技术领域
[0001] 本
发明涉及塔式太阳能热电系统领域，特别是涉及一种基于联立方程模型的塔式太阳能热电系统运行优化方法。
背景技术
[0002] 太阳能是一种可再生的新
能源，储量丰富，并且具有清洁、环保、持续、长久的优势，越来越受到人们的广泛关注。美国能源部研究表明，目前太阳能聚光类发电中，塔式发电系统聚光倍数高，可得到较高的光热转换效率，更可能取代常规能源、实现大功率发电。太阳能热发电的主要原理是：
定日镜场反射聚焦太阳光至集热器，加热集热器中的工作介质，工作介质进入
蒸汽发生器换热，加热给
水使其产生高温蒸汽推动
汽轮机的运作，从而发电。
[0003] 太阳能间歇性这一特性的存在，要求
太阳能热电站加入储热系统，从而使得发电产出变得可控。这就要求对太阳能电站的操作运营包括发电量等进行优化调度。加入储热系统的意义在于，通过镜场集热器收集得到的太阳能，不再只能输送向发电装置部分，取而代之的，可以使其全部或者部分储进储热罐中，并在合适的时候再次取出来进行发电。
[0004] 塔式太阳能热电系统一般包括集热器、储热罐、管道和
蒸汽发生器。正常运行时一般要保证系统有稳定的功率输出，但经济效益上不是最优的。如果考虑电价的预测，通过储热系统能在高价格时间段释放更多热量，太阳能电站能够收到更大的收益。一种优秀的优化调度方法能够应对天气状况、环境
温度以及电价水平等方面的变化，以最佳的策略，尽可能快的对电站的操作运营作出诸如调整发电量等合理的调度，从而使得电站取得更大的收益。
[0005] 现有的针对塔式太阳能热电系统的优化调度策略，有的是针对一年的长时间段的根据不同季节进行调整的太阳能电站优化操作策略，有的是根据自由市场电价和子系统的输入输出关系进行一天内子系统间的静态
能量调度，也有调度策略使得电站产出量尽可能大但未与市场电价进行关联。这些优化方法并不是基于电站整体机理模型，也没有进行根据整
体模型进行实时动态调度，因此没有考虑运行中各参数的变化情况，无法对系统内存在的各种影响系统稳定安全运行的参数变化进行实施调控。
发明内容
[0006] 本发明提供了一种基于联立方程模型的塔式太阳能热电系统运行优化方法，使电站在市场电价下获得最高的收益，并且发电功率、
热能存储、工质流量以及工质温度都能满足电站正常安全运行的要求，达到保护电站设备、提高系统
稳定性的目的。
[0007] 本发明采用的技术方案如下：
[0008] (1)对热电系统各子系统进行分析，建立各子系统的动态数学模型。
[0009] 塔式太阳能电站的热电系统包括集热器、储热系统、蒸汽发生器和管路系统。在实际的生产过程中，由于
太阳辐射强度DNI和天气状况因素的变化，系统内的各变量也会随着时间变化，因此需要对各个模
块建立动态数学模型，也就是系统在动态过程中各种参数随着时间变化的数学描述。
[0010] 建立动态模型可以采用机理建模方法，根据各子系统的工作原理和换热方式，用
质量平衡、能量平衡和
流体传热平衡方程，以及传热工质的物性参数方程进行描述，分别建立接收器、管道、储热罐和蒸汽发生器子系统的动态数学模型。
[0011] 接收器模型表示为：
[0012]
[0013]
[0014] 其中，Amirror为定日镜总面积，I为太阳辐射强度，ξ为定日镜场的效率；ε为黑度，σ为
黑体辐射常数；Am为吸热器外部面积，Dm为吸热器外部直径，Tf为吸热器内工质温度，Ta为
环境温度，Af为吸热器内部面积，m1为流过吸热器内的工质流量，hm、hf为体积
对流传热系数。
[0015] 管道模型表示为：
[0016]
[0017]
[0018] 其中，τ1是与流体
密度、
比热、管径相关的常数，τ12、τ2是与管壁金属密度、比热、管径相关的常数，Ta为管道外环境温度，Tf为管内流体温度，Tw为管壁温度。
[0019] 储热罐模型表示为：
[0020]
[0021]
[0022] 其中，A为填充床的横截面积，m为流过储热罐的空气流量，Tf为储热罐内的工质温度，U为流体与环境之间的传热系数，Ta为环境温度，D为储热罐的直径。
[0023] 蒸汽发生器模型表示为：
[0024]
[0025]
[0026]
[0027] 式中，ρ为流体密度，D为单位面积的质量流速，h为流体比
焓，Q为单位长度的热流率，A为流道的横截面积，P为流体压
力。
[0028] (2)根据各子系统的动态数学模型，采用联立方程法建立塔式太阳能热电系统整体模型。
[0029] 对整体模型机理建模常用的方法有序贯模块法和联立方程法。就求解速度而言，特别是对于大规模流程工业，联立方程法所占的优势相对突出。塔式太阳能热电系统具有模型复杂且方程、变量数多的特点，具体表现在建模时涉及到大量的系统模型方程组，包括物性计算方程、能量平衡方程、流体换热方程，并且其中有大量的微分方程。故而，传统的序贯模块法求解这种变量多、稀疏性强、高度非线性的流程模拟方程时速度较慢；联立方程法则有较快的求解速度，更适合对塔式太阳能热电系统整体模型的求解。
[0030] 模拟的平台选用计算功能强大的过程模拟
软件gPROMS。根据建立的接收器、管道、储热罐和蒸汽发生器等主要子系统的动态数学模型，在gPROMS平台下建立起热电系统的各个子模型，然后按照输入输出关系通过模型连接方程进行联立。考虑系统在不同工况下的运行情况，按照不同运行模式时的流程结构分别进行连接，接着将DNI和传热工质流量作为模型输入，将蒸汽发生器功率和接收器出口传热工质温度作为模型输出，就可以得到塔式太阳能热电系统整体模型。
[0031] (3)考虑实时电价，以一天内电站收益最高为目标，热电系统参数的上下限为约束条件，构造优化问题。
[0032] 正常运行时要保证系统有稳定的功率输出，但经济效益上不是最优的。考虑电价的预测，储热系统能把低需求时间段的热量转换到高需求时间段的热量，这对于储存的热量来说，这是一个升值的过程，使得太阳能电站能够收到更大的收益。在给定当天每小时DNI数据以及市场电价的情况下，计划安排太阳能热电站每小时的发电量，使得当天电站所得收益最大化。
[0033] 研究塔式太阳能热电系统正常运行的优化策略，满足热电系统安全运行要求的同时尽可能使得能量输出达到最大值，优化目标为一天内电站的收益最高。假定市场电价每小时变动一次。因此第i小时的电站收益为该时段内的市场电价乘以该时段内的发电量：
[0034] η(i)＝Price(i)·Qi
[0035] 其中，η(i)为电站第i小时的收益，Price(i)为第i小时的市场电价，Qi是电站第i小时的发电量。
[0036] 当天总收益为各个小时收益的累加。目标函数可以表示为：
[0037]
[0038] 电站运行时需要满足整个系统的安全运行要求，需要考虑以下约束条件：
[0039] 1)储热罐有固定的容量，当储热罐中储存的热量达到上限则无法继续储存热量，相反，当储热罐中储存的热量过少时也不能提取热量；2)发电装置有其最大发电功率，当发电装置达到满功率运作时，即使蒸汽发生器提供更多的高温蒸汽去驱动汽轮机，也无法汽轮机达到更大的发电功率；3)
阀门开度有一定的范围，同时工质流量需要保证系统正常运行，因此各管路中的工质流量有上下限；4)考虑传热工质在不同温度下的稳定性、
腐蚀性等特性，以及接收器的使用寿命等因素，传热工质的温度也有上下限。约束条件可以表示为：
[0040] 储热罐储能约束:Qminch≤Qich≤Qmaxch
[0041] 发电功率约束:0≤Pi≤Pmax
[0042] 传热工质流量约束:mjmin≤mj≤mjmax
[0043] 传热工质温度约束：Tfmin≤Tjfa≤Tfmax
[0044] 其中，Qich为第i小时储热罐储存的能量，Qmaxch、Qminch为储热罐最大、最小储热量；Pi为第i小时的发电功率，Pmax为发电装置的最大发电功率；mj为第j
根管道内传热工质的流量，mjmax、mjmin为第j根管道内传热工质的流量的上下限；Tjfa为第j根管道内传热工质的温度，Tfmax、Tfmin为传热工质温度的上下限。
[0045] 因此，整个优化问题可以描述为：
[0046]
[0047] (4)利用控制向量参数化方法来求解优化问题，得到最优的热电系统运行调度策略。
[0048] 基于联立方程的塔式太阳能热电系统整体模型是复杂的非线性模型，存在各种约束条件，一般的优化方法难以解决这类模型的动态优化问题。控制向量参数化方法是一种解决过程动态优化问题的有效方法.该方法首先将控制变量离散化为有限时间段；然后在优化时域内对系统模型积分,将优化问题中的系统模型约束完全消去，减少了非线性规划中的变量个数；最后用NLP方法求解，得到优化控制参数。
[0049] CVP_SS方法基于控制向量参数化方法，并采用了打靶策略，该方法的思想是将两点边界值问题转化为初值问题进行计算，通过优化
算法确定每个控制区间的控制变量值以及持续时间。对于NLP非线性规划问题，借助gPROMS提供的基于SQP算法的SRQPD求解器和混合整数规划OAERAP求解器进行求解。
[0050] CVP_SS算法求解动态优化问题的实施流程如下：
[0051] 步骤一：设置控制变量、控制间隔的初始值，确定时间
节点数、约束变量上下限和优化时域；
[0052] 步骤二：通过控制参数将控制变量离散化，将优化时域[0,tf]分割为N个时间单元，在各时间单元内用分段常数函数逼近连续控制量,即u(t)＝ui，其中ti-1≤t
[0053] 步骤三：在整个优化时域内确定各变量的动态过程；
[0054] 步骤四：计算优化目标函数和约束变量，判断目标函数是否最优、约束条件是否满足。此时如果满足终止条件则算法终止转到步骤六，否则转到步骤五；
[0055] 步骤五：计算目标函数关于控制参数的梯度，调整控制变量和控制间隔，转到步骤二；
[0056] 步骤六：输出控制变量、约束变量的动态曲线以及优化目标值，得到最优的运行调度策略。
[0057] 当算法终止时，得到最优的热电系统运行策略，确定了系统各主要变量在运行时间内的动态变化过程。同时算法结果也给出了主要变量的变化曲线、最高收益值等信息。
[0058] 本发明的有益效果是：按照本发明提出基于联立方程模型的塔式太阳能热电系统运行优化方法，得到的最优运行优化策略，能够保证电站在市场电价下获得最高的收益，并且发电功率、热能存储、工质流量以及工质温度都能满足电站正常安全运行的要求，有利于保护电站设备、提高系统稳定性，为塔式太阳能热电站的运行提供参考依据。
附图说明
[0059] 图1是基于联立方程模型的塔式太阳能热电系统运行优化方法的
流程图；
[0060] 图2是
实施例中的塔式太阳能电站原理图；
[0061] 图3是实施例中某日8小时的实时电价；
[0062] 图4是实施例中优化后的蒸汽发生器功率曲线图；
[0063] 图5是实施例中优化后的储热罐中储存能量曲线图。
具体实施方式
[0064] 如图1所示，一种基于联立方程模型的塔式太阳能热电系统运行优化方法，实施步骤如下：
[0065] (1)对热电系统各子系统进行分析，建立各子系统的动态数学模型。
[0066] 塔式太阳能电站的热电系统包括集热器、储热系统、蒸汽发生器和管路系统。在实际的生产过程中，由于太阳辐射强度DNI和天气状况因素的变化，系统内的各个主要变量也会随着时间变化，因此需要对各个模块建立动态数学模型，也就是系统在动态过程中各种参数随着时间变化的数学描述。
[0067] 建立动态模型采用机理建模方法，根据各子系统的工作原理和换热方式，用质量平衡、能量平衡和流体传热平衡方程，以及传热工质的物性参数方程进行描述，分别建立接收器、管道、储热罐和蒸汽发生器等主要子系统的动态数学模型。
[0068] 在建模时做以下假设：接收器表面接收到的能流密度相同，只需要考虑DNI作为能量输入而不用考虑能流密度分布；传热工质为非压缩流体，可以认为每个子模型的入口工质流量等于出口工质流量。
[0069] 接收器模型表示为：
[0070]
[0071]
[0072] 其中，Amirror为定日镜总面积，I为太阳辐射强度，ξ为定日镜场的效率；ε为黑度；σ为黑体辐射常数；Am为吸热器外部面积，Dm为吸热器外部直径，Tf为吸热器内工质温度，Ta为环境温度，Af为吸热器内部面积，m1为流过吸热器内的工质流量，hm、hf为体积对流传热系数。
[0073] 管道模型表示为：
[0074]
[0075]
[0076] 其中，τ1是与流体密度、比热、管径相关的常数，τ12、τ2是与管壁金属密度、比热、管径相关的常数，Ta为管道外环境温度，Tf为管内流体温度，Tw为管壁温度。
[0077] 储热罐模型表示为：
[0078]
[0079]
[0080] 其中，A为填充床的横截面积，m为流过储热罐的空气流量，Tf为储热罐内的工质温度，U为流体与环境之间的传热系数，Ta为环境温度，D为储热罐的直径。
[0081] 蒸汽发生器模型表示为：
[0082]
[0083]
[0084]
[0085] 式中，ρ为流体密度，D为单位面积的质量流速，h为流体比焓，Q为单位长度的热流率，A为流道的横截面积，P为流体压力。
[0086] (2)根据各子系统的动态数学模型，采用联立方程法建立塔式太阳能热电系统整体模型。
[0087] 对整体模型机理建模常用的方法有序贯模块法和联立方程法。在序贯法中，系统可以看作由一个个子模块组成，由于各个子模块都有其自身特定的解法以及收敛准则，求解算法与模块不可分离。序贯模块法与实际过程联系紧密，直观性强，但是由于模块中信息流动方向固定，且拓扑结构具有多层次特点，因此在处理再循环流股和优化计算时都需要在多个不同层次上循环
迭代，耗时较大，计算效率不高。与序贯法相对的是联立方程法，联立方程法建模时，打破以往的模块化结构，将所有方程联立起来，将物性计算模块统一在模型内部，这样模拟与优化计算过程中就不需要多层迭代计算，从而可以大大提高求解效率。由于其收敛速度快，特别适用于多回路和交互作用比较强的情况。就求解速度而言，特别是对于大规模流程工业，联立方程法所占的优势就相对突出。
[0088] 塔式太阳能热电系统具有模型复杂且方程、变量数多的特点，具体表现在建模时涉及到大量的系统模型方程组，包括物性计算方程、能量平衡方程、流体换热方程，并且其中有大量的微分方程。故而，传统的序贯模块法求解这种变量多、稀疏性强、高度非线性的流程模拟方程时速度较慢；联立方程法则有较快的求解速度，更适合对塔式太阳能热电系统整体模型的求解。
[0089] 模拟的平台选用过程模拟软件gPROMS。它是目前在过程建模、仿真和优化应用中最先进和最通用的
软件包之一。gPROMS采用联立方程法求解，并且直接面向具有大规模、非线性、稀疏性强的化工数学模型，计算功能强大，求解速度快。
[0090] 根据建立的接收器、管道、储热罐和蒸汽发生器等主要子系统的动态数学模型，在gPROMS平台下建立起热电系统的各个子模型，然后按照输入输出关系通过模型连接方程进行联立。考虑系统在不同工况下的运行情况，按照不同运行模式时的流程结构分别进行连接，接着将DNI和传热工质流量作为模型输入，将蒸汽发生器功率和接收器出口传热工质温度作为模型输出，就可以得到塔式太阳能热电系统整体模型。
[0091] (3)考虑实时电价，以一天内电站收益最高为目标，热电系统参数的上下限为约束条件，构造优化问题。
[0092] 电站正常运行时要保证系统有稳定的功率输出，但经济效益上不是最优的。考虑电价的预测，储热系统能把低需求时间段的热量转换到高需求时间段的热量，两个时间段的电价有着很大的差别，而对于储存的热量来说，这是一个升值的过程，这使得太阳能电站能够收到更大的收益。在给定当天每小时DNI数据以及市场电价的情况下，计划安排太阳能热电站每小时的发电量，使得当天电站所得收益最大化。
[0093] 研究塔式太阳能热电系统正常运行的优化策略，满足热电系统安全运行要求的同时尽可能使得能量输出达到最大值，优化目标为一天内电站的收益最高。对市场电价与电价预测进行简化，在优化控制策略中使用已统计公布的历史电价数据作为预测得到的数据，而各个时段中电站产出的电量都能以当前时段的自由市场的电价卖出，并且市场电价每小时变动一次。因此第i小时的电站收益为该时段内的市场电价乘以该时段内的发电量：
[0094] η(i)＝Price(i)·Qi
[0095] 其中，η(i)为电站第i小时的收益，Price(i)为第i小时的市场电价，Qi是电站第i小时的发电量。
[0096] 当天总收益为各个小时收益的累加。目标函数可以表示为：
[0097]
[0098] 电站运行时需要满足整个系统的安全运行要求，需要考虑以下约束条件：
[0099] 1)储热罐有固定的容量，当储热罐中储存的热量达到上限则无法继续储存热量，相反，当储热罐中储存的热量过少时也不能提取热量；2)发电装置有其最大发电功率，当发电装置达到满功率运作时，即使蒸汽发生器提供更多的高温蒸汽去驱动汽轮机，也无法汽轮机达到更大的发电功率；3)阀门开度有一定的范围，同时工质流量需要保证系统正常运行，因此各管路中的工质流量有上下限；4)考虑传热工质在不同温度下的稳定性、腐蚀性等特性，以及接收器的使用寿命等因素，传热工质的温度也有上下限。约束条件表示为：
[0100] 储热罐储能约束:Qminch≤Qich≤Qmaxch
[0101] 发电功率约束:0≤Pi≤Pmax
[0102] 传热工质流量约束:mjmin≤mj≤mjmax
[0103] 传热工质温度约束：Tfmin≤Tjfa≤Tfmax
[0104] 其中，Qich为第i小时储热罐储存的能量，Qmaxch、Qminch为储热罐最大、最小储热量；Pi为第i小时的发电功率，Pmax为发电装置的最大发电功率；mj为第j根管道内传热工质的流量，mjmax、mjmin为第j根管道内传热工质的流量的上下限；Tjfa为第j根管道内传热工质的温度，Tfmax、Tfmin为传热工质温度的上下限。
[0105] 因此，整个优化问题可以描述为：
[0106]
[0107] (4)利用控制向量参数化方法来求解优化问题，得到最优的热电系统运行调度策略。
[0108] 基于联立方程的塔式太阳能热电系统整体模型是复杂的非线性模型，存在各种约束条件，一般用间接方法和迭代动态规划方法难以解决这类模型的动态优化问题。控制向量参数化方法(CVP)是一种解决过程动态优化问题的有效方法。该方法首先将控制变量离散化为有限时间段；然后在优化时域内对系统模型积分，将优化问题中的系统模型约束完全消去，减少了非线性规划(NLP)中的变量个数；最后用NLP方法求解,以得到优化控制参数。
[0109] 用于动态优化的CVP_SS方法基于CVP方法，并采用了打靶策略,该方法的思想是将两点边界值问题转化为初值问题进行计算，通过
优化算法确定每个控制区间的控制变量值以及持续时间。
[0110] CVP_SS的优化计算部分描述如下：
[0111] 设定决策变量(即控制变量)的初始值，其中，将连续型变量表示为x,而离散型的表示为y。
[0112] Step0：初始化，设置目标函数的当前可行值Φbest＝+∞，最优解对应的目标函数的值ΦLB＝+∞。
[0113] Step1：求解全松弛问题
[0114] ①求解连续的NLP优化问题，将所有离散变量视为连续变量(即在其上下边界内取一定值)，以确定决策变量(包括连续型的x和离散型的y)的最优值和目标函数的对应值ΦFR；
[0115] ②如果上述问题不可行，终止，即原问题不可行；
[0116] ③如果在上述问题的解处，所有的优化决策变量有离散值，则结束(此时,原问题的优化解即为xFR、yFR，而目标函数的值为ΦFR)。
[0117] Step2：求解主问题
[0118] ①构造混合整数线性规划问题，首先需要解决连续优化问题求解时目标函数和约束的线性化，并且排列所有离散型决策变量的组合；
[0119] ②求解混整线性规划问题以确定连续和离散型决策变量的值(xMP，yMP)和对应的目标函数值ΦMP；
[0120] ③如果上述问题不可行，或者目标函数的最优值Φbest和当前值ΦMP的差的绝对值小于εmax(1；|Φbest|)，则终止(如果Φbest＝+∞则原问题也不可行)，否则(xbest；ybest)为最优值，而Φbest为对应的目标函数值。
[0121] ④由于混整线性规划问题改变了最优解的边界，因此需要更新目标值ΦLB:＝ΦMP。
[0122] Step3：求解原优化问题
[0123] ①将所有需优化的离散决策变量固定于它们的当前值；
[0124] ②再次求解连续优化问题(NLP)，以确定新的目标函数的值ΦPR和决策变量的优化值xPR；
[0125] ③如果上述NLP可行并且ΦPR<Φbest，则更新Φbest＝ΦPR；xbest＝xPR；ybest＝yPR；
[0126] Step 4：进行迭代
[0127] ①给定离散的决策变量的下一个解集，令yPR＝yMP；
[0128] ②回Step 2；
[0129] 对于NLP非线性规划问题,方法，借助gPROMS提供的基于SQP算法的SRQPD求解器和混合整数规划OAERAP求解器进行求解。CVP_SS算法终止时得到控制参数的最优解。
[0130] CVP_SS算法求解动态优化问题的实施流程如下：
[0131] 步骤一：设置控制变量、控制间隔的初始值，确定时间节点数、约束变量上下限和优化时域；
[0132] 步骤二：通过控制参数将控制变量离散化，将优化时域[0,tf]分割为N个时间单元，在各时间单元内用分段常数函数逼近连续控制量,即u(t)＝ui，其中ti-1≤t
[0133] 步骤三：在整个优化时域内确定各变量的动态过程；
[0134] 步骤四：计算优化目标函数和约束变量，判断目标函数是否最优、约束条件是否满足。此时如果满足终止条件则算法终止转到步骤六，否则转到步骤五；
[0135] 步骤五：计算目标函数关于控制参数的梯度，调整控制变量和控制间隔，转到步骤二；
[0136] 步骤六：输出控制变量、约束变量的动态曲线以及优化目标值，得到最优的运行调度策略。
[0137] 当算法终止时，得到最优的热电系统运行策略，确定了系统各主要变量在运行时间内的动态变化过程。此策略保证在市场电价下电站获得最高的收益，并使得发电功率、热能存储、工质流量以及工质温度都满足电站正常安全运行的要求，达到保护电站设备、提高系统稳定性的目的。同时算法结果也给出了主要变量的变化曲线、最高收益值等信息。
[0138] 本发明实施例应用于西班牙的一个塔式太阳能热发电站，该电站以常压空气作为传热工质，其工作原理如图2所示。电站采用容积式开路空气接收器、单罐式储热系统以及螺旋管式直流蒸汽发生器，发电功率1MW，接收器出口温度设定值为700℃。模拟的时间为9:00-17:00，时长8小时。假设某日的市场电价如图3所示，在gPROMS平台下对电站运行进行模拟。采用稳定功率输出时，电站得到的总收益为230EUR；实施本发明提出的基于联立方程模型的塔式太阳能热电系统运行优化方法后，电站得到的总收益为270EUR，优化后的蒸汽发生器功率和储热罐能量的变化曲线如图4和图5所示。两者对比结果表明，经过运行优化后，电站能在市场电价下获得最高的收益，同时主要运行参数都能满足电站正常安全运行的要求。优化算法实施过程中，共进行了8次迭代。
