最大负荷(通用4篇)
最大负荷 篇1
1配网导线的选配原则与现状
目前, 配网线路选择主干导线截面积, 一般都是考虑以下几个方面的要求: (1) 按经济电流密度选择导线截面积并校验发热条件; (2) 根据允许电压损失选择导线截面积; (3) 校验导线机械强度。经验告诉我们, 这几个方面选择导线要求, 最重要的是按允许电压损失选择主干导线截面积。尤其对低压大电流线路的选线, 特别重要, 切不可少。
然而, 目前的农村配网现状不容乐观, 有的已经改造过的配网、消缺过的配电线路, 由于忽视了最大负荷电压损失这一因素, 在确认无人为因素影响的情况下, 仍有线损居高不下和严重的低电压现象。
2不成功的改造案例
某乡镇一条10 k V架空配电线路, 长16.5 km, 导线选用50 mm2裸铝线, 安装公用配电变压器70台, 总容量为6 385 k VA, 用户专用配电变压器18台, 总容量为2 300 k VA, 两者合计总容量为8 685 k VA, 取功率因数cosφ=0.8, 线路有功功率6 948 k W。长期以来电压低且波动大, 不能让用户满意。受低电压因素的影响, 线路有功功率损失大, 线损居高不下。
为及时解决线损大、电压低问题, 县公司对这条线路进行消缺处理, 将原50 mm2裸铝线换成95 mm2铝塑绝缘导线。经验上看, 此举应是不错的措施, 但事实是, 由于选择导线截面积时忽视了最大负荷电压损失计算, 仍没有达到理想效果。下面具体分析。
根据该县公司调度电脑资料显示, 2014年该线路月平均有功功率2 524.89 k W, 其中7月份最高负荷3 002.64 k W。95 mm2铝塑绝缘导线环境温度30℃时载流量223 A, 温度校验系数为0.96, 实际载流量仅为214.08 A, 取功率因数cosφ=0.8计算, 满载有效供电容量2 962.87 k W。众所周知, 已有线路总有功功率, 一般情况短期内是不会有什么大的变化的。但是, 供电线路负荷的变化存在很大的不确定性, 七八月份的最大负荷随时都有可能再创新高, 甚至负荷满载, 线路电流可达502 A, 95 mm2铝塑线如何能承受?
再看线路电压损失, 国家电网公司《配电网规划设计技术导则 (Q/GDW 1738—2012) 》规定, 10 k V及以下三相供电电压允许偏差为额定电压的±7%, 这是一个非常重要的刚性指标。它不但是检验和判定电能质量优劣的一个标尺, 而且是配网建设、改造选择合适导线的一项重要技术依据。在此, 仍以95 mm2铝塑线三个不同负荷供出16.5 km, 分别核算电压损失。
电压损失简化计算公式为
式中△U———电压损失, V;
△U0———电压损失系数;
P———线路有功功率, k W;
L———线路长度, km。
电压损失百分数计算公式为
式中UN———线路额定电压, V。
(1) 95 mm2铝塑绝缘线环境温度30℃时满载供电线路长16.5 km, 取cosφ=0.8, △U0=0.059 4, 计算其电压损失百分数。
29%的电压损失百分数, 是标准要求7%的4.14倍, 这样的线路如何能够供出优质电能。
(2) 线路基本条件不变, 以2014年7月3 002.64k W负荷为例, 计算电压损失百分数。
29.43%的电压损失百分数, 是标准要求的4.2倍。如此大的电压损失, 即使35 k V变电所出口电压确保10 000 V输出, 到线路末端电压也只有7 057 V, 再经过配电变压器25倍变压, 低压用户如何正常满意用电, 线损当然也一定很大。也难怪当时抄表员强烈反映无论怎样尽职努力, 也完不成电能表应抄回率。
(3) 线路基本条件不变, 以700 k W负荷计算供电电压损失百分数。
这个数字小于7%, 完全符合国家电网对10 k V及以下三相供电电压允许偏差的标准要求。只要供电负荷不超出700 k W, 线路电压和线损率都将能稳定在国家标准范围之内。但是, 这样一条安装有88台配电变压器, 长16.5 km的高压配电线路, 只能供700 k W优质电能给用户使用, 在经济上是很不合算的。
综上所述, 这条10 k V线路, 当初规划建设或改造时, 就存在严重的论证不充分, 后又在此基础上选择95 mm2铝塑绝缘导线进行消缺, 效果不佳。事实上, 若不改变原供电现状, 即使换上240 mm2的导线, 也不能从根本上解决这条线路的电压低、线损大问题。妥善的解决办法是, 缩短供电半径, 重新调整分配负荷, 分两条线路供电。因此, 在选择输电导线时应注重电压损失的核算, 合格后方可采用。
最大负荷 篇2
爆发力是短跑、短跨、跳跃以及绝大多数非周期性体育项目的重要素质,因此发展爆发力的手段及其机制的研究已经成为越来越多的教练员和科研工作者极为关注的课题。爆发力是力和速度的乘积,是快速大强度工作的能力。由于爆发力不仅可以克服阻力,使物体产生位移,而且能使物体产生巨大的位移速度。因此,在大多数动力性体育项目中,爆发力比绝对力量有着更加重要的意义。
1 研究对象和方法
1.1 研究对象:我校21名队员。
1.2 研究方法
1.2.1 实验法:把21名队员平均分成3组,作实验比较.让队员进行安静时的后抛铅球、立定跳远,30米跑以及无氧台阶四项运动,并记录各项目运动成绩的平均值,然后让受试者做5组不同形式的爆发力练习.练习后重新测定后抛铅球,立定跳远,30米跑等项目的运动成绩。爆发力练习形式,(1)深半蹲:(2)高翻;(3)高提踵;(4)卧推杠铃;(5)快速徒手练习。其中(1)(2)(3)(4)练习的负荷量分别是本人最大力量的30%MVC、70%MVc、90%mVc、100%MVc+30MVC快速徒手练习。
1.2.2 观察法。
2 研究结果与分析
2.1 小负荷力量练习与徒手练习不能很好地发展爆发力经各种爆发力训练后,四项反映爆发力水平的运动成绩都有不同程度的提高
提高大小的顺序是100%mvc+30mvc十徒手快速练习>90%mvc>70%mv>30%mv>徒手快速练习,实验结果表明:小负荷、徒手快速练习对爆发力的作用并没有超过中负荷、大负荷量练习的作用。其原因在于少负荷或徒手运动时,肌肉力量并没有全部动员起来,只是一小部分兴奋性较高的肌纤维参加工作,而大部分肌纤维是被动的。本体感受性的反馈调节使用力肢体的肌纤维精确地按照外界阻力的大小进行应答性收缩。因为在小负荷或徒手练习时阻力虽小,动力也相应中小,动力—阻力比值并不大运动时阻力的大小才是影响动作速度的真正原因。
2.2 中负荷练习能产生较强爆发力的原因
中负荷练习对提高肌肉,快速收缩能力有一定的作用。同样能影响力盘的发展,因为它能发展运动员的爆发力,这也是教练员经常使用的训练手段。田径运动项目成绩的提高,与中负荷力训练必不可分。中负荷力量训练比小负荷力量训练更能提高大脑皮层运动中枢发放较强的高频冲动。动员兴奋性较弱的慢肌纤维参加工作,为发展爆发用力准备了较大的动力势能。从实验中看出C中负荷练习比小负荷、徒手快速练习对发展爆发力的作用要大,克服肌肉的阻力要强,提高运动员的成绩要快。而比最大负荷与最大速度相结合的力量练习所产生的爆发力要小,运动成绩提高幅度也要小。
2.3 大负荷练习后立刻对爆发力产生的影响及原因
最大负荷作用时,大脑皮层运动中枢发放强而集中的高频冲动。这种冲动不仅可以动员兴奋性较弱的慢肌纤维,而且可以动员兴奋性较低的某些快肌纤维参加工作,从而使用力肢体大多数肌纤维参加工作,为发展爆发用力准备了强大的动力势能。虽然在最大负荷力量练习中没有直接出现较快的动作速度,但练习后立刻对爆发力测试却表现出非常快的运动速度和很好的爆发力效果。但是由于最大负荷用力时,在大脑皮层产生的痕迹效应没有完全消失,爆发力测试时的负荷虽小,但用力肢体仍能保持绝大多数的肌纤维参加工作.快肌参加工作的比例和动力—阻力比值大大超过中小负荷练习和徒手练习后的肌肉工作状态,如投掷运动员在进行大力量或重器械投掷后,紧接着进行轻器械的练习,效果特别明显.因此,大负荷练习后立刻产生了比中小负荷及徒手练习后无法相比的爆发力训练效果。
2.4 最大负荷与最大速度相结合的力量练习是发展爆发力的最佳组合
大负荷力量训练虽然优于中小负荷和徒手练习的效果,但并不是意味着采用大负荷就能很好地发展爆发力。因为大负荷力量练习本身不能在练习中产生快的动作速度,不宜建立快速的发力动作定型.长期单纯的大负荷练习不仅不能提高爆发力,相反还会影响发力速度,造成慢的发力定型。如何才能使人体肌肉在最短的时间内最大限度地发挥肌力贮备,从而以最高的动力一阻力比值去获得最快的动作速度呢?实验结果表明:只有最大负荷练习与最快速度相结合的练习方法才能满足以上要求.在一组最大负荷力量练习后,紧接着进行一至几次轻负荷最快速度练习,再进行几次快速徒手练习。会使人体产生一种非常轻快的感觉。并在轻负荷练习中获得比一般只做徒手练习快得多的动作速度,我们称此速度为“超快速度”。根据爆发力的生理机制,“最大负荷+最快速度”的爆发力组合练习会产生一种意想不到的最佳效果。最大力量练习的主要作用是,刺激运动中枢神经最佳的兴奋状态,接通所有必要的运动神经通路,动员尽可能多的肌纤维工作,使人体具备爆发力的强大“势能”。紧接其后的轻负荷快速度运动,是将前者动员起来的“神经和肌肉势能”转变成爆发用力的动能,再用几次快速徒手练习,本因动员起来的“神经和肌肉势能”变成了势不可当的爆发用力的动能。这是任何单一练习都不能达到的效果,我们认为:最大负荷和轻负荷快速练习、再加快速徒手练习,在爆发力训练组合中是缺一不可的没有轻负荷练习,最大负荷所造成的“爆发力势能”再大也不会转变成快的“爆发力势能”,无法建立快速爆发用力的动力走型。运用最大负荷最大速度练习组合时应注意的问题
2.5 运用“最大负荷+最大速度”练习组合时应注意的问题
2.5.1 力量训练必须建立在全面的身体素质基础上,且在力量素质练习中必须首先发展爆发力素质。
2.5.2 根据青少年运动员的训练特点,在发展力量素质时,切忌过早进行大力量训练,以免把肌肉练得过僵,影响速度、灵敏、柔韧、协调等素质的提高。
2.5.3 力量训练中必须强调运动的合理性、准确性、科学性处理各种力量素质之间的关系,充分考虑各身体素质之间的协同性。
2.5.4 保证“最大负荷”和“最大速度”练习之间尽可能短的间隔。因为间隔时间越短,大负荷工作产生的痕迹效应就越强,轻负荷最大速度运动时,肌肉才能具备高的动力—阻力比值,爆发用力的效果才会越好。
2.5.5“最大负荷十最大速度”组合训练必须在肌肉不疲劳的情况下进行。因为肌肉疲劳时收缩速度减慢,此时进行爆发力练习不可能取得很好的效果。
2.5.6“大负荷力量练习”与“最大速度练习”的动作结构应尽可能一致,因为两部分练习必须先后作用于同样的肌肉才能起到发展爆发力的作用。否则只会增加无用功。
2.5.7 力量练习在各个时期都要进行,但是在练习中必须注意合理安排,否则将会影响爆发力训练的效果。
3 小结
(1)大负荷力量练习对发展爆发力的短时效应优于中小负荷。(2)任何一种单一的练习都不能很好地发展爆发力,“最大负荷+最大速度”组合练习方法才是爆发力练习的最佳方法。(3)“最大负荷+最大速度”组合练习方法能够最大限度地动员肌力贮备并以最短的时间释放出来,是最理想的爆发力训练组合方法。
摘要:爆发力是田径运动项目中的重要组成要素,发展爆发力的手段及其机制的研究越来越被教练员和科研人员所关注.本人通过十多年的田径业余训练,培养了一批国家一级运动员。本人在田径业余训练中,除抓好技术,培养能力等方面下功夫外,还潜心对业余训练运动员田径爆发力进行了探讨研究.结果发现:小负荷力f练习与徒手练习不能很好地发展爆发力;中负荷练习能产生较强爆发力:大负荷练习后立刻进行几次轻负荷练习,再加上徒手练习,所产生的爆发力效果远远比中小负荷或单一的徒手练习大得多.因为,爆发力不仅可以克服阻力,使物体产生位移,而且能便物体产生巨大的位移速度。因此,在选择和设计爆发力及其训练组合的手段上,比其它力盘的练习有着更加重要的意义。
关键词:田径,运动员,爆发力,最大负荷与最大速度,训练组合
参考文献
[1]体育学院通用教材.运动训练学.人民体育出版社.
最大负荷 篇3
一、小负荷力量练习与徒手练习不能很好地发展爆发力
小负荷、徒手快速练习对爆发力的作用并没有超过中负荷、大负荷量练习的作用。其原因在于小负荷或徒手运动时,肌肉力量并没有全部动员起来,只是一小部分兴奋性较高的肌纤维参加工作,而大部分肌纤维是被动的。本体感受性的反馈调节使用力肢体的肌纤维精确地按照外界阻力的大小进行应答性收缩。因为在小负荷或徒手练习时阻力虽小,动力也相应小,动力一阻力比值并不大,运动时阻力的大小才是影响动作速度的真正原因。
二、中负荷练习能产生较强爆发力的原因
中负荷练习对提高肌肉,快速收缩力有一定的作用。同样能影响力量的发展,因为它能发展运动员的爆发力,这也是教练员经常使用的训练手段。田径运动项目成绩的提高,与中负荷力量必不可分。中负荷力量训练比小负荷力量训练更能提高大脑皮质中枢发放较强的高频冲动。动员兴奋性较弱的慢肌纤维参加工作,为发展爆发用力准备了较大的动力势能。
三、中小负荷训练不及大负荷训练的原因
中小负荷训练时,肌肉并未完全动员起来,只有一小部分兴奋性肌纤维精确地按照外界阻力的大小进行应答性工作。因此中小负荷训练的阻力小,相应的动力也小,动力一阻力比值就小。所以运动时阻力的大小是影响动作速度的真正原因。
四、大负荷练习后对爆发力产生的影响及原因
最大负荷作用时,大脑皮质运动中枢发放强而集中的高频冲动。这种冲动不仅可以动员兴奋性较弱的慢肌纤维,而且可以动员兴奋性较低的某些快肌纤维参加工作,从而使用力肢体大多数肌纤维参加工作,为发展爆发力准备了强大的动力势能。虽然在最大负荷力量练习中没有直接出现较快的动作速度,但练习后立刻对爆发力测试却表现非常快的运动速度和很好的爆发力效果。但是由于最大负荷用力时,在大脑皮质产生的痕迹效应没有完全消失,爆发力测试时的负荷虽小,但用力肢体仍能保持绝大多数的肌纤维参加工作。快肌参加工作的比例和动力——阻力比值大大超过中小负荷练习和徒手练习后的肌肉工作状态,如铅球运动员在进行大力量或重器械投掷后,紧接着进行轻器械的练习,效果特别明显。因此,大负荷练习后立刻产生了比中小负荷及徒手练习后无法相比的爆发力训练效果。
五、大负荷训练法应与超等长训练法结合
跳深是一种典型的超等长练习方法,即肌肉先进行快速的离心收缩,紧接着爆发性地完成向心收缩,对提高运动员的支撑能力、快速力量,尤其是爆发力,有着其它练习方法无法相比的独特训练效果。
通过实验表明,三级跳远二级运动员助跑两步单足跳深接跳远,适宜高度为35~45厘米,间距为3.00±0.06米,跳远距离为3.30±0.15米。一般多采用每周2次,每次训练(6~1 0)次×(6~10)组,组间间歇2~3分钟。
在进行跳深练习时,教练员应根据运动员的训练水平和所从事的运动项目的特点安排训练,要求跳下后立即跳起,尽量高跳。选择跳得最高或最远的下落高度进行练习,可有效地发展运动员的爆发力。如采用较低高度,有利于发展弹跳速度;如采用较高高度,有利于发展最大力量。跑、跳运动员可多安排直线型跳深练习,而投掷运动员则要多安排一些跳深加转体或侧跳等练习。
六、最大负荷与最大速度相结合的力量练习是发展爆发力的最佳组合
大负荷力量训练优于中小负荷和徒手练习的效果,但并不是意味着采用大负荷就能很好地发展爆发力。因为大负荷力量练习本身不能在练习中产生快的动作速度,不宜建立快速的发力动作定型。长期单纯的大负荷练习不仅不能提高爆发力,相反还会影响发力速度,造成慢的发力定型。如何才能使人体肌肉在最短的时间内最大限度地发挥肌力贮备,从而以最高的动力——阻力比值去获得最快的动作速度呢?实验表明:只有最大负荷练习与最快速度相结合的练习方法才能满足以上要求。在一组最大负荷力量练习后,紧接着进行一至几次轻负荷最快速度练习,再进行几次快速徒手练习,会使人体产生一种非常轻快的感觉,并在轻负荷练习中获得比一般只做徒手练习快得多的动作速度,我们称此速度为“超快速度”。根据爆发力的生理机制,“最大负荷+最快速度”的爆发力组合练习会产生一种意想不到的最佳效果。最大力量练习的主要作用是,刺激运动中枢神经最佳的兴奋状态,接通所有必要的运动神经通路,动员尽可能多的肌纤维工作,使人体具备爆发力的强大“势能”。紧接其后的轻负荷快速度运动,是将前者动员起来的“神经和肌肉势能”变成了势不可挡的爆发用力的动能。这是任何单一练习都不能达到的效果,我们认为:最大负荷和轻负荷快速练习、再加快速徒手练习,在爆发力训练组合中是缺一不可的。没有轻负荷练习,最大负荷所造成的“爆发力势能”再大也不会转变成快的“爆发力势能”,无法建立快速爆发用力的动力定型。
七、大负荷训练中的最大负荷与最大速度组合的意义
最大负荷 篇4
根据GB13223—2011《火电厂大气污染物排放标准》的相关规定,自2012年1月1日起,燃煤发电机组烟尘排放量小于30 mg / m3、硫氧化物排放量小于100mg / m3、氮氧化物排放量小于100mg / m3,国内现役燃煤发电机组陆续改造和新建了除尘、脱硫、脱硝设备,通过引入多电场电除尘技术和低温电除尘技术、石灰石-湿法脱硫技术、炉内低NOx燃烧技术和选择性催化还原脱硝技术,以达到国家对燃煤发电机组污染物排放要求。
由于燃用化石燃料而引起的环境问题日益严重,环保压力持续加大,国家对粉尘、SO2、NOx等污染物排放收费执行力度逐渐增大,发电企业面临提高运行效率与降低多种污染物排放的双重压力。 在实施除尘、脱硫、脱硝改造后,根据厂内每台机组的经济性能指标和污染物排放指标,确定合理的全厂负荷分配方案是保证现役燃煤发电机组运行综合效益最大化的一种有效途径。
目前火电厂负荷优化分配研究主要集中于燃煤发电机组除尘、脱硫、脱硝改造前负荷分配模型和智能优化算法方面[1,2,3,4,5,6,7,8,9,10,11,12,13],负荷分配模型仅考虑供电煤耗、NOx排放、负荷调整时间等因素,智能优化算法多采用遗传算法、粒子群优化PSO(Particle Swarm Optimization)算法 、差分进化算法及其改进形式 , 对当时火电厂负荷优化分配发挥了重要的作用。 但是上述负荷分配模型没有综合考虑当前除尘、脱硫、脱硝补偿电价和零起点的多种污染物排污费用等因素,模型约束条件没有考虑自适应的负荷上下限和基于磨煤机出力交替区间的负荷禁止分配区,智能优化算法在平衡计算开销和寻优能力方面也有一定的提升空间,因此获得的全厂负荷优化分配方案不能满足全厂综合经济效益最大化的实际需求。 随着国家对燃煤发电机组污染排放处罚力度的不断加强和机组除尘、脱硫、脱硝改造的加速实施,研究适应当前环保形势和机组运行特性的最优综合经济效益全厂负荷分配方法具有重要的现实意义。
本文从提高全厂综合经济效益的角度出发,基于机组实际运行数据构建供电煤耗和多种污染物排放浓度特性模型,根据除尘、脱硫、脱硝补偿电价以及零起点的排污费用标准,建立全厂综合效益最优负荷分配模型,构建自适应负荷上下限和负荷禁止分配区等模型约束条件。 提出满足电网调度响应时间要求的可控搜索粒子群优化(PSO-CE)算法,并结合动态罚函数约束处理技术求解该约束优化问题, 通过仿真研究验证本文算法的有效性。
1面向综合经济效益最大化的负荷分配模型
目前,我国燃煤发电机组烟气污染控制政策呈现历史性转变:烟气除尘、脱硫和脱硝实施强制排放标准,二氧化碳减排开始起步,烟气脱汞提上日程, PM2.5的监测和控制受到重视并在不久将要开始治理,维持机组清洁高效运行是火电厂长期而艰巨的任务。 负荷分配模型从火电厂当前面临的经济运行和环境保护要求出发,利用机组除尘、脱硫、脱硝改造后的实际运行数据,构建机组负荷与供电煤耗、粉尘排放浓度、SO2排放浓度、NOx排放浓度关系的特性模型,考虑当前除尘、脱硫、脱硝补偿电价以及零起点的排污费用标准,建立兼顾经济和环保指标的最优综合经济效益负荷分配模型。
1.1机组供电煤耗特性模型
某火电厂现役燃煤发电机组为2台660 MW机组、1台310 MW机组和1台330 MW机组。 采用如下二次多项式描述机组负荷与供电煤耗的关系:
其中,i = 1,2,3,4表示4台机组; f1i表示第i台机组的供电煤耗 (g / (k W·h));Pi表示第i台机组的负荷 (MW); β1i、γ1i、λ1i表示第i台机组的煤耗特性模型系数。 根据机组除尘、脱硫、脱硝改造后实际运行数据,采用反平衡计算及二类修正得到不同负荷下的供电煤耗,利用多项式拟合方法获得如表1所示的特性模型系数, 表中Pi,min和Pi,max分别表示第i台机组负荷的最小值和最大值。
1.2机组多种污染物排放浓度特性模型
考虑燃煤发电机组粉尘排放浓度、SO2排放浓度、NOx排放浓度等实施强制排放的污染指标,采用如下三次多项式描述机组负荷与粉尘排放浓度、SO2排放浓度、NOx排放浓度的关系:
其中,i = 1,2,3,4表示4台机组; f2i表示第i台机组的粉尘排放浓度(mg /m3);f3i表示第i台机组的SO2排放浓度(mg / m3);f4i表示第i台机组的NOx排放浓度 (mg / m3);α2i、 β2i、γ2i、λ2i表示第i台机组的粉尘特性模型系数;α3i、 β3i、γ3i、λ3i表示第i台机组的SO2特性模型系数;α4i、 β4i、γ4i、λ4i表示第i台机组的NOx特性模型系数。 根据机组除尘、脱硫、脱硝改造后实际运行数据, 通过有效性数据筛选获得不同负荷下的粉尘排放浓度、SO2排放浓度、NOx排放浓度,利用多项式拟合方法分别获得如表2—4所示的特 性模型系数。
1.3全厂负荷分配模型
在满足国家污染物排放强制标准的前提下,以全厂综合经济效益最大化为优化目标建立全厂负荷分配模型,综合经济效益为考虑除尘、脱硫、脱硝补偿电价的售电收入与煤耗成本及排污费用之差。
该厂机组设计厂用电率为6.5%,则时间T内的全厂上网电量为:
其中,E(Pi)表示时间T内的全厂上网电量(k W·h)。
按照普通电价0.39元 / (k W·h)、 除尘补偿电价0.002元 / (k W·h)、脱硫补偿电价0.015元 / (k W·h)、 脱硝补偿电价0.01元 / (k W·h)计算,则机组最终的上网电价p1为0.417元 / (k W·h), 时间T内的售电收入为:
其中,F1(Pi) 表示时间T内的售电收入(元)。
时间T内的全厂标煤消耗量为:
其中,Q1(Pi)表示时间T内全厂标煤消耗量(t)。
按标煤单价p2为550元 / t计算,时间T内全厂煤耗成本为:
其中,F2(Pi)表示时间T内的全厂煤耗成本(元)。
目前实施的环保补偿电价有利于促使发电企业严格执行大气污染物排放标准, 但企业对进一步优化污染物排放数据缺少动力。 我国2003年实施的 《排污费征收使用管理条例》明确规定大气污染物的零起点收费标准,零起点排污费计算方式有利于激励企业实施“超低排放”,通过经济杠杆向“超低排放”企业提供倾斜,促进我国治霾、治气的进程。 因此,在量化排污费用成本时采用630元 / t的零起点排污费计算方式。 该厂600 MW等级机组额定负荷烟气量为2×106Nm3/ h,300 MW等级机组额定负荷烟气量为1.1×106Nm3/ h,则时间T内全厂大气污染物排放量为:
其中,Q2(Pi)表示时间T内全厂污染物排放量(t)。
粉尘、SO2、NOx排污费p3为630元 / t,时间T内的全厂排污费用为:
其中,F3(Pi)表示时间T内的全厂排污费用(元)。
全厂综合经济效益最优负荷分配模型为:
其中,F(Pi)表示时间T内的全厂综合经济效益(元)。
1.4负荷分配模型约束条件
负荷分配从机组AGC方式变为全厂优化分配方式时,电网调度对全厂的速率要求变为参与调节机组速率限制总和,全厂负荷调度所用最大时间为:
其中,tp,max表示全厂负荷调度所用最大时间(min); Pful表示电网调度下发的全厂发电总负荷(MW);Pnow,i表示第i台机组当前承担的负荷 (MW);vnet,i表示电网调度规定的第i台机组速率限值(MW / min),vnet,i= 0.015Pi,max。
全厂负荷优化分配以机组当前承担负荷为基础,在全厂负荷调度所用最大时间tp,max内所能达到的负荷范围内计算全厂最优负荷分配方案。 为此, 定义全厂功率平衡的约束条件为:
机组功率上下限的约束条件为:
其中,Pi,nowmax、Pi,nowmin分别表示以机组当前承担负荷为基础计算得到的自适应负荷阈值上、下限,其计算公式如式(15)所示。
其中,vi,demax和vi,inmax分别表示第i台机组降、升负荷速率最大值(MW / min),vi,demax= vi,inmax= 0.02 Pi,max。
机组投入协调后,相邻磨煤机启停必须有一段出力交替区间,以维持主要参数稳定。 若机组负荷分配指令落入该区间,现场操作人员难以判断是否需要启动或停止1台磨煤机,从安全运行出发必然有冗余磨煤机运行,降低了全厂经济效益。 因此,全厂负荷分配结果不能使机组负荷对应于该机组的磨煤机出力交替区间。 机组负荷禁止分配区约束条件可表述为:
其中,PiL,k表示第i台机组第k个负荷禁止分配区的下界;PiU,k表示第i台机组第k个负荷禁止分配区的上界;ψ 表示负荷禁止分配区个数,其中k=1,2,…,ψ。
根据机组磨煤机出力试验数据,分析获得如表5所示的负荷禁止分配区上下限。
2基于PSO-CE算法的负荷优化分配
负荷分配从机组AGC方式变为全厂优化分配方式时,响应时间由全厂负荷调整时间t1、优化算法计算时间t2、调度指令传输时间t3三部分组成。 通常情况下,t3远小于t1和t2,与单机AGC方式相比 ,全厂负荷优化分配存在优化算法计算时间, 要满足电网调度的实时性要求,算法的效率显得尤为重要。 本文提出PSO-CE算法并结合动态罚函数方法进行全厂负荷优化分配。
2.1PSO-CE算法
PSO算法由Kennedy和Eberhart于1995年提出[14],是一种基于迭代的进化计算技术。 算法种群规模为M, 每个粒子在D维空间的坐标可表示为Xi=(Xi1,Xi2,… ,Xi D),粒子i的速度为每次迭代中粒子移动的距离,用vi= (vi1,vi2,…,vi D)表示。 于是 ,粒子i在第d(d=1,2,…,D)维子空间中的飞行速度和移动的下一位置为:
其中,Rid表示第i个粒子迄今发现最优解的位置; Rgd表示整个粒子群发现最优解的位置;ω 表示惯性权重因子;c1、c2表示加速度因子。
PSO算法的寻优能力主要来自于对局部搜索和全局搜索的平衡, 由于粒子本身飞行速度和位置没有突变机制, 算法进化过程中容易出现早熟收敛现象。 为增强粒子在解空间中搜索潜在最优解的能力,平衡粒子的搜索和收敛性能, 在粒子飞行速度更新公式中引入可控随机搜索的速度因子和动态调整的最大速度限制因子, 则粒子的飞行速度和移动的下一位置可表示为:
其中,ε(n)表示收敛因子;ξ(n)表示可控随机搜索速度因子;N表示算法总的迭代次数;vmax表示最大速度限制因子;τ 表示正常数;α 表示取值在(0,1)的常数;φid(n) = c1r1(n)+ c2r2(n)。 通过多次实验vmax取为13.5,τ 取为10,c1和c2取为3.5。
ξ(n)为具有连续统一分布的有界随机变量,为保证算法收敛,随着迭代次数n增加,ξ(n)的边界应逐渐缩小,其计算公式如下:
其中,η 表示期望值为零且取值范围固定的随机变量,通过多次实验取为[-5,5];φ(n)表示大于零的时变系数,为平衡算法的搜索性能和收敛速度,构建如式(23)所示的计算公式。
其中,θ 表示一个小于1的正常数,通过多次实验取为0.982。
为保证算法收敛,随着迭代次数n增加,ε(n)应趋近于0,其计算公式为:
其中, ρ1> 0、0 < ρ2< 1,ρ1和 ρ2决定算法的收敛速度。 ρ1越大,算法开始时粒子在解空间分布越分散,收敛时间也就越长。 ρ2越大,算法收敛越快。 为使算法在前期具有良好的搜索性能,并在后期具有较快的收敛速度,经过多次实验将 ρ1取为3.5,ρ2取为0.42。
PSO-CE算法求解步骤如下:
a. 设定算法中特性参数的初始值 , 进行种群初始化,获得各粒子的速度和位置;
b. 计算并评价每个粒子的适应度,对各粒子的历史最佳位置Rid和种群的历史最佳位置Rgd进行更新;
c. 用式(24)和式(22)分别计算 ε(n)和 ξ(n);
d. 用式 (19)更新每个粒子的速度 ,用式 (20)对每个粒子的速度进行限制,用式(21)更新每个粒子的位置;
e. 若满足算法终止条件(即是否达到算法的最大迭代次数或获得满足指定精度的适应度值),寻优过程结束,输出结果,否则转至步骤b。
2.2动态罚函数法的约束条件处理
罚函数法通过对不可行解施加某种惩罚而使有约束优化问题变为无约束优化问题,通过无约束优化算法不断迭代后,逐渐收敛于可行的极值点。 罚函数法的关键在于罚因子的合理选取,本文引入动态罚因子,随着迭代的不断进行,罚因子逐渐增大,使解趋于可行解。 负荷分配模型的罚函数表达式为:
其中,F(Pi)为全厂综合经济效益的目标函数 ;δ(n)= 1 000 + n1.22表示罚因子,为迭代次数n的函数;(Pi) 表示边界条件的越界函数,其计算公式如式(26) 所示。
其中,ρ 表示一个非常小的正数,取为0.001。
3仿真实验与结果分析
为验证所提出的面向综合经济效益最大化负荷分配模型的合理性和PSO-CE算法的有效性,以一个拥有4台燃煤发电机组的火电厂为例进行仿真实验,仿真环境硬件配置为Intel i5-3210,2.5 GHz, 4 G DDRⅢRAM,500 G硬盘;软件为MATLAB 2011 b。 4台机组的供电煤耗特性模型系数 、 粉尘排放浓度特性模型系数、SO2排放浓度特性模型系数、NOx排放浓度特性模型系数分别如表1— 4所示。
引入线性 递减惯性 权重粒子 群优化 (PSO-LDIW)算法[15]和协作粒子群优化 (CPSO-K) 算法[16]进行对比分析。 PSO-LDIW算法的惯性权重因子从0.9线性递减至0.4,加速度因子为2;CPSO-K算法的惯性权重因子从0.9线性递减至0.4,加速度因子为1.49,K为6将解空间分为6个。 3种算法的种群规模M都取为50,最大迭代次数N都取为500。
该火电厂4台机组所带总负荷为1535.56 MW, 每台机组所带负荷分别为530.89 MW、520.58 MW、 246.52 MW、237.57 MW,调度指令要求1 752.82 MW。 根据各台机组磨煤机出力确定的机组负荷禁止分配上下限如表5所示。 基于本文提出的PSO-CE算法和动态罚函数约束处理技术,分别与 δ(n)=2600的固定罚函数约束处理技术(PSO-CE-1)和不考虑负荷禁止分配区约束条件(PSO-CE-2)进行对比分析,并与AGC指令、PSO-LDIW算法和CPSO-K算法的负荷优化分配结果进行对比分析。 上述负荷优化算法的各台机组负荷分配结果如图1所示,全厂综合经济效益如图2所示,同时比较各台机组负荷分配、供电煤耗、粉尘排放浓度、SO2排放浓度、NOx排放浓度、 全厂经济效益、优化算法计算时间、全厂负荷调整时间、磨煤机投入台数等指标,对比结果如表6所示。
从图1和图2可知,不考虑负荷禁止分配区约束条件的PSO-CE-2算法得到的全厂综合经济效益最好,本文PSO-CE算法次之,之后依次为CPSO-K算法、PSO-CE-1算法和PSO-LDIW算法。 由于本文提出的PSO-CE算法在粒子飞行速度更新公式中增加了可控随机搜索的速度因子和动态调整的最大速度限制因子,可以避免传统PSO算法的局部收敛问题,计算得到全厂综合经济效益优于PSO-LDIW算法和CPSO-K算法。 其中PSO-CE-2算法由于没有考虑磨煤机出力交替区间的约束,负荷分配结果可能落入负荷禁止分配区,造成全厂磨煤机电耗增加,需要将这部分电耗费用减去。
从表6可知,当全厂负荷由1535.56 MW上升到1 752.82 MW时,本文PSO-CE算法的全厂综合经济效益为412237元 / h,对应的磨煤机投入台数15台。 PSO-CE-2算法的全厂综合经济效益为412 310元 / h, 对应的磨煤机投入台数16台,比PSO-CE算法多投入1台功率为1500 k W的磨煤机,减去这部分电耗费用后全厂综合经济效益为411685元 / h,表明本文PSO-CE算法获得的全厂综合经济效益最优。
与AGC调度指令相比, 利用本文PSO-CE算法获得的全厂综合经济效益提高了348元 / h, 但AGC调度指令没有优化计算时间,其负荷响应时间(等于负荷调整时间)最短,为6.642 min,比本文PSO-CE算法的负荷响应时间7.296 min(优化计算时间与负荷调整时间之和)要少0.654 min。
4结论
在新的火电厂环保规定下,面向除尘、脱硫、脱硝改造后全厂负荷分配问题,提出一种面向综合经济效益最大化的全厂负荷优化分配方法。 通过引入除尘、脱硫、脱硝补偿电价以及零起点的污染物排放费用标准,建立兼顾经济和环保指标的全厂综合经济效益最优负荷分配模型,并构建自适应负荷上下限和负荷禁止分配区等模型约束条件。 在PSO算法中引入可控随机搜索的速度因子和动态调整的最大速度限制因子,在控制算法开销的基础上,增强算法的全局搜索能力。 基于某火电厂实际运行数据的仿真实验表明,本文PSO-CE算法可在电网调度实时性要求下,明显提高全厂综合经济效益。
摘要:针对除尘、脱硫、脱硝改造后全厂负荷优化分配问题,从提高综合经济效益角度出发,提出一种全厂负荷分配模型及其求解算法。基于机组实际运行数据构建供电煤耗和多种污染物排放浓度特性模型,基于除尘、脱硫、脱硝补偿电价和污染物排放费用标准,建立面向综合经济效益最大化的负荷分配模型。根据机组当前负荷构建自适应负荷上下限约束,基于磨煤机出力交替区间构建负荷禁止分配区约束,采用动态罚函数法进行约束条件处理。在标准粒子群优化算法中引入可控随机搜索的速度因子和动态调整的最大速度限制因子,平衡算法的计算开销和寻优能力。某火电厂4台机组的负荷分配仿真实验验证了所提算法的有效性。