基于遺傳算法的燃?xì)夥植际侥茉聪到y(tǒng)負(fù)荷優(yōu)化分配

柳玉賓，闕亞衛(wèi)，吳政華，孔飛，孫思宇，王恒濤，劉潔，陸永卿，劉慶陽

(1.中國華電集團科學(xué)技術(shù)研究總院有限公司，北京 100070； 2.上海華電集科分布式能源有限公司，上海 200120)

0 引言

隨著我國經(jīng)濟發(fā)展轉(zhuǎn)型的逐漸深入，能源短缺、環(huán)境污染等問題與國家經(jīng)濟發(fā)展之間的矛盾日益突出，如何在提高能源利用效率的同時大大減少環(huán)境污染已成為目前能源發(fā)展的重要方向之一，燃?xì)夥植际侥茉吹某霈F(xiàn)有效地解決了上述問題。燃?xì)夥植际侥茉词侵阜植荚谟脩舳说哪茉淳C合利用系統(tǒng)，以天然氣為主要驅(qū)動能源，以冷、熱、電聯(lián)供技術(shù)為基礎(chǔ)，實現(xiàn)直接滿足用戶多種需求的能源梯級利用，是高效、清潔、靈活的供能系統(tǒng)[1-3]。然而，在燃?xì)夥植际侥茉聪到y(tǒng)的實際運行過程中，由于負(fù)荷多變，常常需要調(diào)整機組的運行方式。燃?xì)夥植际侥茉礄C組的負(fù)荷分配大多依靠人為操作，為了快速響應(yīng)負(fù)荷，運行人員往往憑經(jīng)驗調(diào)整運行方式，而沒有詳細(xì)考慮能源站的經(jīng)濟性、能源利用效率等，難以達到負(fù)荷的最優(yōu)分配。如果對能源站各機組負(fù)荷進行優(yōu)化分配，并提高負(fù)荷分配的科學(xué)性，就能夠明顯提高其運行的經(jīng)濟性[4-5]。負(fù)荷優(yōu)化分配是能源系統(tǒng)經(jīng)濟、安全運行的一項重要工作，其目的是在滿足系統(tǒng)運行約束條件的基礎(chǔ)上合理分配各機組負(fù)荷，使得分布式能源站經(jīng)濟效益最大化[6-7]。

燃?xì)夥植际侥茉凑矩?fù)荷分配優(yōu)化研究工作主要分為兩個部分，一是建立準(zhǔn)確的機組特性曲線模型，二是建立機組智能負(fù)荷分配模型。本文將研究不同冷、熱負(fù)荷情況下，各機組間的負(fù)荷優(yōu)化分配問題。針對上海某校園的燃?xì)夥植际侥茉凑镜哪茉唇Y(jié)構(gòu)，通過現(xiàn)場數(shù)據(jù)采集與曲線擬合相結(jié)合的方法，基于曲線學(xué)習(xí)與在線修正算法建立每臺機組不同冷、熱、電負(fù)荷時的特性曲線模型。在所建立特性曲線模型的基礎(chǔ)上，以利潤最大化為目標(biāo)建立負(fù)荷優(yōu)化分配模型，通過遺傳算法求解冷、熱、電負(fù)荷分配方式，從而使能源站的經(jīng)濟效益最優(yōu)，同時達到節(jié)約能源的目的。

1 燃?xì)夥植际侥茉凑靖艣r

上海某校園燃?xì)夥植际侥茉凑疽?臺燃?xì)鈨?nèi)燃機匹配3臺煙氣熱水溴化鋰機組作為供冷熱負(fù)荷的主力機型，同時配置3臺離心式電制冷機組、2臺螺桿式電制冷機組和3臺燃?xì)庹婵斟仩t作為冷熱負(fù)荷及熱水調(diào)峰設(shè)備，設(shè)備主要性能指標(biāo)見表1。燃?xì)鈨?nèi)燃機發(fā)電除自用外全部上網(wǎng)，燃?xì)鈨?nèi)燃機的高溫?zé)煔膺M入煙氣熱水溴化鋰機組實現(xiàn)制冷、采暖。在內(nèi)燃機開機的情況下，制冷(或采暖)優(yōu)先采用余熱，不足部分根據(jù)負(fù)荷開啟電制冷機組或燃?xì)庹婵斟仩t。

為了實現(xiàn)能源站冷熱電負(fù)荷的優(yōu)化分配，利用現(xiàn)有的資源，研究開發(fā)出一套適合該能源站實際情況的智能決策優(yōu)化系統(tǒng)(iDOS)，優(yōu)化模型框架如圖1所示。iDOS的數(shù)據(jù)采集模塊從能源站的分散控制系統(tǒng)(DCS)上獲取機組的運行參數(shù)和負(fù)荷信息，對運行參數(shù)進行性能計算，基于機組特性學(xué)習(xí)模塊，得到機組的運行特性曲線，通過優(yōu)化算法計算得到最優(yōu)的負(fù)荷分配結(jié)果，并將該結(jié)果通過DCS下達到機組，從而完成閉環(huán)控制，由此實時完成對能源站的負(fù)荷分配任務(wù)，對提高能源站運行的經(jīng)濟性、節(jié)能降耗具有重要意義。

表1 分布式能源站主機性能指標(biāo)

圖1 能源站優(yōu)化模型框架

2 能源站冷熱電負(fù)荷分配的建模分析

2.1 機組特性建模

對能源站各類供能設(shè)備的輸入輸出關(guān)系進行建模，本文采用函數(shù)曲線模型描述，建模如下(其中i用于對機組進行索引)。

(1)內(nèi)燃機-溴化鋰機組模型(以右上角編號為1標(biāo)志)。

發(fā)電曲線：ei1=Ei1(gi1) ，

制熱曲線：wi1=Wi1(ei1)，ci1=0 ，

制冷曲線：wi1=0，ci1=Ci1(ei1) ，

式中：gi1為第i臺內(nèi)燃機所消耗的天然氣量；ei1為第i臺內(nèi)燃機的發(fā)電功率；wi1為第i臺溴化鋰機組的制熱負(fù)荷；ci1為第i臺溴化鋰機組的制冷負(fù)荷；Ei1為燃?xì)鈨?nèi)燃機發(fā)電曲線；Wi1為煙氣熱水溴化鋰機組制熱曲線；Ci1為煙氣熱水溴化鋰機組制冷曲線。

(2)燃?xì)庹婵斟仩t模型(以右上角編號為2標(biāo)志)。

制熱曲線：wi2=Wi2(gi2) 。

(3)電制冷機組模型(以右上角編號為3標(biāo)志，制冷量包括離心式制冷機和螺桿式制冷機)。

制冷曲線：ci3=Ci3(ei3) 。

2.2 機組特性曲線學(xué)習(xí)

機組特性模型包括燃?xì)鈨?nèi)燃機發(fā)電曲線Ei1、煙氣熱水溴化鋰機組制冷曲線Ci1、煙氣熱水溴化鋰機組制熱曲線Wi1、燃?xì)庹婵斟仩t制熱曲線Wi2、電制冷機制冷曲線Ci3。所有特性曲線均采用實際數(shù)據(jù)進行曲線學(xué)習(xí)，即通過DCS實時獲取各機組的進、出口參數(shù)，實時繪制輸入、輸出參數(shù)曲線，并通過指數(shù)濾波的方式進行曲線平滑。經(jīng)過一段時間的運行，就會逐漸形成機組特性的曲線模型，如圖2所示。

圖2 機組特性模型框架

2.3 負(fù)荷優(yōu)化分配數(shù)學(xué)模型

根據(jù)能源站工藝流程，建立全局優(yōu)化問題模型，以能源站綜合毛利潤F最大為目標(biāo)函數(shù)。

(1)

等式約束條件為：

(2)

(3)

不等式約束條件為：

(4)

(5)

(6)

(7)

表2 機組負(fù)荷優(yōu)化分配結(jié)果

(8)

2.4 遺傳算法

鑒于以上優(yōu)化問題中的特性曲線為數(shù)據(jù)模型，并無顯式函數(shù)表達式，無法通過普通直接求解的方法進行求解，因此本文采用遺傳算法進行求解。

遺傳算法是建立在自然選擇和群體遺傳學(xué)機理基礎(chǔ)上的、具有廣泛適用性的隨機、迭代、進化搜索算法。遺傳算法的基本過程可描述為：初始化一群個體組成的種群P(t)(t代表遺傳代數(shù))，每一個體均代表問題的一個潛在的解，即一種負(fù)荷分配方案，每一個體按照一定標(biāo)準(zhǔn)評價優(yōu)劣，選擇能源站的經(jīng)濟效益作為其適應(yīng)值，適應(yīng)值越大該方案越優(yōu)，其被選中的概率越大；被選中的某些個體經(jīng)過交叉(crossover)和變異(mutation)產(chǎn)生新的個體，新產(chǎn)生的后代個體繼續(xù)被評價優(yōu)劣；因適應(yīng)值大的個體被選擇的概率高，適應(yīng)值小的個體逐漸被淘汰掉，經(jīng)過無數(shù)代優(yōu)勝劣汰的進化過程，種群中的個體會趨向于最優(yōu)，可以認(rèn)為當(dāng)前最優(yōu)個體即為問題的最優(yōu)解[6,8]。

3 基于遺傳算法的冷熱電負(fù)荷分配優(yōu)化

3.1 評價指標(biāo)

本文中分布式能源系統(tǒng)負(fù)荷優(yōu)化分配效果的評價指標(biāo)主要是內(nèi)燃機-溴化鋰機組綜合效率η和能源站綜合毛利潤F，分別通過以下公式計算得到。

(9)

(10)

式中：qV為內(nèi)燃機的天然氣流量；Q為天然氣的低位熱值。

3.2 特定工況下的負(fù)荷分配優(yōu)化

利用所開發(fā)的負(fù)荷優(yōu)化分配系統(tǒng)，以某一工況為例，該對機組的負(fù)荷進行優(yōu)化分配，見表2(文中所選取的工況為夏季工況，無熱負(fù)荷需求)。

由表2可以看出，優(yōu)化前的運行模式是3臺內(nèi)燃機-溴化鋰機組發(fā)電并供冷，優(yōu)化后的運行模式是只有#3內(nèi)燃機-溴化鋰機組發(fā)電并供冷，不足的冷量由#1離心制冷機組和#1，#2螺桿制冷機組提供。優(yōu)化前的供冷量為28.50 GJ/h，優(yōu)化后的供冷量為28.39 GJ/h，供冷偏差小于1%，在誤差允許的范圍內(nèi)。通過該優(yōu)化系統(tǒng)對機組的冷、電負(fù)荷分配進行優(yōu)化，在機組總的冷負(fù)荷需求不變的情況下，將冷負(fù)荷在各機組之間進行分配，使內(nèi)燃機-溴化鋰機組的綜合效率由優(yōu)化前的72.94%提升為優(yōu)化后的88.32%，能源站綜合毛利潤由優(yōu)化前的3 033元/h提升為3 465元/h，經(jīng)濟效益良好。

3.3 不同冷、熱負(fù)荷下的分配優(yōu)化

文中所選取的分布式能源站，在每年的5月至8月提供冷負(fù)荷，11月至次年3月提供熱負(fù)荷，根據(jù)2016年和2017年的數(shù)據(jù)進行負(fù)荷優(yōu)化，得到不同冷、熱負(fù)荷下的優(yōu)化結(jié)果，如圖3、圖4所示。

圖3 不同制冷負(fù)荷下的優(yōu)化結(jié)果

圖4 不同制熱負(fù)荷下的優(yōu)化結(jié)果

圖3選取了2017年5月至8月的數(shù)據(jù)，其經(jīng)濟效益平均提高18.24%。從圖中可以看出，在冷負(fù)荷需求較低時，優(yōu)化效果更為明顯，而隨著冷負(fù)荷需求的增大，實際運行結(jié)果與優(yōu)化結(jié)果逐漸持平。這是由于在冷負(fù)荷需求較高時，內(nèi)燃機-溴化鋰機組基本都達到滿負(fù)荷運行，不足的冷負(fù)荷需求由電制冷機組提供，優(yōu)化空間較小；而在冷負(fù)荷需求較低時，可以選擇的運行方式較多，運行人員通常會選擇內(nèi)燃機-溴化鋰機組提供全部或者絕大部分冷負(fù)荷，而較少使用電制冷機組。經(jīng)過負(fù)荷分配優(yōu)化，從系統(tǒng)綜合電價、冷價、制冷效率等多方面考量，可能會選擇使某一臺內(nèi)燃機-溴化鋰機組提供部分冷負(fù)荷，其余的冷負(fù)荷由電制冷機組提供，使能源站綜合毛利潤最高，因此負(fù)荷分配優(yōu)化效果較為明顯。

圖4選取的是2016年11月至2017年3月的數(shù)據(jù)，其經(jīng)濟效益平均提高42.04%。可以看出，與冷負(fù)荷的優(yōu)化結(jié)果相反，當(dāng)熱負(fù)荷需求較高時，優(yōu)化效果明顯，而隨著熱負(fù)荷需求的減小，實際運行結(jié)果與優(yōu)化結(jié)果不相上下。這是由于在熱負(fù)荷需求較低時，單臺或2臺內(nèi)燃機-溴化鋰機組能夠滿足用戶的熱負(fù)荷需求，優(yōu)化空間較小；而在熱負(fù)荷需求較高時，運行人員可能會啟動燃?xì)庹婵斟仩t提供熱負(fù)荷，而鍋爐并未實現(xiàn)能源的梯級利用，其經(jīng)濟效益較差，從而導(dǎo)致能源站綜合毛利潤較低。而負(fù)荷分配優(yōu)化通過對電價、熱價、制熱效率等多方面綜合計算分析，得到一個使能源站綜合毛利潤更高的運行方式。

3.4 某一時段的負(fù)荷分配優(yōu)化

選取某一時段的實際運行畫面(如圖5、圖6所示)，可以看出，負(fù)荷分配優(yōu)化后的全廠效率和效益均高于實時運行數(shù)據(jù)，負(fù)荷優(yōu)化分配的優(yōu)勢十分明顯。

圖5 某一時段下的優(yōu)化效率與實時運行效率對比

圖6 某一時段下的優(yōu)化效益與實時運行效益對比

4 結(jié)論

通過建立基于遺傳算法的負(fù)荷優(yōu)化分配模型，可以實現(xiàn)對分布式能源系統(tǒng)的冷、熱、電負(fù)荷進行優(yōu)化分配，使機組間冷、熱、電負(fù)荷的分配更加趨向合理，保證在滿足用戶冷、熱負(fù)荷需求的情況下，使能源站綜合毛利潤最大化，并提高了機組的綜合效率，證明了該負(fù)荷優(yōu)化分配模型在分布式能源系統(tǒng)運行中的實用價值。

參考文獻：

[1]楊勇平.分布式能量系統(tǒng)[M].北京：化學(xué)工業(yè)出版社，2011.

[2]姜東橋，孫曉旭，孔飛，等.某燃?xì)夥植际侥茉凑经h(huán)境影響分析[J].華電技術(shù)，2017，39(8)：64-66，79.

[3]徐建中，鄧建玲.分布式能源定義及其特征[J].華電技術(shù)，2014，36(1)：3-5,77.

[4]黃廷輝，柴勝凱，龐順，等.熱電聯(lián)產(chǎn)機組熱、電負(fù)荷優(yōu)化分配[J].熱力發(fā)電，2010，39(12)：1-4.

[5]閆水保，張營帥，鄭立軍.采用遺傳算法的供熱機組間負(fù)荷分配[J].發(fā)電設(shè)備，2008，22(1)：74-76.

[6]姚靜.基于遺傳算法的火電機組負(fù)荷優(yōu)化分配研究[D].武漢：武漢大學(xué)，2013.

[7]柏春光，萬杰，劉嬌，等.基于遺傳算法的抽汽供熱機組間的熱電負(fù)荷分配優(yōu)化研究[J].節(jié)能技術(shù)，2014，32(3)：201-204.

[8]周明，孫樹棟.遺傳算法原理及其應(yīng)用[M].北京：國防工業(yè)出版社，1996.