基于双层规划的碳减排配煤优化方法研究

doi:10.12096/j.2096-4528.pgt.22012

发电技术 ›› 2023, Vol. 44 ›› Issue (2): 155-162.DOI: 10.12096/j.2096-4528.pgt.22012

基于双层规划的碳减排配煤优化方法研究

陈思勤¹, 朱伊囡², 李晓辰¹, 王学海¹

^1.华能国际电力股份有限公司上海石洞口第二电厂, 上海市宝山区 200942
^2.上海电力大学自动化工程学院, 上海市浦东新区 201306

收稿日期:2022-05-20 出版日期:2023-04-30 发布日期:2023-04-28
作者简介:陈思勤(1970)，女，硕士，正高级工程师，主要从事电厂生产过程自动化和智能化研究工作，chensiqin36881@hotmil.com；
朱伊囡(1998)，女，硕士研究生，从事火电厂配煤掺烧技术研究工作，zyn1998921@163.com；
李晓辰(1985)，男，高级工程师，从事电厂运行管理研究工作；
王学海(1985)，男，硕士，工程师，从事电厂运行管理研究工作。
基金资助:
上海市“科技创新行动计划”高新技术领域资助项目(19511101600);上海市科学技术委员会工程技术研究中心资助项目(14DZ2251100);中国华能集团有限公司2020年度科技项目(HNKJ-F2002)

Research on Optimization Method of Coal Blending for Carbon Emission Reduction Based on Bi-level Programming

Siqin CHEN¹, Yinan ZHU², Xiaochen LI¹, Xuehai WANG¹

^1.Shanghai Shidongkou Second Power Plant, Huaneng Power International, Inc. , Baoshan District, Shanghai 200942, China
^2.School of Automation Engineering, Shanghai University of Electric Power, Pudong New District, Shanghai 201306, China

Received:2022-05-20 Published:2023-04-30 Online:2023-04-28
Supported by:
Foundation:Shanghai “Science and Technology Innovation Action Plan” Funded Project in the High-Tech Field(19511101600);Engineering Technology Research Center of Shanghai Science and Technology Commission(14DZ2251100);2020 Science and Technology Projects of China Huaneng Group Co., Ltd(HNKJ-F2002)

摘要/Abstract

摘要：

随着“双碳”目标升级为国家战略，煤电作为发电行业减碳的重中之重，燃煤电厂在碳排放量的限制上面临巨大的考验。运用双层规划的方法，考虑政府管理部门碳排放配额与电厂配煤掺烧相结合，建立了火电机组低碳配煤优化模型，模型上层为政府管理部门目标，追求既定碳排放总量下电厂减排成本最小化；下层为电厂部门目标，追求配煤成本和碳排放成本最小化。采用混沌粒子群优化(chaotic particle swarm optimization，CPSO)算法求解该模型，计算结果为政府管理部门碳排放配额分配和电厂运行人员煤炭掺配提供一定参考，具有较好的应用价值与指导作用。

关键词: 碳排放配额, 双层规划模型, 配煤优化, 混沌粒子群优化(CPSO)算法

Abstract:

As the “dual carbon” goal has been upgraded to a national strategy, coal-fired power plants are the top priority for carbon reduction in the power generation industry, and coal-fired power plants are facing a huge challenge in limiting carbon emissions. Using the method of bi-level programming model, this paper established a low-carbon coal blending optimization model for thermal power units by considering the combination of carbon emission quotas for regulatory agencies and coal blending in power plants. The upper layer is the goal of the government management department, which seeks to minimize the cost of emission reduction of power plants under the given total carbon emissions. The lower layer is the goal of the power plant sector, pursuing the minimization of coal blending cost and carbon emission cost. The chaotic particle swarm optimization (CPSO) algorithm was used to solve the model. The calculation provides a certain reference for the allocation of carbon emission quotas for regulatory agencies and coal blending for power plant operators, and has good application value and guiding role.

Key words: carbon emission quota, bi-level programming model, coal blending optimization, chaotic particle swarm optimization (CPSO) algorithm

中图分类号:

TK 16

陈思勤, 朱伊囡, 李晓辰, 王学海. 基于双层规划的碳减排配煤优化方法研究[J]. 发电技术, 2023, 44(2): 155-162.

Siqin CHEN, Yinan ZHU, Xiaochen LI, Xuehai WANG. Research on Optimization Method of Coal Blending for Carbon Emission Reduction Based on Bi-level Programming[J]. Power Generation Technology, 2023, 44(2): 155-162.

图/表 7

图1 双层规划模型结构图

Fig. 1 Structure diagram of bi-level programming model

图2 CPSO求解双层规划模型流程图

Fig. 2 Flow chart of CPSO solving bi-level programming model

表1 单煤数据库

Tab. 1 Single coal database

编号	M_ar/%	A_ar/%	V_ar/%	S_ar/%	Q/(MJ⋅kg^-1)	P/(元/t)
M1	1.14	30.58	11.05	0.4	20.69	638.29
M2	2.09	36.28	7.61	0.72	18.38	487.47
M3	1.82	33.24	22.83	3.66	16.78	405.54
M4	2.39	29.52	6.25	0.42	21.04	494.00
M5	0.76	24.71	12.72	0.35	23.09	624.00
M6	0.51	32.27	14.96	2.99	20.28	515.14
M7	1.72	38.88	7.83	0.57	18.50	506.00
M8	0.94	28.98	12.23	1.24	21.29	734.08
M9	2.07	47.23	9.98	1.14	15.16	409.86
M10	3.23	33.49	9.04	1.91	18.45	519.53

表2 锅炉设计煤种参数值

Tab. 2 Boiler design coal parameter value

煤质特性	M_ar/%	A_ar/%	V_ar/%	S_ar/%	Q/(MJ⋅kg^-1)
设计值	1.42	26.4	17.1	0.8	21.35

图3 2种算法迭代过程对比图

Fig. 3 Comparison diagram of iterative process of two algorithms

表3 最优配煤比下发电机组相关结果

Tab.3 Related results of generator set under optimal coal blending ratio

参数	碳排放配额/[t/(MW⋅h)]	减排成本/元	碳排放成本/元	综合成本/元
数值	0.79	7 941.79	612	1 048.3

图4 碳减排系数与碳排放配额的关系

Fig. 4 Relationship between carbon emission reduction coefficient and carbon emission quota

参考文献 19

1	刘志强，潘荔，赵毅，等．“十四五”时期我国火电行业节能潜力分析与建议[J]．中国能源，2021，43(4)：12-18．
	LIU Z Q， PAN L， ZHAO Y，et al ．Analysis and suggestions on energy saving potential of thermal power industry in China during the 14th Five-Year Plan period [J]．China Energy，2021，43(4)：12-18．
2	姜红丽，刘羽茜，冯一铭，等．碳达峰、碳中和背景下“十四五”时期发电技术趋势分析[J]．发电技术，2022，43(1)：10-18． doi:10.12096/j.2096-4528.pgt.21030
	JIANG H L， LIU Y X， FENG Y M，et al ．Analysis on the trend of power generation technology in the 14th Five-Year Plan period under the background of carbon peak and carbon neutralization[J]．Power Generation Technology，2022，43(1)：10-18． doi:10.12096/j.2096-4528.pgt.21030
3	王彤．我国煤电发展现状及“十四五”时期发展方向[J]．应用能源技术，2020(7)：20-23． doi:10.3969/j.issn.1009-3230.2020.07.005
	WANG T ．Development status and development direction of coal power in China during the 14th Five-Year Plan period[J]．Applied Energy Technology，2020(7)：20-23． doi:10.3969/j.issn.1009-3230.2020.07.005
4	张金良，贾凡．中国火电行业多模型碳达峰情景预测[J]．电力建设，2022，43(5)：18-28． doi:10.12204/j.issn.1000-7229.2022.05.003
	ZHANG J L， JIA F ．Multi-model carbon peak scenario prediction for thermal power industry in China[J]．Electric Power Construction，2022，43(5)：18-28． doi:10.12204/j.issn.1000-7229.2022.05.003
5	童光毅．基于双碳目标的智慧能源体系构建[J]．智慧电力，2021，49(5)：1-6． doi:10.3969/j.issn.1673-7598.2021.05.002
	TONG G Y ．Construction of smart energy system based on dual carbon goal[J]．Smart Power，2021，49(5)：1-6． doi:10.3969/j.issn.1673-7598.2021.05.002
6	WU M， NAKANO M， SHE J H ．A model-based expert control strategy using neural networks for the coal blending process in an iron and steel plant[J]．Expert Systems with Applications，1999，16(3)：271-281． doi:10.1016/s0957-4174(98)00076-1
7	黄海东，刘福国，国钦光，等．配煤掺烧最小煤质偏差模型及煤场存放优化[J]．热能动力工程，2020，35(5)：97-104．
	HUANG H D， LIU F G， GUO Q G，et al ．Minimum deviation model of coal quality and storage optimization of coal yard for blending and firing[J]．Thermal Energy and Power Engineering，2020，35(5)：97-104．
8	夏季，陆攀，华志刚，等．电站锅炉全局优化智能配煤模型的建立及系统开发[J]．动力工程学报，2010，30(7)：512-517．
	XIA J， LU P， HUA Z G，et al ．Establishment and system development of intelligent coal blending model for global optimization of utility boilers[J]．Chinese Journal of Power Engineering，2010，30(7)：512-517．
9	SHIH J S， FREY H C ．Coal blending optimization under uncertainty[J]．European Journal of Operational Research，1995，83(3)：452-465． doi:10.1016/0377-2217(94)00243-6
10	王英敏，张志刚，张文君，等．火电机组混煤掺烧与优化系统研究与应用[J]．科学技术与工程，2020，20(14)：5634-5638． doi:10.3969/j.issn.1671-1815.2020.14.026
	WANG Y M， ZHANG Z G， ZHANG W J，et al ．Research and application of coal blending and optimization system for thermal power units[J]．Science Technology and Engineering，2020，20(14)：5634-5638． doi:10.3969/j.issn.1671-1815.2020.14.026
11	张宇，周连升，王桂林，等．减少污染物排放成本的配煤优化模型[J]．热力发电，2015，44(7)：88-92． doi:10.3969/j.issn.1002-3364.2015.07.088
	ZHANG Y， ZHOU L S， WANG G L，et al ．Optimization model of coal blending to reduce pollutant emission cost[J]．Thermal Power，2015，44(7)：88-92． doi:10.3969/j.issn.1002-3364.2015.07.088
12	LÜ C W， XU J P， XIE H P，et al ．Equilibrium strategy based coal blending method for combined carbon and PM₁₀ emissions reductions[J]．Applied Energy，2016，183：1035-1052．
13	段翩，朱建全，刘明波．基于双层模糊机会约束规划的虚拟电厂优化调度[J]．电工技术学报，2016，31(9)：58-67． doi:10.3969/j.issn.1000-6753.2016.09.008
	DUAN P， ZHU J Q， LIU M B ．Optimal scheduling of virtual power plants based on double-layer fuzzy opportunistic constrained programming[J]．Journal of Electrotechnical Technology，2016，31(9)：58-67． doi:10.3969/j.issn.1000-6753.2016.09.008
14	叶泽，何姣，周鑫，等．发电行业碳排放权初始配额分配的双层规划模型[J]．系统工程，2018，36(11)：140-146．
	YE Z， HE J， ZHOU X， et al. A two-layer planning model for the initial allocation of carbon emission rights in the power generation industry[J]. Systems Engineering， 2018， 36(11)：140-146．
15	刘福国，刘科，王守恩．基于机会约束的电厂混煤煤质和成本的Pareto前沿[J]．发电技术，2022，43(1)：160-167． doi:10.12096/j.2096-4528.pgt.21042
	LIU F G， LIU K， WANG S E ．The Pareto frontier of coal quality and cost of power plant blending based on opportunity constraints[J]．Power Generation Technology，2022，43(1)：160-167． doi:10.12096/j.2096-4528.pgt.21042
16	高鹰，谢胜利．混沌粒子群优化算法[J]．计算机科学，2004，31(8)：13-15． doi:10.3969/j.issn.1002-137X.2004.08.004
	GAO Y， XIE S L ．Chaos particle swarm optimization algorithm[J]．Computer Science，2004，31(8)：13-15． doi:10.3969/j.issn.1002-137X.2004.08.004
17	付轩熠，茅大钧，印琪民．基于多种算法的火电厂配煤优化方法研究[J]．煤炭工程，2018，50(9)：150-154． doi:10.11799/ce201809038
	FU X Y， MAO D J， YIN Q M ．Research on coal blending optimization method for thermal power plants based on multiple algorithms[J]．Coal Engineering，2018，50(9)：150-154． doi:10.11799/ce201809038
18	刘艳军．电厂动力配煤煤质预测模型与优化模型研究[D]．长沙：中南大学，2011．
	LIU Y J ．Research on coal quality prediction model and optimization model of power coal blending in power plants[D]．Changsha：Central South University，2011．
19	国家发展和改革委员会应对气候变化司．2015年中国区域电网基准线排放因子[R]．北京：国家发展和改革委员会，2015．
	Department of Climate Change，National Development and Reform Commission ．2015 China regional power grid baseline emission factor[R]．Beijing：National Development and Reform Commission，2015．

[1]	朱京冀, 徐义书, 徐静颖, 王华坤, 刘小伟, 于敦喜, 马晶晶, 徐明厚. 掺烧氨燃料对煤挥发分火焰特性及颗粒物生成的影响[J]. 发电技术, 2022, 43(6): 908-917.
[2]	王洪健, 王海洋, 孔皓, 周托, 张缦, 杨海瑞. 135 MW循环流化床锅炉纯燃准东煤改造策略与运行技术研究[J]. 发电技术, 2022, 43(6): 918-926.
[3]	郝建刚, 贡文明, 丁阳, 郑丹伟, 刘勇. 模型旋流燃烧室气体燃料火焰不稳定特性分析[J]. 发电技术, 2022, 43(6): 927-934.
[4]	李振山, 陈虎, 李维成, 刘磊, 蔡宁生. 化学链燃烧中试系统的研究进展与展望[J]. 发电技术, 2022, 43(4): 544-561.
[5]	苗桢武, 沈来宏, 赵海波. 复合赤铁矿和铜矿石载氧体在化学链燃烧中的循环反应性能研究[J]. 发电技术, 2022, 43(4): 574-583.
[6]	高虎, 刘凡, 李海. 碳中和目标下氨燃料的机遇、挑战及应用前景[J]. 发电技术, 2022, 43(3): 462-467.
[7]	李源, 郭志成, 孟晓超, 陈科峰, 任利明, 毛睿, 岑可法. 基于可调谐二极管激光吸收光谱技术的炉内燃烧场参数在线监测系统设计[J]. 发电技术, 2022, 43(2): 353-361.
[8]	刘福国, 刘科, 王守恩. 基于机会约束的电厂混煤煤质和成本的Pareto前沿[J]. 发电技术, 2022, 43(1): 160-167.

基于双层规划的碳减排配煤优化方法研究

Research on Optimization Method of Coal Blending for Carbon Emission Reduction Based on Bi-level Programming

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 7

参考文献 19

相关文章 8

编辑推荐

Metrics

本文评价