孫光玉
摘要:“碳達峰、碳中和”政策下,煤質(zhì)摻配越來越受到火力發(fā)電企業(yè)的重視。本文結(jié)合電廠歷史煤質(zhì)摻配數(shù)據(jù),根據(jù)模式匹配和數(shù)據(jù)包絡(luò)分析,給出了煤質(zhì)摻配及采購的優(yōu)化建議。由于摻配建議是基于歷史運行方案的擇優(yōu)選取,因此能很好地滿足鍋爐系統(tǒng)的安全運行邊界條件。實例數(shù)據(jù)表明,摻配建議對煤質(zhì)摻配和采購都有很好的指導意義。
關(guān)鍵詞:煤質(zhì)摻配;模式匹配;包絡(luò)分析
1研究背景
節(jié)能是我國的基本國策,是實現(xiàn)二氧化碳大幅下降的最主要途徑之一。作為能源消耗和二氧化碳排放的大戶,電力行業(yè)節(jié)能水平直接影響“碳達峰”的進程。據(jù)不完全統(tǒng)計,電力行業(yè)2015年溫室氣體排放量占當年全國溫室氣體排放總量的40%左右。隨著環(huán)保政策的不斷收緊,現(xiàn)存燃煤機組及增量機組均面臨十分嚴峻的挑戰(zhàn)?!笆奈濉睍r期,是實現(xiàn)新達峰目標和“碳中和”愿景的關(guān)鍵時期,電力發(fā)展被賦予新使命,火電節(jié)能工作亦被賦予新任務(wù)。
通常,火力發(fā)電廠降低碳排放主要有兩種途徑。一是通過技術(shù)升級。然而,火力發(fā)電技術(shù)經(jīng)過多年的技術(shù)發(fā)展,已經(jīng)基本穩(wěn)定,投入低、效果好、見效快的節(jié)能改造已經(jīng)完成。另一種方法就是利用碳捕集技術(shù)。但是碳捕集技術(shù)不僅出投資較大,也會大大提高供電煤耗,目前更多的示范階段,距離商業(yè)應(yīng)用還有很長的距離。
因此,我們從系統(tǒng)運行的角度,提出了利用煤質(zhì)摻燒的優(yōu)化管理來實現(xiàn)節(jié)能降碳的目標。動力配煤摻燒是一種潔凈煤技術(shù),能夠在一定程度上解決電廠燃用非設(shè)計煤種所帶來的污染物超標、爐膛結(jié)渣、煤耗增加及水冷壁高溫腐蝕等問題,該技術(shù)現(xiàn)已在國內(nèi)電力行業(yè)中廣泛應(yīng)用。
包絡(luò)分析于1978年首次提出并迅速被不斷改進修正,現(xiàn)已應(yīng)用于商業(yè)分析等多個領(lǐng)域。本文采用包絡(luò)分析的方法對每天的煤質(zhì)摻配進行效率評估,從而得出優(yōu)化建議方案。包絡(luò)分析也被大量用于從多角度分析燃煤電廠的效率。
2研究方法
2.1效率評估模型
數(shù)據(jù)包絡(luò)分析(Data envelopment analysis,DEA)是運籌學和研究經(jīng)濟生產(chǎn)邊界的一種方法。該方法一般被用來測量一些決策部門的生產(chǎn)效率。為了更詳細地了解DEA,以下幾個基本概念有必要了解一下。
2.1.1決策單元
一個經(jīng)濟系統(tǒng)通??梢钥闯墒且粋€“公司”,通過投入一定數(shù)量的生產(chǎn)要素并產(chǎn)出一定數(shù)量的“產(chǎn)品”,盡管這種活動的具體內(nèi)容各不相同,但其目的都是盡可能地使這一活動取得最大的“效益”。由于從“投入”到“產(chǎn)出”需要經(jīng)過一系列決策才能實現(xiàn),或者說,由于“產(chǎn)出”是決策的結(jié)果,所以這樣的“公司”被稱為決策單元(decision making u-nit,DMU)。所以,可以認為,每個決策單元都代表一定的經(jīng)濟意義,它的基本特點是具有一定的輸入和輸出,并且將輸入轉(zhuǎn)化成輸出的過程中,努力實現(xiàn)自身的決策目標。
2.1.2生產(chǎn)可能集
我們用X={x,x,…,x}來表示每個決策單元生產(chǎn)過程的投入向量,維度為n,代表有n種類型的投入變量;用Y={y,y…y}來表示每個決策單元生產(chǎn)過程的產(chǎn)出向量,維度為s,代表有s種類型的產(chǎn)出變量。則簡寫之,我們可以使用(X,Y)來表示DMU的整個生產(chǎn)活動。
定義:集合T=(X,Y)代表投入為X,產(chǎn)出為Y的所有可能的生產(chǎn)活動的集合。
生產(chǎn)可能集最重要的一條性質(zhì)是:無效性,表述如下:(X,Y)∈T,且X′≥X,則(X′,Y)∈T。
同理,如果(X,Y)∈T,且Y′≤Y,則(X,y′)∈T。
通俗的理解無效性,就是,允許生產(chǎn)中存在浪費現(xiàn)象。
2.1.3有效生產(chǎn)(前沿)
對于生產(chǎn)可能集,(X,Y)∈T,如果不存在Y′≥Y,(X,Y′)∈T,則稱(X,Y)為有效生產(chǎn)活動,此投入產(chǎn)出對應(yīng)一個前沿,由眾多“有效生產(chǎn)”構(gòu)成的凸包即為前沿。
效率評估采用包絡(luò)分析構(gòu)建模型。包絡(luò)分析是一種基于歷史數(shù)據(jù)的分析方法,數(shù)據(jù)決定了分析結(jié)果的準確性。我們針對一個典型的火電廠進行研究,收集了電廠一年的每日生產(chǎn)報表中的數(shù)據(jù),將每天的參數(shù)數(shù)據(jù)作為一個決策單元(DMU)。
影響機組效率的因素主要包括勞動力成本、燃料成本、發(fā)電量等。由于我們的決策單元為每日數(shù)據(jù),所以勞動力成本都是相同的,因此不作為主要研究對象。評價參數(shù)主要是每日的燃料量、供電量、及二氧化碳排放量。決策單元( DMU),投入成本為燃料成本及二氧化碳排放量成本,產(chǎn)出為發(fā)電量。
CCR模型為:
其中:e—效率;G一發(fā)電量,kwh;P—上網(wǎng)電價,元/kwh;Coal—燃煤量,t;PC—煤單價,元/t;C—二氧化碳排放量,噸;Pcb—碳排放量價格,元/噸。此價格=電廠年總碳排放成本/年總排放量。n—煤種類型,r—上網(wǎng)電價類型。
從上式可以看出效率是發(fā)電收益與燃料成本與碳排放成本之和的比值。此處考慮了碳排放的成本,將全年的總排放成本根據(jù)發(fā)電量分攤到每天的碳排放當中。
2.2模型匹配
影響發(fā)電效率的外部因素主要是氣象因素。不同的氣象條件下,歷史數(shù)據(jù)中的最優(yōu)摻配模型可能有所區(qū)別。因此需要進行未來天氣和歷史運行數(shù)據(jù)的氣象參數(shù)的匹配,找出歷史數(shù)據(jù)中和未來的氣象最接近的部分運行記錄,再按效率評估模型選擇出效率最優(yōu)的那一天,將這一天的摻配方案作為最優(yōu)方案。我們篩選出了可能影響發(fā)電效率的主要氣象參數(shù):最高溫度、最低溫度、天氣狀況、風速。各參數(shù)的取值標準如下:
我們可以將每天的歷史運行數(shù)據(jù)參數(shù),看著一個向量。此向量包含效率評估模型需要的參數(shù)如煤質(zhì)摻配方法、發(fā)電量、二氧化碳排放量,以及影響發(fā)電效率的外部因素,如上述列舉的歸一化的氣象參數(shù)。如果需要給出未來某天的煤質(zhì)摻配方案,則先需要進行天氣參數(shù)的模式匹配。假設(shè)未來需要進行煤質(zhì)摻配建議的當天的氣象參數(shù)向量為(Tmax1,Tmin1,Weather1,Windfor1),歷史數(shù)據(jù)中某天的氣象參數(shù)向量為Tmax2,Tmin2,Weather2,Windfor2),我們通過下式來定義兩個向量的相似度:
可設(shè)定相似度閾值,當超過某個閾值時,認為這兩天的天氣數(shù)據(jù)匹配,這天的煤質(zhì)摻配歷史運行數(shù)據(jù)都可以作為擇優(yōu)的備選方案,然后根據(jù)效率評估模型,選擇出效率最優(yōu)的方法。
2.3應(yīng)用實例
本實例研究主要基于某電廠的燃煤機組。選取了某臺機組一年的運行記錄。為了除排負荷率和季節(jié)對發(fā)電效率的影響。將運行數(shù)據(jù)按季節(jié)和負荷率分別分組。將季節(jié)分為3組,分別為春秋季(3月16日—5月30日,9月1日—11月14日)、冬季(11月15日一次年3月15日)、夏季(6月1日—8月31日)。將負荷率分為高負荷(75%及以上)、中負荷(50%~75%)、低負荷(50%及以下)。因此我們將數(shù)據(jù)供分為9組。在進行模型匹配時,也將嚴格限定在同一組中。
選取的一年的運行數(shù)據(jù)中,燃燒煤種共30種,摻配方案共70種,能為模型匹配提供充足的數(shù)據(jù)。煤價范圍為510~1050元/噸,平均煤價821元/噸。負荷率變化范圍為45%~96%,平均負荷率為72%。我們選擇四個典型的日期進行模型匹配和煤質(zhì)摻配策略推薦,分別為1月1日,4月1日,7月1日,10月1日,結(jié)果如下表所示:
模型匹配算法可以迅速篩選出與未來日期天氣情況相似的歷史運行記錄,并能根據(jù)效率情況進行排序。理論上基于最高效率的煤質(zhì)摻配記錄將會位于最高的推進優(yōu)先級。運行人員也可根據(jù)實際情況在優(yōu)先級較高的煤質(zhì)摻配方案中進行選擇。
為對比不同煤質(zhì)摻配下的效率差異情況,下圖展示了夏季高負荷(75天)情況下,不同煤質(zhì)摻配情況每天對應(yīng)的效率??v坐標代表效率,橫坐標代表煤質(zhì)摻配編號。
從上圖可以看出第4種方案取得了最高的效率,第15種方案取得了最低的效率。第4、16種摻配方案分別在某天取得了最高的效率,這些方案可作為未來優(yōu)先選擇的對象。對于取得較高效率的煤質(zhì)摻配方案,可統(tǒng)計出其中各煤種出現(xiàn)的頻次??筛鶕?jù)此頻率比例,制定燃料采購建議。
3總結(jié)和后續(xù)工作
本文基于包絡(luò)分析,得出了煤質(zhì)摻配的優(yōu)化方案建議,進而也能據(jù)此提出燃料采購優(yōu)化建議。與傳統(tǒng)的基于煤質(zhì)成分組合分析及多目標優(yōu)化的方法相比,此種方法主要是基于歷史摻配方案的擇優(yōu),更加接近實際工況,對于電廠設(shè)備運行沒有安全風險。同時,這種方法受燃料管理和運行水平的影響較大。
后期可對效率評估模型進行進一步優(yōu)化,加入煤質(zhì)中硫分作為模型參數(shù)。同時,還可將結(jié)果和多目標優(yōu)化的結(jié)果進行比對驗證。