專利名稱：基于熱電系統(tǒng)負(fù)荷在線預(yù)測的調(diào)度方法與系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種調(diào)度方法與調(diào)度系統(tǒng)，特別是一種基于熱電系統(tǒng)負(fù)荷在線 預(yù)測的調(diào)度方法與系統(tǒng)，主要應(yīng)用于屬于流程工業(yè)的熱電廠的負(fù)荷預(yù)測、生產(chǎn) 調(diào)度、能源消耗、效益分析等，以提高企業(yè)生產(chǎn)運(yùn)行效率，降低運(yùn)行成本，尤 其是降低能源消耗，減少污染排放。
背景技術(shù)：
公開號CN1292474A的中國專利申請《綜合利用熱電廠蒸汽能量的供熱方法和 系統(tǒng)》公開了一種通過蒸汽量決定發(fā)電量的方法進(jìn)行熱電廠的生產(chǎn)調(diào)度方法；和 采用熱量傳輸及熱泵進(jìn)行余熱回收利用的技術(shù)方案。該技術(shù)提高了蒸汽的綜合利用 率，然而，因為其不是根據(jù)熱能負(fù)荷和電能負(fù)荷的預(yù)測結(jié)果,直接對熱電廠的核心 設(shè)備鍋爐和發(fā)電機(jī)進(jìn)行調(diào)度操作，未能統(tǒng)一能量利用率和設(shè)備利用系數(shù)，不能減少 余能回收工作量。
公告號CA100495272C的中國專利《基于綜合數(shù)據(jù)來源的鋼鐵能源的自動優(yōu) 化調(diào)度系統(tǒng)及方法》公開了包括安裝在現(xiàn)場的傳感器、PLC、 DCS構(gòu)成的PCS層， 現(xiàn)場監(jiān)控終端HMI，調(diào)度系統(tǒng)數(shù)據(jù)庫服務(wù)器，ERP數(shù)據(jù)庫服務(wù)器，應(yīng)用系統(tǒng)服務(wù) 器，客戶端，防火墻、防病毒服務(wù)器，連接各計算機(jī)設(shè)備、控制器和傳感器的 計算機(jī)網(wǎng)絡(luò)的調(diào)度系統(tǒng)；以及根據(jù)特定鋼鐵企業(yè)的具體能源利用狀況，分析企 業(yè)的能源供給、分配的方法；提高鋼鐵企業(yè)的能源有效利用率。公告號 CA1303560C的中國專利《一種一體化的鋼鐵企業(yè)生產(chǎn)過程在線計劃調(diào)度系統(tǒng)與 方法》公開了一種由安裝在現(xiàn)場的傳感器、控制器構(gòu)成的PCS層、接口管理服 務(wù)器、數(shù)據(jù)庫服務(wù)器、應(yīng)用層服務(wù)器、Web服務(wù)器、客戶端工作站、連接各計算 機(jī)設(shè)備、控制器和傳感器的計算機(jī)網(wǎng)絡(luò)構(gòu)成的計劃調(diào)度系統(tǒng)；和包括工藝流程 的定義、生產(chǎn)訂單生成、生產(chǎn)計劃編排、仿真模擬、計劃局部調(diào)整、在線生產(chǎn) 調(diào)度的計劃調(diào)度方法；該調(diào)度系統(tǒng)與方法將生產(chǎn)計劃自動編制與在線實(shí)時調(diào)度 融為一體。上述在先申請專利的調(diào)度過程數(shù)據(jù)全部來自實(shí)體數(shù)據(jù)，不能進(jìn)行調(diào) 度過程的順延模擬，調(diào)度時段為固定值，不能進(jìn)行調(diào)度決策模擬，不具有長期、
5非定長時間的調(diào)度效果。熱電廠是流程工業(yè)中較為典型的能量消耗型企業(yè)，隨著 季節(jié)的周期性變化電力消耗也具有一定的規(guī)律，生產(chǎn)過程不但需要期限較長的 調(diào)度，而且需要將中、長期的調(diào)度分成更加詳細(xì)的可操作時間段，應(yīng)用現(xiàn)有技 術(shù)調(diào)度系統(tǒng)和方法存在不足，影響企業(yè)效率。

發(fā)明內(nèi)容
本發(fā)明所要解決的技術(shù)問題是，克服現(xiàn)有技術(shù)存在的缺陷，提供一種基于 熱電廠的產(chǎn)能及分配預(yù)測，利于提高企業(yè)生產(chǎn)運(yùn)行效率、降低能源消耗、減少 污染排放的基于熱電系統(tǒng)負(fù)荷在線預(yù)測的調(diào)度方法與系統(tǒng)。
本發(fā)明解決上述問題所采用的技術(shù)方案是該基于熱電系統(tǒng)負(fù)荷在線預(yù)測 的調(diào)度方法，其特點(diǎn)是該調(diào)度方法調(diào)度操作的主要對象是熱電生產(chǎn)系統(tǒng)的核 心設(shè)備鍋爐和蒸汽發(fā)電機(jī)組，調(diào)度流程包括以下步驟
a、 數(shù)據(jù)采集，數(shù)據(jù)采集運(yùn)行于現(xiàn)場生產(chǎn)層DCS，參與現(xiàn)場控制，采用現(xiàn)場 數(shù)據(jù)采集終端采集各個流程的常規(guī)量數(shù)據(jù)和微流量數(shù)據(jù)_一鍋爐壓力設(shè)計上 限、鍋爐實(shí)時壓力值、蒸汽實(shí)時溫度、蒸汽實(shí)時流量、單臺發(fā)電機(jī)實(shí)時發(fā)電量；
b、 建立實(shí)時數(shù)據(jù)庫和歷史數(shù)據(jù)庫，根據(jù)現(xiàn)場數(shù)據(jù)采集終端采集的實(shí)時數(shù)據(jù)， 構(gòu)建實(shí)時數(shù)據(jù)庫，并分析整理構(gòu)成歷史數(shù)據(jù)庫； (
C、數(shù)據(jù)分析與調(diào)度決策，數(shù)據(jù)分析與調(diào)度決策運(yùn)行于現(xiàn)場生產(chǎn)層DCS和管 理層ERP之間的制造執(zhí)行管理層MES，通過監(jiān)控系統(tǒng)和在線數(shù)據(jù)分析模塊對現(xiàn)場 采集的數(shù)據(jù)進(jìn)行整理、歸類、分析；
——根據(jù)收集的煤粉顆粒指數(shù)分析計算單位重量煤粉的熱值量，
——根據(jù)鍋爐壓力設(shè)計上限、鍋爐實(shí)時壓力值、鍋爐實(shí)時運(yùn)行額度、蒸汽 實(shí)時溫度進(jìn)行鍋爐運(yùn)行狀況分析，
——根據(jù)單臺發(fā)電機(jī)額定容量、單臺發(fā)電機(jī)實(shí)時發(fā)電量、發(fā)電機(jī)疲勞系數(shù) 進(jìn)行發(fā)電機(jī)實(shí)時負(fù)荷計算與分析，
一一根據(jù)現(xiàn)場數(shù)據(jù)采集終端所采集的微流量數(shù)據(jù)進(jìn)行熱電生產(chǎn)系統(tǒng)可靠 性、運(yùn)行效率和能耗分析；
匯總上述分析建立決策調(diào)度知識庫，對當(dāng)前運(yùn)行狀態(tài)、市場形勢、燃料價格、 用戶變動進(jìn)行綜合分析，進(jìn)行短期、中期的負(fù)荷預(yù)測得到特定時段的多個調(diào)度決策，并進(jìn)行過程模擬，對每一種調(diào)度的可行性進(jìn)行在線仿真測試，在線評估 多個調(diào)度決策的優(yōu)劣，得出當(dāng)前要達(dá)到最佳狀態(tài)以及近期內(nèi)的最佳調(diào)度狀況下 的相應(yīng)操作決策，并將調(diào)度決策的預(yù)期效果和實(shí)際效果進(jìn)行比較，比較結(jié)果作 為負(fù)荷預(yù)測的條件，最終通過人機(jī)交互得到最佳的調(diào)度決策，通過鍋爐填煤量、 鍋爐分期工作負(fù)荷、發(fā)電機(jī)剩余工作時間對鍋爐和發(fā)電機(jī)組工作進(jìn)行協(xié)調(diào)分配。 本發(fā)明基于熱電系統(tǒng)負(fù)荷在線預(yù)測的調(diào)度方法，所述的在線數(shù)據(jù)分析模塊 由現(xiàn)場生產(chǎn)模型、供應(yīng)系統(tǒng)關(guān)系模型、市場預(yù)測模型、能源采購與消耗調(diào)度模 型、工作狀態(tài)調(diào)整關(guān)系模型五大基礎(chǔ)數(shù)據(jù)模型構(gòu)成，在線數(shù)據(jù)分析模塊具備能 源利用率分析、市場效益分析、統(tǒng)計分配及調(diào)度功能，所述的在線數(shù)據(jù)分析模
塊采用數(shù)據(jù)模型建立算法、動態(tài)調(diào)度模擬圖Dynamic Scheduling Simulated Diagram、連續(xù)Petri網(wǎng)模擬算法、改進(jìn)粒子群優(yōu)化算法Particle Swarm Optimization, PSO和支持向量機(jī)混合算法，根據(jù)采集的數(shù)據(jù)，對生產(chǎn)的負(fù)荷進(jìn) 行為期1年的預(yù)測，每半月做一次負(fù)荷預(yù)估，根據(jù)半月內(nèi)的負(fù)荷預(yù)測作系統(tǒng)的 調(diào)度。
本發(fā)明基于熱電系統(tǒng)負(fù)荷在線預(yù)測的調(diào)度方法，所述的市場預(yù)測模型包含 預(yù)測燃料消耗最少、機(jī)組運(yùn)行效率最高、能量轉(zhuǎn)換流程最短、電能消耗波動最 小、燃料采購與儲備成本最小、污染排放最小、余能回收與利用系數(shù)最高，所 述的市場預(yù)測模型的輸入?yún)?shù)有燃料價格、儲備費(fèi)用、當(dāng)前燃料利用率、熱網(wǎng) 供氣總量需求、電網(wǎng)供電量的需求、歷史預(yù)測誤差、實(shí)時蒸汽流量等過程信息， 所述的市場預(yù)測模型輸出的參數(shù)有鍋爐的運(yùn)行時間及產(chǎn)能要求的分配、汽輪機(jī) 組的工作協(xié)調(diào)機(jī)制、余熱回收系統(tǒng)的工作調(diào)度、電網(wǎng)供應(yīng)系統(tǒng)的電力分配。
本發(fā)明基于熱電系統(tǒng)負(fù)荷在線預(yù)測的調(diào)度方法，所述的數(shù)據(jù)采集將高精度 計量與累積偏差有機(jī)結(jié)合，將現(xiàn)場數(shù)據(jù)采集終端的分為兩個工作狀態(tài)，即常規(guī) 數(shù)據(jù)采集狀態(tài)和微流量數(shù)據(jù)采集狀態(tài)，其中微流量采集狀態(tài)用于分析記錄高溫 熱蒸汽零值顯示時的泄露狀態(tài)參數(shù)。
本發(fā)明基于熱電系統(tǒng)負(fù)荷在線預(yù)測的調(diào)度方法，所述的數(shù)據(jù)采集在輸入各 個數(shù)據(jù)時，將生產(chǎn)中的連續(xù)過程、間歇過程進(jìn)行劃分，設(shè)計數(shù)據(jù)中間體，作為 各個過程間的信息流通道。本發(fā)明解決上述問題所采用的技術(shù)方案還是該基于熱電系統(tǒng)負(fù)荷在線預(yù) 測的調(diào)度系統(tǒng)，其結(jié)構(gòu)特點(diǎn)是包括現(xiàn)場數(shù)據(jù)采集終端、現(xiàn)場生產(chǎn)層DCS、管理
層ERP、中心數(shù)據(jù)服務(wù)器和制造執(zhí)行管理層MES;
a、 所述的現(xiàn)場數(shù)據(jù)采集終端運(yùn)行于現(xiàn)場生產(chǎn)層DCS采集數(shù)據(jù)，采集數(shù)據(jù)傳 送到監(jiān)控系統(tǒng)，同時傳送至中心數(shù)據(jù)服務(wù)器進(jìn)行數(shù)據(jù)處理，建立實(shí)時數(shù)據(jù)庫和 歷史數(shù)據(jù)庫；
b、 所述的現(xiàn)場生產(chǎn)層采用分布式控制系統(tǒng)DCS，配置主機(jī)計算機(jī)和多臺調(diào) 度計算機(jī)，管理層ERP配置管理交換機(jī)，中心數(shù)據(jù)服務(wù)器和管理交換機(jī)相連接， 管理交換機(jī)和主機(jī)計算機(jī)、多臺調(diào)度計算機(jī)相連接；
c、 所述的制造執(zhí)行管理層MES配置監(jiān)控系統(tǒng)，對連接調(diào)度計算機(jī)及現(xiàn)場控 制器之間的時序互基關(guān)系進(jìn)行設(shè)置，制造執(zhí)行管理層MES位于現(xiàn)場生產(chǎn)層DCS 和管理層ERP之間，制造執(zhí)行管理層MES通過監(jiān)控系統(tǒng)、在線數(shù)據(jù)分析模塊對 現(xiàn)場數(shù)據(jù)采集終端收集的數(shù)據(jù)進(jìn)行分析，并通過人機(jī)交互決策完成執(zhí)行鍋爐填 煤量、鍋爐分期工作負(fù)荷、發(fā)電機(jī)剩余工作時間的計算，完成對鍋爐和發(fā)電機(jī) 組工作進(jìn)行協(xié)調(diào)分配的調(diào)度決策。
本發(fā)明基于熱電系統(tǒng)負(fù)荷在線預(yù)測的調(diào)度系統(tǒng)，所述的現(xiàn)場數(shù)據(jù)采集終端 安裝在現(xiàn)場生產(chǎn)層DCS，進(jìn)行熱電生產(chǎn)系統(tǒng)的核心設(shè)備鍋爐和蒸汽發(fā)電機(jī)組的溫 度、流量、壓力和功率采集，所述的現(xiàn)場數(shù)據(jù)采集終端包括流量檢測與判斷模 塊、微流量處理模塊、數(shù)值顯示模塊，USB存儲設(shè)備接口模塊、越限報警模塊、 總線通信模塊，所述的現(xiàn)場數(shù)據(jù)采集終端分為常規(guī)流量采集狀態(tài)和微流量采集 狀態(tài)兩個工作狀態(tài)，流量檢測與判斷模塊進(jìn)行微流量測量和常規(guī)流量的分程處 理，采集現(xiàn)場實(shí)時流量。
本發(fā)明與現(xiàn)有技術(shù)相比具有以下優(yōu)點(diǎn)1、本發(fā)明基于熱電廠的產(chǎn)能及分配 預(yù)測，直接對熱電廠的核心設(shè)備鍋爐和發(fā)電機(jī)進(jìn)行調(diào)度操作，所有調(diào)度流程的 信息對應(yīng)性、針對性、實(shí)時性強(qiáng)，預(yù)計時間長、預(yù)測命中率高，利于提高熱電 企業(yè)生產(chǎn)運(yùn)行效率、降低能源消耗、減少污染排放。2、調(diào)度方式上，現(xiàn)有技術(shù) 調(diào)度系統(tǒng)和方法均是通過實(shí)時生產(chǎn)信息和系統(tǒng)模型進(jìn)行仿真測試獲得調(diào)度方法 的；本發(fā)明調(diào)度系統(tǒng)和方法是從信息利用上避開模型本身，而是采用數(shù)據(jù)挖掘方法即支持向量機(jī)混合算法、粒子群架構(gòu)的新型神經(jīng)網(wǎng)絡(luò)算法對生產(chǎn)的負(fù)荷進(jìn)
行為期l年的預(yù)測，分為24期，即每半月做一次負(fù)荷預(yù)估，半月內(nèi)的負(fù)荷預(yù)測 再用作系統(tǒng)的調(diào)度，因此調(diào)度效率更高，熱電生產(chǎn)過程的狀態(tài)切換會更加平穩(wěn)， 保證設(shè)備運(yùn)行狀態(tài)最佳。3、對現(xiàn)場數(shù)據(jù)的采集和利用上，現(xiàn)有技術(shù)均采用流量、 壓力、溫度、設(shè)計參數(shù)等常規(guī)量；本發(fā)明將煤顆粒指數(shù)、鍋爐運(yùn)行的額度、發(fā) 電機(jī)疲勞系數(shù)等熱電系統(tǒng)中的微小流量一并作為在線調(diào)度系統(tǒng)的操作變量，細(xì) 化操作過程，提高操作執(zhí)行的力度；因此本發(fā)明調(diào)度系統(tǒng)和方法較之現(xiàn)有同類 調(diào)度系統(tǒng)和方法可靠性更高、效果更好。4、現(xiàn)有調(diào)度系統(tǒng)和方法調(diào)度執(zhí)行是串 行執(zhí)行，即先進(jìn)行某一可操作變量的取值，再通過某個流程，然后仿真進(jìn)行觀 察調(diào)度的效果，或者完全憑借經(jīng)驗進(jìn)行調(diào)度結(jié)果的判斷；本發(fā)明通過廣度搜索 測量和高度并行優(yōu)化計算，調(diào)度系統(tǒng)內(nèi)置大量可并行操作的模塊，對每一種調(diào) 度的可行性進(jìn)行在線仿真測試，直接給出測試結(jié)果，同時完成大量的調(diào)度策略 及各種情況下的調(diào)度比較，方便人機(jī)交互式調(diào)度決策的確定，減少了經(jīng)驗調(diào)度 帶來的誤差。5、現(xiàn)場數(shù)據(jù)采集終端結(jié)構(gòu)合理，將流量測量單獨(dú)設(shè)計為一個測量 通道，而非與其他通道共享分時訪問，因此可以對微流量進(jìn)行實(shí)時累積計算， 減小了運(yùn)算誤差；數(shù)據(jù)存儲由通用的USB存儲設(shè)備接口代替?zhèn)鹘y(tǒng)的芯片級存儲， 從而實(shí)現(xiàn)了海量數(shù)據(jù)存儲，便于分析；采集終端自帶液晶顯示，可以顯示實(shí)時 變量；通訊模塊的設(shè)計采用MODBUS RTU協(xié)議，實(shí)現(xiàn)了設(shè)備與上位機(jī)及儀表間的 數(shù)據(jù)通訊。


圖1為實(shí)施例基于熱電系統(tǒng)負(fù)荷在線預(yù)測的調(diào)度方法信息流圖。 圖2為實(shí)施例基于熱電系統(tǒng)負(fù)荷在線預(yù)測的調(diào)度方法調(diào)度流程圖。 圖3為實(shí)施例基于熱電系統(tǒng)負(fù)荷在線預(yù)測的調(diào)度系統(tǒng)示意圖。 圖4為實(shí)施例基于熱電系統(tǒng)負(fù)荷在線預(yù)測的調(diào)度系統(tǒng)中現(xiàn)場數(shù)據(jù)采集終端 功能結(jié)構(gòu)圖。
具體實(shí)施例方式
下面通過實(shí)施例，結(jié)合附圖對本發(fā)明作進(jìn)一步描述。
本發(fā)明基于熱電系統(tǒng)負(fù)荷在線預(yù)測的調(diào)度方法實(shí)施例實(shí)施例基于熱電系統(tǒng)負(fù)荷在線預(yù)測的調(diào)度方法，在分析流程工業(yè)生產(chǎn)供應(yīng) 特征的基礎(chǔ)上針對熱電廠生產(chǎn)過程中的生產(chǎn)安排、調(diào)度流程、能源消耗、效益
分析等需求進(jìn)行分析；以經(jīng)濟(jì)效益、節(jié)能環(huán)保、生產(chǎn)供應(yīng)為主要指標(biāo)，建立分 期生產(chǎn)計劃和決策調(diào)度模型的總體框架結(jié)構(gòu)。該調(diào)度方法調(diào)度操作的主要對象 的是熱電生產(chǎn)系統(tǒng)的核心設(shè)備鍋爐和蒸汽發(fā)電機(jī)組，它集生產(chǎn)消耗、能源利用 率、產(chǎn)品配送、負(fù)荷預(yù)測與生產(chǎn)調(diào)度于一體，建立生產(chǎn)過程的模型，通過生產(chǎn) 過程的數(shù)據(jù)驅(qū)動實(shí)時跟蹤生產(chǎn)流程，動態(tài)監(jiān)視調(diào)度系統(tǒng)。 參見圖1、 2，該調(diào)度方法流程包括以下步驟
1、 數(shù)據(jù)采集，數(shù)據(jù)采集運(yùn)行于現(xiàn)場生產(chǎn)層DCS,參與現(xiàn)場控制，精確計量 各個流程的數(shù)據(jù)，特別是面對用戶的數(shù)據(jù)，如電力輸送量，熱氣供應(yīng)量及其實(shí) 時溫度。該步驟采用現(xiàn)場高精度的數(shù)據(jù)采集終端采集各個流程的實(shí)時常規(guī)量數(shù) 據(jù)和微流量數(shù)據(jù)——鍋爐壓力設(shè)計上限、鍋爐實(shí)時壓力值、蒸汽實(shí)時溫度、蒸 汽實(shí)時流量、單臺發(fā)電機(jī)實(shí)時發(fā)電量，以及鍋爐實(shí)時運(yùn)行額度、發(fā)電機(jī)疲勞系 數(shù)和煤粉顆粒指數(shù)。
傳統(tǒng)熱電廠調(diào)度系統(tǒng)中忽略了細(xì)微但卻很重要的信息，系統(tǒng)中微流量數(shù)據(jù) 對整個系統(tǒng)的影響，如鍋爐的運(yùn)行額度、發(fā)電機(jī)組疲勞系數(shù)、煤粉的顆粒指數(shù)， 這些信息都是非常重要過程量，直接影響系統(tǒng)運(yùn)行結(jié)果的準(zhǔn)確性。實(shí)施例數(shù)據(jù) 采集將高精度計量與累積偏差有機(jī)結(jié)合，將現(xiàn)場數(shù)據(jù)采集終端的分為兩個工作 狀態(tài)，即常規(guī)流量采集狀態(tài)和微流量采集狀態(tài)，其中微流量采集狀態(tài)用于分析 記錄高溫?zé)嵴羝阒碉@示時的泄露狀態(tài)參數(shù)。
2、 建立實(shí)時數(shù)據(jù)庫和歷史數(shù)據(jù)庫，根據(jù)現(xiàn)場數(shù)據(jù)采集終端采集裝置采集記 錄的常規(guī)流量和微流量實(shí)時數(shù)據(jù)，構(gòu)建實(shí)時數(shù)據(jù)庫，并分析整理構(gòu)成歷史數(shù)據(jù) 庫。
熱電廠分布式控制系統(tǒng)DCS中有大量的數(shù)據(jù)存在，而實(shí)際生產(chǎn)過程中只利 用了用于報表制作部分的數(shù)據(jù)，浪費(fèi)了大量具有價值的系統(tǒng)數(shù)據(jù)，各個點(diǎn)的信 息成了孤島，沒有被合理的利用。本發(fā)明充分利用過程量信息如蒸汽的壓力、 煤氣的流量等，這些信息具有內(nèi)在的聯(lián)系，系統(tǒng)將其進(jìn)行分類，規(guī)劃后存入數(shù) 據(jù)庫系統(tǒng)，建立過程信息擬實(shí)時數(shù)據(jù)系統(tǒng)，結(jié)合推斷邏輯和先前的推斷結(jié)果填充已經(jīng)具有或新建立專家知識庫，供下一步的決策提供必不可少的理論依據(jù)， 作為數(shù)據(jù)挖掘技術(shù)中的一種應(yīng)用，此信息融合技術(shù)不僅可以自動搜集新的過程 信息作為知識庫的新息，而且可以對已有的新息進(jìn)行二次分析，對信息之間的 相關(guān)度進(jìn)行在線計算，分析出與系統(tǒng)利用最相關(guān)的量，因此可以最大限度的減 少系統(tǒng)的信息冗余程度，提高系統(tǒng)進(jìn)行數(shù)據(jù)處理的效率，并且能夠根據(jù)調(diào)度的 最終結(jié)果反饋調(diào)整信息融合的機(jī)制，使得系統(tǒng)向最佳方向發(fā)展。
3、數(shù)據(jù)分析與調(diào)度決策，數(shù)據(jù)分析與調(diào)度決策運(yùn)行于現(xiàn)場生產(chǎn)層DCS和管 理層ERP之間的制造執(zhí)行管理層JffiS，通過監(jiān)控系統(tǒng)和在線數(shù)據(jù)分析模塊對現(xiàn)場 收集的數(shù)據(jù)進(jìn)行整理、歸類、分析根據(jù)收集的煤粉顆粒指數(shù)分析計算單位重 量煤粉的熱值；根據(jù)鍋爐壓力設(shè)計上限、鍋爐實(shí)時壓力值、鍋爐實(shí)時運(yùn)行額度、 蒸汽實(shí)時溫度進(jìn)行鍋爐運(yùn)行狀況分析；根據(jù)單臺發(fā)電機(jī)額定容量、單臺發(fā)電機(jī) 實(shí)時發(fā)電量、發(fā)電機(jī)疲勞系數(shù)進(jìn)行發(fā)電機(jī)實(shí)時負(fù)荷計算與分析；根據(jù)現(xiàn)場數(shù)據(jù) 采集終端所采集的微流量數(shù)據(jù)進(jìn)行熱電生產(chǎn)系統(tǒng)可靠性、運(yùn)行效率和能耗分析。
匯總上述分析建立決策調(diào)度知識庫，對當(dāng)前運(yùn)行狀態(tài)、市場形勢、燃料價 格、用戶變動進(jìn)行綜合分析，進(jìn)行短期、中期的負(fù)荷預(yù)測得到特定時段的多個 調(diào)度決策，并進(jìn)行過程模擬，對每一種調(diào)度的可行性進(jìn)行在線仿真測試，在線 評估多個調(diào)度決策的優(yōu)劣，得出當(dāng)前要達(dá)到最佳狀態(tài)以及近期內(nèi)的最佳調(diào)度狀 況下的相應(yīng)操作決策，并將調(diào)度決策的預(yù)期效果和實(shí)際效果進(jìn)行比較，比較結(jié) 果作為負(fù)荷預(yù)測的條件，最終通過人機(jī)交互得到最佳的調(diào)度決策，通過鍋爐填 煤量、鍋爐分期工作負(fù)荷、發(fā)電機(jī)剩余工作時間對鍋爐和發(fā)電機(jī)組工作進(jìn)行協(xié) 調(diào)分配。
實(shí)施例的在線數(shù)據(jù)分析模塊由現(xiàn)場生產(chǎn)模型、供應(yīng)系統(tǒng)關(guān)系模型、市場預(yù) 測模型、能源采購與消耗調(diào)度模型、工作狀態(tài)調(diào)整關(guān)系模型五大基礎(chǔ)數(shù)據(jù)模型 構(gòu)成，在線數(shù)據(jù)分析模塊具備能源利用率分析、市場效益分析、統(tǒng)計分配及調(diào) 度功能，所述的在線數(shù)據(jù)分析模塊采用數(shù)據(jù)模型建立算法、動態(tài)調(diào)度模擬圖 Dynamic Scheduling Simulated Diagram、連續(xù)Petri網(wǎng)模擬算法、改進(jìn)粒子 群優(yōu)化算法Particle Swarm Optimization, PS0和支持向量機(jī)混合算法，根據(jù) 采集的數(shù)據(jù)，對生產(chǎn)的負(fù)荷進(jìn)行為期1年的預(yù)測，每半月做一次負(fù)荷預(yù)估，根據(jù)半月內(nèi)的負(fù)荷預(yù)測作系統(tǒng)的調(diào)度。 本發(fā)明采用的算法
a、 設(shè)計最佳的數(shù)據(jù)模型建立算法，使得軟件系統(tǒng)能基于SVM， NN等建模算 法快速搭建模型框架，并且具有很好的通用性，使得軟件系統(tǒng)能夠快速適應(yīng)新 的環(huán)境，有很好的可移植性；其中SVM的核函數(shù)選擇方法采用變徑聚類的方式 得到，神經(jīng)網(wǎng)絡(luò)采用拓?fù)浣Y(jié)構(gòu)自適應(yīng)的更新模式在線建立，容易實(shí)施。
b、 動態(tài)調(diào)度豐莫擬圖Dynamic Scheduling Simulated Diagram,及其t莫型表 示方法，可以供用戶自行添加模塊結(jié)構(gòu)，有很好的可操作性。
c、 連續(xù)Petri網(wǎng)模擬算法，建立調(diào)度方案驗證模型，以核實(shí)調(diào)度決策的可 執(zhí)行性及其執(zhí)行對應(yīng)的影響。
d、 改進(jìn)粒子群優(yōu)化算法Particle Swarm Optimization, PS0解決高度非 線性系統(tǒng)尋優(yōu)問題，對原經(jīng)典粒子群算法進(jìn)行改進(jìn)，使其更適合大規(guī)模、多目 標(biāo)問題的求解。熱電廠不僅要滿足用戶的電量需求而且需要對產(chǎn)能的二次分配 回收系統(tǒng)做最佳的調(diào)整，同時兼顧燃料的采購成本及存儲維護(hù)費(fèi)用，整個過程 構(gòu)成了一個多目標(biāo)系統(tǒng)；采用具有多目標(biāo)優(yōu)化能力的微粒子群算法優(yōu)化目標(biāo)函 數(shù)，能同時優(yōu)化多個目標(biāo)并求得最優(yōu)解，能使整個熱電廠的各個環(huán)節(jié)之間協(xié)調(diào) 工作。
采用大規(guī)模神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)技術(shù)作為建模平臺，對熱電行業(yè)的各非 線性易波動系統(tǒng)進(jìn)行非參數(shù)模型設(shè)計，通過在線迭代優(yōu)化模型中的可變參數(shù)逼 近實(shí)際過程，神經(jīng)網(wǎng)絡(luò)具有預(yù)測能力強(qiáng)，智能化，能夠?qū)崿F(xiàn)多變量的輸入和輸 出操作，通過動態(tài)建立網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)并修正其規(guī)模，可以得到泛化能力強(qiáng)， 預(yù)測精度高的網(wǎng)絡(luò)；采用支持向量機(jī)技術(shù)彌補(bǔ)神經(jīng)網(wǎng)絡(luò)訓(xùn)練時間長、要求樣本 量大等缺點(diǎn)，從而可以在線建模并完成輸出運(yùn)算，建立模型精度高，不受模型 階次和運(yùn)行狀態(tài)的影響，不同部分直接通過數(shù)據(jù)交互的關(guān)系聯(lián)系，不需要大量 而復(fù)雜的數(shù)學(xué)運(yùn)算，而是通過智能化學(xué)習(xí)與進(jìn)化以適應(yīng)新的運(yùn)行狀況與市場狀 態(tài)，可以降低由于建模方法不正確造成的運(yùn)算結(jié)果偏差大等影響的程度。
市場預(yù)測模塊包含預(yù)測燃料消耗最少、機(jī)組運(yùn)行效率最高、能量轉(zhuǎn)換流程 最短、電能消耗波動最小、燃料采購與儲備成本最小、污染排放最小、余能回收與利用系數(shù)最高。市場預(yù)測模型的輸入?yún)?shù)有燃料價格、儲備費(fèi)用、當(dāng)前燃 料利用率、熱網(wǎng)供氣總量需求、電網(wǎng)供電量的需求、歷史預(yù)測誤差、實(shí)時蒸汽
流量等過程信息；市場預(yù)測模型輸出的參數(shù)有鍋爐的運(yùn)行時間及產(chǎn)能要求的分 配、汽輪機(jī)組的工作協(xié)調(diào)機(jī)制、余熱回收系統(tǒng)的工作調(diào)度、電網(wǎng)供應(yīng)系統(tǒng)的電 力分配。
負(fù)荷預(yù)測要精確描述負(fù)荷的各個分配，對將來一段時間內(nèi)的負(fù)荷分期計算， 預(yù)測的依據(jù)是生產(chǎn)與分配的歷史數(shù)據(jù)和當(dāng)前的狀態(tài)，預(yù)測的目的是通過調(diào)整各 個工段的工作情況，使得生產(chǎn)效率最高、能耗最低，實(shí)現(xiàn)最優(yōu)值生產(chǎn)調(diào)度。鍋 爐與發(fā)電機(jī)組是熱電廠生產(chǎn)的核心，也是能量轉(zhuǎn)化的主要設(shè)備，負(fù)荷預(yù)測結(jié)果 將直接影響它們的運(yùn)行，提高能量的利用率和生產(chǎn)過程的工作調(diào)度效果就需要 分析鍋爐與汽輪機(jī)、發(fā)電機(jī)的運(yùn)行特性，優(yōu)化模型根據(jù)燃料的類型分為兩類即 燃油型和燃煤型，分別建立滿足外界所需的熱電廠汽輪機(jī)總電功率需求和熱網(wǎng) 總供氣量的前提下優(yōu)化分配各臺鍋爐的熱負(fù)荷，將鍋爐和發(fā)電機(jī)組作為兩個優(yōu) 化的目標(biāo)分別進(jìn)行優(yōu)化計算，使得鍋爐的燃料消耗最低。
本發(fā)明調(diào)度使用的軟件是基于動態(tài)信息和相對靜態(tài)信息共同作用于集成優(yōu) 化，以及使調(diào)度系統(tǒng)獲得期望的調(diào)度決策，軟件核心部分包括了過程分類建模、 模型求解、調(diào)度決策與驗證、動態(tài)優(yōu)化調(diào)度過程和實(shí)時監(jiān)控等五個方面。
a、 過程分類建模軟件采用可視化的圖像建模方式，對生產(chǎn)過程以及無 法用數(shù)學(xué)表達(dá)式描述的銷售、采購模型進(jìn)行數(shù)據(jù)建模，基于模型關(guān)系和各個環(huán) 節(jié)的數(shù)據(jù)關(guān)系所建立的負(fù)荷預(yù)測模型生成調(diào)度模型。過程分類建模簡單高效、 直觀、使用方便，可組態(tài)，具有很好的通用性。
b、 模型求解能夠快速求解模型的參數(shù)，匹配模型，獲得既快又優(yōu)的調(diào)
度方案。模型求解算法成熟穩(wěn)定、調(diào)度結(jié)果可靠、運(yùn)算過程效率高。
c、 調(diào)度決策與驗證利用Petri Net模擬生產(chǎn)流程進(jìn)行生產(chǎn)過程調(diào)度驗 證，可以并行驗證多種調(diào)度方案，進(jìn)行比較，并給出最佳方案的適應(yīng)度，且驗 證過程具有可視化和動態(tài)效果，直觀方便。調(diào)度決策與驗證界面直觀、判斷方 便、調(diào)度直入現(xiàn)場效果明顯。
d、 動態(tài)優(yōu)化調(diào)度過程直接連接數(shù)據(jù)采集與監(jiān)控系統(tǒng)SCADA，分析現(xiàn)場設(shè)備的運(yùn)行狀況，對決策分析進(jìn)一步優(yōu)化，避免因設(shè)備故障、燃料短缺及特殊供 應(yīng)需求等原因造成調(diào)度不及時問題，提高對市場變化時的應(yīng)變能力。動態(tài)優(yōu)化 調(diào)度過程生產(chǎn)適應(yīng)能力強(qiáng)、人機(jī)交互式調(diào)度決策、實(shí)時性強(qiáng)。
e、實(shí)時監(jiān)控。
解決如何通過生產(chǎn)數(shù)據(jù)建立各個生產(chǎn)過程和調(diào)度過程的模型，算法是基于 目前廣為使用的支持向量機(jī)Support Vector Machine, SVM技術(shù)和己經(jīng)應(yīng)用成熟 的神經(jīng)網(wǎng)絡(luò)Neural Network算法設(shè)計的，具有環(huán)境能適應(yīng)力強(qiáng)、建模速度快， 加之本發(fā)明結(jié)構(gòu)中數(shù)據(jù)來源豐富、歸類詳細(xì)，建立在原分布式控制系統(tǒng)DCS框 架上，能夠更加穩(wěn)定地運(yùn)行。同時合理的算法設(shè)計將通過數(shù)據(jù)交互技術(shù)將最佳控 制系統(tǒng)設(shè)定值和優(yōu)化結(jié)果通過人機(jī)交互方式傳輸至監(jiān)控界面，方便與操作人員
根據(jù)整個企業(yè)的實(shí)時調(diào)度狀態(tài)進(jìn)行生產(chǎn)調(diào)整，系統(tǒng)由各個基礎(chǔ)模塊的模型構(gòu)成， 具體模型建立方法和運(yùn)行方式如下
現(xiàn)場生產(chǎn)模型是通過生產(chǎn)設(shè)備的輸入輸出數(shù)據(jù)和過程量，如發(fā)電機(jī)組的機(jī) 頭蒸汽溫度壓力、蒸汽流量、機(jī)輪轉(zhuǎn)速、機(jī)尾蒸汽溫度和壓力、實(shí)時發(fā)電量等 信息建立蒸汽溫度、壓力、流量與實(shí)時發(fā)電量的模型；采用非機(jī)理方式的數(shù)據(jù) 回歸建模，將各個記錄儀表的數(shù)據(jù)調(diào)入數(shù)據(jù)庫在線建立模型并不斷修正模型結(jié) 構(gòu)參數(shù)。
供應(yīng)關(guān)系模型、市場預(yù)測模型、能源采購與消耗調(diào)度模型是采用改進(jìn)的RBF 神經(jīng)網(wǎng)絡(luò)建立，通過歷史數(shù)據(jù)和干擾數(shù)據(jù)即市場波動的離線訓(xùn)練，實(shí)現(xiàn)模型的 參數(shù)初始化，在初期運(yùn)行過程中修正一些參數(shù)，步步逼近模型的真實(shí)結(jié)構(gòu)。
工作狀態(tài)調(diào)整關(guān)系模型的建立相對較復(fù)雜，模型中使用了 PSO算法對系統(tǒng) 進(jìn)行大范圍內(nèi)的設(shè)定值尋優(yōu)，并在實(shí)施操作前進(jìn)行過程模擬，仿真出當(dāng)前調(diào)度 方案情況下的調(diào)整效果，因此模型內(nèi)部由生產(chǎn)實(shí)時的過程量、負(fù)荷的預(yù)測量、 實(shí)時負(fù)荷、設(shè)備的疲勞系數(shù)作為系統(tǒng)的主要變量建立模型，其中疲勞系數(shù)等設(shè) 備的具體數(shù)據(jù)來自現(xiàn)場生產(chǎn)模型。
① 精確采集系統(tǒng)模型的各個輸入數(shù)據(jù)項，將生產(chǎn)中的連續(xù)過程、間歇過程 進(jìn)行劃分，設(shè)計數(shù)據(jù)中間體，作為各個過程間的信息流通道。
② 內(nèi)置建模算法，在非人工干預(yù)的情況下自動建模和數(shù)學(xué)規(guī)劃，使得使用者在簡單的操作下即可完成復(fù)雜調(diào)度過程的模擬和決策，經(jīng)由人機(jī)交互完成最 終決策。
③ 設(shè)計基于數(shù)據(jù)挖掘技術(shù)的多類型數(shù)據(jù)分析軟件模塊，能準(zhǔn)確表述現(xiàn)場數(shù) 據(jù)、經(jīng)濟(jì)分析數(shù)據(jù)、市場前景數(shù)據(jù)、用戶計量數(shù)據(jù)，并且能夠完成數(shù)據(jù)的完整 性與合理性分析。
④ 采用對實(shí)時性要求不高的大規(guī)模、多目標(biāo)優(yōu)化算法，優(yōu)化能源調(diào)度、市 場運(yùn)作、產(chǎn)品質(zhì)量等多個目標(biāo)，結(jié)合整體數(shù)據(jù)分析，得出最佳的實(shí)施流程。
⑤ 利用模擬異步并操作的工作模型Petri網(wǎng)絡(luò)進(jìn)行調(diào)度決策分析，利用其 模擬整個生產(chǎn)過程，結(jié)合大規(guī)模BP神經(jīng)網(wǎng)絡(luò)構(gòu)建的市場預(yù)測結(jié)果，進(jìn)行整合分 析并驗證調(diào)度決策的可執(zhí)行性。
本發(fā)明基于熱電系統(tǒng)負(fù)荷在線預(yù)測的調(diào)度系統(tǒng)實(shí)施例
參見圖3，該基于熱電系統(tǒng)負(fù)荷在線預(yù)測的調(diào)度系統(tǒng)，包括現(xiàn)場數(shù)據(jù)采集終 端、現(xiàn)場生產(chǎn)層DCS、管理層ERP、中心數(shù)據(jù)服務(wù)器和制造執(zhí)行管理層MES。
實(shí)施例現(xiàn)場數(shù)據(jù)采集終端包括計量儀表和微流量數(shù)據(jù)采集裝置，現(xiàn)場數(shù)據(jù) 采集終端運(yùn)行于現(xiàn)場生產(chǎn)層DCS采集數(shù)據(jù)，采集數(shù)據(jù)傳送到監(jiān)控系統(tǒng)，同時傳 送至中心數(shù)據(jù)服務(wù)器進(jìn)行數(shù)據(jù)處理，建立實(shí)時數(shù)據(jù)庫和歷史數(shù)據(jù)庫。現(xiàn)場生產(chǎn) 層DCS采用分布式控制系統(tǒng)，配置主機(jī)計算機(jī)和多臺調(diào)度計算機(jī)，管理層ERP 配置管理交換機(jī)，中心數(shù)據(jù)服務(wù)器和管理交換機(jī)相連接，管理交換機(jī)和主機(jī)計 算機(jī)、多臺調(diào)度計算機(jī)相連接。制造執(zhí)行管理層MES位于現(xiàn)場生產(chǎn)層DCS和管 理層ERP之間，制造執(zhí)行管理層MES通過監(jiān)控系統(tǒng)和在線數(shù)據(jù)分析模塊對現(xiàn)場 數(shù)據(jù)采集終端收集的數(shù)據(jù)進(jìn)行數(shù)據(jù)分析與調(diào)度決策，經(jīng)過人機(jī)交互，通過現(xiàn)場 控制器執(zhí)行鍋爐填煤量、鍋爐分期工作負(fù)荷、發(fā)電機(jī)剩余工作時間對鍋爐和發(fā) 電機(jī)組工作進(jìn)行協(xié)調(diào)分配的調(diào)度決策。
參見圖4，實(shí)施例現(xiàn)場數(shù)據(jù)采集終端包括流量檢測與判斷模塊、微小流量處 理模塊、數(shù)值顯示模塊，USB存儲設(shè)備接口模塊，越限報警模塊、總線通信模塊， 其中流量檢測與判斷模塊是實(shí)現(xiàn)微小量測量的核心，實(shí)現(xiàn)了流量的分程處理， 對不同大小的量進(jìn)行處理，得到現(xiàn)場實(shí)時流量大小；現(xiàn)場數(shù)據(jù)采集終端安裝在 現(xiàn)場生產(chǎn)層DCS，進(jìn)行熱電生產(chǎn)系統(tǒng)的核心設(shè)備鍋爐和蒸汽發(fā)電機(jī)組的溫度、流量、壓力和功率檢測，現(xiàn)場數(shù)據(jù)采集終端設(shè)計中將流量采集通道的工作狀態(tài)分 為兩個階段，即常規(guī)流量狀態(tài)和微小流量狀態(tài)，設(shè)計采用選通開關(guān)進(jìn)行采集送 入量的通道選擇，當(dāng)判斷為微流量時選擇相應(yīng)通道進(jìn)行采集，轉(zhuǎn)向為累計量計
算為主，同時內(nèi)部實(shí)現(xiàn)量程自動變換，將閾值一下到零流量設(shè)計為5個分級， 保障采集信號的放大處理與限幅約束，當(dāng)判斷為常規(guī)量時進(jìn)入正常記錄狀態(tài)， 此時以實(shí)時計算信息為主。其中微流量記錄狀態(tài)用于分析記錄高溫?zé)嵴羝阒?顯示時的泄露等狀態(tài)參數(shù)；通過將這個階段細(xì)化為多個子過程階段進(jìn)行標(biāo)定， 進(jìn)一步提高微小流量測量的精度，使得測量更加有意義?，F(xiàn)場數(shù)據(jù)采集終端中 的微流量數(shù)據(jù)采集，進(jìn)行底層微小信息獲取，進(jìn)入熱電廠系統(tǒng)的調(diào)度系統(tǒng)；該 微流量數(shù)據(jù)采集能高精度的計量，同時支持多種總線連接方式，能夠?qū)?shí)時數(shù) 據(jù)采入監(jiān)控系統(tǒng)，和本申請人編制的數(shù)據(jù)分析功能Data Analysis集成式智能 調(diào)度與全局優(yōu)化控制軟件Integrated Intelligent Dispatch And Global Optimization Software With Control Function。實(shí)施例現(xiàn)場數(shù)據(jù)采集終端將 流量測量單獨(dú)設(shè)計為一個測量通道，數(shù)據(jù)存儲采用通用的USB存儲設(shè)備接口， 配置液晶顯示，通訊模塊的設(shè)計采用MODBUS RTU協(xié)議，實(shí)現(xiàn)了設(shè)備與上位機(jī)及 儀表間的數(shù)據(jù)通訊。圖4的四臺調(diào)度計算機(jī)中任選一臺作為主機(jī)，圖中1為PJ45 工業(yè)以太網(wǎng)接口、 2為閥門、3為流量計、4為電機(jī)。
實(shí)施例整個調(diào)度系統(tǒng)由硬件數(shù)據(jù)采集和兩大部分有機(jī)結(jié)合而成，數(shù)據(jù)采集 部分運(yùn)行于現(xiàn)場生產(chǎn)層DCS參與現(xiàn)場控制和高精度數(shù)據(jù)記錄；數(shù)據(jù)分析與調(diào)度 決策軟件運(yùn)行于現(xiàn)場生產(chǎn)層DCS和管理層ERP之間的制造執(zhí)行管理層MES，完成 對現(xiàn)場收集數(shù)據(jù)的整理、歸類、分析、建立專家知識庫，通過不斷豐富的知識 庫系統(tǒng)優(yōu)化軟件中各個基礎(chǔ)模塊的模型結(jié)構(gòu)，從而為將來更加準(zhǔn)確的預(yù)測提供 必要的條件。將生產(chǎn)現(xiàn)場的設(shè)備狀況、生產(chǎn)設(shè)定值、預(yù)期產(chǎn)量等生產(chǎn)信息通過 現(xiàn)場生產(chǎn)層DCS傳輸至監(jiān)控系統(tǒng)，通過網(wǎng)絡(luò)層傳輸相關(guān)信息至制造執(zhí)行管理層 MES和管理層ERP，生產(chǎn)調(diào)度通過實(shí)時的現(xiàn)場信息和外部的市場信息進(jìn)行綜合調(diào) 度； 一方面軟件系統(tǒng)為管理層ERP和現(xiàn)場生產(chǎn)層DCS提供軟件接口，保證上層 實(shí)時了解底層的動態(tài)信息；另一方面，通過系統(tǒng)的調(diào)度決策直接下達(dá)生產(chǎn)命令， 減少信息傳送過程中的變性和延遲；軟件在多方面解決了既不將調(diào)度直接用于在線生產(chǎn)，也不將調(diào)度脫離生產(chǎn)現(xiàn)場，而是通過現(xiàn)場生產(chǎn)管理、生產(chǎn)執(zhí)行管理、 企業(yè)資源管理、生產(chǎn)銷售等多個層面統(tǒng)一進(jìn)行的最佳資源規(guī)劃。
本調(diào)度系統(tǒng)采取可視化的調(diào)度過程模擬，能夠直接觀察調(diào)度的運(yùn)作狀況， 隨時調(diào)整調(diào)度過程中的變量，進(jìn)行人工干預(yù)調(diào)度結(jié)果，模擬的全部過程和干預(yù) 結(jié)果將存入后臺數(shù)據(jù)庫系統(tǒng)。調(diào)度系統(tǒng)仿真調(diào)度決策，并以圖形化的方式組織 各個相關(guān)環(huán)節(jié)調(diào)整相應(yīng)的運(yùn)行狀態(tài)，實(shí)現(xiàn)系統(tǒng)聯(lián)動，真實(shí)化的顯現(xiàn)調(diào)度過程， 可視化的調(diào)度過程和動態(tài)的過程模擬讓操作人員操作、調(diào)度管理人員調(diào)度更直 觀。
熱電廠是一個典型的具有多過程、復(fù)雜工藝結(jié)構(gòu)的流程工業(yè)，運(yùn)行過程中 受用戶量、氣候、季節(jié)等外部原因的影響非常大，是一個整體運(yùn)行在具有大擾 動環(huán)境下的系統(tǒng)。煤是熱電廠消耗的主要燃料，面對世界能源危機(jī)，對熱電廠 這樣的高能耗工業(yè)需要從各個方面提高能源的利用率，減少不必要的能源損失。 因此需要從能源的調(diào)度、計量、分析、預(yù)測等多個方面合理設(shè)計各個期間的能 源分配，熱電供應(yīng)系統(tǒng)不但包括電力本身，還有隨之產(chǎn)生的熱氣，作為能源的 載體之一，必須同時參與調(diào)度才能最大程度地降低能量消耗、提高能源利用率。
本發(fā)明在現(xiàn)有的分布式控制系統(tǒng)DCS條件下，實(shí)現(xiàn)對各種擾動因素的結(jié)果進(jìn)行 預(yù)測，分析各種情況下能源的消耗和產(chǎn)品的分配，在既能滿足用戶的需求，又 能最大程度地降低能源消耗，最終實(shí)現(xiàn)最合理的生產(chǎn)調(diào)度。
本發(fā)明集成信息技術(shù)、自動化、優(yōu)化調(diào)度、決策分配等技術(shù)，針對熱電廠 蒸汽用戶需求變化的復(fù)雜性，構(gòu)建了熱電廠分期負(fù)荷預(yù)測模型，模型分為兩級 進(jìn)行設(shè)計，從而可以完成現(xiàn)場層的產(chǎn)能分配預(yù)測模型與調(diào)度關(guān)系模型之間的協(xié) 調(diào)，為提高生產(chǎn)調(diào)度的準(zhǔn)確性和有效性提供理論依據(jù)；分期負(fù)荷預(yù)測模型將生 產(chǎn)調(diào)度過程的定性描述轉(zhuǎn)換為系統(tǒng)子塊之間的定量信息描述，實(shí)現(xiàn)通過理論計 算與迭代優(yōu)化等方法解決原先由主觀意識判斷才能完成的決策優(yōu)化；為高效準(zhǔn) 確的調(diào)度和能量利用率的提高提供技術(shù)支撐。采用支持向量機(jī)混合算法、粒子 群多目標(biāo)架構(gòu)的新型神經(jīng)網(wǎng)絡(luò)搜索算法、拓?fù)浣Y(jié)構(gòu)分析算法等算法，分析熱電 廠生產(chǎn)過程數(shù)據(jù)，上述算法具有動態(tài)拓?fù)浞治觥?shù)據(jù)滾動分析、信息融合模型 自動生成等功能，實(shí)現(xiàn)過程關(guān)聯(lián)性解耦和，從而完成以'點(diǎn)'執(zhí)行熱電廠生產(chǎn)過程，以'面'分析計算流程中的整體優(yōu)化目標(biāo)；結(jié)合預(yù)測模型進(jìn)行熱電廠運(yùn) 行的整體決策優(yōu)化，實(shí)現(xiàn)發(fā)電、供熱、余能回收等多流程集成動態(tài)優(yōu)化和智能 調(diào)度。高精度計量與累積偏差納入系統(tǒng)，采取微小流量檢測方法，解決現(xiàn)場零 顯示記錄時的微小泄露問題；為生產(chǎn)過程的安全可靠運(yùn)行提供良好的基礎(chǔ)；解 決長期微小流量損失誤差對系統(tǒng)運(yùn)行可靠性的所造成影響，提高負(fù)荷預(yù)測的精 度。
本發(fā)明調(diào)度方法和系統(tǒng)經(jīng)熱電廠實(shí)際應(yīng)用證明，能有效解決當(dāng)前熱電廠調(diào) 度中存在的以下問題1、只通過電力負(fù)荷的供應(yīng)滿足要求進(jìn)行能源供應(yīng)的調(diào)度 和產(chǎn)能的分配，忽略了余熱等能量的分配存在的調(diào)度問題。2、生產(chǎn)現(xiàn)場采用通 用組態(tài)軟件設(shè)計的監(jiān)控軟件，信息處理能力弱，生產(chǎn)過程中信息的利用率低， 不能完成綜合性較強(qiáng)的數(shù)據(jù)處理算法。3、管理層ERP軟件系統(tǒng)調(diào)度過程中得不 到實(shí)時的可用信息，調(diào)度建立在對純歷史數(shù)據(jù)的基礎(chǔ)之上，存在一定的相對滯 后，因此調(diào)度的準(zhǔn)確性也有一定程度的降低。4、信息的精確性不夠，未考慮累 積差，形成的累積差將對生產(chǎn)過程的統(tǒng)計、能源的消耗估計、調(diào)度過程的配額 計算等都會有不小的影響。5、調(diào)度過程無法實(shí)時驗證，也不能進(jìn)行可視化的操 作，憑借對歷史數(shù)據(jù)的一般分析和調(diào)度者的經(jīng)驗進(jìn)行相關(guān)操作，使得調(diào)度結(jié)果 具有一定的不確定性。6、不能對負(fù)荷進(jìn)行準(zhǔn)確預(yù)測，因此對整個系統(tǒng)的運(yùn)行的 狀態(tài)不能進(jìn)行提前調(diào)整，不能對資源進(jìn)行優(yōu)化配置，耗費(fèi)了大量可以節(jié)約的能 源。7、余能回收系統(tǒng)不能很好的參與調(diào)度過程的運(yùn)算，因此調(diào)度系統(tǒng)忽略了大 量能源系統(tǒng)的信息，不能將整個能量系統(tǒng)綜合考慮，作為一個整體進(jìn)行調(diào)度。 本發(fā)明基于熱電系統(tǒng)負(fù)荷在線預(yù)測的調(diào)度方法與系統(tǒng)，應(yīng)用于屬于流程工業(yè)的 熱電廠的負(fù)荷預(yù)測、生產(chǎn)調(diào)度、能源消耗、效益分析等，能提高企業(yè)生產(chǎn)運(yùn)行 效率，降低運(yùn)行成本，尤其是降低能源消耗，減少污染排放。
以上實(shí)施例對本發(fā)明作了較為詳細(xì)的描述，但是這些描述并非用以限定本 發(fā)明的保護(hù)范圍，本行業(yè)的技術(shù)人員，在不脫離本發(fā)明的構(gòu)思和范圍內(nèi)所作的 改動與潤飾，均應(yīng)屬于本發(fā)明的保護(hù)范圍。
權(quán)利要求
1、一種基于熱電系統(tǒng)負(fù)荷在線預(yù)測的調(diào)度方法，其特征在于該調(diào)度方法調(diào)度操作的主要對象是熱電生產(chǎn)系統(tǒng)的核心設(shè)備鍋爐和蒸汽發(fā)電機(jī)組，調(diào)度流程包括以下步驟a、數(shù)據(jù)采集，數(shù)據(jù)采集運(yùn)行于現(xiàn)場生產(chǎn)層DCS，參與現(xiàn)場控制，采用現(xiàn)場數(shù)據(jù)采集終端采集各個流程的常規(guī)量數(shù)據(jù)和微流量數(shù)據(jù)——鍋爐壓力設(shè)計上限、鍋爐實(shí)時壓力值、蒸汽實(shí)時溫度、蒸汽實(shí)時流量、單臺發(fā)電機(jī)實(shí)時發(fā)電量；b、建立實(shí)時數(shù)據(jù)庫和歷史數(shù)據(jù)庫，根據(jù)現(xiàn)場數(shù)據(jù)采集終端采集的實(shí)時數(shù)據(jù)，構(gòu)建實(shí)時數(shù)據(jù)庫，并分析整理構(gòu)成歷史數(shù)據(jù)庫；c、數(shù)據(jù)分析與調(diào)度決策，數(shù)據(jù)分析與調(diào)度決策運(yùn)行于現(xiàn)場生產(chǎn)層DCS和管理層ERP之間的制造執(zhí)行管理層MES，通過監(jiān)控系統(tǒng)和在線數(shù)據(jù)分析模塊對現(xiàn)場采集的數(shù)據(jù)進(jìn)行整理、歸類、分析；——根據(jù)收集的煤粉顆粒指數(shù)分析計算單位重量煤粉的熱值量，——根據(jù)鍋爐壓力設(shè)計上限、鍋爐實(shí)時壓力值、鍋爐實(shí)時運(yùn)行額度、蒸汽實(shí)時溫度進(jìn)行鍋爐運(yùn)行狀況分析，——根據(jù)單臺發(fā)電機(jī)額定容量、單臺發(fā)電機(jī)實(shí)時發(fā)電量、發(fā)電機(jī)疲勞系數(shù)進(jìn)行發(fā)電機(jī)實(shí)時負(fù)荷計算與分析，——根據(jù)現(xiàn)場數(shù)據(jù)采集終端所采集的微流量數(shù)據(jù)進(jìn)行熱電生產(chǎn)系統(tǒng)可靠性、運(yùn)行效率和能耗分析；匯總上述分析建立決策調(diào)度知識庫，對當(dāng)前運(yùn)行狀態(tài)、市場形勢、燃料價格、用戶變動進(jìn)行綜合分析，進(jìn)行短期、中期的負(fù)荷預(yù)測得到特定時段的多個調(diào)度決策，并進(jìn)行過程模擬，對每一種調(diào)度的可行性進(jìn)行在線仿真測試，在線評估多個調(diào)度決策的優(yōu)劣，得出當(dāng)前要達(dá)到最佳狀態(tài)以及近期內(nèi)的最佳調(diào)度狀況下的相應(yīng)操作決策，并將調(diào)度決策的預(yù)期效果和實(shí)際效果進(jìn)行比較，比較結(jié)果作為負(fù)荷預(yù)測的條件，最終通過人機(jī)交互得到最佳的調(diào)度決策，通過鍋爐填煤量、鍋爐分期工作負(fù)荷、發(fā)電機(jī)剩余工作時間對鍋爐和發(fā)電機(jī)組工作進(jìn)行協(xié)調(diào)分配。
2、 根據(jù)權(quán)利要求1所述的基于熱電系統(tǒng)負(fù)荷在線預(yù)測的調(diào)度方法，其特征 在于所述的在線數(shù)據(jù)分析模塊由現(xiàn)場生產(chǎn)模型、供應(yīng)系統(tǒng)關(guān)系模型、市場預(yù)測模型、能源采購與消耗調(diào)度模型、工作狀態(tài)調(diào)整關(guān)系模型五大基礎(chǔ)數(shù)據(jù)模型 構(gòu)成，在線數(shù)據(jù)分析模塊具備能源利用率分析、市場效益分析、統(tǒng)計分配及調(diào) 度功能，所述的在線數(shù)據(jù)分析模塊采用數(shù)據(jù)模型建立算法、動態(tài)調(diào)度模擬圖Dynamic Scheduling Simulated Diagram,連續(xù)Petri網(wǎng)模擬算法、改進(jìn)粒子 群優(yōu)化算法Particle Swarm Optimization, PS0和支持向量機(jī)混合算法，根據(jù) 采集的數(shù)據(jù)，對生產(chǎn)的負(fù)荷進(jìn)行為期l年的預(yù)測，每半月做一次負(fù)荷預(yù)估，根 據(jù)半月內(nèi)的負(fù)荷預(yù)測作系統(tǒng)的調(diào)度。
3、 根據(jù)權(quán)利要求2所述的基于熱電系統(tǒng)負(fù)荷在線預(yù)測的調(diào)度方法，其特征在于所述的市場預(yù)測模型包含預(yù)測燃料消耗最少、機(jī)組運(yùn)行效率最高、能量 轉(zhuǎn)換流程最短、電能消耗波動最小、燃料采購與儲備成本最小、污染排放最小、 余能回收與利用系數(shù)最高，所述的市場預(yù)測模型的輸入?yún)?shù)有燃料價格、儲備 費(fèi)用、當(dāng)前燃料利用率、熱網(wǎng)供氣總量需求、電網(wǎng)供電量的需求、歷史預(yù)測誤 差、實(shí)時蒸汽流量等過程信息，所述的市場預(yù)測模型輸出的參數(shù)有鍋爐的運(yùn)行 時間及產(chǎn)能要求的分配、汽輪機(jī)組的工作協(xié)調(diào)機(jī)制、余熱回收系統(tǒng)的工作調(diào)度、 電網(wǎng)供應(yīng)系統(tǒng)的電力分配。
4、 根據(jù)權(quán)利要求3所述的基于熱電系統(tǒng)負(fù)荷在線預(yù)測的調(diào)度方法，其特征 在于所述的數(shù)據(jù)采集將高精度計量與累積偏差有機(jī)結(jié)合，將現(xiàn)場數(shù)據(jù)采集終 端的分為兩個工作狀態(tài)，即常規(guī)數(shù)據(jù)采集狀態(tài)和微流量數(shù)據(jù)采集狀態(tài)，其中微 流量采集狀態(tài)用于分析記錄高溫?zé)嵴羝阒碉@示時的泄露狀態(tài)參數(shù)。
5、 根據(jù)權(quán)利要求4所述的基于熱電系統(tǒng)負(fù)荷在線預(yù)測的調(diào)度方法，其特征在于所述的數(shù)據(jù)采集在輸入各個數(shù)據(jù)時，將生產(chǎn)中的連續(xù)過程、間歇過程進(jìn)行劃分，設(shè)計數(shù)據(jù)中間體，作為各個過程間的信息流通道。
6、 一種采取權(quán)利要求1所述的基于熱電系統(tǒng)負(fù)荷在線預(yù)測的調(diào)度方法的調(diào) 度系統(tǒng)，其特征在于包括現(xiàn)場數(shù)據(jù)采集終端、現(xiàn)場生產(chǎn)層DCS、管理層ERP、 中心數(shù)據(jù)服務(wù)器和制造執(zhí)行管理層MES;a、所述的現(xiàn)場數(shù)據(jù)采集終端運(yùn)行于現(xiàn)場生產(chǎn)層DCS采集數(shù)據(jù)，采集數(shù)據(jù)傳 送到監(jiān)控系統(tǒng)，同時傳送至中心數(shù)據(jù)服務(wù)器進(jìn)行數(shù)據(jù)處理，建立實(shí)時數(shù)據(jù)庫和 歷史數(shù)據(jù)庫；b、 所述的現(xiàn)場生產(chǎn)層采用分布式控制系統(tǒng)DCS，配置主機(jī)計算機(jī)和多臺調(diào) 度計算機(jī)，管理層ERP配置管理交換機(jī)，中心數(shù)據(jù)服務(wù)器和管理交換機(jī)相連接， 管理交換機(jī)和主機(jī)計算機(jī)、多臺調(diào)度計算機(jī)相連接；c、 所述的制造執(zhí)行管理層MES配置監(jiān)控系統(tǒng)，對連接調(diào)度計算機(jī)及現(xiàn)場控 制器之間的時序互基關(guān)系進(jìn)行設(shè)置，制造執(zhí)行管理層MES位于現(xiàn)場生產(chǎn)層DCS 和管理層ERP之間，制造執(zhí)行管理層MES通過監(jiān)控系統(tǒng)、在線數(shù)據(jù)分析模塊對 現(xiàn)場數(shù)據(jù)采集終端收集的數(shù)據(jù)進(jìn)行分析，并通過人機(jī)交互決策完成執(zhí)行鍋爐填 煤量、鍋爐分期工作負(fù)荷、發(fā)電機(jī)剩余工作時間的計算，完成對鍋爐和發(fā)電機(jī) 組工作進(jìn)行協(xié)調(diào)分配的調(diào)度決策。
7、根據(jù)權(quán)利要求6所述的基于熱電系統(tǒng)負(fù)荷在線預(yù)測的調(diào)度系統(tǒng)，其特征 在于所述的現(xiàn)場數(shù)據(jù)采集終端安裝在現(xiàn)場生產(chǎn)層DCS，進(jìn)行熱電生產(chǎn)系統(tǒng)的 核心設(shè)備鍋爐和蒸汽發(fā)電機(jī)組的溫度、流量、壓力和功率采集，所述的現(xiàn)場數(shù) 據(jù)采集終端包括流量檢測與判斷模塊、微流量處理模塊、數(shù)值顯示模塊，USB 存儲設(shè)備接口模塊、越限報警模塊、總線通信模塊，所述的現(xiàn)場數(shù)據(jù)采集終端 分為常規(guī)流量采集狀態(tài)和微流量采集狀態(tài)兩個工作狀態(tài)，流量檢測與判斷模塊 進(jìn)行微流量測量和常規(guī)流量的分程處理，采集現(xiàn)場實(shí)時流量。
全文摘要
本發(fā)明公開了一種基于熱電系統(tǒng)負(fù)荷在線預(yù)測的調(diào)度方法與系統(tǒng)，該調(diào)度方法主要對象是熱電生產(chǎn)系統(tǒng)核心設(shè)備鍋爐和蒸汽發(fā)電機(jī)組，調(diào)度流程包括a.數(shù)據(jù)采集，b.建立實(shí)時數(shù)據(jù)庫和歷史數(shù)據(jù)庫，c.數(shù)據(jù)分析與調(diào)度決策；建立決策調(diào)度知識庫，得出當(dāng)前要達(dá)到最佳狀態(tài)以及近期內(nèi)的最佳調(diào)度狀況下的相應(yīng)操作決策，將調(diào)度決策的預(yù)期效果和實(shí)際效果進(jìn)行比較，結(jié)果作為負(fù)荷預(yù)測的條件，最終通過人機(jī)交互得到最佳的調(diào)度決策。該調(diào)度系統(tǒng)包括現(xiàn)場數(shù)據(jù)采集終端、現(xiàn)場生產(chǎn)層DCS、管理層ERP、中心數(shù)據(jù)服務(wù)器和制造執(zhí)行管理層MES。本發(fā)明克服了現(xiàn)有技術(shù)存在的缺陷，該調(diào)度方法與系統(tǒng)基于熱電廠的產(chǎn)能及分配預(yù)測，利于提高企業(yè)生產(chǎn)運(yùn)行效率、降低能源消耗、減少污染排放。
文檔編號F22B35/00GK101619850SQ20091010143
公開日2010年1月6日 申請日期2009年8月6日 優(yōu)先權(quán)日2009年8月6日
發(fā)明者徐志華, 捷 楊, 沈玉富, 郭豪杰 申請人:杭州盤古自動化系統(tǒng)有限公司