СПОСОБ И СИСТЕМА ОПТИМИЗАЦИИ ТЕХНОЛОГИЧЕСКОГО ПРОЦЕССА ДЛЯ ЭЛЕКТРОСТАНЦИИ Российский патент 2014 года по МПК G05B13/04 G05B11/00 G06G7/48 

Описание патента на изобретение RU2533054C2

ОБЛАСТЬ ТЕХНИКИ

Изобретение, в общем, относится к системе и способу для оптимизации технологического процесса для электростанций, а более конкретно к оптимизации планирования нагрузки в электростанции посредством использования адаптивных ограничений в способе и системе оптимизации.

ПРЕДШЕСТВУЮЩИЙ УРОВЕНЬ ТЕХНИКИ

Типично электростанция состоит из нескольких блоков, каждый из которых имеет набор оборудования, участвующего в различных стадиях генерирования электроэнергии. Такое оборудование включает в себя, например, бойлеры, паровые турбины и электрические генераторы. Для оптимальной эксплуатации электростанции одним из критических аспектов является оптимальное планирование нагрузки между различными блоками и их соответствующим оборудованием, чтобы удовлетворять заданным потребностям мощности.

Планирование нагрузки оказывает большое влияние на производительность технологического процесса генерирования электроэнергии. Цель планирования нагрузки заключается в том, чтобы минимизировать время генерирования электроэнергии и/или стоимость посредством определения времени, значений и т.д. различных рабочих параметров для каждого из видов оборудования, чтобы рационально и эффективно удовлетворять потребностям мощности. Планирование нагрузки обычно оптимизируется посредством оптимизатора в системе управления электростанцией.

Цель осуществления оптимизации, например минимизация стоимости, выражается как целевая функция для задачи оптимизации. Метод оптимизации решает такую целевую функцию в пределах идентифицированных ограничений. Почти все рабочие параметры могут выражаться как функция стоимости, и оптимизатор используется для решения функции стоимости, ассоциированной с множеством операций и их результатами (например, штрафом за неудовлетворение потребности). Решение от оптимизатора предоставляет заданные значения для различных операций для достижения требуемых оптимизированных результатов. Типично оптимизатор использует такие технологии, как нелинейное программирование (NLP), частично-целочисленное линейное программирование (MILP), частично-целочисленное нелинейное программирование (MINLP) и т.д. для решения целевой функции.

В записи целевой функции в виде формулы желательно включать столько членов (затраты на топливо, затраты на сокращение выбросов, затраты на пуск и остановку, затраты вследствие старения, затраты на техническое обслуживание, неустойка) в целевую функцию, сколько необходимо для обеспечения оптимальной работы всех возможных компонентов. Когда несколько таких членов учитываются при записи целевой функции в виде формулы, решение целевой функции затрудняется, поскольку возникает уменьшение степени свободы для внесения изменений в рабочие параметры, т.е. в заданные значения для различного оборудования, для достижения оптимального решения для электростанции. Необходимое число членов, которые должны учитываться для конкретной целевой функции, основано на том, как спроектирована система управления технологическим процессом, и на значениях ограничений. Если число членов больше, т.е. оно сразу учитывает почти все возможные аспекты электростанции или имеет очень жесткие ограничения, то существует вероятность того, что целевая функция может не иметь решения. Здесь можно отметить, что проблема отсутствия решения, как описано в данном документе, также может возникать, когда существуют состояния, которые не рассматриваются в модели электростанции или не могут управляться в электростанции по результатам оптимизатора.

В настоящее время, в случаях, когда целевая функция не решается в течение соответствующего времени с учетом набора ограничений, электростанция управляется субоптимальным способом. В дополнение к случаям отсутствия решений существуют другие случаи, когда нет уверенности в том, является или нет оптимизированное решение наилучшим решением, т.е. в том, является решение наилучшим из нескольких доступных решений или самым подходящим для того, чтобы стабильно управлять станцией, даже если оказывается, что решение является немного субоптимальным. Зачастую неизвестно, имеются ли различные значения ограничений и возможно ли наилучшее решение.

Изобретение описывает способ идентификации и определения таких случаев, таким образом, что оптимизатор предоставляет допустимое решение определенным образом. Более конкретно, настоящая технология описывает систему и способ решения целевой функции для работы электростанции посредством идентификации и ослабления некоторых ограничений.

КРАТКОЕ ИЗЛОЖЕНИЕ СУЩЕСТВА ИЗОБРЕТЕНИЯ

Согласно одному аспекту изобретения, предоставляется способ оптимизации планирования нагрузки для электростанции, имеющей один или более блоков генерирования электроэнергии.

Способ включает в себя детектирование события, указывающего необходимость адаптации одного или более ограничений для целевой функции, используемой в планировании нагрузки. При детектировании такого события способ включает в себя анализ целевой функции для определения адаптивных значений ограничений для одного или более ограничений для оптимального решения целевой функции и использование адаптивных значений ограничений для одного или более ограничений с тем, чтобы решать целевую функцию. В завершение, способ включает в себя использование решения целевой функции с одним или более адаптированных значений ограничений для управления одним или более генераторами электростанции.

Согласно другому аспекту изобретения, оптимизатор для оптимизации планирования нагрузки для электростанции, имеющей один или более блоков генерирования электроэнергии, включает в себя модуль анализа ограничений, имеющий модуль оценки адаптивных ограничений для детектирования события, указывающего необходимость адаптации одного или более ограничений для целевой функции, используемой при планировании нагрузки. Модуль оценки адаптивных ограничений анализирует целевую функцию, чтобы определять адаптивные значения ограничений для одного или более ограничений для оптимального решения целевой функции, и использует адаптивные значения ограничений для одного или более ограничений с тем, чтобы решать целевую функцию. Оптимизатор затем использует решение целевой функции с одним или более адаптивных значений ограничений для формирования заданных значений, которые используются для того, чтобы управлять одним или более блоками генерирования электроэнергии.

КРАТКОЕ ОПИСАНИЕ ЧЕРТЕЖЕЙ

В дальнейшем изобретение поясняется описанием предпочтительных вариантов воплощения со ссылками на сопроводительные чертежи, на которых:

Фиг.1 изображает структурную схему упрощенной общей электростанции на ископаемом топливе (FFPP) согласно одному варианту осуществления изобретения;

Фиг.2 изображает структурную схему системы управления для электростанции по Фиг.1; и

Фиг.3 изображает структурную схему модуля анализа ограничений в оптимизаторе системы управления по Фиг.2.

ОПИСАНИЕ ПРЕДПОЧТИТЕЛЬНЫХ ВАРИАНТОВ ВОПЛОЩЕНИЯ ИЗОБРЕТЕНИЯ

Использованные в данном документе и в формуле изобретения формы единственного числа включают в себя несколько упоминаемых объектов, если контекст явно не указывает иное.

Система и способ, описанные в данном документе, относятся к оптимизации работы электростанции для удовлетворения требуемой потребности мощности в условиях несходимости решения с существующими ограничениями или в условиях, когда непонятно, что решение с существующими ограничениями является наилучшим решением. Система и способ, описанные в данном документе, обеспечивают то, что электростанция управляется посредством надлежащего задания ограничений, их значений и посредством обеспечения того, что каждый раз существует оптимальное решение, т.е. доступна степень свободы для решения целевой функции, и, следовательно, решение по оптимизации динамически улучшается при одновременном учете всех членов, заданных в целевой функции.

Для достижения оптимизированного решения новые модули и способы изобретения преимущественно предусматривают динамическую адаптацию значения ограничений, чтобы решать целевую функцию и получать в результате преимущественные решения. Такие адаптации выполняются в рамках допустимых преимущественных результатов работы (краткосрочных и долгосрочных) электростанции.

Эти аспекты поясняются далее в отношении чертежей.

Фиг.1 изображает структурную схему упрощенной общей электростанции на ископаемом топливе (FFPP) 10, которая управляется посредством системы 12 управления, которая включает в себя оптимизатор 14 для получения оптимального решения по управлению электростанцией. FFPP 10 состоит из трех FFPP-блоков 16, 18, 20, работающих параллельно. Каждый FFPP-блок имеет три главных элемента оборудования, а именно бойлер (B) 22, паровую турбину (ST) 24, которая механически соединяется с электрическим генератором (G) 26. При работе паровые нагрузки, в общем, упоминаемые как u1, u2 и u3, представляют пар, формируемый посредством соответствующего бойлера, и соответствующий расход топлива выражается как y11, y21, y3. Регулируемые переменные u11, u12 и u13 являются двоичными переменными, которые задают состояние бойлера как "выключен" или "включен". Пар из бойлера подается в паровую турбину, чтобы осуществлять работу генераторов. Выходная мощность из генераторов выражается как y12, y22, y32.

Система 12 управления используется для того, чтобы отслеживать и управлять различными рабочими параметрами электростанции 10 так, чтобы обеспечивать работу электростанции в оптимальных состояниях. Для оптимальной эксплуатации электростанции, как пояснено выше, одним из критических аспектов является оптимальное планирование нагрузки между различными FFPP-блоками, как показано на Фиг.1, и вычисление для оптимизированного решения выполняется в оптимизаторе 14.

В примерном варианте осуществления задача оптимизации планирования нагрузки состоит в том, чтобы удовлетворять потребности мощности посредством планирования нагрузки для трех FFPP-блоков согласно различным ограничениям, таким как минимизация затрат на топливо, затрат на пуск, эксплуатационных затрат, затрат вследствие выбросов и затрат в течение срока службы. Оптимизатор 14 принимает входные данные из электростанции и применяет технологии оптимизации для оптимального планирования нагрузки. На основе оптимального решения система 12 управления отправляет команды в различные органы управления в электростанции, чтобы управлять параметрами технологического процесса.

Согласно аспектам настоящей технологии, оптимизатор 14 включает в себя новые модули, чтобы обрабатывать вышеуказанные случаи несходимости решения с существующими ограничениями или в условиях, когда непонятно, что решение с существующими ограничениями является наилучшим решением. Эти новые модули и ассоциированные способы подробнее поясняются в отношении Фиг.2.

Фиг.2 изображает структурную схему оптимизатора 14 в системе 12 управления, как поясняется в отношении Фиг.1. Модули в оптимизаторе 14 используют входные данные из базы 28 данных электростанции, которая предоставляет статистические рабочие данные электростанции, модели 30 прогнозирования потребления мощности, которая предоставляет прогнозы будущего потребления мощности, пользовательские входные данные 32 для всех конкретных потребностей пользователя и модели 34 электростанции для предоставления моделированных данных для электростанции и электростанции 10 для предоставления текущих рабочих данных.

Оптимизатор 14 включает в себя модуль 36 нахождения решений по оптимизации, чтобы решать целевую функцию, например, согласно уравнениям 1-16, приведенным ниже.

В примерном способе оптимизации для вышеуказанной FFPP-электростанции рассматриваемая целевая функция является функцией стоимости, которая должна быть минимизирована, как задано уравнением 1. Задача оптимизации решается в ограничениях, как задано уравнениями 10-16, чтобы получать оптимальный план нагрузки для электростанции.

Оптимизация электростанции осуществляется посредством минимизации следующей функции стоимости посредством выбора оптимальных значений для u:

где

Каждый член в функции стоимости (J) поясняется ниже.

Cdem является штрафной функцией за неудовлетворение потребности электроэнергии в горизонте прогнозирования:

где является подходящим весовым коэффициентом, и , для t=T, ..., T+M-dt, является прогнозом потребления электроэнергии в пределах горизонта прогнозирования, а y12, y22, y32 представляют мощность, вырабатываемую посредством соответствующих генераторов. Здесь M является длиной горизонта прогнозирования, T является текущим временем, и dt является временным интервалом.

Cfuel является затратами на расход топлива, представленный в модели для FFPP посредством выводов y11, y21, y31, и тем самым совокупные затраты на расход топлива задаются следующим образом:

где ki fuel является затратами на расход yi1 топлива.

Cemission является затратами на уменьшение выбросов загрязняющих веществ (NOx, SOx, COx), вырабатываемых посредством электростанции, и задается следующим образом:

где ki emission является коэффициентом затрат для генерирования мощности yi2.

Cst startup является затратами на пуск паровой турбины, заданными посредством следующего:

где kst startup представляет положительный весовой коэффициент.

Cst fixed представляет фиксированные эксплуатационные затраты паровой турбины. Он является ненулевым только тогда, когда устройство работает, и он не зависит от уровня расхода пара.

где kst fixed представляет все фиксированные затраты (в час) вследствие использования турбины.

Cst life описывает амортизацию основных фондов вследствие эффекта нагрузки и задается следующим образом:

и, следовательно:

Здесь, является затратами в течение срока службы компонента, который может быть бойлером, турбиной или генератором для данной нагрузки, член в RHS уравнения 8 вычисляет норму EOH-потребления (в эквивалентных часах эксплуатации) относительно базисной нагрузки . Этот член должен быть умножен на общее время, в течение которого блок работает при этой нагрузке. Оптимизатор вычисляет EOH-потребление для каждого времени дискретизации и в конечном счете суммирует EOH-потребление в каждом проходе дискретизации в функцию стоимости.

Члены и т.д. являются аналогичными эквивалентным членам в паровой турбине, и их описание опускается.

Е является членом для доходов, полученных посредством продаж электричества и кредитов от торговли квотами на выбросы. Этот член должен принимать во внимание то, что только минимум между тем, что вырабатывается, и тем, что требуется, может быть продан:

где является коэффициентом затрат для вырабатываемой электроэнергии.

Вышеуказанная задача оптимизации имеет одно или более следующих ограничений.

a) Ограничения на минимальную и максимальную нагрузку для бойлеров и турбины, соединенных с генераторами, и т.д.:

b) Ограничения на постепенный рост и снижение:

c) Ограничения на минимальное время безотказной работы и время простоя.

Это ограничение обеспечивает определенное минимальное время безотказной работы и время простоя для блока. Минимальное время простоя означает, что если блок отключается, он должен оставаться в этом состоянии в течение, по меньшей мере, определенного периода времени. Идентичная логика применяется к минимальному времени безотказной работы. Это физическое ограничение, обеспечивает то, что оптимизатор не включает или не выключает блок слишком часто.

где toff является счетчиком, который начинает подсчет, когда блок отключается, и когда toff меньше минимального времени простоя, состояние блока должно быть отключенным состоянием.

d) Ограничения по установленной мощности резервных блоков:

e) Ограничения по установленной мощности соединительной линии и т.д.:

Типично, при получении оптимального вывода желательно учитывать все различные аспекты или члены в записи целевой функции в виде формулы, к примеру, Cemission, Cfuel, Clife и т.д. вместе со связанными ограничениями. Специалистам в данной области техники должно быть известно, что каждый из этих членов является функцией от регулируемых переменных u11, u12 и u13, и что ограничения связаны с этими регулируемыми переменными.

Как пояснено выше, когда несколько таких членов учитываются при записи целевой функции в виде формулы, решение целевой функции затрудняется, поскольку возникает уменьшение степени свободы для внесения изменений в рабочие параметры, т.е. в заданные значения для различного оборудования, чтобы обеспечить оптимальное решение по электростанции. Кроме того, существуют случаи, когда полученное решение может не быть наилучшим решением, как поясняется выше. Действия после возникновения этих случаев подробнее поясняются в данном документе ниже.

Модуль 38 анализа ограничений активируется, когда возникает состояние несходимости целевой функции или непонятно, является или нет решение, полученное посредством модуля 36 нахождения решений оптимизации, наилучшим решением, причем оба этих случая создают "событие", которое указывает необходимость адаптации одного или более ограничений. При детектировании такого события модуль 38 анализа ограничений активируется, чтобы вычислять новые значения ограничений для решения целевой функции.

Модуль 38 анализа ограничений определяет новые значения ограничений, как поясняется в отношении Фиг.3.

Ссылаясь теперь на Фиг.3, модуль 38 анализа ограничений включает в себя модуль 40 оценки адаптивных ограничений, чтобы выбирать одно или более адаптивных ограничений, т.е. ограничений, значения которых могут изменяться, и значений для этих адаптивных ограничений для решения целевой функции. В примерном варианте осуществления, модуль 40 оценки адаптивных ограничений анализирует с использованием модели 34 электростанции и целевой функции то, какая из регулируемых переменных может быть ослаблена через ограничения для оптимизации, упоминаемых в данном документе как "нежестко регулируемые переменные", и насколько с точки зрения значений, а также то, какая из регулируемых переменных не может быть ослаблена, упоминаемых в данном документе как "жестко регулируемые переменные". Соответственно, модуль 40 оценки адаптивных ограничений выбирает ограничения, которые должны быть ослаблены, которые упоминаются в данном документе как "адаптивные ограничения", и новые значения таких ограничений, упоминаемые в данном документе как "адаптивные значения ограничений", чтобы находить оптимальное решение.

В одном конкретном варианте осуществления, адаптивные ограничения и адаптивные значения ограничений также могут быть предварительно сконфигурированными, например, модуль 40 оценки адаптивных ограничений имеет предварительно сконфигурированные задания для требуемых значений ограничений, а также для допустимых адаптивных значений ограничений, предоставляющих возможность отклонения от требуемых значений ограничений (т.е. то, насколько может варьироваться значение ограничения, может предварительно задаваться). Допустимые адаптивные значения ограничений могут быть идентичными или находиться в пределах, указываемых изготовителем или разработчиком системы для того, чтобы управлять станцией.

Дополнительно, можно иметь приоритеты, которые заранее назначаются различным не жестко регулируемым переменным на основе их влияния и значимости относительно решения целевой функции (задачи минимизации). Приоритеты также могут быть определены так, чтобы выбирать адаптивные ограничения и адаптивные значения ограничений через такие технологии, как анализ чувствительности или анализ главных компонентов. В одном примере, самому чувствительному ограничению относительно решения целевой функции назначается наивысший приоритет, так что его значение выбирается первым в качестве адаптивного значения ограничения, чтобы решать целевую функцию.

Аналогично, также могут быть приоритеты, заранее назначаемые адаптивным значениям ограничений, т.е. в пределах допустимых значений для адаптивных ограничений может быть два или более набора значений, которые являются возможными, и они могут быть обеспечены приоритетом для выбора и использования. В этом варианте осуществления, модуль 40 оценки адаптивных ограничений выбирает предварительно сконфигурированные допустимые адаптивные значения ограничений на основе приоритета, уже заданного одновременно с ними, если он доступен.

В случае если отсутствие решения по-прежнему получается в результате после применения приоритезированного адаптивного ограничения, попытка получения решения может предприниматься посредством одновременного ослабления нескольких адаптивных ограничений на основе приоритетов.

В другом варианте осуществления, модуль 40 оценки адаптивных ограничений может развертывать такие технологии, как анализ главных компонентов, чтобы определять то, какая функция стоимости является наиболее значимой, и затем идентифицировать то, какая регулируемая переменная является значимым членом или доминирующим членом в качестве "нежестко регулируемой переменной" или "жестко регулируемой переменной", и использовать допустимые значения ограничений для того, чтобы моделировать (например, по методу Монте-Карло) и идентифицировать то, что может быть значением для не жестко регулируемой переменной, которое может быть подходящим в качестве адаптивного значения ограничения, максимально близкого к существующему (или желательному) значению ограничения, которое приводит к решению. В этом случае, через моделирование или посредством использования других статистических методов (способов, типично используемых при расчетах в экспериментах) определяется то, какие и сколько ограничений должны быть ослаблены, т.е. сколько адаптивных ограничений может учитываться и в какой степени, т.е. то, какими должны быть значения таких адаптивных ограничений. Можно понять, что определение адаптивных ограничений и их значения является другой задачей оптимизации, чтобы оптимально определять то, какие адаптивные ограничения должны быть ослаблены и насколько, чтобы создавать эффект, максимально приближенный к требуемым или рекомендуемым параметрам для электростанции.

Тем не менее, в другом примере, возможно то, что ни одно из выбранных адаптивных значений ограничений не удовлетворяет решению, т.е. целевая функция фактически является нерешаемой, даже если ослабляются несколько ограничений, ассоциированных с соответствующими не жестко регулируемыми переменными. В этом случае, ограничения, ассоциированные с жестко регулируемыми переменными, также могут быть ослаблены на основе приоритета (наименьший приоритет ослабляется первым) или согласно определению через моделирование, чтобы находить состояния, которые обеспечивают решение. Это решение, хотя и является субоптимальным решением (не вытекающим из требуемых ограничений), выбирается так, что оно удовлетворяет целевой функции.

В еще одном другом варианте осуществления, в котором модуль 38 анализа ограничений активируется, поскольку непонятно, является или нет решение, полученное с текущими ограничениями, наилучшим решением, в этом сценарии модуль анализа рассматривает существующие значения ограничений (заданные в пределах допустимых значений ограничений), жестко регулируемые переменные и не жестко регулируемые переменные для того, чтобы находить новое решение. Можно отметить, что такая активация может выполняться периодически и намеренно для того, чтобы определять то, является или нет фактически осуществленное решение наилучшим решением, т.е. такие события происходят предварительно запрограммированным способом после каждого конечного цикла. Альтернативно, такое событие также может инициироваться пользователем.

Модуль 40 оценки адаптивных ограничений выбирает ассоциированные ограничения как для жестко, так и для не жестко регулируемых переменных для адаптации их значений, так что жестко регулируемые переменные не затрагиваются или они дополнительно ужесточаются для улучшения решения. Таким образом, здесь вместо только ослабления ограничений, некоторые ограничения ужесточаются, а некоторые другие ослабляются. Это обеспечивает получение решения, и это решение также является наилучшим из возможных решений (более стабильным и преимущественным решением за долгосрочный период).

В случае если значения адаптивных ограничений определяются через моделирование, адаптивные значения ограничений могут быть выбраны в качестве допустимых значений ограничений в качестве начальных состояний, и новые адаптивные значения ограничений находятся алгоритмически, при этом некоторые значения адаптивных ограничений предназначены для жестко регулируемых переменных, и значения являются такими, что они помогают управлять станцией с максимально жестким значением для жестко регулируемой переменной. Такая операция может быть преимущественной, когда функции, являющиеся результатом жестко регулируемой переменной, влияют на несколько аспектов/функций станции, и более жесткое управление жестко регулируемой переменной помогает обеспечить лучшее управление всеми связанными аспектами/функциями станции.

Модуль 38 анализа ограничений тем самым находит оптимальное решение целевой функции, т.е. оптимальное решение по планированию нагрузки, которое отправляется в систему управления для дальнейших действий посредством системы управления, чтобы доставлять заданные значения через контроллеры технологического процесса для управления параметрами различного оборудования в электростанции.

В другом варианте осуществления, модуль 38 анализа ограничений может включать в себя дополнительные модули, например модуль 40 определения, чтобы анализировать влияние использования адаптивных значений ограничений на работу электростанции в краткосрочном и долгосрочном периоде. Термин "краткосрочный эффект влияния" при использовании в данном документе используется для того, чтобы указывать немедленный эффект влияния новых значений (рекомендованных адаптивных значений ограничений, которые должны использоваться в задаче оптимизации). Специалисты в данной области техники должны принимать во внимание, что когда электростанция управляется посредством решения, полученного посредством изменения, по меньшей мере, одного из ограничений от первых значений, т.е. использования адаптивных значений ограничений, должен быть эффект влияния на общую работу электростанции, отличающийся от первых значений и влияющий на электростанцию по-иному относительно влияния первых значений. Это влияние упоминается как связанное с термином "долгосрочный эффект".

В долгосрочном периоде нежелательно, чтобы работа электростанции нежелательным образом отклонялась от ожидаемой траектории, и поскольку долгосрочный эффект является результатом состояния, отличающегося от начальных или требуемых состояний, выражаемых с помощью целевой функции с начальными или требуемыми ограничениями, модуль определения сравнивает влияние адаптивных ограничений в долгосрочном периоде, чтобы помогать принятию решений.

В одном варианте осуществления, целевая функция модифицируется так, что она включает в себя компенсирующий член, чтобы компенсировать эффект влияния на работу электростанции в долгосрочном периоде посредством использования адаптивных ограничений. Компенсирующий член вычисляется посредством адаптивного 42 модуля штрафов за долгосрочный период (долгосрочный период - это горизонт прогнозирования или период времени, в течение которого модель электростанции, модули прогнозирования и такие данные, как прогноз потребления, могут быть надежно использованы для того, чтобы прогнозировать траекторию модели станции). Модифицированная целевая функция, которая включает в себя компенсирующий член, проверяется, чтобы выявлять то, обеспечивает или нет использование адаптивных значений ограничений какую-либо существенную выгоду в работе электростанции, как показано в уравнениях 17 и 18, приведенных ниже в разделе "Пример". Выгода также может выявляться относительно других альтернативных решений в любом промежутке времени в пределах горизонта прогнозирования.

В другом варианте осуществления, модуль 40 определения может выполнять поиск на предмет вмешательства пользователя или использовать сконфигурированные значения значимости для того, чтобы определять то, должен или нет оптимизатор продолжать модификацию, выполняемую с использованием адаптивных ограничений на основе преимущества за долгосрочный период.

В другом варианте осуществления, модуль определения может быть использован для того, чтобы сравнивать новое решение, т.е. значение целевой функции с адаптивными ограничениями, с решением, полученным до применения адаптивных ограничений, и наблюдать эффект влияния обоих из этих решений в краткосрочном или долгосрочном периоде. После этого выбор основан на значениях, которые являются преимущественными для станции (без слишком больших побочных влияний, выражаемых как компенсирующий член, при этом побочные влияния являются менее значимыми, чем преимущества от нового решения, являющиеся результатом адаптированных ограничений).

Пример, иллюстрирующий некоторые аспекты способа, описанного в данном документе выше, представляется ниже для более ясного понимания изобретения.

Пример

Снова ссылаясь на Фиг.1, предполагается, что электрогенераторы G1, G2 и G3 управляются номинально (с типичным значением) для генерирования 45 МВт и имеют максимальную установленную мощность для генерирования электроэнергии в 50 МВт. Здесь, номинальная установленная мощность используется в качестве верхней границы для ограничения по установленной мощности генератора (желательного ограничения) в задаче оптимизации. В случаях, когда требуемое потребление является высоким, поддержание номинальной установленной мощности в качестве верхней границы может приводить к "отсутствию решения" или к решению с высоким штрафом за неудовлетворение потребления. Для таких случаев значения ограничений адаптируются так, чтобы иметь верхнюю границу между номинальным и максимальным значением, чтобы находить оптимальное решение. Способ адаптации ограничений поясняется в следующем разделе.

Значение функции стоимости с текущим значением ограничений, т.е. с верхней границей для всех генераторов как 45 МВт, получается из модуля нахождения решений по оптимизации по Фиг.2. Эта функция стоимости используется в модуле оценки адаптивных ограничений модуля анализа ограничений (Фиг.3) для того, чтобы находить доминирующие члены функции стоимости в уравнении 1 и доминирующие переменные, которые участвуют в функции стоимости. Доминирующие переменные идентифицируются с использованием такого инструментального средства статистического анализа, как анализ главных компонентов (PCA). Например, рассмотрим случай, в котором все генераторы G1, G2 и G3 имеют номинальную установленную мощность в 45 МВт. Допустим, что G1 имеет наименьшие эксплуатационные затраты из всех трех, и G2 имеет меньшие эксплуатационные затраты, чем G3. Из модели прогнозирования, если потребление мощности меньше 135 МВт, то оптимизатор должен выбирать эксплуатацию всех трех генератора при значении, меньшем или равном их номинальному значению в 45 МВт, чтобы удовлетворять потребности мощности. Но если потребность мощности составляет 140 МВт, то часть установленной мощности генераторов должна управляться вплоть до максимальной установленной мощности в 50 МВт, чтобы удовлетворять потребности мощности. Модуль оценки адаптивных ограничений использует модель электростанции (к примеру, взаимосвязь между амортизационными затратами и нагрузкой, как задано в уравнении 8) наряду с PCA-технологией для того, чтобы определять, какое ограничение по установленной мощности генератора должно быть ослаблено до максимального значения в 50 МВт, чтобы удовлетворять ограничению на потребность. Этот анализ, скажем, идентифицирует члены Cdem и Cst,life функции стоимости в качестве доминирующих членов функции стоимости в функции стоимости, заданной в уравнении 1. Также предполагается, что анализ идентифицирует установленную мощность генераторов G1 и G2 как доминирующую переменную, и ее верхнее граничное значение ограничения по установленной мощности преимущественно может ослабляться до 50 МВт. Моделирование по методу Монте-Карло может быть использовано для того, чтобы идентифицировать новые значения ограничений, соответствующие доминирующим переменным (также с учетом статистических доверительных пределов), которые задают наименьшее значение функции стоимости.

Согласно примеру, изменение верхней границы ограничения по установленной мощности в уравнении 10 для генераторов G1 и G2 между 45 МВт и 50 МВт может приводить к снижению эффективности генератора. Результаты моделирования могут быть использованы при определении оптимального значения между 45 и 50 МВт, которое дает наименьшее значение функции стоимости, а также при рассмотрении значения EOH (в эквивалентных часах эксплуатации) генератора. Верхняя граница ограничения yi,max по установленной мощности, как задано в уравнении 10, изменяется на основе результатов анализа. Значение функции краткосрочной стоимости (JST) на основе адаптированных ограничений вычисляется с использованием уравнения 1 с адаптированным значением ограничения в уравнении 10, может не учитывать следствие использования новых адаптированных значений ограничений, и может быть желательным использовать целевую функцию, которая учитывает долгосрочный эффект влияния для таких целей.

Адаптивный модуль штрафов использует прогноз потребления и модель электростанции для того, чтобы вычислять штрафное значение адаптации значения ограничения для долгосрочного периода. Это штрафное значение используется в качестве аддитивного члена к функции краткосрочной стоимости, чтобы вычислять значение функции долгосрочной стоимости (JLT), как задано уравнением 17. В рассматриваемом примере, JLT задается уравнением 18.

где Clife является амортизационными затратами, вычисленными из уравнения 8, при управлении генераторами G1 и G2 с адаптированным значением ограничения по установленной мощности за долговременный горизонт. Применимость функции краткосрочной стоимости или функции долгосрочной стоимости основана на режиме (например, прогнозе потребления и использовании ослабленных ограничений) станции, следовательно, она лучше определяется на основе предварительно сконфигурированных значений значимости или вмешательства пользователя, упрощаемого посредством модуля определения. Новое адаптированное значение ограничения может быть использовано в решении по оптимизации только в том случае, если преимущество от снижения штрафа от неудовлетворения потребления посредством управления генераторами в диапазоне выше номинальных значений является существенным по сравнению со штрафом, ассоциированным с амортизацией генераторов.

Хотя только конкретные признаки вариантов изобретения проиллюстрированы и описаны в данном документе, различные модификации и изменения должны быть очевидными специалистам в данной области техники. Следовательно, необходимо понимать, что прилагаемая формула изобретения имеет намерение охватывать все эти модификации и изменения как попадающие в пределы сущности изобретения.

Похожие патенты RU2533054C2

название год авторы номер документа
СПОСОБ И СИСТЕМА УПРАВЛЕНИЯ ДЛЯ ПЛАНИРОВАНИЯ НАГРУЗКИ ЭЛЕКТРОСТАНЦИИ 2010
  • Селварадж Гопинатх
  • Сундарам Сентхил Кумар
  • Шанмугам Мохан Кумар
  • Бхат Шрикант
RU2523191C2
СИСТЕМА И СПОСОБ ОПТИМИЗАЦИИ ДВИЖЕНИЯ ПОЕЗДА 2007
  • Кумар Аджит Куттаннаир
  • Даум Вольфганг
RU2501695C2
ОПТИМИЗИРОВАННОЕ ИНТЕГРИРОВАННОЕ УПРАВЛЕНИЕ ДЛЯ ЭЛЕКТРОСТАНЦИИ, РАБОТАЮЩЕЙ НА СЖИГАНИИ КИСЛОРОДНОГО ТОПЛИВА 2011
  • Лоу Синьшэн
RU2559416C2
СИСТЕМА И СПОСОБ ДЛЯ ОПТИМИЗАЦИИ РАБОТЫ ПОЕЗДА С УЧЕТОМ ПАРАМЕТРОВ ВАГОНА 2007
  • Даум Вольфганг
  • Херши Джон Эрик
  • Пельтц Дэвид Майкл
  • Шэффер Гленн Роберт
  • Ноффсингер Джозеф Форест
  • Борнтраегер Джон
  • Кумар Аджит
RU2605648C2
СИСТЕМА И СПОСОБ ДЛЯ ОПТИМИЗАЦИИ РАБОТЫ ПОЕЗДА С УЧЕТОМ ПАРАМЕТРОВ ВАГОНА 2007
  • Даум Вольфганг
  • Херши Джон Эрик
  • Пельтц Дэвид Майкл
  • Шэффер Гленн Роберт
  • Ноффсингер Джозеф Форест
  • Борнтраегер Джон
  • Кумар Аджит
RU2470814C2
СИСТЕМА И СПОСОБ ОПТИМИЗАЦИИ РЕЙСА ДЛЯ ТРАНСПОРТНОГО СРЕДСТВА 2007
  • Кумар Аджит Куттаннаир
RU2481988C2
МНОГОУРОВНЕВАЯ СИСТЕМА И СПОСОБ ОПТИМИЗАЦИИ РАБОТЫ ЖЕЛЕЗНОДОРОЖНОГО ТРАНСПОРТА 2004
  • Кумар Аджит К.
  • Хоупт Пол К.
  • Мате Стефен С.
  • Джулич Пол М.
  • Кайсак Джеффри
  • Шэффер Гленн
  • Нельсон Скотт Д.
RU2359857C2
СПОСОБ И СИСТЕМА ДЛЯ ОПТИМИЗАЦИИ ИСПОЛЬЗОВАНИЯ СУДОВЫХ ИСТОЧНИКОВ ЭНЕРГИИ 2006
  • Торстейнссон Йон Агуст
RU2415773C2
ОПТИМИЗИРОВАННОЕ РЕГУЛИРОВАНИЕ ЗАГРЯЗНЕНИЯ ВОЗДУШНОЙ СРЕДЫ 2005
  • Бойден Скотт А.
  • Пихе Стефен
RU2381540C2
СПОСОБ, СИСТЕМА И КОМПЬЮТЕРНЫЙ ПРОГРАММНЫЙ КОД ДЛЯ ОПТИМИЗАЦИИ РЕЙСА С ПОМОЩЬЮ ПОПОЛНЕНИЯ БАЗЫ ДАННЫХ ЖЕЛЕЗНОДОРОЖНЫХ СОСТАВОВ/ПУТЕЙ 2007
  • Кумар Аджит
  • Шэффер Гленн Роберт
RU2469387C2

Иллюстрации к изобретению RU 2 533 054 C2

Реферат патента 2014 года СПОСОБ И СИСТЕМА ОПТИМИЗАЦИИ ТЕХНОЛОГИЧЕСКОГО ПРОЦЕССА ДЛЯ ЭЛЕКТРОСТАНЦИИ

Изобретение относится к системе и способу для оптимизации технологического процесса для электростанции, в частности к оптимизации планирования нагрузки в электростанции посредством использования адаптивных ограничений. Технический результат - возможность минимизировать время генерирования электроэнергии. Способ и соответствующая система включают в себя детектирование события, указывающего необходимость адаптации одного или более ограничений целевой функции, используемой при планировании нагрузки. При таком детектировании целевая функция анализируется для определения адаптивных значений ограничений для одного или более ограничений для оптимального решения целевой функции. Эти адаптивные значения ограничений используются для решения целевой функции, и решение целевой функции с одним или более адаптированными значениями ограничений используется для того, чтобы управлять одним или более блоками генерирования электроэнергии электростанции. 2 н. и 7 з.п. ф-лы, 3 ил.

Формула изобретения RU 2 533 054 C2

1. Способ оптимизации планирования нагрузки для электростанции, имеющей один или более блоков генерирования электроэнергии, при этом способ содержит этапы, на которых:
детектируют событие, указывающее необходимость адаптации одного или более ограничений для целевой функции, используемой при планировании нагрузки;
анализируют целевую функцию, чтобы определять адаптивные значения ограничений для одного или более ограничений для оптимального решения целевой функции;
используют адаптивные значения ограничений для одного или более ограничений для решения целевой функции; и
используют решение целевой функции с одним или более адаптированными значениями ограничений для управления одним или более блоками генерирования электроэнергии электростанции; причем
на этапе анализа целевой функции определяют долгосрочный эффект и краткосрочный эффект влияния на планирование нагрузки вследствие использования адаптивных значений ограничений до применения адаптивных значений ограничений.

2. Способ по п.1, в котором этап анализа целевой функции содержит этапы, на которых:
определяют одну или более регулируемых переменных вместе с соответствующими приоритетами, которые являются доминирующими членами в целевой функции; и
выбирают одно или более адаптивных значений ограничений для одной или более регулируемых переменных.

3. Способ по п.2, в котором одно или более адаптивных значений ограничений являются предварительно сконфигурированными и имеют заранее назначенные ассоциированные приоритеты.

4. Способ по п.2, в котором одно или более адаптивных значений ограничений оценивают с использованием анализа чувствительности.

5. Способ по п.2, в котором регулируемые переменные являются, по меньшей мере, одними из не жестко регулируемых переменных или жестко регулируемых переменных.

6. Способ по п.5, в котором этап анализа целевой функции дополнительно содержит этапы, на которых:
выбирают одно или более адаптивных ограничений для ослабления и/или ужесточения на основе не жестко регулируемых переменных и жестко регулируемых переменных; и
оценивают адаптивные значения ограничений для выбранного одного или более адаптивных ограничений.

7. Способ по п.1, в котором долгосрочный эффект влияния определяют посредством модификации целевой функции так, что она включает в себя компенсирующий член, чтобы компенсировать долгосрочный эффект влияния на электростанцию посредством использования решения целевой функции с одним или более адаптированных значений ограничений.

8. Модуль анализа ограничений в оптимизаторе для оптимизации планирования нагрузки для электростанции, имеющей один или более блоков генерирования электроэнергии, причем модуль анализа ограничений содержит:
модуль оценки адаптивных ограничений для детектирования события, указывающего необходимость адаптации одного или более ограничений целевой функции, используемой при планировании нагрузки, для анализа целевой функции, чтобы определять адаптивные значения ограничений для одного или более ограничений для оптимального решения целевой функции, и для использования адаптивных значений ограничений для одного или более ограничений с тем, чтобы решать целевую функцию,
модуль принятия решения для выбора адаптивных значений ограничений на основе долгосрочного эффекта и краткосрочного эффекта влияния на электростанцию вследствие использования адаптивных значений ограничений,
при этом оптимизатор использует решение целевой функции с одним или более адаптивных значений ограничений, чтобы формировать заданные значения, которые используются для управления одним или более блоками генерирования электроэнергии.

9. Модуль анализа ограничений по п.8, дополнительно содержащий адаптивный модуль штрафов вычисления компенсирующего члена, соответствующего эффекту использования одного или более адаптивных значений ограничений в долгосрочном планировании нагрузки.

Документы, цитированные в отчете о поиске Патент 2014 года RU2533054C2

Станок для изготовления деревянных ниточных катушек из цилиндрических, снабженных осевым отверстием, заготовок 1923
  • Григорьев П.Н.
SU2008A1
Способ приготовления мыла 1923
  • Петров Г.С.
  • Таланцев З.М.
SU2004A1
Способ и приспособление для нагревания хлебопекарных камер 1923
  • Иссерлис И.Л.
SU2003A1
US 5640491, 17.06.1997
УСТРОЙСТВО ДЛЯ АВТОМАТИЧЕСКОГО УПРАВЛЕНИЯ ПРОЦЕССОМ ДРОБЛЕНИЯ МАТЕРИАЛА 2001
  • Зобнин Б.Б.
  • Куркин В.М.
  • Боровков В.А.
  • Народицкий Александр Геннадьевич
  • Леушин В.Н.
RU2204438C1
КАСКАДНОЕ РЕГУЛИРОВАНИЕ ДЛЯ ЗАДАНИЯ ТРЕБУЕМОГО СРЕДНЕГО ЗНАЧЕНИЯ ТЕХНОЛОГИЧЕСКОГО ПАРАМЕТРА 2005
  • Бойден Скотт А.
  • Пихе Стефен
RU2343525C2
МЕХАНИЧЕСКАЯ ФОРСУНКА 1926
  • Варганов В.А.
SU8413A1

RU 2 533 054 C2

Авторы

Шанмугам Мохан Кумар

Сундарам Сентхил Кумар

Селварадж Гопинатх

Бхат Шрикант

Даты

2014-11-20Публикация

2010-05-13Подача