熱電聯(lián)產(chǎn)機(jī)組在深度調(diào)峰模式下的負(fù)荷智能分配

吳 濤，賴 菲，劉 震，王智微，何 新，徐創(chuàng)學(xué)，薛晗光，石 磊，徐 晨

（1.西安熱工研究院有限公司，陜西 西安 710054；2.上海海事大學(xué)物流科學(xué)與工程研究院，上海 201306）

近些年，風(fēng)電、光電等新能源在電網(wǎng)中的占比逐漸增加，而新能源本身具有很強(qiáng)的波動(dòng)性、顯著的隨機(jī)性和隨時(shí)間周期變化的間歇性[1]，導(dǎo)致電網(wǎng)結(jié)構(gòu)發(fā)生不可忽略的變化，如電網(wǎng)負(fù)荷不穩(wěn)定性增加，峰谷差隨之增大[2]。這種情況下，既要保證電網(wǎng)的穩(wěn)定性又要達(dá)到新能源的消納指標(biāo)，就需要傳統(tǒng)火電機(jī)組通過電網(wǎng)調(diào)度參與調(diào)峰[3]。熱電聯(lián)產(chǎn)是電廠在生產(chǎn)電產(chǎn)品的同時(shí)，利用在蒸汽輪機(jī)中做完功的蒸汽為用戶提供熱產(chǎn)品的工藝過程。相較于單獨(dú)生產(chǎn)電或熱的方式，熱電聯(lián)產(chǎn)對(duì)一次能源的消耗量更少，排放的溫室氣體更少[4]，運(yùn)行方式也更加靈活。電廠恰當(dāng)?shù)倪\(yùn)行方式能降低企業(yè)的發(fā)電成本，從而提高整體利潤(rùn)。因此熱電聯(lián)產(chǎn)機(jī)組在參與深度調(diào)峰時(shí)具有更大的優(yōu)勢(shì)。

機(jī)組參與深度調(diào)峰時(shí)要考慮負(fù)荷分配問題。熱電聯(lián)產(chǎn)機(jī)組既要滿足熱用戶的供熱要求，又要考慮如何分配電負(fù)荷從而使得發(fā)電和供熱的利潤(rùn)最大化。這需要2 個(gè)步驟來達(dá)到準(zhǔn)確分配熱電負(fù)荷以期降低熱電總成本[5]，第一，需要建立熱電聯(lián)產(chǎn)機(jī)組能耗模型，該模型的準(zhǔn)確性將直接影響負(fù)荷分配的合理性。目前采用的方法主要有：根據(jù)試驗(yàn)運(yùn)行工況擬合熱耗曲線，但是一般情況下，只有純凝工況下的試驗(yàn)數(shù)據(jù)，對(duì)于帶供熱時(shí)的熱耗情況沒有試驗(yàn)數(shù)據(jù)支持；也有部分學(xué)者根據(jù)實(shí)時(shí)數(shù)據(jù)擬合熱耗曲線，然而實(shí)時(shí)數(shù)據(jù)變化頻繁，缺乏穩(wěn)定性和可靠性，且需要尋找穩(wěn)定工況的數(shù)據(jù)；也有人提出將熱電聯(lián)產(chǎn)機(jī)組根據(jù)供熱循環(huán)和凝汽循環(huán)劃分為一定數(shù)目的等效凝汽和背壓機(jī)組[6]。第二，在能耗模型基礎(chǔ)上建立熱電負(fù)荷優(yōu)化分配模型。目前采用的方法主要為人工智能算法，如粒子群算法[7]、等微增率法[8-10]、線性規(guī)劃算法[11-12]、模擬退火算法、神經(jīng)網(wǎng)絡(luò)等。王珊等[7]研究熱電聯(lián)產(chǎn)機(jī)組的電熱特性圖后，通過變工況計(jì)算建立了熱電聯(lián)產(chǎn)機(jī)組能耗分析模型，采用粒子群算法對(duì)熱電負(fù)荷建立了優(yōu)化分配模型以期降低熱電聯(lián)產(chǎn)機(jī)組的總能耗，但未對(duì)機(jī)組能耗計(jì)算模型做詳細(xì)介紹。李俊濤等[6]將復(fù)雜的供熱機(jī)組根據(jù)供熱循環(huán)和凝汽循環(huán)劃分為一定數(shù)目的等效凝汽和背壓機(jī)組，利用考慮了輔助汽水因素的單元進(jìn)水系數(shù)法得到等效簡(jiǎn)單機(jī)組的特性方程,建立了相應(yīng)的機(jī)組整體熱電負(fù)荷分配的混合整數(shù)線性規(guī)劃優(yōu)化模型，這種分配模型有較強(qiáng)的理論支撐，且模型的簡(jiǎn)化減弱了組合爆炸后果，但是建模過程較為復(fù)雜且變量參數(shù)和約束條件較多，所以其負(fù)荷分配結(jié)果的準(zhǔn)確性依賴測(cè)量設(shè)備的精準(zhǔn)性。溫志剛等在分析了供熱機(jī)組熱、電負(fù)荷分配特點(diǎn)的基礎(chǔ)上，采用模擬退火算法建立了供熱機(jī)組的熱、電負(fù)荷分配模型[13]，對(duì)2 臺(tái)機(jī)組間的熱、電負(fù)荷進(jìn)行了優(yōu)化分配，但存在模型求解時(shí)間長(zhǎng)的問題。

本文首先通過性能考核試驗(yàn)報(bào)告數(shù)據(jù)，利用抽凝工況和純凝工況時(shí)的相關(guān)數(shù)據(jù)推導(dǎo)出若干個(gè)不同供熱負(fù)荷、發(fā)電負(fù)荷下的供熱煤耗率和發(fā)電煤耗率。然后用origin 軟件多項(xiàng)式擬合得到多個(gè)熱負(fù)荷點(diǎn)對(duì)應(yīng)的供熱煤耗率曲線、發(fā)電煤耗率曲線，以及不同熱負(fù)荷下機(jī)組的最大/最小發(fā)電功率曲線，充分考慮了供熱對(duì)煤耗率的影響。接著在最大發(fā)電功率曲線和最小發(fā)電功率曲線之間的區(qū)域內(nèi)，利用拉格朗日插值法得到可以計(jì)算任意供熱負(fù)荷和發(fā)電功率的發(fā)電煤耗率曲面。在此基礎(chǔ)上，根據(jù)當(dāng)?shù)厣疃日{(diào)峰獎(jiǎng)懲政策、煤價(jià)、電價(jià)、供熱價(jià)格等，計(jì)算實(shí)時(shí)的成本和利潤(rùn)。最后采用遺傳算法搜索當(dāng)前供熱負(fù)荷下使全廠利潤(rùn)最大的負(fù)荷分配方式。

1 煤耗率曲面

1.1 煤耗率

熱電聯(lián)產(chǎn)機(jī)組能耗模型的準(zhǔn)確性直接影響負(fù)荷分配的合理性。由于試驗(yàn)報(bào)告中一般只有純凝工況的數(shù)據(jù)，不能直接計(jì)算出供熱和發(fā)電的利潤(rùn)以及后續(xù)的負(fù)荷優(yōu)化分配，所以需要據(jù)此推導(dǎo)出供熱時(shí)的發(fā)電煤耗率、供熱煤耗率以及廠用電率。本文首先根據(jù)汽輪機(jī)熱力特性書中低壓缸效率曲線擬合低壓缸效率與低壓缸流量的關(guān)系表達(dá)式，然后根據(jù)純凝工況試驗(yàn)報(bào)告數(shù)據(jù)，利用汽輪機(jī)軸端發(fā)電功率的計(jì)算公式，計(jì)算出對(duì)應(yīng)工況的機(jī)械效率與發(fā)電機(jī)效率的乘積，然后擬合出汽輪機(jī)軸端功率與機(jī)械效率和發(fā)電機(jī)效率乘積的關(guān)系曲線。接著分別計(jì)算給定主蒸汽流量下，純凝工況時(shí)的發(fā)電功率和不同供熱功率下的發(fā)電功率，然后計(jì)算發(fā)電熱耗量，并據(jù)此計(jì)算發(fā)電煤耗率和供熱煤耗率。具體發(fā)電煤耗率和供熱煤耗率計(jì)算步驟如圖1所示。

圖1 計(jì)算發(fā)電煤耗率和供熱煤耗率Fig.1 The flow chart for calculating the coal consumption rate for power generation and heat supply

以某廠2 臺(tái)型號(hào)CLN670-24.2/566/566 的汽輪機(jī)為例，該汽輪機(jī)為超臨界、一次中間再熱、雙缸雙排汽、單軸、抽汽凝汽式，加熱器為3 高壓加熱器（高加）+1 除氧器+4 低壓加熱器（低加）。

純凝工況時(shí)，汽輪機(jī)的軸端功率為

式中：F為汽輪機(jī)進(jìn)汽量，t/h；P為汽輪機(jī)發(fā)電功率，MW；Δht為蒸汽在汽輪機(jī)中的理想比焓降，kJ/kg；ηi為汽輪機(jī)內(nèi)效率；ηm為汽輪機(jī)機(jī)械效率；ηg為發(fā)電機(jī)效率。

為方便計(jì)算起見，將式(1)轉(zhuǎn)化為

5 號(hào)—8 號(hào)低加、1 號(hào)高加以及3 號(hào)高加從汽輪機(jī)級(jí)中抽汽，而2 號(hào)低加、4 號(hào)低加從汽輪機(jī)末級(jí)抽汽不影響缸焓降，因此，式(2)中高壓缸實(shí)際焓降ΔHH(MJ/h)為

中壓缸實(shí)際焓降ΔHI(MJ/h)為

低壓缸實(shí)際焓降ΔHL(MJ/h)為

式中：hHi、hIi、hLi分別為高、中、低壓缸進(jìn)口實(shí)際比焓，kJ/kg；hHo、hIo、hLo分別為高、中、低壓缸出口實(shí)際比焓，kJ/kg；FHi、FIi、FLi分別為高、中、低壓缸入口流量，t/h；Fj為j號(hào)高加抽汽流量，t/h；hj為j號(hào)高加抽汽焓值，kJ/kg。

根據(jù)式(2)可以計(jì)算出汽輪機(jī)機(jī)械效率與發(fā)電機(jī)效率的乘積ηmηg，由于ηmηg的變化主要與發(fā)電負(fù)荷有關(guān)，所以可以根據(jù)不同的純凝工況重復(fù)若干個(gè)工況擬合出ηmηg與發(fā)電負(fù)荷P之間的關(guān)系曲線：

式中a2、b2、c2均為常系數(shù)。

純凝工況時(shí)，給定主蒸汽流量下的發(fā)電功率由機(jī)組試驗(yàn)報(bào)告查得。當(dāng)機(jī)組發(fā)電帶供熱時(shí)，如供熱功率為Q(GJ/h)，則供熱流量為

式中h0為回水焓值，kJ/kg。

則供熱功率為Q(GJ/h)時(shí)的發(fā)電功率Pr(MW)為

其中低壓缸實(shí)際焓降ΔHL′(MJ/h)為

式中低壓缸效率可將(FLi–hLo)代入式(10)計(jì)算得出，根據(jù)汽輪機(jī)特性說明書中低壓缸效率隨流量變化的特性曲線，擬合低壓缸效率隨低壓缸流量變化的表達(dá)式為

式中：ηL為低壓缸效率，%；FL為低壓缸流量，t/h；a1、b1、c1為常系數(shù)。

發(fā)電熱耗量QP(GJ/h)為

式中Qnet為蒸汽側(cè)吸熱量，GJ/h，計(jì)算式為

因此，帶供熱時(shí)的發(fā)電煤耗率bd(g/(kW·h))為

式中，ηb為鍋爐效率，ηp為管道效率。

而純凝工況的發(fā)電煤耗率b(g/(kW·h))為

按照功率損失法，熱電聯(lián)產(chǎn)生產(chǎn)過程中因抽汽供熱而引起的汽輪機(jī)組電功率的減少量就是供熱產(chǎn)生的成本[14]。帶供熱時(shí)的供熱煤耗率br(g/GJ)可表示為

利用上述方法計(jì)算出不同工況下的煤耗率，然后利用origin 軟件多項(xiàng)式擬合出煤耗率曲線。

1.2 煤耗率曲面計(jì)算

拉格朗日插值法是一種多項(xiàng)式插值方法。許多實(shí)際問題中都用函數(shù)來表示各個(gè)結(jié)果之間某種內(nèi)在聯(lián)系或規(guī)律，而不少函數(shù)都只能通過反復(fù)實(shí)驗(yàn)和多次觀測(cè)來了解[15]。如果對(duì)實(shí)踐中的某個(gè)物理量進(jìn)行觀測(cè)，在若干個(gè)不同的地方得到相應(yīng)的觀測(cè)值，拉格朗日插值法可以找到一個(gè)多項(xiàng)式，其恰好在各個(gè)觀測(cè)的點(diǎn)取到觀測(cè)到的值。這樣的多項(xiàng)式就稱為拉格朗日（插值）多項(xiàng)式。對(duì)某個(gè)多項(xiàng)式函數(shù)，已知有給定的k+1 個(gè)取值點(diǎn)：(x0,y0),… ,(xk,yk)。其中xk對(duì)應(yīng)自變量的取值，yk對(duì)應(yīng)函數(shù)在這個(gè)位置上的取值。假設(shè)任意2 個(gè)不同的xk都互不相同，那么應(yīng)用拉格朗日插值公式得到的拉格朗日插值多項(xiàng)式為

式中每個(gè)lj(x)為拉格朗日插值基函數(shù)，其表達(dá)式為

拉格朗日基函數(shù)lj(x)的特點(diǎn)是在xj上取值為1，在其他點(diǎn)上取值為0。

假設(shè)機(jī)組的發(fā)電煤耗率在供熱功率(MW)為Q1、Q2、Q3時(shí)的表達(dá)式分別為：

式中：x為發(fā)電機(jī)功率，MW；bdi為發(fā)電煤耗，g/(kW?h)。

將拉格朗日插值法進(jìn)行拓展，得到發(fā)電煤耗率曲面，此時(shí)的基函數(shù)lj(y)為：

式中yi為供熱功率，MW。

因此由根據(jù)拉格朗日插值法得到的發(fā)電煤耗曲面為

由式(24)可以計(jì)算任意供熱負(fù)荷、任意發(fā)電功率下的發(fā)電煤耗率。同理可得任意供熱負(fù)荷、任意發(fā)電功率下的供熱煤耗率br和廠用電率σ：

2 深度調(diào)峰模式下利潤(rùn)計(jì)算模型

以某熱電聯(lián)產(chǎn)機(jī)組為例，當(dāng)?shù)厣疃日{(diào)峰的補(bǔ)貼政策見表1。若電網(wǎng)調(diào)度需要深度調(diào)峰，而電廠未參與調(diào)峰，此時(shí)未參與調(diào)峰的分?jǐn)偨痤~為Φ（元/h）。此外機(jī)組是否參與調(diào)峰以及參與哪檔調(diào)峰是根據(jù)所有機(jī)組的功率之和來判定，而非根據(jù)單臺(tái)機(jī)組功率判定。

表1 當(dāng)?shù)厣疃日{(diào)峰補(bǔ)貼政策Tab.1 The local in-depth peak shaving subsidy policy

對(duì)于某熱電聯(lián)產(chǎn)機(jī)組的2 臺(tái)機(jī)組進(jìn)行負(fù)荷優(yōu)化分配，以全廠利潤(rùn)最大化為目標(biāo)，該廠的供熱、發(fā)電負(fù)荷優(yōu)化分配數(shù)學(xué)模型如下。

目標(biāo)函數(shù)，即全廠利潤(rùn)為

發(fā)電功率約束為

供熱功率約束為

機(jī)組發(fā)電功率與供熱功率耦合約束為

式中：J為全廠總利潤(rùn)，元；Ji為第i臺(tái)機(jī)組的利潤(rùn)，元；pi為第i臺(tái)機(jī)組的發(fā)電功率，MW；Δpi為調(diào)峰負(fù)荷，MW；和分別為第i臺(tái)機(jī)組的下限發(fā)電功率和上限發(fā)電功率，MW；P為總發(fā)電功率，MW；σi為廠用電率，%；qi為第i臺(tái)機(jī)組的供熱功率，MW；和分別為第i臺(tái)機(jī)組的下限和上限供熱功率，MW；Q為總供熱功率，MW；pp為售電價(jià)格，元/(kW·h)；pq為售熱價(jià)格，元/GJ；pc為燃煤價(jià)格，元/t；ξ為調(diào)峰補(bǔ)償系數(shù)，%；Φ為未參與調(diào)峰分?jǐn)偨痤~，元/h；ηi為第i臺(tái)機(jī)組發(fā)電效率，%；Qnet為燃煤低位發(fā)熱量，kJ/kg；f1(qi)=max{pi(汽輪機(jī)進(jìn)汽量最大時(shí))|qi}，即當(dāng)前供熱功率下，汽輪機(jī)進(jìn)汽量最大時(shí)達(dá)到的發(fā)電功率函數(shù)；f2(qi)=max{pi(鍋爐最小穩(wěn)燃負(fù)荷)；pi(低壓缸最小冷卻流量下的負(fù)荷)|qi}，即當(dāng)前供熱功率下的最小發(fā)電負(fù)荷，取決于鍋爐最小穩(wěn)燃負(fù)荷和低壓缸最小冷卻流量的負(fù)荷函數(shù)。

3 基于自適應(yīng)遺傳算法的負(fù)荷優(yōu)化分配求解

遺傳算法通過模擬自然界生物遺傳和進(jìn)化過程來求解極值問題。從任意的初始種群開始，遺傳算法通過個(gè)體的遺傳和變異有效地實(shí)現(xiàn)了穩(wěn)定的優(yōu)化選育過程，從而可以將種群進(jìn)化到更好的搜索空間區(qū)域[16]。自適應(yīng)遺傳算法是對(duì)基本遺傳算法的一種改進(jìn)，通過對(duì)遺傳參數(shù)的自適應(yīng)調(diào)整，大大提高了遺傳算法的收斂精度，加快了收斂速度。

自適應(yīng)遺傳算法求解熱電聯(lián)產(chǎn)機(jī)組最優(yōu)負(fù)荷分配具體步驟如下：

1）編碼 通過約束條件式(28)—式(30)，對(duì)2 臺(tái)機(jī)組的發(fā)電功率做實(shí)數(shù)編碼，由于約束區(qū)間較大，為加快迭代速度，設(shè)定種群數(shù)量為100。

2）適應(yīng)度計(jì)算 將深度調(diào)峰模式下熱電聯(lián)產(chǎn)機(jī)組的利潤(rùn)（式(27)）作為適應(yīng)度函數(shù)，計(jì)算每個(gè)染色體的適應(yīng)度值，并對(duì)適應(yīng)度值進(jìn)行標(biāo)準(zhǔn)化，即將適應(yīng)度函數(shù)為負(fù)的賦值為0。

3）選擇 基于輪盤賭法對(duì)標(biāo)準(zhǔn)化后的適應(yīng)度進(jìn)行選擇。

4）交叉 本文通過自適應(yīng)交叉與自適應(yīng)變異提高算法的收斂速度和全局搜索能力，從而提高算法的執(zhí)行效率。計(jì)算每對(duì)染色體對(duì)應(yīng)的交叉概率pc

式中，fmax為最大適應(yīng)度，fs為選中染色體中較大的適應(yīng)度，fa為平均適應(yīng)度，k1=1，k2=0.5。

當(dāng)隨機(jī)概率小于pc時(shí)，進(jìn)行染色體交叉，交叉原則為：

式中：α為交叉算子，取0.6；c1為交叉后的x1變量；c2為交叉后的x2變量；ch1為交叉前的x1變量；ch2為交叉前的x2變量。

5）變異 計(jì)算每對(duì)染色體的變異概率，進(jìn)行單點(diǎn)變異。首先，計(jì)算每對(duì)染色體對(duì)應(yīng)的自適應(yīng)變異概率pm

式中，k3=1，k4=0.5。當(dāng)隨機(jī)概率小于pm時(shí)，進(jìn)行染色體變異，隨意選擇染色體變異。由于初始種群采用實(shí)數(shù)編碼，因此實(shí)數(shù)變異即為該染色體基因初始化的過程。

迭代次數(shù)設(shè)置為150，通過迭代，找出最優(yōu)個(gè)體。最優(yōu)個(gè)體對(duì)應(yīng)的染色體即對(duì)應(yīng)供熱、發(fā)電總利潤(rùn)最大時(shí)的發(fā)電功率。

4 實(shí)際算例及結(jié)果

首先計(jì)算煤耗曲線，根據(jù)某電廠2×670 MW 純凝工況性能考核試驗(yàn)報(bào)告數(shù)據(jù)，按照前文方法，計(jì)算并擬合不同供熱負(fù)荷下，隨發(fā)電負(fù)荷變化的供熱煤耗率和發(fā)電煤耗率（表2），利用origin 軟件多項(xiàng)式擬合的供熱煤耗曲線和發(fā)電煤耗曲線如圖2所示。

表2 不同工況下的煤耗率Tab.2 The coal consumption rate under different working conditions

圖2 發(fā)電煤耗率曲線Fig.2 The coal consumption curves

以1 號(hào)機(jī)組為例，供熱負(fù)荷為0、500、1 000、1 500、2 000 GJ/h 時(shí)發(fā)電煤耗曲線表達(dá)式分別為：

利用1.2 小結(jié)中拉格朗日插值法得到的以供熱功率和發(fā)電負(fù)荷為自變量，發(fā)電煤耗率為因變量的曲面為

同理可以插值得出供熱煤耗曲面和廠用電率煤耗曲面。

取鍋爐穩(wěn)燃負(fù)荷率為40%，低壓缸最小冷卻流量為額定流量的10%，根據(jù)1.1 小節(jié)確定在某供熱負(fù)荷下機(jī)組負(fù)荷的可行域?yàn)?/p>

將煤耗率曲面、供熱煤耗曲面和廠用電率曲面的表達(dá)式結(jié)合利潤(rùn)計(jì)算模型（式(20)—式(23)），即可得到利潤(rùn)曲面，將供熱負(fù)荷定義為不同的值即可得到不同供熱負(fù)荷下、不同不參與深調(diào)時(shí)分?jǐn)偨痤~下的單機(jī)運(yùn)行利潤(rùn)曲線，如圖3—圖5所示。類似地，將2 臺(tái)機(jī)組的煤耗率曲面結(jié)合利潤(rùn)計(jì)算模型可以得到不同供熱負(fù)荷下雙機(jī)組運(yùn)行時(shí)的利潤(rùn)曲面（圖6）。

圖3 供熱期不參與深調(diào)分?jǐn)倿? 000 元/h 時(shí)不同供熱負(fù)荷單機(jī)運(yùn)行利潤(rùn)曲線Fig.3 The operating profit curves of the unit during single-machine running at different heating loads(in heating period with no deep peek regulation,proportion 5 000 yuan/h)

圖5 非供熱期不參與深調(diào)分?jǐn)倿? 000 元/h 時(shí)不同供熱負(fù)荷單機(jī)運(yùn)行利潤(rùn)曲線Fig.5 The operating profit curves of the unit during single-machine running at different heating loads(in non-heating period with no deep peek regulation,proportion 5 000 yuan/h)

該電廠為單機(jī)供熱，設(shè)置電售價(jià)0.39 元/(kW·h)，熱售價(jià)21 元/GJ，煤價(jià)610 元/t。表3 為1 號(hào)機(jī)組單機(jī)運(yùn)行時(shí)不同運(yùn)行狀態(tài)下機(jī)組利潤(rùn)。應(yīng)用遺傳算法進(jìn)行負(fù)荷優(yōu)化分配后的利潤(rùn)對(duì)比，各工況下利潤(rùn)隨發(fā)電負(fù)荷的變化曲線如圖3所示。表4 為雙機(jī)運(yùn)行時(shí)不同運(yùn)行狀態(tài)下機(jī)組利潤(rùn)。各工況下利潤(rùn)隨2 臺(tái)機(jī)組發(fā)電負(fù)荷變化的曲面如圖6所示。

圖6 供熱期不參與深調(diào)分?jǐn)倿? 000 元/h 時(shí)不同供熱負(fù)荷雙機(jī)運(yùn)行利潤(rùn)曲面Fig.6 The operating profit curve surface of the unit during two-machine running at different heating loads(in heating period with no deep peek regulation,proportion 5 000 yuan/h)

表3 1 號(hào)機(jī)組單機(jī)運(yùn)行不同運(yùn)行狀態(tài)下機(jī)組利潤(rùn)Tab.3 The profit of No.1 unit during single-machine running at different states

表4 雙機(jī)運(yùn)行不同運(yùn)行狀態(tài)下機(jī)組利潤(rùn)Tab.4 The profits of the units during two-machine running at different states

對(duì)比遺傳算法給出負(fù)荷分配結(jié)果和圖3—圖5曲線變化，可以得出遺傳算法給出的負(fù)荷分配是較為合理的數(shù)值。由圖2—圖6 及表2—表4 還可以發(fā)現(xiàn)：

1）供熱功率 單機(jī)運(yùn)行時(shí)，觀察圖3 單機(jī)案例發(fā)現(xiàn)，當(dāng)供熱功率較小且不參與調(diào)峰時(shí)的分?jǐn)偨痤~（即懲罰金）較小時(shí)，發(fā)電負(fù)荷越大，總體利潤(rùn)越高，原因是此時(shí)搶發(fā)電量帶來的利潤(rùn)高于參與深度調(diào)峰帶來的利潤(rùn)。當(dāng)供熱負(fù)荷較大時(shí)，發(fā)電負(fù)荷越小，總體利潤(rùn)越高。原因是此時(shí)機(jī)組供熱，最大發(fā)電功率受到限制致使參與深度調(diào)峰帶來的補(bǔ)貼收益較高，總體收益大于搶發(fā)電量帶來的收益。當(dāng)供熱負(fù)荷很大時(shí)，由于此時(shí)最小發(fā)電功率受到限制無法參與二檔調(diào)峰，致使搶發(fā)電量帶來的收益更大。

2）調(diào)峰分?jǐn)偨痤~ 觀察圖4 單機(jī)案例發(fā)現(xiàn)，當(dāng)調(diào)峰分?jǐn)偨痤~較大時(shí)，應(yīng)盡量使機(jī)組在保證安全的同時(shí)在較低負(fù)荷段運(yùn)行。

圖4 供熱期不參與深調(diào)分?jǐn)倿?0 000 元/h 時(shí)不同供熱負(fù)荷單機(jī)運(yùn)行利潤(rùn)曲線Fig.4 The operating profit curves of the unit during single-machine running at different heating loads(in heating period with no deep peek regulation,proportion 4 000 yuan/h)

3）運(yùn)行時(shí)期 對(duì)比圖5 和圖3 發(fā)現(xiàn)，由于不同檔的深度調(diào)峰補(bǔ)貼政策不同，即使相同的運(yùn)行參數(shù)得到的熱電總利潤(rùn)也不相同，非供熱期應(yīng)盡量使機(jī)組處于高負(fù)荷運(yùn)行。

4）運(yùn)行方式 對(duì)比雙機(jī)運(yùn)行案例（圖6）和單機(jī)運(yùn)行案例（圖3）發(fā)現(xiàn)，當(dāng)供熱負(fù)荷相同，總發(fā)電負(fù)荷也相同時(shí)，雙機(jī)運(yùn)行可以帶來更多的利潤(rùn)。如單機(jī)500 MW 時(shí)視為不參與調(diào)峰，而雙機(jī)運(yùn)行每臺(tái)250 MW 視為參與二檔調(diào)峰，所以會(huì)享受到較高額的別貼。

對(duì)比表3 或表4 中的負(fù)荷優(yōu)化前后的利潤(rùn)，可以看出經(jīng)過負(fù)荷分配優(yōu)化后的熱電總利潤(rùn)均有顯著提升。綜上所述，熱電聯(lián)產(chǎn)機(jī)組在運(yùn)行時(shí)應(yīng)綜合考慮運(yùn)行時(shí)期、供熱功率、調(diào)峰分?jǐn)偨痤~和運(yùn)行方式等因素來調(diào)整運(yùn)行策略，使電廠利潤(rùn)最大化。

5 結(jié)語(yǔ)

本文基于熱電聯(lián)產(chǎn)機(jī)組性能試驗(yàn)報(bào)告數(shù)據(jù)，提出一種新的方法推算不同供熱負(fù)荷、發(fā)電負(fù)荷下的供熱煤耗率和發(fā)電煤耗率，并據(jù)此建立熱電聯(lián)產(chǎn)機(jī)組煤耗率模型，結(jié)合當(dāng)?shù)氐恼{(diào)峰補(bǔ)貼價(jià)格和實(shí)時(shí)的不參與調(diào)峰時(shí)的分?jǐn)偨痤~，計(jì)算實(shí)時(shí)成本和利潤(rùn)。然后利用自適應(yīng)遺傳算法在當(dāng)前供熱功率下的曲線/曲面里找出使得機(jī)組收益最大的運(yùn)行參數(shù)，為發(fā)電企業(yè)提供運(yùn)行建議，用以提高發(fā)電企業(yè)的整體收益。