CN104102211A - 一种燃煤热电厂热电联产***的调度方法、服务器和*** - Google Patents
一种燃煤热电厂热电联产***的调度方法、服务器和*** Download PDFInfo
- Publication number
- CN104102211A CN104102211A CN201410367650.XA CN201410367650A CN104102211A CN 104102211 A CN104102211 A CN 104102211A CN 201410367650 A CN201410367650 A CN 201410367650A CN 104102211 A CN104102211 A CN 104102211A
- Authority
- CN
- China
- Prior art keywords
- data
- generation unit
- condition
- power plant
- model
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 239000003245 coal Substances 0.000 title claims abstract description 81
- 238000000034 method Methods 0.000 title claims abstract description 72
- 238000010248 power generation Methods 0.000 title abstract 8
- 239000003638 chemical reducing agent Substances 0.000 claims abstract description 62
- 238000002156 mixing Methods 0.000 claims abstract description 13
- 230000005611 electricity Effects 0.000 claims description 46
- 238000004519 manufacturing process Methods 0.000 claims description 37
- 238000004422 calculation algorithm Methods 0.000 claims description 31
- 239000000126 substance Substances 0.000 claims description 16
- 238000004458 analytical method Methods 0.000 claims description 14
- 230000036316 preload Effects 0.000 claims description 11
- 230000001105 regulatory effect Effects 0.000 claims description 11
- 239000000463 material Substances 0.000 claims description 9
- 238000003860 storage Methods 0.000 claims description 9
- 238000009499 grossing Methods 0.000 claims description 7
- 238000013450 outlier detection Methods 0.000 claims description 7
- 230000004044 response Effects 0.000 claims description 6
- 230000015572 biosynthetic process Effects 0.000 claims description 5
- 238000012549 training Methods 0.000 claims description 3
- 230000010354 integration Effects 0.000 abstract 1
- 230000008569 process Effects 0.000 description 19
- 238000005457 optimization Methods 0.000 description 17
- 239000000523 sample Substances 0.000 description 14
- 238000012937 correction Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 238000005259 measurement Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 230000005619 thermoelectricity Effects 0.000 description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000002068 genetic effect Effects 0.000 description 3
- 230000035772 mutation Effects 0.000 description 3
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 230000002155 anti-virotic effect Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 239000003795 chemical substances by application Substances 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 238000004989 laser desorption mass spectroscopy Methods 0.000 description 2
- 238000012417 linear regression Methods 0.000 description 2
- 230000033001 locomotion Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 239000002994 raw material Substances 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000003139 buffering effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 239000000306 component Substances 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 239000008358 core component Substances 0.000 description 1
- 230000006837 decompression Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000001704 evaporation Methods 0.000 description 1
- 230000008020 evaporation Effects 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000005622 photoelectricity Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 238000010025 steaming Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E20/00—Combustion technologies with mitigation potential
- Y02E20/14—Combined heat and power generation [CHP]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P80/00—Climate change mitigation technologies for sector-wide applications
- Y02P80/10—Efficient use of energy, e.g. using compressed air or pressurized fluid as energy carrier
- Y02P80/15—On-site combined power, heat or cool generation or distribution, e.g. combined heat and power [CHP] supply
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供了一种燃煤热电厂热电联产***的调度方法、设备和***，所述方法部署于燃煤热电厂热电联产***的调度***中的调度应用服务器上，所述方法包括：从综合数据集成平台服务器获取建立热电联产***中各台设备的工况模型所需的初始数据，依据所述初始数据建立所述热电联产***中各台设备的工况模型；判断是否满足预先设置的调度条件，如果是，则依据所述工况模型输出的电和热的实时负荷数据，以及影响所述工况模型输出的可控变量和辅助变量，确定当前负荷下燃煤热电厂热电联产***的调度策略。本申请将热电联产***中的配煤、锅炉、汽轮发电机和减温减压器整合在一起考虑调度问题，能使调度方案做到“全局最优”。
Description
技术领域
本申请涉及信息技术领域，特别涉及一种燃煤热电厂热电联产***的调度方法、服务器和***。
背景技术
随着科技的发展，电在人们生活中占据着尤为重要的位置。一般发电厂只生产电能向用户供电，工业生产和生活用热(蒸汽)则由另外的工业锅炉及采暖锅炉单独供应，这种生产方式称为热电分产。而在热电厂中则采用供热式机组，除了供应电能以外，同时还利用作过功(即发过电)的汽轮机抽汽或排汽来满足生产和生活所需热量，这种生产方式称为热电联产。
典型的燃煤热电厂热电联产***的结构图如图1所示，该热电联产***可以包括：煤场、燃煤锅炉、汽轮发电机、减温减压器等几个部分。其中，煤场将原煤经过配比后输送至各台锅炉，锅炉利用燃煤燃烧时的热量加热锅炉给水，使水加热成为高温高压的过热蒸汽。过热蒸汽再进入汽轮发电机带动电机转动发电供至电网，同时从汽轮发电机中将部分做过功的蒸汽(温度和压力已降低)抽出供至蒸汽管网。由于下游用户对于蒸汽等级的要求不同，汽轮发电机可能有若干个等级的外供抽汽。当汽轮发电机抽汽不足时，减温减压器直接从上一级蒸汽母管引来蒸汽，使蒸汽经减温、减压后变成温度和压力较低的蒸汽供至下一级蒸汽管网。
从图1中可以看出，热电联产***在运行时，存在一个电和热(蒸汽)的负荷如何分配和原煤如何配比的问题。对汽轮发电机而言，在满足电网和蒸汽管网总的负荷需求下，各汽轮发电机的电负荷(即发电量)和热负荷(即抽汽量)可以有多种组合，每种组合的汽轮发电机的总进汽量可能不同。而对减温减压器而言，高温高压蒸汽进入减温减压器后能量有很大损失，一般只在汽轮发电机抽汽无法满足需求的情况下才开启减温减压器。如果开启减温减压器，减温减压器的热负荷(出口蒸汽量)可以有多种组合，每种组合的减温减压器的总进汽量也可能不同。而对锅炉而言，在满足下游汽轮发电机和减温减压器用汽总需求的情况下，各台锅炉的产汽量也有多种组合，每种组合所消耗的燃煤总量也可能不同。而对煤场而言，如果各煤场的原煤价格、煤质不同，则满足锅炉用煤可能有多种配煤方案，不同方案下的用煤成本又可能是不同的。
可见，热电联产***是一个煤场、锅炉、汽轮发电机、减温减压器与下游用户相互关联的复杂***。为了满足用户负荷的要求，调度人员需要对生产的各个环节进行调度：煤场需要怎样配比原煤，向锅炉输送多少燃煤；每台锅炉应该产多少蒸汽；每台汽轮发电机应该发多少电，抽出多少蒸汽；减温减压器是否需要开启，如果开启，需要开启哪几台，流量如何等等，这就构成了一个调度方案。而在满足下游用户电、热(蒸汽)负荷要求下，可能存在多种调度方案供选择，但哪种方案最能节约能源是需要调度人员考虑的问题。
发明人发现现有技术存在以下问题：调度人员在选择调度方案的时候，并没有将热电联产***中的配煤、锅炉、汽轮发电机和减温减压器整合在一起考虑调度问题，往往只针对热电联产***中的一部分(如仅仅针对汽轮发电机组)进行调度方案研究，这就可能使得热电生产的能耗偏高，以及，购煤成本偏高。
发明内容
基于发明人发现的目前热电联产中存在的问题，本申请提供了一种燃煤热电厂热电联产***的调度方法，用以解决现有技术中调度人员主要凭经验对热电联产***进行调度，导致的热电生产的能耗高，以及成本高的问题，也能在满足生产要求的前提下使生产成本最小。并且，本申请将热电联产***中的配煤、锅炉、汽轮发电机和减温减压器整合在一起考虑调度问题，能使调度方案做到“全局最优”。进一步的，在热电联产***的设备运行一段时间偏离其原有工况的情况下，本申请也能够从调度方案上弥补这种差别带来的影响。
本申请还提供了燃煤热电厂热电联产***的调度应用服务器及***，用以保证上述方法在实际中的实现及应用。
为了解决上述问题，本申请公开了一种燃煤热电厂热电联产***的调度方法，所述方法部署于燃煤热电厂热电联产***的调度***中的调度应用服务器上，所述调度***还包括：综合数据集成平台服务器；所述方法包括：
从综合数据集成平台服务器获取建立热电联产***中各台设备的工况模型所需的初始数据，所述初始数据包括：汽轮发电机进汽量、发电量和抽汽量，锅炉的产汽量，减温减压器进出口蒸汽量的实时数据和历史数据，蒸汽温度的实时数据和历史数据，蒸汽压力的实时数据和历史数据，原煤理化分析数据，以及，原煤的价格；
依据所述初始数据建立所述热电联产***中各台设备的工况模型；
判断是否满足预先设置的调度条件，如果是，则依据所述工况模型输出的电和热的实时负荷数据，以及影响所述工况模型输出的可控变量和辅助变量，确定当前负荷下燃煤热电厂热电联产***的调度策略。
优选的，所述判断是否满足预先设置的调度条件，包括：
判断在预置时间段内所述燃煤热电厂热电联产***的电和热的总负荷的变化是否超过预设第一阈值，或者，判断所述燃煤热电厂热电联产***中预测的调度燃煤值和实际燃煤值的差值是否大于预设第二阈值。
优选的，所述依据所述工况模型输出的电和热的实时负荷数据，以及影响所述工况模型输出的可控变量和辅助变量，确定当前负荷下燃煤热电厂热电联产***的调度策略，包括：
将所述工况模型输出的电和热的实时负荷数据，以及从综合数据集成平台服务器获取的影响所述工况模型输出的可控变量和辅助变量的值，作为预先建立的优化调度模型的输入；所述优化调度模型包括目标函数和约束条件，所述目标函数为：
MinC＝∑CF+∑PEn·Gn,in，
其中，C为所述热电联产***总的生产成本，CF为各种原煤成本，Gn,in为第n级减温减压器开启的流量，PEn为第n级减温减压器开启后的惩罚值；所述约束条件包括：物料平衡约束条件、电力平衡约束条件、汽轮发电机约束条件、锅炉约束条件、减温减压器约束条件和配煤约束条件；
采用混合整数线性规划算法计算在当前电和热的负荷下所述优化调度模型的结果，以得到所述燃煤热电厂热电联产***在当前电和热的负荷下的调度策略。
优选的，还包括：
将所述燃煤热电厂热电联产***的调度策略进行存储。
优选的，还包括：
响应于用户请求，将存储的所述调度策略展示给用户，以便用户依据所述调度策略触发所述燃煤热电厂热电联产***的优化调度。
优选的，还包括：
对所述工况模型所需的初始数据进行预处理，所述预处理方法包括但不限于：局外点检测算法、线性平滑算法或标准化算法。
优选的，还包括：
判断所述工况模型的输出值与实际值的差异大于预设第三阈值的次数是否超过预设差异次数阈值，如果是，则依据该差异确定用于补偿工况模型的输出值的调节量。
优选的，还包括：
记录所述工况模型的输入和输出，以及实际的设备运行工况构成的样本，并判断记录的样本数是否超过预设记录样本阈值，如果是，则利用所述记录的工况模型的输入和输出重新训练所述工况模型。
本申请公开了一种燃煤热电厂热电联产***的调度应用服务器，包括：
获取初始数据单元，用于从综合数据集成平台服务器获取建立热电联产***中各台设备的工况模型所需的初始数据，所述初始数据包括：汽轮发电机进汽量、发电量和抽汽量，锅炉的产汽量，减温减压器进出口蒸汽量的实时数据和历史数据，蒸汽温度的实时数据和历史数据，蒸汽压力的实时数据和历史数据，原煤理化分析数据，以及，原煤的价格；
建立工况模型单元，用于依据所述初始数据建立所述热电联产***中各台设备的工况模型；
第一判断单元，用于判断是否满足预先设置的调度条件；
确定调度策略单元，用于在所述判断单元的结果为是的情况下，依据所述工况模型输出的电和热的实时负荷数据，以及影响所述工况模型输出的可控变量和辅助变量，确定当前负荷下燃煤热电厂热电联产***的调度策略。
优选的，所述第一判断单元包括：
第一判断模块，用于判断在预置时间段内所述燃煤热电厂热电联产***的电和热的总负荷的变化是否超过预设第一阈值；
第二判断模块，用于判断所述燃煤热电厂热电联产***中预测的调度燃煤值和实际燃煤值的差值是否大于预设第二阈值。
优选的，所述确定调度策略单元包括：
确定输入模块，用于将所述工况模型输出的电和热的实时负荷数据，以及从综合数据集成平台服务器获取的影响所述工况模型输出的可控变量和辅助变量的值，作为预先建立的优化调度模型的输入；所述优化调度模型包括目标函数和约束条件，所述目标函数为：
MinC＝∑CF+∑PEn·Gn,in，
其中，C为所述热电联产***总的生产成本，CF为各种原煤成本，Gn,in为第n级减温减压器开启的流量，PEn为第n级减温减压器开启后的惩罚值；所述约束条件包括：物料平衡约束条件、电力平衡约束条件、汽轮发电机约束条件、锅炉约束条件、减温减压器约束条件和配煤约束条件；
计算模块，用于采用混合整数线性规划算法计算在当前电和热的负荷下所述优化调度模型的结果，以得到所述燃煤热电厂热电联产***在当前电和热的负荷下的调度策略。
优选的，还包括：
存储单元，用于将所述燃煤热电厂热电联产***的调度策略进行存储。
优选的，还包括：
展示调度策略单元，用于响应于用户请求，将存储的所述调度策略展示给用户，以便用户依据所述调度策略触发所述燃煤热电厂热电联产***的优化调度。
优选的，还包括：
数据预处理单元，用于对所述工况模型所需的初始数据进行预处理，所述预处理方法包括但不限于：局外点检测算法、线性平滑算法或标准化算法。
优选的，还包括：
判断单元，用于判断所述工况模型的输出值与实际值的差异大于预设第三阈值的次数是否超过预设差异次数阈值；
确定调节量单元，用于在所述第二判断单元的结果为是的情况下，依据该差异确定用于补偿工况模型的输出值的调节量。
优选的，还包括：
记录单元，用于记录所述工况模型的输入和输出；
第三判断单元，用于判断记录的次数是否超过预设记录次数阈值；
训练单元，用于在所述第三判断单元的结果为是的情况下，利用所述记录的工况模型的输入和输出重新训练所述工况模型。
本申请实施例还提供了一种燃煤热电厂热电联产***的调度***，该***包括：调度应用服务器和综合数据集成平台服务器，其中，所述调度应用服务器包括：
获取初始数据单元，用于从综合数据集成平台服务器获取建立热电联产***中各台设备的工况模型所需的初始数据，所述初始数据包括：汽轮发电机进汽量、发电量和抽汽量，锅炉的产汽量，减温减压器进出口蒸汽量的实时数据和历史数据，蒸汽温度的实时数据和历史数据，蒸汽压力的实时数据和历史数据，原煤理化分析数据，以及，原煤的价格；
建立工况模型单元，用于依据所述初始数据建立所述热电联产***中各台设备的工况模型；
第一判断单元，用于判断是否满足预先设置的调度条件；
确定调度策略单元，用于在所述判断单元的结果为是的情况下，依据所述工况模型输出的电和热的实时负荷数据，以及影响所述工况模型输出的可控变量和辅助变量，确定当前负荷下燃煤热电厂热电联产***的调度策略。
与现有技术相比，本申请包括以下优点：
在本申请实施例中利用从调度***中获得的历史数据、实时的设备运行数据，并基于这些数据建立热电联产***中各设备工况模型和整体优化调度模型，对拥有燃煤热电厂热电联产***实施整体优化调度。因此，针对了燃煤热电厂热电联产***的具体特点，从根本上解决企业调度人员凭经验进行调度的不足的问题，从而提高燃煤热电厂热电联产***的调度的准确性，提高热电联产***调度的经济性，节约耗煤量，降低购煤成本，从而可以达到节能减排、降本增效的目的。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是现有技术中进行燃煤热电厂热电联产***的调度时的***结构示例图；
图2是本申请的一种燃煤热电厂热电联产***的调度方法实施例的流程图；
图3是本申请的一种燃煤热电厂热电联产***的调度方法实施例的应用场景图；
图4是本申请的一种燃煤热电厂热电联产***的调度方法实施例中对工况模型进行在线校正的流程图；
图5是本申请的一种燃煤热电厂热电联产***的调度应用服务器的结构框图；
图6是本申请的一种燃煤热电厂热电联产***中进行在线校正的结构框图。
这里描述的附图仅仅是一些例子。在不脱离本申请精神的情况下，这里所述的图可以有不同的变化。所有上述变化被认为是要求保护的本申请的一部分。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
参考图2，示出了本申请一种燃煤热电厂热电联产***的调度方法实施例的流程图，所述方法部署于燃煤热电厂热电联产***的调度***中的调度应用服务器上，所述调度***还可以包括：综合数据集成平台服务器；本实施例可以包括以下步骤：
步骤201：调度应用服务器从综合数据集成平台服务器获取建立热电联产***中各台设备的工况模型所需的初始数据。
在本申请实施例中，调度应用服务器首先需要建立热电联产***中各台设备的工况模型，建立工况模型所需的初始数据可以从综合数据集成平台服务器获取，该初始数据具体可以包括：汽轮发电机进汽量、发电量和抽汽量，锅炉的产汽量，减温减压器进出口蒸汽量的实时数据和历史数据；与设备运行密切相关的辅助变量，例如，蒸汽温度的实时数据和历史数据，蒸汽压力的实时数据和历史数据；与原煤消耗、处理成本密切相关的数据，例如原煤理化分析数据，以及，原煤的价格。其中，实时数据和历史数据可以从DCS、实时数据库中获取，并存入综合数据集成平台服务器中以供调度应用服务器调用；生产计划与调度数据、化验分析数据、原煤价格数据或从第三方***，如MES、LIMS中的数据库服务器获取，或者通过人工输入的方式由用户通过客户端输入，并存入综合数据集成平台服务器以供调度应用服务器调用。
参考图3所示，为本申请的热电联产***的整体优化调度***的实例图，其中包括：安装在现场的测量仪表、传感器307、DCS306、综合数据集成平台服务器305、调度应用服务器302、客户端301、防火墙、防病毒服务器303、第三方***数据库服务器304等硬件设备以及连结各计算机设备、控制器和传感器的计算机网络构成。
在图3中，现场的测量仪表可以用于在线检测调度***所必需的数据，传感器将在线检测到的数据传送到DCS***，实现数据采集和控制。数据采集过程如下：热电联产***现场分布着若干个测定各台设备运行数据的测量仪表，由这些测量仪表根据各自测量的不同指标信号将其作滤波、缓冲、放大等预处理，然后将信号通过光电隔离后，送入DCS对应控制点标签中。
在图3中，客户端可以根据用户需求向调度应用服务器提出读取或者写入相关信息的要求，并根据用户需求将调度方案在客户端上进行展示。防火墙防病毒服务器的主要任务是监控热电整体优化调度***直接相关的客户端、调度***应用服务器、调度***综合数据集成平台服务器等的工作环境。
在图3中，调度应用服务器是整个调度***的核心部件，也是本申请方法实施例的执行主体，其主要运行热电联产***设备建模方法(对应步骤202)、热电联产***整体优化调度建模方法(对应步骤204)等模块。调度应用服务器需要调用综合数据集成平台服务器中存储的数据，并将热电联产***设备建模方法、热电联产***整体优化调度建模方法实施后得到的模型结果写入综合数据集成平台服务器的数据库。同时，对于一些模型计算必要的模型参数，调度应用服务器会自动判断是否需要调整，并当需要调整时通过应用服务器自动对综合数据集成平台服务器的相关数据进行更新处理。
在图3中，综合数据集成平台服务器基于专业的实时数据库和关系数据库管理***，将实施热电联产***整体优化调度所需要的生产现场的测量数据、原料成本数据、化验分析数据、生产计划与调度数据等存储在数据库中。其中，原料成本数据、化验分析数据、生产计划与调度数据或来自于第三方***数据库服务器，或者通过人工录入的方式写入综合数据集成平台服务器的数据库中。
在不同的实施例中，在步骤201之前，还可以包括：
步骤200：对工况模型所需的初始数据进行预处理，所述预处理方法包括但不限于：局外点检测算法、线性平滑算法或标准化算法。
可以理解的是，为了保证存储在综合数据集成平台服务器中的数据的准确性，步骤201中的这些数据均需要通过预处理，以保证所采集的数据的正确性和可靠性，避免因失误而导致所采集的数据出现异常，其中失误指由于控制、环境、测量仪器不稳定以及人为失误等因素所造成的误差。常用的数据预处理方法有很多，如局外点检测、线性平滑和标准化等。这些都是现有的预处理方法，在此不再赘述。
在步骤201之后，接续执行步骤202：依据所述初始数据建立所述热电联产***中各台设备的工况模型。
在本步骤中，则可以依据步骤201中从综合数据集成平台服务器获取到的初始数据，来建立热电联产***中各台设备的工况模型。
在本实施例中的设备工况模型如下：
Y＝f(X,X*)
其中，Y为当前设备工况模型的输出向量；X为影响设备工况模型输出的可控变量，是人为可以控制的变量，如物料消耗量；X*为影响设备工况模型输出的辅助变量，但人为不可控，如环境温度等；f()为所选的模型结构。
在热电联产***设备工况模型建立时，用与设备紧密相关的变量来得到设备输入与输出之间的函数关系。在得到这些函数关系式时，也需要引入其他辅助变量，以提高设备工况模型的精度。在建立热电联产***设备工况模型的时候，主要是公式(1)中模型结构f()的选择，以及，模型可控变量X和辅助变量X*的选择。其中，热电联产***设备工况模型的模型结构库可以由线性回归模型、分段线性拟合模型、主成分分析模型、偏最小二乘模型、人工神经网络模型或者模糊神经网络模型等组成，但不限于此。上述模型结构均是目前非常成熟的模型，这些模型的应用过程为本领域技术人员所公知，于此不再赘述。
在具体实施时，可将热电联产***设备工况模型的模型结构选择问题转化成0-1规划问题，并采用遗传算法进行求解，从模型结构库中选择模拟效果最好的模型结构。其中，模拟效果最好是指模型给出的未来一段时间内的设备工况数据与所采集的该时间段的实际设备的运行数据之间的差异最小。上述0-1规划方法是一种特殊形式的整数规划。这种规划的决策变量仅取值0或1，0-1变量可以数量化地描述诸如开与关、取与弃、有与无等现象所反映的离散变量间的逻辑关系、顺序关系以及互斥的约束条件，凡是有界变量的整数规划都可以转化为0-1规划来处理。因此，可以将热电设备工况模型的模型结构选择问题转化成0-1规划问题来进行处理。其中，因为遗传算法为本领域技术人员所公知的算法，于此也不再赘述。
同样地，可控变量和辅助变量的选择问题也转化成0-1规划问题，并采用遗传算法进行求解，从最初的可控变量和辅助变量向量中选择模拟效果最好的可控变量X和辅助变量向量X*。同样地，模拟效果最好是指模型给出的未来一段时间内设备运行数据与所采集的该时间段的实际设备运行数据之间的差异最小。
在本申请的另外一些实施例中，还可以在步骤202建立了工况模型之后，对于工况模型进行检测并在合适的时机对其进行调整，那么参考图4所示，在步骤202之后，还可以包括：
步骤401：判断所述工况模型的输出值与实际值的差异大于预设第三阈值的次数是否超过预设差异次数阈值，如果是，则进入步骤402。
在本实施例中，热电联产***是一个煤场、锅炉、汽轮发电机、减温减压器与下游用户相互关联的复杂***，一般不可能建立准确的设备工况模型来准确反映工业过程变化，而需要很大的依赖实时性强的对过程模型在线校正来跟踪过程变化，以较为准确的反映过程主要趋势的变化。因此，对热电联产***设备工况模型的在线校正，可以保证其长期稳定可靠地运行。在实际应用中，可以通过在设备工况模型中另外独立加入一个在线校正模块来实现图4的流程，以负责监视设备工况模型的输出和反馈回来的工况实际值。
在本步骤中需要比较设备工况模型的输出值和实际值的差异，当两者之间的差异大于预定阈值时，则记录该差异以及对应段内的生产工况，而如果这种差异连续数次产生且对应的生产工况始终处于稳定运行状态时，次数已经超过了预设差异次数阈值，那么就需要后续对其进行调节。此外，如果没有超过预设差异次数阈值，则不做任何处理。
步骤402：依据该差异确定用于补偿工况模型的输出值的调节量。
在本步骤中通过计算偏差而给出一个用于补偿工况模型的输出值的调节量，并将该调节量叠加到设备工况模型的输出层节点上，从而补偿设备工况模型输出，以使其与实际的设备运行工况数据相接近。
步骤403：记录所述工况模型的输入和输出，以及实际的设备运行工况构成的样本。
在本实施例中，在发现两者之间的差异大于预定阈值时，还需要记录下由热电联产***设备工况模型的输入(即各种变量)和输出，以及实际的设备运行工况构成的样本。
步骤404：判断记录的样本数是否超过预设记录样本阈值，如果是，则进入步骤405。
同样的，在所记录的样本数达到预设记录样本阈值之时，则执行步骤405。如果没有达到，则不作任何处理。
步骤405：利用所述记录的工况模型的输入和输出重新训练所述工况模型。
在本步骤中利用所记录的样本重新训练设备工况模型，更新模型f()的参数，使得模型输出结果的预测精度达到预定要求。其中，所述预定阈值和预定数量均可以根据实际所需的预测精度来设定，于此不作限定。
因为在实际运行中，热电联产***的设备在运行一段时间后，或是检修、改造后常常会偏离其原有工况，调度人员有时很难察觉这种差别，如果调度人员按照原有的调度习惯进行调度，往往造成调度的不合理。而通过图4的流程对其进行在线校正，就可以保证设备的工况模型的准确性，从而也能保证后续优化调度的准确性。
接着返回图2，进入步骤203：判断是否满足预先设置的调度条件，如果是，则进入步骤204。
在本步骤中，需要判断当前的热电联产***是否已经满足预先设置好的调度条件，具体的，可以通过判断在预置时间段内燃煤热电厂热电联产***的电和热的总负荷的变化是否超过预设第一阈值，或者，判断燃煤热电厂热电联产***中预测的调度燃煤值和实际燃煤值的差值是否大于预设第二阈值。其中，如果热电联产***的电和热的总负荷的变化是否超过预设第一阈值，则说明热电联产***的总负荷有比较大的调整，此时需要对热电联产***进行调度。而如果预测的调度燃煤值和实际燃煤值的差值也大于预设第二阈值，则说明在当前的电和热的总负荷的情况下，还有比较大的节约空间，因此也需要对热电联产***进行调度。
步骤204：依据所述工况模型输出的电和热的实时负荷数据，以及影响所述工况模型输出的可控变量和辅助变量，确定当前负荷下燃煤热电厂热电联产***的调度策略。
本步骤中确定调度策略时，可以通过预先建立的热电联产***整体优化调度模型来实现，本步骤的核心思想是以热电联产***总的生产成本最小为目标，通过优化锅炉、汽轮发电机和减温减压器负荷、优化原煤配比策略，在保证生产负荷要求的情况下，减少减温减压器开启次数和流量、减少燃煤消耗量、减少购煤成本，从而能够实现节能减排，降本增效的目标。
在具体实施时，本步骤具体可以包括：
步骤A1：将所述工况模型输出的电和热的实时负荷数据，以及从综合数据集成平台服务器获取的影响所述工况模型输出的可控变量和辅助变量的值，作为预先建立的优化调度模型的输入。
在本实施例中，优化调度模型包括目标函数和约束条件，其中目标函数如公式(1)所示：
MinC＝∑CF+∑PEn·Gn,in (1)
其中，C为所述热电联产***总的生产成本，CF为各种原煤成本，Gn,in为第n级减温减压器开启的流量，PEn为第n级减温减压器开启后的惩罚值。等式右边第一项确保燃煤消耗、处理成本最低，第二项确保减温减压器的开启尽量少。整个目标函数表示优化调度的目的是为了使热电联产***运行时总的生产成本为最小。
其中，约束条件具体可以包括：物料平衡约束条件、电力平衡约束条件、汽轮发电机约束条件、锅炉约束条件、减温减压器约束条件和配煤约束条件。
其中，热电调度***涉及到的物料有原煤和蒸汽，因此物料平衡约束如公式(2)、(3)和(4)所示：
∑FR＝∑FB+∑FL (2)
∑SB＝∑Din+∑Gn,in+∑SL (3)
∑Vn,T+∑Vn,R＝∑Vn,U+∑Vn,L (4)
在公式(2)～(4)中，FR表示原煤的消耗量；FB表示锅炉燃煤消耗量；FL为原煤在输送过程中的损耗。SB表示锅炉产汽量；Din表示汽轮发电机进汽量，Gn,in表示第n级减温减压器进汽量；SL表示蒸汽在输送过程中的损耗。Vn,T表示汽轮发电机第n级抽汽(外供)量；Vn,R表示第n级减温减压器输出蒸汽量；Vn,U表示用户第n级蒸汽需求量；Vn,L表示第n级蒸汽在输送过程中的损耗。
其中，汽轮发电机的发电量要满足下游用户的需求，因此电力平衡约束如公式(5)所示：
∑E＝∑EU+∑EL (5)
在公式(5)中，E表示汽轮发电机发电量，EU表示用户用电需求量，EL表示输电过程中的电力损耗。
其中，汽轮发电机要满足汽轮发电机设备工况模型结构和生产限制的要求，因此设备(汽轮发电机)约束条件如公式(6)、(7)、(8)和(9)所示：
Din＝f(E,Dn,out,Pin,Pn,out,Tin,Tn,out,X*) (6)
Emin·yT≤E·yT≤Emax·yT (8)
在公式(6)～(9)中，Din为汽轮发电机进汽量，E为汽轮发电机的发电量，Dn，out为汽轮发电机第n级的抽汽(外供)量，Pin为汽轮发电机进汽压力，Pn，out为第n级抽汽(外供)压力，Tin为汽轮发电机进汽温度，Tn， out为第n级抽汽(外供)温度，X*为其他辅助变量。分别为汽轮发电机进汽量的下限和上限值；Emin、Emax分别为汽轮发电机发电量的下限和上限值；分别为汽轮发电机第n级抽汽的的下限和上限值；yT为0-1变量，是作为各台汽轮发电机的开关机控制变量，如果汽轮发电机开机，yT取值为1，关机则yT为0。
其中，锅炉要满足锅炉设备工况模型结构和生产限制的要求，因此设备(锅炉)约束条件如公式(10)和(11)所示：
FB＝f(SB,P,T,P0,T0,WB,Pw,Tw,η,Q,X*) (10)
在公式(10)和(11)中，FB为锅炉燃煤消耗量，SB为锅炉的蒸发量，P为锅炉产汽压力，T为锅炉产汽温度，P0为锅炉给水压力，T0为锅炉给水温度，WB为锅炉排污水流量，Pw为锅炉排污水压力，Tw为锅炉排污水温度，η为锅炉效率，Q为燃料的低位发热量，X*为其他辅助变量。分别为锅炉产汽量的下限和上限值。yB为0-1变量，是作为各锅炉的开关机控制变量，如果锅炉开机，yB取值为1，关机则yB为0。
其中，减温减压器要满足减温加压器设备工况模型结构和生产限制的要求，因此减温减压器约束条件如公式(12)和(13)所示：
Gn,out＝f(Gn,in,Pn,in,Pn,out,Tn,in,Tn,out,Pwn,Twn,X*) (12)
在公式(12)和(13)中，Gn,out为第n级减温减压器出口蒸汽量，Gn,in为第n级减温减压器进口蒸汽量，Pn,in为第n级减温减压器进口蒸汽压力，Pn,out为第n级减温减压器出口蒸汽压力，Tn,in为第n级减温减压器进口蒸汽温度，Tn,out为第n级减温减压器出口蒸汽温度，Pw为第n级减温减压器的减温水压力，Tw为第n级减温减压器的减温水温度，X*为其他辅助变量。分别为第n级减温减压器进口蒸汽的下限和上限值。yG,n为0-1变量，是作为第n级减温减压器的开关机控制变量，如果第n级减温减压器开机，yG,n取值为1，关机则yG,n为0。
其中，由于安全生产和工艺条件的要求，锅炉对使用的燃煤的理化指标(如低位发热量、水分、灰分等)有一定限制，因此配煤的约束条件如公式(14)、(15)和(16)所示：
Zmi＝∑fi(Zi) (14)
CF＝f(FR,Z,L,X*) (16)
在公式(14)～(16)中，Zmi表示经原煤配比后的锅炉燃煤的第i项理化指标，Zi为原煤的第i项理化指标，∑fi()为不同原煤配比所得燃煤的第i项理化指标的模型结构，分别为燃煤第i项理化指标的下限和上限值。CF为原煤采购、处理成本；FR为各种原煤的消耗量；Z为原煤的理化分析数据；L为原煤的单价；X*为其他影响原煤采购、处理成本的辅助变量；f()为得到原煤采购、处理成本所选的模型结构。
可以理解的是，在公式(1)～(16)中，有很多常数，包括环境温度、惩罚值、物料损耗、电力损耗、各种上下限值、原煤的单价、原煤的理化分析数据等，均需要根据各应用企业的实际情况来人工确定，通过人工输入的方式由用户通过客户端输入，并存入调度***综合数据集成平台服务器以供调度应用服务器调用。
可以理解的是，在式(1)～(16)中，除上述常数和热电联产***设备工况模型的输出之外，其他参数的数据可以从DCS、实时数据库中获取，或从第三方***，如MES、LIMS中的数据库服务器获取，并存入调度***综合数据集成平台服务器以供调度应用服务器调用。
在步骤A1之后，接着执行步骤A2：采用混合整数线性规划算法计算在当前电和热的负荷下所述优化调度模型的结果，以得到所述燃煤热电厂热电联产***在当前电和热的负荷下的调度策略。
需要说明的是，由目标函数式(1)和约束条件式(2)～(16)构成热电联产***整体优化调度最基本的调度模型，调度模型由于存在0-1变量，需要采用混合整数线性规划方法进行求解，混合整数线性规划算法是比较常见的，于此不再赘述。特别地，由于不同的燃煤热电厂对热电联产***的调度有不同的要求，所以该优化调度模型的建立并不局限于公式(1)～(16)，本整体优化调度***可根据各个热电厂的具体情况对模型进行扩展，以适应不同场景的需求。
可见，本申请实施例采用多层架构的方式，将主要核心模型和算法以组件的方式部署在中间层的调度应用服务器中(执行主体为调度应用服务器)，从而提供了一种通用的，可扩展可移植的，能够满足不同燃煤热电厂热电联产***整体优化调度的要求。与现有技术相比，本申请基于设备工况模型建立热电联产***整体优化调度模型，以满足电、热(蒸汽)总负荷为前提，热电联产***总的生产成本最低为目标，自动给出优化的调度方案，实现了将配煤、锅炉、汽轮发电机、减温减压器整合在一起做出“全局优化”的调度方案，从而提高了热电联产***调度的经济性，实现节能减排、降本增效的目标，并在一定程度上避免了调度人员人为的主观性和因经验不足带来的问题。
在不同的实施例中，在步骤204之后，还可以包括：
步骤205：将所述燃煤热电厂热电联产***的调度策略进行存储。
在得到调度策略之后，还可以将该调度策略存储在综合数据集成平台服务器中。
步骤206：响应于用户请求，将存储的所述调度策略展示给用户，以便用户依据所述调度策略触发所述燃煤热电厂热电联产***的优化调度。
如果接收到用户通过客户端触发的请求，则可以从综合数据集成平台服务器中调取出调度策略并在客户端上展示给用户，而用户则可以依据其看到的调度策略触发燃煤热电厂热电联产***的优化调度。
对于前述的方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本申请所必须的。
与上述本申请一种燃煤热电厂热电联产***的调度方法实施例相对应，参见图5，本申请还提供了一种燃煤热电厂热电联产***的调度应用服务器实施例，在本实施例中，该服务器可以包括：
获取初始数据单元501，用于从综合数据集成平台服务器获取建立热电联产***中各台设备的工况模型所需的初始数据，所述初始数据包括：汽轮发电机进汽量、发电量和抽汽量，锅炉的产汽量，减温减压器进出口蒸汽量的实时数据和历史数据，蒸汽温度的实时数据和历史数据，蒸汽压力的实时数据和历史数据，原煤理化分析数据，以及，原煤的价格。
建立工况模型单元502，用于依据所述初始数据建立所述热电联产***中各台设备的工况模型。
其中，所述装置还可以对建立的工况模型进行在线校正，则参考图6所示，该装置还可以包括：
判断单元601，用于判断所述工况模型的输出值与实际值的差异大于预设第三阈值的次数是否超过预设差异次数阈值。
确定调节量单元602，用于在所述第二判断单元的结果为是的情况下，依据该差异确定用于补偿工况模型的输出值的调节量。
记录单元603，用于记录所述工况模型的输入和输出，，以及实际的设备运行工况构成的样本。
第三判断单元604，用于判断记录的样本数是否超过预设记录样本阈值。
训练单元605，用于在所述第三判断单元的结果为是的情况下，利用所述记录的工况模型的输入和输出重新训练所述工况模型。
第一判断单元503，用于判断是否满足预先设置的调度条件。
其中，所述第一判断单元具体可以包括：第一判断模块，用于判断在预置时间段内所述燃煤热电厂热电联产***的电和热的总负荷的变化是否超过预设第一阈值；第二判断模块，用于判断所述燃煤热电厂热电联产***中预测的调度燃煤值和实际燃煤值的差值是否大于预设第二阈值。
确定调度策略单元504，用于在所述判断单元的结果为是的情况下，依据所述工况模型输出的电和热的实时负荷数据，以及影响所述工况模型输出的可控变量和辅助变量，确定当前负荷下燃煤热电厂热电联产***的调度策略。
其中，所述确定调度策略单元504具体可以包括：
确定输入模块，用于将所述工况模型输出的电和热的实时负荷数据，以及从综合数据集成平台服务器获取的影响所述工况模型输出的可控变量和辅助变量的值，作为预先建立的优化调度模型的输入；所述优化调度模型包括目标函数和约束条件，所述目标函数可以为：
MinC＝∑CF+∑PEn·Gn,in，
其中，C为所述热电联产***总的生产成本，CF为各种原煤成本，Gn,in为第n级减温减压器开启的流量，PEn为第n级减温减压器开启后的惩罚值；所述约束条件包括：物料平衡约束条件、电力平衡约束条件、汽轮发电机约束条件、锅炉约束条件、减温减压器约束条件和配煤约束条件；计算模块，用于采用混合整数线性规划算法计算在当前电和热的负荷下所述优化调度模型的结果，以得到所述燃煤热电厂热电联产***在当前电和热的负荷下的调度策略。
在不同的实施例中，该调度应用服务器还可以包括：
数据预处理单元500，用于对所述工况模型所需的初始数据进行预处理，所述预处理方法包括但不限于：局外点检测算法、线性平滑算法或标准化算法。
在不同的实施例中，该调度应用服务器还可以包括：
存储单元505，用于将所述燃煤热电厂热电联产***的调度策略进行存储。以及，
展示调度策略单元506，用于响应于用户请求，将存储的所述调度策略展示给用户，以便用户依据所述调度策略触发所述燃煤热电厂热电联产***的优化调度。
本申请基于设备工况模型建立热电联产***整体优化调度模型，以满足电、热(蒸汽)总负荷为前提，热电联产***总的生产成本最低为目标，自动给出优化的调度方案，实现了将配煤、锅炉、汽轮发电机、减温减压器整合在一起做出“全局优化”的调度方案，从而提高了热电联产***调度的经济性，实现节能减排、降本增效的目标，并在一定程度上避免了调度人员人为的主观性和因经验不足带来的问题。
本申请实施例还提供了一种调度***，该调度***具体可以包括调度应用服务器和综合数据集成平台服务器，其中，所述调度应用服务器包括：
获取初始数据单元，用于从综合数据集成平台服务器获取建立热电联产***中各台设备的工况模型所需的初始数据，所述初始数据包括：汽轮发电机进汽量、发电量和抽汽量，锅炉的产汽量，减温减压器进出口蒸汽量的实时数据和历史数据，蒸汽温度的实时数据和历史数据，蒸汽压力的实时数据和历史数据，原煤理化分析数据，以及，原煤的价格；
建立工况模型单元，用于依据所述初始数据建立所述热电联产***中各台设备的工况模型；
第一判断单元，用于判断是否满足预先设置的调度条件；
确定调度策略单元，用于在所述判断单元的结果为是的情况下，依据所述工况模型输出的电和热的实时负荷数据，以及影响所述工况模型输出的可控变量和辅助变量，确定当前负荷下燃煤热电厂热电联产***的调度策略。
需要说明的是，本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。对于***类实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
但上面描述的仅仅是例子。在不脱离本申请精神的情况下可以有许多不同变化。例如，尽管本实施例中仅以网络性能测量为目的，许多大规模网络***也能从本申请的精神中得到益处，这包括但不限于，网络监控***、网络通信协同工作***；这些***能从本申请中的将消耗资源的某类程序移到集中的高性能服务器上运行的思想中得到有益启示。
尽管本申请的优选实施例中仅用数值计算方法来进行结果数据拟合，但是对于在具体实施例中，结果数据的拟合可使用多种变种方法和模型来达到预期效果，这些变种算法是要求保护的本申请的一部分。
尽管本申请的实施例中，调度应用服务器使用了一个主控进程，但在具体实施例中该主控进程不是本申请实施的必须部分，在不脱离本申请精神的前提下，对该主控进程进行修改、去除的技术变种是要求保护的本申请的一部分。
尽管本申请的实施例中，各部件之间可以使用UDP(User DatagramProtoco)进行通信，显然对于本领域熟练的技术人员来说，在不脱离本申请精神的情况下可将对该通信协议进行替换或修改。
尽管本申请的优选实施例中，简单网络乒乓协议被用在调度应用服务器和网络探针之间进行通信。显然对于本领域熟练的技术人员来说，在不脱离本申请精神的情况下可将对该通信协议进行替换或修改。
尽管本申请中描述的各个部件均为计算机程序，本申请中的任何部分均可以在软件、固件、硬件或者其结合中实现。
尽管这里详细描述了优选的实施例，但是对于本领域熟练的技术人员来说，很显然在不脱离本申请精神的情况下可以作出不同的改变、增加、替换或者类似操作，并且这些均被认为是在权力要求中所定义的本申请的保护范围之内。
以上对本申请所提供的一种燃煤热电厂热电联产***的调度方法、服务器及***进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。
Claims (17)
1.一种燃煤热电厂热电联产***的调度方法，其特征在于，所述方法部署于燃煤热电厂热电联产***的调度***中的调度应用服务器上，所述调度***还包括：综合数据集成平台服务器；所述方法包括：
从综合数据集成平台服务器获取建立热电联产***中各台设备的工况模型所需的初始数据，所述初始数据包括：汽轮发电机进汽量、发电量和抽汽量，锅炉的产汽量，减温减压器进出口蒸汽量的实时数据和历史数据，蒸汽温度的实时数据和历史数据，蒸汽压力的实时数据和历史数据，原煤理化分析数据，以及，原煤的价格；
依据所述初始数据建立所述热电联产***中各台设备的工况模型；
判断是否满足预先设置的调度条件，如果是，则依据所述工况模型输出的电和热的实时负荷数据，以及影响所述工况模型输出的可控变量和辅助变量，确定当前负荷下燃煤热电厂热电联产***的调度策略。
2.根据权利要求1所述的方法，其特征在于，所述判断是否满足预先设置的调度条件，包括：
判断在预置时间段内所述燃煤热电厂热电联产***的电和热的总负荷的变化是否超过预设第一阈值，或者，判断所述燃煤热电厂热电联产***中预测的调度燃煤值和实际燃煤值的差值是否大于预设第二阈值。
3.根据权利要求1所述的方法，其特征在于，所述依据所述工况模型输出的电和热的实时负荷数据，以及影响所述工况模型输出的可控变量和辅助变量，确定当前负荷下燃煤热电厂热电联产***的调度策略，包括：
将所述工况模型输出的电和热的实时负荷数据，以及从综合数据集成平台服务器获取的影响所述工况模型输出的可控变量和辅助变量的值，作为预先建立的优化调度模型的输入；所述优化调度模型包括目标函数和约束条件，所述目标函数为：
MinC＝∑CF+∑PEn·Gn,in，
其中，C为所述热电联产***总的生产成本，CF为各种原煤成本，Gn,in为第n级减温减压器开启的流量，PEn为第n级减温减压器开启后的惩罚值；所述约束条件包括：物料平衡约束条件、电力平衡约束条件、汽轮发电机约束条件、锅炉约束条件、减温减压器约束条件和配煤约束条件；
采用混合整数线性规划算法计算在当前电和热的负荷下所述优化调度模型的结果，以得到所述燃煤热电厂热电联产***在当前电和热的负荷下的调度策略。
4.根据权利要求1所述的方法，其特征在于，还包括：
将所述燃煤热电厂热电联产***的调度策略进行存储。
5.根据权利要求4所述的方法，其特征在于，还包括：
响应于用户请求，将存储的所述调度策略展示给用户，以便用户依据所述调度策略触发所述燃煤热电厂热电联产***的优化调度。
6.根据权利要求1所述的方法，其特征在于，还包括：
对所述工况模型所需的初始数据进行预处理，所述预处理方法包括但不限于：局外点检测算法、线性平滑算法或标准化算法。
7.根据权利要求1所述的方法，其特征在于，还包括：
判断所述工况模型的输出值与实际值的差异大于预设第三阈值的次数是否超过预设差异次数阈值，如果是，则依据该差异确定用于补偿工况模型的输出值的调节量。
8.根据权利要求7所述的方法，其特征在于，还包括：
记录所述工况模型的输入和输出，以及实际的设备运行工况构成的样本，并判断记录的样本数是否超过预设记录样本阈值，如果是，则利用所述记录的工况模型的输入和输出重新训练所述工况模型。
9.一种燃煤热电厂热电联产***的调度应用服务器，其特征在于，该服务器包括：
获取初始数据单元，用于从综合数据集成平台服务器获取建立热电联产***中各台设备的工况模型所需的初始数据，所述初始数据包括：汽轮发电机进汽量、发电量和抽汽量，锅炉的产汽量，减温减压器进出口蒸汽量的实时数据和历史数据，蒸汽温度的实时数据和历史数据，蒸汽压力的实时数据和历史数据，原煤理化分析数据，以及，原煤的价格；
建立工况模型单元，用于依据所述初始数据建立所述热电联产***中各台设备的工况模型；
第一判断单元，用于判断是否满足预先设置的调度条件；
确定调度策略单元，用于在所述判断单元的结果为是的情况下，依据所述工况模型输出的电和热的实时负荷数据，以及影响所述工况模型输出的可控变量和辅助变量，确定当前负荷下燃煤热电厂热电联产***的调度策略。
10.根据权利要求9所述的调度应用服务器，其特征在于，所述第一判断单元包括：
第一判断模块，用于判断在预置时间段内所述燃煤热电厂热电联产***的电和热的总负荷的变化是否超过预设第一阈值；
第二判断模块，用于判断所述燃煤热电厂热电联产***中预测的调度燃煤值和实际燃煤值的差值是否大于预设第二阈值。
11.根据权利要求9所述的调度应用服务器，其特征在于，所述确定调度策略单元包括：
确定输入模块，用于将所述工况模型输出的电和热的实时负荷数据，以及从综合数据集成平台服务器获取的影响所述工况模型输出的可控变量和辅助变量的值，作为预先建立的优化调度模型的输入；所述优化调度模型包括目标函数和约束条件，所述目标函数为：
MinC＝∑CF+∑PEn·Gn,in，
其中，C为所述热电联产***总的生产成本，CF为各种原煤成本，Gn,in为第n级减温减压器开启的流量，PEn为第n级减温减压器开启后的惩罚值；所述约束条件包括：物料平衡约束条件、电力平衡约束条件、汽轮发电机约束条件、锅炉约束条件、减温减压器约束条件和配煤约束条件；
计算模块，用于采用混合整数线性规划算法计算在当前电和热的负荷下所述优化调度模型的结果，以得到所述燃煤热电厂热电联产***在当前电和热的负荷下的调度策略。
12.根据权利要求9所述的调度应用服务器，其特征在于，还包括：
存储单元，用于将所述燃煤热电厂热电联产***的调度策略进行存储。
13.根据权利要求12所述的调度应用服务器，其特征在于，还包括：
展示调度策略单元，用于响应于用户请求，将存储的所述调度策略展示给用户，以便用户依据所述调度策略触发所述燃煤热电厂热电联产***的优化调度。
14.根据权利要求9所述的调度应用服务器，其特征在于，还包括：
数据预处理单元，用于对所述工况模型所需的初始数据进行预处理，所述预处理方法包括但不限于：局外点检测算法、线性平滑算法或标准化算法。
15.根据权利要求9所述的调度应用服务器，其特征在于，还包括：
判断单元，用于判断所述工况模型的输出值与实际值的差异大于预设第三阈值的次数是否超过预设差异次数阈值；
确定调节量单元，用于在所述第二判断单元的结果为是的情况下，依据该差异确定用于补偿工况模型的输出值的调节量。
16.根据权利要求15所述的调度应用服务器，其特征在于，还包括：
记录单元，用于记录所述工况模型的输入和输出；
第三判断单元，用于判断记录的次数是否超过预设记录次数阈值；
训练单元，用于在所述第三判断单元的结果为是的情况下，利用所述记录的工况模型的输入和输出重新训练所述工况模型。
17.一种燃煤热电厂热电联产***的调度***，其特征在于，该***包括：调度应用服务器和综合数据集成平台服务器，其中，所述调度应用服务器包括：
获取初始数据单元，用于从综合数据集成平台服务器获取建立热电联产***中各台设备的工况模型所需的初始数据，所述初始数据包括：汽轮发电机进汽量、发电量和抽汽量，锅炉的产汽量，减温减压器进出口蒸汽量的实时数据和历史数据，蒸汽温度的实时数据和历史数据，蒸汽压力的实时数据和历史数据，原煤理化分析数据，以及，原煤的价格；
建立工况模型单元，用于依据所述初始数据建立所述热电联产***中各台设备的工况模型；
第一判断单元，用于判断是否满足预先设置的调度条件；
确定调度策略单元，用于在所述判断单元的结果为是的情况下，依据所述工况模型输出的电和热的实时负荷数据，以及影响所述工况模型输出的可控变量和辅助变量，确定当前负荷下燃煤热电厂热电联产***的调度策略。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410367650.XA CN104102211B (zh) | 2014-07-29 | 2014-07-29 | 一种燃煤热电厂热电联产***的调度方法、服务器和*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410367650.XA CN104102211B (zh) | 2014-07-29 | 2014-07-29 | 一种燃煤热电厂热电联产***的调度方法、服务器和*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN104102211A true CN104102211A (zh) | 2014-10-15 |
| CN104102211B CN104102211B (zh) | 2017-02-22 |
Family
ID=51670432
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410367650.XA Active CN104102211B (zh) | 2014-07-29 | 2014-07-29 | 一种燃煤热电厂热电联产***的调度方法、服务器和*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104102211B (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105201565A (zh) * | 2015-09-30 | 2015-12-30 | 西安西热电站信息技术有限公司 | 一种基于母管制的多机组汽轮机蒸汽流量实时分配方法 |
| CN106154992A (zh) * | 2015-03-31 | 2016-11-23 | 西门子公司 | 生产***及生产***的控制方法 |
| CN104534507B (zh) * | 2014-11-18 | 2017-03-29 | 华北电力大学（保定） | 一种锅炉燃烧优化控制方法 |
| CN107958301A (zh) * | 2017-10-31 | 2018-04-24 | 浙江中控软件技术有限公司 | 一种lng接收站运行优化方法 |
| CN110785542A (zh) * | 2017-06-23 | 2020-02-11 | Rwe动力股份公司 | 用于运行发电厂的方法 |
| CN112783115A (zh) * | 2020-12-21 | 2021-05-11 | 浙江中控技术股份有限公司 | 一种蒸汽动力***的在线实时优化方法及装置 |
| CN116466568B (zh) * | 2023-03-07 | 2024-03-22 | 浙江中智达科技有限公司 | 一种零手动操作控制***、控制逻辑切换方法及装置 |
| CN117787653A (zh) * | 2024-01-22 | 2024-03-29 | 上海金联热电有限公司 | 母管制热电联产机组负荷分配方法、***、介质及设备 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1556486A (zh) * | 2003-12-31 | 2004-12-22 | 冶金自动化研究设计院 | 一种一体化的钢铁企业生产过程在线计划调度***与方法 |
| CN1704572A (zh) * | 2004-05-31 | 2005-12-07 | 宝山钢铁股份有限公司 | 燃气－蒸汽联合循环发电站运行效率在线解析方法和*** |
| CN101187813A (zh) * | 2007-12-07 | 2008-05-28 | 冶金自动化研究设计院 | 基于综合数据来源的钢铁能源的自动优化调度***及方法 |
| CN101619850A (zh) * | 2009-08-06 | 2010-01-06 | 杭州盘古自动化***有限公司 | 基于热电***负荷在线预测的调度方法与*** |
| CN102830616A (zh) * | 2011-06-14 | 2012-12-19 | 北京三博中自科技有限公司 | 一种蒸汽***的运行优化***和方法 |
-
2014
- 2014-07-29 CN CN201410367650.XA patent/CN104102211B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1556486A (zh) * | 2003-12-31 | 2004-12-22 | 冶金自动化研究设计院 | 一种一体化的钢铁企业生产过程在线计划调度***与方法 |
| CN1704572A (zh) * | 2004-05-31 | 2005-12-07 | 宝山钢铁股份有限公司 | 燃气－蒸汽联合循环发电站运行效率在线解析方法和*** |
| CN101187813A (zh) * | 2007-12-07 | 2008-05-28 | 冶金自动化研究设计院 | 基于综合数据来源的钢铁能源的自动优化调度***及方法 |
| CN101619850A (zh) * | 2009-08-06 | 2010-01-06 | 杭州盘古自动化***有限公司 | 基于热电***负荷在线预测的调度方法与*** |
| CN102830616A (zh) * | 2011-06-14 | 2012-12-19 | 北京三博中自科技有限公司 | 一种蒸汽***的运行优化***和方法 |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104534507B (zh) * | 2014-11-18 | 2017-03-29 | 华北电力大学（保定） | 一种锅炉燃烧优化控制方法 |
| CN106154992A (zh) * | 2015-03-31 | 2016-11-23 | 西门子公司 | 生产***及生产***的控制方法 |
| CN105201565A (zh) * | 2015-09-30 | 2015-12-30 | 西安西热电站信息技术有限公司 | 一种基于母管制的多机组汽轮机蒸汽流量实时分配方法 |
| CN105201565B (zh) * | 2015-09-30 | 2016-08-17 | 西安西热电站信息技术有限公司 | 一种基于母管制的多机组汽轮机蒸汽流量实时分配方法 |
| CN110785542A (zh) * | 2017-06-23 | 2020-02-11 | Rwe动力股份公司 | 用于运行发电厂的方法 |
| CN110785542B (zh) * | 2017-06-23 | 2022-06-10 | Rwe动力股份公司 | 用于运行发电厂的方法 |
| CN107958301A (zh) * | 2017-10-31 | 2018-04-24 | 浙江中控软件技术有限公司 | 一种lng接收站运行优化方法 |
| CN112783115A (zh) * | 2020-12-21 | 2021-05-11 | 浙江中控技术股份有限公司 | 一种蒸汽动力***的在线实时优化方法及装置 |
| CN112783115B (zh) * | 2020-12-21 | 2022-07-08 | 浙江中控技术股份有限公司 | 一种蒸汽动力***的在线实时优化方法及装置 |
| CN116466568B (zh) * | 2023-03-07 | 2024-03-22 | 浙江中智达科技有限公司 | 一种零手动操作控制***、控制逻辑切换方法及装置 |
| CN117787653A (zh) * | 2024-01-22 | 2024-03-29 | 上海金联热电有限公司 | 母管制热电联产机组负荷分配方法、***、介质及设备 |
| CN117787653B (zh) * | 2024-01-22 | 2024-06-04 | 上海金联热电有限公司 | 母管制热电联产机组负荷分配方法、***、介质及设备 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN104102211B (zh) | 2017-02-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104102211A (zh) | 一种燃煤热电厂热电联产***的调度方法、服务器和*** | |
| Chen et al. | Energy trading and market equilibrium in integrated heat-power distribution systems | |
| Gopalakrishnan et al. | Operational planning of combined heat and power plants through genetic algorithms for mixed 0–1 nonlinear programming | |
| CN103809438B (zh) | 用于基于模型的控制和优化的安全模型 | |
| CN106773704B (zh) | 多***联合优化调度方法及装置 | |
| US10983484B2 (en) | Hierarchical implicit controller for shielded system in a grid | |
| Havlena et al. | Application of model predictive control to advanced combustion control | |
| CN106991539B (zh) | 一种能源***优化调度方法及装置 | |
| US20120239164A1 (en) | Graphical language for optimization and use | |
| CH710432A2 (de) | Verfahren zum Betrieb von Kraftwerk-Wärmeerzeugungseinheiten. | |
| US20120239169A1 (en) | Transparent models for large scale optimization and control | |
| DE102011051671A1 (de) | Optimierungssystem unter Verwendung einer iterativen Experten-Engine | |
| Rossi et al. | Artificial neural networks and physical modeling for determination of baseline consumption of CHP plants | |
| DE102015120446A1 (de) | Verfahren und Systeme zur Verbesserung der Steuerung von Kraftwerksgeneratoreinheiten | |
| US7333861B2 (en) | Method and system for calculating marginal cost curves using plant control models | |
| US20160230699A1 (en) | Combined cycle power generation optimization system | |
| CN107958301A (zh) | 一种lng接收站运行优化方法 | |
| Kestering et al. | Model predictive control of power plant cycling using Industry 4.0 infrastructure | |
| Eynard et al. | Modular approach for modeling a multi-energy district boiler | |
| Bolurian et al. | Bi-level energy management model for the smart grid considering customer behavior in the wireless sensor network platform | |
| Jalving et al. | Beyond price taker: Conceptual design and optimization of integrated energy systems using machine learning market surrogates | |
| Marousi et al. | Game theoretic optimisation in process and energy systems engineering: A review | |
| Lin et al. | Digital twin+ industrial internet for smart manufacturing: A case study in the steel industry | |
| Shadaksharappa | Optimum generation scheduling for thermal power plants using artificial neural network | |
| Skakovsky et al. | Efficiency improvement for sugar plant boiler department work based on boiler units optimal loads distribution |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20190522 Address after: 310053 4th Floor, Zone D, No. 309 Liuhe Road, Binjiang District, Hangzhou City, Zhejiang Province Co-patentee after: Zhejiang University Patentee after: Zhejiang SUPCON Software Co., Ltd. Address before: 310053 4th Floor, D District, No. 309 Liuhe Road, Binjiang District, Hangzhou City, Zhejiang Province (High-tech Zone) Patentee before: Zhejiang SUPCON Software Co., Ltd. |
|
| TR01 | Transfer of patent right |