[发明专利]一种基于冷端系统储能的机组负荷智能优化控制方法

说明书

技术领域

本发明属于发电技术领域，具体涉及一种基于冷端系统储能的机组负荷智能优化控制方法。

背景技术

大容量超（超）临界燃煤机组因在节能、降耗和减少环境污染等方面具有明显的优势已逐渐成为电网的主力机组。电网供电质量指标的不断提高，要求大容量超（超）临界机组应具备自动发电量控制（AGC）等功能，同时也对超临界机组的负荷响应速率、调节精度等提出了很高的要求（两个细则考核要求每分钟的负荷变化量能够达到机组额定负荷的1.5%到2%甚至更高）。由于协调控制系统（CCS）需兼顾负荷、主汽压力的控制偏差，以及锅炉本身的大惯性、大时延特性，使得机组负荷响应速率的提高十分困难，且容易引起主汽压、主汽温等参数的大幅波动。因此如何满足电网对机组负荷调节的快速性要求，应对电网两个细则考核，确保火电机组长期安全可靠运行，就成为有关技术人员所面临的难题。

常规超（超）临界机组特性建模均将发电机组视为一个整体，将协调控制对象简化为一个3输入3输出的数学模型，以反映燃料量、给水量、汽轮机调节阀开度与主蒸汽压力、机组负荷、中间点温度（或焓值）间复杂的非线性关系，具体可采用传递函数、代数和微分方程组或人工神经网络等多种方式加以实现。由于上述模型简化因素较多，会导致模型的负荷预测精度降低，抗干扰能力下降。具体表现：1）与机组功率直接相关的热端参数为锅炉末级过热器出口蒸汽温度，并非中间点温度，而超（超）临界锅炉的末级过热器出口蒸汽温度除与水煤比直接相关外，动态变负荷过程中还受到各级过热器喷水减温量的影响，这在上述模型中未体现；2）机组中、低压缸做功份额约占机组总功率的2/3，而中、低压缸做功能力与再热蒸汽压力、再热蒸汽温度２个参数密切相关，这在上述模型中均未反映；3）上述模型中未考虑机组的重要冷端参数凝汽器真空（背压）受循环水泵、真空泵、机组轴封运行情况等多种因素的影响，凝汽器真空变化对机组负荷和机组运行的经济性有很大影响；4）大型超临界机组的高、中、低压缸均设置了至少8段以上的回热抽汽，运行过程中会由于各种原因如高压加热器（高加）解列、凝结水流量突变等，导致各级回热循环抽汽量出现突变，这会在较短时间内对汽轮机做功产生影响（近年来出现的凝结水节流负荷快速调节方法正是利用这种影响），而上述模型无法反映。

因此，充分考虑大容量汽轮机的热端、冷端及回热循环侧的相关可控参数，建立能够准确预测机组负荷的数学模型十分必要。

发明内容

针对现有技术之弊端，本发明的目的是提供基于冷端系统储能的机组负荷智能优化控制方法，以提高机组负荷的控制水平，保证火电机组安全可靠运行。

本发明采用如下技术方案：

一种基于冷端系统储能的机组负荷智能优化控制方法，其包括如下步骤：

（1）建立超临界机组负荷特性神经网络预测模型；

（2）利用机组历史运行数据对预测模型进行训练和验证；

（3）利用该预测模型在机组的动态变负荷阶段和负荷趋稳阶段分别对冷端储能系统进行预测和优化；

（4）将各优化结果与原控制指令的偏差作为补偿信号叠加至相应的控制信号上对机组实施优化控制。

进一步的，所述步骤（1）中，建立所述预测模型的方法为：以BP网络模型为基础，以8个输入变量k时刻的值及其n阶时延数据、1个输出变量的m阶时延反馈数据作为神经网络模型的输入，来构建负荷预测模型。

进一步的，所述步骤（1）中，建立所述预测模型的8输入变量为：主蒸汽压力、主蒸汽温度、再热蒸汽压力、再热蒸汽温度、高压调节阀开度、凝汽器真空、凝结水流量和给水流量；建立所述预测模型的输出变量为机组负荷。

进一步的，所述BP网络模型为串-并联模型辨识结构。

进一步的，所述步骤（2）中，训练样本的选择包括不同稳态负荷点和变负荷动态过程中的原始数据以及扰动数据；所述扰动数据包括真空、凝结水流量、燃料量和高压调节阀开度。

进一步的，所述步骤（2）中，模型训练样本的归一化方法为：结合各参数在机组升、降负荷过程中的变化范围，人工确定各参数的最大、最小值，以此为基准对所有离线训练及在线校验数据进行归一化处理。

进一步的，所述步骤（2）中，模型训练样本的归一化公式为：