CN109934493B - 一种快速确定火力发电机组煤耗特性曲线的方法 - Google Patents
一种快速确定火力发电机组煤耗特性曲线的方法 Download PDFInfo
- Publication number
- CN109934493B CN109934493B CN201910190896.7A CN201910190896A CN109934493B CN 109934493 B CN109934493 B CN 109934493B CN 201910190896 A CN201910190896 A CN 201910190896A CN 109934493 B CN109934493 B CN 109934493B
- Authority
- CN
- China
- Prior art keywords
- coal consumption
- characteristic curve
- specific
- unit
- data
- 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.)
- Active
Links
- 239000003245 coal Substances 0.000 title claims abstract description 220
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000012360 testing method Methods 0.000 claims abstract description 27
- 238000013519 translation Methods 0.000 claims description 17
- 238000013461 design Methods 0.000 claims description 11
- 238000000611 regression analysis Methods 0.000 claims description 8
- 230000003247 decreasing effect Effects 0.000 claims description 5
- 238000013178 mathematical model Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000010977 unit operation Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种快速确定火力发电机组煤耗特性曲线的方法,这种方法能够从1组或2组煤耗数据中获得机组煤耗特性曲线,大大减少了现场试验工作量,提高了劳动生产率。这种方法对煤耗曲线的拟合精度很高,当机组负荷在40%THA以上,采用1组数据拟合的煤耗特性曲线的预测误差在‑1.37%~3.15%之间,采用2组数据拟合的煤耗特性曲线的预测误差在‑0.74%~0.65%之间,采用5组以上数据拟合的煤耗特性曲线的预测误差在‑0.78%~0.59%之间。采用的数据组数越多,拟合精度越高,但获得这些数据的工作量越大。利用2组数据拟合煤耗特性曲线时,折中性较好,不仅具有较高的拟合精度,且能有效减少现场供电煤耗试验工作量。
Description
技术领域
本发明涉及火力发电机组运行监测领域,尤其涉及一种快速确定机组供电煤耗特性曲线的方法。
背景技术
供电煤耗是火力发电机组每生产1kWh电能所消耗标准煤的质量,是衡量机组运行经济性的重要指标。供电煤耗特性曲线(以下称“煤耗特性曲线”)是机组供电煤耗随负荷的变化曲线,该曲线是发电厂能耗状态分析和机组负荷调度的重要依据,已授权的中国发明专利ZL201510267994.8、ZL201410598658.7、ZL201410610127.5、ZL200610165564.6根据厂内各机组的煤耗特性曲线,以全厂效率最大为目标,采用不同的方法对各台机组的负荷进行分配,实现了厂级负荷的优化调度,这些专利的核心是如何进行机组负荷优化调度,虽然方法各不相同,却都以机组煤耗特性曲线作为基本的已知条件。
机组供电煤耗一般通过热力试验测定。要确定某台机组的煤耗特性曲线一般需要对该机组进行5个负荷以上的供电煤耗测试,然后对煤耗试验数据进行回归分析,得到机组的煤耗特性曲线。
机组供电煤耗测定是由多个专业协同进行的大型热力试验,试验对象包括锅炉、汽轮机、热力***和辅机等电厂所有的主要设备,试验过程中需测定锅炉效率、汽轮机热耗率和厂用电功率等多项运行指标,试验持续时间长,消耗大量人力和物力,目前在役的火力发电机组,在投产初期机组性能考核试验中,一般只进行少量负荷下的供电煤耗的测试,如何从少量煤耗测试数据中快速获得准确的煤耗特性曲线,不仅是实际生产的迫切需要,而且对于减少现场试验工作量,提高劳动生产率,实现厂内负荷优化调度有十分重要的意义,而目前还未见有文献提供快速确定煤耗特性曲线的技术方案。
发明内容
针对上述问题,本发明提供了一种快速确定火力发电机组煤耗特性曲线的方法,有效解决了背景技术中所提出的技术问题。
本发明解决其技术问题所采取的技术方案是:
一种快速确定火力发电机组煤耗特性曲线的方法,包括如下步骤:
第一,确定通用比煤耗特性曲线
1.1选取用于确定通用比煤耗特性曲线的机组类型;
1.2确定步骤1.1中选取的不同机组类型的特征负荷bg0,以及特征负荷下的特征供电煤耗P0。
1.3将机组的供电煤耗和负荷转换成无量纲的比供电煤耗和比负荷。
1.4以比供电煤耗作为函数,比负荷作为自变量,对数据进行回归分析,得到比供电煤耗随比负荷变化的函数关系式,并以该关系式作为通用比煤耗特性曲线。
第二,根据第一步确定的通用比煤耗特性曲线确定对象机组的煤耗特性曲线。
2.1获取对象机组的N个负荷下的供电煤耗数据。
2.2将步骤2.1中获得的负荷和供电煤耗转换成比负荷和比供电煤耗,并用坐标形式表达。
2.3将步骤2.2中获得的坐标绘制到第一步所得到的通用比煤耗特性曲线图中。
2.4平移通用比煤耗特性曲线,使新位置上的比煤耗特性曲线能最大程度地概括对象机组的比煤耗数据,从而得到对象机组比供电煤耗随比负荷的变化曲线。
2.4.1计算通用比煤耗特性曲线在β方向上的最佳平移量β0和在μ方向上的最佳平移量μ0
2.4.2通过步骤2.4.1中得到的最佳平移量得到对象机组的比煤耗特性曲线。
2.5将步骤2.4中得到的对象机组的比供电煤耗特性曲线函数关系式转换成煤耗特性曲线函数关系式。
进一步地,步骤1.1中,所述选取的机组类型从容量上,应包含300MW、600MW和1000MW级别的发电机组,从参数上,应包含亚临界参数、超临界参数和超超临界参数的发电机组。
进一步地,步骤1.2中,所述的特征负荷为汽轮机热耗率验收(THA)工况下的负荷。
进一步地,步骤2.1中,供电煤耗数据的获取方式包括如下几种,
(1)通过供电煤耗试验的方式获取,即按国家标准GB/T8117.1-2008、GB/T10184-2015或相应的国际标准进行汽轮机热耗率、锅炉效率和厂用电率的测试,然后根据这些试验数据计算机组的供电煤耗。
(2)采用发电量和煤耗量的统计数据计算供电煤耗。
(3)采用汽轮机设计热耗、锅炉设计热效率以及厂用电率的设计或试验值计算供电煤耗。
进一步地,步骤2.1中的N取2。
进一步地,步骤1.4中,对数据进行回归分析时,采用指数递减函数。
本发明的有益效果是:
该方法采用无量纲化的数据处理方式,事先从各种不同类型机组已有的煤耗数据中获得通用比煤耗特性曲线,所求机组的比煤耗特性曲线通过对通用比煤耗特性曲线的坐标平移得到,坐标平移量是求取该机组比煤耗特性曲线时唯一需要确定的特征参数,因而减少了确定比煤耗特性曲线所需要的数据量,能够从少量供电煤耗数据中提取机组的煤耗特性曲线。减少了试验工作量,提高劳动生产率,通过少量煤耗数据获得了机组煤耗特性曲线。
附图说明
图1是通用比煤耗特性曲线;
图2是机组A从1组数据拟合得到的比煤耗特性曲线;
图3是机组B从2组数据拟合得到的比煤耗特性曲线;
图4是机组C从3组数据拟合得到的比煤耗特性曲线;
图5是机组D从4组数据拟合得到的比煤耗特性曲线;
图6是机组E从5组数据拟合得到的比煤耗特性曲线;
图7是机组F从6组数据拟合得到的比煤耗特性曲线;
图8是机组G从7组数据拟合得到的比煤耗特性曲线。
具体实施方式
为了方便理解,先对本方法的主体思路进行分析解释如下。
本发明公开的机组煤耗特性曲线的确定方法,将比煤耗特性曲线区分为形状和位置两个因素。在这里,认为不同机组比煤耗特性曲线符合普遍的规律,因而形状相同,这种普遍规律在本质上是因为不同容量的汽轮机可视为相似模型,它们的热功转换效率随主汽流量的相对变化趋势相似。比煤耗特性曲线的形状因素从不同机组已有的煤耗和负荷数据中提取,作为机组通用比煤耗特性曲线。在比供电煤耗和比负荷的二维坐标系中,将通用比煤耗特性曲线平移到适当位置,使之能够最大限度地概括对象机组的比煤耗数据,从而得到对象机组的比煤耗特性曲线。因此,通用比煤耗特性曲线的位置才是对象机组真正需要通过煤耗试验确定的变量。
一种快速确定火力发电机组煤耗特性曲线的方法,包括如下步骤:
第一,确定通用比煤耗特性曲线
1.1选取用于确定通用比煤耗特性曲线的机组类型,且所述的机组类型从容量上,应包含300MW、600MW和1000MW级别的发电机组,从参数上,应包含亚临界参数、超临界参数和超超临界参数的发电机组。
1.2确定步骤1.1中选取的不同机组类型的特征负荷bg0,以及特征负荷下的特征供电煤耗P0。
特征负荷通常取为汽轮机热耗率验收(THA)工况下的负荷。
作为一种具体实施方式,本实施例所选取的机组类型,以及确定的特征负荷bg0如表1所示。
表1机组的容量、参数和特征负荷
1.3将机组的供电煤耗和负荷利用式①和式②转换成无量纲的比供电煤耗和比负荷。
式中:β为比负荷;
P为机组负荷,MW;
P0为相应机组类型的特征负荷,MW;
μ为比供电煤耗;
bg为机组供电煤耗,g/kWh;
bg0为相应机组类型特征负荷P0下的特征供电煤耗,g/kWh。
作为一种具体实施方式,本实施例选用9台机组的62组供电煤耗和负荷数据,确定机组的通用比供电煤耗曲线。供电煤耗和负荷的数据可以来自于现有的文献、供电煤耗试验、机组运行统计煤耗或设计煤耗。
1.4以比供电煤耗作为函数,比负荷作为自变量,对数据进行回归分析,得到比供电煤耗随比负荷变化的函数关系式,并以该关系式作为通用比煤耗特性曲线。
具体做法如下:
根据步骤1.3中得到的比负荷β和比供电煤耗μ,采用式③所示的指数递减函数进行回归分析,得到拟合常数a、b和t
μ=ae-β/t+b ③
式③就是通用比煤耗特性曲线。
作为一种具体实施方式,本实施例采用式③所示的指数递减函数对步骤1.3中所得到的62组比负荷β和比供电煤耗μ数据进行回归分析,得到式③中的a=0.798,b=0.988,t=0.245。得到通用比煤耗特性曲线如图1所示。
通过图1可以看出,采用式③预测的绝大部分比供电煤耗的误差在﹣2.0%~+2.0%之间,说明采用指数递减函数对比供电煤耗μ和比负荷β进行数据拟合是非常合适的。
第二,根据第一步确定的通用比煤耗特性曲线确定对象机组的煤耗特性曲线。
在这里,所述的对象机组是指要确定煤耗特性曲线的机组。
作为一种具体实施方式,本实施例选取七台对象机组,其容量、参数以及特征负荷如下:
机组A:1000MW超超临界参数、一次再热发电机组,其特征负荷P0=1000MW,特征供电煤耗bg0=280.86g/kWh;
机组B:1000MW超超临界参数、二次再热发电机组,其特征负荷P0=1021.35MW,特征供电煤耗bg0=274.33g/kWh;
机组C:600MW亚临界参数机组,其特征负荷P0=600MW,特征供电煤耗bg0=306.18g/kWh;
机组D:600MW超临界参数进口机组,其特征负荷P0=600.32MW,特征供电煤耗bg0=286.23g/kWh;
机组E:300MW亚临界参数机组,特征负荷P0=300.01MW,特征供电煤耗bg0=312.02g/kWh;
机组F:350MW超临界参数机组,其特征负荷P0=350MW,特征供电煤耗bg0=298.90g/kWh;
机组G:660MW超临界参数机组,其特征负荷P0=660.15MW,特征供电煤耗bg0=292.51g/kWh。
2.1获取对象机组的N个负荷下的供电煤耗数据。
供电煤耗数据的获取可以采用以下几种方式:
(1)通过供电煤耗试验的方式获取,即按国家标准GB/T8117.1-2008、GB/T10184-2015或相应的国际标准进行汽轮机热耗率、锅炉效率和厂用电率的测试,然后根据这些试验数据计算机组的供电煤耗。
(2)采用发电量和煤耗量的统计数据计算供电煤耗。
(3)采用汽轮机设计热耗、锅炉设计热效率以及厂用电率的设计或试验值计算供电煤耗。
作为一种具体实施方式,本实施例中获取的对象机组的N个负荷下的供电煤耗数据如下:
机组A:1000MW负荷下的供电煤耗为280.86g/kWh;
机组B:1021.35MW和501.58MW负荷下的供电煤耗分别为274.33g/kWh和291.92g/kWh;
机组C:600MW、510MW和300MW负荷下的供电煤耗分别为306.18g/kWh、310.74g/kWh和338.61g/kWh;
机组D:680.37MW、600.32MW、450.23MW和240.17MW负荷下的供电煤耗分别为285.04g/kWh、286.23g/kWh、289.15g/kWh和316.99g/kWh;
机组E:332.23MW、300.01MW、270.01MW、150.01MW和90.0MW负荷下的供电煤耗分别为310.92g/kWh、312.02g/kWh、314.41g/kWh、344.47g/kWh和380.90g/kWh;
机组F:375.80MW、391.36MW、350.25MW、262.50MW、175.0MW和105.0MW负荷下的供电煤耗分别为298.12g/kWh、297.69g/kWh、298.90g/kWh、309.04g/kWh、328.54g/kWh和375.34g/kWh;
机组G:711.30MW、739.15MW、660.15MW、495.27MW、330.10MW、264.24MW和198.04MW负荷下的供电煤耗分别为291.82g/kWh、292.33g/kWh、292.51g/kWh、300.30g/kWh、317.89g/kWh、332.04g/kWh和354.58g/kWh。
2.2利用式①和式②将步骤2.1中获得的负荷和供电煤耗转换成比负荷和比供电煤耗,并用如下的坐标形式表达。
(β1,μ1),(β2,μ2)…,(βN,μN) (N≥1)
在这一步中,在对对象机组的负荷和供电煤耗进行转换时,特征负荷为对象机组的特征负荷。
作为一种具体实施方式,本实施例中获取的对象机组的比负荷和比供电煤耗如下:
机组A:(1,1) (N=1);
机组B:(0.4911,1.0641),(1,1) (N=2);
机组C:(0.5,1.1059),(0.85,1.0149),(1,1) (N=3);
机组D:(1.1340,0.9958),(1,1),(0.7504,1.0102),(0.4003,1.1075)(N=4);
机组E:(1.1074,0.9965),(1,1),(0.90,1.0077),(0.50,1.1040),(0.30,1.2208)(N5);
机组F:(1.0737,0.9974),(1.1182,0.9960),(1.0007,1),(0.75,1.0339),(0.50,1.096);
机组G:(1.0777,0.9976),(1.1199,0.9994),(1.0002,1),(0.7504,1.0266),(0.5002,7)。
2.3将步骤2.2中获得的坐标绘制到第一步所得到的通用比煤耗特性曲线图中。
2.4平移通用比煤耗特性曲线,使新位置上的比煤耗特性曲线能最大程度地概括对象机组的比煤耗数据,新位置的曲线即为对象机组比供电煤耗随比负荷的变化曲线。
新位置上的比煤耗特性曲线能最大程度地概括对象机组的比煤耗数据,这一要求可以通过如下数学方法实现:假设通用比煤耗特性曲线的坐标平移量,得到新位置上比煤耗特性曲线的函数关系式,该函数对对象机组煤耗预测偏差平方和最小时的坐标平移量,即为通用比煤耗特性曲线的最佳平移量,此时,新位置上的比煤耗特性曲线能最大程度地概括对象机组的比煤耗数据。
2.4.1计算通用比煤耗特性曲线的最佳平移量β0和μ0。
首先,将式③所示的通用比煤耗特性曲线在β方向上向左平移β0个单位、在μ方向上向下平移μ0个单位后,新位置上的曲线所表示的比供电煤耗μ和比负荷β的函数关系为
然后,要使新位置的比煤耗特性曲线最大程度地概括对象机组的N组比煤耗和比负荷数据(β1,μ1),(β2,μ2)…,(βN,μN),只要使根据式④预测的比供电煤耗与实际值μi的偏差平方和最小,此时的β0和μ0值即为最佳的平移量。数学模型为
-1≤β0≤+1 ⑦
-1≤μ0≤+1 ⑧
通过分析可知,上述数学模型有2个未知数β0和μ0,模型共有N组数据,当N≥2时,可对最优化模型进行求解,得到β0和μ0,然后将求解得到的β0和μ0代入式④,得到对象机组的比煤耗特性曲线。因此,已知2组比煤耗数据即可对上述模型进行求解,从而得到对象机组的比煤耗特性曲线。
当对象机组只有1组比煤耗数据,即N=1时,如机组A。此时,在对通用比煤耗特性曲线进行坐标平移时,只在μ方向上进行平移,β方向上的位置保持不变,这时,上述最优化模型的约束条件式⑦可替换为
-0.000001≤β0≤+0.000001 ⑨
这样,可以近似的认为约束条件式⑨限定了通用比煤耗特性曲线在平移过程中保持β方向上位置不变,即β0=0,这时模型中只包含一个未知数μ0,从而可采用1组数据进行求解。
因此,当对象机组只有1组煤耗数据时,根据这1组数据求解由式⑤、式⑥、式⑧和式⑨组成的数学模型得到μ0,然后将μ0和β0=0代入式④,得到对象机组的比煤耗特性曲线。
在这里,之所以将原来的约束条件⑦用约束条件⑨代替,而没有直接设定β0=0,主要是为了保持数学模型的通用性,这样一套计算程序即可满足,不需要另行设计计算程序,降低了设计的复杂度,也方便了日常使用操作。
作为一种具体实施方式,本实施例得到的对象机组的最佳平移量β0和μ0分别为:
机组A:β0=0,μ0=0.0015;
机组B:β0=0.0938,μ0=-0.0028;
机组C:β0=-0.0378,μ0=0.0030;
机组D:β0=0.0660,μ0=0.0005;
机组E:β0=0.0055,μ0=0.0004;
机组F:β0=-0.0326,μ0=0.0018;
机组G:β0=0.0137,μ0=-0.0014。
对于机组A而言,从理论上讲,由于β0=0,因此理论上μ0应等于0,在这里之所以μ0=0.0015,是因为β0被限定在-0.000001到+0.000001之间,而并非严格等于0,因此μ0=0.0015属于合理范围内的计算误差。
2.4.2将步骤2.4.1中得到的最佳平移量β0和μ0代入到式④中,得到对象机组的比煤耗特性曲线。
作为一种具体实施方式,本实施例得到的对象机组的比煤耗特性曲线的函数关系式分别为:
机组A:μ=0.798e-β/0.245+0.987
机组B:μ=0.798e-(β+0.0938)/0.245+0.991
机组C:μ=0.798e-(β-0.0378)/0.245+0.985
机组D:μ=0.798e-(β+0.066)/0.245+0.9875
机组E:μ=0.798e-(β+0.0055)/0.245+0.9876
机组F:μ=0.798e-(β-0.0326)/0.245+0.9862
机组G:μ=0.798e-(β+0.0137)/0.245+0.9894
通过上述函数关系式得到的对象机组的比煤耗特性曲线分别如图2-图8所示。
2.5将步骤2.4中得到的对象机组的比供电煤耗特性曲线函数关系式转换成煤耗特性曲线函数关系式。
利用式①和式②,将对象机组的比煤耗特性曲线函数关系式,即式④,转换成煤耗特性曲线如下:
式⑩描述了对象机组的煤耗bg(g/kWh)与机组负荷P(MW)之间的关系,式中a、b、t、β0和μ0均为已求得的参数,P0为特征负荷,bg0为特征负荷P0下的特征供电煤耗,也为已知参数。
作为一种具体实施方式,本实施例得到的对象机组的煤耗特性曲线函数关系式分别为:
第三,方法准确性验证
分别给出对象机组不同负荷下的实际比供电煤耗值,通过图2-图8可以看出,七台对象机组的比煤耗特性曲线均较好地反映了负荷下的实际比供电煤耗值,该方法准确性高,可靠,可以用于指导生产实践。
另外,通过计算煤耗特性曲线的预测误差,结果见表2,可以看出,在机组40%THA负荷以上,采用1组数据拟合的煤耗特性曲线的预测误差在-1.37%~3.15%之间,采用2组数据拟合的煤耗特性曲线的预测误差在-0.74%~0.65%之间,采用5组以上数据拟合的煤耗特性曲线的预测误差在-0.78%~0.59%之间。采用的数据越多,煤耗特性曲线的预测误差越小,但获得这些数据的工作量也越大。采用2组数据拟合时,折中性较好,不仅具有较高精度,而且能有效减少现场供电煤耗试验的工作量。因此,优选采用2组数据拟合。
表2不同负荷范围内,不同煤耗特性曲线的预测误差
虽然结合附图对本发明的具体实施方式进行了描述,但上述实施方式是本发明较佳的实施方式,并非对本发明保护范围的限制,所属领域技术人员应该明白,在本发明的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (6)
1.一种快速确定火力发电机组煤耗特性曲线的方法,其特征在于,包括如下步骤,
第一,确定通用比煤耗特性曲线:
1.1选取用于确定通用比煤耗特性曲线的机组类型;
1.2确定步骤1.1中选取的不同机组类型的特征负荷b g0 ,以及特征负荷下的特征供电煤耗P 0 ;
1.3将机组的供电煤耗和负荷转换成无量纲的比供电煤耗μ和比负荷β;
1.4以比供电煤耗μ作为函数,比负荷β作为自变量,对数据进行回归分析,得到比供电煤耗μ随比负荷β变化的函数关系式,并以该关系式作为通用比煤耗特性曲线;
第二,根据第一步确定的通用比煤耗特性曲线确定对象机组的煤耗特性曲线:
2.1获取对象机组的N个负荷下的供电煤耗数据;
2.2将步骤2.1中获得的负荷和供电煤耗转换成比负荷β和比供电煤耗μ,并用坐标形式表达;
2.3将步骤2.2中获得的坐标绘制到第一步所得到的通用比煤耗特性曲线图中;
2.4平移通用比煤耗特性曲线,使新位置上的比煤耗特性曲线能最大程度地概括对象机组的比煤耗数据,从而得到对象机组比供电煤耗μ随比负荷β的变化曲线;
2.4.1计算通用比煤耗特性曲线在β方向上的最佳平移量β 0 和在μ方向上的最佳平移量μ 0 ;
2.4.2通过步骤2.4.1中得到的最佳平移量得到对象机组的比煤耗特性曲线;
2.5将步骤2.4中得到的对象机组的比煤耗特性曲线函数关系式转换成煤耗特性曲线函数关系式。
2.根据权利要求1所述的一种快速确定火力发电机组煤耗特性曲线的方法,其特征在于,步骤1.1中,所述选取的机组类型从容量上,应包含300MW、600MW和1000MW级别的发电机组,从参数上,应包含亚临界参数、超临界参数和超超临界参数的发电机组。
3.根据权利要求1所述的一种快速确定火力发电机组煤耗特性曲线的方法,其特征在于,步骤1.2中,所述的特征负荷为汽轮机热耗率验收(THA)工况下的负荷。
4.根据权利要求1所述的一种快速确定火力发电机组煤耗特性曲线的方法,其特征在于,步骤2.1中,供电煤耗数据的获取方式包括如下几种:
(1)通过供电煤耗试验的方式获取,即按国家标准GB/T8117.1-2008、GB/T10184-2015或相应的国际标准进行汽轮机热耗率、锅炉效率和厂用电率的测试,然后根据这些试验数据计算机组的供电煤耗;
(2)采用发电量和煤耗量的统计数据计算供电煤耗;
(3)采用汽轮机设计热耗、锅炉设计热效率以及厂用电率的设计或试验值计算供电煤耗。
5.根据权利要求1所述的一种快速确定火力发电机组煤耗特性曲线的方法,其特征在于,步骤2.1中的N取2。
6.根据权利要求1所述的一种快速确定火力发电机组煤耗特性曲线的方法,其特征在于,步骤1.4中,对数据进行回归分析时,采用指数递减函数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910190896.7A CN109934493B (zh) | 2019-03-14 | 2019-03-14 | 一种快速确定火力发电机组煤耗特性曲线的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910190896.7A CN109934493B (zh) | 2019-03-14 | 2019-03-14 | 一种快速确定火力发电机组煤耗特性曲线的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109934493A CN109934493A (zh) | 2019-06-25 |
CN109934493B true CN109934493B (zh) | 2020-12-22 |
Family
ID=66987152
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910190896.7A Active CN109934493B (zh) | 2019-03-14 | 2019-03-14 | 一种快速确定火力发电机组煤耗特性曲线的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109934493B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112381268B (zh) * | 2020-10-29 | 2024-05-03 | 武汉华中思能科技有限公司 | 一种面向电力现货市场的短期燃煤成本预测方法及*** |
CN112749205B (zh) * | 2020-12-09 | 2023-03-03 | 华能陕西发电有限公司 | 一种燃煤发电机组功率与供电煤耗关系曲线获取***及方法 |
CN112801444B (zh) * | 2020-12-09 | 2023-07-25 | 华能陕西发电有限公司 | 燃煤发电机组深度调峰负荷下供电煤耗特性曲线获取方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101763089A (zh) * | 2009-12-14 | 2010-06-30 | 江西省电力科学研究院 | 基于电力市场化环境下的火电厂机组出力优化运行方法 |
CN102636991A (zh) * | 2012-04-18 | 2012-08-15 | 国电科学技术研究院 | 一种基于模糊集关联规则的火电机组运行参数优化方法 |
CN103345555A (zh) * | 2013-07-05 | 2013-10-09 | 国家电网公司 | 基于遗传编程的火电机组煤耗特性曲线建模方法 |
CN104635665A (zh) * | 2014-12-04 | 2015-05-20 | 国家电网公司 | 一种火电厂锅炉节能潜力分析方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2695270B1 (en) * | 2011-04-08 | 2014-12-31 | SMA Solar Technology AG | Optimized load management |
CN104504458B (zh) * | 2014-12-04 | 2017-11-21 | 国家电网公司 | 一种火电厂汽轮机的节能潜力分析方法 |
CN104617591B (zh) * | 2015-01-28 | 2017-01-25 | 西安交通大学 | 基于多场景新能源发电模拟的日运行方式安排和调峰方法 |
-
2019
- 2019-03-14 CN CN201910190896.7A patent/CN109934493B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101763089A (zh) * | 2009-12-14 | 2010-06-30 | 江西省电力科学研究院 | 基于电力市场化环境下的火电厂机组出力优化运行方法 |
CN102636991A (zh) * | 2012-04-18 | 2012-08-15 | 国电科学技术研究院 | 一种基于模糊集关联规则的火电机组运行参数优化方法 |
CN103345555A (zh) * | 2013-07-05 | 2013-10-09 | 国家电网公司 | 基于遗传编程的火电机组煤耗特性曲线建模方法 |
CN104635665A (zh) * | 2014-12-04 | 2015-05-20 | 国家电网公司 | 一种火电厂锅炉节能潜力分析方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109934493A (zh) | 2019-06-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109934493B (zh) | 一种快速确定火力发电机组煤耗特性曲线的方法 | |
CN108416691B (zh) | 一种能源替代环保潜力计算方法 | |
CN108564204B (zh) | 基于最大相关熵准则的最小二乘支持向量机电量预测方法 | |
CN105787271B (zh) | 基于大数据分析技术的供热机组可调出力区间评估方法 | |
CN113095791B (zh) | 一种综合能源***运行方法及*** | |
CN109185917B (zh) | 一种基于火焰强度信号的锅炉燃烧状态在线诊断方法及*** | |
CN109785187B (zh) | 一种发电机组供电煤耗检测数据校正方法 | |
CN108319131B (zh) | 基于数据挖掘的机组调峰能力评估方法 | |
CN104750973B (zh) | 基于数据平滑度函数的机组负荷(准)稳态工况聚类算法 | |
CN110889638B (zh) | 一种火电厂操作评价方法及相关设备 | |
CN114707776B (zh) | 一种基于碳排放双控的低碳用能优化***及方法 | |
CN113723870B (zh) | 一种分布式发电co2减排核算方法、装置、设备及介质 | |
CN104635665A (zh) | 一种火电厂锅炉节能潜力分析方法 | |
CN108869174A (zh) | 一种非线性建模的风力发电机叶片固有频率工况补偿方法 | |
CN104504458A (zh) | 一种火电厂汽轮机的节能潜力分析方法 | |
CN110807581A (zh) | 一种光伏电站对标评估方法 | |
CN108182553A (zh) | 一种燃煤锅炉燃烧效率在线测量方法 | |
CN110532638B (zh) | 一种基于生产数据挖掘的燃气电厂发电成本测算方法 | |
CN109490622B (zh) | 一种基于三态信息的电量数据校验技术 | |
CN110320803B (zh) | 一种超超临界燃煤机组优选升负荷速率的计算方法 | |
CN109888788B (zh) | 一种电力***最优潮流的求解方法 | |
CN107947163A (zh) | 关于燃煤机组变负荷性能评测方法及其*** | |
CN109977577B (zh) | 考虑天然气输配管网不确定性的气-电耦合***可靠性评估方法 | |
CN114492084B (zh) | 基于容配比比选的光伏电站发电小时数估算模型的构建方法 | |
CN109193791B (zh) | 一种基于改进shapley值的风电汇聚趋势性分状态量化方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |