进行改造, 改变其形状、进口车道数、进口道宽度等, 以提高交叉口通行能力, 改善交叉口的车辆运行工况[2]。通过进口拓宽, 根据实际观测的交通量增加进口车道的车道数, 提高道路交叉口的通行能力, 减少队列延误。
(2) 交通渠化
根据观测交通量以及转向流量的大小设置功能不同的专用车道, 使交叉口的时空资源得到优化利用。通过调整斑马线和停车线的位置, 设置行人等待区, 完善交通标志、标线等基础设施的建设。同时在行人比较多的交叉口架设过街天桥或者地下通道, 减少非机动车和行人对机动车通行的影响。例如江苏省常州市采取的非机动车道前置就是很好的例子, 能够减少行人对机动车的干扰, 提高交叉口的通行能力, 改善车辆运行工况, 减少交通拥堵和交通污染。
2.2 交通控制措施
(1) 采用ITS技术
采用ITS技术不仅可以减少道路交叉口交通拥堵, 而且可以使汽车运输对环境的影响降至最低。研究表明, 平均车速的提高可以使排放污染物减少, 采用ITS技术可以减少60%的交通拥堵, 提高近70%的运输效率, 使交通污染大大降低。
美国采用的交互式导航系统能够使机动车排放减少5%~16%。日本资料显示, 采用ITS技术后, 有望在30年内减少15%的CO2排放以及20%的NOX排放。同时现在运用的“智能车辆引导系统”, 使得车辆一路绿灯的机会大大增加, 极大的减少了车辆行驶延误, 降低了由于运行工况变化导致的排放增加[3]。
(2) 设置智能可变车道
智能可变车道就是根据交通量的变化随时调整左转和直行[4]。在国内济南市率先经十路阳光新路交叉口设置智能可变车道, 该段车道用锯齿状标识, 如图1所示。具体的措施为根据东进口左转车辆的交通需求, 将现有的第二排左转车道变为智能可变车道, 根据第一排左转车道的排队长度自动进行调整。
具体实施方式:在距离第一排左转车道70米和200米的位置分别铺设检测器来检测队列长度, 当第一排左转车道队列长度大于200米时, 智能可车道自动变为左转车道。另外江苏省扬州市在扬子江中路与江阳中路交叉口的皇都岗设置全市第一条可变车道, 如图2所示。在早高峰7∶00-9∶00和晚高峰17∶00-19∶00时, 可变车道为左转车道。在平峰时刻9∶00-17∶00和19∶00-7∶00时, 可变车道为直行车道。
(3) 设置逆向可变左转车道、直行等待区域
道路交叉口通行环境优化措施还包括设置潮汐车道、改变车辆放行模式、设置左转和直行等待区域、设置逆向可变车道、设置提前调头出口[5]。综合利用这些缓堵减排措施可以达到很好的效果。设置潮汐车道以及左转待转区域在我国大部分城市已经得到应用, 本节主要对改变车辆放行模式、设置直行等待区域、设置逆向可变车道进行介绍。
目前在我国很多城市交叉口存在直行和左转同时放行的现象, 但是这种控制模式容易造成交通拥堵、引发交通事故。为了改善这种现状, 济南市交警部门本着以时间换空间, 以空间换时间, 时空联动促畅通的交通理念, 优化信号相序, 由“先直行再左转”调整为“先左转再直行”, 并且在全国首创逆向可变左转车道。
以济南市经十路舜耕路口为例, 如图3所示。具体优化措施为:将路口四个方向信号相序由“先直行后左转”调整为“先左转后直行”, 使车辆能够达到充分利用逆向车道街道左转的目的;分布在距离东口40米和西口50米的位置设置逆向可变左转车道, 路面运用彩色进行标示, 并且设置信号控制灯和诱导显示屏引导车辆进入逆向可变左转车道待转。通过监测数据显示, 每个信号周期可以多放行8~12辆左转车辆。同时在逆向可变车道末端实施提前调头, 解决调头需求, 减少调头车辆占用左转车道。
除济南外, 山东临沂交警部门在通达路与银雀山路交会处北口也设置了逆行可变左转车道。通过两地交警部门统计, 实施此项措施后, 可以使通行效率提高30%~50%。通过以上分析可以得出通过设置逆行可变左转车道后可以大大减少机动车的排队延误, 有效改善机动车的运行工况, 减少机动车污染物排放。
另外, 通过设置直行等待区域可以提高道路交叉口的车辆通行能力, 减少机动车怠速排放。例如邯郸市在市区的9个交叉口设置了直行等待区域, 如图4所示。据邯郸市交警支队科研中心实地测算得知, 在一个信号周期内, 一条直行车道等待区可以多放行2~3辆车。
(4) 交通信号控制
在我国很多城市存在交通信号相序设置不合理, 信号周期过长等现象。在交通信号设置方面应该因地制宜, 交通管理部门应该通过对各个交叉口的交通量进行观测后, 科学、合理的设置交通信号灯。现在有的城市交通信号灯相序不一致, 呈现“先直行在左转”和“先左转后直行”并存的情况。
对于信号灯相序一种城市只能使用一种模式。在交通量特别大的交叉口路段可以采取“先直行后左转”的控制模式。同时对于红、绿灯时间长度应该根据交通量的变化进行实时控制。例如江苏省常州市的两长 (常) 一短工程, 该工程是指一种新型的交通信号配时模式, 高峰时长绿, 平峰时常绿, 低峰时短绿, 最大限度的减少道路交叉口延误, 并在此基础上提高城市快速道路“绿波带”, 大力推行交通智能控制。
清华大学交通研究所所长、全国畅通工程专家组副组长陆化普认为, 常州市的这种两长 (常) 一短工程在全国具有很大的推广价值和意义。该工程的核心目标是在交通量大的时候, 让通行能力最大;在交通量小的时候, 让车辆延误最小。在夜间低峰时期, 缩短信号周期, 减少交通延误, 提高通行效率。当交通量大时, 适当延长信号周期, 使交叉口的通行能力达到最大。常州市这种两长 (常) 一短的信号控制模式能够最大限度的提高交叉口通行能力和减少排队延误, 改善交叉口路段车辆的运行工况, 降低车辆排放。
(5) 交叉口禁左
由于在交叉口汇集多向车流, 交通状况比其他路段要复杂的多。同时交通冲突点的存在导致交叉口通行能力下降, 机动车排放增加。在各向交通流中, 左转车流最易引发交通冲突点, 特别是在左转和直行车流同时放行的路段, 交通冲突现象更加严重。
研究发现, 在四路交叉口, 采取禁左措施以后能使交通冲突点的个数由16个变为4个, 使通行能力和车辆运行工况得到优化。对于交通量比较大的交叉口, 可以采用高峰禁左或者全天禁左 (全交叉口禁左或者部分禁左) 来提高交叉口的通行能力。
3 结语
平面交叉口作为城市交通网络的重要节点, 交通状况比较复杂, 交通冲突点较多。机动车在交叉口路段行驶时运行工况变化频繁, 导致机动车在此路段行驶时产生比一般道路更多的尾气排放。
本文从平面交叉口交通规划、交通控制二个方面阐述汽车排放优化措施, 将为机动车污染治理以及交通环境改善提供技术支持。
摘要：文章针对城市平面交叉口交通污染严重的问题, 分析城市平面交叉口交通及行为特性、影响机动车排放的相关因素, 从平面交叉口交通规划、交通控制二个方面阐述汽车排放优化措施。
关键词：平面交叉口,汽车排放,优化策略
参考文献
[1]张广昕.基于运行模式的平面交叉口车辆排放研究[D].长安大学, 2013.
[2]彭力, 李旭宏, 陈大伟, 等.城市道路交叉口交通治理措施[J].河南科技大学学报 (自然科学版) , 2004, 25 (4) :62-66.
[3]张广昕.基于信号管理的道路交叉口交通污染控制系统[J].交通节能与环保, 2013, (5) :84-86.
[4]王京元, 庄焰.信号交叉口左转车道设置研究[J].深圳大学学报 (理工版) , 2007, 24 (1) :41-46.
[5]张国华.关于城市道路潮汐车道的设置研究[J].交通科技, 2012, (3) :116-119.
优化排放 篇4
关键词：锅炉,电除尘器控制系统,节能,环保
电除尘器的工作原理是烟气通过电除尘器主体结构前的烟道时, 含尘气体在高压强电场中空气分子被电离为正离子和电子, 由于正、负电荷相互吸附作用, 带负电荷电子奔向阳极板过程中遇到尘粒, 使尘粒带负电吸附到阳极板被收集, 烟气中的颗粒烟尘吸附在阳极板上, 通过定时打击阳极板, 使具有一定厚度的烟尘在自重和振动的双重作用下跌落在电除尘器结构下方的灰斗中, 从而达到清除烟气中的烟尘的目的。
华阳电业有限公司燃煤锅炉电除尘控制器采用ALSTOM公司生产的EPIC Ⅱ控制器, 该控制器为20 世纪90 年代投放市场, 于我厂已运行10 ~ 15 年, 故障率逐年上升, 多台电除尘监控上位机出现不明原因异常报警;且该控制器技术相对落后, 已不能满足日益重视环境保护和生态建设的国家节能减排要求。
将我厂电除尘控制器EPIC Ⅱ升级改造为性能先进的EPIC Ⅲ , 不仅能降低电除尘出口粉尘浓度排放, 比改造前降低12mg/Nm3, 且降低电除尘电耗约50%, 达到降低粉尘排放和节能的要求。
1 电除尘控制系统改善
1.1 改善功能
ALSTOM公司生产之EPIC Ⅲ可以同时控制和优化高低压控制, 包括变压器, 振打, 加热, 输灰等, 采用火花处理、充电优化、浊度优化、降功率振打等软件包, 可以有效降低排放、提高效率、降低能耗。其中最重要改善功能如下。
1.1.1 有效二次侧输出最佳电流和充电比优化
根据每个电场粉尘浓度的变化计算二次侧输出的最佳电流和充电比, 并根据实时监测数据计算出较为优化的供电方式进行供电, 充分利用了除尘器特性进行收尘, 使得排放最小化, 节电效果最佳。
1.1.2 降功率振打
高低压设备的控制一体化设计。振打时, 控制器降低二次电流输出, 改变收尘极对灰尘的吸附力, 提高电除尘收尘效率, 同时降低了振打期间电除尘变压器装置的功耗。振打结束时二次电流自动恢复正常水平。
1.2 控制模块硬件改善
将燃煤锅炉电除尘控制器升级为EPIC Ⅲ , 只需在控制柜上更换控制器, 回路适当修改, 其它设备不需改变, 改善简单。
1.3 控制模块软件改善
升级改善后原有的控制部分会被划分为两个独立的部分, 分别可以控制。EPIC Ⅲ继续控制原高压控制柜内的设备, 取消了与GATEWAY的通讯功能;增加一台新的上位机专门用于EPIC Ⅲ控制器与上位机的通讯和监控, 而原上位机继续保留, 主要监控电加热和灰斗料位信号。
2 电除尘EPIC Ⅲ改善后试验
2.1 电场阴阳极振打电机、电加热器试验
在完成控制系统模块之后, 开始电场阴阳极振打、电加热器试验。阴阳极振打电机的试验是为测试振
打电机的旋转方向是否正确, 并同时检查电机在运转时的三相电流分别是多少。从而来判断机械安装情况。电加热测试是通过测试电加热器在工作时的运行电流情况。通过检查一切设备运行正常。
2.2 EPIC Ⅲ工频电源空载升压试验
在完成所有低压部分调试之后, 开始系统的冷态升压调试。在升压调试前锁闭所有人孔门。对每个电场进行了绝缘性能测试。并提前连续投入了4 个小时的电加热系统, 进行冷态升压试验。
3 电除尘EPIC Ⅲ参数优化
在完成了空载电场升压试验之后, 进行的是热态参数的优化。在热态运行过程中发现一电场在相同100m A的输出情况下, 带载比空载情况下, 二次电压提升了14k V ~ 16k V。二电场在相同300m A的输出情况下, 带载比空载情况下, 二次电压提升了4k V ~ 5k V。而后三级电场的二次电压并未有相对的提升, 是由于后级粉尘浓度大幅下降, 更多的是高比电阻粉尘和细小粉尘。所以在第4 级电场投运1 :3 脉冲模式, 第5 级电场投运1:7脉冲模式。在使用脉冲模式之后除尘的能耗从476k W降低到230k W。
在后续的优化中继续考虑从第3 级电场开始投用脉冲供电模式, 达到减排和节能的效果。采用调试的方式如下:
第3 级电场可以采用1:3 的脉冲供电。
第4 级电场可以采用1:5 或1:7 的脉冲模式。
第5 级电场可以采用1:7 或1:9 的脉冲模式。在使用高脉冲模式之后一定会的电除尘的能耗有所降低,
但是需要一个长的周期来观察是否对排放产生了负面的影响。在更改过一次脉冲设置之后, 运行一周的时间来观察除尘排放的情况。当然在某一级电除尘发生电场内部短路的情况时, 需调整后级的脉冲供电比值来达到稳定排放的效果。
为了更好的达到一种智能控制的效果, 可以采用浊度控制加上锅炉负荷控制, 双重控制的方式来节能。
使用锅炉负荷的4m A ~ 20m A信号来控制电除尘的前两级电场, 在锅炉负荷高时前两级电场更高的输入能量保证排放, 而后3 级电场可以采用烟尘浊度4m A ~ 20m A信号来控制, 同样当检测到烟尘排放高时增加后3 级的二次电流来稳定排放。这些4m A ~ 20m A的模拟量信号可以分别输入到某2 个控制器中, 然后在控制器内配置相应的控制方式。从而达到一个双闭环节能减排控制的效果。
4 电除尘优化改善后效益分析
1) 通过升级改善, 消除了不明异常报警, 通讯功能正常。
2) 2014 年8 月对各机组电除尘进行了试验, 结果显示, 升级改善后的电除尘出口平均浓度降低, 比改善前降低12mg/Nm3, 基本上能满足目前国家环保30mg/Nm3要求。
优化前后工况对比图如表1。
3) 升级改善前后电耗对比, 如表1, 经修改第三、第四、第五电场充电比, 分别由1:1、1:3、1:5 改为1:3、1:5、1:7 电耗降低了246k W, 约为改善前的50%。
5 结论
通过对华阳电业有限公司燃煤电厂锅炉电除尘控制器的升级改造, 不仅解决了因运行年限久引起的不明报警及通道故障问题, 而且降低了电除尘出口排放浓度, 降低电除尘电耗约50%, 达到降低粉尘排放和节能的要求, 带来良好的经济效益, 符合当前国家节能减排、环境保护和生态建设要求。
参考文献
[1]ALSTOM公司电除尘器使用手册, 2014.
优化排放 篇5
李永乐等[2]从宏观层面建立实现低碳经济发展的土地利用变化分析框架, 提出增加碳汇用地和减少碳源用地两条路径, 优化农用地结构和建设用地布局。文章通过建立能源消费碳排放模型, 核算濮阳市2009-2013年濮阳市能源消费碳排放总量, 对濮阳市土地利用结构进行低碳优化探讨, 并提出低碳土地利用优化调控对策及建议。
1 研究区概况
濮阳市位于位于东亚中纬地带, 河南省东北部, 地处黄河下游, 冀、鲁、豫三省交界处, 属于暖温带大陆性季风气候。截止2013年末, 全市辖三个市区五个县, 总人口达358.4万, 总土地面积4188km2。随着濮阳市工业化和城镇化的迅速发展, 人类活动对土地生态系统的影响将更加显著, 为充分反映区域生产性土地的碳吸收服务功能, 准确表征能源消费碳排放对区域环境造成的压力, 文章将对濮阳市2009-2015年期间能源消费碳排放量进行核算。
2 研究方法与数据来源
2.1 能源消费碳排放模型
国内外对于能源消费碳排放量的估算方法主要有实测法、物料衡量法和排放系数法, 另外也有采用生命周期法、模型法和综合决策树法等来估算碳排放量这些方法各有所长, 互为补充[3]。本研究主要采用缺省碳排放因子来核算基于能源消费的土地利用碳排放。目前主要的能源有化石能源、电能、生物质能、水能、风能、核能、太阳能等, 文章主要研究以化石能源为代表的传统能源消费。
能源消费碳排放公式[4]为:
式中:Ce为能源碳排放总量;i为主要能源消费种类;Ei为能源消费量 (104t标准煤) ;fi为能源标准煤折算系数;ci为能源的碳排放系数 (t C/t标准煤) 。参照《中国能源统计年鉴2010年》附录能源碳排放系数和标准煤折算系数。
单位GDP排放强度[5]即碳排放总量与国民生产总值的比值作为衡量国民经济和社会发展的约束性指标, 在碳效益分析研究中被广泛应用, 文章采用单位GDP碳排放强度来反映濮阳市土地利用碳排放情况。
2.2 数据来源
土地基础数据:濮阳市土地利用变更调查数据 (2009-2013年) 。
能源消费数据:濮阳市统计年鉴 (2009-2014年) 。
其他数据:濮阳市统计年鉴;自然、社会经济方面的文字资料和图件资料。
3 结果与分析
濮阳市2009-2013年期间, 2011年能源总消耗量达到最高, 石油消耗量占主要能源消耗比重, 天然气消耗量低于煤制品和石油。根据《中国能源统计年鉴2010年》能源折标准煤系数和能源排放系数, 利用公式 (1) 对濮阳市2009-2013年能源消耗排放总量进行核算, 结果表明:濮阳市碳排放总量呈先升后降变化趋势, 2011年濮阳市碳排放总量最高达440.49万t, 具体如下图1所示。
利用公式 (2) 进行单位GDP碳排放量核算, 结果表明2009-2013年濮阳市单位GDP碳排放强度总体上呈下降趋势, 从2009年的0.59t/万元下降到2013年的0.38万元, 下降了0.21t/万元。这充分表明了濮阳市市节能减排工作的实施效果。
4 结论与建议
(1) 文章利用能源消费碳排放模型对濮阳市2009-2013年碳排放总量进行了核算, 由于2009年濮阳市经济进入赶超发展阶段, 城镇化和工业化进程加快, 碳排放总量增幅较大, 2011年碳排放总量达到最高, 单位GDP碳排放强度总体呈下降趋势, 说明濮阳市在产业结构和能源利用优化方面取得了显著成效。 (2) 建设用地是主要碳源地, 也是控制碳排放和实施碳减排的重点[7]。建设用地承载了工业、建筑、交通、商服、居住等行业, 是能源消费和碳排放强度最高的地区, 濮阳市五年来建设用地面积增长过快, 大大增加了碳排放负担。 (3) 濮阳市未来可通过增加林业用地面积, 适当调整耕地、草地、林地和建设用地之间的比例, 对建设用地总量进行控制, 通过土地利用规划中建设用地规模边界和指标进行层层控制, 抑制建设用地过快增长。
参考文献
[1]Lau, L. (2009) .Low-carbon Economy and Develop-ment of Human Society.Xinhua Digest, (1) , 26-27.
[2]Fang J Y, Chen A P, Peng C H, et al.Changes in forest biomass carbon storge in China between 1949 and 1998[J].Science, 2001;2320-2322.
[3]李永乐, 吴群, 等.土地利用变化与低碳经济实现:一个分析框架[J].国土资源科技管理, 2010, 27 (5) :14.
[4]徐国泉, 刘泽源, 等.中国碳排放的因素分解模型及实证分析:1995-2004[J].中国人口资源与环境, 2006 (6) :158-161.
[5]张德英.我国工业部门碳源排碳量估算方法研究[D].北京:北京林业大学, 2005.
[6]蓝家程, 傅瓦利, 等.重庆市不同土地利用碳排放及碳足迹分析[J].水土保持学报, 2012, 26 (1) :147-149.
优化排放 篇6
热电联供(combined heat and power,CHP)型微电网是一个复杂多样的能量系统,用户可根据热电需求特性、运行目标等多个方面确定微电网结构及设备容量,具有很大的灵活性。加强对CHP型微电网的研究,使其能够经济、低污染运行,对提高能源利用率、发展可再生能源、降低空气污染等具有重要意义[1,2,3,4,5]。
目前,国内对于微电网经济运行的研究大多限于电力微电网的层面[6],而国外对于CHP型微电网已展开相关研究[7,8]。随着对空气污染问题关注的增多,CHP系统的运行同样需要考虑污染气体排放问题[9]。总体而言,CHP型微电网的研究还主要集中在经济调度方面,对于污染气体排放的研究较为匮乏,而两者结合的多目标优化还未引起重视。
多目标优化模型有多种处理方法,其中一种较为普遍的方法是通过价格惩罚因子(price penalty factor,PPF),将多目标问题转化为单目标问题[10]。但由于确定治污成本存在一定的难度,且单目标模型具有一定的局限性,优化结果的唯一性使得无法直观地获得不同运行计划下费用与污染气体排放量的具体情况,不方便用户根据实际要求,进行优化调度。而采用多目标优化可避免此类问题,不需要确定治污成本,且能提供多种优化调度方案,用户可根据对优化目标的重视程度,从中合理地选择调度计划。本文将对CHP型微电网的多目标优化模型进行研究。
此外,微电网经济运行问题研究的又一难点在于可再生能源及负荷的不确定性,如光伏发电的随机性。在现有关于微电网经济运行的研究中,多未考虑光伏以及负荷的随机性,而是简单地给出预测值,但由于预测值与实际值可能存在较大偏差,导致优化结果的可信性下降,模型存在一定的缺陷。本文考虑变量的随机性,采用机会约束规划(chance constrained programming,CCP)方法建立含有随机变量的CCP模型[11,12,13,14,15]。
文献[16]未考虑污染气体排放问题,只建立了以运行费用为单目标的经济优化模型。而本文将建立以运行费用、CO排放量和NOx排放量为多目标的优化模型,提出了综合考虑发电效率、制热效率和污染排放的微型燃气轮机运行模型;蓄电池采用KiBaM模型,考虑其最低荷电状态;光照强度采用贝塔分布,由此计及光伏的随机性;此外还考虑热电负荷的随机性。建立约束和目标中均含有随机变量的多目标CCP模型,提出以加权欧式距离法和Pareto排序确定满足约束置信水平下的目标向量集。采用随机模拟技术处理CCP模型,最后针对本文提出的多目标机会约束目标向量集的确定方法,提出采用局部和全局记忆体的改进粒子群优化算法,以适应本文的优化模型。
1 含可再生能源的CHP型微电网
本文研究的CHP型微电网由光伏电池、蓄电池、微型燃气轮机、余热锅炉、蓄热槽以及热电负荷组成,如图1所示。
此系统与大电网和蓄电池之间均存在双向功率流动,根据需求分别进行买/卖电、充/放电。微型燃气轮机产生的废热经过余热锅炉回收后提供给热力负荷。蓄热槽作为储热装置,可将余热锅炉产生的多余热能存储起来,当微型燃气轮机停止工作或者产生的热能不足时,蓄热槽再释放热能。如图1所示,光伏以及热电负荷具有随机性,作为随机变量;当微型燃气轮机、蓄电池、蓄热槽功率确定以后,根据能量平衡原理,剩余设备的功率就能确定,所以将这三者作为控制变量;余热锅炉以及与大电网之间的功率作为受控变量。下文具体介绍每个微源的详细模型。
1.1 光伏电池
光伏电池的输出功率与光照强度有关。某地光照强度一般采用Hottel-Liu-Jordan公式计算[17],但是受数据的约束,此处采用贝塔分布来计算光照强度[18],其密度函数如下:
式中:s为光照强度,a≤s≤b;a和b分别为某段时间内光照强度的最小值和最大值。
在得到光照强度后,根据下式来计算光伏电池板的输出功率[19]:
式中:ξ为太阳辐射;θ为入射角;ηm为最大功率点跟踪(MPPT)效率;Ap为电池板面积;ηp为光伏电池效率。
1.2 微型燃气轮机
在过去的10年中,微型燃气轮机对天然气的利用率得到了大幅度提升,是目前CHP系统常用的设备之一。微型燃气轮机的发电效率、制热效率、污染气体排放量均与自身容量、负载水平有关[20]。发电效率与制热效率的表达式如下:
ηMTE=r01PMTref+r11RMT+r21PMTrefRMT+r31(3)ηMTH=r02PMTref+r12RMT+r22PMTrefRMT+r32(4)式中:rij为常数,一般由厂家给定,具体数值见附录A表A1;PMTref为微型燃气轮机额定功率;RMT为荷载率。
微型燃气轮机以额定功率运行时,单位功率排放的污染气体很少,但是随着功率的下降,单位功率排放的污染气体快速增多,故厂家建议低于额定功率的一半时,燃气轮机停止工作[21],本文也如此限定。CO和NOx是微型燃气轮机产生的主要污染气体,目前尚无二者的排放量表达式,基于文献[9]中给出的分段线性排放曲线,本文给出如下拟合函数表达式:
1.3 蓄电池
蓄电池采用KiBaM模型,其经常被用来仿真铅酸蓄电池。在该模型中,电池被看做2个井:可用电荷和束缚电荷。可用负荷向负荷提供电能,束缚电荷以一定的速度转化成可用电荷。KiBaM模型包含5个子模型[22],本文用到其中的容量模型、电荷转化模型以及电池损耗模型。
1)容量模型
式中:q1,t和q2,t分别表示时段t结束时蓄电池内可用电荷和束缚电荷;k为常数,表示束缚电荷转化成可用电荷的速率;b为可用电荷占总电荷的比例;I为电流;q1,0,t和q2,0,t分别为某时段初始时刻蓄电池可用电荷和束缚电荷;q0,t为总电荷。
设定蓄电池端电压为V,则q0,tV为相应的储能量,IV为电池功率。假定V为定值,给定蓄电池充放电功率,则可确定电流,进一步计算蓄电池内电荷的变化量,由此可得蓄电池储能量的变化量。
2)电荷转化模型
式中:PBdis,tmax和PBch,tmax分别为时段t初始时的最大放电功率和充电功率;EBma,tx为时段t蓄电池最大储能量;E1,0,t和E0,t分别为时段t初始可用能量和总储能量。可以看出蓄电池当前最大充放电功率与蓄电池储能状态有关。
3)电池损耗模型
本文对电池损耗进行简化,认为充放电效率ηBch和ηBdis为定值。
1.4 蓄热槽
考虑蓄热槽单位时间内的损耗系数μHST,以及充放热效率ηchHST和ηHSTdis,且规定结束时刻蓄热槽内的能量等于初始时刻其存储的热能[23]。
式中:EHST,i为第i时段蓄热槽内的能量;PHST,i为蓄热槽功率,正值表示放电,负值表示充电。
2 含可再生能源的微电网多目标优化模型
微型燃气轮机利用天然气的过程中,主要产生CO和NOx这2种危害严重的污染气体,且两者的单位功率排放量随着微型燃气轮机功率的增大而减少。但是微型燃气轮机在低功率时,CO的排放量远大于NOx排放量,如果将两者相加作为污染气体排放的优化目标,可能导致NOx被CO掩盖;此外NOx对人体的危害性很大,故不能忽略NOx在优化模型中的重要性。综合考虑上述理由,此处将两者均作为优化目标。由此建立了含可再生能源的CHP型微电网运行的优化模型,以系统运行费用、CO排放量、NOx排放量为多目标,综合考虑系统的能量平衡、各微源的具体模型以及运行约束,对系统在各个时段的运行方案进行优化。
2.1 目标函数
优化目标包括3个:运行费用、CO排放量以及NOx排放量。系统的运行费用包括:从大电网购买电能费用,微型燃气轮机使用天然气费用,光伏电池、余热锅炉、蓄电池、蓄热槽的维修保养费用,以及向大电网售电收入。其中光伏和热电负荷是随机变量,故模型具有随机性,其处理方法将在后续介绍。系统CO和NOx的排放来自微型燃气轮机,具体目标函数如下。
CO排放量:
NOx排放量:
式中:T为单位时间段时间间隔;N为总时间段数;Pex,i为时段i与大电网交换电能功率,购电为正,售电为负;PMT,i为时段i微型燃气轮机发电功率;PB,i为时段i蓄电池充放电功率,放电为正,充电为负;Ppv,i为时段i光伏电池功率;Cph为从大电网购电价格;Cse为向大电网售电价格;Cgas为天然气价格;CMTom为燃料电池操作维修费用;Cblom为余热锅炉操作维修费用;CBom为蓄电池操作维修费用;Cpvom为光伏电池操作维修费用;CHSTom为蓄热槽操作维修费用;ηMTE,i为燃气轮机时段i的发电效率;ηMTH,i为燃气轮机时段i的制热效率;ηbl为余热锅炉的效率。
2.2 约束条件
约束条件包括电能供需平衡约束、热能约束以及各微源的运行约束。
1)电能平衡约束
蓄电池放电:
蓄电池充电:
式中:Pel,i为时段i的电力负荷。
2)热能约束
本文没有采用热能平衡约束,而是规定热能供应不小于热能需求。这样规定的原因在于:微型燃气轮机单位功率发电成本随着功率变大而减少,只有到一定功率时,单位功率发电成本才低于从大电网购电价格,且单位功率污染气体排放量随着微型燃气轮机单位功率变大而迅速减少,所以为了减少运行费用和污染气体排放量,微型燃气轮机应尽量以高功率运行,当蓄热槽已满时,可能会产生多余热能。
蓄热槽放热:
蓄热槽储热:
式中:Pth,i为时段i的热力负荷。
3)与大电网功率交换约束
式中:Pexmax和Pexmin分别为与大电网功率交换的最大和最小值,即向大电网购电和售电的最大功率。
4)微型燃气轮机运行约束
式中:PMTmax和PMTmin分别为微型燃气轮机的最大和最小发电功率,依据厂家建议,燃气轮机的发电功率低于额定功率一半时,停止工作,微型燃气轮机不应频繁地进行启停操作,故对此进行限制;SMT,i表示微型燃气轮机在第i-1时刻到第i时刻是否重新启动,1表示是,0表示否;Smax为微型燃气轮机单日最大启动次数。
5)余热锅炉运行约束
式中:Pblmax和Pblmin分别为余热锅炉的最大和最小功率。
6)蓄电池运行约束
且假定蓄电池开始与结束时所储能量相同:
式中:SOCmin和SOCmax分别为蓄电池最低和最高荷电状态,这里假定蓄电池容量保持不变。
7)蓄热槽运行约束
式中:PHSTmax和PHSTmin分别为蓄热槽的最大放热和充热功率;EHSTmax和EHSTmin分别为蓄热槽的最大和最小储能量,且蓄热槽开始与结束时所储能量相同。
2.3 基于随机模拟的多目标CCP
优化模型中光伏及负荷均存在不确定性,需要采用CCP来处理。CCP主要针对约束条件中含有随机变量,且必须在观测到随机变量的实现之前作出决策的情况。考虑到所作决策在不利情况下发生时可能不满足约束条件,采用以下原则:允许所作决策在一定程度上不满足约束条件,但该决策应使约束条件成立的概率不小于某一置信水平[24]。CCP的数学模型如下:
式中:x为决策向量;ξ为随机向量;f(x,ξ)为目标函数;gi(x,ξ)为随机约束函数;Pr{}表示{}中的事件成立的概率;α和β分别为事先给定的约束条件和目标函数的置信水平;珚f为目标函数f(x,ξ)在置信水平为β时所取的最小值。
对于一个给定的决策向量x,CCP模型要完成2个步骤:(1)确定该决策向量是否满足约束置信水平;(2)若能满足,则给出此决策向量下满足目标置信水平的目标值。与确定性规划相比,CCP的难点在于对随机变量的处理。当模型较复杂时,较难确定该决策变量下的目标值,故一般都采用随机模拟技术,即Monte-Carlo模拟。
在单目标问题中,根据随机参数的分布,产生N个随机样本,计算每个样本下的目标值,然后将目标值按照从劣到优的顺序排列,取第βN(取整)个为机会约束下的目标值。在多目标情况下,每个目标的实际意义迥异,对应于一个随机样本的目标向量的优劣不能直观地判断,故无法作出优劣排序。本文提出采用加权欧式距离法来确定目标向量集,具体步骤如下。
步骤1:按照随机参数的分布,随机生成N个样本。
步骤2:根据给定的决策向量x,计算每个样本对应的目标向量,形成目标向量集。
步骤3:在目标向量集中确定每个目标的最优值和最劣值,对每个目标向量作线性归一化处理。这样就可以避免因各目标实际意义的不同,造成相互之间无法比较的问题。
步骤4:确定每个目标的权值,权值之和为1,值越大表示该目标越重要;若某个权值为1,该问题就变为单目标优化问题。
步骤5:计算处理后的每个目标向量与原点之间的加权欧式距离。
将所有距离从小到大排序,取第βN(取整)个以后的所有目标向量,对这些向量进行反归一化处理;确定取得的目标向量集中的非劣解,形成Pareto最优集作为满足目标置信水平的目标向量集。这样做的原因在于:一方面,保持了解集的多样性,从中可以知晓每个目标的变化范围以及分布情况;另一方面,也为智能算法求解此模型提供了必要而丰富的信息,避免算法陷入局部解。
应用该多目标CCP模型,根据约束式(14)和式(15),可将Pex,i表示为含有Ppv,i,Pel,i,PMT,i,PB,i随机变量的函数。经过这样的处理以后,可消去模型中的等式约束,将原模型转化成只含有不等式约束的新模型。因此不等式约束(式(18))可以用概率形式表示为:
目标向量为三维,其中CO和NOx排放量目标表达式中不含随机变量,只与决策向量有关,故无需进行随机模拟,而运行费用与光伏及热电负荷有关,需作随机模拟。
3 基于Pareto最优解的粒子群多目标优化算法
将粒子群算法运用于多目标优化问题的关键是如何确定每个粒子的局部和全局最优位置。由于在多目标优化问题中,并无单个的最优解,而是存在一组Pareto最优解[25],所以不能直接确定这2个量。为了解决这个问题,本文采用由Coello和Lechuga提出的多目标粒子群优化(MOPSO)算法[26],迭代过程中所需的全局最优位置由外部记忆体存储,本文称为全局记忆体,针对每个个体,采用轮盘赌算法从全局记忆体中选出全局最优位置。对于全局记忆体的维护,采用非支配排序遗传算法(nondominated sorting genetic algorithm,NSGA-Ⅱ)中的拥挤距离法[27,28],以得到分布更均匀近似Pareto最优集。由于本文采用基于随机模拟的CCP模型,每个粒子每代产生一组当前Pareto最优集,所以本文提出为每个粒子提供一个一定容量的局部记忆体,用来存储每个粒子所经历的Pareto最优集。当更新到下一代时,将新生成的Pareto最优解加入到该粒子的局部记忆体中,并且进行该局部记忆体的维护操作,保持该记忆体的非劣性以及不超过最大容量,更新方法与全局记忆体相同。该粒子的个体局部最优位置的选取方法为:采用轮盘赌法从该局部记忆体中随机选取。
综合上述基于随机模拟的多目标CCP方法以及基于Pareto最优解的MOPSO算法,提出本文的算法流程,具体如下。
步骤1:输入各微源运行参数、各种费用参数、光伏以及热电负荷随机变量的分布参数。
步骤2:设置目标向量的置信水平以及含随机变量的约束条件的置信水平;随机模拟的样本大小;设置MOPSO算法参数,包括粒子数K、最大迭代次数、学习因子、初始惯性权重、终止惯性权重、全局记忆体和局部记忆体最大容量。
步骤3:随机生成微型燃气轮机以及蓄电池在每个时段的功率,即粒子的初始位置,同时生成粒子初始速度,形成1个粒子,根据式(19)—式(25)检验粒子非随机性约束;利用随机模拟技术检验式(16)、式(17)和式(27)是否满足随机性约束的置信水平。若粒子同时满足这2种约束,则粒子可行;若粒子不可行,则重新生成粒子,直至粒子可行。
步骤4:利用随机模拟技术,得到光伏以及热电负荷的M组样本,计算每组样本下粒子的适应度,利用前面提出的多目标机会规划的目标向量集的确定方法,得到该粒子当前Pareto最优解集;更新维护该粒子的局部记忆体,同时将此局部记忆体中的Pareto最优解集加入到全局记忆体中,并且进行维护。
步骤5:重复步骤3、步骤4,直至生成K个初始粒子。
步骤6:按照粒子顺序,对每个粒子的位置与速度进行更新。在速度更新时,需要用到个体局部位置和全局最优位置,采用轮盘赌法分别从该粒子的局部记忆体和全局记忆体中随机选取;检验该粒子的可行性;如果不可行,重新生成速度再更新位置,直至粒子可行。
步骤7:与步骤4类似,计算当代每个粒子的当前Pareto最优解集,维护局部记忆体和全局记忆体。
步骤8:重复步骤6、步骤7,直至达到最大迭代次数。
步骤9:输出全局记忆体中的Pareto最优解集。
4 算例分析
本文利用前面所述的模型以及模型求解方法,在Visual C++6.0环境下,采用C++语言编制程序,给出所建CHP型微电网一日24h的运行计划。微电网中各微源的具体参数如下:光伏电池的额定功率为300kW,入射角θ=45°;MPPT效率取值96%;电池板面积取值5 250m2;光伏电池效率取值11%。光照服从的贝塔分布涉及的参数根据文献[18]中给出的6个时间段拟合值进行设定,具体见附录A表A2。
微型燃气轮机的额定功率为100kW,发电效率、制热效率以及排放特性已在1.3节给出,其制热特性随发电功率的变化曲线见图2。从图中可见,燃气轮机的制热功率随着发电功率的增大而上升,且最大值约为176.5kW;单位功率发电价格随着功率的增大而减小,当高于83kW时,发电价格低于从大电网购电价格。
热电负荷24个时段的模型采用正态分布,期望值u为预测值,标准方差为u/16.45,即设定实际值x在区间[0.9u,1.1u]的概率为90%,等同于Pr{0.9u<x<1.1u}=90%。要特别说明的是,x为热电负荷的实际功率与额定功率的比例,称为负荷比例。图3给出了医院和学校一日典型热电负荷预测曲线。可以看出,医院24h内负荷波动较学校要小。此处将讨论在医院和学校一日热电负荷总量相同的条件下,两者优化结果的差异。
模型中用到的其他参数如下:μHST=0.02;ηBch=ηBdis=ηcHhST=ηdHisST=0.9;Pexmin=-400kW,Pexmax=400kW,Pblmin=0,Pblmax=200kW,SOCmin=0.3,SOCmax=1,V=0.5 kV,PHSTmax=200 kW,PHSTmin=-200kW,PMTmax=100kW,PMTmin=0,Cph=0.6元/(kW·h),Cse=0.3元/(kW·h),Cgas=0.175元/(kW·h),CMTom=0.04元/(kW·h),Cblom=0.025元/(kW·h),CBom=0.02元/(kW·h),Cpvom=0.08元/(kW·h),CHSTom=0.02元/(kW·h),ηbl=0.9,Smax=4,EminHST=0。
基于Pareto最优解的MOPSO算法参数设置如下:粒子数为500,最大迭代次数为200,学习因子为2,初始惯性权重为1,终止惯性权重为0.4,随机模拟次数为1 000,全局记忆体的容量为100,局部记忆体的容量为50。目标函数以及含随机变量的约束条件的置信水平为0.95。
下面分别计算医院和学校2种工况A和B下的结果,且在2种工况中,电力负荷和热力负荷的额定功率对应相等,分别为250kW和150kW,一日热电预测总负荷需求量分别为3 870kW·h和2 382kW·h;蓄电池和蓄热槽的容量为400kW·h,两者初始储能量均为额定容量的一半。
4.1 医院(工况A)
在该工况下,一日的热电负荷波动较小,约为额定功率的50%~80%。运行结果得到最终的Pareto最优解集中有75个非劣解,见散点图4。解集中运行费用、CO排放量以及NOx排放量的取值范围分别为1 653~1 685元,170~4 047g,330~342g。图4中的Pareto解集具有良好的多样性,表明所设计优化算法的可靠性较高。
费用最小时的运行计划见图5、图6。
从图5可以看出,微型燃气轮机共在18个时段正常运行,其余6个时段停止工作。图中与电网交换功率曲线表示电力负荷预测值减去光伏功率预测值、蓄电池功率以及微型燃气轮机功率之后的剩余值,正值表示需要从大电网购买相应的电能,负值表示向大电网销售相应多余电能。图5中,微型燃气轮机在时段3和4停止工作,需从大电网购买电能满足电力负荷;在时段12和13,光伏电池产生额外电能,部分电能由蓄电池吸收,但是受到蓄电池最大充电功率及容量限制,仍有部分电能售给大电网。此外在时段14和15,光伏电池产生的电能能够满足电力负荷,但为了满足热力负荷,微型燃气轮机需要工作,这导致运行费用的增加。
从CO排放角度看,其单位电能排放量及总量随着微型燃气轮机的发电功率增大而快速减少,故以CO最小为目标时,在满足热能需求的情况下,微型燃气轮机避免以低功率运行,对应的运行计划中微型燃气轮机在17个时段以最大功率100kW运行。即使这样会产生多余的电能或者热能,而电能只能低价卖给大电网。优化结果中CO排放量的波动幅度较大,原因在于单位功率CO排放量随着微型燃气轮机功率减少而快速增大。
从NOx排放角度看,其单位电能排放量随着微型燃气轮机功率增大而减小,与CO相比,减小的速率没有CO快;但是NOx总量随着微型燃气轮机功率增大,先增加后减少。所以当以NOx排放量最小为目标时,在满足热能需求的前提下,无需一直保持最大功率运行,可以在低功率区运行。例如:在情形A中,最优解集中NOx排放量最小时对应的微型燃气轮机的运行计划在一个时段以50kW运行,其余均为100kW。
4.2 学校(工况B)
与工况A相比,工况B的热电需求昼夜变化更大。最终的Pareto最优解集中共有100个非劣解,其散点图见附录A图A1。结果中运行费用的范围为1 605~1 639元,CO排放量范围为170~4 417g,NOx排放量范围为328~338g。
运行费用最小时的运行计划如图7、图8所示。
不难发现,微型燃气轮机共在18个时段内工作,在时段2,3,4,12,14,22停止工作。夜间,学校热电负荷需求低,热能需求通过蓄热槽来供给,电力需求由蓄电池和外部大电网供给;白天,热电负荷需求高,微型燃气轮机可以保持最大功率运行,蓄电池可以吸收多余的电能,而蓄热槽在时段5至11则进行缓慢的蓄热,在时段12至16进行释放,然后再进行充热。
与工况A相比,工况B的最小费用有所减少,且Pareto集中,工况B运行费用区间也较小。这是由于工况B的负荷主要集中在白天,光伏电池产生的电能大部分用来满足电力负荷,额外电能基本上能够全部由蓄电池吸收,然后在其他时段供给电力负荷。而工况A中,由于电力负荷峰值小,光伏电池将产生更多的多余电能,然而受蓄电池容量限制,不能完全被吸收,存在向大电网售电时段。将工况A中的蓄电池额定容量增大到800kW·h,运行结果表明运行费用区间变为1 618~1 633元,没有出现向大电网售电情况。
5 结语
本文考虑了含有随机特性的可再生能源的CHP型微电网的多目标运行优化问题,建立了各微源的具体模型。建立了以运行费用、CO排放量以及NOx排放量最小为多目标的CCP模型,并采用基于随机模拟、Pareto最优解的改进MOPSO算法求解。实例分析结果表明,优化微型燃气轮机运行计划可显著减少微电网污染气体的排放量,而合理的微源配置对微电网的经济运行具有重要影响。本文的研究成果可应用于微电网智能管理系统,进行日前经济调度,为微电网运行提供建议。
CHP型微电网是一个多变量、特性复杂、随机性强、多时间尺度的非线性系统,为使微电网清洁、高效地运行,需在超短期功率预测、精细化微源模型、长时与短时调度的协调等方面开展大量工作,这将是今后研究的主要方向。
附录见本刊网络版(http://aeps.sgepri.sgcc.com.cn/aeps/ch/index.aspx)。
优化排放 篇7
近年来, 我国针对燃煤电厂大气污染物控制出台了多项法规、政策、标准, 污染物排放标准日趋严格, 同时排污收费标准的逐年提高, 对燃煤电厂污染物排放提出了更高的要求。《天津市4种主要污染物排污费征收标准调整及差别化收费实施细则 (试行) 》中SO2和NOX等污染物排放收费标准分别提高5~13倍, 污染物脱除及排放费用在锅炉总体运营成本中所占的比重越来越大, 极大改变了燃煤电厂锅炉运行成本的结构。原有的追求锅炉热效率的锅炉运行调整及优化方式, 已不再适应当前的环保形势。
本文对电厂燃煤锅炉运行及烟气污染物排放全过程进行了研究, 建立了锅炉烟气污染物预测模型、锅炉运行总成本计算模型、燃料及运行方式优化模型, 开发了燃煤锅炉污染物预测及过程优化辅助决策系统。该项目综合考虑燃煤、污染物脱除及排放等费用, 以锅炉总体运营成本为优化目标, 优化燃料混配, 优化锅炉运行方式, 从源头上有效的控制污染物的生成, 降低锅炉运行成本, 并在2×300MW机组示范工程成功应用, 达到了节能减排的目的, 经济效益和社会效益显著。
2 系统建立原理
2.1 污染物预测
锅炉烟气中污染物主要为SO2、粉尘和NOx。SO2和粉尘的生成机理比较简单, 应用物料平衡等已有的成熟的方法就可以得出精确的结果。
NOx的生成原因比较复杂, 主要将NOx的生成分为燃料型、热力型和快速型三种[1], 不仅和煤质有关, 更和锅炉运行方式有关, 例如炉膛温度、氧含量、分级燃烧情况等。目前的研究结果对NOx的生成更多的是定性的分析, 对其生成浓度没有成熟的数学模型可以直接利用, 需要进行专项试验得到相关数据, 利用支持向量机等机器学习的方法, 利用电厂所采集的数据对模型进行训练, 最终得出比较可靠的关于NOx浓度的预测模型 (如下式所示) 。
式中:y为SCR入口的NOX浓度;x为负荷、一二次风量、各二次挡板开度, 给煤量, 氧量等输入量;c (N) 为混煤中的含氮量;m为修正系数, 本文中m取0.8;σ为核参数;b为截距参数;αj为拉格朗日乘子。
2.2 运行总成本计算
对电厂锅炉运行方式和历史参数进行研究, 提出锅炉运行环保全流程的经济性评价计算模型。采用支持向量机及数据拟合的方法, 预测计算锅炉不同煤质, 不同工况条件下煤耗成本、脱硫脱硝成本、除尘成本、污染物排污收费、补偿电价等总成本, 单位发电负荷总成本来评价锅炉经济性。运行总成本的构成如图1所示。
根据NOx浓度, 烟气流量, 脱硝设备进出口温度预测脱硝系统成本;根据SO2浓度, 烟气流量, 脱硫设备进出口温度预测脱硫系统运行成本;根据烟气烟尘浓度, 烟气流量, 烟气温度预测除尘系统运行成本;根据排烟污染物浓度 (NOx, SO2, 烟尘等) , 以天津环保局现行污染物排放收费标准, 计算电厂需要缴纳的污染物排放费用;根据烟气污染物处理设备的投入情况, 及烟气污染物排放浓度, 计算电厂应获得的环保补偿电价。
2.3 燃料优化
对电厂配煤混煤方式进行研究, 提出基于锅炉运行烟气环保全流程综合成本因子的燃料优化方法[2]。在配煤优化过程中, 综合考虑煤质、煤价、污染物生成、污染物排放等因素, 以最小总成本为目标, 运用线性规划中的单纯形法实现燃料优化[3]。燃料优化模型结构图如图2所示。
2.4 锅炉运行方式优化
采用插值的方法, 以煤质及锅炉运行相关参数为自变量, 以燃煤及排放污染物和污染物脱出设备运行成本之和作为因变量, 建立一个三次插值多项式, 将此多项式作为目标函数, 再应用无约束条件非线性规划的最速下降法进行优化, 得到最优的锅炉运行方式。
3 系统的总体设计及建立
本文以天津某2×300MW亚临界燃煤锅炉为例, 介绍燃煤锅炉污染物预测及过程优化辅助决策系统的总体设计和开发情况。
3.1 运行调整试验
四个数学模型建立后, 需要大量的锅炉运行样本数据对数学模型进行训练, 以确定模型部分参数、实现支持向量积方法及数据拟合方法。本文采集示范工程锅炉一年以上历史运行数据, 根据煤质不同、负荷不同、运行方式不同, 筛选数据样本860组。但锅炉的正常运行方式较稳定, 变化较少, 历史样本数据无法满足模型训练的要求, 因此进行了锅炉运行调整试验。包括:煤质调整试验、负荷调整试验、给煤机组合方式调整试验、二次风开度调整试验、燃尽风开度调整试、氧量调整试验等近80余工况的调整试验, 得到230组补充样本数据, 使得样本数据更全面, 更具代表性, 保障数学模型的准确性。
3.2 系统主要功能及画面
燃煤锅炉污染物预测及过程优化辅助决策系统的主要功能包括以下几点:
3.2.1 配煤计算:
系统内录入电厂常用煤种的煤质数据库, 配煤计算时, 选择需要混配的煤种, 设置混配比例, 此功能可自动计算得到混合后煤质信息。
3.2.2 燃料优化:
根据用户选择的煤种, 系统自行计算, 得到运行总成本最低的燃料混配方式。
3.2.3 污染物预测:
根据锅炉入炉煤质的不同, 结合锅炉的运行方式 (负荷、风量、磨煤机组合方式、配风方式等) , 预测计算锅炉烟气中污染物浓度, 例如:SO2、NOX、粉尘、烟气量等。
3.2.4 运行总成本计算:
根据入炉煤质和锅炉运行方式, 预测计算锅炉运行过程中的各项成本, 主要包括:燃煤成本、污染物脱除成本、污染物排放成本、环保电价补偿等。
3.2.5 运行方式优化:
以锅炉运行总成本最低为优化目标, 系统给出较为经济的锅炉运行方式, 包括:磨煤机组合方式、一二次风量、二次风开度、燃尽风开度、给煤量等参数。
3.2.6 辅助功能:
系统还具有基础数据库管理、法律法规查询、饱和蒸汽计算、设备说明说查询等辅助功能。
3.3 系统主画面
系统的首界面、运行方式优化界面及运行成本计算界面如图3~图5所示。
4 系统节能减排及经济效益分析
本系统在示范工程2×300MW亚临界锅炉上进行了试用, 已经满一年。根据优化调整验证试验的结果, 300MW负荷工况下通过系统对配煤和运行方式优化, 可降低成本0.00625元/k W·h;250MW负荷工况下降低成本0.00149元/k W·h;200MW负荷工况下降低成本0.00077元/k W·h;150MW负荷工况下降低成本0.01715元/k W·h, 机组年运行小时数5476h。
示范工程年经济效益:两台机组年节约成本= (0.00625元/k W·h×300MW×1308h+0.00149元/k W·h×250MW×3311h+0.00077元/k W·h×200MW×552h+0.01715元/k W·h×150MW×305h) ×2=911万元。
由于该项目研究内容具有普遍通用性, 可以在电厂燃煤锅炉领域得到广泛应用, 天津地区目前300MW容量等级机组共有16台, 如果全部采用燃煤锅炉污染物预测及过程优化辅助决策系统, 按照示范工程2×300MW机组节能减排水平, 一年即可节约成本7288万元, 折合标煤11.21×104t, 相当于一年可为天津地区减少CO2排放29.37×104t, SO2排放952.8t, NOX排放829.5t。
5 结语
本文以天津某2×300MW机为例, 介绍了燃煤锅炉污染物预测及过程优化辅助决策系统。
5.1本文提出了以锅炉运行总成本为优化目标的燃料优化和锅炉运行方式优化新方法, 开发了燃煤锅炉污染物预测及过程优化辅助决策系统。
5.2本系统对电厂燃煤锅炉运行及污染物排放全过程进行研究, 预测锅炉的污染物生成, 预测计算锅炉运行总成本, 优化燃料组合方式, 优化锅炉运行方式, 指导电厂降低污染物生成, 降低运营成本, 以达到节能减排的目的, 经济效益显著。
5.3本文的基础理论具有普遍通用性, 适用于200MW及以上燃煤锅炉, 在目前环保形势日趋严峻的形势下, 技术推广前景广阔。
摘要：针对火电厂燃煤锅炉运行成本结构的变化, 通过实验研究和理论分析相结合的方法, 搭建科学准确的数学模型, 开发了燃煤锅炉污染物预测及过程优化辅助决策系统, 实现以锅炉运行总成本为优化目标的燃料及运行方式优化的新方式, 从源头上有效地控制污染物的生成, 降低运行成本, 达到节能降耗的目的。
关键词：燃煤锅炉,运行经济性,污染物,运行优化,燃料优化
参考文献
[1]王春林, 周昊, 李国能, 等.大型电厂锅炉NOx排放特性的支持向量积模型[J].浙江大学学报, 2006, 40 (10) :131-134.
[2]吴克河, 姚佳慧.火电厂配煤优化模型的研究与实现[J].电力信息化, 2009, 4:98-101.