Ada pembangkit listrik tenaga panas yang besar. Ia bekerja seperti biasa: membakar gas, menghasilkan panas untuk memanaskan rumah dan listrik untuk jaringan umum. Tugas pertama adalah pemanasan. Kedua, menjual seluruh listrik yang dihasilkan di pasar grosir. Kadang-kadang, bahkan dalam cuaca dingin, salju muncul di bawah langit cerah, tetapi ini merupakan efek samping dari pengoperasian menara pendingin.
Pembangkit listrik tenaga panas rata-rata terdiri dari beberapa lusin turbin dan boiler. Jika volume listrik dan pembangkitan panas yang dibutuhkan diketahui secara pasti, maka tugasnya adalah meminimalkan biaya bahan bakar. Dalam hal ini, perhitungannya dilakukan pada pemilihan komposisi dan persentase pembebanan turbin dan boiler untuk mencapai efisiensi pengoperasian peralatan setinggi mungkin. Efisiensi turbin dan boiler sangat bergantung pada jenis peralatan, waktu pengoperasian tanpa perbaikan, mode pengoperasian, dan banyak lagi. Ada masalah lain ketika, dengan mengetahui harga listrik dan volume panas, Anda perlu memutuskan berapa banyak listrik yang akan dihasilkan dan dijual untuk mendapatkan keuntungan maksimal dari bekerja di pasar grosir. Kemudian faktor optimasi - keuntungan dan efisiensi peralatan - menjadi kurang penting. Hasilnya mungkin adalah situasi di mana peralatan beroperasi secara tidak efisien, namun seluruh volume listrik yang dihasilkan dapat dijual dengan margin maksimum.
Secara teori, semua ini sudah lama menjadi jelas dan terdengar indah. Masalahnya adalah bagaimana melakukan hal ini dalam praktiknya. Kami memulai pemodelan simulasi pengoperasian setiap peralatan dan seluruh stasiun secara keseluruhan. Kami datang ke pembangkit listrik tenaga panas dan mulai mengumpulkan parameter semua komponen, mengukur karakteristik sebenarnya dan mengevaluasi operasinya dalam mode yang berbeda. Berdasarkan hal tersebut, kami membuat model yang akurat untuk mensimulasikan pengoperasian setiap peralatan dan menggunakannya untuk penghitungan pengoptimalan. Ke depan, saya akan mengatakan bahwa kita memperoleh sekitar 4% efisiensi nyata hanya karena matematika.
Telah terjadi. Namun sebelum menjelaskan keputusan kita, saya akan berbicara tentang cara kerja CHP dari sudut pandang logika pengambilan keputusan.
Hal-hal mendasar
Elemen utama pembangkit listrik adalah boiler dan turbin. Turbin digerakkan oleh uap bertekanan tinggi, yang selanjutnya memutar generator listrik yang menghasilkan listrik. Energi uap yang tersisa digunakan untuk pemanas dan air panas. Boiler adalah tempat terciptanya uap. Dibutuhkan banyak waktu (jam) untuk memanaskan boiler dan mempercepat turbin uap, dan ini merupakan kehilangan bahan bakar secara langsung. Hal yang sama berlaku untuk perubahan beban. Anda perlu merencanakan hal-hal ini sebelumnya.
Peralatan CHP memiliki minimum teknis, yang mencakup mode operasi minimum namun stabil, yang memungkinkan untuk menyediakan panas yang cukup untuk rumah dan konsumen industri. Biasanya, jumlah panas yang dibutuhkan secara langsung bergantung pada cuaca (suhu udara).
Setiap unit memiliki kurva efisiensi dan titik efisiensi operasi maksimum: pada beban ini dan itu, boiler ini dan itu dan turbin ini menyediakan listrik termurah. Murah - dalam arti konsumsi bahan bakar spesifik yang minimal.
Sebagian besar pembangkit listrik dan panas gabungan kami di Rusia memiliki koneksi paralel, ketika semua boiler beroperasi pada satu pengumpul uap dan semua turbin juga ditenagai oleh satu pengumpul. Hal ini menambah fleksibilitas saat memuat peralatan, namun sangat mempersulit perhitungan. Kebetulan juga peralatan stasiun dibagi menjadi beberapa bagian yang beroperasi pada kolektor berbeda dengan tekanan uap berbeda. Dan jika kita menambahkan biaya untuk kebutuhan internal - pengoperasian pompa, kipas angin, menara pendingin dan, jujur ββββsaja, sauna tepat di luar pagar pembangkit listrik tenaga panas - maka kaki iblis akan patah.
Karakteristik semua peralatan adalah nonlinier. Setiap unit memiliki kurva dengan zona yang efisiensinya lebih tinggi dan lebih rendah. Tergantung bebannya: pada 70% efisiensinya akan sama, pada 30% efisiensinya akan berbeda.
Peralatannya berbeda dalam karakteristiknya. Ada turbin dan boiler baru dan lama, dan ada unit dengan desain berbeda. Dengan memilih peralatan yang tepat dan memuatnya secara optimal pada titik efisiensi maksimum, Anda dapat mengurangi konsumsi bahan bakar, sehingga menghasilkan penghematan biaya atau margin yang lebih besar.
Bagaimana pabrik CHP mengetahui berapa banyak energi yang dibutuhkan untuk menghasilkan?
Perencanaan dilakukan tiga hari sebelumnya: dalam tiga hari komposisi peralatan yang direncanakan diketahui. Inilah turbin dan boiler yang akan dihidupkan. Secara relatif, kita mengetahui bahwa lima boiler dan sepuluh turbin akan beroperasi hari ini. Kita tidak dapat menyalakan peralatan lain atau mematikan peralatan yang direncanakan, tetapi kita dapat mengubah beban setiap boiler dari minimum ke maksimum, serta menambah dan mengurangi daya turbin. Langkah dari maksimum ke minimum adalah 15 hingga 30 menit, tergantung peralatannya. Tugasnya di sini sederhana: pilih mode optimal dan pertahankan, dengan mempertimbangkan penyesuaian operasional.
Dari manakah komposisi peralatan ini berasal? Penetapannya berdasarkan hasil perdagangan di pasar induk. Ada pasar untuk listrik dan listrik. Di pasar kapasitas, produsen mengajukan permohonan: βAda peralatan ini dan itu, ini kapasitas minimum dan maksimum, dengan mempertimbangkan rencana pemadaman untuk perbaikan. Kami dapat menyalurkan 150 MW dengan harga ini, 200 MW dengan harga ini, dan 300 MW dengan harga ini.β Ini adalah penerapan jangka panjang. Di sisi lain, konsumen besar juga mengajukan permintaan: βKita membutuhkan begitu banyak energi.β Harga spesifik ditentukan berdasarkan titik temu antara apa yang dapat disediakan oleh produsen energi dan apa yang konsumen ingin ambil. Kapasitas ini ditentukan untuk setiap jam dalam sehari.
Biasanya, pembangkit listrik tenaga panas memikul beban yang kira-kira sama sepanjang musim: di musim dingin produk utamanya adalah panas, dan di musim panas adalah listrik. Penyimpangan yang kuat paling sering dikaitkan dengan beberapa jenis kecelakaan di stasiun itu sendiri atau di pembangkit listrik yang berdekatan di zona harga yang sama di pasar grosir. Namun selalu ada fluktuasi, dan fluktuasi ini sangat mempengaruhi efisiensi ekonomi pabrik. Daya yang dibutuhkan dapat diambil oleh tiga buah boiler dengan beban 50% atau dua buah boiler dengan beban 75% dan lihat mana yang lebih efisien.
Marginalitasnya bergantung pada harga pasar dan biaya pembangkitan listrik. Di pasaran, harga mungkin menguntungkan untuk membakar bahan bakar, tetapi menjual listrik itu bagus. Atau mungkin pada jam tertentu Anda perlu mencapai minimum teknis dan melakukan cut loss. Anda juga perlu mengingat cadangan dan biaya bahan bakar: gas alam biasanya terbatas, dan gas di atas batas harganya jauh lebih mahal, belum lagi bahan bakar minyak. Semua ini memerlukan model matematis yang tepat untuk memahami permohonan mana yang harus diajukan dan bagaimana merespons perubahan keadaan.
Bagaimana hal itu dilakukan sebelum kami tiba
Hampir di atas kertas, berdasarkan karakteristik peralatan yang tidak terlalu akurat, yang sangat berbeda dari yang sebenarnya. Segera setelah pengujian peralatan, paling-paling, mereka akan menjadi plus atau minus 2% dari faktanya, dan setelah satu tahun - plus atau minus 7-8%. Pengujian dilakukan setiap lima tahun, seringkali lebih jarang.
Poin selanjutnya adalah semua perhitungan dilakukan pada bahan bakar referensi. Di Uni Soviet, sebuah skema diadopsi ketika bahan bakar konvensional tertentu dipertimbangkan untuk membandingkan stasiun berbeda yang menggunakan bahan bakar minyak, batu bara, gas, pembangkit listrik tenaga nuklir, dan sebagainya. Penting untuk memahami efisiensi burung beo dari setiap generator, dan bahan bakar konvensional adalah burung beo itu. Hal ini ditentukan oleh nilai kalor bahan bakar: satu ton bahan bakar standar kira-kira sama dengan satu ton batubara. Ada tabel konversi untuk berbagai jenis bahan bakar. Misalnya, untuk batubara coklat, indikatornya hampir dua kali lebih buruk. Tapi kandungan kalori tidak berhubungan dengan rubel. Ini seperti bensin dan solar: bukan fakta bahwa jika solar berharga 35 rubel, dan 92 berharga 32 rubel, maka solar akan lebih hemat dalam hal kandungan kalori.
Faktor ketiga adalah kompleksitas perhitungan. Secara konvensional, berdasarkan pengalaman karyawan, dua atau tiga opsi dihitung, dan lebih sering mode terbaik dipilih dari sejarah periode sebelumnya untuk beban dan kondisi cuaca yang serupa. Tentu saja, karyawan percaya bahwa mereka memilih mode yang paling optimal, dan percaya bahwa tidak ada model matematika yang dapat melampaui mode tersebut.
Kami datang. Untuk mengatasi masalah ini, kami sedang mempersiapkan kembaran digital - model simulasi stasiun. Ini adalah saat, dengan menggunakan pendekatan khusus, kami mensimulasikan semua proses teknologi untuk setiap peralatan, menggabungkan keseimbangan uap-air dan energi, serta memperoleh model pengoperasian pembangkit listrik termal yang akurat.
Untuk membuat model kami menggunakan:
- Desain dan spesifikasi peralatan.
- Karakteristik berdasarkan hasil pengujian peralatan terkini: setiap lima tahun stasiun menguji dan menyempurnakan karakteristik peralatan.
- Data dalam arsip sistem kontrol proses otomatis dan sistem akuntansi untuk semua indikator teknologi, biaya, dan pembangkitan panas dan listrik yang tersedia. Khususnya, data dari sistem pengukuran pasokan panas dan listrik, serta dari sistem telemekanik.
- Data dari strip kertas dan diagram lingkaran. Ya, metode analog untuk mencatat parameter pengoperasian peralatan masih digunakan di pembangkit listrik Rusia, dan kami sedang mendigitalkannya.
- Log kertas di stasiun di mana parameter utama mode dicatat secara konstan, termasuk yang tidak dicatat oleh sensor sistem kontrol proses otomatis. Gelandang berjalan berkeliling setiap empat jam, menulis ulang bacaan dan menuliskan semuanya dalam log.
Artinya, kami telah merekonstruksi kumpulan data tentang apa yang bekerja dalam mode apa, berapa banyak bahan bakar yang disuplai, berapa suhu dan konsumsi uapnya, dan berapa banyak energi panas dan listrik yang diperoleh pada keluarannya. Dari ribuan set tersebut, karakteristik setiap node perlu dikumpulkan. Untungnya kita sudah bisa memainkan game Data Mining ini sejak lama.
Mendeskripsikan objek kompleks seperti itu menggunakan model matematika sangatlah sulit. Dan bahkan lebih sulit lagi untuk membuktikan kepada chief engineer bahwa model kami menghitung mode operasi stasiun dengan benar. Oleh karena itu, kami mengambil jalur penggunaan sistem rekayasa khusus yang memungkinkan kami merakit dan men-debug model pembangkit listrik termal berdasarkan desain dan karakteristik teknologi peralatan tersebut. Kami memilih perangkat lunak Termoflow dari perusahaan Amerika TermoFlex. Sekarang analog Rusia telah muncul, tetapi pada saat itu paket khusus ini adalah yang terbaik di kelasnya.
Untuk setiap unit, desain dan karakteristik teknologi utamanya dipilih. Sistem ini memungkinkan Anda mendeskripsikan semuanya dengan sangat rinci baik pada tingkat logis maupun fisik, hingga menunjukkan tingkat endapan dalam tabung penukar panas.
Hasilnya, model sirkuit termal stasiun digambarkan secara visual dari sudut pandang para ahli teknologi energi. Ahli teknologi tidak memahami pemrograman, matematika, dan pemodelan, tetapi mereka dapat memilih desain suatu unit, input dan output unit, serta menentukan parameternya. Kemudian sistem itu sendiri memilih parameter yang paling sesuai, dan ahli teknologi menyempurnakannya untuk mendapatkan akurasi maksimum untuk seluruh rentang mode operasi. Kami menetapkan tujuan untuk diri kami sendiri - untuk memastikan akurasi model sebesar 2% untuk parameter teknologi utama dan mencapainya.
Hal ini ternyata tidak mudah untuk dilakukan: data awal tidak terlalu akurat, jadi selama beberapa bulan pertama kami berjalan di sekitar pembangkit listrik tenaga panas dan secara manual membaca indikator saat ini dari pengukur tekanan dan menyetel model ke kondisi sebenarnya. Pertama kami membuat model turbin dan boiler. Setiap turbin dan boiler telah diverifikasi. Untuk menguji model tersebut, kelompok kerja dibentuk dan perwakilan pembangkit listrik termal diikutsertakan di dalamnya.
Kemudian kami merakit semua peralatan ke dalam skema umum dan menyetel model CHP secara keseluruhan. Saya harus melakukan beberapa pekerjaan karena ada banyak data yang kontradiktif di arsip. Misalnya, kami menemukan mode dengan efisiensi keseluruhan 105%.
Saat Anda merakit rangkaian lengkap, sistem selalu mempertimbangkan mode seimbang: keseimbangan material, listrik, dan termal dikompilasi. Selanjutnya, kami mengevaluasi bagaimana segala sesuatu yang dirangkai sesuai dengan parameter mode sebenarnya berdasarkan indikator dari instrumen.
Apa yang terjadi
Hasilnya, kami menerima model proses teknis pembangkit listrik termal yang akurat, berdasarkan karakteristik aktual peralatan dan data historis. Hal ini memungkinkan prediksi menjadi lebih akurat dibandingkan berdasarkan karakteristik pengujian saja. Hasilnya adalah simulator proses pembangkit listrik yang sebenarnya, kembaran digital dari pembangkit listrik tenaga panas.
Simulator ini memungkinkan untuk menganalisis skenario βbagaimana jika...β berdasarkan indikator yang diberikan. Model ini juga digunakan untuk memecahkan masalah optimasi pengoperasian stasiun nyata.
Empat penghitungan pengoptimalan dapat diterapkan:
- Manajer shift stasiun mengetahui jadwal pasokan panas, perintah operator sistem diketahui, dan jadwal pasokan listrik diketahui: peralatan mana yang akan mengambil beban apa untuk mendapatkan margin maksimum.
- Pemilihan komposisi peralatan berdasarkan perkiraan harga pasar: untuk tanggal tertentu, dengan mempertimbangkan jadwal pemuatan dan perkiraan suhu udara luar, kami menentukan komposisi peralatan yang optimal.
- Mengajukan lamaran di pasar sehari sebelumnya: ketika komposisi peralatan diketahui dan terdapat perkiraan harga yang lebih akurat. Kami menghitung dan mengajukan aplikasi.
- Pasar penyeimbang sudah ada pada hari ini, ketika jadwal kelistrikan dan termal ditetapkan, namun beberapa kali sehari, setiap empat jam, perdagangan diluncurkan di pasar penyeimbang, dan Anda dapat mengajukan permohonan: βSaya meminta Anda untuk menambahkan 5 MW untuk beban saya.β Kita perlu mencari bagian bongkar muat tambahan ketika ini memberikan margin maksimum.
Pengujian
Untuk pengujian yang benar, kami perlu membandingkan mode pemuatan standar peralatan stasiun dengan rekomendasi perhitungan kami dalam kondisi yang sama: komposisi peralatan, jadwal pemuatan, dan cuaca. Selama beberapa bulan, kami memilih interval empat hingga enam jam dalam sehari dengan jadwal yang stabil. Mereka datang ke stasiun (seringkali pada malam hari), menunggu stasiun mencapai mode operasi, dan baru kemudian menghitungnya dalam model simulasi. Jika pengawas shift stasiun puas dengan semuanya, maka personel pengoperasian dikirim untuk memutar katup dan mengubah mode peralatan.
Indikator sebelum dan sesudah dibandingkan setelah kejadian. Selama jam sibuk, siang dan malam, akhir pekan dan hari kerja. Dalam setiap mode, kami mencapai penghematan bahan bakar (dalam tugas ini, marginnya bergantung pada konsumsi bahan bakar). Kemudian kami beralih sepenuhnya ke rezim baru. Harus dikatakan bahwa stasiun tersebut dengan cepat percaya pada keefektifan rekomendasi kami, dan menjelang akhir pengujian kami semakin memperhatikan bahwa peralatan beroperasi dalam mode yang telah kami hitung sebelumnya.
Hasil proyek
Fasilitas: CHP dengan sambungan silang, daya listrik 600 MW, daya thermal 2 Gcal.
Tim: CROC - tujuh orang (pakar teknologi, analis, insinyur), CHPP - lima orang (pakar bisnis, pengguna utama, spesialis).
Periode implementasi: 16 bulan.
Hasil:
- Kami mengotomatiskan proses bisnis dalam mempertahankan rezim dan bekerja di pasar grosir.
- Melakukan pengujian skala penuh untuk memastikan dampak ekonominya.
- Kami menghemat 1,2% bahan bakar karena redistribusi beban selama pengoperasian.
- Menghemat 1% bahan bakar berkat perencanaan peralatan jangka pendek.
- Kami mengoptimalkan penghitungan tahapan penerapan pada DAM sesuai dengan kriteria memaksimalkan keuntungan marjinal.
Efek akhirnya adalah sekitar 4%.
Perkiraan periode pengembalian proyek (ROI) adalah 1β1,5 tahun.
Tentu saja, untuk menerapkan dan menguji semua ini, kami harus mengubah banyak proses dan bekerja sama dengan manajemen pembangkit listrik termal dan perusahaan pembangkit secara keseluruhan. Tapi hasilnya pasti sepadan. Hal ini dimungkinkan untuk membuat stasiun kembaran digital, mengembangkan prosedur perencanaan optimasi dan memperoleh efek ekonomi yang nyata.
Sumber: www.habr.com