负荷分配控制（通用7篇）
负荷分配控制 篇1
为了增加产品品种,调整产品结构,攀枝花钢铁(集团)公司于2004年12月开始新建1台当时国内铸坯断面最大的大方坯连铸机——2#大方坯连铸机,该台铸机为4机4流的三点矫直全弧形连铸机,铸机半径15m,铸坯断面为360mm×450mm,设计生产能力为100万t/a。该铸机于2005
年12月建成投产,采用了全程保护浇铸、结晶器液面自动检测及控制、结晶器电磁搅拌、结晶器液压振动、二冷动态水冷模型、凝固末端轻压下等技术[1],设备及工艺在国内居于先进水平。
现代连铸机计算机系统一般分为四级:L0检测控制级、L1基础自动化级、L2生产过程控制级、L3生产管理级[2]。实际应用中,常常把L0级与L1级合并称为L1基础自动化级,L3生产管理级属于厂级管理系统,不归到连铸自动控制范畴。攀钢2#大方坯连铸机自动控制系统由攀钢信息工程技术有限公司(以下简称攀信公司)完成设计、设备成套制造、施工及调试。该系统设计为两级控制系统:L1基础自动化系统和L2过程计算机系统,应用了目前主流的现代控制技术,包括PLC控制系统、全交流电气传动、电动机变频控制、现场总线控制网络(Profibus-DP,ControlNet)、高速以太网、多CPU双服务器热备监控系统等。选用美国A-B公司ControlLogix系列PLC,采用全交流电气传动,变频装置选用德国Siemens公司产品,对需要变速范围宽、动态性能好、响应快的拉矫机控制采用矢量变频器6SE70系列(带脉冲编码器速度反馈),辊道控制采用M440 变频器,对不调速的电动机直接启动。变频器通过Profibus-DP总线网络与PLC通信,实现了计算机与电气的一体化控制。
拉坯机的主要任务是克服从结晶器开始到铸机出口铸坯运动时所产生的各种阻力,并把弧形段的铸坯矫直,以水平输出。对于弧形连铸机来说,通常是把拉坯辊和矫直辊设在一起,组成专门的拉坯矫直机[3],简称拉矫机。拉矫机是弧形连铸机的关键工艺设备,实现引锭杆上装和连铸坯的拉出和矫直。由于拉矫机由多台传动电动机组成且整体运行,因此无论是采用U/f还是矢量的控制方法,各拉矫电动机的负载经常不一致,导致一些电动机的电流差别较大,从而使电流较大的电动机在高温下容易出故障。而在多电动机矢量控制方式下,部分电动机甚至可能被反拖,影响拉矫机的整体驱动性能。同时,在事故处理时,往往需要拉矫机超负荷运行且能够均衡出力。在浇铸特殊钢种情况下,轻压下功能实现拉矫段夹送辊压下量(辊缝)的动态调节,根据不同钢种及拉速,投用轻压下功能的夹送辊数量不同。轻压下的压力一般在15MPa左右,而其余未投用轻压下的夹送辊以5MPa左右的热铸流压力压下,导致各拉矫辊的负荷差别很大,这时尤其需要将拉矫机驱动辊的负荷均衡分配。因此针对该问题,攀信公司开发了连铸机拉矫机负荷分配控制系统,该控制系统由PLC及拉矫机控制矢量变频器组成,采用了PLC的拉矫转矩闭环控制和变频器的拉速闭环控制相结合的控制策略,将拉矫负荷均衡分配到各拉矫辊电动机上,实现负荷分配控制功能。实际运行效果表明,该功能可保证作用在红坯上的拉矫力平稳均衡,满足了生产工艺的要求。
1 工艺设备
攀钢2#大方坯连铸机每流有一套拉矫装置,拉矫装置由框架结构的夹紧辊支架组成,有7个夹紧辊支架,每个支架由上、下两个辊组成,每个上辊由液压装置驱动,可上下移动以调节上下辊之间的辊缝。每个上辊设置压力传感器检测液压缸的上缸压力,并设置位移传感器检测实际辊缝,辊缝控制即轻压下功能在本文中不详细讨论。每套拉矫装置有5个带电动机的驱动辊,分别为1#支架上、下辊和3#,5#,7#支架上辊,其余夹紧辊都为不带电动机的从动辊,每个驱动辊由1台11kW交流电动机驱动,可正/反向旋转,此5台电动机合称为拉矫机。连铸机引锭杆上装及热铸流的拉出都由拉矫机实现。上装引锭杆时,由拉矫段夹紧辊夹紧引锭杆,靠拉矫机反转的转矩将引锭杆上装到结晶器;浇铸过程中,靠拉矫机正转的转矩将引锭杆及热铸流拉出铸机(见图1)。拉矫机调速范围为0~5m/min,选用Siemens 6SE70矢量变频器实现拉矫电动机调速,每台拉矫电动机采用编码器检测实际速度并作为速度反馈,实现速度闭环控制。
2 控制实现
在拉矫机整体控制上要求5台电动机动作统一、速度匹配、出力均衡,因此设计用Profibus-DP现场总线将拉矫机变频器连接到PLC上,由PLC实现拉矫机变频器组的整体控制。在拉矫机控制系统中,基于Profibus-DP的PLC与变频器之间的数据通信是整个控制系统的重要环节。
2.1 DP网络通信数据
PLC与拉矫机变频器组建Profibus-DP现场总线网络。在该总线网络中,采用主-从通信方式,PLC的SST-PFB-CLX通信模板作为DP主站,拉矫机变频器作为DP从站分别与主站进行数据传输。
要实现对拉矫机的正/反转运行、停止及速度控制,就需要PLC对拉矫机变频器发送控制指令,在本控制系统中PLC发送到变频器4个命令字,详见表1。其中由于1套拉矫机由5台电动机组成,所以在1台或2台电动机出现故障而浇铸不停止的情况下,要求出故障的电动机不能抱闸,因此电动机的抱闸由PLC统一控制。
变频器发送到PLC 7个数据字,其中2个状态字及电动机电流、实际速度主要用于报警监视及安全联锁,脉冲计数反馈值用于铸流跟踪,电动机转矩用于拉矫机负荷分配控制,具体定义见表2。
2.2 拉速控制
在生产过程中,工艺操作人员只控制拉矫机的整体拉速,也就是铸坯的拉出移动速度,而不考虑热铸坯与拉矫辊之间的打滑(正常情况下基本不打滑),那么拉矫辊的外圆周旋转线速度与热铸坯的拉出移动速度完全相同。研究表明,对于宽度小于0.5m的窄铸坯,在分析其矫直形变上,常常忽略矫直力对铸坯变形行为的影响,即认为变形的中性轴在铸坯中心,应变在铸坯厚度方向呈线性分布[4],即理论上认为热铸坯在拉矫区弧形段与直线段的移动速度相同,热铸坯中心线位置的移动速度一致。拉矫机5个带电动机的驱动辊分布位置不同(见图2),攀钢2#方坯连铸拉矫机为3点矫直,其中1#和2#驱动辊所在的弧形段半径Ra为20.0m,3#驱动辊所在的弧形段半径Rb为35.0m,4#和5#驱动辊所在的直线段理论半径Rc为∞。内弧侧1#辊的设定线速度Vset1,3#辊的线速度Vset3应略小于设定拉速Vset;外弧侧2#辊的设定线速度Vset2应略大于设定拉速Vset;直线段4#辊的设定线速度Vset4,5#辊的设定线速度Vset5与设定拉速Vset相同。相同机架的辊子角速度ω相同,铸坯厚度D为360mm。具体计算如下。
在控制实现上,PLC发送到各拉矫驱动辊变频器的设定速度就是拉矫辊的转动线速度,各拉矫辊的辊径相同,驱动电动机型号相同,各拉矫驱动辊变频器通过其参数设置将PLC发送的设定拉速信号转换为设定转速信号。同时,每个拉矫驱动辊上安装有旋转编码器(脉冲发生器),用于检测拉矫辊的转速,编码器信号由变频器的数字测速接口板采集,变频器根据该信号及设定转速信号实现拉矫辊的转速闭环控制。实际应用表明,由于多传动整体运行以及轻压下功能投用等原因,使得拉矫机各驱动辊的速度按以上固定算法来控制,其各辊的负荷通常是不均衡的。通过试验证实,我们将拉矫机各驱动辊的速度在允许范围内做了小量调整,即进行负荷分配控制,使得各驱动辊的速度互不相同,有少量差别,而各驱动辊的拉矫负荷基本均衡一致,对铸坯的顺利拉矫没有影响,且有利于拉矫机的整体工作性能提高。
2.3 负荷分配控制
2.3.1 控制原理
拉矫机负荷分配控制的目的是将拉矫热铸坯的总负荷按工艺要求以不同比例分配到拉矫机的各个驱动辊,使各个驱动辊按要求出力。拉矫机负荷分配控制的实现由两部分来完成:一部分为PLC的拉矫转矩闭环控制,另一部分为拉矫驱动辊变频器拉速闭环控制。其中变频器的拉速闭环控制在2.2节中已说明,即使负荷分配功能不投用,该控制功能仍独立起效。
当连铸机正常运行时,其拉速基本处于稳定状态,拉矫机驱动辊电动机的总输出拉矫转矩与拉坯总负荷力矩平衡[5],因此可通过拉矫转矩闭环控制实现拉矫机负荷分配。拉矫转矩闭环控制由PLC编程实现,其原理为:PLC根据变频器反馈的每个驱动辊的实际拉矫转矩,计算所有驱动辊的总拉矫转矩,此总拉矫转矩由操作人员通过在HMI画面上设定各驱动辊的负荷因数的方式分配到各驱动辊,由此得到每个驱动辊的设定拉矫转矩Fseti,每个驱动辊的设定拉矫转矩与实际拉矫转矩的偏差通过PLC的PID功能块调节得到一个设定拉速的偏差值Vdfi,将此偏差值叠加到原设定拉速上,对原设定拉速进行微调,微调后的最终设定拉速VTseti送到各拉矫辊变频器实现速度闭环控制,见图3。
Facti—驱动辊的实际拉矫转矩;Vseti—驱动辊的设定拉 速;Vacti—驱动辊的实际拉速
2.3.2 控制算法
在控制实现上,要得到驱动辊的Facti和Fseti,涉及到数据格式的转换,HMI画面的参数设定及运算等,以下详细介绍其控制算法。
(1) 计算每个驱动辊的Facti
PLC接收变频器反馈来的每个驱动辊的Facti,而变频器传送到PLC的数据字实际是对应电动机额定转矩的百分比,十六进制数4000H,即十进制数16384对应100%的额定转矩,如图4所示。PLC将变频器传送来的电动机转矩百分比数据字做双整型及实数型的数据类型变换,得到一个实数型数据Ri,根据此数据可计算得到每个驱动辊的Facti。
Facti=(Ri/ 16384)×Te (5)
式中,Te为额定拉矫转矩,N·m;i为拉矫辊号,i=1,2,…,5。
(2)计算每个驱动辊的Te
已知驱动辊电动机的额定功率Pe和额定转速ne,可计算出驱动辊电动机的Te。
Te=9550Pe/ne (6)
(3) 计算拉矫机驱动辊的总拉矫转矩
Fact=Fact1+Fact2+Fact3+Fact4+Fact5 (7)
此总拉矫转矩由操作人员通过在HMI画面上设定各驱动辊负荷因数kfi的方式分配到各驱动辊,kfi可在 -100%~100%范围内设定,可设置各驱动辊承担不同的负荷,一个负的负荷因数使驱动辊产生与浇铸方向相反的转矩。一般情况下都要求各驱动辊均衡出力,其实现方法为:若5个驱动辊都正常工作出力拉矫热铸流,则设置每个驱动辊的kfi为20%;若只有4个驱动辊正常工作,则设置每个驱动辊的kfi为25%。
(4) 计算HMI上设定的总负荷因数
kf=kf1+kf2+kf3+kf4+kf5 (8)
(5)计算每个驱动辊的Fseti
Fseti=Fact×(kfi/kf ) (9)
2.3.3 控制流程
在HMI画面上设置了是否启用负荷分配控制的选择按钮,可在PLC中启用拉矫转矩的闭环调节控制对各拉矫辊的拉速微调,若不启用负荷分配控制,则各拉矫辊按2.2节的描述进行拉速控制。为防止异常情况发生,当Fseti 大于最大设定拉矫转矩Fmax,或当设定拉速的偏差值超出原设定拉速的5%时,则不对原设定拉速进行调节,即不投用负荷分配功能,同时在HMI画面上提示“负荷分配控制失效”报警。其控制流程如图5所示。
3 控制效果
图6~7分别为负荷分配控制投用前后拉矫机各驱动辊的拉矫转矩及电动机电流的趋势图。从图6可以看出,未投用负荷分配控制功能的情况下,5个拉矫辊的负荷转矩差别较大,其中弧形段内弧侧的1#辊和3#辊承受的负荷转矩较大(图6(a)中1,3),而直线段内弧侧的4#辊和5#辊却被反推(图6(a)中4,5),负荷转矩为负值。与之相对应的5个拉矫辊的电流差别也较大,承受负荷转矩大的1#辊和3#辊的电动机电流也偏大(图6(b)中1,3)。而从图7中投用了负荷分配控制功能的效果看,5个拉矫辊的负荷转矩基本一致,出力均衡,电动机电流也基本相同。实践表明负荷分配控制的效果明显。
4 结束语
攀钢2#方坯连铸拉矫机通过驱动辊变频器采用编码器检测实际速度实现拉速闭环控制,在PLC系统中通过负荷分配功能实现转矩外环控制,很好地实现了负载分配控制技术。该铸机于2005年12月建成投产以来就投入了负荷分配控制,经过实际应用效果验证,投入负载分配控制功能后,能使每个拉矫驱动辊电动机达到均衡出力的要求,保证了作用在红坯上的拉力平稳无大波动,确保了铸坯质量;同时避免了多台电动机中某些电动机由于承受负载不均匀或过载而影响其运行和寿命,既减少了设备故障率,节约了设备维修费用,又提高了生产效率。
摘要：拉矫机是连铸机的关键工艺设备,实现引锭杆上装和连铸坯的拉出和矫直。由于拉矫机由多台传动电动机组成且整体运行,因此无论是采用U/f还是矢量控制方法,各拉矫电动机的负载经常不一致,影响拉矫机的整体驱动性能及使用寿命。针对该问题,攀钢信息工程技术有限公司开发了拉矫机负荷分配控制系统,在攀钢2#大方坯连铸机5辊驱动拉矫机上,采用了PLC的拉矫转矩闭环控制和变频器的拉速闭环控制相结合的控制策略,将拉矫负荷均衡分配到各拉矫辊电动机上,实现了负荷分配控制功能。实际运行效果表明,该功能可保证作用在红坯上的拉力平稳均衡,满足了生产要求。
关键词：方坯连铸机,拉矫机,转矩,负荷分配,控制
参考文献
[1]刘彩玲,陈万里,刘洪,等.大方坯连铸机关键技术[J].重型机械,2006(3):6-10.LIU Cai-ling,CHEN Wan-li,LIU Hong,et al.The keytechnology in bloom caster[J].Heavy Machinery,2006(3):6-10.
[2]蒋慎言.连铸及炉外精炼自动化技术[M].北京:冶金工业出版社,2006.
[3]任雁梅,文斌.拉坯矫直机的结构和矫直力、拉坯力的计算[J].重型机械科技,2000(1):10-14.REN Yan-mei,WEN Bin.The design of drawing&straightener and the calculation for the straightening forceand the slab drawing force[J].Heavy Mechanism Science&Technology,2000(1):10-14.
[4]王天义.薄板坯连铸连轧工艺技术实践[M].北京:冶金工业出版社,2005.
[5]陈隆昌,陈莜艳.控制电机[M].陕西:西安电子科技大学出版社,1992.
负荷分配控制 篇2
1 目前水污染物总量控制方法
目前国内外对于水污染物总量控制方案主要有以下4种[1,2]。
1.1 等比率分配原则
在承认各排污者现状排污量的基础上将总量控制系统内的允许排污总量等比例地分配到源。该方案虽然简单易行,但未考虑各排污者污染物种类和治理难度等差异,不合理性明显[3]。
1.2 费用最小分配原则
该原则以治理费用最小为目标函数,以环境目标值作为约束条件,根据不同排污者污染物治理难易程度对污染物总量进行分配,以求达到系统内污染治理费用的最小化。该方案虽能够达到整体费用的最小化,但不能保证单个排污者承担治理费用的合理性,部分排污者可能会承担高于自身排污现状的污染治理费用,实际执行难度较大。
1.3 按贡献率削减原则
根据不同排污者对控制单元内整体水环境污染贡献率大小进行分配。主要依据是各排污者的现状排污浓度和废水排放量,体现了每个排污者平等共享水资源,易于为排污者所接受,但未考虑到不同行业间污染治理成本的差异。
1.4 日最大负荷(TMDL)方式
由美国环境保护局提出,同时考虑污染点源负荷(WLA)和非点源(LA),并考虑不确定因素留出的安全余量(MOS),负荷计算可考虑季节性变化[4]。它是目前总量分配与控制中最系统、最全面的一种方式,主要包括由计算机模型导出污染负荷、安全余量(或称保险系数)及排放分配等3个要素。该方式将污染物分配纳入一套系统化的方案对整个流域或控制单元进行通盘考虑,技术思路值得借鉴,但真正对其进行实施需要大量的资金和技术力量作为支持,且由于数据收集的难度,一般难以做到以日为时间单位,多以月、年为代替。
综上所述,目前主要的4种分配思路均存在局限性。因此,提出一套综合考虑生态和社会经济效益,将点源和面源同时纳入的方案,在考虑方案公平性的基础上具有实际操作可能性的分配思路具有重要的意义。
2 分层分配体系技术思路
2.1 控制单元分配环境容量计算
分层分配体系在空间上以控制单元为基础,首先借助计算机模型将流域水污染控制总量分配至各控制单元,获得控制单元环境容量,以此作为分配的起点。
基于TMDL方案的思路,对待分配控制单元设定安全余量控制比例V。此外,还需对污水处理厂这一特殊的污染源进行处理。考虑到污水处理厂排放量的增加对应于接管排污者的增加,目前国内多数污水处理厂不饱和运转、技术水平提高难度较大的现状及本研究主要针对的研究对象为工业点源和生活、农业面源,从控制单元污染负荷量中去除污水处理厂的部分(Qs),得到参与分配的水环境容量Qr。
Qr=Qc(1-V)-Qs (1)
2.2 污染源3层分配体系划分
控制单元内涉及的污染源在点源上表现为多个排污点(企业),在面源上表现为不同的基层空间行政单元。但由于各污染源之间差异明显,直接将水环境容量Qr分配到上述排污点或空间单元难以提出较为统一且合理的分配标准。为了将Qr合理分配至企业和居民点终端,有必要根据污染类型行业、行政区划等多个指标,将污染控制单元内污染源先粗后细进行划分,以保证每一层的分配具有统一且可操作的计算方法。
首先可根据点源与非点源和国民经济生产门类将污染源初分为工业点源和直排生活源、种植业源、养殖业源3大类。在工业点源内部,又可根据行业进行细分,最终落实到单个排污企业。对于其他两类污染源也进行逐层分级。这样,整个控制单元的污染负荷量就能逐层细化至具体的排污企业和居民点,并可根据现状方便地计算出每一污染源的削减量。此外,由于根据行业对工业污染企业进行了分类,充分考虑了行业差异性对于污染治理费用和难度的影响,增强了排污企业间的可比性,使分配方案更为合理。污染源3层分配体系划分如图1所示。
实际计算时以污染源3层分配体系为基础,从控制单元总的水环境容量Qr出发,根据不同分配指标进行加权计算,将环境容量分配至下一层次的不同类别,最终将Qr合理地分配至污染源终端,从而实现分层分配计算。
2.3 分层分配涉及指标选取
在分层分配计算中,上层的环境容量需依据多个指标的综合考虑来分配至下层。因此,指标的选取对分配结果具有重要影响。由于3层分配体系中影响不同层级的因素不尽相同,需要对各层的分配原则进行单独考虑,从而选取恰当的考核指标。根据3层分配体系中各层指标选取如表1所示。
注:(1)万元产值污染物排放量单位:吨/万元;(2)政策导向性,指对某类行业污染削减的导向性;(3)人力资源需求,某类产业是否能提供较多的就业岗位,能多大程度上分担就业压力,使用该产业从业人数来表征;(4)污染削减成本,指某类行业削减单位污染量所花费的成本(以此类行业处理污染的平均工艺水平考虑);(5)污染物入河系数,指进入功能区水域的污染物量占污染物排放总量的比例;(6)区位因素,指根据企业的实际区位考虑其对分配结果的影响程度。
2.4 分层分配计算方案
在上述分层分配体系中,对第一和第二分层的分配首先考虑各指标权重,并按比例进行分配,主要使用线性加权法进行计算。对于第三分层,由于该层次是分层分配体系的终端,涉及到的排污者(包括直排工业企业和乡镇居民点、养殖场等)众多,协调排污者之间的矛盾,增强方案在具体管理实施中的可行性是考虑的重点。因此,对该层次,提出主要针对“污染大户”的削减量分配方案。以对直排工业源进行第三层分配为例,具体的操作过程中,对各分配对象计算与同一工业行业内部(即第二层分配结果)各指标平均水平之差,若差值为负,不参与分配。最终进入分配的对象均为行业内部各指标较高的企业。在实际计算中还需指定削减比例上限(以50%为宜),将超过这一上限的削减对象的削减比例指定为该上限,对于超过上限的部分,则分配至其他待削减对象。
按照线性加权法计算,假设在某一层,需要将污染削减量分配到n个方面,影响分配的因素有m个,第i个因素对分配结果的影响程度即权重为ai,权重的获取可通过专家打分法实现。其中:
之后对分配比例进行计算。第i个因素在第个方面可以量化或货币化的实际值为Bij,则第j个方面污染削减量的分配比例ej可以通过以下公式计算:
综合以上考虑,给出基于控制单元水平的分层分配水污染物削减量计算方案的流程见图2。
3 实例计算
3.1 研究区概况
以太湖流域常州市北部某一控制单元为研究区,应用分层体系分配方法进行削减量分配的计算。
该控制单元位于常州市武进区,涉及孟河、罗溪、西夏墅等3个乡镇,为太湖流域水功能生态分区的重要组成部分。主要河流为新孟河,涉及重点直排工业企业301家,分属15个行业。在对该区域主要河流沿线污染企业进行整治后,核算出控制单元COD年环境容量为1 175.8 t,季节性分布情况为冬春较少,夏秋较多,逐月环境容量如表2所示。
t
3.2 分层分配体系污染削减量计算
首先根据安全余量系数及污水处理厂达标排放污染物排放量计算进入分配的环境容量。之后依照表1所示的指标将总环境容量分配为养殖业源、种植业、直排工业源、直排生活源4部分,各指标权重及分配计算结果如表3、表4所示。
t
基于第一层分配结果及表1中其他各层指标,对不同污染源进行第二层分配。根据研究区实际情况并综合专家意见,给出第二层分配中各指标所占权重。养殖业源、直排生活源、直排工业源对应分配指标权重核算如表5所示。
根据各指标权重,使用线性加权法进行环境容量分配计算。分配按各行政单元进行,直排工业源则细分至各行业,分配结果如表6、表7所示。
t
t
对于第三层分配,主要关注直排工业源行业内部对行业污染大户的分配。以通用设备制造业为例,对其进行行业内部的污染大户进行分配。按图2流程进行筛选,获得新孟河控制单元内部通用设备制造行业涉及主要污染企业8家,考虑达标状态排放量、万元产值污染物排放量、区位因素作为分配指标,涉及分配指标权重及结果如表8、表9所示。
t
根据计算,新孟河控制单元通用设备制造行业,有3家企业需要根据容量分配结果进行削减。
4 公平性验证
分配方案的公平性可使用基尼系数法[5]或信息熵法[6]进行衡量。基尼系数具有反映分配不公平程度的特征。在本研究中,选取典型评价指标,分别与水污染物排放量建立相应的洛伦茨曲线,得到基于各指标的基尼系数,再通过这些基尼系数反映出各个区域的单位指标所符合污染物量的平等程度。具体计算公式如下[7]:
式中:Xi为评估指标的累计比例(%);Yi为污染物的累计比例(%);i为分配对象数量,当i=1时,(Xi-1,Yi-1)视为(0,0)。分别对三层分配结果计算基于现状排污量的基尼系数。考虑到分配对象数量个数,主要计算第一层分配容量基尼系数,第二层工业点源行业间分配容量基尼系数,第三层工业点源企业间分配容量基尼系数。首先绘制各层次现状排污量—分配容量洛伦兹曲线,结果分别如图3、图4、图5所示,之后根据公式(4)计算基尼系数,计算结果如表10所示。
计算结果表明,基尼系数值均在0.4以下,表明分配方案较为公平。
5 结论与展望
本研究提出了基于控制单元水平的污染物分层分配体系和相应分配方案,并选取常州市某一控制单元根据分配方案进行实际的污染物负荷分配计算。将污染物负荷分配这一涉及到不同空间单元、不同污染类型的复杂问题纳入3个层次进行考虑,方案充分借鉴了AHP方法的体系和思路,以分层分配为核心,通过合理的分层体系将复杂的环境容量分配问题逐层细化并落实到终端。并根据每一分层不同特点选取不同的分配指标,综合研究区实际情况和专家打分结果确定各指标权重,以充分考虑各污染类型之间差异、各行政单元及行业之间差异、各排污企业及各居民点之间差异。分层体系内部的逐层分配充分考虑环境和社会经济状况,将绩效作为分配的重要指标,将企业间生产技术水平纳入环境容量分配中,以促进企业提高生产效率。与已有的环境容量控制方案相比,具有考虑因素全面,可操作性较强,分配结果更为公平、合理的优点。
但是,从分层分配方案的实质和实际操作的情况来看,研究中涉及到政策导向性、区位等评价指标中的主观因素,需要使用更加合理的方法进行确定。各评价指标权重的核算应用专家打分并结合AHP法进行,先由专家打分法确定重要程度,再使用AHP法确定各指标具体权重。此外,具体的分层体系及评价指标选取需根据研究区的具体情况进行调整,以适应不同情境下的环境容量分配问题。
参考文献
[1]王宏,孟凡宇,邢妍.水环境承载力与污染物总量分配研究进展[J].辽宁大学学报(自然科学版),2009,36(4):364-367.
[2]宗永臣,张建新.水污染物总量分配方法研究综述[J].中国西部科技,2008,7(6):45-51.
[3]李清龙,闫新兴.水环境承载力量化方法研究进展与展望[J].地学前缘,2005,(12):1-2.
[4]孟伟,张楠,张远,等.流域水质目标管理技术研究(I)-控制单元的总量控制技术[J].环境科学研究,2007,20(4):1-8.
[5]肖伟华,秦大庸,李玮,等.基于基尼系数的湖泊流域分区水污染物总量分配[J].环境科学学报,2009,29(8):17651771.
[6]王媛,张宏伟,杨会民,等.信息熵在水污染物总量区域公平分配中的应用[J].水利学报,2009,40(9):1103-1115.
微电网负荷优化分配 篇3
微电网(microgrid,微型电网、微网)是小型的配电系统,连接若干用户到若干分布式电源和储能系统,它既可以与大电网联网运行,也可以在大电网出现故障时与之断开单独运行。微电网因其环境友好、建设成本低等因素已经成为大电网的有益补充,得到越来越多的重视和研究。
迄今为止,微电网及其相关技术仍然处于实验室研究阶段[1,2,3],为使其能够应用于实际的电力系统,还需要解决多方面的问题。
微电网在实际运行中首先需要解决的技术问题就是控制问题。当微电网中的负荷或网络结构发生变化时,如何通过对微电网中各个分布式电源进行有效的协调控制,保证微电网在不同运行模式下都能满足负荷对电能质量的要求,是微电网能否可靠运行的关键。针对这一问题,国内外学者进行了广泛研究,提出了多种控制策略[4,5,6,7,8,9,10]。
另一方面,微电网的经济性是其吸引用户并能在电力系统中得以推广的关键所在。微电网的经济效益是多方面的,最重要的效益是能源的高效利用和环保以及个性化电能的安全、可靠、优质供应。相比于火力发电占主导的传统大电网,微电网中大量应用了可再生能源,其环保效益非常突出。同时,根据用户对电能供给的不同需求,对负荷进行分类和细化,能够更有效地利用微电网中多样化的电能供给,使微电网系统运行经济性最优。
微电网的经济运行虽然可以从传统大电网的调度原则、电能交易原则、资源配置原则等方面借鉴众多经验,但微电网本身的许多独特之处也使其经济运行问题带有自身特点。这方面的研究也得到了各国学者的关注[11,12,13,14,15],但是国内相关研究开展得还比较少。
本文主要研究了微电网的负荷优化分配问题,即在满足系统运行约束条件下如何优化微电网中各微电源的出力,使系统总发电成本最小。微电网中的负荷优化分配问题与大电网经济负荷分配(economic load dispatch,ELD)问题的不同之处在于:与高压输电网相比,微电网的电压等级较低,系统中输电线的线路电阻起主导作用,线路损耗相对较大,不可忽略;与大电网中火电等传统发电形式占主导地位不同,微电网中新能源发电所占的比例很大,风力发电和太阳能光伏发电等可再生能源电源通常工作于最大功率点跟踪模式,其输出功率受自然条件影响,不遵循人工调度;各种微电源的功耗特性与传统火力发电机组有很大区别,不能简单应用等微增率原则;在联网模式和孤岛模式转换过程中,整个微电网的功率分布可能会发生非常大的变化。如果只考虑各个微电源自身的输出特性对其进行控制,在整个系统的运行状态发生变化时就难以最大限度地利用微电源的发电能力,还可能引起较大的额外线路损耗。因此,为了实现微电网的可靠、经济运行,有必要根据系统运行情况动态地对微电网负荷在各个微电源间进行全局优化分配。
1 微电网负荷优化分配的数学模型
1.1 目标函数
微电网负荷优化分配问题的目标是在满足系统运行约束条件下优化微电网中微电源的出力及系统总运行成本,其数学模型[13]为:
式中:F为系统总发电费用;T为微电网调度周期内的总时段数;t为时段编号;N为系统内可调度的微电源和储能装置的总数;Pi为第i台微电源或储能装置输出的有功功率;Fi(Pi)为第i台微电源或储能装置的运行成本;Pbuy为配电网向微电网中输入的功率;Psell为微电网向配电网输出的功率;Ebuy为微电网从配电网中购电的价格;Esell为微电网向配电网出售电能的价格。
微电网的调度周期常见取值有24 h、1个月、1个季度、1年等。调度周期内总时段数的选取原则上要保证:在一个时段内,微电网内的功率分布基本维持不变,即微电源输出功率和负荷需求功率变化不大。在此前提下,计算分析时可以认为微电网处于稳定状态,不考虑其暂态过程。
式(1)中等号右边的第1项代表了微电网中所有微电源和储能装置的运行成本;第2项和第3项分别代表了微电网和其所接入的上级电网之间的能量交换。
微电源和储能装置的运行成本Fi(Pi)由燃料成本、维护成本和启动成本等组成,可表示为:
式中:Ci(Pi)为第i个微电源运行的燃料成本,即其耗量特性;Mi(Pi)为保证微电源和储能装置运行的维护成本;CSi为微电源的启动成本。
微电源和储能装置运行的维护成本Mi(Pi)可以认为与其输出的电能成正比关系,取比值为KM[15],即
对于柴油发电机(diesel engine,DE)等传统发电机的燃料成本模型,其耗量特性函数Fi(PGi)一般用多项式函数近似表示,本文选取二次函数:
式中:c0,c1,c2为参数。
燃料电池(fuel cell)和微型燃气轮机(micro-turbine,MT)等微电源运行时的燃料成本可以用下式进行计算:
式中:C为微电源所采用燃料的单位成本;η(P)为该时段内微电源的工作效率,随有功输出变化而变化。
微型燃气轮机的典型效率曲线见附录A图A1,其运行效率随着其输出功率的增大而上升。
太阳能光伏发电及风力发电等利用可再生能源型的微电源,一般应通过控制使其工作在最大功率输出状态。由于其输出受自然条件制约,不受微电网中其他电源和负荷的控制,因此本文将其等效为“负”负荷(negative load),不作为优化变量处理。
1.2 约束条件
微电源运行约束为:
式中:P
系统中储能装置的运行约束为:
式中:i=1,2,…,Nst,Nst为系统中储能装置的数量;Pd,st,i和Pc,st,i分别为第i台储能装置的放电功率和充电功率;P
系统功率平衡约束为:
式中:PLoad为系统的总负荷;PLoss为系统的总网损,系统网损通过潮流计算得到。
1.3 优化方法
采用粒子群优化(partical swarm optimization,PSO)算法对上文建立的微电网负荷优化数学模型进行优化计算。粒子群优化算法本质上属于迭代的随机搜索算法,具有并行处理、鲁棒性好等特点, 能以较大的概率找到问题的全局最优解,且计算效率比传统随机方法高[16,17]。其最大的优势在于简单易实现、收敛速度快、依赖的经验参数较少。
取微电网中可调度的微电源和储能装置的有功功率为优化变量,每个优化变量对应粒子的一个维度,即[PGj,Pst,k],其中j=1,2,…,Ng;k=1,2,…,Nst。
对于微电源运行约束条件(式(6))和储能装置充放电功率约束条件(式(7)、式(8)),体现为对相应的优化变量即粒子位置的限制。粒子位置越限时,取其限值。对于储能装置容量约束(式(11))和系统功率平衡约束(式(12)),以罚函数的形式将其计入目标函数中,即
式中:F为原目标函数;σ为惩罚因子;g为不等式约束;h为等式约束。
2 算例分析
根据上述理论模型,采用MATLAB M函数编写优化计算程序。式(12)中微电网的网络损耗根据潮流计算得到,潮流计算基于MATPOWER工具包[18]实现。MATPOWER作为一个比较成熟的电力系统计算工具包,其潮流计算结果可信度比较高。
本文算例基于图1所示的CIGRE 6中压基准系统[19,20,21],系统频率50 Hz,电压等级20 kV。该系统是由CIGRE C6.04.02工作组给出的用于研究分布式电源的基准系统之一。
基准系统正常工作时,MVDC耦合器保持断开状态,从而使整个系统分为2个子系统,在本文中,重点研究图1中子系统1,该子系统的峰值负荷约为3.55 MW。在计算中,将配电网等效为无穷大电源,子系统1中各微电源的位置和容量见表1。
仿真计算中,柴油发电机耗量特性为:
FDE(PDE)=150+0.12PDE+0.000 85P
微型燃气轮机的运行成本根据其典型效率曲线和式(5)求得,取单位燃气成本CMT=0.4,得到微型燃气轮机的耗量特性曲线如图2所示。
如表1所示,子系统1中的光伏发电(PV)电源分布于多个节点上,假设其均工作在最大功率点跟踪模式,每个单元的有功输出都遵循如图3所示的典型曲线。
为了使测试系统更接近实际情况,将系统中的负荷分为工业负荷和家庭负荷2类,其典型日分布曲线如图4所示。
测试系统中采用蓄电池作为储能装置,在本文的研究中暂时不考虑微电网在孤岛和联网状态间的切换过程以及微电网启动的过程,在仿真计算中给定所有电池的初始储能为其额定容量。
应用本文的负荷优化程序进行计算。图5所示为以配电网作为平衡节点时,子系统1中的柴油发电机和微型燃气轮机的日有功输出曲线,同时,节点5和节点10处电池的输出有功曲线如图6所示。
可以看到,当系统负荷或不可控微电源输出发生较大变化,其他微电源的输出不足以满足负荷需求时,储能装置能够起到暂时性的支撑作用。由于微电网中微电源的容量裕度一般不大,运行在孤岛状态下时,容易发生有功容量不足的情况。因此,微电网中需要配置一定容量的储能装置,以保证其可靠运行。
3 结语
本文研究了微电网的负荷优化分配问题,优化目标是在满足系统运行约束条件下优化微电网中各微电源的出力,使系统总运行成本最小。本文首先建立了微电网负荷优化分配问题的数学模型,并基于粒子群优化算法对其进行了数值求解。通过算例求解验证了这一方法的正确性,为进一步研究微电网的组网结构及微电源和储能装置容量的最优化配置提供了有价值的参考。
附录见本刊网络版(http://aeps.sgepri.sgcc.com.cn/aeps/ch/index.aspx)。
基于遗传算法的轧制负荷分配优化 篇4
负荷分配是冷连轧过程控制设定计算的前提和基础,从本质上讲,负荷分配作为冷连轧过程控制中的一个重要环节,其合理与否不仅决定了轧制过程的状态特性,而且对产品质量和产量均有重要影响。因此,在进行各机架设定值计算时,制定最优的压下负荷分配方案是十分重要和有意义的。
经典的负荷分配方法可分为两大类,一类是经验法,另一类是最优化方法。目前现场用的较多是经验法,这种方法虽然可以使用但并非最佳。追求最优状态的最优化方法越来越成为负荷分配的重要手段,本文针对某钢厂单机架可逆式冷轧机为研究对象,实现了基于遗传算法的轧制负荷分配优化。
1 负荷分配优化
轧制规程是生产工艺的核心内容,是轧机生产能力发挥、产品厚度精度及板形质量的根本保证。轧制规程的计算涉及众多变量,模型复杂,依赖经验的负荷分配方法,尽管能够满足工艺要求,但是对于某些方面来说不一定是最优的,显然已不能满足自动化生产的需要,负荷分配的高精确和最优化越来越重要。
对轧制规程优化就是在众多的轧制方案中寻找一种最优化的轧制方案,在寻求优化轧制规程时,首先要确定优化的目标,即建立目标函数。对于同一组轧机,使用原料及产品均相同,由于寻优目标不相同,会导致工艺参数不同。因此对于冷轧带钢来说,确定最优的轧制规程,有其十分重要的意义[1]。
轧制负荷分配优化的基本思想为:在来料厚度及终轧目标厚度已知的情况下,将工艺所追求的目标表示成目标函数,在满足各种限制条件下,寻求一组板带厚度分配值,使目标函数值最小。这种方法的关键在于目标函数的建立和优化方法的确定[2]。
在单机架可逆式冷轧机上,尤其是在没有液压弯辊的可逆轧机上,各道次的辊凸度变化很小,为使带钢板形良好,通常以等轧制力轧制原则分配各道次压下量,即对轧制力而言各道次都是相等的,而对相对压下率来说则是依道次下降的。在首道次带钢塑性较好,是以大压下使传动功率得以充分的利用,但实际上较大的来料厚度波动限制了第一道次压下不能最大;以后几道次随着加工硬化的加剧,压下量受到设备能力的限制而下降;在成品道次压下最小,主要考虑到板形质量。这样就使得各个道次的轧制力不是完全或近似相等,而是首尾道次小,中间道次大。这种分配原则运用现代理论和计算技术使压下分配实现优化,更好地体现了等轧制力分配原则[3]。
综合以上考虑,为了充分发挥设备能力,本文采用轧制力成比例分配方式。
设各个道次轧制力成比例,即:
其中,pi为第机架的轧制力,ai为轧制力比值。可导出下式:
2 基于遗传算法的轧制负荷分配优化
目前,遗传算法已在组合优化问题求解、自适应控制、程序自动生成、机器学习、神经网络训练、人工生命研究、经济组合等领域取得了令人瞩目的应用成果,遗传算法也成为当前人工智能及其应用的热门课题,并越来越多的应用到工业生产中[4,5,6]。
2.1 遗传运算
遗传运算也叫遗传操作或遗传算子,遗传算法有三个基本运算:选择、交叉和变异。
选择运算选择运算又称为繁殖、再生或复制运算,用于模拟生物界去劣存优的自然选择现象。
交叉运算交叉运算又称为交换、杂交运算,是遗传算法中最重要的运算,模拟生物进化过程中的繁殖现象。选择运算能够从旧种群中选择出优秀者,交叉运算可以得到新一代个体,新个体组合了父辈个体的特性。
变异运算变异运算用来模拟生物在自然界的遗传环境中由于各种偶然因素引起的基因突变,它以很小概率随机地改变遗传基因(表示染色体的符号串的某一位)的值。通过变异操作,可确保群体中遗传基因类型的多样性,以使搜索能在尽可能大的空间中进行,避免丢失在搜索中有用的遗传信息而陷入局部解,获得质量较高的优化解答。
2.2 遗传参数选择
2.2.1 种群规模的选取
为选择合适的种群数,在种群个体为以10为最小种群规模,以10为步长递增,以最大遗传代数为80分别进行了遗传优化。对不同种群,各计算了10次,以10个最优解的平均值代表当前种群数的寻优能力。得到种群数对遗传算法的寻优能力的影响如图1所示。由图可知,当种群数小于80时,寻优能力随种群增大而明显提高,但种群数大于80时,寻优能力随种群变化不明显。说明当种群数大于80时,再增大种群已经对改善算法的性能作用不大。因此,确定种群数为80。
2.2.2 遗传代数的选取
首先将最大遗传代数取为100,以种群数为80进行遗传算法优化,由图2可以看出遗传结果的收敛速度与迭代次数的关系。我们发现,当遗传代数小于60时,优化结果收敛迅速;而60代以后,收敛速度变得比较缓慢。经多次优化后,结果大致相同。因此,将最大遗传代数取为60。
2.2.3 遗传概率的确定
遗传概率(包括交叉概率和变异概率)的选取与具体的问题有关,通常交叉概率的取值范围为0.75～0.90,变异概率的取值范围为0.01～0.1。对于为选择合适的遗传概率,设计了不同的概率组合进行了计算,结果发现这些概率组合对最终结果影响不大。因此,我们选取了其中相对较好的一组作为遗传概率,交叉概率为0.8,变异概率为0.01。
2.3 遗传算法优化
在初始化种群设计中,染色体的选取可有不同的方法。采用压下率作为染色体染色体,既直观,又便于计算。因此,本文将染色体定义为1～n-1道次的压下率。
染色体给定以后,就可以根据前n-1道次的压下率,以及来料厚度和成品厚度,确定一组厚度分配,与其对应的各道次轧制力、转矩、速度等未知量也可以根据数学模型求出,由此可以进行染色体的可行性检验,计算对应的目标函数值,剔除超限的染色体,保留适应度强的染色体,进而求得最优值。
本文将适应度选取为式(1)所示的目标函数,以此来评价染色体,继而进行选择、交叉、变异运算,最后满足收敛条件或达到最大迭代次数后,得到优化结果。
3 试验结果
来料厚度2.5mm,成品厚度0.38mm,带钢宽度1250mm,材质为SPHC。以轧制力成比例为目标,按式(1)设置目标函数,按上述遗传参数进行轧制规程优化,得到优化结果见表1,相应的该工厂原生产中所用轧制规程见表2。
通过表2和表3我们可以看到,与原生产中所用规程相比,优化后的轧制规程更加合理,不但使设备的能力得到了充分的发挥,而且兼顾了板形良好。取第二道次轧制力为基准,优化后各道次轧制力比为[0.8984:1.0000:0.9965:0.9997:0.8987:0.8482],对应6道次的目标分配比为[0.9:1:1:1:1:0.9:0.85],优化后的目标函数值为8.0907×10-6,用时6.13秒。可见优化结果合理,且在误差范围之内,达到了精度要求,能满足生产需要。
4 结论
本文运用遗传算法对单机架可逆冷轧机轧制规程进行了优化,从结果来看,优化结果接近目标值,达到了精度要求,设备的能力得到了充分发挥,板形得到了保证,从而提高了轧机的生产力,提高了工作效率,降低了生产成本。经试验证明,该方法无论从计算精度还是求解的稳定性方面,均能满足生产需要,是一种适合单机架可逆冷轧机的负荷分配方法。
摘要：利用遗传算法设计了一种冷连轧轧制负荷分配的优化方法。根据某厂单机架可逆式冷轧机生产工况,以轧制力成比例分配为目标函数进行优化。实验证明,遗传算法在轧制负荷分配计算中,具有算法实现简便、运算速度快等优点,使用该策略能够获得良好的板形及生产的平稳过渡,可用于指导冷连轧生产。
关键词：遗传算法,负荷分配,冷轧机
参考文献
[1]刘战英.轧制变形规程优化设计.北京:冶金工业出版社, 1996:1-6.
[2]姜万录,陈东宁.冷连轧机负荷分配优化研究进展[J].燕山大学学报,2007,31(3):189-193.
[3]傅作宝.冷轧薄板生产.第2版.北京:冶金工业出版社,2005: 125-132.
[4]Wang D W,Yung K L,Ip W H.Partner selection model and soft computing approach for dynamic alliance of enterprises. Science in China,2002,45(1):68-80.
[5]Mitsuo Gen,Runwei Cheng.GeneticAlgorithms and Engineering Optimization.New York:Wiley Interscience,1999,1- 17.
负荷分配控制 篇5
目前, 广东电网中调给各火电厂下达的发电计划是全厂计划, 自动发电控制 (AGC) 对火电机组采用单机控制的调度方式。在单机AGC控制模式下, 各机组负荷的分配原则是按照各机组的额定容量按比例分配。对于单个电厂, 即使各台机组的类型、额定容量均相同, 但由于多种原因, 各台机组即使在相同的负荷水平下运行, 其实际煤耗也并不一致, 有时甚至存在较大差异。按照机组额定容量进行全厂发电计划负荷分配, 由于没有充分考虑电厂各机组的能耗特性, 不能保证电厂总的煤耗最低, 因而不能实现电厂机组间负荷的经济分配。
以电厂为单位, 考虑电厂机组间煤耗特性的差异, 实现机组负荷优化分配比按照机组容量按比例分配有着更好的经济效益, 特别是在机组煤耗特性差异较大的电厂, 经济效益更明显。此外, 火电厂单机AGC控制模式也不符合节能发电调度的原则, 需要研究基于机组煤耗的AGC电厂负荷分配策略, 实现火电厂各机组间的负荷优化分配, 在保证机组运行在允许的负荷范围内和安全工况条件下, 进一步满足电网对机组速率、调节备用的要求, 将全厂负荷经济地分配给各台机组, 降低全厂的供电煤耗, 实现火电厂节能发电调度的目标。
自2008年开始, 广东电网节能发电调度试点工作正式启动, 迄今为止已建设完成了火电机组煤耗在线监测系统、燃煤机组烟气脱硫在线监测系统等一系列技术支撑体系。其中, 火电机组煤耗在线监测系统已逐步实现了火电机组煤耗的实时监测, 使广东电网在调度中心通过AGC来实现基于实测煤耗的火电厂各机组间的负荷优化分配成为了可能。
火电厂负荷优化分配的研究和应用已经取得了一系列成果[1,2,3,4,5,6], 本文通过把这些成果应用于广东电网调度, 对电网AGC电厂负荷优化分配进行了有益的尝试和探讨。
1 AGC电厂负荷优化分配总体架构
AGC电厂负荷优化分配总体架构如图1所示。
机组煤耗特性是负荷优化分配的前提和基础, 要对AGC电厂的各台机组进行负荷优化分配, 需要首先获得准确的机组煤耗特性曲线。机组煤耗特性曲线一般通过热力实验获得, 当机组运行一段时间后, 由于设备状态、运行方式、煤种、环境温度等多方面的原因会使机组的煤耗特性曲线发生变化。因此, 直接采用热力试验获得的机组煤耗曲线来进行负荷最优分配必然会导致负荷分配结果误差较大。
为了提高机组煤耗特性曲线的准确性, 本文采用煤耗在线监测系统提供的机组实时煤耗特性曲线, 它是通过对机组运行参数进行在线监测, 利用各种实时数据, 充分考虑汽轮机热耗率、锅炉热效率、管道效率、厂用电率等因素, 在线计算出机组的实际煤耗量和供电量, 并拟合出来的曲线[7]。
为了获取机组实时煤耗特性曲线, AGC通过煤耗曲线获取客户端, 与煤耗在线监测系统的煤耗曲线发布服务端建立通信连接。一旦新的机组实时煤耗特性曲线拟合完成, 即通过煤耗曲线发布服务端将其发布到AGC服务器的煤耗曲线获取客户端, 后者负责将曲线数据写入发电数据库, 供AGC电厂负荷优化分配使用。
AGC负荷频率控制程序在每个控制周期, 获取电厂的实时发电计划。对采用最优负荷分配方式的燃煤电厂, 根据机组煤耗特性曲线, 进行最优负荷分配, 并将机组负荷分配结果下发到电厂执行, 以代替传统的按照机组容量分配机组负荷的方式, 提高机组的经济效益。
2 AGC电厂负荷优化分配模型
AGC电厂负荷优化分配主要是针对燃煤电厂同一单元下并列运行的多台机组进行的, 在满足单元发电计划需求和机组出力限制等一系列约束条件下, 根据机组的煤耗特性, 将单元发电计划合理分配到各台机组, 并使得单元总煤耗最小。如果一个电厂有多个单元, 则需要针对各个单元, 分别进行负荷优化分配。
2.1 负荷优化分配模型
设同一单元下有n台并列运行的机组, 某一时刻的单元发电计划为P, 则负荷优化分配的目标函数如下:
式中:F为单元总煤耗;Fi为第i台机组的煤耗;pi为第i台机组的目标有功出力;fi (pi) 为第i台机组的煤耗特性函数。
约束条件如下。
1) 单元发电计划约束
2) 机组出力上下限约束
式中:pimax和pimin分别为第i台机组的有功出力上限和下限。
3) 单元调节速率约束
式中:Pnow为单元内所有机组的当前总出力;T为单元出力达到单元发电计划P所需要的时间, 可取各机组调节所需时间的最大值, 即T=max Ti, Ti为第i台机组的调节时间, Ti=|pi-pinow|/vi, pinow为第i台机组的当前出力, vi为第i台机组的调节速率;Vreq为AGC调节所要求的该单元的调节速率。
4) 机组调节速率约束
式中:ti为第i台机组的允许调节时间, 其值不能超过单元发电计划的最小时间间隔, 如15min。
5) 机组间最大负荷差约束
式中:pj为第j台机组的目标有功出力;pdiff为允许的机组间最大负荷差, 由调度员人工设定。
6) 机组临界负荷约束
机组临界负荷是指机组因增加出力而需要启动新的磨煤机时所带的负荷。由于磨煤机本身需要消耗功率, 因此, 机组为增加出力新启动一台磨煤机时, 消耗的功率也相应增加, 从而影响机组的经济性。
为了考虑磨煤机的启停影响, 可以计及磨煤机的启停和运行费用, 但这些信息通常难以获得, 因此本文采用较为简单的方法, 即假设启动一台新的磨煤机相比负荷优化分配对机组经济性影响更大。在此假设下, 对负荷优化分配而言, 如果某机组增加出力需要启动新的磨煤机时, 则不考虑增加该机组出力, 而考虑增加其他机组出力。
机组出力与磨煤机启停关系模型如下:
式中:M为机组磨煤机启动台数;pia, pib, pic为机组的临界负荷。
7) 机组备用约束
式中:ri为机组备用率, 通常取5%~10%, 也可设置为0。
机组备用约束也可以结合到机组出力上限约束中, 即设置机组有功出力上限为式 (8) 中的右端值。设置机组备用约束的目的是为了让电网拥有更多的可调节机组, 以满足电网负荷爬坡时段的发电调节能力需要。可根据电网的实际调节情况, 设置机组是否需要保留一定的备用。
2.2 求解算法
机组负荷优化分配问题的经典算法为等微增率法。等微增率法计算简单、易于编程, 但该方法要求机组煤耗特性曲线必须是单调可微的, 否则计算结果不正确。如果机组煤耗特性曲线采用二次多项式来进行拟合, 则拟合出的二次多项式煤耗特性系数可能会出现负值, 在这种情况下, 拉格朗日方程的Hessian矩阵非正定, 等微增率法不适用[8]。
因此, 为了避免等微增率法对机组煤耗特性曲线形状限制的局限性, 本文采用动态规划法来求解上述问题。动态规划法对机组煤耗特性曲线无特殊要求, 因而具有通用性。动态规划法是解决多阶段决策过程的最优化问题的一种方法。用动态规划法求解负荷优化分配问题, 实质是一个N阶段决策过程。
动态规划法的实际求解过程分为顺序造表和逆序查表两部分。实际编程实现时, 可采用递归函数实现。
3 AGC电厂负荷优化分配系统试运行
广东电网中调AGC电厂负荷优化分配系统在经过严格测试后, 目前已投入试运行, 以下介绍系统试运行情况。
3.1 实时煤耗曲线获取
煤耗在线监测系统在线拟合的煤耗特性曲线主要有二次多项式拟合和双曲线拟合两种。AGC电厂负荷优化分配采用二次多项式拟合曲线, 描述如下:
式中:ai, bi, ci为第i台机组的煤耗特性系数, 煤耗在线监测系统将这3个系数传给AGC电厂负荷优化分配系统, 传送方式采用周期传送和变化传送相结合的方式。
机组正常运行时, 短时间内特性曲线变化不大, 因此, 当AGC电厂负荷优化分配系统与煤耗在线监测系统通信中断时, 煤耗特性曲线保持不变, 不会因此影响负荷最优分配;一旦通信恢复, 重新更新煤耗特性曲线。机组煤耗特性曲线更新时, 如果本次煤耗特性系数与上次煤耗特性系数相差较大, 则发出告警信息, 提醒运行人员注意。
3.2 负荷优化分配过程
每个AGC电厂的发电单元均有一个机组负荷分配模式, 该模式可设定为按容量分配或按最优负荷分配。当分配模式为按容量分配时, 单元各机组的负荷分配仍然按照传统的分配模式;当分配模式为最优负荷分配时, 单元各机组按照煤耗特性曲线进行经济分配。机组负荷分配模式可以人工或自动设定, 人工设定是指由调度员来设定。自动设定分为两种情况:一种情况是机组负荷分配模式根据时间来自动切换, 如果当前处于负荷高峰时段, 如8:00—10:00, 则自动将机组负荷分配模式设置为按容量分配, 如果当前处于非负荷高峰时段, 则自动将机组负荷分配模式设置为按最优负荷分配;另一种情况是机组负荷分配模式已经设置为按最优负荷分配, 但机组缺少煤耗特性曲线或者煤耗特性曲线验证不通过, 则系统自动将机组负荷分配模式设置为按容量分配。
当发电单元采用最优负荷分配方式时, 系统首先检查本单元下所有机组的启停机状态, 如果某台机组停机, 则该机组不参加负荷分配。接着, 系统检查本单元下所有机组的控制模式, 如果某台机组的控制模式为非计划模式, 则直接设置其计划负荷为机组当前实时出力, 同时从单元待分配发电计划中扣除该机组的计划负荷。经上述筛选后, 如果单元下计划模式机组数为0, 则结束分配过程;如果单元下计划模式机组数为1, 则直接将单元未分配计划分配给该机组, 同时检查机组是否越限, 如越限则将机组负荷固定为限值;如果单元下计划模式机组数大于1, 系统则采用动态规划算法进行最优负荷分配。各机组的出力下限一般取机组容量的50%, 出力上限可取机组调节上限, 如果考虑机组备用, 还需要根据备用率来调整出力上限。
为了满足动态规划的要求, 机组负荷采用离散值, 因此, 如何正确选择步长是动态规划算法的关键因素, 它决定了负荷分配过程的计算时间和计算精度。步长太大, 计算结果为最优解的概率就越小, 从而影响分配的经济性;步长太小, 虽然计算结果为最优解的概率就越大, 但会显著增加计算量和计算时间。本文中, 机组负荷步长取值范围在1 MW至机组调节死区内的整数值可选, 实践表明, 当步长取值在上述范围内时, 可以很好地满足机组负荷优化分配结果经济性和实时性的平衡。
3.3 机组控制安全策略
为了保证机组控制安全, 在最终下发机组控制命令前, 还需要经过如下安全策略校验。
1) 临界负荷死区校验。由于机组运行方式、设备状态等情况的不同, 机组临界负荷并非固定不变, 而是可能在一定范围内变化。因此在实际进行负荷优化分配时, 如果机组临界负荷取固定值, 就可能导致机组虽未达到临界负荷, 但实际上却会启动磨煤机的情况, 从而影响负荷优化分配的经济性。为避免出现该情况, 为机组临界负荷设置一个范围: (picr-pidb, picr+pidb) 。其中, picr为第i台机组的某个临界负荷, pidb为临界负荷死区。机组负荷优化分配时, 应避免落入该临界负荷范围。
2) 调节死区校验。为了避免机组的频繁调节, 每台机组均设置一个调节不灵敏区, 即死区, 当机组负荷控制偏差小于指定死区时, 该机组控制命令暂时不下发, 未承担的调节量分配到其他机组。死区的设置根据电厂的实际情况而定, 与机组容量有关。机组调节死区也可以作为约束调节加入负荷优化分配的算法过程中。
3) 反向调节校验。机组在响应了某一控制命令后, 必须经过一个指定的时间延时后, 才能发出反向控制命令, 否则该反向控制命令将暂时不下发。反向调节校验的主要目的是为了避免机组在短时间内反向变负荷, 防止机组热负荷上下波动产生的疲劳损耗。
3.4 节煤效果分析
为了分析AGC电厂负荷优化分配的节煤效果, 对铜鼓电厂2单元3号、4号、5号机组按优化分配和容量分配两种分配方式下的耗煤情况进行了测算。3台机组容量均为600 MW, 单台机组最低出力为300 MW, 表1给出了典型负荷下负荷优化分配节煤情况的测算结果。
从表1可知, 负荷优化分配能够有效节约机组运行煤耗, 节煤率在0.03%~0.08%之间。从这个节煤率来看, 并不太高。影响电厂节煤率的因素主要有两方面。
1) 单元内各机组煤耗特性的差异情况。机组间煤耗特性差异越大节煤率越高, 铜鼓电厂2单元3号、4号、5号机组由于型号相同, 煤耗特性系数较接近, 因此可优化空间较小。
2) 电厂负载率大小。当电厂负荷接近电厂调节上限或调节下限时, 节煤率较低, 当电厂负荷接近电厂调节上限和调节下限中间位置时, 节煤率较高。
4 结语
随着电网调度中心自动化水平和集成能力的不断提高, 调度中心能量管理系统 (EMS) 已能够从电厂获取各种实时信息, 包括各机组的实时煤耗特性, 从而在调度中心AGC中实现电厂的负荷优化分配。调度中心实现电厂负荷优化分配功能不仅能同时考虑多个火电厂的负荷分配问题, 而且负荷优化分配模型能方便地与全网AGC策略相结合, 在考虑电厂负荷优化分配的同时, 兼顾电网安全和经济调度的要求。
参考文献
[1]曹文亮, 王兵树, 高建强, 等.火电厂厂级负荷优化分配软件设计[J].电力系统自动化, 2004, 28 (5) :80-83.CAO Wenliang, WANG Bingshu, GAO Jianqiang, et al.Design of the optimal load distribution system of plant level for power plant[J].Automation of Electric Power Systems, 2004, 28 (5) :80-83.
[2]李蔚, 刘长东, 盛德仁, 等.基于免疫算法的机组负荷优化分配研究[J].中国电机工程学报, 2004, 24 (7) :241-245.LI Wei, LIU Changdong, SHENG Deren, et al.Research on optimization of unit commitment based on immune algorithm[J].Proceedings of the CSEE, 2004, 24 (7) :241-245.
[3]王治国, 刘吉臻, 谭文, 等.基于快速性与经济性多目标优化的火电厂厂级负荷分配研究[J].中国电机工程学报, 2006, 26 (19) :87-92.WANG Zhiguo, LIU Jizhen, TAN Wen, et al.Multi-objective optimal load distribution based on speediness and economy in power plants[J].Proceedings of the CSEE, 2006, 26 (19) :87-92.
[4]陈彦桥, 倪敏, 刘吉臻, 等.实数编码的遗传算法在厂级负荷优化分配中的应用[J].中国电机工程学报, 2007, 27 (20) :107-112.CHEN Yanqiao, NI Min, LIU Jizhen, et al.Application of realcode genetic algorithm to economic load dispatch in power plants[J].Proceedings of the CSEE, 2007, 27 (20) :107-112.
[5]王友, 马晓茜, 刘翱.自动发电控制下的火电厂厂级负荷优化分配[J].中国电机工程学报, 2008, 28 (14) :103-107.WANG You, MA Xiaoqian, LIU Ao.Study on plant-level optimal load distribution based on automatic generation control[J].Proceedings of the CSEE, 2008, 28 (14) :103-107.
[6]卢连成, 肖凌涛, 温柏坚, 等.妈湾电厂厂级自动发电控制系统的设计与实现[J].电力系统自动化, 2011, 35 (17) :111-115.LU Liancheng, XIAO Lingtao, WEN Bojian, et al.Design and implementation of a plant-level automatic generation control system for Mawan Power Plant[J].Automation of Electric Power Systems, 2011, 35 (17) :111-115.
[7]孙兴平, 周震海, 康松.关于凝汽式机组负荷优化分配算法的讨论[J].中国电力, 2001, 34 (8) :56-59.SUN Xingping, ZHOU Zhenhai, KANG Song.Discussions on the optimized load distribution of condensing generation units[J].Electric Power, 2001, 34 (8) :56-59
负荷分配控制 篇6
随着国家“十二五”计划的实施和不断推进,“十三五”规划要求进一步控制能源消耗,解决环境污染严重问题。节能政策在各个行业的不断深入,耗能大、污染多的火力发电行业成为国家节能政策的重点关注对象之一。火力发电厂运行的整个过程中,主要包括了化石燃料的消耗、电能的产生、电能的输送3个环节。其中,化石燃料的消耗又包括了燃料的消耗和污染物的排放,“节能减排”工作中的重点内容就是降低消耗、减少排放。所以,从“节能”和“减排”的角度出发,所设立的目标函数要满足耗煤量小、污染物排放量少2个主要的目标[1]。
火力发电厂机组负荷分配问题是指在拥有两个及以上数目机组的电厂中,不同时刻电厂所需要机组输出的总功率不同,而分配到各个机组上的负荷值也不尽相同。电厂负荷分配问题是电厂生产系统所需要解决的问题之一,当所需要输出的功率一定时,负荷在各个机组之间如何分配就成了决定电厂是否高效运行的重要条件。所以,通过确定机组总输出功率的条件下,同时满足各个机组自身的功率约束条件以后,对负荷分配数学模型进行优化计算,使得机组处在一个最优的负荷状态,使得煤耗量和污染物的排放量最小。
1 数学模型
1.1 煤耗模型
在线测试系统直接生成的煤耗量曲线,由于其不能自动剔除采集到的异常数据,不具有一般代表性,所以将所采集到的数据值根据数理统计误差分析的方法进行筛选,利用最小二乘法对数据进行拟合,得到的模型更具有一般性。
以赤峰市某热电厂的2台600MW机组为例,通过DCS系统中实时采集到的功率P和实时煤耗量F,组成(P,F)数据对,然后利用数据处理软件M atlab中相关模块的功能进行煤耗量数据的拟合,就可以得到较为精确的煤耗量的数学模型。
DCS系统中采集到的部分煤耗量数据。剔除异常数据后得到表1所示的有效数据。
煤耗量曲线的表达式[2]式(1)所示:
式中:i—机组编号,文中所采集数据的电厂共有2个机组,故i值可取1、2;a、b、c为机组的二次煤耗特性系数。
运用Matlab软件中的polyfit模块,对于所得到的数据进行拟合,2个机组的煤耗量特性系数的拟合结果如表2所示。
1.2 污染物排放模型
煤在锅炉中燃烧时,会产生大量的氮氧化物、二氧化硫、碳化物等各种气体污染物以及炉渣和悬浮颗粒物。其中二氧化硫和氮氧化物是其中最主要的污染物,根据有关规定,电厂需要对二氧化硫和氮氧化物的排放量严格控制,也需要对这些污染气体的排放付费[3],所以,仅从经济性考虑出发,只考虑二氧化硫、氮氧化物的排放。
通过对机组排污特性的研究可以得到,电厂污染物排放模型[4]:
式中:i—机组编号;d、e、k—分别为污染物排放二次拟合模型中的特性系数。
同样的,集合所得到的污染物的排放数据,以及机组的污染物排放特性模型,利用Matlab软件中相关模块的功能,对于污染物排放量曲线进行求解,可以得到2个机组的污染物排放特性系数如表3所示。
1.3 加权综合模型
对于文中所研究的煤耗量与污染物排放量2个目标函数的多目标优化问题[5],首先可以根据加权思想的原理列出加权以后的综合目标函数为:
F、E分别为机组煤耗量目标函数模型和机组污染物排放目标函数模型,α1、α2为2个模型在综合模型中的权重系数,计算开始时,设煤耗量的权重比例系数为1.0,这样,就可以将2个权重系数值求解转化为单个权重系数值的求解,这样可以简化计算。则综合模型的式子可以表示为:
使用Matlab软件对得到的煤耗量和污染物2个目标函数进行权重求解,可以得到如图1所示的计算结果。
从图1中可以看出,权重求解程序在迭代大约500次之后目标的完成率接近100%,即算法充分收敛。通过输出的结果可以得到2个权重模块的权重系数分别为:1、4.71。
由于煤耗量单位为t/h,污染物排放单位为kg/h,所以统一单位后,加权综合函数模型为:
2 智能算法及求解
2.1 模拟退火算法
模拟退火算法[6](Simulated Annealing简称SA)是由Metropolis最早提出的,由Kirkpatrick成功的应用在组合优化问题中,模拟退火算法的计算原理是寻找物理学中金属物体退火时所表现的特性与组合优化问题在寻优过程中的共同特性。利用模拟退火算法求解优化问题的一般步骤如图2所示。
一般情况下,接受的条件用Metropolis准则加以判别,它以一定的概率接受恶化解,从而使算法能够跳出局部最优解,进而得到全局最优解。
按照以上步骤编制Matlab实现程序,进而可以得到该算法解决机组优化问题的算法实现。使用模拟退火算法对于模型进行优化分配得到2个机组所分配功率的大小如表4所示。
用表示面积的图形来表示这次的分配结果如图3所示。
2.2 基因遗传算法
基因遗传算法[7](Genetic Algorithm简称GA)是进化算法的一种,它的产生主要基于进化论中关于生物“适者生存”的观点,算法将所需要计算的问题以染色体的方法进行编码,通过染色体传递给下一代的方法进行进化,具体可以通过遗传、变异等方法。
在基因遗传算法中,将染色体和所需要优化的数据或数组相对应,其表示形式为一维的串数据,该一维数据上与基因的位置相对应。在生物进化中,该数据就是遗传所用的染色体,当所用的串数据足够多时,便组成了生物进化中所说的群体。
遗传算法的基本步骤如下:1)编码;2)初始群体的生成;3)适应度评估;4)选择;5)交叉;6)变异。其基本流程如图4所示。
利用基因遗传算法对于文中的2台机组进行负荷的分配优化,得到的负荷分配如表5所示。
同样的,2个机组的面积分布图可以更为形象地表示出2个机组出力对比的情况。基因遗传算法负荷分配结果面积示意图如图5所示。
2.3 遗传模拟退火算法
遗传模拟退化算法[6](简称GA-SA)是结合了基因遗传算法(GA)和模拟退火算法(SA)的一种混合智能优化算法。该算法结合了遗传算法和模拟退火算法在解决最优解问题时的优势,如模拟退火算法较强的鲁棒性和基因遗传算法超强的全局搜索能力。同时又可以避免在搜索中陷入遗传算法的局部最优和模拟退火算法概率接受陷阱[8]。
将算法过程绘制成便于进行计算机的编程的流程图,如图6所示。
运用遗传模拟退火算法进行计算时的主要参数[9]设定如下表6所示。
运用文中的遗传模拟退火算法进行优化计算,分配结果如表7所示。
将所得结果用面积图来表示如图7所示。
3 算法性能的评价
3.1 鲁棒性能
算法的鲁棒性能是指算法在寻优过程中所表现出来的稳定性和通用性的大小,如果一个算法在不同领域、不同寻优阶段都能够成功地收敛到最优解,那么该算法的鲁棒性能强。
通过对160组负荷的分配可以发现,在考虑机组启停的机组负荷优化分配结果中,当设定的额定功率小于单个机组最大输出功率时,3种算法得到的结果相同,即由其中1个机组来负担该部分负荷。选取部分数据进行整理,可以得到如图8所示的两机组“0”、“1”分布图,其中,机组运行时处于“1”状态,机组关闭时处于“0”状态。
从图8中可以看出:使用SA时,1#、2#机组各有3次启停操作,使用GA时各有1次启停操作,GA-SA没有启停操作。由于在计算过程中假设2个机组地位是相同的,即优化时2个未知数是可以相互交换的,当1个机组的启停状态不断变换时,说明该种算法在寻优过程中对于最大值最小值是不敏感的,所以此种算法的稳定性是不高。因此可以得出,在解决机组负荷分配优化问题时GA-SA的稳定性最好,SA的稳定性最差,GA介于两者之间。
3.2 算法的寻优效率
算法的寻优效率主要是指算法在寻找最优解的过程中所消耗时间的多少,由于不同算法每次迭代的时间是不同的,单纯以寻优时间作为算法效率的比较方面不太准确。因此以算法寻得最优解时所迭代的次数作为算法的评判标准。3种算法在求解负荷优化模型时160组数据所需要迭代次数的平均值如图9所示。
从图9可以看出:采用SA运算时所用的平均迭代次数最大约为950次,GA最小,约51次,GA-SA约1050次。算法在迭代过程中需要占用计算机的计算内存,迭代次数的多少可以表现出算法在计算过程中所占用计算机内存的多少,而计算中使用的计算机内存的大小又是算法计算效率的体现。所以在进行寻优计算时,GA算法的效率最高,SA次之,GA-SA最小。
3.3 算法的优化效果
算法的优化效果,即模型优化前后所节约的程度,其评定方法有多种:可以用算法寻优时的解的精确程度进行对比;可以利用算法所得结果与原数据的差异程度进行对比;可以用所得解集对应的因变量的大小进行对比。
将3种优化算法所得到的机组负荷的值以自变量的身份代到综合权值模型中,通过将优化之后的综合权值的大小与优化分配前的综合权值进行对比,来表示3种算法情况下优化效果的好坏。做出包括优化前数据在内的4组综合权重值,在同一个坐标图形中的曲线如图10所示。
从图中不难看出:SA、GA以及GA-SA 3种算法的综合权重值均小于优化前的数值,这说明3种优化方法均是奏效的。当总负荷值小于368MW时,3种算法结果的综合加权值均明显小于优化前数值,优化效果明显,而当负荷设定值大于368MW时,优化效果不明显。对368MW之前的部分进行算法优化程度的对比,将优化前的结果设为1,可以得到优化程度系数,即优化后的结果与优化前结果的比值。通过计算可知,3种算法结果综合权重值的平均值、优化程度比值如表8所示。
从中可以得出这样的结论:GA算法的优化程度比值最小,即优化效果最好,SA的优化程度次之,GA-SA算法的优化程度最小。
4 结语
通过对于实际算例的分析可以看出,模拟退火算法(SA)在求解负荷分配问题时具有全局寻优能力强的特点和寻优精度的不足的缺陷,遗传模拟退火算法(GA)在求解负荷分配算法时容易陷入局部最优,但是具有求解准确性好的特点;与GA和SA相比,综合智能算法遗传模拟退火算法(GA-SA)在求解负荷分配问题时所得到的分配结果稳定性好,并且具有很好的鲁棒性。但是通过对比优化前后的综合权重值,GA-SA的优化效果不及GA、SA这2种算法。
结合火力发电厂生产实际,机组频繁的启停对机组的损害巨大,也不利于电厂的经济性能,而3种算法中只有GA-SA算法所得到的结果经济性最佳。通过对算例的求解,可以看出,在解决机组负荷优化分配问题时,使用动态加权方法简化模型,选用GA-SA算法求解模型能够获得理想的负荷分配。
参考文献
[1]张彦.基于多目标优化随机权系数加权和的机组负荷分配[J].电网技术,2008,(S2):64-67.
[2]缑新科,崔乐乐,巨圆圆,等.火电厂机组煤耗特性曲线拟合算法研究[J].电力系统保护与控制,2014,(10):84-89.
[3]高敏.火电厂环境成本定量分析研究[D].北京:华北电力大学(北京),2005.
[4]崔继宪,李薇,解玉磊,等.电力行业污染物排放权交易模型[J].电力建设,2013,(11):114-120.
[5]王治国,刘吉臻,谭文,等.基于快速性与经济性多目标优化的火电厂厂级负荷分配研究[J].中国电机工程学报,2006,19:86-92.
[6]陈立洲.机械优化设计方法[M].北京:冶金工业出版社,2015.
[7]陈小平,李云飞.遗传算法中适应度评估的改进[J].数据采集与处理,2003,(1):49-52.
[8]Jingfa Liu,Guojian Zhang,Huantong Geng,Zhaoxia Liu.Improved Simulated Annealing Algorithm for Solving the Circles Packing Problem[C].2012 International Conference Mechatronic Systems and Materials Application,Qingdao,Shandong,China,2012.
优化直吹制粉系统负荷分配之我见 篇7
1 影响中速磨煤机工作的针对因素
各类中速磨煤机的工作原理和运行中的监督参数基本相似, 这里就不加赘述。而特别影响海电中速磨煤机安全工作的因素是以下几个方面, 这里进行一些客观分析。
1.1 给煤量偏大
海电中速磨煤机设计基本出力是48T/H, 运行中的实际出力都在这个范围, 个别磨煤机出力达不到这个值, 说明有出力偏低和煤种哈氏可磨性系数低的怀疑。在运行中为了保证燃料量就依靠提高一次风量与磨入口热风温度, 这样可以使磨煤机在极限负荷下运行一段时间, 但同时也存有极大的危害潜在。
一次风速增大较多时对燃烧不利, 通过西安热工院对海电330MW机组锅炉一次风速的测试为40m/s, 据《国内大型锅炉直流燃烧器推荐使用的一次风率和风速》推荐燃用烟煤 (包括劣质烟煤) 的一次风速为22-35m/s。显然一次风速偏高, 对燃烧不利已然存在, 尽管提高了一次风粉的温度可以克服部分不利但效果一般, 因为再高的一次风粉的温度 (100-120℃) 较于炉内温度也算极冷, 同时的隐患有煤粉爆炸几率增大和一次风室内结焦的可能性增大, 这两条对制粉系统的破坏是可观的。单靠提高一次风量时一次风机单耗必然增加, 同时空预器一次风侧的漏风率也有所增大, 这种现象在高负荷时可以很明晰的看出来。有害无利。
1.2 石子煤排渣的方式
运行时排渣入口门打开, 出口门关闭;排渣时入口门关闭, 出口门打开。但是当一次风室渣量过大必须连续排渣时, 值班员常常是入口、出口门全部打开不是进行排渣而是"吹渣", 造成一次风的大量泄漏, 降低了磨煤机的出力, 如果不及时增大风量、降低给煤量, 大量的不能及时分离的原煤直接漏入一次风室, 这也是造成磨煤机结焦、排渣量大的恶性循环的原因。同时严重污染现场环境。内气封、缝隙密封压差低造成石子煤侵蚀。内、外气封之间设计有密封风, 正常工作时, 密封风风压大于一次风压, 石子煤被内、外气封吹出的密封风挡在旁边, 不能接近内气封, 从而有效保护了下裙罩、内气封环。当石子煤刮板被磨损后, 石子煤便不能被刮板排出, 一次风室堵塞大量的石子煤, 石子煤直接对下裙罩密封法兰磨损, 在短短时间内 (至多1周时间) 下裙罩密封法兰被磨损殆尽, 内、外气封间的密封风与一次风混合, 压差逐渐减小直至为零, 石子煤直接落入气封中间, 最终形成了很严重的磨损现象。
1.3 密封风的另一种用处
正压直吹式制粉系统需要密封风保护磨辊轴承间隙。磨煤机的热风门和总风门长时间受到300℃左右的热空气加热, 各风门变形在一个检修周期内是不可避免的, 在停运磨煤机后, 尽管各风门关闭磨煤机处于不通风状态, 但这是一个不可能实现的理想状态。停磨后仍然向磨煤机内漏风是不可避免的, 且磨内有煤粉残留, 这样把磨煤机的密封风门关闭后, 残留的煤粉在一次风漏流下很容易进入磨辊轴承, 磨辊轴承因此会渐次磨损, 磨煤机的出力及寿命会受到严重长期威胁。针对这个因素我们设计密封风门全关时保持5%的漏流量来解决这个问题。
1.4 暖磨时间较短
暖磨是一个很重要的阶段, 对磨煤机各部金属膨胀顺利是至关重要的。只有将磨煤机暖好, 才能保证磨煤机的安全工作, 建议用小风量暖磨, 这样对磨煤机初期给煤和初期煤粉着火都有着十分重要的意义。
2 直吹制粉系统负荷分配原则介绍
2.1 为使燃烧均匀和制粉经济, 各磨煤机一般应保持等出力运行。
在同样的总出力下, 各磨均匀负荷的结果总是较各磨高、低悬殊的出力运行更为经济。
2.2 磨煤机在高出力下运行是最经济的
(制粉单耗最低) , 各磨都有最低允许出力的数值, 因此, 在设备数量和机组运行工况允许的条件下, 应通过投、停磨煤机的方式避开这一最低出力。
2.3 尽可能使磨煤机在额定负荷附近运行
3 变换煤种及掺烧非设计煤种管理
3.1 变换煤种
如果燃用煤种偏离设计煤种, 必须执行下列项目和程序:只能在最大负荷时进行煤种更换, 且收集和比较相关的运行数据。为了适应煤种的变化, 该操作只能在要求的负荷范围内或负荷变化率内进行, 认真监视下列项目。另外应对燃烧过程的优化调整、磨煤机参数和其他相关设备也需要监视。如果需要, 建议投第五台磨。
a.燃烧情况。着火稳定性。烟气成分 (O2、NOx、SOx等) 。
b.磨煤机运行。磨煤机出口温度及其可控性。磨煤机入口风温。磨辊轴承的位移。磨煤机电流的变化。通过磨煤机的压降。磨煤机振动。石子煤排量。
c.蒸汽温度特性。
d.各级受热面的金属壁温。
e.排烟温度。
f.可能发生的结渣和粘污。
3.2 掺烧非设计煤种的管理
掺烧非设计煤种的关键在于燃料管理, 不同的燃料进厂后, 必须对燃料进行认真取样并做严格化验, 全面掌握燃料的各项指标, 严把质量关, 防止个别煤矿的掺假现象, 尽量保证所燃用的煤种符合要求。从进厂的煤实际化验结果看, 即使是同一煤种每次的化验结果也不尽相同, 有时热值高有时热值低, 各项指标也存在着差异, 同一煤种的特性有时变化也相当大, 因此必须针对不同的化验结果确定入厂各煤种的特性, 根据不同的情况采取相应的掺配方案, 此外燃料进厂后应该按照不同的煤种将其堆放至指定地点。根据燃料的特性、机组当前的运行状况、调峰情况以及锅炉采取的燃烧方式等等, 经过认真分析研究从而确定配烧的煤种、应采取的配煤方式及掺烧比例。
4 磨煤机运行组合方式对电耗和排放量的影响
在保持分离器折向挡板开度和一次风量不变的情况下, 煤粉细度随处理增加而略有增大, 但电机电流随出力增加而明显增大, 磨出力从36t/h增加到46t/h, 电流则从45A升至56A., 在保持挡板开度和出力不变的情况下, 增加一次风量, 煤粉细度变大, 但不明显, 电机电流无明显变化。因此, 磨煤电耗主要与煤粉细度、磨煤出力煤种有关。煤粉越细磨煤电耗越大。举例说明:当煤粉细度由21%升至28.8%及36.3%时, 磨煤电耗分别是8.80、7.95、7.75KW.h/t。一般来说, 磨煤机出力越小, 磨煤机电耗越大, 例如, 磨出力从48t/h变为36t/h时, 磨煤用电单耗要增加0.5 KW.h/t左右, 这样建议磨煤机最好不要在低出力下运行。
5 优化直吹制粉系统负荷分配方法
在充分暖磨和发挥密封风的另一种作用的前提下。优先运行B、C、D磨煤机, 因为这三台磨煤机的出力是相近的, 且出力都可控制在40-45T/H, 这样的组合应付低负荷时可以实现第一条原则和第二条原则。A磨煤机出力可以达到50 T/H, 在高负荷时, 投入A磨煤机能保证其出力在额定负荷运行, 实现第三条原则。在煤量大的情况下, 优先选用第一条原则, 降低一次风速, 反第二条原则, 要进行3台磨煤机变4台磨煤机运行来克服海电的现实情况———给煤量大带来的不利影响, 保护磨煤机安全是一个长远目光。
摘要：配中速磨煤机的330MW锅炉直吹制粉系统的稳定运行是整个锅炉安全运行的基础, 针对煤种和现状的个性不同, 在制粉系统负荷分配上是不能一概而论的。本文对影响中速磨煤机负荷的突出因素进行分析并提出优化方法。
关键词：直吹制粉系统,负荷分配,优化
参考文献
[1]黄新元.电站锅炉运行与燃烧调整.北京:中国电力出版社, 2003.