[发明专利]煤电机组供电煤耗与污染物排放的优化节能调度方法

说明书

本发明公开了煤电机组供电煤耗与污染物排放的优化节能调度方法，包括以下步骤：新能源负荷量预测、选定监测项目和测量方法、搭建无线测量平台及数据采集、监测点测量数据预处理、机组供电煤耗和污染物排放计算、构建机组供电煤耗和污染物排放的最优计算模型、制定最优节能调度方案，通过上述步骤，能够有效应对社会用电整体需求疲软和新能源发电冲击，从而进一步推动节能减排工作，提高社会能源总体利用效率和降低地区污染物总体排放水平。

技术领域

本发明涉及电力系统环境保护技术领域，尤其涉及煤电机组供电煤耗与污染物排放的优化节能调度方法。

背景技术

由于新能源全额消纳不参与调峰，扮演重要调峰角色的火电机组负荷率从原来的70％～80％下降到40％～50％，甚至更低，调峰程度及难度均大幅增加，机组的煤耗率及其它排放指标也受到影响。为进一步做好新能源全额消纳，同时提升煤电高效清洁发展水平，改善大气环境质量，提高社会能源总体利用效率和降低地区污染物总体排放水平，需要综合统筹每台火力发电机组的机组供电煤耗和污染物排放量两项指标。

而机组供电煤耗、污染物排放除了与电网负荷分配关系密切，还受到机组开机方式的影响，如何实现机组供电煤耗最优和污染物排放最优，需要充分了解每台机组性能，亟需制定出一套综合机组供电煤耗和污染物排放双目标最优的节能调度方案。

发明内容

本发明的目的是为了推动节能减排工作，提高社会能源总体利用效率和降低地区污染物总体排放水平，提供的一种煤电机组供电煤耗与污染物排放的优化节能调度方法来解决上述问题，从而进一步提升煤电高效清洁发展水平，改善大气环境质量。

本发明是通过以下技术方案实现：

煤电机组供电煤耗与污染物排放的优化节能调度方法，包括以下步骤：

步骤一：新能源负荷量预测。

基于气象信息、地形信息、电气参数和设备健康状态这些多维数据构建更加精确的新能源场站的功率预测方法，对风电功率预测模型采用BP神经网络技术建模，对光伏功率预测模型采用神经网络算法和神经网络分位数回归模型，最终通过对训练样本进行归一化处理，从而实现新能源负荷量预测，其中风电功率预测气象信息包括风力、风向和温度，光伏功率预测气象信息包括光照强度和温度。

步骤二：选定监测项目和测量方法。

选定典型的300～1000MW运行火电机组，对机组在100％负荷、75％负荷、50％负荷、40％负荷四个工况的实际供电煤耗进行监测。

选定监测项目包括电功率测量、烟气温度测量、烟气取样分析、入炉煤取样及分析、灰炉渣取样及分析、环境状态测量、汽轮机侧主要测点布置、污染物排放测量。

步骤三：搭建无线测量平台及数据采集。

搭建测量燃煤机组重要参数的无线测量平台，其重要参数包括水蒸汽压力、水蒸汽温度和排烟温度，将校验过的高精度传感器安装在各监测点位置，利用与高精度传感器连接的无线变送器将测量数据通过无线电波发射出去，在试验平台终端借助无线接收装置将信号接收，再传送到计算机内，通过数据采集软件对数据进行处理、记录和存储，实现各监测点测量数据采集工作。

步骤四：监测点测量数据预处理。

根据步骤三中获取的测量数据，首先对一个试验工况的全部原始记录进行检查、分析，判断原始记录的合理性，舍去不合理的个别测点数据，对测量参数进行平均计算，在此基础上进行压力的位差以及大气压力修正，以确定测量参数值，测量参数平均计算的方法为算术平均法。

步骤五：机组供电煤耗和污染物排放计算。