CN1763783B - 提供负载调度和污染控制优化的方法及装置 - Google Patents
提供负载调度和污染控制优化的方法及装置 Download PDFInfo
- Publication number
- CN1763783B CN1763783B CN200510109489.7A CN200510109489A CN1763783B CN 1763783 B CN1763783 B CN 1763783B CN 200510109489 A CN200510109489 A CN 200510109489A CN 1763783 B CN1763783 B CN 1763783B
- Authority
- CN
- China
- Prior art keywords
- generator
- cost
- power plant
- described multiple
- load
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
- F01K—STEAM ENGINE PLANTS; STEAM ACCUMULATORS; ENGINE PLANTS NOT OTHERWISE PROVIDED FOR; ENGINES USING SPECIAL WORKING FLUIDS OR CYCLES
- F01K13/00—General layout or general methods of operation of complete plants
- F01K13/02—Controlling, e.g. stopping or starting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0283—Price estimation or determination
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
- Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
- Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S50/00—Market activities related to the operation of systems integrating technologies related to power network operation or related to communication or information technologies
- Y04S50/14—Marketing, i.e. market research and analysis, surveying, promotions, advertising, buyer profiling, customer management or rewards
Abstract
本发明公开了一种经济调度程序,以使包括污染控制成本的发电系统总运行成本最低的方式,在各种电厂间分配发电系统的负载需求和排放配额,以确定各种电厂中每一个的运行设定点和污染控制设定点。该经济调度程序使用各种电厂的污染控制设定点和负载设定点作为决策变量,并在分配负载需求时将各种电厂的污染控制成本纳入考虑之列。在运行中,该经济调度程序在分配负载需求和污染控制级别时将各种电厂可用的污染信用量纳入考虑之列以确定电厂的最优运行解。
Description
技术领域
本专利一般涉及计算机软件,更具体地说,涉及用于发电和配电系统的计算机软件。
背景技术
几乎21世纪生活的每个方面都涉及到电能的使用。通常,电业公司(下文中称为“公用电站”)通过发电和配电系统的综合网络传输电能至最终用户。公用电站在电厂中利用各种不同能源发电,其中包括热能、太阳能、核能、煤、气等。根据其发电机使用的能源类型,电厂可产生一种或多种污染物,这些污染物作为发电机为发电所采用的各种处理的副产品而存在。
例如,利用燃煤发电机的电厂会产生一氧化碳、二氧化硫和其它污染物,而利用核能发电机的电厂会产生作为污染物的放射性废物。鉴于这些污染物对于环境的危害,由电厂释放的污染物的数量和种类为各种条例所限制。在美国,由环保署(EPA)监管电厂产生的污染物的种类与数量。运营产生超限量受控污染物的电厂的公用电站通常会被责以罚金。
为控制污染量,电厂采用了各种类型的污染控制策略,亦即限制电厂产生的污染物量和/或在污染物释放到周边环境之前对其进行处理。例如,产生二氧化硫的燃煤电厂可使用废气脱硫(flue gas de-sulfurization,FGD)系统降低输出到环境中的二氧化硫的数量。类似地,其它产生氧化氮的燃煤电厂可使用选择性催化还原(selective catalytic reduction,SCR)系统降低输出到环境中的氧化氮的量。由于这些污染控制系统需要使用特定试剂,故而使用这些污染控制系统的电厂需承受额外的污染控制成本。例如,FGD系统使用石灰浆作为试剂降低输出到环境中的二氧化硫的量,而SCR系统使用氨作为试剂降低输出到环境中的氧化氮的量。
在确定使用哪些电厂以及应处在哪个生产等级时,公用电站将多个不同因素纳入考虑之列,其中包括电能需求、每个电厂的发电成本等。为使发电成本最小化,公用电站通常设法确定电厂的最优组合,以求用最小的成本产生所需电能等级。在此过程中,公用电站可使用多种用于发电规划的复杂算法和预测模型,其中包括各种一般作为经济调度程序被公知的计算机程序,它们使得公用电站可制定与电厂运行相关的决策。
由于一般不允许公用电站产生的污染超出监管机构规定的限量,故而经济调度程序在确定各个电厂的最优运行等级时使用这些限量作为约束条件。然而,由于各个电厂所产生的不同种类污染物需要不同的污染控制方法,而这些方法中的每一种会带来不同数量的污染控制成本。所以在确定电厂的最优运行等级时,还有必要将与污染物控制相关的成本纳入考虑之列。
例如,因为煤较之天然气来说是相对低廉的燃料,所以燃煤电厂较之燃气电厂来说可产生相对廉价的电力,然而,由于燃煤电厂为控制氧化氮的排放量而使用的石灰浆或其它试剂的成本,导致在某些情况下,使用燃气电厂发电较之使用燃煤电厂可能更有优势。所以说,经济调度程序在确定负载需求在各个电厂间的最优分配时,还应将污染控制成本和污染输出等级纳入考虑之列。
污染控制成本在确定负载分配方面的重要性为快速发展的污染信用交易市场所进一步强调,在这个市场中,产生污染排放物的量低于监管排放限量的电厂可将污染信用量出售给其它产生污染排放物的量高于监管排放限量的电厂。事实上,在可预见的是,不远的将来,用于交易NOx、SO2和温室气体排放物信用的市场将成为世界上最有活力的市场之一,在这个市场上,温室气体产生量高于其规定限量的公司可向温室气体产生量低于其规定限量的公司购买排放信用量。在此类污染信用交易市场存在的情况下,对于经济调度程序来说重要的是在确定负载需求在各个电厂间的最佳分配时,除考虑到污染控制成本之外还要考虑到污染控制信用量。
发明内容
根据本发明的一个方面,提供一种用于优化具有多个发电设备的发电系统的运行的方法,该方法包括以下步骤:获得该发电系统的目标函数,其中该目标函数提供作为多个变量的函数的发电系统运行成本,所述多个变量包括多个发电设备中至少一个的负载设定点和污染控制设定点;获得该发电系统的多个运行约束条件;以及在该发电系统的多个运行约束条件内获得该目标函数的最优解。
本发明还提供一种具有多个发电设备的发电系统的运行方法,该方法包括以下步骤:接收指定该发电系统的负载需求函数和排放配额的运行指令;确定该发电系统的目标函数,其中该目标函数指定作为包括多个发电设备中至少一个的负载设定点和污染控制设定点的多个变量的函数的电厂运行条件;以及确定该目标函数的最优解以产生在该发电系统产生的总排放物低于排放配额时,使该发电系统满足该负载需求函数的多个发电设备的运行设定点。
根据本发明的另一方面,提供一种用于优化具有多个发电设备的发电系统的运行的经济分析系统,该经济分析系统包括:适于存储该发电系统的目标函数的第一模块,其中该目标函数提供作为多个变量的函数的发电系统运行成本,所述多个变量包括多个发电设备中至少一个的负载设定点和污染控制设定点;适于存储该发电系统的多个运行约束条件的第二模块;适于在该发电系统的多个运行约束条件内获得该目标函数的最优解的第三模块。
根据本发明再一方面,提供一种发电系统,包括:多个发电设备;适于获得多个发电设备的负载需求的第一模块;适于获得多个发电设备的排放配额的第二模块;适于获得该发电系统的目标函数的第三模块,其中该目标函数提供作为多个变量的函数的发电系统运行成本,所述多个变量包括多个发电设备中至少一个的负载设定点和污染控制设定点;适于获得该发电系统的多个运行约束条件的第四模块;以及第五模块,适于获得该目标函数的最优解,以便当发电设备按照最优解运行时,多个发电设备满足该负载需求并且多个发电设备的总排放输出低于该排放配额。
附图说明
本专利虽通过实例进行图解,但是并不为附图所限制,附图中相同的参考标号标识类似的部件,其中包括:
图1是实例配电系统的框图;
图2是图1的配电系统中电网的框图;
图3是图2的电网使用的经济调度程序的流程图;
图4是由图3的电网接收的负载需求函数;
图5是具有多个发电单元的电力网络的框图;
图6是由图5的电力网络接收的负载需求函数;
图7是图5的电力网络的发电设备的各种热耗率曲线;
图8是用于图5的电力网络的发电设备的最优负载设定点;
图9是用于图5的电力网络的发电设备的最优洗涤器设定点。
具体实施方式
一般来说,用于在各个电厂间分配发电系统的负载需求的经济调度程序,以降低或者优化包括污染控制成本在内的发电系统总运行成本的方式,来确定各种电厂中每一个的运行设定点和污染控制设定点。经济调度程序包括作为负载分配中的决策变量的各种电厂的负载设定点和污染控制设定点。经济调度程序还将各个电厂的污染控制成本纳入考虑之列,其中各种电厂的污染控制成本可以是电厂污染控制系统所使用的试剂的成本和电厂污染控制系统所产生的废物的成本的因素。可选地,经济调度程序在分配负载需求时,可将各种电厂可用的污染信用量纳入考虑之列,其中此类污染控制信用量可在污染控制信用交易市场购入或售出。
图1图解了配电系统10,其具有连接到负载网14、公用电站(utility)网16和18、及另一电网20的电网12。电网12可以接收来自公用电站网16和18以及电网20的电能,并且可以传输电能给负载网14。负载网14可提供电能给各种使用诸如空调设备、电动机、灯和电器之类耗电设备的工业和住宅消费者。公用电站网16和18可接收来自包括核电厂、燃煤电厂等在内的多个不同电厂的电力。
通常,电网12可由通信连接到位于公用电站网16和18上的各种远程计算机的电网管理系统进行管理。该电网管理系统确定电网12上的总负载需求,并分配负载需求到公用电站网16和18中的每一个。该电网管理系统可利用经济调度程序确定公用电站网16和18间的负载分配和污染控制方案,其中经济调度程序使用从公用电站网16和18收集的各种信息,包括公用电站网16和18使用的各种电厂的热耗率(heat rate),以及各种电厂的燃料成本、排放控制成本等。
公用电站网18在图2中进一步图解为具有多个电厂22~30,其中电厂22~30中的每一个都通信连接到提供负载调度指令给电厂22~30的经济调度模块32。电厂22~30可包括诸如核电厂、水电厂及燃煤电厂之类各种电厂中的任一种。此外,电厂22~30中的每一个都可以包括多个独立的发电机。经济调度模块32接收来自各个电厂22~30的有关它们的运行条件、热耗率、排放成本、污染控制成本等的信息,确定负载需求的分配并确定电厂22~30中每一个的污染控制设定点。
电厂22~30可以使用各种类型的发电机,并由此可产生各种类型的排放物。例如,电厂22可使用产生氧化氮(NOx)和二氧化硫(SO2)排放物的燃煤蒸气发电机。电厂22可使用低NOx(NO、NO2等)燃烧器从而降低NOx排放,同时电厂22可使用废气脱硫(FGD)系统从而减少SO2排放物。另一方面,电厂30可以是燃烧气体的联合循环电厂(CCP),因而根本不产生SO2排放物。可在电厂或发电单元中产生并为其所控制(或者至少在排放前被减少)的其它污染物包括,例如一氧化碳(CO)、氧化氮(NO、NO2)、汞(Hg)、大量有机化合物(VOC)以及温室气体。一般来讲,温室气体是大气中导致温室效应(全球变暖效应)的气态成分。主要的天然温室气体是水蒸气,其引起地球上温室效应的大部分(约为60%),以及二氧化碳(CO2)(约为26%)和臭氧(O3,等)。其余部分由包括甲烷(CH4)和一氧化二氮(N2O)的次要温室气体引起。工业温室气体包括:诸如包括氟氯烷和氟化甲烷的CFC、HCFC-22分子以及六氟化硫之类的重质卤烃(氯化碳氟化合物)。
经济调度模块32接收来自电网12的运行要求40,其中运行要求40包括总负载需求42和总排放配额44。经济调度模块32以使电厂22~30产生的总负载至少等于负载需求42以及使电厂22~30的总排放输出低于排放配额44的方式,在电厂22~30间分配负载需求42和排放配额44。负载需求42可指定待由公用电站网18发送的电量、电力发送的时间和地点等。经济调度模块32在确定如何在电厂22~30间最优分配负载需求42和排放配额44时,可使用与电厂22~30相关的各种类型信息,例如可用性、电厂22~30中每一个的运行条件和效率,以及电厂22~30的排放输出等级等。如有必要,经济调度模块32可实施为存储在计算机的存储器中并可由计算机的控制器运行的软件,实施为硬件,实施为固件,或者实施为以上几种的任意组合。
图3图解了可由经济调度模块32实施的实例经济调度程序100的流程图。一般来讲,经济调度程序100通过求解目标函数确定负载需求42和排放配额44在各个电厂22~30间的分配,从而确定公用电站网18的最优运行点。为实施这种优化,经济调度程序100接收:负载需求42和排放配额44,与电厂22~30相关的各种信息,例如用于限定电厂22~30的运行的参量,一部分这些参量的值,这些参量之间的关系,以及电厂22~30的运行约束条件。
具体地说,框102接收负载需求42,其中负载需求42指定公用电站网18从起始时间T0到截止时间T内的总负载。总的来说,电网12提供给公用电站网18的负载需求使负载在第一时间段内从初始等级增加至峰值等级,并在随后的第二时间段内使负载保持在峰值等级。为反映这种状况,负载需求42显示为包括位于起始时间T0和时间Te之间的负载斜线(ramp),其中时间T0处的负载需求为L0,而斜顶时间Te处的负载需求为Le。从斜顶时间Te到截止时间T,负载需求假定为Le。亦可假定整个时间段{T0,T}(其中T大于等于Te)被分隔为N个时间段{t0,t1},{t1,t2}....{tN-1,tN},t0=T0,tN=T,其中这些时间段中每一个的末端的负载用L1,L2,....,LN标识。如果时间T0和Te之间的负载斜线假定为线性斜线,则能够通过以下公式1简单计算作为初始负载L0和终值负载Le之间的线性插值的中值目标负载Lk(k=1,....,N):
Lk=L0+k(Le-L0)/(Te-T0) (对于tk≤Te)以及 (1)
Lk=Le (对于tk>Te)
由公式1给出的负载需求的负载分布图(profile)120在图4中图解。虽然负载分布图120由线性公式1表示,但在可选情况下,负载分布图120可由非线性公式给出或者表达为非线性公式。此外,应注意到用于分隔负载分布图120的时间段的数目N确定了待由经济调度程序100执行的优化的复杂度。较大的N值可提供较佳的负载分布图120,但是增加了经济调度模块32的计算负担。
接着,框104确定与电厂22~30的运行相关的燃料成本,以便获得负载分布图120。为解释起见,假设电厂22~30由指数1到n来代表。因此,电厂22被标识为厂1,电厂24标识为厂2,依此类推。在这种情况下,与时间tk处的ith单元(i=1~n)相关的燃料消耗成本能够表示为:
其中 单元在时间tk处的负载;
fi=ith单元的燃料价格。
各个电厂22~30的热耗率Hi k的值以及燃料价格fi可实时传输到经济调度模块32,或者可选地,这些值能够存储在经济调度模块32的存储器中。公式2使用的某些值可以是常量,其它值可以是变量并可用一个或多个数学模型来表示。例如,对于特定应用的经济调度模块32来说,ith单元的燃料价格fi是常量,而ith单元在时间tk处的热耗率Hi k通常是变量,其可用电厂22~30中每一个的多个特征的函数来表达。对于多个电厂22~30,热耗率Hi k可通过由例如多项式回归模型代表的非线性关系、前馈式神经网络模型或者一些其它数学模型来提供。
尽管经济调度程序100的所述实施考虑了仅作为燃料价格、热耗率和负载函数的函数的总燃料成本,但是在可选的实施中,许多其它关系也可纳入考虑之列。例如,在经济调度程序100的一种实施中,代表反应输出功率、实际输出功率和发电单元的效率间关系的发电单元反映能力曲线,也可以用于确定与电厂22~30的运行相关的总燃料成本。
接着,框106确定与电厂22~30相关的各种污染控制成本。如上所述,电厂22~30中的一些可以是产生诸如NOx和SO2之类污染物的燃煤电厂。假设电厂22是使用洗涤器(scrubber)试剂控制SO2输出的燃煤电厂。例如,燃煤电厂可使用石灰石作为控制SO2排放的废气脱硫(FGD)系统中的洗涤器试剂。类似地,另一电厂24可具有使用氨作为NOx排放控制试剂的选择性催化还原(SCR)系统。此处,电厂22的石灰石成本和电厂24的氨成本都是污染控制成本。而且,根据所使用试剂的种类,通常会生产一定量的废物,而清除这些废物的成本也应作为污染控制成本的一部分加以考虑。在许多情况下,总的污染控制成本能够通过所用的$/1b试剂的形式来确定。因此,对于ith单元,在时间tk处的污染控制成本能够表示为:
其中 单元在时间tk处的jth试剂流;
Pi,j=ith单元的jth试剂价格;以及
m=受控污染物的种类总数。
电厂22~30可用的典型试剂包括用于SCR系统的氨以及用于FGD系统的石灰石或石灰浆。当然,电厂22~30中的一些可被设计为根本不产生任何污染物,在这种情况下,这些电厂的污染控制成本将为零。污染控制成本可实时传输到经济调度模块32,或者可选地,它们的值可存储在经济调度模块32的存储器中。
接着,框108确定电厂22~30可用的各种污染物信用量。通常,污染物信用量关系到电厂22~30中任一个所产生的污染物的实际量和污染物的配额量之间的差值,其中配额量能够以多种方式指定。例如,对于SO2,配额量指定为吨/年,对于NOx,配额量指定为1bs/mBTU,等等。应注意到,对于电厂22~30中的每一个来说,许可的污染物总量和污染限量都是硬性约束条件,因此要确保经济调度模块32产生的任何最优解都不能触犯控制这些污染物总量的监管限量。因此,jth污染物在时间tk处的可用总排放信用量能够表示为:
其中 污染物在时间tk处的总监管限量;
cj=jth污染物的信用量(或者红利价格)。
在确定每一时间段tk的燃料成本,以及污染控制成本和污染控制信用量之后,框110通过叠加这些成本确定提供负载Lk的总成本Jk。该操作能够表示为:
注意,尽管上述公式5在确定总成本Jk时仅考虑了燃料成本、污染控制成本和污染信用量,但是在可选实施中,诸如电力传输成本、燃料存储成本之类的其它成本也可纳入考虑之列。
利用每一时间段tk内的总成本Jk,能够计算公用电站网18在时间间隔{T0,T}内提供负载的合计成本J:
接着,框112确定待由经济调度模块32使用的目标函数。在经济调度模块32的一种特定实施中,该目标可以是使运行公用电站网18的总成本最低,在这种情况下,该目标函数将是总成本J的最小化。但是,在可选的实施中,也可使用诸如排放最小化、达到负载所需时间最小化之类的可选目标。应注意,在以公式6的形式表达目标函数时,污染信用量被预期为可立即获得。但是在现实中,因为要获得污染信用量会花费时间,因此诸如金钱的时间值之类的其它因素也需纳入考虑之列。
在确定经济调度模块32的目标函数后,框114确定求解目标函数用到的各种约束条件。一般来说,这些约束条件可包括各种负载约束条件、总排放约束条件等。在当前情况下,公用电站网18的运行可用到的各种约束条件由以下公式7到11给出。
具体的,下述公式7和8为负载约束条件,其中公式7指定了待由所有电厂22~30传输的总负载,公式8指定了待由电厂22~30中每一个产生的最小负载和最大负载。
Li,min≤Li,k≤Li,max (8)
公式7和8中,Li,k是ith电厂在时间tk处的负载需求,而Li,min和Li,max分别是ith电厂的最小负载和最大负载。
提供电厂22~30的负载输出最大变化的单元斜线约束条件由公式9给出,其中Mi是电厂22~30在时间间隔{tk-1,tk}内的最大斜率。
-Mi≤Li,k+1-Li,k≤Mi (9)
公用电站网18许可的总排放量是由电厂22~30排放的各种污染物的限量的函数。如果对于jth污染物,能够由ith电厂产生的最大许可污染由Xi,j给出,时间段kth内jth污染物总排放量由Xj k给出,则公用电站网18的运行的排放约束条件可由以下公式10和11给出:
注意对于公式7~11,k=1,...,N标识负载分布图120被划分的N个时间段中的每一个,i=1,...,n标识各个电厂22~30中的每一个,j=1,...,m标识各种污染物或者由电厂22~30排放的污染物中的每一种。
接着,框116求解受约束条件约束的公用电站网18的目标函数从而确定最优解。应注意到,在任何情况下,都可能存在不只一个最优解,而框116只需求解到发现这些最优解中的一个为止,该解是在系统某些可能的运行区间内使目标函数最小(或者最大)的解。特定的最优解不必是系统整个运行空间内的最佳最优解,而仅需在区间工作空间内最优。
通常,受多个约束条件约束的目标函数可利用非线性优化方法求解。经济调度模块32的一个实施可利用迭代处理,亦即在约束条件内选择目标函数的候选解并迭代地改变各个变量的值,直到获得最优解(例如,使目标函数最小的解)。例如,可选择各个中值负载Lk的值的集合最为起始点,而中值负载Lk的最优值能够迭代获得。类似地,还可选择由Zi,j k给出的电厂22~30的污染等级值作为部分候选解,而污染等级Zi,j k的最优值可迭代确定。
在经济调度模块32的实施中,还可使用进化算法迭代求解受一个或多个约束条件约束的目标函数。在进化算法中,选择约束条件内的候选解点的集合,可获得与优选解点集合对应的局部解集合,选择局部解集合中的一个作为目标函数的最优解。
利用进化算法求解目标函数32可确保,即使目标函数具有多个局部最优解,仍能获得这些局部最优值中的最佳最优值。进化算法可以软件、硬件、固件或者它们任意组合的形式实现。例如,可利用诸如可从前线(Frontline)系统公司获得的的进化解算器(Evolutionary Solver)程序之类的多种现有数学解算程序中的一种实施进化算法。进化算法的机制在2004年6月25日递交的,名称为“用于提供发电和配电经济分析的方法和装置”的美国专利申请NO.10/876,431中进一步详细解释,该专利的全文结合在本文中。
应注意到,由经济调度模块32获得的最优运行解的精确性有赖于提供给经济调度模块32的数据的精确性。用于获得最优解的多个底层模型可具有时变特性。例如,由于设备老化和处理偏差,电厂22~30的热耗率模型会随时间而变化。因此,为得到精确的最优解,有必要定期更新这些热耗率模型。
以上叙述了经济调度程序100的机制,以下将描述经济调度程序100在发电设备网络中的应用。
具体地说,图5图解了包括6个发电单元142~152的示例性电力网络140,其中单元142~152中的每一个都可以是燃气发电单元、燃煤单元、水电单元等中的任一个。在特定的实施例中,假定单元142是容量200MW的燃煤蒸汽发电单元,其包括使NOx排放率保持在0.21b NOx/mBTU的低NOx燃烧器。通过使用具有90%的最大污染物清除率并利用石灰浆作为试剂的石灰喷雾干燥器(LSD)废气脱硫(FGD)系统,控制单元142的SO2排放。单元144是120MW燃煤电厂,除包含利用商用石灰石(CaCO3)或熟石灰(Ca(OH)3)作为吸附剂并具有50%的最大污染物清除率的管道吸附剂注入(DSI)FDG系统外,该单元与单元142相同。单元146是700MW的燃煤蒸汽发电单元,单元148是800MW燃煤蒸汽发电单元。单元146和148中的任一个都包含用于降低NOx排放量的选择性催化还原(SCR)系统,其中氨(NH3)用于降低NOx的水平。最后,单元150和152中的每一个都是250MW联合循环电厂(CCP),每一个都具有两台燃烧式涡轮发电机(CTGs)、两台余热回收蒸汽发电机(HRSGs)和两台蒸汽涡轮发电机(STGs)。
现在,将经济调度程序100用于电力网络140,框102接收来自诸如电网12之类管理电力网络140的电网的运行指令160。运行指令160包括指定待由电力网络140提供的负载的负载需求,以及指定可由电力网络140产生的总污染等级的排放配额164。在当前情况下,假设负载需求162是在大约84分钟内使电力网络140的负载输出从1100MW斜线上升到1520MW。负载需求162在图6中进一步图解,其中X轴上每一单位代表12分钟。电力网络140的排放配额假定为5000吨SO2排放量和1300吨NOx排放量。
接收单元142~152中每一个的燃料成本(fi)和热耗率曲线(Hi k)的框104,使用公式2中指定的那些参量,确定产生由负载需求162指定的总负载的总燃料成本。在当前情况下,单元142~152的燃料成本在下表1中给出,而单元142~152的热耗率曲线分别由图7中的热耗率曲线172~182图解。注意热耗率曲线中的每一条指定产生KWH电能所需的热量。如上所述,由单元142~152中每一个产生的最优负载值,即公式2中的Li k所指定的值,可由迭代方式确定。
表1
单元 | 燃料成本($/mBTU) |
142 | 1.30 |
144 | 1.30 |
146 | 1.30 |
148 | 1.30 |
150 | 2.10 |
152 | 2.10 |
接着,框106接收单元142~152中每一个的污染控制成本(Pi,j),其中该污染控制成本可由单元142~152使用的试剂成本规定。公式3利用这些污染控制成本确定电力网络140的总污染控制成本。在当前情况下,单元142~152的污染控制成本由下面表2给出。
表2
单元 | 所使用的试剂 | 试剂成本($/1b) |
142 | 石灰浆 | 0.045 |
144 | 石灰 | 0.04 |
146 | NH3 | 0.11 |
148 | NH3 | 0.11 |
150 | - | |
152 | - |
图3的框108接收用于单元142~152产生的每一种污染物的污染控制信用量(cj),它们用于公式4以确定电力网络140的总污染信用量。在当前情况下,用于单元142~152产生的污染物的污染信用量,也就是SO2和NO2,在下面表3中给出。
表3
污染物 | 信用量($/1b) |
SO2 | 0.05 |
NO2 | 2.00 |
接着,利用公式5,框110确定电力网络140产生由负载需求142规定的负载的总成本。假设当前情况下的目标是使满足负载需求142的电力网络140运行总成本最低,则框112确定公式5也是电力网络140的目标函数。
在确定了电力网络140的目标函数的情况下,框114确定电力网络140的各种运行约束条件。电力网络140的约束条件可以是暂时性的运行约束条件和/或长期性的结构约束条件。例如,在当前情况下,假设电力网络140的暂时性约束条件之一是单元148退出运行。
电力网络140的其它约束条件可包括用于电力网络140的公式7~11规定的约束条件中的一个或多个。例如,公式7标识的代表总中值目标负载的约束条件,能够从图6所示的负载需求142中获得。由公式8表示的发电单元142~152中每一个的最大负载和最小负载由下面表4提供。
表4
单元 | 最小负载(MW) | 最大负载(MW) |
142 | 40 | 200 |
144 | 25 | 120 |
146 | 140 | 700 |
148 | 140 | 800 |
150 | 50 | 250 |
152 | 50 | 250 |
最后,参考提供电厂22~30的负载输出最大变化并由公式9表示的斜线约束条件,假设在当前情况下,各种电厂142~152中的每一个能够使其负载输出斜线上升的最大斜率是每分钟7MW。
如由公式10表示且如上所述,电力网络140的总排放量约束条件对于SO2来说等于5000吨,对于NOx来说等于1300吨。参考由公式11表示的电厂等级污染约束条件,假定在当前情况下,单元142~152上没有施加这样的电厂等级约束条件。通常,在当前的环境条例下,SO2的排放等级根据一个地区的电厂群来限制,而NOx的排放等级限制为每个单一电厂。因此,在不同的实施下,单一电厂等级排放限量也应纳入考虑之列。
在确定电力网络140的目标函数和约束条件之后,框116确定用于运行单元142~152的最优解,这些解将单元142~152中每一个的运行点指定到负载需求斜线162上的各个点。根据负载等级,运行单元142~152的最优运行点由图8中绘制的负载斜线图190图解,而根据污染控制设定点,单元142~152的最优运行点由图9中绘制的洗涤器效率图210图解。
具体地说,在图8中,单元142~146和150~152中每一个的负载斜线分别由线192、194、196、198和200表示。图8中的负载斜线图190显示了负载斜线的起始,所要求的总负载输出是1100MW,单元142、144、150和152每个都进入满负载容量。如果单元148被假定为在1100MW等级退出运行,那么仅有单元146具有斜线上升以满足增加的需求的空间。
如负载斜线图190所示,单元142和144在从1100MW等级到1520MW等级的满容量下运行。然而,至少对于由运行点202附近的区域规定的部分负载斜线来说,单元148的负载轻微上升,而单元150和152的负载轻微下降。
现在参考图9中的洗涤器效率图210,单元142~146的洗涤器设定点分别由线212、214和216描绘。如图9所示,在斜线的起始,所有单元142~146的洗涤器设定点都保持在其最小值从而确保总成本下降。随着单元146斜线上升,在某一点218处(总负载约为1170MW),鉴于NOx排放的总限量,单元146的SCR系统开始工作。此后,在点220代表的总负载输出1480MW处,单元142和144的FGD设定点随之上升,以满足SO2排放量的污染条例约束条件。注意,经济调度程序100以使单元142~146都低于它们的最大污染清除效率的方式设定单元142~146的洗涤器设定点。
尽管图8和图9分别以不同线代表了单元142~146的负载输出设定点和洗涤器设定点,但重要的是紧记,经济调度程序100同时确定负载输出设定点和洗涤器设定点时,并且其确定方式不仅使提供由负载需求162代表的输出的总成本最低,还由此使电力网络140的排放输出也低于排放配额164。
当然,尽管在电力网络140中使用了经济调度程序100以使电力网络140的运行成本降至最低,但是在可选的状况下,经济调度模块100能够用于电力网络140以满足可选的目标,这些目标可以是例如NOx排放量最小化,或者这两个目标的某些最优结合。在再一实施中,经济调度模块100还可用于整个电网12以在公用电站网16和18间分配电网12的总需求,以使电网12的总运行成本最低,同时电网12的总排放输出低于规定的电网级排放配额。
尽管前文列出了对本发明的几种不同实施的详细描述,但是应理解本发明的范围是由本专利末尾列出的权利要求的文字予以限定的。详细描述仅应理解为示范性的,同时也没有描述本发明每一可能的实施,这是因为描述每一可能的实施即便不是不可能的,也是不实际的。各种可选的实施能够由现有技术或者本专利提交日后发展起来的技术予以实施,这仍然落入本发明的权利要求的限定范围之内。
因此,在不背离本发明的精神和范围的前提下,能够做出对此处所述的和图解的技术和结构的多种修改和变体。相应地,应理解此处所述的方法和装置仅仅是示意性的,而非用于限制本发明的范围。
Claims (10)
1.一种用于优化具有多个发电机和至少一个污染控制设备的发电系统的运行的方法,所述多个发电机采用各种不同能源,该方法包括:
接收所述多个发电机中各发电机有关的信息,该信息与所述多个发电机中各发电机的可用性、运行条件、效率和排放输出相关;
接收包括对这些发电机的总负载需求分布图及总排放配额在内的运行要求;
根据所述负载需求分布图确定与运行所述多个发电机中各发电机相关联的燃料成本;
根据所述负载需求分布图确定与运行所述多个发电机中各发电机相关联的污染控制成本;
确定用于使该发电系统的运行成本最低的目标函数,该发电系统的运行成本是所接收的所述多个发电机中各发电机有关的信息、根据所述负载需求分布图与运行所述多个发电机中各发电机和所述至少一个污染控制设备相关联的所述燃料成本和所述污染控制成本的函数,所述目标函数包括对所述多个发电机中各发电机的负载设定点和对所述至少一个污染控制设备的污染控制设定点;
确定对该发电系统的所述多个发电机中各发电机和对所述至少一个污染控制设备的多个运行约束条件;
在对该发电系统的所述多个发电机中各发电机和对所述至少一个污染控制设备的多个运行约束条件内,确定使得该目标函数满足该发电系统的运行要求的最优解;和
在根据所述目标函数的最优解确定的相应负载设定点运行独立的发电机,以及在根据所述目标函数的最优解确定的相应污染控制设定点运行所述至少一个污染控制设备。
2.如权利要求1所述的方法,其中该污染控制设定点是由所述多个发电机中各发电机产生的污染物的预期等级。
3.如权利要求1所述的方法,进一步包括接收指定该发电系统的负载输出的负载需求分布图,以及获得使该发电系统的负载输出分布图大致等于该负载需求分布图的最优解。
4.如权利要求3所述的方法,其中该负载需求分布图是指定经第一时间段后的负载输出增量的斜线。
5.如权利要求1所述的方法,其中该运行约束条件包括所述多个发电机之一的污染物控制系统的最大效率。
6.如权利要求1所述的方法,其中该目标函数提供作为用于控制所述多个发电机之一的污染物的污染控制成本的函数的发电系统运行成本。
7.如权利要求6所述的方法,其中所述污染物是(1)二氧化硫、(2)一氧化碳、(3)氧化氮、(4)汞、(5)大量有机化合物VOC和(6)温室气体中的至少一种。
8.如权利要求7所述的方法,其中该污染物的控制成本包括FGD试剂或SCR试剂的成本。
9.如权利要求1所述的方法,其中该目标函数包括,提供作为(1)所述多个发电机之一的负载输出、(2)所述多个发电机之一的热耗率以及(3)所述多个发电机之一的燃料价格的函数的所述多个发电机之一的燃料消耗成本的多项式。
10.如权利要求1所述的方法,其中该目标函数包括,提供作为(1)所述多个发电机之一的负载输出、(2)所述多个发电机之一的热耗率以及(3)所述多个发电机之一的燃料价格的函数的所述多个发电机之一的燃料消耗成本的神经网络模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510412321.7A CN105139078B (zh) | 2004-10-20 | 2005-10-20 | 提供负载调度和污染控制优化的方法及装置 |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US10/969,752 | 2004-10-20 | ||
US10/969,752 US9771834B2 (en) | 2004-10-20 | 2004-10-20 | Method and apparatus for providing load dispatch and pollution control optimization |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510412321.7A Division CN105139078B (zh) | 2004-10-20 | 2005-10-20 | 提供负载调度和污染控制优化的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN1763783A CN1763783A (zh) | 2006-04-26 |
CN1763783B true CN1763783B (zh) | 2015-08-12 |
Family
ID=35451749
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510412321.7A Active CN105139078B (zh) | 2004-10-20 | 2005-10-20 | 提供负载调度和污染控制优化的方法及装置 |
CN200510109489.7A Active CN1763783B (zh) | 2004-10-20 | 2005-10-20 | 提供负载调度和污染控制优化的方法及装置 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510412321.7A Active CN105139078B (zh) | 2004-10-20 | 2005-10-20 | 提供负载调度和污染控制优化的方法及装置 |
Country Status (6)
Country | Link |
---|---|
US (1) | US9771834B2 (zh) |
CN (2) | CN105139078B (zh) |
CA (1) | CA2523935C (zh) |
DE (1) | DE102005050140A1 (zh) |
GB (1) | GB2419438B (zh) |
HK (1) | HK1088697A1 (zh) |
Families Citing this family (61)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070225878A1 (en) * | 2006-03-20 | 2007-09-27 | Kumar Ajith K | Trip optimization system and method for a train |
US9733625B2 (en) * | 2006-03-20 | 2017-08-15 | General Electric Company | Trip optimization system and method for a train |
US9233696B2 (en) | 2006-03-20 | 2016-01-12 | General Electric Company | Trip optimizer method, system and computer software code for operating a railroad train to minimize wheel and track wear |
US10569792B2 (en) | 2006-03-20 | 2020-02-25 | General Electric Company | Vehicle control system and method |
US10308265B2 (en) | 2006-03-20 | 2019-06-04 | Ge Global Sourcing Llc | Vehicle control system and method |
US8924049B2 (en) | 2003-01-06 | 2014-12-30 | General Electric Company | System and method for controlling movement of vehicles |
US7288921B2 (en) * | 2004-06-25 | 2007-10-30 | Emerson Process Management Power & Water Solutions, Inc. | Method and apparatus for providing economic analysis of power generation and distribution |
US20060047607A1 (en) * | 2004-08-27 | 2006-03-02 | Boyden Scott A | Maximizing profit and minimizing losses in controlling air pollution |
US20060106740A1 (en) * | 2004-11-12 | 2006-05-18 | General Electric Company | Creation and correction of future time interval power generation curves for power generation costing and pricing |
US8473127B2 (en) * | 2006-03-20 | 2013-06-25 | General Electric Company | System, method and computer software code for optimizing train operations considering rail car parameters |
US9527518B2 (en) | 2006-03-20 | 2016-12-27 | General Electric Company | System, method and computer software code for controlling a powered system and operational information used in a mission by the powered system |
US8370006B2 (en) | 2006-03-20 | 2013-02-05 | General Electric Company | Method and apparatus for optimizing a train trip using signal information |
US8126601B2 (en) | 2006-03-20 | 2012-02-28 | General Electric Company | System and method for predicting a vehicle route using a route network database |
US9266542B2 (en) * | 2006-03-20 | 2016-02-23 | General Electric Company | System and method for optimized fuel efficiency and emission output of a diesel powered system |
US8290645B2 (en) | 2006-03-20 | 2012-10-16 | General Electric Company | Method and computer software code for determining a mission plan for a powered system when a desired mission parameter appears unobtainable |
US20080167766A1 (en) * | 2006-03-20 | 2008-07-10 | Saravanan Thiyagarajan | Method and Computer Software Code for Optimizing a Range When an Operating Mode of a Powered System is Encountered During a Mission |
US8370007B2 (en) | 2006-03-20 | 2013-02-05 | General Electric Company | Method and computer software code for determining when to permit a speed control system to control a powered system |
US9201409B2 (en) | 2006-03-20 | 2015-12-01 | General Electric Company | Fuel management system and method |
US8249763B2 (en) * | 2006-03-20 | 2012-08-21 | General Electric Company | Method and computer software code for uncoupling power control of a distributed powered system from coupled power settings |
US8788135B2 (en) * | 2006-03-20 | 2014-07-22 | General Electric Company | System, method, and computer software code for providing real time optimization of a mission plan for a powered system |
US8401720B2 (en) | 2006-03-20 | 2013-03-19 | General Electric Company | System, method, and computer software code for detecting a physical defect along a mission route |
US9689681B2 (en) | 2014-08-12 | 2017-06-27 | General Electric Company | System and method for vehicle operation |
US9156477B2 (en) | 2006-03-20 | 2015-10-13 | General Electric Company | Control system and method for remotely isolating powered units in a vehicle system |
US7856280B2 (en) | 2006-08-02 | 2010-12-21 | Emerson Process Management Power & Water Solutions, Inc. | Process control and optimization technique using immunological concepts |
US20080052145A1 (en) * | 2006-08-10 | 2008-02-28 | V2 Green, Inc. | Power Aggregation System for Distributed Electric Resources |
CN101154815B (zh) * | 2006-09-29 | 2012-08-29 | 霍尼韦尔(中国)高科技有限公司 | 动态经济负荷分配 |
US8321804B2 (en) | 2007-07-26 | 2012-11-27 | Areva T & D, Inc. | Methods for assessing reliability of a utility company's power system |
US20100235008A1 (en) * | 2007-08-28 | 2010-09-16 | Forbes Jr Joseph W | System and method for determining carbon credits utilizing two-way devices that report power usage data |
US7873552B2 (en) * | 2007-08-30 | 2011-01-18 | International Business Machines Corporation | Recommending waste reductions and credit purchases for business units |
US20090063211A1 (en) * | 2007-08-30 | 2009-03-05 | Camilo Yamauchi Campo | Finding a Shortest Waste Credit Path for a Manufacturing Process |
EP2078827A1 (en) * | 2008-01-11 | 2009-07-15 | ALSTOM Technology Ltd | Power plant with CO2 capture and compression |
EP2163735A1 (en) * | 2008-08-21 | 2010-03-17 | C.R.F. Società Consortile per Azioni | System and method for multi-objective management of the electrical and thermal energy gernerated by a co/trigeneration energy system in a multi-source energy plant |
US8265986B2 (en) * | 2008-10-03 | 2012-09-11 | International Business Machines Corporation | System and method for determining carbon emission-conscious order fulfillment alternatives with multiple supply modes |
US9098820B2 (en) * | 2009-02-23 | 2015-08-04 | International Business Machines Corporation | Conservation modeling engine framework |
US9834237B2 (en) | 2012-11-21 | 2017-12-05 | General Electric Company | Route examining system and method |
US8234023B2 (en) * | 2009-06-12 | 2012-07-31 | General Electric Company | System and method for regulating speed, power or position of a powered vehicle |
US20110120128A1 (en) * | 2009-11-20 | 2011-05-26 | Alstom Technology Ltd | Method of controlling a power plant |
WO2011118607A1 (ja) * | 2010-03-24 | 2011-09-29 | 三洋電機株式会社 | 電力供給装置、蓄電装置並びに電力制御装置 |
US9093840B2 (en) | 2010-07-02 | 2015-07-28 | Alstom Technology Ltd. | System tools for integrating individual load forecasts into a composite load forecast to present a comprehensive synchronized and harmonized load forecast |
US9558250B2 (en) | 2010-07-02 | 2017-01-31 | Alstom Technology Ltd. | System tools for evaluating operational and financial performance from dispatchers using after the fact analysis |
US20110029142A1 (en) * | 2010-07-02 | 2011-02-03 | David Sun | System tools that provides dispatchers in power grid control centers with a capability to make changes |
US9727828B2 (en) | 2010-07-02 | 2017-08-08 | Alstom Technology Ltd. | Method for evaluating operational and financial performance for dispatchers using after the fact analysis |
US8972070B2 (en) | 2010-07-02 | 2015-03-03 | Alstom Grid Inc. | Multi-interval dispatch system tools for enabling dispatchers in power grid control centers to manage changes |
US8538593B2 (en) | 2010-07-02 | 2013-09-17 | Alstom Grid Inc. | Method for integrating individual load forecasts into a composite load forecast to present a comprehensive synchronized and harmonized load forecast |
US20110071690A1 (en) * | 2010-07-02 | 2011-03-24 | David Sun | Methods that provide dispatchers in power grid control centers with a capability to manage changes |
EP2990094A1 (en) | 2010-11-24 | 2016-03-02 | Alstom Technology Ltd | Method of cleaning a carbon dioxide rich flue gas and a boiler system |
EP2722960B1 (en) * | 2011-06-17 | 2016-08-17 | Hitachi, Ltd. | Microgrid control system |
CN102289571B (zh) * | 2011-07-25 | 2014-04-09 | 浙江大学宁波理工学院 | 基于来能预测的海洋能发电系统的负载优化调度方法 |
US9669851B2 (en) | 2012-11-21 | 2017-06-06 | General Electric Company | Route examination system and method |
US9682716B2 (en) | 2012-11-21 | 2017-06-20 | General Electric Company | Route examining system and method |
CN103779961B (zh) * | 2013-12-06 | 2016-01-13 | 国家电网公司 | 小区变智能经济运行控制系统及其控制方法 |
CN104318104A (zh) * | 2014-10-24 | 2015-01-28 | 国家电网公司 | 一种火电机组节能减排绩效综合评价方法 |
CN105322571B (zh) * | 2015-11-30 | 2018-01-05 | 华南理工大学 | 基于两阶段混合整数规划的电力系统调度方法 |
CN107703760B (zh) * | 2017-11-13 | 2020-11-27 | 重庆科技学院 | 基于rbf与gdhp的天然气吸收塔脱硫过程控制方法 |
CN107885084B (zh) * | 2017-11-13 | 2020-12-01 | 重庆科技学院 | 基于rbf与adhdp的天然气吸收塔脱硫过程控制方法 |
CN107831666B (zh) * | 2017-11-13 | 2021-01-01 | 重庆科技学院 | 基于rbf与addhp的天然气吸收塔脱硫过程控制方法 |
EP3544142A1 (en) | 2018-03-19 | 2019-09-25 | ABB Schweiz AG | Power system optimisation |
CN108446807B (zh) * | 2018-04-02 | 2022-05-06 | 中国地质大学(北京) | 基于重污染天气预警的大气污染物排放总量控制方法 |
US11525375B2 (en) | 2020-04-09 | 2022-12-13 | General Electric Company | Modeling and control of gas cycle power plant operation with variant control profile |
CN111582599A (zh) * | 2020-05-14 | 2020-08-25 | 广东电网有限责任公司 | 一种基于虚拟电厂调峰的储能设备日内有功调度方法 |
CN112183903B (zh) * | 2020-11-17 | 2022-09-20 | 昆明电力交易中心有限责任公司 | 一种水火电系统多时间尺度联合优化调度方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5621654A (en) * | 1994-04-15 | 1997-04-15 | Long Island Lighting Company | System and method for economic dispatching of electrical power |
EP0957184A2 (en) * | 1998-04-16 | 1999-11-17 | The Boc Group, Inc. | Sputtering control system |
WO2003068368A1 (en) * | 2002-02-15 | 2003-08-21 | L'air Liquide - Societe Anonyme A Directoire Et Conseil De Surveillance Pour L'etude Et L'exploitation Des Procedes Georges Claude | Steam-generating combustion system and method for emission control using oxygen enhancement |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4110987A (en) * | 1977-03-02 | 1978-09-05 | Exxon Research & Engineering Co. | Thermal energy storage by means of reversible heat pumping utilizing industrial waste heat |
JP2888717B2 (ja) * | 1992-04-06 | 1999-05-10 | 公生 石丸 | エネルギー供給システム |
US5517423A (en) | 1994-01-11 | 1996-05-14 | Systems Analysis And Integration, Inc. | Power distribution system control network |
WO2002059987A2 (en) * | 2000-10-30 | 2002-08-01 | Ztek Corporation | Multi-function energy system operable as a fuel cell, reformer, or thermal plant |
FI20010114A (fi) | 2001-01-18 | 2002-07-19 | Gaia Group Oy | Menetelmä voimalaitoksen yhteydessä |
EP1381762A2 (en) * | 2001-02-19 | 2004-01-21 | Rosemount Analytical Inc. | Improved generator monitoring, control and efficiency |
EP1579547A1 (en) * | 2002-12-06 | 2005-09-28 | Electrical Power Research Institute | Uninterruptable power supply and generator system |
JP2004246804A (ja) | 2003-02-17 | 2004-09-02 | Hitachi Ltd | 発電コスト最適化方法および発電コスト最適化装置 |
CN1523729A (zh) * | 2003-09-05 | 2004-08-25 | 严士才 | 畜力发电的方法及其设备 |
US7288921B2 (en) | 2004-06-25 | 2007-10-30 | Emerson Process Management Power & Water Solutions, Inc. | Method and apparatus for providing economic analysis of power generation and distribution |
US20060047607A1 (en) * | 2004-08-27 | 2006-03-02 | Boyden Scott A | Maximizing profit and minimizing losses in controlling air pollution |
-
2004
- 2004-10-20 US US10/969,752 patent/US9771834B2/en active Active
-
2005
- 2005-10-14 GB GB0520915A patent/GB2419438B/en active Active
- 2005-10-19 DE DE102005050140A patent/DE102005050140A1/de active Pending
- 2005-10-20 CN CN201510412321.7A patent/CN105139078B/zh active Active
- 2005-10-20 CN CN200510109489.7A patent/CN1763783B/zh active Active
- 2005-10-20 CA CA2523935A patent/CA2523935C/en active Active
-
2006
- 2006-09-22 HK HK06110580.9A patent/HK1088697A1/xx not_active IP Right Cessation
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5621654A (en) * | 1994-04-15 | 1997-04-15 | Long Island Lighting Company | System and method for economic dispatching of electrical power |
EP0957184A2 (en) * | 1998-04-16 | 1999-11-17 | The Boc Group, Inc. | Sputtering control system |
US6106676A (en) * | 1998-04-16 | 2000-08-22 | The Boc Group, Inc. | Method and apparatus for reactive sputtering employing two control loops |
WO2003068368A1 (en) * | 2002-02-15 | 2003-08-21 | L'air Liquide - Societe Anonyme A Directoire Et Conseil De Surveillance Pour L'etude Et L'exploitation Des Procedes Georges Claude | Steam-generating combustion system and method for emission control using oxygen enhancement |
Also Published As
Publication number | Publication date |
---|---|
US9771834B2 (en) | 2017-09-26 |
CA2523935C (en) | 2020-11-03 |
GB2419438A (en) | 2006-04-26 |
GB0520915D0 (en) | 2005-11-23 |
US20060085363A1 (en) | 2006-04-20 |
DE102005050140A1 (de) | 2006-04-27 |
CA2523935A1 (en) | 2006-04-20 |
CN105139078A (zh) | 2015-12-09 |
CN105139078B (zh) | 2019-02-19 |
GB2419438B (en) | 2010-08-18 |
CN1763783A (zh) | 2006-04-26 |
HK1088697A1 (en) | 2006-11-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN1763783B (zh) | 提供负载调度和污染控制优化的方法及装置 | |
Mehrjerdi et al. | Unified energy management and load control in building equipped with wind-solar-battery incorporating electric and hydrogen vehicles under both connected to the grid and islanding modes | |
Tao et al. | Carbon-oriented electricity network planning and transformation | |
Seebregts et al. | Energy/environmental modeling with the MARKAL family of models | |
Lv et al. | Equilibrium strategy based coal blending method for combined carbon and PM10 emissions reductions | |
US20020065581A1 (en) | Emissions management and policy making system | |
Yi et al. | Impact of carbon emission constraint on design of small scale multi-energy system | |
JP2007523580A (ja) | エネルギーネットワーク | |
Jin et al. | An integrated bi-level optimization model for air quality management of Beijing’s energy system under uncertainty | |
Fan et al. | A Bi-level optimization model of integrated energy system considering wind power uncertainty | |
Mehri et al. | Multi-objective scheduling of electric vehicles considering wind and demand uncertainties | |
Castrejón et al. | Analysis of the contribution of CCS to achieve the objectives of Mexico to reduce GHG emissions | |
Cai et al. | A generalized fuzzy chance-constrained energy systems planning model for Guangzhou, China | |
Yan et al. | Hybrid dynamic coal blending method to address multiple environmental objectives under a carbon emissions allocation mechanism | |
CN115660343A (zh) | 面向碳中和的城市综合能源发展规划方法 | |
US20040181298A1 (en) | Methods and apparatus for operating production facilities | |
Secchi et al. | Peer-to-peer electricity sharing: Maximising PV self-consumption through BESS control strategies | |
Khorsand et al. | Stochastic wind-thermal generation scheduling considering emission reduction: A multiobjective mathematical programming approach | |
Guo et al. | A system dynamics model of China’s electric power structure adjustment with constraints of PM10 emission reduction | |
Karlsson et al. | Pre-feasibility study of a waste to energy plant in chisinau, Moldova | |
Ness et al. | An overview of policies influencing air pollution from the electricity sector in South Asia | |
Kůdela et al. | Optimal control of combined heat and power station operation | |
Akbari-Dibavar et al. | IGDT-based optimal low-carbon generation dispatch of power system integrated with compressed air energy storage systems | |
Zeng et al. | Multi-objective optimization of the energy system in an iron and steel plant for energy saving and low emissions | |
CN107146022A (zh) | 跨区域输电工程对大气雾霾影响的评价方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |