一種供熱鍋爐集群優(yōu)化運行方法及系統(tǒng)的制作方法
【專利摘要】本發(fā)明涉及一種供熱鍋爐集群優(yōu)化運行方法及系統(tǒng)，本供熱鍋爐集群優(yōu)化運行方法包括：步驟S1，建立鍋爐集群中各鍋爐的特性模型；以及步驟S2，計算鍋爐集群的負荷分配；本發(fā)明的供熱鍋爐集群優(yōu)化運行方法及系統(tǒng),采用模糊聚類(FCM)數(shù)據(jù)分析方法，對每臺鍋爐的大量歷史數(shù)據(jù)進行分析，獲得不同鍋爐在負荷和運行條件不同的條件下，燃料的消耗和污染物排放特性，從而建立了鍋爐特性的模型；然后利用非支配排序遺傳算法(NSGA)求解熱源廠鍋爐組合多目標優(yōu)化問題，優(yōu)化了熱水生產(chǎn)負荷分配，降低燃料消耗和污染物的排放。
【專利說明】
一種供熱鍋爐集群優(yōu)化運行方法及系統(tǒng)
技術(shù)領(lǐng)域
[0001 ]本發(fā)明屬于供暖供熱領(lǐng)域，具體涉及一種供熱鍋爐集群優(yōu)化運行方法及系統(tǒng)。
【背景技術(shù)】
[0002] 在集中供熱領(lǐng)域，通常熱源廠中有多臺熱電聯(lián)產(chǎn)鍋爐、尖峰熱水鍋爐聯(lián)合運行完 成熱水的生產(chǎn)，鍋爐屬于大型熱工設(shè)備，由于制造、安裝、運行等條件不同，各臺鍋爐的實際 運行性能存在一定量的差異，即每臺鍋爐生產(chǎn)單位熱量的造成的燃料消耗和污染物的排放 量不同，在總的熱水溫度和流量需求一定的條件下，目前熱源廠生產(chǎn)管理憑經(jīng)驗來進行負 荷分配，對于整體鍋爐集群運行難以達到最優(yōu)。如何通過熱水鍋爐組合優(yōu)化，分配熱水生產(chǎn) 任務(wù)，降低燃料消耗和污染物的排放是需要研究的問題。

【發(fā)明內(nèi)容】

[0003] 本發(fā)明的目的是提供一種供熱鍋爐集群優(yōu)化運行方法及系統(tǒng)，以解決對熱水生產(chǎn) 負荷分配進行優(yōu)化，降低燃料消耗和污染物的排放的技術(shù)問題。
[0004] 為了解決上述技術(shù)問題，本發(fā)明提供了一種供熱鍋爐集群優(yōu)化運行方法，其特征 在于，包括如下步驟：
[0005] 步驟S1，建立鍋爐集群中各鍋爐的特性模型；以及
[0006] 步驟S2,計算鍋爐集群的負荷分配。
[0007] 進一步，所述步驟S1中建立鍋爐集群中各鍋爐的特性模型，即
[0008] 采用模糊聚類算法建立各鍋爐的特性模型，以及
[0009] 根據(jù)所述特性模型獲得鍋爐運行的特性函數(shù)；
[0010] 所述特性函數(shù)即描述鍋爐在相應(yīng)負荷率、給水溫度和給水流量的條件下，生產(chǎn)單 位熱量所對應(yīng)的鍋爐燃料消耗量和污染物排放量的函數(shù)關(guān)系。
[0011] 進一步，采用模糊聚類算法建立各鍋爐的特性模型的方法包括如下步驟：
[0012] 步驟S11，采集建立特性模型所需的歷史運行的樣本數(shù)據(jù)；
[0013] 所述樣本數(shù)據(jù)包括：
[0014] GenPer:鍋爐負荷率，單位％;
[0015] WaterinT:鍋爐給水溫度，單位。C ;
[0016] Mf low :鍋爐給水流量，單位t/h;
[0017] CostOne:生產(chǎn)單位熱量所對應(yīng)的燃料消耗量，單位GJ/GJ;
[0018] ΕΜ_Ν0χ:生產(chǎn)單位熱量所產(chǎn)生的NOx污染物排放量，單位kg/GJ;
[0019] EM_S〇2:生產(chǎn)單位熱量所產(chǎn)生的S〇2污染物排放量，單位kg/GJ。
[0020] 步驟S12,基于歷史運行樣本數(shù)據(jù)，采用模糊聚類算法獲得樣本數(shù)據(jù)的聚類中心， 且對聚類中心數(shù)據(jù)進行插值，以獲得鍋爐運行的特性函數(shù)。
[0021] 進一步，采用模糊聚類算法獲得樣本的聚類中心，且對聚類中心數(shù)據(jù)進行插值再 處理，獲得鍋爐運行的特性函數(shù)的方法包括如下步驟：
[0022] 步驟S121，初始化:給定聚類類別數(shù)c，權(quán)值因子m，設(shè)定迭代停止閾值ε，設(shè)置迭代 計數(shù)次數(shù)k，初始化聚類原型V(k)，且k = 0;
[0023] 模糊聚類算法描述如下：
[0028] 式中：U=[Ulj]是一個cXn的模糊劃分矩陣，c為給定聚類類別數(shù)，權(quán)值因子m(m> 1，且一般取值為2)，Uij為第j個樣本到第i個聚類中心的隸屬度，dij=| |xj_vi| |是樣本Xj和 聚類中心^的歐式空間距離；
[0029] xj= (GenPer, Water inT ,Mf low, CostOne ,EM_NOXjEM_S〇2)
[0030] 步驟S122,根據(jù)，根據(jù)下式更新模糊劃分矩陣U(k+1):
[0031] 若對于任意j，r，j為樣本個數(shù)，r為公式中聚類中心的序號，drj(k)表示k次迭代獲 得的樣本&和聚類中心的歐式空間距離;若如(k)>0V (k)，則有
[0033] 若對于任意j，r，使得drj = 〇，則令:Uij = 1且對i關(guān)r，Uij = 0;
[0034]步驟S123,根據(jù)U(k)，按照下式計算新的聚類中心V(k+1):
[0036] 步驟S124,判定閾值，比較V(k+1)和V(k)，若| |V(k+1)_V(k)| | <ε，則停止迭代，否則令k = k+l，轉(zhuǎn)到步驟S122;
[0037] 計算得到聚類中心V，輸出聚類中心，獲得鍋爐的特性模型；
[0038]步驟S125,插值計算以獲得鍋爐運行的特性函數(shù)，即
[0039] 在沿鍋爐負荷率GenPer方向上每隔1%的地方進行插值，從而獲得鍋爐運行的特 性函數(shù)
[0040] (CostOne ,EM_NOx,EM_S〇2) =FuncOne(GenPer,ffaterinT,Mf low) 〇
[0041] 進一步，所述步驟S2中計算鍋爐集群的負荷分配的方法，即
[0042] 采用非支配排序遺傳算法計算鍋爐集群的負荷分配。
[0043] 進一步，采用非支配排序遺傳算法計算鍋爐集群的負荷分配的方法包括如下步 驟：
[0044] 步驟S21，建立鍋爐集群優(yōu)化運行的目標函數(shù)；以及
[0045] 步驟S22,采用非支配排序遺傳算法求解優(yōu)化目標下的最優(yōu)負荷分配。
[0046] 進一步，所述步驟S21目標函數(shù)的優(yōu)化目標包括:最小化生產(chǎn)單位熱量的燃料消 耗、最小化生產(chǎn)單位熱量產(chǎn)生的污染物排放n〇 x、s〇2;
[0047] 對優(yōu)化目標分別進行降維處理，即構(gòu)建污染物排放綜合指標：
[0048] Rex = EM_N0x X γ i+EM_S〇2 X γ 2
[0049]其中:Rex為污染物排放綜合指標，γ ι和γ 2為權(quán)重系數(shù)，γ ι+ γ 2=1。
[0050]所建立的鍋爐集群優(yōu)化運行的目標函數(shù)如下：
[0053]約束條件如下：
[0054] (1) (CostOne ,EM_NOx,EM_S〇2) =FuncOne(GenPer,WaterinT,Mf low)；
[0055] (2)Rex = EM_N0xX yi+EM_S02X y2；
[0060] (7)PerMins<GenPers<PerMax s ；
[0061] (8)Runs = 0或 1;
[0062] (9) DLoads = GenPers X Dbmcrs ；
[0063] (10)GenPers = FuncH(Ms ,TS ,PS)/Dbmcrs ；
[0064] (ll)Tmin<Ts<Tmax；
[0065] (l2)Mmin<Mfl〇Ws<Mmax；
[0066] 其中：
[0067] Mneed:熱水流量需求，單位t/h;
[0068] Tneed:熱水溫度需求，單位。C ;
[0069] Dneed:需求熱量，根據(jù)溫度和流量計算，為熱水的總焓值，GJ/h;
[0070] FuncOne: CostOne，EM_N0x，EM_S02隨鍋爐負荷率，給水溫度，給水流量變化的特性 函數(shù)；
[0071] FuncH:根據(jù)流量，溫度，壓力求焓值，根據(jù)水和水蒸氣性質(zhì)計算；
[0072] WaterinT:鍋爐給水溫度，單位。C ;
[0073 ] Mf 1 ows:第s臺鍋爐的給水流量，單位t/h;
[0074] DLoads:第s臺鍋爐出口的熱量，單位GJ/h;
[0075] DbackLoad:備用熱量，指的是在未來一段時間可能需要增加的量，單位GJ/h;
[0076] Tmax:熱水鍋爐熱水最高溫度，單位°C ;
[0077] Tmin:熱水鍋爐熱水最低溫度，單位°C ;
[0078] Mmax:熱水鍋爐熱水最高流量，單位t/h;
[0079] Mmin:熱水鍋爐熱水最低流量，單位t/h;
[0080] Pneed:熱水出口的壓力，單位Mpa，取鍋爐額定壓力；
[0081 ] Ms:各臺鍋爐的熱水流量，單位t/h;
[0082] Ts:各臺鍋爐的熱水溫度，單位°C;
[0083] Ps:各臺鍋爐的熱水壓力，單位Mpa;
[0084] Dbmcrs:第S臺鍋爐的最大生產(chǎn)熱量，單位GJ/h;
[0085] GenPers:第s臺鍋爐的負荷率；
[0086] PerMaXs:第s臺鍋爐的最大負荷率；
[0087] PerMins:第s臺鍋爐的最小負荷率；
[0088] Runs:第s臺鍋爐是否啟用，啟用為1，停止使用為0;
[0089] Rex:污染物排放綜合指標；
[0090] γ 1:污染物排放權(quán)重系數(shù)一；
[0091 ] γ 2:污染物排放權(quán)重系數(shù)二；
[0092] α1:流量控制下限參數(shù)；
[0093] α2:流量控制上限參數(shù)；
[0094] ε1:熱量余量控制下限參數(shù)；
[0095] ε2:熱量余量控制上限參數(shù)。
[0096] 進一步，所述步驟S22中采用非支配排序遺傳算法求解優(yōu)化目標下的最優(yōu)負荷分 配的方法包括如下步驟：
[0097] 步驟S221，初始化父代種群，采用實數(shù)編碼產(chǎn)生表示各臺鍋爐負荷率、供水溫度和 供水流量的群體；
[0098] 步驟S222，計算種群中個體目標值并進行非支配排序；
[0099] 步驟S223,通過遺傳算法的選擇、交叉、變異得到第一代子代種群；
[0100]步驟S224，從第二代開始，將父代種群與子代種群合并，進行快速非支配排序，同 時對每個非支配層中的個體進行擁擠度計算；
[0101] 步驟S225,根據(jù)非支配關(guān)系以及個體的擁擠度選取合適的個體組成新的父代種 群，回到步驟S222;直至通過非支配排序遺傳算法得到Pareto最優(yōu)解集，即獲得負荷分配的 最優(yōu)值。
[0102] 又一方面，本發(fā)明提供了 一種供熱鍋爐集群優(yōu)化系統(tǒng)，包括：
[0103] 建模單元，建立鍋爐集群中各鍋爐的特性模型；
[0104] 與建模單元相連的負荷分配單元，該負荷分配單元用于計算鍋爐集群的負荷分 配。
[0105] 本發(fā)明的有益效果是，本發(fā)明的供熱鍋爐集群優(yōu)化運行方法及系統(tǒng)采用模糊聚類 (FCM)數(shù)據(jù)分析方法，對每臺鍋爐的大量歷史數(shù)據(jù)進行分析，獲得不同鍋爐在負荷和運行條 件不同的條件下，燃料的消耗和污染物排放特性，從而建立了鍋爐特性的模型;然后利用非 支配排序遺傳算法(NSGA)求解熱源廠鍋爐組合多目標優(yōu)化問題，優(yōu)化了熱水生產(chǎn)負荷分 配，降低燃料消耗和污染物的排放。
【附圖說明】
[0106] 下面結(jié)合附圖和實施例對本發(fā)明進一步說明。
[0107] 圖1是本發(fā)明一種供熱鍋爐集群優(yōu)化運行方法的流程圖；
[0108] 圖2是本發(fā)明中采用非支配排序遺傳算法求解優(yōu)化目標下的最優(yōu)負荷分配的方法 流程圖。
【具體實施方式】
[0109] 現(xiàn)在結(jié)合附圖對本發(fā)明作進一步詳細的說明。這些附圖均為簡化的示意圖，僅以 示意方式說明本發(fā)明的基本結(jié)構(gòu)，因此其僅顯示與本發(fā)明有關(guān)的構(gòu)成。
[0110] 實施例1
[0111] 如圖1所示，本發(fā)明的一種供熱鍋爐集群優(yōu)化運行方法，包括如下步驟：
[0112] 步驟S1，建立鍋爐集群中各鍋爐的特性模型；以及步驟S2,計算鍋爐集群的負荷分 配。
[0113] 所述步驟S1中建立鍋爐集群中各鍋爐的特性模型，即采用模糊聚類算法建立各鍋 爐的特性模型，以及根據(jù)所述特性模型獲得鍋爐運行的特性函數(shù)FuncOneO;所述特性函數(shù) 即描述鍋爐在相應(yīng)負荷率、給水溫度和給水流量的條件下，生產(chǎn)單位熱量所對應(yīng)的鍋爐燃 料消耗量和污染物排放量的函數(shù)關(guān)系。
[0114] 采用模糊聚類算法建立各鍋爐的特性模型的方法包括如下步驟：
[0115] 步驟S11，采集建立特性模型所需的歷史運行的樣本數(shù)據(jù)；
[0116] 所述樣本數(shù)據(jù)包括：
[0117] GenPer:鍋爐負荷率，單位％;
[0118] WaterinT:鍋爐給水溫度，單位。C ;
[0?19] Mf low:鍋爐給水流量，單位t/h;
[0120] CostOne:生產(chǎn)單位熱量所對應(yīng)的燃料消耗量，單位GJ/GJ;
[0121 ] ΕΜ_Ν0χ:生產(chǎn)單位熱量所產(chǎn)生的N0x污染物排放量，單位kg/GJ;
[0122] EM_S02:生產(chǎn)單位熱量所產(chǎn)生的S02污染物排放量，單位kg/GJ。
[0123] 步驟S12,基于歷史運行樣本數(shù)據(jù)，采用模糊聚類算法獲得樣本數(shù)據(jù)的聚類中心， 且對聚類中心數(shù)據(jù)進行插值，以獲得鍋爐運行的特性函數(shù)。
[0124] 模糊聚類算法求解樣本聚類中心的問題表述如下：
[0125] 設(shè)鍋爐樣本數(shù)據(jù)集合I = -Xj c1及S，n為樣本個數(shù)，&是特征空間RS 的一個有限數(shù)據(jù)集合，s = 6，
[0126] xj = (GenPer,WaterinT，Mflow,CostOne，EM_NOx，EM_S〇2)，把集合劃分為c類，其中 2 < c < n〇
[0127] 采用模糊聚類算法獲得樣本的聚類中心，且對聚類中心數(shù)據(jù)進行插值再處理，獲 得鍋爐運行的特性函數(shù)的方法包括如下步驟：
[0128] 步驟S121，初始化:給定聚類類別數(shù)c，權(quán)值因子m，設(shè)定迭代停止閾值ε且該閾值ε 的取值范圍為0.001至〇.〇1，設(shè)置迭代計數(shù)次數(shù)k，初始化聚類原型V(k)，且k = 0;
[0129] 模糊聚類算法描述如下：
[0130] 模糊聚類算法的最小化目標函數(shù)：

[0134] 式中：U= [Uij]是一個cXn的模糊劃分矩陣，c為給定聚類類別數(shù)，即V= {vi，v2… vc}且sXc的矩陣，權(quán)值因子m，Uij為第j個樣本到第i個聚類中心的隸屬度，dij= | | xj-vi | 是樣本Xj和聚類中心Vi的歐式空間距離；
[0135] xj= (GenPer, Water inT ,Mf low, Cos tOne ,EM_NOx,EM_S〇2)
[0136] 步驟S122,根據(jù)V(k)，根據(jù)下式更新模糊劃分矩陣U(k+1):
[0137] 若對于任意j，r，j為樣本個數(shù)，r為公式中聚類中心的序號，drj(k)表示k次迭代獲 得的樣本Xj和聚類中心Vr的歐式空間距離;若drj(k)>0,則有
[0139] 若對于任意j，r，使得drj = 〇，則令:Uij = 1且對i關(guān)r，Uij = 0;
[0140] 步驟S123,根據(jù)U(k)，按照下式計算新的聚類中心V(k+1):
[0142] 步驟S124,判定閾值，比較V(k+1)和V(k)，若| |V(k+1)_V(k)| | <ε，則停止迭代，否則令k = k+l，轉(zhuǎn)到步驟S122;
[0143] 計算得到聚類中心V，輸出聚類中心，獲得鍋爐的特性模型；
[0144] 步驟S125,插值計算以獲得鍋爐運行的特性函數(shù)，即
[0145] 為平滑數(shù)據(jù)，獲取鍋爐在不同負荷率下的運行特性，在沿鍋爐負荷率GenPer方向 上每隔1%的地方進行插值，從而獲得鍋爐運行的特性函數(shù)((3〇81:〇116 31_1'1(^31_5〇2)= FuncOne(GenPer，WaterinT，Mflow)〇
[0146] 所述步驟S2中計算鍋爐集群的負荷分配的方法，即采用非支配排序遺傳算法計算 鍋爐集群的負荷分配。
[0147] 具體的，采用非支配排序遺傳算法計算鍋爐集群的負荷分配的方法包括如下步 驟:步驟S21，建立鍋爐集群優(yōu)化運行的目標函數(shù)；以及步驟S22，采用非支配排序遺傳算法 求解優(yōu)化目標下的最優(yōu)負荷分配。
[0148] 所述步驟S21目標函數(shù)的優(yōu)化目標包括:最小化生產(chǎn)單位熱量的燃料消耗、最小化 生產(chǎn)單位熱量產(chǎn)生的污染物排放n〇x、s〇 2;
[0149]為提高尋優(yōu)速度，對優(yōu)化目標分別進行降維處理，即構(gòu)建污染物排放綜合指標：
[0150] Rex = EM_N0x X γ i+EM_S02 X γ 2 ；
[0151] 其中：Rex為污染物排放綜合指標，γ 1和γ 2為是污染物排放權(quán)重系數(shù)，γ ι+ γ 2 = 1〇
[0152] 所建立的鍋爐集群優(yōu)化運行的目標函數(shù)如下：
[0155] 約束條件如下：
[0156] (1)
[0157] (CostOne ,EM_NOx,EM_S〇2) =FuncOne(GenPer,ffaterinT,Mf low)；
[0158] (2)Rex = EM_N0xX yi+EM_S02X y2；
[0163] (7)PerMins<GenPers<PerMax s ；
[0164] (8)Runs = 0或 1;
[0165] (9) DLoads = GenPers X Dbmcrs ；
[0166] (10)GenPers = FuncH(Ms ,TS ,PS)/Dbmcrs ；
[0167] (ll)Tmin<Ts<Tmax；
[0168] (l2)Mmin<Mfl〇Ws<Mmax；
[0169] 其中：
[0170] Mneed:熱水流量需求，單位t/h;
[0171] Tneed :熱水溫度需求，單位°C;
[0172] Dneed:需求熱量，根據(jù)溫度和流量計算，為熱水的總焓值，GJ/h;
[0173] FuncOne: CostOne，EM_N0x，EM_S02隨鍋爐負荷率，給水溫度，給水流量變化的特性 函數(shù)；
[0174] FuncH:根據(jù)流量，溫度，壓力求焓值，根據(jù)水和水蒸氣性質(zhì)計算；
[0175] WaterinT:鍋爐給水溫度，單位。C ;
[0?76] Mf lows:第s臺鍋爐的給水流量，單位t/h;
[0177] DLoads:第s臺鍋爐出口的熱量，單位GJ/h;
[0178] DbackLoad:備用熱量，指的是在未來一段時間可能需要增加的量，單位GJ/h;
[0179] Tmax:熱水鍋爐熱水最高溫度，單位°C ;
[0180] Imin:熱水鍋爐熱水最低溫度，單位°C ;
[0181] Mmax:熱水鍋爐熱水最高流量，單位t/h;
[0182] Mmin:熱水鍋爐熱水最低流量，單位t/h;
[0183] Pneed:熱水出口的壓力，單位Mpa，取鍋爐額定壓力；
[0184] Ms:各臺鍋爐的熱水流量，單位t/h;
[0185] Ts:各臺鍋爐的熱水溫度，單位°C;
[0186] PS:各臺鍋爐的熱水壓力，單位Mpa;
[0187] Dbmcrs:第s臺鍋爐的最大生產(chǎn)熱量，單位GJ/h;
[0188] GenPers:第s臺鍋爐的負荷率；
[0189] PerMaxs:第s臺鍋爐的最大負荷率；
[0190] PerMins:第s臺鍋爐的最小負荷率；
[0191] Runs:第s臺鍋爐是否啟用，啟用為1，停止使用為0;
[0192] Rex:污染物排放綜合指標；
[0193] γ 1:污染物排放權(quán)重系數(shù)一；
[0194] γ 2:污染物排放權(quán)重系數(shù)二；
[0195] α1:流量控制下限參數(shù)；
[0196] α2:流量控制上限參數(shù)；
[0197] ε1:熱量余量控制下限參數(shù)；
[0198] ε2:熱量余量控制上限參數(shù)。
[0199] 所述步驟S22中采用非支配排序遺傳算法求解優(yōu)化目標下的最優(yōu)負荷分配的方法 包括如下步驟：
[0200] 步驟S221，初始化父代種群Ρο,令t = 0。采用實數(shù)編碼產(chǎn)生表示各臺鍋爐負荷率、 供水溫度和供水流量的群體；
[0201] 步驟S222,判斷t是否大于tmax，若是，停止迭代;若否，計算種群Pt中個體目標值并 進行非支配排序;t max為最大進化代數(shù)；
[0202] 步驟S223,通過遺傳算法的選擇、交叉、變異三個基本操作得到第一代子代種群 Qt ；
[0203] 步驟S224,從第二代開始，將父代種群與子代種群合并Rt = PtUQt，進行快速非支 配排序，同時對每個非支配層中的個體進行擁擠度計算；
[0204] 步驟S225,根據(jù)非支配關(guān)系以及個體的擁擠度選取合適的個體組成新的父代種群 Pt+1，回到步驟S222;直至通過非支配排序遺傳算法得到Pareto最優(yōu)解集，即是鍋爐集群優(yōu) 化運行的負荷分配的最優(yōu)值。
[0205] 實施例2
[0206] 本實施例2提供了一種供熱鍋爐集群優(yōu)化系統(tǒng)，包括：
[0207] 建模單元，建立鍋爐集群中各鍋爐的特性模型；
[0208] 與建模單元相連的負荷分配單元，該負荷分配單元用于計算鍋爐集群的負荷分 配。
[0209] 其中，建模單元和負荷分配單元的具體工作方法參見實施例1的相關(guān)論述。
[0210] 以上述依據(jù)本發(fā)明的理想實施例為啟示，通過上述的說明內(nèi)容，相關(guān)工作人員完 全可以在不偏離本項發(fā)明技術(shù)思想的范圍內(nèi)，進行多樣的變更以及修改。本項發(fā)明的技術(shù) 性范圍并不局限于說明書上的內(nèi)容，必須要根據(jù)權(quán)利要求范圍來確定其技術(shù)性范圍。
【主權(quán)項】
1. 一種供熱鍋爐集群優(yōu)化運行方法，其特征在于，包括如下步驟： 步驟S1，建立鍋爐集群中各鍋爐的特性模型；以及 步驟S2,計算鍋爐集群的負荷分配。2. 根據(jù)權(quán)利要求1所述的供熱鍋爐集群優(yōu)化運行方法，其特征在于，所述步驟S1中建立 鍋爐集群中各鍋爐的特性模型，即 采用模糊聚類算法建立各鍋爐的特性模型，以及 根據(jù)所述特性模型獲得鍋爐運行的特性函數(shù)； 所述特性函數(shù)即描述鍋爐在相應(yīng)負荷率、給水溫度和給水流量的條件下，生產(chǎn)單位熱 量所對應(yīng)的鍋爐燃料消耗量和污染物排放量的函數(shù)關(guān)系。3. 根據(jù)權(quán)利要求2所述的供熱鍋爐集群優(yōu)化運行方法，其特征在于， 采用模糊聚類算法建立各鍋爐的特性模型的方法包括如下步驟： 步驟S11，采集建立特性模型所需的歷史運行的樣本數(shù)據(jù)； 所述樣本數(shù)據(jù)包括： GenPer:鍋爐負荷率，單位％ ; WaterinT :鍋爐給水溫度，單位°〇； Mflow:鍋爐給水流量，單位t/h; CostOne:生產(chǎn)單位熱量所對應(yīng)的燃料消耗量，單位GJ/GJ; ΕΜ_Ν0Χ:生產(chǎn)單位熱量所產(chǎn)生的NOx污染物排放量，單位kg/GJ; EM_S02:生產(chǎn)單位熱量所產(chǎn)生的S02污染物排放量，單位kg/GJ。 步驟S12,基于歷史運行樣本數(shù)據(jù)，采用模糊聚類算法獲得樣本數(shù)據(jù)的聚類中心，且對 聚類中心數(shù)據(jù)進行插值，以獲得鍋爐運行的特性函數(shù)。4. 根據(jù)權(quán)利要求3所述的供熱鍋爐集群優(yōu)化運行方法，其特征在于， 采用模糊聚類算法獲得樣本的聚類中心，且對聚類中心數(shù)據(jù)進行插值再處理，獲得鍋 爐運行的特性函數(shù)的方法包括如下步驟： 步驟S121，初始化:給定聚類類別數(shù)c，權(quán)值因子m，設(shè)定迭代停止閾值ε，設(shè)置迭代計數(shù) 次數(shù)k，初始化聚類原型V(k)，且k = 0; 模糊聚類算法描述如下： 模糊聚類算法的最小化目標函數(shù)：使?ΙUije [〇, 1], 1 < j < η, 1 < i < c；式中：U=[Ulj]是一個cXn的模糊劃分矩陣，c為給定聚類類別數(shù)，權(quán)值因子m，m偽第j 個樣本到第i個聚類中心的隸屬度，dij=| |xj_vi| |是樣本Xj和聚類中心Vi的歐式空間距離； xj = (GenPer, Water inT, Mf low, CostOne, EM_N0X, EM_S〇2) 步驟S122,根據(jù)，根據(jù)下式更新模糊劃分矩陣U(k+1): 若對于任意j，r，j為樣本個數(shù)，r為公式中聚類中心的序號，drj(k)表示k次迭代獲得的 樣本Xj和聚類中心Vr的歐式空間距離;若drj(k)>0,則有若對于任意j，r，使得drj = 0，則令:Uij = 1且對i矣r，Uij = 0; 步驟S123,根據(jù)U(k)，按照下式計算新的聚類中心V(k+1):步驟S124,判定閾值，比較V(k+1)和V(k)，若| |V(k+1)_V(k)| |<ε，則停止迭代，否則令k = k+ 1，轉(zhuǎn)到步驟S122; 計算得到聚類中心V，輸出聚類中心，獲得鍋爐的特性模型； 步驟S125,插值計算以獲得鍋爐運行的特性函數(shù)，即 在沿鍋爐負荷率GenPer方向上每隔1%的地方進行插值，從而獲得鍋爐運行的特性函 數(shù) (CostOne ,EM_NOx,EM_S〇2) =FuncOne(GenPer,ffaterinT,Mf low) 〇5. 根據(jù)權(quán)利要求4所述的供熱鍋爐集群優(yōu)化運行方法，其特征在于，所述步驟S2中計算 鍋爐集群的負荷分配的方法，即 采用非支配排序遺傳算法計算鍋爐集群的負荷分配。6. 根據(jù)權(quán)利要求5所述的供熱鍋爐集群優(yōu)化運行方法，其特征在于， 采用非支配排序遺傳算法計算鍋爐集群的負荷分配的方法包括如下步驟： 步驟S21，建立鍋爐集群優(yōu)化運行的目標函數(shù)；以及 步驟S22，采用非支配排序遺傳算法求解優(yōu)化目標下的最優(yōu)負荷分配。7. 根據(jù)權(quán)利要求6所述的供熱鍋爐集群優(yōu)化運行方法，其特征在于， 所述步驟S21目標函數(shù)的優(yōu)化目標包括:最小化生產(chǎn)單位熱量的燃料消耗、最小化生產(chǎn) 單位熱量產(chǎn)生的污染物排放N0x、S02; 對優(yōu)化目標分別進行降維處理，即構(gòu)建污染物排放綜合指標： Rex = EM_NOxX γ i+EM_S〇2 X γ 2 其中:Rex為污染物排放綜合指標，γ 1和γ 2為權(quán)重系數(shù)，γ ι+ γ 2 = 1。 所建立的鍋爐集群優(yōu)化運行的目標函數(shù)如下： >'=1 Μ (2 約束條件如下： (1) (CostOne，EM-N0X，EM-SO2) = FuncOne(GenPer，WaterinT，Mf low); (2) Rex = EM-NOxX γι+ΕΜ-SO2X 丫2; ⑶，_s;:l (4)Dneed = FuncH(Mneed ,Tneed ,Pneed)； ,s=i(7) PerMins<GenPers<PerMaxs ； (8) Runs = 0或 1; (9) DLoads = GenPers X Dbmcrs ； (10) GenPers = FuncH(Ms ,TS ,PS)/Dbmcrs ； (11) Tmin<Ts<Tmax； (12) Mmin<Mf l〇Ws<Mmax； 其中： Mneed:熱水流量需求，單位t/h; Tneed:熱水溫度需求，單位°〇； Dneed:需求熱量，根據(jù)溫度和流量計算，為熱水的總焓值，GJ/h; FuncOne: CostOne，EM_N0X，EM_S02隨鍋爐負荷率，給水溫度，給水流量變化的特性函數(shù)； FuncH:根據(jù)流量，溫度，壓力求焓值，根據(jù)水和水蒸氣性質(zhì)計算； WaterinT :鍋爐給水溫度，單位°〇； Mf 1 ows:第s臺鍋爐的給水流量，單位t/h; DLoads:第s臺鍋爐出口的熱量，單位GJ/h; DbackLoad:備用熱量，指的是在未來一段時間可能需要增加的量，單位GJ/h; Tmax:熱水鍋爐熱水最高溫度，單位°C ; Imin :熱水鍋爐熱水最低溫度，單位°C ; Mmax:熱水鍋爐熱水最高流量，單位t/h; Mmin:熱水鍋爐熱水最低流量，單位t/h; Pneed:熱水出口的壓力，單位Mpa，取鍋爐額定壓力； Ms:各臺鍋爐的熱水流量，單位t/h; Ts:各臺鍋爐的熱水溫度，單位°C ; Ps:各臺鍋爐的熱水壓力，單位Mpa; 013111(3；1^:第8臺鍋爐的最大生產(chǎn)熱量，單位GJ/h; GenPers:第8臺鍋爐的負荷率； PerMaXs:第s臺鍋爐的最大負荷率； PerMins:第s臺鍋爐的最小負荷率； Runs:第s臺鍋爐是否啟用，啟用為1，停止使用為0; Rex:污染物排放綜合指標； γ 1:污染物排放權(quán)重系數(shù)一； γ 2:污染物排放權(quán)重系數(shù)二； αι:流量控制下限參數(shù)； :流量控制上限參數(shù)； ε 1:熱量余量控制下限參數(shù)； ￡2:熱量余量控制上限參數(shù)。8. 根據(jù)權(quán)利要求7所述的供熱鍋爐集群優(yōu)化運行方法，其特征在于，所述步驟S22中采 用非支配排序遺傳算法求解優(yōu)化目標下的最優(yōu)負荷分配的方法包括如下步驟： 步驟S221，初始化父代種群，采用實數(shù)編碼產(chǎn)生表示各臺鍋爐負荷率、供水溫度和供水 流量的群體； 步驟S222，計算種群中個體目標值并進行非支配排序； 步驟S223,通過遺傳算法的選擇、交叉、變異得到第一代子代種群； 步驟S224，從第二代開始，將父代種群與子代種群合并，進行快速非支配排序，同時對 每個非支配層中的個體進行擁擠度計算； 步驟S225,根據(jù)非支配關(guān)系以及個體的擁擠度選取合適的個體組成新的父代種群，回 到步驟S222;直至通過非支配排序遺傳算法得到Pareto最優(yōu)解集，即獲得負荷分配的最優(yōu) 值。9. 一種供熱鍋爐集群優(yōu)化系統(tǒng)，其特征在于，包括： 建模單元，建立鍋爐集群中各鍋爐的特性模型； 與建模單元相連的負荷分配單元，該負荷分配單元用于計算鍋爐集群的負荷分配。
【文檔編號】G06Q10/04GK105868867SQ201610262135
【公開日】2016年8月17日
【申請日】2016年4月25日
【發(fā)明人】陳孝武, 于春娣, 鐘崴, 吳燕玲
【申請人】常州英集動力科技有限公司