第18卷第1期
1998年1月
中 国 电 机 工 程 学 报
P roceedings of the CSEE
Vol. 18No. 1
Janu. 1998
大型汽轮机组的优化寿命管理模式
张 光 张保衡 宋之平
(华北电力大学 北京 100085)
提 要 针对传统寿命管理方法所存在的不足, 本文提出了控制与管理一体化的优化寿命管理模式。同时提出大型汽轮机组启动应该实施最小成本规划和控制(Least Cost Planning and Contr olling) , 即LCPC 。在给出一种实现方法并加以说明之后, 进行了仿真实例计算, 结果表明了LCP C 的有效性和优化寿命管理模式的重要意义。
关键词 寿命管理 最小成本 汽轮机启动
煤价、当前转子价格、地区电价以及设备折旧、经营管理等方面的参数。处于第一级的安全性与经济性整体优化子系统(SEOS ) , 根据以上要求和原始数据, 给出最佳启动方案、最佳启动时间、热应力边卡值以及相应的寿命损耗值等。处于第二极的动态优化控制子系统(DOCS ) , 根据整体优化指标, 在满足机组各项运行约束条件的前提下, 搜索最佳温升率, 以保证机组在由SEOS 给定的时间内, 实现沿最佳热应力边卡值的等热应力启动。安全性经济性整体优化与动态优化控制, 构成了如图中虚线框所示的机组启动最小成本规划和控制, 即LCP C 。
初始环境和运行要求
汽
轮
机
组
1 引言
传统火电大机组寿命管理方法首先要对机组服役年限做出决定。但是机组从投运到退役的年限, 与动力设备价格、燃料价格、机组制造水平、电网容量发展等多方面的因素有[1]关。在能源、冶金、机械制造工业飞速发展, 钢煤比价浮动变化的现代工业大潮中, 国家经济主管部门很难事先规定出一台大型汽轮发电机组的最佳服役年限。国内惯用的服役年限为30年, 这是对我国机组粗略的估计数, 其合理程度还值得探讨。况且, 即使机组的期望服役年限已定, 几十年内机组冷、热态启动以及停机的总次数, 仍然是一个难以确切估计的问题。至于服役期内每一次冷、热态启动的启动时间和启动历程应该如何, 则更加难以事先决定。
总之, 静态的寿命管理模式, 不大可能满足动态的机组寿命损耗过程。在火电大机组寿命管理这一具有重大经济意义的问题上, 需要对更合理的管理方法做进一步的研究。
LC PC
安全性经济性整体优化
SEOS
动态优化控制
DOCS
实时数据库
图1两级优化总体结构
Two -s teps optim ization s tructure
Fig . 1
2 优化寿命管理模式
本文提出控制与管理一体化的优化寿命管理模式, 其总体结构如图1所示。
在机组动态运行的初始时刻, 首先接受关于机组运行的预期要求, 并且在线测取初始环境参数。其中预期要求是指由运行人员输入的启动、停机、变负荷等指令; 初始环境参数应包括初始汽缸金属温度、初始进汽参数、初始单耗分布监测值等。同时, 实时数据库模块提供诸如转子结构尺寸、当前标准
根据这种优化寿命管理模式, 运行部门除需掌握汽轮机
制造厂提供的机组参考服役年限外, 在实际运行时, 不要求事先提出机组的期望服役年限, 机组的实际服役年限取决于冶金、煤碳、机械制造等相关工业的发展。例如汽轮机转子与发电燃料比价的动态变化, 将影响到机组启停的热应力边卡值和寿命损耗值。因此, 机组每一次启停的热应力边卡值及其寿命损耗值, 不是几十年不变的定值, 而是经过安全性与经济性整体优化之后设定的。在能源紧张时期, 优化的结果很可能导致以较大的汽轮机转子寿命损耗, 换取降低煤耗和提前并网发电所带来的经济效益; 反之, 也可能导致相反的结果。这样, 一根汽轮机转子从投运之日算起, 是经过25年, 30年还是35年退役, 要取决于机组启停的最小成本规划和控制, 以及由此得到的寿命损耗及其累加结果。历年的机组动态运行中, 安全性与经济性整体优化和动态优化控制, 即LCPC , 与处理初始环境、历史参数、寿命损耗累加计算以及失效报警的实时数据, 国家攀登计划B 资助项目。
本文于1996年10月23日收到, 1996年12月20日改回。张 光 副教授, 工学博士, 主要从事大型汽轮机组启停、变负荷过程的热状态、寿命管理及其优化、火电厂热系统节能分析、新模式热电联产等方面的研究。
,
第1期管理模式。
大型汽轮机组的优化寿命管理模式
7
3 关于LCPC
在能源紧张、煤碳价格浮动大的情况下, 本文提倡实施机组启动的最小成本规划和控制, 即LCP C 。根据热力设备的热状态以及当前一段时间内的钢煤比价, 寻找出启停过程中使安全性和经济性综合指标最优的温升控制速率, 对减少启停燃料消耗、合理利用设备寿命损耗、尽快并网发电, 具有重大意义。
在LCPC 中, 处于第一级的安全性与经济性整体优化子系统(SEOS) , 要确定出机组启动时汽轮机转子关键部位的最佳热应力边卡值, 这一级优化具有明显的经济效益, 其结构如图2所示。
安全经济整体优化计算模块
耗C z 0。如前所述, 其中C f i 、C f 0、C zi 、C z 0在机组启动过程中常常是相互矛盾的, 且与启动过程各阶段所持续的时间S j 有关。建立安全性与经济性整体优化的优化目标函数, 其实质是追求最小成本单耗, 而最小成本单耗对应着最合理的启动时间或启动温升率以及最佳的热应力边卡值。由于各附加成本单耗是启动中各阶段所用时间或温升速率的非线性函数, 因此寻找最小成本单耗C p , 是一个非线性的多变量约束最优化问题。即,
min s. t.
C p =C min p +
e
∑0C f i (S j ) +
n
∑C
n
zi
(S j )
j j f j
式中, t 0—启动某阶段开始时转子监测点处的蒸汽温度; j —
t e j ——启动某阶段结束时转子监测点处的蒸汽温度;
max G j ——启动某阶段实际可能达到的最大温升率; min G j ——启动某阶段实际可能达到的最小温升率。
机组启动中的动态优化控制DOCS , 处于总体结构的第
热应力计算模块
转子寿命损耗计算机组单耗分析模块
实时数据库
二级。在满足其它运行约束条件的前题下, 该级将实现沿SEOS 所提供的最佳热应力边卡值的优化控制, 例如图3所示。在K 时刻, 利用二维离散模型[3]预测K +1时刻的转子温度场、最大热应力值和轴向膨胀率, 根据相应的边卡值进行K 到K +1有限时段内的优化, 给出最佳汽温控制输入值, 并实施最佳汽温控制输入。为了减小温度迟滞的影响, 当确信蒸汽温度已跨越最大时滞后, 才进行下一时段的优化。在K +1时刻, 为了减小模型失配或环境干扰的影响, 在模型参数辨识
图2SEOS 子系统结构
Fig . 2SEOS (safety and econom y optimization sys tem ) structure
的基础, 首先对预测模型进行反馈校正, 从而实现一种基于模型、利用反馈、在有限时段内滚动优化的动态优化控制。
S
D
+
边卡值(K +1)
-优化m in(K )
-控制器(K )
温度场
热应力热膨胀预测模型(K +1)
温度场热应力热膨胀模型输出(K +1) +
机组
传统意义上的最佳启动过程, 是指在最短的时间内完成启动加载。实现这一目标, 应该在启动过程各阶段结束时使启动应力尽量达到限定值。问题在于这个限定的热应力边卡值如何来确定? 在启动的不同阶段, 它是定值还是变值? 如果是变值又如何变化? 以往的做法是, 根据期望的转子服役年限, 按事先确定的寿命管理方案, 给出每次冷态或热态启动的寿命损耗值以及转子最危险部位的限定热应力值, 并由此推算出启动温升速率。然而, 这样给出的寿命损耗值, 其出发点是转子的期望服役年限(国内习惯按30年计) , 并没有考虑燃料价格和设备价格浮动变化的矛盾因素, 以及由整体优化所带来的其它效益。
机组启动安全性与经济性整体优化的思想, 并不事先规定转子股役年限, 而是在每次启动中首先优化出使总成本(T ota l Cost ) 最小的启动各阶段所用时间, 以及各阶段应该达到的最大热应力值, 为下一级的动态优化控制提供合理的热应力边卡值, 并进一步实现以热应力边卡值为控制指标之一的等热应力启动。
根据单耗分析理论, 成本单耗C p 由两部分构成:一是理论最低成本单耗C min p ; 一是附加成本单耗, 包括不可逆附加成本单耗C f i 、启动时无产品输出过程造成的额外燃料附加成本单耗C f 0、设备损耗(包括大修和技术更新费用) 造成的附加[2]
模型参数校正(K +1)
图3DOCS 子系统结构
DOCS (Dynamically Optimal Control System ) structure
Fig . 3
4 仿真实例计算
本文对国产200MW 汽轮机组进行了冷态启动、热态启动、滑参数停机、变负荷运行等多种方案的仿真计算, 其中燃料价格暂取某网局标准煤平均价, 转子价格暂取该网局供应局提供的参考价。
仅以冷态启动为例(模拟等热应力启动) , 高压转子初始,
8
中 国 电 机 工 程 学 报
表1 调节级后蒸汽参数
Tab . 1 Steam par ameter s of gover ning stage
dur ing the simulated star ting
工况
冲转170
并网250
40MW 320
100MW 460
200M W 502
第18卷
5 结 论
对传统的寿命管理模式重新审视之后, 本文提出了基于LCP C 的控制与管理一体化的优化寿命管理模式。通过实例计算证明, 实施LCP C 可以合理利用汽轮机组的寿命损耗, 降低启动成本, 对实现等热应力启动, 优化启动过程, 将具有很好的效果。
蒸汽温度℃
经过整体优化后, 相对于最小成本单耗的各段温升率、各段时间、各段边卡热应力值以及最大寿命损耗等结果信息如表2所示。
图4是按表2所提供的参数, 实行动态优化控制模拟启动的热应力仿真计算结果曲线, 曲线1是通过安全性与经济性整体优化得到的各阶段边卡热应力, 曲线2是通过动态优化控制沿各阶段边卡热应力所完成的等热应力启动过程。
表2 整体优化结果
Tab . 2 Results of the globa l optimization of
sa fety and economy
工
况
冲转至并网2. 6430126. 0～
并网至40MW 1. 6642141. 3～
40M W 至100M W 至100M W 200M W 2. 1665182. 8～
2. 9214206. 30.
0024
6 参考文献
1 张保衡. 大容量火电机组寿命管理与调峰运行. 北京:水利电力出版社, 1988
2 宋之平. 单耗分析的理论和实施. 中国电机工程学报, 1992; 12(1)
3 张光, 张保衡. 监测汽轮机转子热应力的二维离散模型. 中国电机工程学报, 1996; 16(1)
各段温升率℃/min 各段时间 min 各边卡热应力 MPa 最大寿命损耗 %
Optimization Model of Lif e -time Management
for Lar ge Steam Turbine Units
Zhang Guang Zha ng B aoheng Song Zhiping (Nor th China Univer sity of Elect ric P ower , Beijing , 100085) Abstr act In contrast to the conver tiona l management , this paper pr oposes an innovative model of life-time management. This model is cha racter ized by integrating management plan-ning with cont rolling and thus leading to a least overall cost of pr oducts. A sample pr oblem is pr esented and a simulative comput ation is also included. It is shown that LCPC (Least Cost P lanning and Contr olling ) provides a justified back-gr ound for life-tim e management modelling and is expected to be effective in substa ntially cutt ing down the pr oduct cost. Key Wor ds life -time management lea st over all cost
图4 冷态启动高压转子调节级叶轮根部
热应力仿真计算曲线
Fig . 4 The ther mal s tr ess cur ve of the simulated starting based on L CPC
st eam turbine star ting
(上接第66页, cont inued fr om page 66)
Genetic Algor ithm in Hydro Station
Economic Dispatch
Wang Li Ma n Guangwen
(Sichuan Union University Chengdu 610065 China) Abstr act T his paper pr esents a genetic algorithm for hydr o -power stat ion economic dispat ch. In has over existing mathe-matical pr ogramming m et hods . T he GA uses a population of points at a time in contr ast to the single-point appr oach by
the tradit ional ones. T he optimal solution by GA is no longer dependent on initia l sear ch values . The GA will guarantee to find t he global optimum. The GA has th benefit of great ly r e-duced memor y r equir ement . It does not demand problem der ivative. It is a good adaptive st ochast ic sear ch method. A case study is given .
Key Wor ds :hydr opower station power system opt i-miza tion