李 揚(yáng)，楊 鵬，呂瑞瑞

（青島大學(xué) 計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院，山東 青島）

引言

火電是人為參與度最高、最適合調(diào)配的電能形式。在調(diào)峰調(diào)頻工作領(lǐng)域，德國[1]和美國[2]AGC 調(diào)頻服務(wù)主要由燃?xì)?、水電以及火電等機(jī)組協(xié)作提供。牛玉廣[3]等通過改進(jìn)多目標(biāo)進(jìn)化算法、基于HKA 優(yōu)化算法模糊增益調(diào)度、基于自適應(yīng)遺傳算法以及基于卡爾曼進(jìn)化算法設(shè)計(jì)方案。陳彥橋[4]根據(jù)單元機(jī)組機(jī)爐協(xié)調(diào)控制系統(tǒng)的T-S模糊模型設(shè)計(jì)了PDC控制算法。林金星[5]等提出了一種新的免疫優(yōu)化模糊增益調(diào)度H∞魯棒控制方法。郝瑩[6]進(jìn)行控制邏輯的分析確定控制器參數(shù)選擇和控制器結(jié)構(gòu)。Georgi M.Dimirovski[7]提出一種分散式自適應(yīng)協(xié)調(diào)控制器設(shè)計(jì)。在評價(jià)標(biāo)準(zhǔn)方面，Henderson P.D.[8]給出調(diào)峰調(diào)頻運(yùn)營成本的一般概述,南方電網(wǎng)調(diào)峰調(diào)頻發(fā)電公司[9]制定的技術(shù)監(jiān)督標(biāo)準(zhǔn)實(shí)現(xiàn)全過程監(jiān)督。本文提出了針對火電機(jī)組調(diào)峰調(diào)頻的多目標(biāo)優(yōu)化算法并進(jìn)行對比校驗(yàn)。

1 模型建立以及過程分析

1.1 預(yù)處理和建模分析

為了進(jìn)一步貼近模型現(xiàn)實(shí)情況，本文使用實(shí)際工況運(yùn)行數(shù)據(jù)對控制參數(shù)進(jìn)行優(yōu)化。由于現(xiàn)實(shí)工況下傳感器的運(yùn)轉(zhuǎn)、數(shù)據(jù)采集存在誤差，例如斷點(diǎn)、時(shí)間間隔不一致，對應(yīng)時(shí)間點(diǎn)不同等。為了解決這些問題，采用server 和tagname 對所有文件的行進(jìn)行合并，并運(yùn)用LOF 和kmeans 方法來去除離群點(diǎn)和離散點(diǎn)。

1.2 優(yōu)化模型

1.2.1 整體模型

為了深入研究火電機(jī)組的運(yùn)行過程，將火電機(jī)組模型進(jìn)行了分解，將模型階段的輸出作為下一個(gè)模型的輸入，從而更好地優(yōu)化其運(yùn)行。通過建立不同模型的聯(lián)系，可以全面考慮火電機(jī)組不同階段的影響因素，為最終的優(yōu)化提供有效參考。

圖1 發(fā)電機(jī)組控制整體模型

1.2.2 建模選擇

在進(jìn)行火電機(jī)組的調(diào)峰調(diào)頻時(shí)，為了綜合考慮火電機(jī)組的現(xiàn)實(shí)運(yùn)轉(zhuǎn)情況，本文采用了對磨煤系統(tǒng)、鍋爐系統(tǒng)、轉(zhuǎn)子運(yùn)行等模型過程的分塊合并的方法。

1.2.2.1 磨煤制粉系統(tǒng)建模 當(dāng)接收到煤粉操作指令時(shí)，磨煤機(jī)的輸出包括煤粉產(chǎn)量和傳輸口風(fēng)速等，導(dǎo)致這個(gè)過程表現(xiàn)出延遲特性。一旦接收到調(diào)整煤粉操作指令，磨煤機(jī)通過控制轉(zhuǎn)速、調(diào)整進(jìn)氣、調(diào)整煤量以及傳輸口風(fēng)速，會(huì)產(chǎn)生二次風(fēng)量、旁路風(fēng)量以及煤粉濃度，同樣表現(xiàn)為純延遲特性。

1.2.2.2 鍋爐燃燒室建模 在鍋爐燃燒室，磨煤制粉系統(tǒng)的煤粉作為燃料和空氣混合產(chǎn)生熱量，鍋爐加入預(yù)熱水產(chǎn)生蒸汽，這一階段我們通過控制煙氣燒擺角和閥門開度來進(jìn)行調(diào)控，輸出為蒸汽壓力和汽包壓力等，由于燃燒器的擺角角度決定了燃燒爐內(nèi)的燃燒情況以及輸出煙氣溫度，擺角變大，燃燒更充分，爐內(nèi)溫度會(huì)較高，燃燒器的擺角指令可以看作是純延遲的一階慣性環(huán)節(jié)，擺角角度對于熱量和煙氣通道內(nèi)換熱量都有影響。鍋爐產(chǎn)生的熱量和蒸汽近似為線性關(guān)系：

蒸汽的流速以及壓強(qiáng)與煙氣換熱量的關(guān)系為：

1.2.2.3 轉(zhuǎn)子模型 轉(zhuǎn)子是汽輪機(jī)組的主要部件，流入汽輪機(jī)的蒸汽推動(dòng)葉片旋轉(zhuǎn)做功產(chǎn)生機(jī)械能。轉(zhuǎn)子的力矩平衡方程和功率平衡方程為：

式中，T 為蒸汽提供的動(dòng)力；L 為負(fù)載力；f 為摩擦力。

蒸汽轉(zhuǎn)矩TT可通過動(dòng)葉片的速度三角形求得。簡化為根據(jù)前后參數(shù)確定前后蒸汽焓降，然后再乘以蒸汽流量QZ、Qg，得到功率N（千瓦），再根據(jù)公式（7）求得轉(zhuǎn)矩：

式中，NT為蒸汽轉(zhuǎn)矩（牛米）；N 為功率（千瓦）；n 為轉(zhuǎn)速（轉(zhuǎn)/分）。

1.2.2.4 單機(jī)無窮大系統(tǒng)模型 轉(zhuǎn)子在磁場中轉(zhuǎn)動(dòng)發(fā)電后，并入電網(wǎng)送電，由于本文只研究單個(gè)汽輪機(jī)的運(yùn)轉(zhuǎn)情況，相比較于全部的機(jī)組來說，建立了一種單機(jī)無窮大的電網(wǎng)模型來研究供電可以減少在實(shí)際運(yùn)轉(zhuǎn)過程中外部電網(wǎng)對機(jī)組本身產(chǎn)生的影響，發(fā)電機(jī)功率方程：

式中，ΔPe為阻尼功率；Vs為無窮大系統(tǒng)電壓；θ為有功角；χd∑為電抗。

1.3 建模結(jié)果對比

輸出R2和RMSE：{'ctaea_r2': 3.324234, 'moead_r2':3.690177}

{'ctaea_recall': 0.890232, 'moead_recall': 0.884517}

將發(fā)電機(jī)組實(shí)際運(yùn)行數(shù)據(jù)帶入模型預(yù)測產(chǎn)生數(shù)據(jù)后和實(shí)際電網(wǎng)運(yùn)行數(shù)據(jù)進(jìn)行對比，產(chǎn)生結(jié)果如圖2 所示，整體輸出結(jié)果誤差較小，建模能夠較好跟隨實(shí)際情況。

圖2 預(yù)測值和真實(shí)值對比

2 多目標(biāo)優(yōu)化算法

2.1 算法約束條件

通過采集電廠實(shí)際數(shù)據(jù)，將建模特征劃分為機(jī)組特征。這些特征被用作約束條件，將這些約束條件與基于數(shù)據(jù)驅(qū)動(dòng)的優(yōu)化算法相結(jié)合，通過算法的應(yīng)用，實(shí)現(xiàn)對現(xiàn)實(shí)模型的還原和仿真跟隨。這個(gè)過程旨在實(shí)現(xiàn)多個(gè)指標(biāo)的最優(yōu)化，以滿足電廠的多目標(biāo)需求。

針對調(diào)節(jié)速度、調(diào)節(jié)精度、調(diào)節(jié)時(shí)間等開展多目標(biāo)優(yōu)化。約束條件包括在進(jìn)行AGC信號(hào)調(diào)節(jié)時(shí)，根據(jù)華北地區(qū)電網(wǎng)運(yùn)行準(zhǔn)則，通常通過衡量K1、K2、K3來判斷性能優(yōu)劣[10]。

式中，vi，j為機(jī)組i 第j 次的調(diào)節(jié)速率；Ki，j1為要考核的調(diào)節(jié)速度。

式中，ΔPi，j為機(jī)組調(diào)節(jié)的偏差量；Pi，j（t）為機(jī)組實(shí)際出力；Pi，j為機(jī)組出力指令值，為考核的調(diào)節(jié)精度。

在機(jī)組接收系統(tǒng)指令后，需要一段時(shí)間跨出調(diào)節(jié)死區(qū)，這個(gè)時(shí)間叫做調(diào)節(jié)時(shí)間：

式中，ti，j為機(jī)組i 第j 次AGC 響應(yīng)時(shí)間；Ki，j3為調(diào)節(jié)時(shí)間，反映了時(shí)間響應(yīng)的程度，若其值小于0.1，則取0.1。

2.2 M-C融合算法

本文提出一種使用MOEA/D 和C-TAEA 算法融合進(jìn)行多目標(biāo)優(yōu)化，我們定義評價(jià)目標(biāo)函數(shù)：

也可以描述為：

式中，λi為非負(fù)權(quán)重向量；zi為目標(biāo)函數(shù)最小值組成的最優(yōu)解；k 為要優(yōu)化的三個(gè)指標(biāo)。

這也就意味著需要對于不同的權(quán)重向量。MOEA/D算法在一次運(yùn)行過程中同時(shí)優(yōu)化N個(gè)目標(biāo)函數(shù)。當(dāng)λi和λj很接近時(shí)，擁有和λi很接近的權(quán)重向量的G（kλi，z）能獲得較好效果。

然而，由于電網(wǎng)存在數(shù)據(jù)波動(dòng)、現(xiàn)實(shí)傳感器誤差等原因?qū)е挛覀兊膶?shí)際數(shù)據(jù)可行區(qū)域不穩(wěn)定，不考慮可行區(qū)域內(nèi)收斂和多樣性的平衡會(huì)導(dǎo)致出現(xiàn)局部最優(yōu)解但不是全局最優(yōu)解的情況。這時(shí)我們引入C-TAEA算法進(jìn)行協(xié)作互補(bǔ)：

式中，F(xiàn)（k）為目標(biāo)空間的一個(gè)候選解；Ω 為決策空間。

這樣能有效解決多變量多噪聲、不同時(shí)間跨度、不同采樣區(qū)間的問題。

3 結(jié)果分析

本文的問題是在研究火電機(jī)組供電的情況下對火電機(jī)組運(yùn)行過程進(jìn)行還原，并對考核指標(biāo)進(jìn)行優(yōu)化分析，獲得最高的經(jīng)濟(jì)效益。與其他的求解器相比，Pyomo庫可以有效建立含有微分方程約束的優(yōu)化問題，可以建模隨機(jī)規(guī)劃問題。

針對不同時(shí)刻對于系統(tǒng)整體功率的測算，黃線代表傳統(tǒng)PID 控制方法，藍(lán)線為本文的控制方法，可以看到在優(yōu)化之后，本文系統(tǒng)功率計(jì)算優(yōu)于傳統(tǒng)控制算法。

圖3 為優(yōu)化的loss，橫軸是迭代輪數(shù)，縱軸是Trainning loss。

圖3 優(yōu)化結(jié)果的loss 曲線

進(jìn)行功率提升之后對于系統(tǒng)負(fù)荷的對比，在系統(tǒng)整體功率提升的同時(shí)，在大約20 個(gè)時(shí)間單位之后，系統(tǒng)的總負(fù)荷與實(shí)際工況差異減少，迅速穩(wěn)定。

本文中提到的AGC（自動(dòng)發(fā)電控制）考核的量化指標(biāo)，已經(jīng)在Python 中進(jìn)行編程。通過結(jié)合上述優(yōu)化后的控制邏輯和對象模型，對下面5 個(gè)指標(biāo)進(jìn)行了測算，并繪制了相應(yīng)的圖表（見表1）。

表1 優(yōu)化前后指標(biāo)實(shí)際情況

在基本運(yùn)行情況下，相較于原來的電廠傳統(tǒng)PID 調(diào)節(jié)算法，改進(jìn)的融合算法能夠較好的提升各項(xiàng)指標(biāo)，并且滿足經(jīng)濟(jì)效益要求。

4 結(jié)論

本文基于火電機(jī)組的調(diào)峰調(diào)頻過程，提出了一種基于數(shù)據(jù)驅(qū)動(dòng)優(yōu)化的火電機(jī)組調(diào)峰調(diào)頻方法，通過電網(wǎng)指標(biāo)考核標(biāo)準(zhǔn)來進(jìn)行模型設(shè)計(jì)和電網(wǎng)功率快速響應(yīng)。在整合大量火電發(fā)電機(jī)組實(shí)際運(yùn)行數(shù)據(jù)的基礎(chǔ)上，運(yùn)用多目標(biāo)融合優(yōu)化策略，對比實(shí)際運(yùn)行工況下的運(yùn)行數(shù)據(jù)，有較大程度提升的同時(shí)，滿足最新標(biāo)準(zhǔn)，實(shí)現(xiàn)節(jié)能低碳目標(biāo)，為電廠帶來實(shí)際效益。