모드 최적화를 위한 실제 화력 발전소 운영 시뮬레이션: 증기 및 수학

대규모 화력발전소가 있다. 평소와 같이 작동합니다. 가스를 태우고 주택 난방을 위해 열을 생성하며 일반 네트워크를 위해 전기를 생성합니다. 첫 번째 작업은 난방입니다. 두 번째는 생산된 전력을 모두 도매시장에 판매하는 것이다. 가끔 추운 날씨에도 맑은 하늘 아래 눈이 내리는 경우가 있는데 이는 냉각탑 가동에 따른 부작용이다.

평균 화력 발전소는 수십 개의 터빈과 보일러로 구성됩니다. 필요한 전기량과 열 발생량을 정확하게 알고 있다면 연료 비용을 최소화하는 것이 과제입니다. 이 경우, 장비 작동의 가능한 최고 효율성을 달성하기 위해 터빈과 보일러의 부하 구성과 비율을 선택하는 것으로 계산이 이루어집니다. 터빈과 보일러의 효율성은 장비 유형, 수리 없는 작동 시간, 작동 모드 등에 따라 크게 달라집니다. 알려진 전기 가격과 열량을 고려하여 도매 시장에서 최대 이익을 얻기 위해 얼마나 많은 전기를 생산하고 판매할지 결정해야 하는 경우 또 다른 문제가 있습니다. 그렇다면 최적화 요소인 이익과 장비 효율성은 훨씬 덜 중요합니다. 그 결과 장비는 완전히 비효율적으로 작동하지만 생산된 전기량 전체를 최대 마진으로 판매할 수 있는 상황이 발생할 수 있습니다.

이론적으로 이 모든 것은 오랫동안 명확했고 아름답게 들렸습니다. 문제는 이를 실제로 어떻게 하느냐는 것이다. 우리는 각 장비의 작동과 전체 스테이션 전체에 대한 시뮬레이션 모델링을 시작했습니다. 우리는 화력 발전소에 와서 모든 구성 요소의 매개변수를 수집하고 실제 특성을 측정하고 다양한 모드에서의 작동을 평가하기 시작했습니다. 이를 바탕으로 정확한 모델을 만들어 각 장비의 작동을 시뮬레이션하고 이를 최적화 계산에 사용했습니다. 앞으로는 단순히 수학 덕분에 실제 효율성이 약 4% 정도 향상되었다고 말씀드리고 싶습니다.

일어난. 하지만 우리의 결정을 설명하기 전에 의사 결정 논리의 관점에서 CHP가 어떻게 작동하는지 이야기하겠습니다.

기본적인 것들

발전소의 주요 구성요소는 보일러와 터빈이다. 터빈은 고압 증기에 의해 구동되며, 증기는 발전기를 회전시켜 전기를 생산합니다. 남은 증기 에너지는 난방과 온수에 사용됩니다. 보일러는 증기가 생성되는 곳입니다. 보일러를 가열하고 증기 터빈을 가속하는 데는 많은 시간(시간)이 소요되며 이는 직접적인 연료 손실입니다. 부하 변경도 마찬가지입니다. 이러한 사항을 미리 계획해야 합니다.

CHP 장비에는 가정과 산업 소비자에게 충분한 열을 제공할 수 있는 최소이지만 안정적인 작동 모드를 포함하는 기술적 최소값이 있습니다. 일반적으로 필요한 열량은 날씨(공기 온도)에 따라 직접적으로 달라집니다.

각 장치에는 효율성 곡선과 최대 작동 효율성 지점이 있습니다. 이러한 부하에서 보일러와 터빈은 가장 저렴한 전기를 제공합니다. 저렴함 - 특정 연료 소비가 최소화된다는 점에서.

러시아에 있는 대부분의 열병합 발전소는 병렬 연결을 사용하며 모든 보일러는 하나의 증기 수집기에서 작동하고 모든 터빈도 하나의 증기 수집기에 의해 구동됩니다. 이렇게 하면 장비를 적재할 때 유연성이 추가되지만 계산이 크게 복잡해집니다. 또한 스테이션 장비는 증기압이 다른 여러 수집기에서 작동하는 부품으로 구분됩니다. 그리고 펌프, 팬, 냉각탑의 작동, 그리고 솔직히 말하면 화력 발전소 울타리 바로 밖의 사우나와 같은 내부 요구 사항에 대한 비용을 추가하면 악마의 다리가 부러 질 것입니다.

모든 장비의 특성은 비선형적입니다. 각 장치에는 효율성이 더 높거나 낮은 구역이 있는 곡선이 있습니다. 이는 부하에 따라 다릅니다. 70%에서는 효율성이 30이 되고, XNUMX%에서는 효율성이 달라집니다.

장비의 특성이 다릅니다. 새롭고 오래된 터빈과 보일러가 있으며 다양한 디자인의 장치가 있습니다. 장비를 올바르게 선택하고 최대 효율 지점에 최적으로 적재하면 연료 소비를 줄여 비용 절감이나 마진 증대로 이어질 수 있습니다.

CHP 발전소는 생산에 필요한 에너지 양을 어떻게 알 수 있나요?

계획은 15일 전에 수행됩니다. 30일 이내에 계획된 장비 구성이 알려집니다. 이것이 켜질 터빈과 보일러입니다. 상대적으로 말하면 오늘날 보일러 XNUMX개와 터빈 XNUMX개가 가동될 것이라는 것을 우리는 알고 있습니다. 다른 장비를 켜거나 계획된 장비를 끌 수는 없지만 각 보일러의 부하를 최소에서 최대로 변경하고 터빈의 전력을 늘리거나 줄일 수 있습니다. 최대에서 최소까지의 단계는 장비에 따라 XNUMX~XNUMX분입니다. 여기서 작업은 간단합니다. 작동 조정을 고려하여 최적의 모드를 선택하고 유지하는 것입니다.

이 장비 구성은 어디에서 왔습니까? 도매시장에서의 거래결과를 토대로 결정하였습니다. 용량과 전력에 대한 시장이 있습니다. 용량 시장에서 제조업체는 다음과 같은 신청서를 제출합니다. “그러한 장비가 있으며 이는 계획된 수리 중단을 고려한 최소 및 최대 용량입니다. 이 가격으로 150MW, 이 가격으로 200MW, 이 가격으로 300MW를 제공할 수 있습니다.” 이는 장기적인 적용입니다. 반면 대형 소비자들은 “에너지가 너무 많이 필요하다”고 요구하기도 한다. 구체적인 가격은 에너지 생산자가 제공할 수 있는 것과 소비자가 기꺼이 받아들이는 것의 교차점에서 결정됩니다. 이러한 용량은 하루 중 시간별로 결정됩니다.

일반적으로 화력 발전소는 계절 내내 거의 동일한 부하를 전달합니다. 즉, 겨울에는 열이, 여름에는 전기가 주요 생산물입니다. 큰 편차는 역 자체 또는 도매 시장의 동일한 가격 구역에 있는 인접한 발전소에서 발생하는 일종의 사고와 가장 흔히 관련됩니다. 그러나 항상 변동이 있으며 이러한 변동은 플랜트의 경제적 효율성에 큰 영향을 미칩니다. 필요한 전력은 부하가 50%인 보일러 75개 또는 부하가 XNUMX%인 보일러 XNUMX개로 어느 것이 더 효율적인지 확인할 수 있습니다.

한계성은 시장 가격과 발전 비용에 따라 달라집니다. 시장에서는 연료를 태우는 것이 수익성이 있을 정도로 가격이 높을 수 있지만 전기를 판매하는 것이 좋습니다. 또는 특정 시간에 기술적 최소 수준으로 이동하여 손실을 줄여야 할 수도 있습니다. 또한 연료 매장량과 비용도 기억해야 합니다. 천연가스는 일반적으로 제한되어 있으며, 연료유는 말할 것도 없고 한도를 초과하는 가스는 눈에 띄게 더 비쌉니다. 이 모든 것에는 제출할 신청서와 변화하는 상황에 대응하는 방법을 이해하기 위한 정확한 수학적 모델이 필요합니다.

우리가 도착하기 전에 어떻게 됐는지

실제 장비와 크게 다른 장비의 정확하지 않은 특성을 기반으로 한 거의 종이에 있습니다. 장비를 테스트한 직후에는 기껏해야 사실의 ±2%가 되고, 7년 후에는 ±8~XNUMX%가 됩니다. 테스트는 XNUMX년마다 수행되며, 그 빈도는 더 낮습니다.

다음 요점은 모든 계산이 기준 연료에서 수행된다는 것입니다. 소련에서는 연료 유, 석탄, 가스, 원자력 발전 등을 사용하는 여러 스테이션을 비교하기 위해 특정 재래식 연료를 고려할 때 계획이 채택되었습니다. 각 발전기의 앵무새의 효율을 이해하는 것이 필요했고, 기존의 연료는 바로 앵무새입니다. 이는 연료의 발열량에 따라 결정됩니다. 표준 연료 35톤은 석탄 92톤과 대략 같습니다. 다양한 유형의 연료에 대한 변환표가 있습니다. 예를 들어, 갈탄의 경우 지표가 거의 두 배나 나쁩니다. 그러나 칼로리 함량은 루블과 관련이 없습니다. 휘발유와 디젤과 같습니다. 디젤의 가격이 32 루블이고 XNUMX의 비용이 XNUMX 루블이라면 디젤이 칼로리 함량 측면에서 더 효율적이라는 것은 사실이 아닙니다.

세 번째 요소는 계산의 복잡성입니다. 일반적으로 직원의 경험을 바탕으로 두세 가지 옵션이 계산되며, 유사한 부하 및 기상 조건에 대해 이전 기간의 이력에서 가장 적합한 모드가 선택되는 경우가 더 많습니다. 당연히 직원들은 자신이 가장 최적의 모드를 선택하고 있다고 믿으며 어떤 수학적 모델도 이를 능가할 수 없다고 믿습니다.

우리는오고있다. 이 문제를 해결하기 위해 우리는 정거장의 시뮬레이션 모델인 디지털 트윈을 준비하고 있습니다. 이는 특별한 접근 방식을 사용하여 각 장비에 대한 모든 기술 프로세스를 시뮬레이션하고 증기-물 및 에너지 균형을 결합하고 화력 발전소 운영에 대한 정확한 모델을 얻는 경우입니다.

우리가 사용하는 모델을 생성하려면:

• 장비의 설계 및 사양.
• 최신 장비 테스트 결과에 따른 특성: XNUMX년마다 스테이션에서 장비 특성을 테스트하고 개선합니다.
• 사용 가능한 모든 기술 지표, 비용, 열 및 전기 생성에 대한 자동화된 프로세스 제어 시스템 및 회계 시스템 아카이브의 데이터입니다. 특히 열 및 전기 공급을 위한 계량 시스템과 원격 기계 시스템의 데이터입니다.
• 종이 스트립 및 원형 차트의 데이터입니다. 예, 장비 작동 매개변수를 기록하는 아날로그 방법은 여전히 ​​러시아 발전소에서 사용되고 있으며 우리는 이를 디지털화하고 있습니다.
• 자동화된 공정 제어 시스템의 센서에 의해 기록되지 않는 매개변수를 포함하여 모드의 주요 매개변수가 지속적으로 기록되는 스테이션의 종이 기록입니다. 전위는 XNUMX시간마다 돌아다니며 판독값을 다시 쓰고 모든 것을 로그에 기록합니다.

즉, 우리는 어떤 모드에서 작동했는지, 연료가 얼마나 공급되었는지, 온도와 증기 소비량이 얼마인지, 출력에서 ​​얻은 열 및 전기 에너지의 양에 대한 데이터 세트를 재구성했습니다. 수천 개의 이러한 세트에서 각 노드의 특성을 수집해야 했습니다. 다행스럽게도 우리는 이 데이터마이닝 게임을 오랫동안 플레이할 수 있었습니다.

수학적 모델을 사용하여 이러한 복잡한 개체를 설명하는 것은 매우 어렵습니다. 그리고 우리 모델이 스테이션의 작동 모드를 올바르게 계산한다는 사실을 수석 엔지니어에게 증명하는 것이 훨씬 더 어렵습니다. 따라서 우리는 장비의 설계 및 기술적 특성을 기반으로 화력발전소 모델을 조립하고 디버깅할 수 있는 전문 엔지니어링 시스템을 사용하는 길을 택했습니다. 우리는 미국 회사인 TermoFlex의 Termoflow 소프트웨어를 선택했습니다. 이제 러시아어 유사품이 등장했지만 당시에는 이 특정 패키지가 동급 최고였습니다.

각 유닛마다 디자인과 주요 기술적 특성이 선택됩니다. 이 시스템을 사용하면 열교환기 튜브의 침전물 정도를 표시하는 것까지 논리적, 물리적 수준 모두에서 모든 것을 아주 자세하게 설명할 수 있습니다.

결과적으로 스테이션의 열 회로 모델은 에너지 기술자의 관점에서 시각적으로 설명됩니다. 기술자는 프로그래밍, 수학 및 모델링을 이해하지 못하지만 장치 설계, 장치의 입력 및 출력을 선택하고 이에 대한 매개변수를 지정할 수 있습니다. 그런 다음 시스템 자체가 가장 적합한 매개변수를 선택하고 기술자는 이를 개선하여 전체 작동 모드 범위에 대해 최대 정확도를 얻습니다. 우리는 주요 기술 매개변수에 대해 2%의 모델 정확도를 보장한다는 목표를 설정하고 이를 달성했습니다.

이는 쉽지 않은 것으로 판명되었습니다. 초기 데이터가 그다지 정확하지 않았기 때문에 처음 몇 달 동안 우리는 화력 발전소를 돌아다니며 압력 게이지에서 현재 표시기를 수동으로 판독하고 모델을 다음과 같이 조정했습니다. 실제 조건. 먼저 우리는 터빈과 보일러의 모델을 만들었습니다. 각 터빈과 보일러가 검증되었습니다. 모델을 테스트하기 위해 실무 그룹이 구성되었고 화력 발전소 대표가 포함되었습니다.

그런 다음 모든 장비를 일반 구성표로 조립하고 CHP 모델을 전체적으로 조정했습니다. 아카이브에 모순되는 데이터가 많아서 작업을 해야 했어요. 예를 들어, 전체 효율이 105%인 모드를 찾았습니다.

완전한 회로를 조립할 때 시스템은 항상 균형 모드를 고려합니다. 즉, 재료, 전기 및 열 균형이 컴파일됩니다. 다음으로, 우리는 계측기의 표시기에 따라 조립된 모든 것이 모드의 실제 매개변수와 어떻게 일치하는지 평가합니다.

어떻게 된 거예요

그 결과, 장비의 실제 특성과 과거 데이터를 기반으로 화력발전소의 기술 프로세스에 대한 정확한 모델을 얻었습니다. 이를 통해 테스트 특성만을 기반으로 하는 것보다 더 정확한 예측이 가능해졌습니다. 그 결과 화력 발전소의 디지털 트윈인 실제 플랜트 프로세스의 시뮬레이터가 탄생했습니다.

이 시뮬레이터를 사용하면 주어진 지표를 기반으로 "만약..." 시나리오를 분석할 수 있습니다. 이 모델은 실제 스테이션의 운영 최적화 문제를 해결하는 데에도 사용되었습니다.

네 가지 최적화 계산을 구현하는 것이 가능했습니다.

1. 스테이션 교대 관리자는 열 공급 일정을 알고 있으며, 시스템 운영자의 명령을 알고 있으며, 전기 공급 일정도 알고 있습니다. 즉, 최대 마진을 얻기 위해 어떤 장비가 어떤 부하를 감당할지 알고 있습니다.
2. 시장 가격 예측을 기반으로 장비 구성 선택: 특정 날짜에 대한 부하 일정 및 외기 온도 예측을 고려하여 최적의 장비 구성을 결정합니다.
3. 하루 전에 시장에 신청서를 제출하는 경우: 장비의 구성이 알려져 있고 보다 정확한 가격 예측이 있는 경우. 우리는 신청서를 계산하고 제출합니다.
4. 밸런싱 시장은 이미 전기 및 열 일정이 확정된 현재 날짜 내에 있지만 하루에 여러 번, 5시간마다 밸런싱 시장에서 거래가 시작되며 신청서를 제출할 수 있습니다. 내 부하에 XNUMXMW.” 이것이 최대 마진을 제공할 때 추가 로딩 또는 언로딩의 비율을 찾아야 합니다.

테스트

올바른 테스트를 위해 우리는 스테이션 장비의 표준 부하 모드를 장비 구성, 부하 일정 및 날씨와 같은 동일한 조건에서 계산된 권장 사항과 비교해야 했습니다. 몇 달 동안 우리는 안정적인 일정으로 하루 중 XNUMX~XNUMX시간 간격을 선택했습니다. 그들은 (종종 밤에) 역에 와서 역이 작동 모드에 도달할 때까지 기다렸다가 시뮬레이션 모델에서 이를 계산했습니다. 스테이션 교대 감독관이 모든 것에 만족하면 운영 인력을 파견하여 밸브를 돌리고 장비 모드를 변경했습니다.

사후에 전후 지표를 비교하였습니다. 성수기, 낮과 밤, 주말과 주중에. 각 모드에서 연료 절감을 달성했습니다(이 작업에서 마진은 연료 소비에 따라 다름). 그런 다음 우리는 새로운 체제로 완전히 전환했습니다. 방송국은 우리 권장 사항의 효율성을 빠르게 믿었으며 테스트가 끝날 무렵 장비가 이전에 계산한 모드에서 작동하고 있다는 사실을 점점 더 많이 발견했습니다.

프로젝트 성과

시설: 교차 연결을 갖춘 CHP, 전력 600MW, 화력 2Gcal.

팀: CROC - XNUMX명(기술 전문가, 분석가, 엔지니어), CHPP - XNUMX명(비즈니스 전문가, 핵심 사용자, 전문가).
시행 기간: 16개월.

결과 :

• 우리는 체제 유지 및 도매 시장 업무 프로세스를 자동화했습니다.
• 경제적 효과를 확인하기 위해 전면 테스트를 실시했습니다.
• 운행 중 부하 재분배로 연료를 1,2% 절약했습니다.
• 단기적인 장비 계획으로 연료 1% 절감.
• 한계 이익 극대화 기준에 따라 DAM의 적용 단계 계산을 최적화했습니다.

최종 효과는 약 4%이다.

프로젝트의 예상 투자 회수 기간(ROI)은 1~1,5년입니다.

물론 이 모든 것을 구현하고 테스트하기 위해 우리는 많은 프로세스를 변경하고 화력 발전소 경영진 및 발전 회사 전체와 긴밀히 협력해야 했습니다. 그러나 결과는 확실히 그만한 가치가 있었습니다. 역의 디지털 트윈을 생성하고 최적화 계획 절차를 개발하며 실질적인 경제적 효과를 얻을 수 있었습니다.

출처 : habr.com