供热机组供热域及负荷分配方式的优化研究

严晓生， 吴振华， 殷 戈， 伍仁杰， 郭良丹

(1.国能（泉州）热电有限公司，福建 泉州 362804; 2.国电南京电力试验研究有限公司，江苏 南京 210046)

0 引 言

近年来如何提高能源利用率，降低碳排放成为了世界各国的热点话题[1]，热电联产机组在实现热电同供的同时，还提高了电厂能源利用率、降低了碳排放[2]。对于热电联产机组，由于其发电负荷和供热负荷间存在鲜明的耦合关系，即“以热定电”的运行方式，其运行条件和运行方式尤为复杂[3]。与其他类型机组相对，热电联产机组具有更大的节能潜力[4]。因此，优化供热运行方式，发掘热电联产机组节能潜力，受到了众多学者的广泛关注。

厉剑梁等[5]研究了热电比对抽汽供热机组能耗特性的影响，得出了机组煤耗与热电比的函数关系；张骞等[6]基于循环函数法建立了供热机组的通用模型，提出了线性优化的小微增分配原则；黄延辉等[7]针对自备电厂热电联产机组，提出了热、电负荷优化分配模型，并针对典型现场数据制定了优化分配方案。徐中山等[8]结合理论模型与现场实验数据，建立了不同主蒸汽流量和不同热电比时机组热耗的函数关系；王珊等[9]采用粒子群算法优化了热电负荷在多台机组间的分配，并比较了优化前后电厂的能耗特性。邓拓宇等[10]利用建筑物热网储能热性，提出了一种供热机组协调控制方案，有效提高了机组调峰能力。王智等[11]通过配置储热罐的方式实现了热电厂"热电解耦"，大大增加了供热机组调峰灵活性。

现有研究对供热机组的热电负荷分配多采用平均分配的方式，对于采用优化算法进行非平均分配方式的研究还相对较少。本文以国电泉州一期机组为例，建立了变工况模型，得到了机组的供热可行域。同时比较了不同负荷分配方式对机组总能耗的影响，并以泉州某日典型热电负荷为例，采用遗传算法对热电负荷进行了优化分配。

1 模型建立

1.1 变工况模型

本文以国电泉州一期机组为例，汽轮机为哈尔滨汽轮机厂生产的CLN 670—24.2/566/566型汽轮机，额定功率670 MW，最大功率达731.8 MW，具体参数如表1所示。

表1 机组额定参数

机组的热电负荷随环境的变化而变化，导致汽轮机经常处于变工况运行状态，为提高汽轮机变工况的计算精度，本文采用改进的弗留格尔公式进行计算[12]：

式中：G—— —流经级组的蒸汽流量，kg/s；

v0— 级前蒸汽比容，m3/kg；

a——级组前后压比；

p0、p2级组前后压力，Pa；

下标A、B——不同工况。

1.2 热电负荷优化模型

为发掘供热机组的节能潜力，提高供热机组热经济性，本文采用遗传算法对热电负荷进行优化分配，在分配过程中应遵循以下原则：1）单台机组的热电负荷范围应满足供热可行域；2）为保证机组的安全运行，单台机组的电负荷应不低于200 MW。在总的热电负荷一定的情况下，以总能耗最小为目标函数，数学模型如下。

优化目标为：

其中Qz、Qz,i分别为总能耗和第i台机组的能耗，MW。

优化模型的约束条件如下：

热负荷约束条件为：

式中：Qt——全厂总热负荷，MW；

Qi——第i台机组的热负荷，MW。

其中单台机组的供热量既不能超过总的热负荷Q，也不能超过每台机组的最大热负荷。

电负荷约束条件为：

式中：Pt——全厂总电负荷，MW；

Pi——第i台机组的电负荷，MW。

由于热电联产机组采用以热定电的方式运行，所以当供热量一定时，其电负荷也应满足一定的限制条件，其中单台机组的电负荷既不能超过总的电负荷P，也不能超过每台机组的最大电负荷。

明确目标函数和约束条件后，采用遗传算法对优化模型进行求解，确定热电负荷的最优分配方式，采用遗传算法确定最优热电负荷分配方案大致流程如图1所示。

图1 遗传算法流程图

1.3 变工况模型验证

本文采用Ebslion软件根据机组设计参数以VWO工况为基准搭建供热机组仿真模型。选取THA、75%THA、50%THA3种工况，对所建立模型的准确性进行验证，计算所得各工况参数与热平衡图中数据对比如表2所示。

表2 模型仿真结果与热平衡图数据对比

由表可知，3种工况下Ebslion仿真模型计算结果与热平衡图中数据相比，最大相对误差为1.9%，发电功率相对误差均低于0.44%，由此可知，本文所建立的模型可靠性较高，满足工程精度要求，可以利用该模型进一步对变工况下的热电关系进行分析。

2 机组供热域及负荷优化分配

2.1 机组供热域

基于本文所建立的供热机组仿真模型，采用以下方法确定机组的最大供热负荷，首先保持主蒸汽流量不变，通过逐步减小供热抽汽流量，使低压缸达到最小进汽量，从而确定机组的最大供热负荷。不同供热负荷下最大电负荷与最小电负荷的计算，可通过保持供热抽汽流量不变，调节主蒸汽流量来获得，其中在机组最小主蒸汽流量的计算时需要考虑低压缸最小流量及机组最小功率的限制作用。采用上述方法计算得到的机组热电关系如图2所示。

图2 机组热电关系

由图可知，不同热负荷对应的最大电负荷与最小电负荷也不同，当热负荷为0时，机组最大电负荷与最小电负荷分别获得各自的最值。从图中可以看出，随着供热负荷的增大，最大电负荷减小，而最小电负荷增大，这是由于随着供热负荷的增大，供热抽汽量增大，导致主蒸汽流量所能获得的最大值减小，而所能获得的最小值增大，因此机组最大电负荷随供热负荷的增大而减小；而对于最小电负荷来说，随着主蒸汽流量的增加，高压缸发电功率增加，低压缸发电功率不变，总发电功率增加，因此最小电负荷随供热负荷的增大而增大。随着热负荷的增大，机组最大电负荷与最小电负荷之间的差值越来越小，说明在较高的热负荷小，机组的可调范围越来越小，调峰性能变差。

2.2 不同热电负荷分配方式对能耗的影响

选取机组的总能耗作为评价指标，比较以下4种不同负荷分配方式对机组能耗特性的影响（根据实际运行情况可知两台机组总的热负荷约为720 MW，总的电负荷约为700 MW）：1）热电负荷均采用平均分配方式；2）热负荷采用平均分配方式，电负荷采用非平均分配方式；3）热负荷采用非平均分配方式，电负荷采用平均分配方式；4）热电负荷均采用非平均分配方式。

若采用热电负荷均为平均分配的方式，即每台机组的热负荷为360 MW，电负荷为350 MW，根据仿真模型的计算结果可知，两台机组的总能耗为1 977.921 MW，即每台机组的能耗为988.961 MW。

保持热负荷平均分配，即每台机组的热负荷均为360 MW，通过改变第一台机组的电负荷，来分析不同电负荷分配下供热机组能耗的变化规律。图3显示了第二台机组电负荷和总能耗随第一台机组电负荷的变化情况，出于安全性考虑，每台机组的电负荷均不得低于200 MW。

图3 机组能耗变化（保持热负荷平均分配）

如图所示，由于总电负荷一定，所以随着第一台机组电负荷的增大，第二台机组的电负荷线性减小。机组总能耗随着第一台机组电负荷的增大先增大后减小，当电负荷在两台机组间平均分配时，总能耗达到最大值。图中虚线表示第二台机组电负荷为350 MW的等值线，从图中可以看出第二台机组电负荷偏离350 MW越多，也就是电负荷在两台供热机组间的分配越不均匀，总能耗越小，这主要是由于供热使得两台机组低压缸凝汽节流损失不同导致的，从电负荷均匀分配到不均匀分配的过程中，电负荷增大的机组能耗增大，电负荷减小的机组能耗减小，且减小量要大于增大量，因此总能耗随着电负荷分配不均匀程度的增加而减小。从图中可以看出，当电负荷分配为200 MW和500 MW时，总能耗最小，为1 971.511 MW，较平均分配时减少了6.41 MW。

保持电负荷平均分配，即每台机组的电负荷均为350 MW，通过改变第一台机组的热负荷，来分析不同热负荷分配下供热机组能耗的变化规律。图4显示了第二台机组热负荷和总能耗随第一台机组热负荷的变化情况。

图4 机组能耗变化（保持电负荷平均分配）

如图所示，由于总热负荷一定，所以第二台机组的热负荷随着第一台机组热负荷的增大而线性减小。机组总能耗随着第一台机组热负荷的增大先增大后减小，当热负荷在两台机组间平均分配时，总能耗达到最大值。图中虚线表示第二台机组热负荷为360 MW的等值线，从图中可以看出第二台机组热负荷偏离360 MW越多，也就是热负荷在两台供热机组间的分配越不均匀时，总能耗越小，这同样是由于供热使得两台机组低压缸凝汽节流损失不同导致的，从热负荷均匀分配逐渐到不均匀分配的过程中，热负荷增大的机组能耗增大，而热负荷减小的机组能耗减小，且减小量要大于增大量，因此总能耗随着热负荷分配的不均匀程度增加而减小。从图中可以看出，当全部热负荷由其中一台机组承担时，即分配方式为0 MW和720 MW时，总能耗最小，为1 958.906 MW，较平均分配时减少了19.015 MW。

上述讨论了电负荷和热负荷中单一因素变化时对机组总能耗的影响，同时改变热负荷和电负荷在两台机组间的分配，即采用热电负荷均非平均分配的方式，得到总能耗的变化规律如图5所示。

图5 机组能耗变化（热电负荷均非平均分配）

从图中可以看出，当总热负荷为720 MW，总电负荷为700 MW时，在两台机组间采用不同的热电负荷分配方式时，总能耗相差较大，最大可达23.25 MW。从图中还可以看出，当热电负荷在两台机组间平均分配时，总能耗较大，与前文所得结论一致。当第一台机组热电负荷都很小时（第二台机组的热电负荷都很大），也就是说热电负荷分配的不均匀程度较大时，总能耗较小。

2.3 热电负荷优化分配

由前文研究结果可知，将热电负荷在两台机组间平均分配是不合理的，通过优化热电负荷分配，能够实现降低机组能耗的目的。因此，本文采用遗传算法按照1.2节所建立的热电负荷优化模型，对泉州电厂某日热电负荷进行优化分配，该日的热电负荷数据图6所示。

图6 泉州某日热负荷

该厂原来采用的是热电负荷均平均分配的运行方式，对采用遗传算法优化热电负荷分配前后单日总能耗结果进行可知，采用热电负荷均平均分配的方式，两台机组的单日总能耗为47 456.856 MW，采用遗传算法对热电负荷进行优化分配后，两台机组的单日总能耗为45 944.749 MW。降低了1 512.107 MW，具有明显的节能效果。

3 结束语

通过优化供热机组的热电负荷分配方式，可以降低电厂总能耗。因此，本文以国电泉州电厂一期机组为例，建立了670 MW机组的仿真模型，得出了其供热可行域，分析了不同热电负荷分配方式对机组总能耗的影响，采用遗传算法优化了热电负荷在两台机组间的分配方式，得出了以下结论：

1）随着供热负荷的增大，供热机组的最大电负荷减小，而最小电负荷增大，最大电负荷与最小电负荷之间的差值越来越小，可调范围越来越小，可调性变差。

2）当热电负荷在两台机组间平均分配时，总能耗最大，随着电负荷分配不均匀程度的增加，总能耗逐渐减小。

3）以泉州电厂某日热电负荷为例，通过本文所建立的热电负荷优化分配模型进行非平均分配后，机组总能耗减少了1 512.107 MW。