[go: up one dir, main page]

DE102005029818A1 - Verfahren und Vorrichtung zur Bereitstellung einer ökonomischen Analyse von Stromerzeugung und -verteilung - Google Patents

Verfahren und Vorrichtung zur Bereitstellung einer ökonomischen Analyse von Stromerzeugung und -verteilung Download PDF

Info

Publication number
DE102005029818A1
DE102005029818A1 DE102005029818A DE102005029818A DE102005029818A1 DE 102005029818 A1 DE102005029818 A1 DE 102005029818A1 DE 102005029818 A DE102005029818 A DE 102005029818A DE 102005029818 A DE102005029818 A DE 102005029818A DE 102005029818 A1 DE102005029818 A1 DE 102005029818A1
Authority
DE
Germany
Prior art keywords
power
power generation
objective function
generation system
module
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.)
Ceased
Application number
DE102005029818A
Other languages
English (en)
Inventor
Frederick C. Huff
Xu Cheng
Peter N. Francino
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Emerson Process Management Power and Water Solutions Inc
Original Assignee
Emerson Process Management Power and Water Solutions Inc
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Emerson Process Management Power and Water Solutions Inc filed Critical Emerson Process Management Power and Water Solutions Inc
Publication of DE102005029818A1 publication Critical patent/DE102005029818A1/de
Ceased legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G06COMPUTING OR CALCULATING; COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/04Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • GPHYSICS
    • G06COMPUTING OR CALCULATING; COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/40Data acquisition and logging
    • GPHYSICS
    • G06COMPUTING OR CALCULATING; COUNTING
    • G06QINFORMATION 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
    • G06Q10/00Administration; Management
    • G06Q10/06Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • GPHYSICS
    • G06COMPUTING OR CALCULATING; COUNTING
    • G06QINFORMATION 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
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • GPHYSICS
    • G06COMPUTING OR CALCULATING; COUNTING
    • G06QINFORMATION 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
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06Energy or water supply
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00Circuit arrangements for AC mains or AC distribution networks
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00Circuit arrangements for AC mains or AC distribution networks
    • H02J3/007Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources
    • H02J3/0075Arrangements for selectively connecting the load or loads to one or several among a plurality of power lines or power sources for providing alternative feeding paths between load and source according to economic or energy efficiency considerations, e.g. economic dispatch
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00Circuit arrangements for AC mains or AC distribution networks
    • H02J3/38Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/46Controlling of the sharing of output between the generators, converters, or transformers
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02JCIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00Circuit arrangements for AC mains or AC distribution networks
    • H02J3/38Arrangements for parallely feeding a single network by two or more generators, converters or transformers
    • H02J3/46Controlling of the sharing of output between the generators, converters, or transformers
    • H02J3/50Controlling the sharing of the out-of-phase component
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02PCONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
    • H02P9/00Arrangements for controlling electric generators for the purpose of obtaining a desired output
    • HELECTRICITY
    • H02GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02PCONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
    • H02P9/00Arrangements for controlling electric generators for the purpose of obtaining a desired output
    • H02P9/10Control effected upon generator excitation circuit to reduce harmful effects of overloads or transients, e.g. sudden application of load, sudden removal of load, sudden change of load
    • H02P9/105Control effected upon generator excitation circuit to reduce harmful effects of overloads or transients, e.g. sudden application of load, sudden removal of load, sudden change of load for increasing the stability
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02BCLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B70/00Technologies for an efficient end-user side electric power management and consumption
    • Y02B70/30Systems integrating technologies related to power network operation and communication or information technologies for improving the carbon footprint of the management of residential or tertiary loads, i.e. smart grids as climate change mitigation technology in the buildings sector, including also the last stages of power distribution and the control, monitoring or operating management systems at local level
    • Y02B70/3225Demand response systems, e.g. load shedding, peak shaving
    • YGENERAL 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
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02EREDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E10/00Energy generation through renewable energy sources
    • Y02E10/70Wind energy
    • Y02E10/72Wind turbines with rotation axis in wind direction
    • YGENERAL 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
    • Y04INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04SSYSTEMS 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
    • Y04S20/00Management or operation of end-user stationary applications or the last stages of power distribution; Controlling, monitoring or operating thereof
    • Y04S20/20End-user application control systems
    • Y04S20/222Demand response systems, e.g. load shedding, peak shaving

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Power Engineering (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Health & Medical Sciences (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Water Supply & Treatment (AREA)
  • Educational Administration (AREA)
  • Public Health (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Computer Hardware Design (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Supply And Distribution Of Alternating Current (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Control Of Eletrric Generators (AREA)

Abstract

Ein ökonomisches Verteilungsprogramm teilt optimal eine Lastanforderung, welche von einem Kraftwerk zu produzierende Wirkleistung und Blindleistung spezifiziert, unter verschiedenen Stromgeneratoren auf solche Weise zu, dass jeder der Stromgeneratoren innerhalb eines optimalen Betriebsraums arbeitet, wie dieser durch eine Blindleistungskurve definiert ist. Die Zuteilung einer Lastanforderung unter Berücksichtigung der Wirkleistungskurven der Stromgeneratoren führt zu einer optimalen Erzeugung von Wirkleistung und Blindleistung, wie sie von der Lastanforderung spezifiziert ist. Alternativ teilt das ökonomische Verteilungsprogramm eine Lastanforderung, welche von einem Hochspannungsnetz zu produzierende Wirkleistung und Blindleistung spezifiziert, unter verschiedenen Kraftwerken zu, wobei eines oder mehrere der verschiedenen Kraftwerke Kapazitätsgrenzen haben, welche durch Wirkleistungskurven gezeigt werden.

Description

  • Technisches Gebiet
  • Dieses Patent betrifft allgemein Computersoftware und insbesondere Computersoftware, die in elektrischen Stromerzeugungs- und -verteilungssystemen verwendet wird.
  • Hintergrund
  • Nahezu jeder Lebensaspekt im einundzwanzigsten Jahrhundert umfasst die Verwendung von elektrischem Strom. Allerdings ist den meisten Benutzern von Elektrizität nicht klar, dass die Elektrizität vor dem Erreichen ihrer Anwesen durch ein komplexes Netz von elektrischen Stromerzeugungs- und verteilungssystemen läuft. Die Komplexität der Stromerzeugung und -verteilung wird häufig durch Stromausfälle wie denjenigen unterstrichen, zu denen es am 14. und 15. August 2003 fast über den gesamten Nordosten der Vereinigten Staaten und Kanada kam und die verdeutlichten, dass die verschiedenen Prozesse und Systeme, die bei der Erzeugung und der Verteilung von Elektrizität beteiligt sind, eine sehr sorgfältige Planung erfordern.
  • In den Vereinigten Staaten wurde die elektrische Stromerzeugung und -verteilung traditionell durch Bundesbehörden wie das Federal Energy Regulatory Committee (FERC) sowie durch Versorgungsunternehmensbeauftragte von verschiedenen Staaten stark reguliert. Diese Aufsichtsbehörden legten Leistungsstandards und Anforderungen für die Erzeugung und die Verteilung von elektrischem Strom für die Energieversorgungsgesellschaften (im Folgenden als „Versorgungsunternehmen" bezeichnet) fest, welche den elektrischen Strom erzeugten und verteilten. Diese Aufsichtsbehörde spezifizierten beispielsweise die Anforderungen für Wirkleistung an verschiedenen Punkten an den elektrischen Verteilungssystemen. In Reaktion auf die spezifizierten Anforderungen bestimmten die Versorgungsunternehmen, wie viel Elektrizität zu produzieren ist, wo sie zu produzieren ist und wie sie zu verteilen ist.
  • Versorgungsunternehmen erzeugen Elektrizität unter Verwendung verschiedener Typen von Stromgeneratoren, die in Abhängigkeit von der zum Erzeugen von Elektrizität verwendeten Energie in thermische, nukleare, Wind-, hydroelektrische, usw. Generatoren kategorisiert werden können. Jeder dieser verschiedenen Typen von Generatoren arbeitet unter unterschiedlichen Sätzen von Bedingungen. Beispielsweise ist die Abgabe eines thermischen Generators eine Funktion der in einem Kessel erzeugten Wärme, wobei die pro Stunde erzeugte Wärme durch die Brennstoffmenge eingeschränkt ist, die pro Stunde verbrannt werden kann. Zusätzlich kann die Abgabe des thermischen Generators durch verschiedene Umweltvorschriften begrenzt sein, welche die maximale Abgabe von bestimmten gefährlichen Gasen spezifizieren, die von dem thermischen Stromgenerator freigesetzt werden können. Ähnliche Typen von Bedingungen gibt es bei anderen Typen von Stromerzeugungssystemen.
  • Erhielten die Versorgungsunternehmen die Anforderungen für zu liefernde Wirkleistung, dann bestimmten die Versorgungsunternehmen, welche Erzeugungseinheit auf welchem Niveau zu verwenden war. Beim Fällen dieser Entscheidung berücksichtigten die Versorgungsunternehmen die Bedingungen für jeden der verfügbaren Stromgeneratoren. Um darüber hinaus die Kosten der Stromerzeugung zu minimieren, versuchten die Versorgungsunternehmen typischerweise, die optimale Kombination von Stromerzeugung unter Verwendung eines aus einer Anzahl von raffinierten mathematischen Modellen und Vorhersagemodellen herauszufinden, die zum Planen der Erzeugung von Elektrizität verfügbar sind. Speziell waren Computerprogramme verfügbar, die allgemein als ökonomische Verteilungsprogramme bekannt sind, um den Versorgungsunternehmen dabei zu helfen, Ent scheidungen im Zusammenhang mit dem Betrieb von elektrischen Generatoren auf der Basis von Wirkleistungsanforderungen zu treffen.
  • Bekanntlich umfasst elektrischer Strom sowohl Wirkleistung, die in Megawatt (MW) angegeben ist, als auch Blindleistung, die in Megavoltampere (MVar) reaktiv angegeben ist. Weil Versorgungsunternehmen traditionell Anforderungen nach elektrischem Strom nur in Wirkleistung erhielten, bestimmten traditionelle ökonomische Verteilungsprogramme optimale Betriebslösungen nur hinsichtlich der Wirkleistung. Als ein Ergebnis erlaubten diese Programme den Versorgungsunternehmen, den optimalen Betrieb verschiedener Generatoren auf der Basis einer spezifizierten wirklichen Leistung zu bestimmen, berücksichtigten aber nicht die Blindleistungsanforderung. Es ist jedoch nötig, ein bestimmtes Niveau von Blindleistung an den elektrischen Verteilungsnetzen zu halten, um Schäden an Transformatoren und anderen elektrischen Verteilungsgeräten zu vermeiden. Als ein Ergebnis müssen die Versorgungsunternehmen immer noch wenigstens etwas Blindleistung erzeugen und verteilen. In der Vergangenheit wurden, da die Niveaus von Blindleistung von den Regulierern vorgeschrieben waren, die Blindleistungsniveaus an Netzen meist auf der Basis von gegenseitigen Abmachungen zwischen verschiedenen Versorgungsunternehmen und grob definierten besten Praktiken zur Stromerzeugung aufrechterhalten. Weil darüber hinaus die von den Versorgungsunternehmen berechneten Tarife für Strom traditionell stark reguliert und allgemein an die Kosten für die Herstellung des elektrischen Stroms gebunden waren, achteten die Versorgungsunternehmen allgemein nicht sehr stark auf die Kosten für die Herstellung und Lieferung der Blindleistung, da die Versorgungsunternehmen leicht die zusätzlichen Kosten für die Herstellung der Blindleistung an ihre Kunden weitergeben konnten.
  • Allerdings gibt es seit einigen Jahrzehnten innerhalb der elektrischen Stromindustrie der Vereinigten Staaten beträchtliche Deregulierung und Umstrukturierung, wodurch der Wettbewerb unter den Versorgungsunternehmen wesentlich verstärkt wurde und die Unternehmen sich ihrer Kostenstrukturen klarer wurden. Insbesondere können wegen des verstärkten Wettbewerbs die Versorgungsunternehmen ihren Kunden nicht mehr automatisch höhere Preise wegen höherer Produktionskosten berechnen. Als ein Ergebnis sind sich die Versorgungsunternehmen der Kosten bewusster geworden, die mit dem Erzeugen und Verteilen von wirklicher elektrischer Leistung und elektrischer Blindleistung verbunden sind, und es ist weniger wahrscheinlich, dass sie Blindleistung zum ordentlichen Aufrechterhalten von Verteilungsnetzen ohne angemessene Kompensation liefern.
  • In dieser Umgebung hat der North American Electric Reliability Council (NECR), eine Handelsgruppe der Energieversorgungsindustrie, damit begonnen, Spezifikationen für Niveaus an Blindleistung zu liefern, die von den Versorgungsunternehmen aufrechtzuerhalten sind, um das notwendige Niveau von Blindleistung in den Verteilungsnetzen aufrecht zu erhalten. Als ein Ergebnis muss dann, wenn ein Versorgungsunternehmen bestimmt, welche Generatortechnologie zum Erzeugen von Elektrizität zu verwenden sein wird, das Versorgungsunternehmen nicht nur die zu produzierende Wirkleistung, sondern auch die zu produzierende Blindleistung berücksichtigen.
  • Leider ist die Aufgabe der Optimierung der Produktion von Wirkleistung sowie Blindleistung aufgrund der Beziehungen zwischen den beiden hoch komplex, und keines der verschiedenen auf dem Markt verfügbaren ökonomischen Verteilungsprogramme erlaubt die Optimierung der Produktion von Wirkleistung sowie Blindleistung.
  • Kurze Beschreibung der Zeichnungen
  • 1 veranschaulicht ein Blockdiagramm eines Stromverteilungssystems;
  • 2 veranschaulicht ein Blockdiagramm einer Stromversorgungsanlage;
  • 3 veranschaulicht ein Flussdiagramm eines beispielhaften ökonomischen Verteilungsprogramms, das von der Stromerzeugungsanlage von 2 verwendet wird;
  • 4 veranschaulicht ein Flussdiagramm eines beispielhaften mathematischen Lösers, der von dem ökonomischen Verteilungsprogramm von 3 verwendet wird;
  • 5 veranschaulicht ein Blockdiagramm eines Elektrizitätswerks, das thermische Stromgeneratoren verwendet;
  • 6 veranschaulicht eine Blindleistungskurve eines Verbrennungsturbogenerators; und
  • 7 veranschaulicht eine Blindleistungskurve eines Dampfturbinengenerators.
  • Detaillierte Beschreibung
  • Allgemein gesprochen arbeitet ein ökonomisches Verteilungsprogramm, wie es hier beschrieben ist, um eine Lastanforderung eines Stromsystems unter verschiedenen verfügbaren Stromerzeugungsressourcen zuzuteilen. Ein Beispiel eines solchen ökonomischen Verteilungsprogramms teilt eine Lastanforderung eines Kraftwerks verschiedenen Stromgeneratoren zu, wobei die Lastanforderung die gesamten Wirkleistungsanforderungen sowie die gesamten Blindleistungsanforderungen des Kraftwerks spezifiziert. Das ökonomische Verteilungsprogramm kann verschiedene Kapazitätsgrenzen verwenden, die den Generatoren zugeordnet sind, einschließlich der Blindleistungskurven von einem oder mehr Generatoren, die Beziehungen zwischen den Leistungsfaktoren der Generatoren, der von den Generatoren produzierten Wirkleistung und der von den Generatoren produzierten Blindleistung liefern. Ein alternatives Beispiel eines ökonomischen Verteilungsprogramms arbeitet, um eine Lastanforderung eines Hochspannungsnetz verschiedenen Kraftwerken zuzuteilen, wobei die Lastanforderung die Wirkleistungsanforderungen sowie die Blindleistungsanforderungen des Hochspannungsnetzes spezifiziert, und wobei ein oder mehr Kraftwerke Blindleistungsgrenzen haben, die beispielsweise durch Blindleistungskurven gezeigt werden.
  • 1 veranschaulicht ein Stromverteilungssystem 10 mit einem Hochspannungsnetz 12, das mit einem Lastnetz 14 verbunden ist. Das Hochspannungsnetz 12 kann sowohl Wirkleistung, gemessen in Megawatt (MW), als auch Blindleistung übertragen, die ein Produkt aus der Spannung und der phasenverschobenen Komponente eines Wechselstrom ist und in Megavar (MVar) gemessen wird. Das beispielhafte Lastnetz 14 von 1 kann Strom an verschiedene Industriekunden und Privatkunden liefern, die stromverbrauchende Vorrichtungen wie Klimaanlagen, Elektromotoren, Lampen, Geräte usw. verwenden. Insbesondere kann das Lastnetz 14 Wirkleistung an Vorrichtungen wie Glühbirnen usw. liefern und sowohl Wirkleistung als auch Blindleistung an Vorrichtungen wie Elektromotoren, Transformatoren usw. liefern. Als ein Ergebnis ist es notwendig, dass das Hochspannungsnetz 12 stets ein bestimmtes Niveau an Wirkleistung und Blindleistung an dem Lastnetz 14 verfügbar hält.
  • Wie in 1 angedeutet, kann das Hochspannungsnetz 12 auch mit einem oder mehreren Versorgungsnetzen 16, 18 verbunden sein. Bei diesem Beispiel ist das Versorgungsnetz 16 mit einem zweiten Hochspannungsnetz 20 verbunden, und das Versorgungsnetz 18 ist derart veranschaulicht, dass es aus einem oder mehreren Kraftwerken 2226 gebildet ist, die jeden von verschiedenen Typen von Kraftwerken umfassen können, wie Kernkraftwerke, hydroelektrische Kraftwerke, thermische Kraftwerke usw. Außerdem kann jedes der Kraftwerke 2226 jede Anzahl von einzelnen Stromgeneratoren umfassen. Wie oben erörtert, kann der Betrieb des Versorgungsnetzes 18 hoch komplex sein. Als ein Ergebnis ist es notwendig, dass jedes der Kraftwerke 2226 mit sehr hoher Präzision verwaltet wird, um dafür zu sorgen, dass das Versorgungsnetz 18 glatt läuft. Darüber hinaus ist es wünschenswert, dass ein Bediener des Versorgungsnetzes 18 gewährleistet, dass das Versorgungsnetz Wirkleistung und Blindleistung an allen Punkten im gesamten Versorgungsnetz 18 auf eine Weise aufrechterhalten und liefern kann, welche die Gesamtkosten des Versorgungsnetzes 18 minimiert. Um einen solchen optimalen Betrieb zu erreichen, kann das Versorgungsnetz 18 ein ökonomisches Verteilungsprogramm wie das hier beschriebene verwenden, welches sowohl die Wirkleistung als auch die Blindleistung berücksichtigt, die an dem Versorgungsnetz 18, dem Hochspannungsnetz 12 oder dem Lastnetz 14 erforderlich ist, um die erforderlichen Lastanforderungen zwischen den Kraftwerken 2226 zuzuteilen.
  • Auf dem Kraftwerksniveau ist jedes der Werke 2226 mit der Herausforderung konfrontiert, einen oder mehrere Stromgeneratoren derart zu betreiben, dass jedes der Kraftwerke 2226 seine entsprechende Stromanforderung mit ausreichender Genauigkeit sowie zu geringstmöglichen Kosten erfüllen kann. In diesem Zusammenhang kann ein Bediener eines der Kraftwerke 2226 ein ökonomisches Verteilungsprogramm verwenden, um die erforderlichen Lastanforderungen zwischen verschiedenen Stromgeneratoren zuzuteilen. Auf diese Weise kann ein ökonomisches Verteilungsprogramm auf verschiedenen Niveaus innerhalb des Stromverteilungssystems 10 verwendet werden, wie auf dem Versorgungsnetzniveau, auf dem Kraftwerkniveau, auf einem Generatorniveau usw. Unabhängig von dem Niveau, auf welchem ein ökonomisches Verteilungsprogramm verwendet wird, teilt dieses Programm erforderliche Lastanforderungen zwischen verschiedenen verfügbaren Ressourcen auf eine optimale Weise zu.
  • 2 veranschaulicht ein Blockdiagramm eines Kraftwerks 100, das ein ökonomisches Verteilungsmodul 102 verwenden kann, um eine Lastanforderung 104 unter verschiedenen Stromgeneratoren 106110 zuzuteilen. Die Lastanforderung 104 kann einen oder mehrere Beträge an von dem Kraftwerk 100 zu liefernder Wirkleistung, den Betrag an von dem Kraftwerk 100 zu liefernder Blindleistung und die Zeit sowie den Ort der Lieferung der Wirkleistung und/oder der Blindleistung spezifizieren. Bei der Bestimmung, wie die Lastanforderung 104 am besten unter den Generatoren 106110 zuzuteilen ist, kann das ökonomische Verteilungsmodul 102 verschiedene Informationen verwenden, die den Generatoren 106110 zugeordnet sind, wie die Verfügbarkeit, den Betriebszustand und den Wirkungsgrad jedes der Generatoren 106110. Falls gewünscht, kann das ökonomische Verteilungsmodul 102 als auf einem Speicher eines Computer gespeicherte Software implementiert und an einem Controller des Computers als Hardware, als Firmware oder eine beliebige Kombination daraus zu betreiben sein.
  • 3 veranschaulicht ein Flussdiagramm eines beispielhaften ökonomischen Verteilungsprogramms 140, das von dem ökonomischen Verteilungsmodul 102 implementiert sein kann. Allgemein gesprochen bestimmt das ökonomische Verteilungsprogramm 140 die Zuteilung der Lastanforderung 104 unter verschiedenen Stromgeneratoren 106110 durch Lösen einer Zielfunktion, die von dem Systemadministrator des Kraftwerks 100 zu dem ökonomischen Verteilungsprogramm 140 geliefert werden kann, um einen optimalen Arbeitspunkt des Werks zu bestimmen. Um eine solche Optimierung durchzuführen, empfängt das ökonomische Verteilungsprogramm 140 verschiedene Informationen über das Kraftwerk 100, wie zur Definition des Betriebs des Werks 100 verwendete Parameter, Beziehungen zwischen diesen Parametern, einschließlich von Blindleistungskurven der verschiedenen, in dem Werk 100 verwendeten Generatoren und Bedingungen für den Betrieb des Kraftwerks.
  • Speziell empfängt ein Block 142 eine Zielfunktion für das Kraftwerk 100, die unter Verwendung des ökonomischen Verteilungsprogramms 140 zu optimieren ist. Ein Beispiel einer solchen Zielfunktion kann die Gesamtkosten für die Produktion einer gegebenen Menge an Wirkleistung und einer gegebenen Menge an Blindleistung als eine Funktion der Menge des zum Erzeugen des Stroms notwendigen Brennstoffs spezifizieren. Bei einer alternativen Implementierung kann die Zielfunktion die Gesamtemissionen während der Produktion einer gegebenen Menge an Blindleistung als eine Funktion der Menge von Emissionen pro einer Einheit von beim Erzeugen des Stroms verwendetem Brennstoff spezifizieren. Natürlich kann jede andere gewünschte Zielfunktion verwendet werden. Der Block 142 kann die Zielfunktion auf jede gewünschte Weise empfangen, wie in Form eines Eintrags in einer auf dem ökonomischen Verteilungsmodul 102 gespeicherten Kalkulationstabelle, als eine Auswahlreihe auf einem Menü auf Basis einer grafischen Benutzeroberfläche (GUI), die dem Systemadministrator präsentiert wird, usw.
  • Bei Empfang der Zielfunktion identifiziert ein Block 144 verschiedene Parameter, die zum Definieren des Betriebs des Kraftwerks 100 verwendet werden. Typischerweise werden diese Parameter in der Zielfunktion spezifiziert oder verwendet und die Werte einer oder mehrerer dieser Parameter werden variiert, um den optimalen Wert der Zielfunktion zu finden. Allgemein gesprochen behandelt das ökonomische Verteilungsprogramm 140 einige dieser Parameter als Konstanten, deren Werte von dem ökonomischen Verteilungsprogramm 140 nicht verändert werden können, einige dieser Parameter als Steuer- oder Stellgrößen, deren Werte von dem ökonomischen Verteilungsprogramm 140 gesteuert werden können, und einige dieser Parameter als abhängige Variablen bzw. Größen, deren Werte von dem ökonomischen Verteilungsprogramm 140 zu bestimmen sind.
  • Allgemein gesprochen ist die Zielfunktion des Werks 100 als eine Gleichung gegeben, die einen oder mehrere Parameter des Werks 100 umfasst, wobei Werte einiger dieser Parameter durch das Lösen von einer oder mehreren Beziehungen erhalten werden können, die den Betrieb des Werks 100 spezifizieren, einschließlich von Beziehungen, durch die Blindleistungskurven der verschiedenen, in dem Werk 100 verwendeten Generatoren spezifiziert sind. Das ökonomische Verteilungsprogramm 140 kann bestimmen, welche Parameter als Konstanten, als Stellgrößen oder als abhängige Variablen auf der Basis der von dem Block 142 empfangenen Zielfunktion zu behandeln sind. Das ökonomische Verteilungsprogramm 140 kann solche Bestimmungen auch unter Verwendung anderer Informationen über das Kraftwerk 100 machen, wie einer in dem ökonomischen Verteilungsmodul 102 gespeicherten Datenbankdatei, wobei die Datenbankdatei verschiedene Objekte hat und jedes Objekt ein unterschiedliches Gerät innerhalb des Kraftwerks 100 identifiziert Wenn beispielsweise die Zielfunktion die Gesamtkosten des Betriebs des Kraftwerks 100 spezifiziert, kann das ökonomische Verteilungsprogramm 140 die Brennstoffkosten, die Kaltgasgeneratortempe raturen, die Kaltgasgeneratordrücke der Generatoren 106110 usw. als Konstanten behandeln. In diesem Fall kann das ökonomische Verteilungsprogramm 140 auch die Menge an Wirkleistung und die Menge an Blindleistung, wie sie von der Lastanforderung 104 spezifiziert sind, als Konstanten behandeln, wenn der optimale Arbeitspunkt für das Kraftwerk 100 bestimmt wird.
  • Bei einem alternativen Beispiel kann dann, wenn die Zielfunktion die Gesamtemission eines Schadstoffgases durch das Kraftwerk 100 spezifiziert, das ökonomische Verteilungsprogramm 140 die Emission von NOx pro Einheit des von dem Kraftwerk 100 verwendeten Brennstoffs als eine Konstante und die Brennstoffkosten als eine Stellgröße behandeln (deren Wert auf der Basis des Typs und der Qualität des verwendeten Brennstoffs variieren kann). Darüber hinaus kann, obwohl eine gegebene Implementierung des ökonomischen Verteilungsprogramms 140 einen speziellen Parameter als eine Konstante behandelt, eine alternative Implementierung des ökonomischen Verteilungsprogramms 140 diesen speziellen Parameter als Stellgröße oder als abhängige Variable behandeln.
  • Beispiele für verschiedene Stellgrößen für das Kraftwerk 100 umfassen die Raten von Brennstoffströmen in die Generatoren 106110, die Betriebsleistungsfaktoren der Generatoren 106110 usw. Allgemein gesprochen sind Stellgrößen diejenigen, die innerhalb des Werks 100 geändert oder verändert werden können, um unterschiedliche Arbeitspunkte des Werks 100 zu spezifizieren. Der Fachmann wird wissen, dass einige der als Stellgrößen behandelten Variablen innerhalb einer gegebenen Implementierung des ökonomischen Verteilungsprogramms 140 bei einer alternativen Implementierung des ökonomischen Verteilungsprogramms 140 als abhängige Variablen behandelt werden können, während einige der als abhängige Variablen behandelten Variablen innerhalb einer gegebenen Implementierung des ökonomischen Verteilungsprogramms 140 bei einer alternativen Implementierung des ökonomischen Verteilungsprogramms 140 als Stellgrößen behandelt werden können.
  • Beim Bestimmen, welche Parameter zu verwenden sind, um den Betrieb des Kraftwerks 100 zu definieren, empfängt ein Block 146 Werte der verschiedenen Konstanten. Das ökonomische Verteilungsprogramm 140 empfängt Werte von einigen der Konstanten wie die Menge an Wirkleistung und die Menge an Blindleistung, die von dem Kraftwerk 100 zu produzie ren ist, von der Lastanforderung 104. Allgemein kann ein Benutzer Werte von einigen der Konstanten liefern, wie die Kosten für das von den Generatoren 106110 verwendete Gas, den Heizwert des Brennstoffs usw. Bei einer alternativen Implementierung kann das ökonomische Verteilungsmodul 102 kommunikativ mit einem Kraftwerksteuersystem verbunden sein, das Werte für verschiedene Konstanten wie die Kosten für Treibstoff, die Kosten für NH3 usw. an das ökonomische Verteilungsprogramm 140 liefert. Das ökonomische Verteilungsprogramm 140 kann auch die Werte der verschiedenen Konstanten mit einer periodischen Rate, in Reaktion auf eine Anweisung von dem Benutzer oder auf der Basis anderer vorbestimmter Kriterien in einem Speicher des ökonomischen Verteilungsmoduls 102 speichern.
  • Ein Block 148 bestimmt Beziehungen zwischen den verschiedenen von dem Block 142 identifizierten Parametern, einschließlich Beziehungen, die von den Blindleistungskurven der Generatoren 106110 spezifiziert sind. Solche Beziehungen können Werte verschiedener abhängiger Variablen als Funktionen eines oder mehrerer der Parameter definieren. Ein Beispiel einer solchen mathematischen Beziehung ist eine Funktion, die den Wert der von dem Generator 106 erzeugten Wärme als eine Funktion der Geschwindigkeit des Brennstoffstroms in dem Generator 106 und als eine Funktion des Heizwerts des durch den Generator 106 strömenden Gases definiert. Ein weiteres Beispiel einer solchen Beziehung ist eine Blindleistungskurve des Generators 108, die den Wert der von dem Generator 108 gelieferten Blindleistung als eine Funktion der Kaltgastemperatur und als eine Funktion des Kaltgasdrucks des Generators 108 liefert. Natürlich kann jede andere bekannte oder wünschenswerte Beziehung anstelle der hier aufgezählten Beziehungen oder zusätzlich dazu verwendet werden.
  • Das ökonomische Verteilungsprogramm 140 kann die verschiedenen Beziehungen von einem Benutzer in Form einer Kalkulationstabelle, von einer auf dem ökonomischen Verteilungsmodul 102 gespeicherten Datenbankdatei empfangen, worin die Datenbankdatei verschiedene Objekte hat, wobei jedes Objekt ein Gerät innerhalb des Kraftwerks 100 definiert usw., oder auf jede andere gewünschte Weise. Alternativ kann ein Kraftwerksteuersystem, das mit dem ökonomischen Verteilungsmodul 102 kommunikativ gekoppelt sein kann, eine oder mehrere solcher Beziehungen zu dem ökonomischen Verteilungsprogramm 140 liefern. Darüber hinaus kann das ökonomische Verteilungsprogramm diese Beziehun gen auf periodischer Basis oder auf der Basis von irgendwelchen anderen vorbestimmten Kriterien aktualisieren, wie dies am Block 148 von 3 gezeigt ist.
  • Als Nächstes identifiziert ein Block 150 verschiedene Bedingungen für den Betrieb des Kraftwerks 100. Ein Beispiel einer Bedingung, die verwendet werden kann, besteht darin, dass die gesamte, von allen Generatoren 106110 erzeugte Blindleistung gleich der Menge an von dem Kraftwerk 100 zu produzierender Blindleistung ist, wie dies von der Lastanforderung 104 spezifiziert ist. Ein weiteres Beispiel einer Bedingung besteht darin, dass der Brennstoffstrom in jeden der Generatoren 106110 nicht weniger als null sein kann. Das ökonomische Verteilungsprogramm 140 kann die verschiedenen Bedingungen von einem Benutzer in Form einer Kalkulationstabelle, von einer auf dem ökonomischen Verteilungsmodul 102 gespeicherten Datenbankdatei empfangen, worin die Datenbankdatei verschiedene Objekte hat, wobei jedes Objekt ein Gerät innerhalb des Kraftwerks 100 definiert, oder auf jede andere Weise. Alternativ kann ein Kraftwerksteuersystem, das mit dem ökonomischen Verteilungsmodul 102 kommunikativ gekoppelt sein kann, eine oder mehrere solche Bedingungen für das ökonomische Verteilungsprogramm 140 spezifizieren.
  • Danach bestimmt ein Block 152 eine optimale Lösung für den Betrieb des Kraftwerks 100 durch Lösen der verschiedenen Beziehungen, um eine optimale Lösung der von dem Block 142 empfangenen Zielfunktion zu erhalten. Beim Bestimmen der optimalen Lösung verwendet das ökonomische Verteilungsprogramm 140 allgemein die Werte der verschiedenen Parameter, wie sie von dem Block 144 identifiziert sind, die Werte der Konstanten, wie sie von dem Block 146 bestimmt sind, die Beziehungen unter den verschiedenen Parametern, wie sie von dem Block 148 definiert sind, und die Bedingungen, wie sie von dem Block 150 identifiziert sind. Insbesondere variiert das ökonomische Verteilungsprogramm 140 die Stellgrößen auf eine systematische Weise, um einen Satz von abhängigen Variablenwerten zu identifizieren, die zu einem optimalen Wert für die Zielfunktion führen.
  • 4 veranschaulicht ein Flussdiagramm eines Programms 160 (allgemein als Löser bekannt), das dazu verwendet werden kann, die Zielfunktion des Kraftwerks 100 zu lösen, die den verschiedenen Bedingungen des Kraftwerks 100 unterworfen ist. Der beispielhafte Löser 160 bestimmt die optimale Lösung für die Zielfunktion durch Verwendung eines iterativen Algorithmus, der allgemein als Evolutionsalgorithmus bekannt ist, wobei ein Satz von Kandidatenlösungspunkten innerhalb der Bedingungen ausgewählt wird, ein Satz von lokalisierten Lösungen erhalten wird, welcher dem Satz von Kandidatenlösungspunkten entspricht, und einer der Sätze von lokalisierten Lösungen wird als die optimale Lösung der Zielfunktion ausgewählt.
  • Speziell identifiziert ein Block 162 einen Satz von Kandidatenlösungspunkten für die Zielfunktion, wobei jeder der Kandidatenlösungspunkte von einem Satz Stellgrößen bestimmt wird, die einen Arbeitspunkt für das Kraftwerk 100 definieren. Der Block 162 kann den Satz von Kandidatenlösungspunkten durch Analysieren von Daten bezüglich des vergangenen Betriebs des Kraftwerks 100 bestimmen, durch Erhalten dieser Lösungspunkte von einem Modell oder einem Benutzer usw. Falls gewünscht, können solche Daten in einer Datenbank bei dem ökonomischen Verteilungsmodul 102 gespeichert werden.
  • Ein Block 164 löst die Zielfunktion für einen der Sätze von Kandidatenlösungspunkten und speichert einen Anfangswert der Zielfunktion. Während des Lösungsprozesses verwendet der Block 164 eine oder mehrere der von dem Block 148 identifizierten Beziehungen, um Werte der verschiedenen abhängigen Variablen an dem einen der Sätze von Kandidatenlösungspunkten zu bestimmen. Der Block 164 löst dann die Zielfunktion unter Verwendung dieser abhängigen Variablen, der Konstanten und der manipulierten Variablen, die durch den ausgewählten Satz von Kandidatenlösungspunkten definiert sind, prüft, um zu bestimmen, ob die Werte der verschiedenen abhängigen Variablen innerhalb der von dem Block 150 identifizierten Bedingungen liegen und, falls nicht, begrenzt diese Werte auf die Bedingungen.
  • Danach ändert ein Block 166 Werte von einer oder mehreren der Regel- bzw. Stellgrößen auf der Basis einiger vorbestimmter Kriterien und löst die Zielfunktion, um einen veränderten Wert der Zielfunktion zu bestimmen. Der Löser 160 kann die Richtung und den Betrag der an den Regelgrößen durchzuführenden Änderung auf der Basis von vorbestimmten Kriterien bestimmen, die von dem Systemadministrator des Kraftwerks 100 spezifiziert sein können oder zufällig, pseudozufällig oder auf eine vorbestimmte oder iterative Weise bestimmt sein können.
  • Ein Block 168 vergleicht den Anfangswert der Zielfunktion und den veränderten Wert der Zielfunktion, um zu bestimmen, welcher Wert optimaler ist, die Richtung, in welche sich der Wert der Zielfunktion geändert hat, und den Betrag, um welchen sich der Wert der Zielfunktion geändert hat. Auf der Basis des Ergebnisses des Vergleichs kann der Block 168 bestimmen, ob die Werte der manipulierten Variablen weiter zu verändern sind oder nicht, und falls die Werte weiter zu verändern sind, in welche Richtung und um wie viel. Auf diese Weise arbeiten die Blocks 166 und 168 zusammen, um iterativ die Werte der manipulierten Variablen zu verändern, bis der Block 168 bestimmt, dass der resultierende Wert der Zielfunktion ein optimaler Wert der Zielfunktion in der Nähe des einen der Sätze von Kandidatenlösungspunkten ist, auch als lokalisierte optimale Lösung bekannt.
  • Ist die lokalisierte optimale Lösung erst erhalten, dann speichert ein Block die lokalisierte optimale Lösung als eine aus einem Satz von lokalisierten optimalen Lösungen für die Zielfunktion. Danach bestimmt ein Block 172, ob es noch mehr Kandidatenlösungspunkte in dem Satz von Kandidatenlösungspunkten gibt, für welche lokalisierte optimale Lösungen zu erhalten sind. Wenn dem so ist, springt die Steuerung zurück zu dem Block 164, um eine weitere lokalisierte optimale Lösung für den nächsten der Sätze von Kandidatenlösungspunkten zu finden. Wenn der Block 172 bestimmt, dass eine lokalisierte optimale Lösung für jeden der Sätze von Kandidatenlösungspunkten gefunden worden ist, gibt er die Steuerung zu einem Block 174 weiter, der die Werte der Zielfunktion an jedem der Sätze von lokalisierten optimalen Lösungen vergleicht und die optimalste Lösung für die Zielfunktion bestimmt. Die oben beschriebene Implementierung des Lösers 160 gewährleistet, dass selbst dann, wenn die Zielfunktion des Kraftwerks 100 mehrere lokalisierte optimale Werte hat, die optimalste Lösung dieser lokalisierte optimale Werte erhalten wird.
  • Der Löser 160 kann in Form von Software, Hardware, Firmware oder einer beliebigen Kombination daraus implementiert sein. Beispielsweise kann der Löser 160 unter Verwendung eines der verschiedenen serienmäßigen mathematischen Lösungsprogramme wie dem Evolutionary Solver® program implementiert sein, das von Frontline Systems, Inc. erhältlich ist.
  • Während die obige Implementierung des ökonomischen Verteilungsprogramms 140 im Zusammenhang mit dem generischen Kraftwerk 100 beschrieben ist, veranschaulichen 57 das Funktionieren des ökonomischen Verteilungsprogramms 140 im Zusammenhang mit einem Wärmekraftwerk 200. Das in 5 veranschaulichte Kraftwerk 200 ist insbesondere ein Wärmekraftwerk, das als Kombikraftwerk (CCPP) ausgelegt ist, welches auch als ein einfaches Kraftwerk betrieben werden kann. Wie in 5 angedeutet, kann ein typisches CCPP mehrere Verbrennungsturbogeneratoren (CTGs) 202 und 204 jeweils mit einem entsprechenden Abhitzedampferzeuger (HRSG) 206 und 208 und einem gemeinsamen Dampfturbogenerator (STG) 210 haben. Die CTGs 202 und 204, die Brennstoffe wie Erdgas zusammen mit Druckluft in ihre Verbrennungsabschnitte empfangen, haben zwei primäre Funktionen. Erstens produzieren die CTGs 202 und 204 elektrischen Strom durch wasserstoffgekühlte Generatoren 212 und 214, die direkt mit den CTGs 202 und 204 verbunden sind. Zweitens liefern die CTGs 202 und 204 heiße Gase zu den HRSGs 206 und 208. Der von den Generatoren 212 und 214 erzeugte elektrische Strom wird zu dem Kraftwerkshochspannungsnetz 216 hochgeladen, das schließlich mit dem Versorgungsnetz von 1 verbunden werden kann. Das Kraftwerkshochspannungsnetz 216 kann auch mit einem Hilfsstromnetz 216 verbunden werden, wo das Hilfsstromnetz 218 Wirkleistung und/oder Blindleistung nach der gesamten Leistung, die auf das Kraftwerkshochspannungsnetz 216 gesetzt werden muss, zu dem Kraftwerksstromnetz 216 liefert.
  • Wird das Kraftwerk 200 im CCPP-Modus betrieben, in welchem die HRSGs 206 und 208 zusammen mit den CTGs 202 und 204 verwendet werden, dann ist dies ökonomisch effizient, da die HRSGs 206 und 208 die Abgasenergie der CTGs 202 einfangen und zur zusätzlichen Stromerzeugung verwenden. Es ist jedoch auch möglich, die CTGs 202 und 204 ohne die HRSGs 206 und 208 zu betreiben, was als einfacher Kraftwerksbetrieb bekannt ist, aber weniger effizient als der CCPP-Modus ist. Selbstverständlich laufen die HRSGs 206 und 208 nur, wenn die CTGs 202 und 204 verwendet werden, ob das Werk 200 im CCPP-Modus oder im einfachen Modus betrieben wird.
  • Die HRSGs 206 und 208, die eine Verbindung zwischen den CTGs 202 und 204 und dem STG 210 bilden, empfangen einen Vorrat an heißen Gasen von den CTGs 202 und 204 sowie einen Brennstoff wie Erdgas von einer (nicht gezeigten) Brennstoffquelle. Die HRSGs 206 und 208 verwenden die heißen Gase und den Brennstoff, um Dampf für den STG 210 zu erzeugen, und liefern, wie in 5 veranschaulicht, den Dampf zu dem STG 210 auf drei verschiedenen Druckniveaus, nämlich einem Niederdruckniveau (LP) einem Mitteldruckniveau (IP) und einem Hochdruckniveau (HP). Unter Verwendung des unter Druck stehenden Dampfs produziert der STG 210 elektrischen Strom durch einen wasserstoffgekühlten Generator 220, wobei der von dem Generator 220 erzeugte elektrische Strom zu dem Kraftwerkshochspannungsnetz 216 hochgeladen.
  • Wenn ein Kraftwerk im CCPP-Modus arbeitet, in welchem die HRSGs 206 und 208 unterhalb der CTGs 202 und 204 liegen, liegen die Stützbrenner 224 typischerweise in den Einlasspfaden der HRSGs 206 und 208. Die Stützbrenner 222 und 224 werden nur verwendet, wenn das Kraftwerk 200 den gesamten Strombedarf nicht befriedigen kann, wenn nur die CTGs 202 und 204 betrieben werden, was typischerweise an heißen Tagen passiert, wenn der maximale Strom begrenzt ist, der von den CTGs 202 und 204 erzeugt werden kann. Wenn die Stützbrenner 222 und 224 verwendet werden, bewirkt das zusätzliche, in den Stützbrennern 222 und 224 verbrannte Gas, dass die von den HRSGs 206 und 208 erzeugte Dampfmenge ansteigt, womit mehr Dampf zur Verwendung in dem STG 210 verfügbar gemacht und dadurch der von dem STG 210 erzeugte Strom zunimmt. Deshalb ist es beim Bestimmen der Betriebsparameter des Kraftwerks 200 für die optimale Produktion von Strom wünschenswert zu berücksichtigen, ob die Stützbrenner 222 und 224 zu verwenden sind oder nicht.
  • Das Kraftwerk 200 kann eine spezifizierte Kombination von Wirkleistung und Blindleistung durch Verwendung einer Anzahl unterschiedlicher Kombinationen der Generatoren 202, 204 und 210 und der Stützbrenner 222 und 224 abgeben. Darüber hinaus hat jeder der Generatoren 202, 204 und 210 und der Stützbrenner 222 und 224 viele verschiedene Betriebs-einstellungen, so dass eine Anzahl von unterschiedlichen Kombinationen von Betriebseinstellungen verwendet werden kann, um einer gegebenen Lastanforderung zu genügen. Als ein Ergebnis kann die Bestimmung einer optimalen Kombination der Betriebseinstellungen der verschiedenen, in dem Kraftwerk 200 verwendeten Geräte eine hochkomplexe Aufgabe sein. Eine Anwendung des ökonomischen Verteilungsprogramms 140 von 3, um die optimalen Betriebseinstellungen für die verschiedenen, in dem Kraftwerk 200 verwendeten Geräte zu bestimmen, wobei die Produktion von Wirkleistung sowie Blindleistung berücksichtigt wird, wird wie folgt beschrieben.
  • Der Block 142 von 3 empfängt die Zielfunktion für das Kraftwerk 200. Wenn das Ziel des ökonomischen Verteilungsprogramms 140 darin besteht, die Betriebskosten für das Betreiben des Kraftwerks 200 zu minimieren, kann die Zielfunktion des Kraftwerks wie folgt vorgesehen sein:
    Minimize (G1_HEAT·GAS_COST + G2_HEAT·GAS_COST + DB1_HEAT·GAS_COST + DB2_HEAT·GAS_COST)
  • Verschiedene, in dieser Zielfunktion verwendete Parameter werden unten in Tabelle 1 erläutert.
  • Tabelle 1
    Figure 00160001
  • Figure 00170001
  • Der Block 144 von 3 identifiziert verschiedene Parameter des Kraftwerks 200, die beim Bestimmen der optimalen Betriebseinstellungen für das Kraftwerk 200 verwendet werden. Um diese Funktion zu erfüllen, kann der Block 144 von 3 ein Menü präsentieren und/oder ein Programm auf Basis einer graphischen Benutzeroberfläche verwenden, um Eingaben von dem Systemadministrator des Kraftwerks 200 zu erhalten.
  • Als nächstes bestimmt der Block 146 von 3 die Werte der verschiedenen, in Tabelle 1 aufgelisteten Konstanten. Der Block 146 kann die Werte einer oder mehrerer dieser Konstanten aus einer Datenbank erhalten, die auf dem ökonomischen Verteilungsmodul 102 gespeichert ist. Um die Werte von einer oder mehreren dieser Konstanten zu erhalten kann der Block 146 alternativ ein Menü präsentieren und/oder ein Programm auf Basis einer graphischen Benutzeroberfläche verwenden, um Eingaben von dem Systemadministrator des Kraftwerks 200 zu erhalten. Bei einer weiteren Implementierung kann ein Kraftwerksteuersystem, das kommunikativ mit dem Kraftwerk 200 verbunden sein kann, Werte von einer oder mehreren der verschiedenen, in Tabelle 1 aufgelisteten Konstanten liefern.
  • Daraufhin bestimmt der Block 148 von 3 die Beziehungen zwischen den verschiedenen Parametern des Kraftwerks 200. Beispiele einiger Relationen zwischen den verschiedenen Parametern des Kraftwerks 200, die auf dem Speicher des ökonomischen Verteilungsmodul 102 gespeichert sein können, sind in Tabelle 2 unten als Gleichungen 1–20 aufgelistet.
  • Tabelle 2
    Figure 00180001
  • Während die oben aufgelisteten Gleichungen 1–13 lineare Beziehungen zwischen den verschiedenen Parametern des Kraftwerks 200 aufzählen, sind die Gleichungen 14–20 nichtlineare Funktionen, von welchen die Gleichungen 14–19 die Wirkleistungskurven eines oder mehrerer der CTGs 202 und 204 und des STG 210 darstellen. Bei einer Implementierung können die Gleichungen 14–19 die Wirkleistungskurven der CTGs 202 und 204 und des STG 210 erfassen und neuronale Netzmodelle darstellen, die dazu verwendet werden, Werte der von den CTGs 202 und 204 und dem STG 210 erzeugen Wirkleistung und Blindleistung als eine Funktion der Parameter zu definieren, die in den Klammern auf der rechten Seite dieser Gleichungen enthalten sind.
  • Genau stellen die Gleichungen 15–17 von Tabelle 2 die Wirkleistungskurven der CTGs 202 und 204 dar und sind in 6 durch eine geschätzte Wirkleistungskurve 350 dargestellt, welche die Grenzen definiert, die der Wirkleistung und der Blindleistung eines speziellen CTG bei verschiedenen Leistungsfaktoren, Generatortemperaturen und Generatordrücken auferlegt sind. In 6 ist die Wirkleistung des CTG als die Abszisse eingetragen, und die Blindleistung des CTG ist als die Ordinate eingetragen. Die Kurve 350 stellt beispielsweise dar, dass für eine Kaltgastemperatur von 24° Celsius und einen Kaltgasdruck von 30,00 PSIG der optimale Betriebsbereich dieses speziellen CTG auf einen Bereich begrenzt ist, der zwischen dem Ursprung 352, einem Bogen 354, einer ersten Linie 356, die dem Leistungsfaktor 0,85 entspricht, und einer zweiten Linie 358 liegt, die dem Leistungsfaktor von –0,95 entspricht. Während die von diesem speziellen CTG produzierte Gesamtleistung (MVA) an jedem Punkt auf jedem Bogen innerhalb dieses optimalen Betriebsbereichs die gleiche ist, wo das Zentrum eines solchen Bogens der Ursprung ist, wie dem Bogen 354, beginnt die von diesem speziellen CTG produzierte MVA für Punkte außerhalb des Bereichs aufgrund von Wärmeaufbau innerhalb des CTG abzunehmen.
  • Die Gleichungen 18–19 von Tabelle 2 stellen die Wirkleistungskurven des STG 210 dar und sind in 7 durch eine geschätzte Wirkleistungskurve 370 dargestellt, welche die Grenzen definiert, die der Wirkleistung und der Blindleistung eines speziellen STG bei verschiedenen Leistungsfaktoren, Generatortemperaturen und Generatordrücken auferlegt sind. In 7 ist die Wirkleistung des STG als die Abszisse eingetragen, und die Blindleistung des STG ist als die Ordinate eingetragen. Die Kurve 370 stellt beispielsweise dar, dass für eine Kaltgastemperatur von 42° Celsius und einen Kaltgasdruck von 3,1 bar (45 psig) der optimale Betriebsbereich dieses speziellen STG auf einen Bereich begrenzt ist, der zwischen dem Ursprung 372, einem Bogen 374, einer ersten Linie 3756, die dem Leistungsfaktor 0,85 entspricht, und einer zweiten Linie 378 liegt, die dem Leistungsfaktor von –0,95 entspricht. Während die von diesem speziellen STG produzierte MVA an jedem Punkt auf jedem Bogen innerhalb dieses optimalen Betriebsbereichs die gleiche ist, wo das Zentrum eines solchen Bogens der Ursprung ist, wie dem Bogen 374, beginnt die von dem STG produzierte MVA für Punkte außerhalb des Bereichs aufgrund von Wärmeaufbau innerhalb dieses speziellen STG abzunehmen.
  • Allgemein werden die geschätzten Blindleistungskurven für Generatoren wie die CTGs 202 und 204 und den STG 210 von dem Hersteller dieser Generatoren geliefert. Da die Blindleistungskurven der Generatoren 202, 204 und 210 Betriebsbereiche dieser Generatoren liefern, können die Blindleistungskurven dieser Generatoren dann, wenn die Werte der Generatorgastemperatur und der Gasdrücke in diesen Generatoren verfügbar sind, von dem ökonomischen Verteilungsprogramm 140 beim Bestimmen eines oder mehrerer Arbeitspunkte für das Kraftwerk 200 verwendet werden. In der Praxis sind jedoch die Blindleistungskurven aller Generatoren nicht stetig und sie ändern sich mit der Zeit mit der Verwendung der Generatoren.
  • Unter diesen Umständen kann das ökonomische Verteilungsprogramm 140 die Funktionen nähern, welche die tatsächlichen Blindleistungskurven für das Kraftwerk 200 beschreiben (z.B. die Funktionen 14–19 von Tabelle 2), um den optimalen Wert der Zielfunktion des Kraftwerks 200 zu erhalten. Das ökonomische Verteilungsprogramm 140 kann Techniken wie neuronale Netze, Kurvenanpassung mit Interpolation usw. zum Nähern dieser Funktionen verwenden. Eine Implementierung der neuronalen Netznäherungstechnik, die von dem ökonomischen Verteilungsprogramm 140 verwendet wird, kann beinhalten, dass die Generatoren 202, 204 und 210 bei verschiedenen Punkten von Gasdruck und Gastemperaturen betrieben werden und verschiedene tatsächliche Beobachtungen der Wirkleistung und Blindleistung dieser Generatoren aufgezeichnet werden (auch als Training des neuronalen Netz bekannt). Danach können die Funktionen 14–19 durch das trainierte neuronale Netz ersetzt werden, und es kann dazu verwendet werden, die Zielfunktion des Kraftwerks 200 zu erhalten. Das ökonomische Verteilungsprogramm 140 kann kontinuierlich oder periodisch das neuronale Netz auf der Basis von Echtzeitdaten aktualisieren, die von einem Steuersystem des Kraftwerks 200 geliefert werden, und das aktualisierte neuronale Netz dazu verwenden, den optimalen Wert der Zielfunktion des Kraftwerks 200 zu erhalten.
  • Hat das ökonomische Verteilungsprogramm 140 erst verschiedene Beziehungen für das Kraftwerk 200 bestimmt, dann identifiziert der Block 150 von 3 die Bedingungen, die auf das Kraftwerk 200 anwendbar sind und von denen ein Beispiel unten in Tabelle 3 aufgelistet ist.
  • Tabelle 3
    Figure 00210001
  • Nach der Bestimmung der Zielfunktion des Kraftwerks 200, der verschiedenen Beziehungen zwischen den Parametern des Kraftwerks 200 und der Bedingungen des Kraftwerks 200 bestimmt der Block 152 eine oder mehrere optimale Betriebslösungen für das Kraftwerk 200 unter Verwendung des Lösers 160 von 4.
  • Einer der Vorteile der Verwendung der Wirkleistungskurven wie der Leistungskurven 350 und 370 oder eines Modells, das diese Kurven nähert, um eine optimale Betriebslösung für das Kraftwerk 200 zu bestimmen, liegt darin, dass diese Kurven erlauben, die Grenzen zu integrieren, die der von jedem der Generatoren 202, 204 und 210 erzeugten Wirkleistung und Blindleistung auferlegt sind. Auf diese Weise kann das ökonomische Verteilungsprogramm 140 die Werte der Wirkleistung und der Blindleistung nach der Definition durch die Lastanforderung an dem Kraftwerksnetz 216 verwenden und den optimalen Betriebspunkt für jeden der Generatoren 202, 204 und 210 bestimmen.
  • Während die Anwendung des ökonomischen Verteilungsprogramms 140 auf das Kraftwerk 200 die Kosten für den Betrieb des Kraftwerks 200 minimiert, kann in einer alternativen Situation das ökonomische Verteilungsprogramm 140 selbstverständlich auf das Kraftwerk 200 angewandt werden, um ein alternatives Ziel zu erfüllen, das beispielsweise die Minimierung der NOx-Emissionen oder eine optimale Kombination von beiden sein kann. Bei einer alternativen Implementierung kann das ökonomische Verteilungsprogramm 140 auf das gesamte Versorgungsnetz 18 angewandt werden, um den Gesamtbedarf des Versorgungsnetzes 18 unter den Kraftwerken 2226 zuzuteilen, so dass die Gesamtkosten für den Betrieb des Versorgungsnetzes 18 minimiert sind. Bei noch einer alternativen Implementierung kann das ökonomische Verteilungsprogramm 140 auf das gesamte Hochspannungsnetz 12 angewandt werden, um den Gesamtbedarf des Hochspannungsnetzes 12 unter den Versorgungsnetzen 16, 18 usw. zuzuteilen, so dass die Gesamtkosten für den Betrieb des Hochspannungsnetzes 12 minimiert sind.
  • Obwohl der vorhergehende Text eine detaillierte Beschreibung zahlreicher verschiedener Ausführungsformen der Erfindung darlegt, versteht sich, dass der Umfang der Erfindung durch den Wortlaut der am Ende dieses Patents dargelegten Ansprüche definiert ist. Die detaillierte Beschreibung ist lediglich als beispielhaft auszulegen und beschreibt nicht jede mögliche Ausführungsform der Erfindung, denn jede mögliche Ausführungsform der Erfindung wäre unpraktisch, wenn nicht unmöglich. Zahlreiche alternative Ausführungsformen könnten implementiert werden, unter Verwendung von aktueller Technologie oder von Technologie, die nach dem Einreichungsdatum dieses Patents entwickelt wurde, die dennoch in den Umfang der die Erfindung definierenden Ansprüche fallen würden.
  • Es können also viele Modifizierungen und Variationen in den hier beschriebenen und veranschaulichten Techniken und Strukturen vorgenommen werden, ohne vom Gedanken und Umfang der vorliegenden Erfindung abzuweichen. Demnach versteht sich, dass die hier beschriebenen Verfahren und Vorrichtungen nur veranschaulichend sind und den Umfang der Erfindung nicht begrenzen.

Claims (41)

  1. Verfahren zum Optimieren des Betriebs eines Stromerzeugungssystems mit mehreren Stromerzeugungseinrichtungen, wobei das Verfahren Folgendes umfasst: – Erhalten einer Zielfunktion des Stromerzeugungssystems; – Erhalten mehrerer Betriebsbedingungen des Stromerzeugungssystems; – Bestimmen mehrerer Beziehungen zwischen mehreren Parametern des Stromerzeugungssystems, wobei die mehreren Beziehungen eine erste Beziehung umfassen, die einen optimalen Betriebsbereich einer der mehreren Stromkerzeugungseinrichtungen als eine Funktion eines Leistungsfaktors einer der mehreren Stromerzeugungseinrichtungen spezifiziert; und – Lösen der mehreren Beziehungen, um eine optimale Lösung für die Zielfunktion innerhalb der mehreren Betriebsbedingungen des Stromerzeugungssystems zu erhalten.
  2. Verfahren nach Anspruch 1, bei welchem wenigstens eine der mehreren Betriebsbedingungen eine der Folgenden spezifiziert: (1) eine von dem Stromerzeugungssystem zu erzeugende Blindleistung und (2) eine von dem Stromerzeugungssystem zu erzeugende Wirkleistung.
  3. Verfahren nach Anspruch 1, bei welchem die erste Beziehung eine Wirkleistungskurve für einen Stromgenerator ist.
  4. Verfahren nach Anspruch 3, bei welchem die erste Beziehung eine Wirkleistungskurve für einen der Folgenden ist: (1) einem Verbrennungsturbogenerator und (2) einem Dampfturbogenerator.
  5. Verfahren nach Anspruch 1, bei welchem die erste Beziehung durch eine neuronale Netznäherung einer Wirkleistungskurve für einen Generator dargestellt ist.
  6. Verfahren nach Anspruch 1, bei welchem die Zielfunktion die Kosten für den Betrieb des Stromerzeugungssystems spezifiziert.
  7. Verfahren nach Anspruch G, bei welchem die Zielfunktion die Kosten für die Erzeugung (1) einer erforderlichen Menge an Wirkleistung und (2) einer erforderlichen Menge an Blindleistung durch ein Wärmekraftwerk spezifiziert.
  8. Verfahren nach Anspruch 6, bei welchem die Zielfunktion die Kosten für die Lieferung (1) einer erforderlichen Menge an Wirkleistung und (2) einer erforderlichen Menge an Blindleistung auf einem Versorgungsnetz spezifiziert.
  9. Verfahren nach Anspruch 1, bei welchem die Zielfunktion eine Emission eines ersten Schadstoffs während eines Betriebs des Stromerzeugungssystems spezifiziert.
  10. Verfahren nach Anspruch 1, bei welchem die erste Beziehung ferner den optimalen Betriebsbereich einer der mehreren Stromerzeugungseinrichtungen hinsichtlich wenigstens einer der Folgenden spezifiziert: (1) den Kaltgasgeneratordruck innerhalb einer der mehreren Stromerzeugungseinrichtungen und (2) die Kaltgasgeneratortemperatur innerhalb einer der mehreren Stromerzeugungseinrichtungen spezifiziert.
  11. Verfahren nach Anspruch 1, bei welchem die mehreren Parameter des Stromerzeugungssystems umfasst: (1) einen Satz von Stellgrößen, (2) einen Satz von Konstanten und (3) einen Satz von abhängigen Variablen.
  12. Verfahren nach Anspruch 11, bei welchem das Lösen der mehreren Beziehungen umfasst: – Auswählen eines ersten Satzes von Werten für den Satz von Stellgrößen, wobei der erste Satz von Werten einen ersten Kandidatenlösungspunkt innerhalb eines Betriebsraums des Stromerzeugungssystems darstellt; – Berechnen eines ersten Wertes der Zielfunktion unter Verwendung des ersten Satzes von Werten; – Ändern eines Wertes von wenigstens einer aus dem Satz von Stellgrößen – Berechnen eines zweiten Wertes der Zielfunktion; – Vergleichen des ersten Wertes der Zielfunktion und des zweiten Wertes der Zielfunktion; – Andern des Wertes der wenigstens einen aus dem Satz von Stellgrößen auf der Basis des Vergleichs des ersten Wertes der Zielfunktion und des zweiten Wertes der Zielfunktion; und – Berechnen einer ersten optimalen Lösung der Zielfunktion entsprechend dem ersten Kandidatenlösungspunkt.
  13. Verfahren nach Anspruch 12, bei welchem der erste Kandidatenlösungspunkt aus mehreren Kandidatenlösungspunkten ausgewählt wird, wobei jeder der mehreren Kandidatenlösungspunkte dazu verwendet wird, um eine aus mehreren optimalen Kandidatenlösungspunkten für die Zielfunktion zu erhalten.
  14. Verfahren nach Anspruch 13, welches ferner umfasst, dass die optimalste aus den mehreren optimalen Kandidatenlösungen ausgewählt wird.
  15. Verfahren nach Anspruch 1, welches ferner umfasst, dass die erste Beziehung unter Verwendung eines neuronalen Netzes genähert wird.
  16. Verfahren nach Anspruch 15, welches ferner umfasst, dass das neuronale Netz durch Betreiben der einen der mehreren Stromerzeugungseinrichtungen mit mehreren Arbeitspunkten trainiert wird, die von (1) Kaltgasgeneratordruck innerhalb der einen der mehreren Stromerzeugungseinrichtungen und (2) Kaltgasgeneratortemperatur innerhalb der einen der mehreren Stromerzeugungseinrichtungen spezifiziert sind, und dass die Werte der Wirkleistung und der Blindleistung gespeichert werden, die von der einen der mehreren Stromerzeugungseinrichtungen erzeugt wird.
  17. Verfahren nach Anspruch 15, das ferner umfasst, dass das neuronale Netz auf der Basis von (1) einer periodischen Basis oder (2) einem vorbestimmten Kriterium aktualisiert wird.
  18. Verfahren nach Anspruch 1, das ferner umfasst, dass die erste Beziehung unter Verwendung einer Kurvenanpassungstechnik genähert wird.
  19. Verfahren nach Anspruch 1, das ferner umfasst, dass Werte von wenigstens einigen der mehreren Parameter von einem Steuersystem des Stromerzeugungssystems empfangen werden.
  20. Verfahren zum Betreiben eines Kraftwerks mit mehreren Stromgeneratoren, wobei das Verfahren Folgendes umfasst: – Empfangen einer Lastanforderung, welche (1) die von dem Kraftwerk zu produzierende Wirkleistung und (2) die von dem Kraftwerk zu produzierende Blindleistung spezifiziert; – Bestimmen einer Zielfunktion des Kraftwerks, die einen Betriebszustand des Kraftwerks als eine Funktion (1) der von dem Kraftwerk zu produzierende Wirkleistung und als eine Funktion (2) der von dem Kraftwerk zu produzierende Blindleistung spezifiziert; und – Bestimmen eines optimalen Werts der Zielfunktion.
  21. Verfahren nach Anspruch 20, bei welchem das Bestimmen des optimalen Wertes der Zielfunktion ein Feststellen umfasst, ob das Kraftwerk in einem optimalen Raum der Blindleistungskurve wenigstens eines der mehreren Stromgeneratoren arbeitet.
  22. Verfahren nach Anspruch 21, welches ferner umfasst, dass die Blindleistungskurve unter Verwendung (1) einer Kurvenanpassungstechnik oder (2) eines neuronalen Netzes genähert wird.
  23. Verfahren nach Anspruch 22, welches ferner umfasst, dass die Blindleistungskurve auf der Basis (1) einer periodischen Basis oder (2) eines vorbestimmten Kriteriums aktualisiert wird.
  24. Verfahren nach Anspruch 20, bei welchem das Bestimmen des optimalen Wertes der Zielfunktion umfasst, dass mehrere Beziehungen zwischen mehreren Parametern des Kraftwerks gelöst werden.
  25. Verfahren nach Anspruch 24, welches ferner umfasst, dass ein Evolutionslöser zum Lösen der mehreren Beziehungen zwischen den mehreren Parametern des Kraftwerks verwendet wird.
  26. Verfahren nach Anspruch 20, bei welchem die Zielfunktion die Kosten für das Erzeugen (1) der von dem Kraftwerk zu produzierenden Wirkleistung und (2) der von dem Kraftwerk zu produzierenden Blindleistung spezifiziert.
  27. Verfahren nach Anspruch 20, bei welchem die Zielfunktion die Emission eines ersten Schadstoffs während des Betriebs des Kraftwerks spezifiziert.
  28. Verfahren nach Anspruch 20, bei welchem der Betriebszustand des Kraftwerks (1) Kosten oder (2) die Emission eines ersten Schadstoffs ist.
  29. Ökonomisches Analysesystem zum Optimieren des Betriebs eines Stromerzeugungssystems mit mehreren Stromerzeugungseinrichtungen, wobei das System Folgendes aufweist: – ein erstes Modul, welches dazu geeignet ist, eine Zielfunktion des Stromerzeugungssystems zu speichern; – ein zweites Modul, welches dazu geeignet ist, mehrere Betriebsbedingungen des Stromerzeugungssystems zu speichern; – ein drittes Modul, welches dazu geeignet ist, mehrere Beziehungen zwischen mehreren Parametern des Stromerzeugungssystems zu speichern, wobei die mehreren Beziehungen eine erste Beziehung umfassen, die einen optimalen Betriebsbereich einer der mehreren Stromerzeugungseinrichtungen als eine Funktion eines Leistungsfaktors der einen der mehreren Stromerzeugungseinrichtungen spezifiziert; und – ein viertes Modul, welches dazu geeignet ist, die mehreren Beziehungen zu lösen, um eine optimale Lösung für die Zielfunktion innerhalb der mehreren Betriebsbedingungen des Stromerzeugungssystems zu erhalten.
  30. Ökonomisches Analysesystem nach Anspruch 29, bei welchem die erste Beziehung eine Blindleistungskurve eines Generators ist.
  31. Ökonomisches Analysesystem nach Anspruch 30, bei welchem das dritte Modul ferner dazu geeignet ist, die Blindleistungskurve unter Verwendung eines (1) Kurvenanpassungsmodells oder (2) eines neuronalen Netzes zu nähern.
  32. Ökonomisches Analysesystem nach Anspruch 31, welches ferner ein Kraftwerksteuersystemmodul aufweist, welches kommunikativ mit dem dritten Modul verbunden und dazu geeignet ist, Werte der mehreren Parameter zu dem dritten Modul zu liefern.
  33. Ökonomisches Analysesystem nach Anspruch 32, welches ferner ein fünftes Modul aufweist, das dazu geeignet ist, aktualisierte Werte wenigstens einiger der mehreren Parameter zu erhalten und die Blindleistungskurve zu aktualisieren.
  34. Ökonomisches Analysesystem nach Anspruch 29, bei welchem das vierte Modul ferner dazu geeignet ist, die mehreren Beziehungen unter Verwendung eines Evolutionslöseralgorithmus zu verwenden.
  35. Ökonomisches Analysesystem nach Anspruch 29, bei welchem die Zielfunktion die Kosten für den Betrieb des Stromerzeugungssystems spezifiziert.
  36. Verfahren nach Anspruch 29, bei welchem die Zielfunktion die Emission eines ersten Schadstoffs während des Betriebs des Stromerzeugungssystems ist.
  37. Stromerzeugungssystem, welches Folgendes aufweist: – mehrere Stromerzeugungseinrichtungen; und – ein ökonomisches Analysesystem, welches Folgendes aufweist: – ein erstes Modul, welches dazu geeignet ist, eine Zielfunktion des Stromerzeugungssystems zu speichern; – ein zweites Modul, welches dazu geeignet ist, mehrere Betriebsbedingungen des Stromerzeugungssystems zu speichern; – ein drittes Modul, welches dazu geeignet ist, mehrere Beziehungen zwischen mehreren Parametern des Stromerzeugungssystems zu bestimmen, wobei die mehreren Beziehungen eine erste Beziehung umfassen, die einen optimalen Betriebsbereich einer der mehreren Stromerzeugungseinrichtungen als eine Funktion eines Leistungsfaktors der einen der mehreren Stromerzeugungseinrichtungen spezifiziert; und – ein viertes Modul, welches dazu geeignet ist, die mehreren Beziehungen zu lösen, um eine optimale Lösung für die Zielfunktion innerhalb der mehreren Betriebsbedingungen des Stromerzeugungssystems zu erhalten.
  38. Stromerzeugungssystem nach Anspruch 37, bei welchem die mehreren Stromerzeugungseinrichtungen wenigstens einen der Folgenden umfassen: (1) Verbrennungsturbogenerator und (2) Dampfturbogenerator.
  39. Stromerzeugungssystem nach Anspruch 37, welches ferner ein fünftes Modul aufweist, das dazu geeignet ist, Werte wenigstens einiger der mehreren Parameter zu speichern und die erste Beziehung auf der Basis der gespeicherten Werte zu nähern.
  40. Stromerzeugungssystem nach Anspruch 39, welches ferner ein sechstes Modul aufweist, das dazu geeignet ist, die genäherte erste Beziehung auf einer periodischen Basis zu aktualisieren.
  41. Stromerzeugungssystem nach Anspruch 39, bei welchem das fünfte Modul dazu geeignet ist, die erste Beziehung unter Verwendung eines (1) Kurvenanpassungsmodells oder (2) eines neuronalen Netzes zu nähern.
DE102005029818A 2004-06-25 2005-06-27 Verfahren und Vorrichtung zur Bereitstellung einer ökonomischen Analyse von Stromerzeugung und -verteilung Ceased DE102005029818A1 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US10/876,431 US7288921B2 (en) 2004-06-25 2004-06-25 Method and apparatus for providing economic analysis of power generation and distribution
US10/876,431 2004-06-25

Publications (1)

Publication Number Publication Date
DE102005029818A1 true DE102005029818A1 (de) 2006-02-09

Family

ID=34862201

Family Applications (1)

Application Number Title Priority Date Filing Date
DE102005029818A Ceased DE102005029818A1 (de) 2004-06-25 2005-06-27 Verfahren und Vorrichtung zur Bereitstellung einer ökonomischen Analyse von Stromerzeugung und -verteilung

Country Status (6)

Country Link
US (4) US7288921B2 (de)
CN (1) CN1737838B (de)
CA (1) CA2510839C (de)
DE (1) DE102005029818A1 (de)
GB (1) GB2415809B (de)
IN (1) IN2014DE02634A (de)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102006010852A1 (de) * 2006-03-09 2007-09-13 Vattenfall Europe Powerconsult Gmbh Verfahren zur Leistungsregelung eines mit Pumpspeichersätzen ausgerüsteten Speicherkraftwerkes

Families Citing this family (140)

* Cited by examiner, † Cited by third party
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
US10308265B2 (en) 2006-03-20 2019-06-04 Ge Global Sourcing Llc Vehicle control system and method
US10569792B2 (en) 2006-03-20 2020-02-25 General Electric Company Vehicle control system and method
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
US8924049B2 (en) 2003-01-06 2014-12-30 General Electric Company System and method for controlling movement of vehicles
US7458028B2 (en) * 2003-07-18 2008-11-25 Avinash Chidambaram Graphical interface for configuring a power supply controller
US7729789B2 (en) 2004-05-04 2010-06-01 Fisher-Rosemount Systems, Inc. Process plant monitoring based on multivariate statistical analysis and on-line process simulation
JP2007536634A (ja) 2004-05-04 2007-12-13 フィッシャー−ローズマウント・システムズ・インコーポレーテッド プロセス制御システムのためのサービス指向型アーキテクチャ
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
US9771834B2 (en) * 2004-10-20 2017-09-26 Emerson Process Management Power & Water Solutions, Inc. Method and apparatus for providing load dispatch and pollution control optimization
TWI397021B (zh) * 2005-04-29 2013-05-21 Power One Renewable Energy Solutions Llc 用於安裝後可更新能量系統的啟動、校準及除錯之電腦實施系統及方法
US7423412B2 (en) * 2006-01-31 2008-09-09 General Electric Company Method, apparatus and computer program product for injecting current
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
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
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
US8768543B2 (en) * 2006-03-20 2014-07-01 General Electric Company Method, system and computer software code for trip optimization with train/track database augmentation
US8370006B2 (en) 2006-03-20 2013-02-05 General Electric Company Method and apparatus for optimizing a train trip using signal information
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
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
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
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
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
US9201409B2 (en) 2006-03-20 2015-12-01 General Electric Company Fuel management system and method
US8126601B2 (en) 2006-03-20 2012-02-28 General Electric Company System and method for predicting a vehicle route using a route network database
US9156477B2 (en) 2006-03-20 2015-10-13 General Electric Company Control system and method for remotely isolating powered units in a vehicle system
US7642666B2 (en) * 2006-11-02 2010-01-05 Hitachi, Ltd. Wind power generation apparatus, wind power generation system and power system control apparatus
JPWO2008117392A1 (ja) * 2007-03-26 2010-07-08 Vpec株式会社 電力システム
JP5125199B2 (ja) * 2007-04-20 2013-01-23 トヨタ自動車株式会社 ハイブリッド車両のエンジン始動制御装置
US7525211B2 (en) * 2007-06-19 2009-04-28 Marvin Russell H Control system for twin turbine wind power generating system
RU2339144C1 (ru) * 2007-07-19 2008-11-20 Юрий Владимирович Шаров Способ улучшения динамической устойчивости и демпфирования колебаний электроэнергетических систем и устройство для его осуществления
US8140279B2 (en) * 2007-09-24 2012-03-20 Budderfly Ventures, Llc Computer based energy management
US8396608B2 (en) 2007-09-24 2013-03-12 Budderfly Ventures Llc Computer based energy management
EP2221958A4 (de) * 2007-12-14 2015-09-02 Mitsubishi Heavy Ind Ltd Windstromerzeugungssystem und betriebssteuerverfahren dafür
AU2007362449B2 (en) * 2007-12-14 2013-06-27 Mitsubishi Heavy Industries, Ltd. Wind turbine generator system and operation control method therefor
US8504407B2 (en) * 2008-02-12 2013-08-06 Justin Sacks Economic impact analysis and supplier interface system
US20090312885A1 (en) * 2008-06-11 2009-12-17 Buiel Edward R Management system for drilling rig power supply and storage system
JP5550645B2 (ja) * 2008-06-26 2014-07-16 アルストム テクノロジー リミテッド シングルサイクルまたはコンバインドサイクルガスタービン発電プラントの最大発電容量を推定する方法、指定された予備電力を制御する方法、および同方法とともに使用される発電システム
US8080887B2 (en) * 2008-09-19 2011-12-20 Brad Radl Closed loop control of hydrogen cooling of an electric power generator
KR20100047726A (ko) * 2008-10-29 2010-05-10 한국전력공사 무효전력원 협조제어를 통한 최적 계통전압제어 방법.
JP2012517207A (ja) 2009-02-03 2012-07-26 ドン・エナジー・パワー・エ/エス 分散型電力生産システムおよびその制御の方法
US8881039B2 (en) 2009-03-13 2014-11-04 Fisher-Rosemount Systems, Inc. Scaling composite shapes for a graphical human-machine interface
US9834237B2 (en) 2012-11-21 2017-12-05 General Electric Company Route examining system and method
US8437941B2 (en) 2009-05-08 2013-05-07 Gas Turbine Efficiency Sweden Ab Automated tuning of gas turbine combustion systems
US9267443B2 (en) 2009-05-08 2016-02-23 Gas Turbine Efficiency Sweden Ab Automated tuning of gas turbine combustion systems
US9671797B2 (en) 2009-05-08 2017-06-06 Gas Turbine Efficiency Sweden Ab Optimization of gas turbine combustion systems low load performance on simple cycle and heat recovery steam generator applications
US9354618B2 (en) 2009-05-08 2016-05-31 Gas Turbine Efficiency Sweden Ab Automated tuning of multiple fuel gas turbine combustion systems
US8234023B2 (en) * 2009-06-12 2012-07-31 General Electric Company System and method for regulating speed, power or position of a powered vehicle
ATE555533T1 (de) * 2009-06-24 2012-05-15 Alcatel Lucent Verfahren zum steuern eines netzwerkberechnungscluster mit it-diensten
EP2287991A1 (de) * 2009-08-19 2011-02-23 ABB Research Ltd. Optimierung des Stromverbrauchs von Rechenzentren
US8433450B2 (en) * 2009-09-11 2013-04-30 Emerson Process Management Power & Water Solutions, Inc. Optimized control of power plants having air cooled condensers
CN102667827B (zh) * 2009-12-04 2016-01-20 Abb研究有限公司 用改进的遗传算法的恢复开关分析
US8825183B2 (en) 2010-03-22 2014-09-02 Fisher-Rosemount Systems, Inc. Methods for a data driven interface based on relationships between process control tags
US9063715B2 (en) * 2010-06-10 2015-06-23 Hewlett-Packard Development Company, L. P. Management of a virtual power infrastructure
US10205319B2 (en) * 2010-06-11 2019-02-12 Eaton Intelligent Power Limited Automatic matching of sources to loads
US8880202B2 (en) * 2010-07-09 2014-11-04 Emerson Process Management Power & Water Solutions, Inc. Optimization system using an iteratively coupled expert engine
US9335748B2 (en) * 2010-07-09 2016-05-10 Emerson Process Management Power & Water Solutions, Inc. Energy management system
US9118213B2 (en) 2010-11-24 2015-08-25 Kohler Co. Portal for harvesting energy from distributed electrical power sources
WO2012073714A1 (ja) * 2010-11-29 2012-06-07 Necシステムテクノロジー株式会社 電力管理システム、電力管理装置、電力管理方法、及びコンピュータ読み取り可能な記録媒体
US10316833B2 (en) 2011-01-26 2019-06-11 Avista Corporation Hydroelectric power optimization
US8816531B2 (en) 2011-01-27 2014-08-26 General Electric Company Systems, methods, and apparatus for integrated volt/VAR control in power distribution networks
US8648499B2 (en) 2011-01-27 2014-02-11 General Electric Company Systems, methods, and apparatus for accelerating volt/VAR load flow optimization
DK2482418T3 (en) * 2011-02-01 2018-11-12 Siemens Ag Active desynchronization of switching inverters
WO2012167383A1 (en) * 2011-06-08 2012-12-13 Socpra Sciences Et Génie S.E.C. A distributed electrical load management method and system for controlling community loads
US9099890B2 (en) 2011-07-19 2015-08-04 General Electric Company Apparatus for decentralized coordinated Volt/Var control (CVVC)
CN102253652A (zh) * 2011-07-25 2011-11-23 中国神华能源股份有限公司 用于汽轮发电机的安全监控方法
US8838285B2 (en) 2011-07-26 2014-09-16 General Electric Company Devices and methods for decentralized power factor control
US8838284B2 (en) 2011-07-26 2014-09-16 General Electric Company Devices and methods for decentralized Volt/VAR control
US8761954B2 (en) 2011-07-26 2014-06-24 General Electric Company Devices and methods for decentralized coordinated volt/VAR control
US9570909B2 (en) 2011-07-26 2017-02-14 General Electric Company Devices and methods for decentralized power loss reduction control
US8965588B2 (en) 2011-07-26 2015-02-24 General Electric Company Devices and methods for decentralized voltage control
GB2494658A (en) 2011-09-14 2013-03-20 Bae Systems Plc Power distribution algorithm
US9026257B2 (en) * 2011-10-06 2015-05-05 Avista Corporation Real-time optimization of hydropower generation facilities
US9129141B2 (en) 2012-01-05 2015-09-08 General Electric Company Method for modeling a repair in an electric grid
JP5924050B2 (ja) * 2012-03-16 2016-05-25 ソニー株式会社 給電装置、受電装置、給電方法、受電方法、およびプログラム
JP5981313B2 (ja) 2012-11-09 2016-08-31 株式会社東芝 電力抑制型蓄電蓄熱最適化装置、最適化方法及び最適化プログラム
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
US9941813B2 (en) 2013-03-14 2018-04-10 Solaredge Technologies Ltd. High frequency multi-level inverter
US9853581B2 (en) * 2013-03-15 2017-12-26 Rolls-Royce Corporation Lifing and performance optimization limit management for turbine engine
JP5858080B2 (ja) * 2013-08-23 2016-02-10 横河電機株式会社 運転計画策定方法および運転計画策定システム
CN103500289B (zh) * 2013-10-16 2017-09-08 国家电网公司 一种通信方式的性价比的确定方法
US9404426B2 (en) 2013-12-31 2016-08-02 General Electric Company Methods and systems for enhancing control of power plant generating units
US20150184549A1 (en) 2013-12-31 2015-07-02 General Electric Company Methods and systems for enhancing control of power plant generating units
US9957843B2 (en) 2013-12-31 2018-05-01 General Electric Company Methods and systems for enhancing control of power plant generating units
US9519301B2 (en) 2014-02-26 2016-12-13 Schweitzer Engineering Laboratories, Inc. Contingency-based load shedding
US20150244170A1 (en) * 2014-02-26 2015-08-27 Schweitzer Engineering Laboratories, Inc. Power System Management
US9954372B2 (en) 2014-02-26 2018-04-24 Schweitzer Engineering Laboratories, Inc. Topology determination using graph theory
US9318974B2 (en) 2014-03-26 2016-04-19 Solaredge Technologies Ltd. Multi-level inverter with flying capacitor topology
US20150371418A1 (en) * 2014-06-18 2015-12-24 Honeywell International Inc. Apparatus and method for visualization of optimum operating envelope
WO2016007910A1 (en) * 2014-07-10 2016-01-14 California Institute Of Technology Dynamic frequency control in power networks
WO2016015341A1 (en) * 2014-08-01 2016-02-04 Accenture Global Services Limited System, method and apparatuses for determining parameter settings for a power generation system and a tangible computer readable medium
US10281507B2 (en) 2014-11-21 2019-05-07 Kohler Co. Generator sizing
US9941699B2 (en) * 2014-11-21 2018-04-10 Siemens Industry, Inc. Systems, methods and apparatus for improved management and control of energy delivery systems
WO2016102675A1 (en) * 2014-12-23 2016-06-30 Deif A/S Optimal dispatch
US9960598B2 (en) 2015-03-03 2018-05-01 General Electric Company Methods and systems for enhancing control of power plant generating units
US9926852B2 (en) 2015-03-03 2018-03-27 General Electric Company Methods and systems for enhancing control of power plant generating units
US9932907B2 (en) 2015-03-03 2018-04-03 General Electric Company Methods and systems for enhancing control of power plant generating units
US10287988B2 (en) 2015-03-27 2019-05-14 General Electric Company Methods and systems for enhancing operation of power plant generating units and systems
US10542961B2 (en) 2015-06-15 2020-01-28 The Research Foundation For The State University Of New York System and method for infrasonic cardiac monitoring
US10282687B2 (en) * 2015-10-07 2019-05-07 University Of Utah Research Foundation Systems and methods for managing power generation resources
US10296030B2 (en) 2015-10-07 2019-05-21 University Of Utah Research Foundation Systems and methods for power system management
US10509374B2 (en) 2015-10-07 2019-12-17 University Of Utah Research Foundation Systems and methods for managing power generation and storage resources
USD811423S1 (en) 2015-11-16 2018-02-27 Kohler, Co. Display screen with graphical user interface
USD810104S1 (en) 2015-11-16 2018-02-13 Kohler, Co. Display screen with graphical user interface
US10323547B2 (en) 2016-02-23 2019-06-18 General Electric Company Steam drum level control system, computer program product and related methods
US10534328B2 (en) 2016-06-21 2020-01-14 General Electric Company Methods and systems for enhancing control of power plant generating units
US10763695B2 (en) 2016-07-26 2020-09-01 Schweitzer Engineering Laboratories, Inc. Microgrid power flow monitoring and control
US10594138B2 (en) 2016-10-04 2020-03-17 Schweitzer Engineering Laboratories, Inc. Detection and remediation of transients in electric power systems
US10833507B2 (en) 2016-11-29 2020-11-10 Schweitzer Engineering Laboratories, Inc. Island detection and control of a microgrid
WO2018103800A1 (en) * 2016-12-09 2018-06-14 Vestas Wind Systems A/S Improvements relating to reactive power support in wind power plants
US10635066B2 (en) 2016-12-19 2020-04-28 Kohler Co. Generator system architecture
CN106953367B (zh) * 2017-03-14 2020-07-28 国网天津市电力公司 用于含燃气-蒸汽联合循环机组热电系统的风电消纳方法
CN108667135B (zh) * 2017-03-31 2022-12-30 腾讯科技(深圳)有限公司 实现电力调度的方法和装置
CN107069810B (zh) * 2017-04-11 2019-08-20 山东大学 应对风电间歇性的火电机组组合模型构建与分析方法
CN107798427B (zh) * 2017-10-17 2021-08-17 国家电网公司 大规模能源基地特高压电力送出电网结构方案的构建方法
CN107732979B (zh) * 2017-10-17 2020-04-28 国家电网公司 一种基于电压稳定裕度的发电旋转备用容量优化方法
US10908562B2 (en) 2017-10-23 2021-02-02 Honeywell International Inc. Apparatus and method for using advanced process control to define real-time or near real-time operating envelope
US10926659B2 (en) 2017-12-01 2021-02-23 California Institute Of Technology Optimization framework and methods for adaptive EV charging
CN108336739B (zh) * 2018-01-15 2021-04-27 重庆大学 一种基于rbf神经网络的概率潮流在线计算方法
CN108281989B (zh) * 2018-03-09 2020-11-10 广东电网有限责任公司电力科学研究院 一种风电电力系统经济调度方法及装置
US11009931B2 (en) 2018-07-17 2021-05-18 Schweitzer Engineering Laboratories, Inc. Voltage assessment prediction system for load/generation shedding
CN108879776B (zh) * 2018-07-24 2021-07-30 云南电网有限责任公司 一种可持续发展的煤电机组退役评估方法
FR3088495B1 (fr) * 2018-11-13 2022-08-05 Commissariat Energie Atomique Procedes de determination des parametres de pilotage de n generateurs electriques, procede de pilotage de n generateurs et systeme mettant en œuvre lesdits procedes
CN109450091A (zh) * 2018-11-19 2019-03-08 国网新疆电力有限公司塔城供电公司 一种数据传输系统及方法
US10931109B2 (en) 2019-01-10 2021-02-23 Schweitzer Engineering Laboratories, Inc. Contingency based load shedding system for both active and reactive power
US11376981B2 (en) 2019-02-08 2022-07-05 California Institute Of Technology Systems and methods for adaptive EV charging
US10851990B2 (en) * 2019-03-05 2020-12-01 General Electric Company System and method to improve combined cycle plant power generation capacity via heat recovery energy control
US10558937B1 (en) 2019-04-22 2020-02-11 Lineage Logistics Llc Scheduled thermal control system
US10992134B2 (en) 2019-05-10 2021-04-27 Schweitzer Engineering Laboratories, Inc. Load shedding system for both active and reactive power based on system perturbation
US11208920B2 (en) 2019-06-06 2021-12-28 General Electric Company Control of power generation system with water level calibration for pressure vessel
US11671038B2 (en) * 2019-08-09 2023-06-06 Hamilton Sundstrand Corporation Control of a wound field synchronous generator for transient load response
CN110649663B (zh) * 2019-09-25 2021-03-12 中国南方电网有限责任公司 发电量分配方法、装置、计算机设备及存储介质
JP6733799B1 (ja) * 2019-11-22 2020-08-05 富士電機株式会社 制御装置、対価算出装置、電力システム、およびプログラム
US11177657B1 (en) 2020-09-25 2021-11-16 Schweitzer Engineering Laboratories, Inc. Universal power flow dynamic simulator
CN113157790B (zh) * 2021-04-20 2022-10-11 核工业西南物理研究院 一种核聚变曲线编辑方法、系统、终端及介质
US11735913B2 (en) 2021-05-25 2023-08-22 Schweitzer Engineering Laboratories, Inc. Autonomous real-time remedial action scheme (RAS)
US12149073B2 (en) 2021-06-22 2024-11-19 Schweitzer Engineering Laboratories, Inc. Dynamic capability region for electric power system protection
US11929608B2 (en) 2021-09-01 2024-03-12 Schweitzer Engineering Laboratories, Inc. Systems and methods for operating an islanded distribution substation using inverter power generation

Family Cites Families (114)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3949291A (en) 1969-12-11 1976-04-06 Bbc Aktiengesellschaft Brown, Boveri & Cie. Short HVDC transmission system with power factor control
US3932735A (en) * 1970-08-24 1976-01-13 Westinghouse Electric Corporation Method of controlling supply of power
US3683161A (en) * 1970-09-08 1972-08-08 Leeds & Northrup Co Computing economic power distribution in power tools
US3808409A (en) * 1971-08-26 1974-04-30 Westinghouse Electric Corp Loadflow computer and dc circuit modules empolyed therein for simulating ac electric power networks
US3903402A (en) * 1971-08-26 1975-09-02 Westinghouse Electric Corp Digital computer program system employed in a hybrid loadflow computer arrangement for monitoring the security of an electric power system
US3886330A (en) * 1971-08-26 1975-05-27 Westinghouse Electric Corp Security monitoring system and method for an electric power system employing a fast on-line loadflow computer arrangement
US3886332A (en) * 1971-08-26 1975-05-27 Westinghouse Electric Corp Application of basecase results to initiate iterations and test for convergence in a hybride computer arrangement used to generate rapid electric power system loadflow solutions
US3839629A (en) * 1971-08-26 1974-10-01 Westinghouse Electric Corp Hybrid interfacing of computational functions in a hybrid loadflow computer arrangement for electric power systems
US3903399A (en) * 1971-08-26 1975-09-02 Westinghouse Electric Corp System and method for converging iterations in a hybrid loadflow computer arrangement
US3911286A (en) * 1972-04-26 1975-10-07 Westinghouse Electric Corp System and method for operating a steam turbine with a control system having a turbine simulator
US3754184A (en) * 1972-06-21 1973-08-21 Harnischfeger Corp Reactive power compensation control system
US3913829A (en) * 1972-09-28 1975-10-21 Lester H Fink Economic dispatch technique for interconnected power systems
US3928972A (en) * 1973-02-13 1975-12-30 Westinghouse Electric Corp System and method for improved steam turbine operation
US3936727A (en) * 1973-10-12 1976-02-03 General Electric Company High speed control of reactive power for voltage stabilization in electric power systems
US3940687A (en) * 1974-05-02 1976-02-24 Enver Bejukovich Akhundov Method for controlling active power distribution in power transmission lines and a controller for effecting same
US3999117A (en) * 1974-12-23 1976-12-21 Westinghouse Electric Corporation Method and control apparatus for static VAR generator and compensator
US4029951A (en) * 1975-10-21 1977-06-14 Westinghouse Electric Corporation Turbine power plant automatic control system
US4120159A (en) * 1975-10-22 1978-10-17 Hitachi, Ltd. Steam turbine control system and method of controlling the ratio of steam flow between under full-arc admission mode and under partial-arc admission mode
US4069675A (en) * 1976-03-16 1978-01-24 Measurex Corporation Method of optimizing the performance of a multi-unit power
US4075699A (en) * 1976-06-24 1978-02-21 Lockheed Electronics Co., Inc. Power monitoring and load shedding system
US4121150A (en) * 1977-07-25 1978-10-17 General Electric Company Gain compensation for power factor in line current regulating systems involving reactive power
US4305129A (en) * 1977-10-27 1981-12-08 Westinghouse Electric Corp. System for providing load-frequency control through predictively and _dynamically dispatched gas turbine-generator units
US4204151A (en) * 1978-04-03 1980-05-20 Westinghouse Electric Corp. Static VAR generator with non-linear frequency dependent dynamic gain adjuster
US4280060A (en) * 1980-06-09 1981-07-21 General Electric Company Dedicated microcomputer-based control system for steam turbine-generators
US4365190A (en) * 1981-03-19 1982-12-21 Asi Systems, Inc. Automatic var controller
US4438386A (en) * 1981-09-10 1984-03-20 Westinghouse Electric Corp. Static VAR generation for transmission line compensation of subsynchronous resonance
US4451777A (en) * 1981-09-10 1984-05-29 Westinghouse Electric Corp. Static VAR generation for transmission line compensation
US4394614A (en) * 1981-09-15 1983-07-19 Westinghouse Electric Corp. Static VAR generators
US4398141A (en) * 1981-09-15 1983-08-09 Westinghouse Electric Corp. Static VAR generators
US4437052A (en) * 1981-12-17 1984-03-13 Westinghouse Electric Corp. Static VAR generator
US4492874A (en) * 1982-04-26 1985-01-08 General Electric Company Synchronization fuel control for gas turbine-driven AC generator by use of maximum and minimum fuel signals
US4445045A (en) * 1982-08-30 1984-04-24 General Signal Corporation Unit controller for multiple-unit dispatch control
US4514642A (en) * 1983-02-04 1985-04-30 General Signal Corporation Unit controller for multiple-unit dispatch control
US4794328A (en) * 1983-04-13 1988-12-27 Niagara Mohawk Power Corporation Tool for mounting a sensor module on a live power transmission line
US4714893A (en) * 1983-04-13 1987-12-22 Niagara Mohawk Power Corporation Apparatus for measuring the potential of a transmission line conductor
US4689752A (en) * 1983-04-13 1987-08-25 Niagara Mohawk Power Corporation System and apparatus for monitoring and control of a bulk electric power delivery system
US4723220A (en) * 1983-04-13 1988-02-02 Niagara Mohawk Power Corporation Apparatus for power measuring and calculating Fourier components of power line parameters
US4796027A (en) * 1983-04-13 1989-01-03 Niagara Mohawk Power Corporation Apparatus for data transmission from multiple sources on a single channel
US4746241A (en) * 1983-04-13 1988-05-24 Niagara Mohawk Power Corporation Hinge clamp for securing a sensor module on a power transmission line
US4602206A (en) * 1983-06-28 1986-07-22 General Electric Company Capacitance control for a static var generator
US4482857A (en) * 1983-08-08 1984-11-13 Rig Efficiency, Inc. Closed loop power factor control for drilling rigs
US4590416A (en) * 1983-08-08 1986-05-20 Rig Efficiency, Inc. Closed loop power factor control for power supply systems
US4891948A (en) 1983-12-19 1990-01-09 General Electric Company Steam turbine-generator thermal performance monitor
US4674279A (en) * 1984-09-12 1987-06-23 Acres International Corporation Control system for run-of-river hydroelectric plant
CA1256942A (en) * 1985-06-20 1989-07-04 Gunther Mieth Circuit arrangement for feeding an electrical load from a solar generator
AU573101B2 (en) * 1985-09-10 1988-05-26 Toshiba, Kabushiki Kaisha Reactive power compensation apparatus
US5032738A (en) * 1986-01-22 1991-07-16 Vithayathil John J Scheme for rapid adjustment of network impedance
US4745758A (en) * 1986-05-08 1988-05-24 Westinghouse Electric Corp. System for economic unit load distribution during process load transition
US4868410A (en) * 1986-09-10 1989-09-19 Mitsubishi Denki Kabushiki Kaisha System of load flow calculation for electric power system
GB2195845B (en) * 1986-09-30 1991-03-27 Electricity Council Remote protection of three phase distribution transformers
US4881184A (en) * 1987-09-08 1989-11-14 Datac, Inc. Turbine monitoring apparatus
US4866940A (en) * 1988-07-25 1989-09-19 Westinghouse Electric Corp. Computer aided tuning of turbine controls
US4888954A (en) 1989-03-30 1989-12-26 Westinghouse Electric Corp. Method for heat rate improvement in partial-arc steam turbine
US5081591A (en) * 1990-02-28 1992-01-14 Westinghouse Electric Corp. Optimizing reactive power distribution in an industrial power network
CN1021682C (zh) * 1990-07-21 1993-07-21 南昌三星电器厂 无功功率高低压共同补偿系统
US5159562A (en) * 1990-07-31 1992-10-27 Westinghouse Electric Corp. Optimization of a plurality of multiple-fuel fired boilers using iterated linear programming
US5581470A (en) 1991-07-05 1996-12-03 The Detroit Edison Company Apparatus for visually graphically displaying the operating point of a generator in reference to its capability curve including digital readouts of watts, vars and hydrogen pressure
US5347466A (en) * 1991-07-15 1994-09-13 The Board Of Trustees Of The University Of Arkansas Method and apparatus for power plant simulation and optimization
US5187427A (en) * 1991-11-27 1993-02-16 U.S. Windpower, Inc. Static reactive power compensator
JP2888717B2 (ja) 1992-04-06 1999-05-10 公生 石丸 エネルギー供給システム
US5278772A (en) * 1992-05-06 1994-01-11 Honeywell Inc. Real-time economic load allocation
US5570007A (en) * 1993-07-09 1996-10-29 General Electric Company Method and apparatus for static VAR compensator voltage regulation
US5321308A (en) * 1993-07-14 1994-06-14 Tri-Sen Systems Inc. Control method and apparatus for a turbine generator
US5517423A (en) 1994-01-11 1996-05-14 Systems Analysis And Integration, Inc. Power distribution system control network
US5621654A (en) 1994-04-15 1997-04-15 Long Island Lighting Company System and method for economic dispatching of electrical power
US5631545A (en) * 1994-06-29 1997-05-20 Electric Power Research Institute, Inc. Apparatus and method for regulating a power line using frequency domain self-synchronization control
US5715165A (en) * 1994-12-23 1998-02-03 The University Of Connecticut Method and system for scheduling using a facet ascending algorithm or a reduced complexity bundle method for solving an integer programming problem
US5796628A (en) * 1995-04-20 1998-08-18 Cornell Research Foundation, Inc. Dynamic method for preventing voltage collapse in electrical power systems
US5798631A (en) * 1995-10-02 1998-08-25 The State Of Oregon Acting By And Through The State Board Of Higher Education On Behalf Of Oregon State University Performance optimization controller and control method for doubly-fed machines
US6021402A (en) * 1997-06-05 2000-02-01 International Business Machines Corporaiton Risk management system for electric utilities
JPH11187574A (ja) * 1997-12-18 1999-07-09 Kobe Steel Ltd 発電所の力率制御装置
US6037672A (en) * 1998-02-09 2000-03-14 Lockheed Martin Corporation Generator having impedance matching prime mover output capability for operation with maximized efficiency
US6775597B1 (en) * 1998-05-13 2004-08-10 Siemens Power Transmission & Distribution Security constrained optimal power flow method
US6252753B1 (en) * 1998-12-18 2001-06-26 Southern California Edison Co. Energy service stabilizer
US6204642B1 (en) 1999-08-06 2001-03-20 General Electric Company Method and apparatus for modifying limit and protection software in a synchronous generator exciter to match the capability of the turbine-generator
US6274851B1 (en) * 1999-08-31 2001-08-14 Inverpower Controls Ltd. Electric arc furnace controller
EP1224721B1 (de) * 1999-09-13 2005-09-28 Aloys Wobben Verfahren zur blindleistungsregelung sowie vorrichtung zur erzeugung elektrischer energie in einem elektrischen netz
AU2001278923A1 (en) * 2000-07-13 2002-01-30 Nxegen System and method for monitoring and controlling energy usage
DE10036099A1 (de) * 2000-07-25 2002-02-14 Bosch Gmbh Robert Verfahren zur Regelung einer elektrischen Maschine mit Pulswechselrichter
US6417650B1 (en) * 2000-12-13 2002-07-09 Ford Global Technologies Inc. Method of controlling an induction generator
US20020084655A1 (en) * 2000-12-29 2002-07-04 Abb Research Ltd. System, method and computer program product for enhancing commercial value of electrical power produced from a renewable energy power production facility
FI20010114A7 (fi) 2001-01-18 2002-07-19 Gaia Group Oy Menetelmä voimalaitoksen yhteydessä
US6707279B2 (en) * 2001-01-26 2004-03-16 Ford Global Technologies, Inc. Induction generator control with minimal sensor requirements
US6853930B2 (en) * 2001-02-27 2005-02-08 Hitachi, Ltd. System for aiding the preparation of operation and maintenance plans for a power generation installation
US20020198629A1 (en) * 2001-04-27 2002-12-26 Enerwise Global Technologies, Inc. Computerized utility cost estimation method and system
US6670721B2 (en) * 2001-07-10 2003-12-30 Abb Ab System, method, rotating machine and computer program product for enhancing electric power produced by renewable facilities
US6492801B1 (en) 2001-08-21 2002-12-10 Southern Company Services, Inc. Method, apparatus, and system for real time reactive power output monitoring and predicting
US6573691B2 (en) * 2001-10-17 2003-06-03 Hatch Associates Ltd. Control system and method for voltage stabilization in electric power system
US7343361B2 (en) * 2001-12-07 2008-03-11 Siemens Power Transmission & Distribution, Inc. Apparatus for market dispatch for resolving energy imbalance requirements in real-time
DE10222621A1 (de) * 2002-05-17 2003-11-27 Josef Steger Verfahren und Schaltungsanordnung zur Steuer- und Regelung von Photovoltaikanlagen
US6900998B2 (en) 2002-05-31 2005-05-31 Midwest Research Institute Variable-speed wind power system with improved energy capture via multilevel conversion
CN1220795C (zh) * 2002-07-09 2005-09-28 中南大学 锌电解过程分时供电优化调度技术
US6924628B2 (en) * 2003-02-24 2005-08-02 Siemens Westinghouse Power Corporation Method and system for operating a generator using a dynamic capability curve
US7305282B2 (en) * 2003-05-13 2007-12-04 Siemens Power Transmission & Distribution, Inc. Very short term load prediction in an energy management system
US7092798B2 (en) * 2003-05-13 2006-08-15 Siemens Power Transmission & Distribution, Inc. System for control performance standards
US7085660B2 (en) * 2003-05-13 2006-08-01 Siemens Power Transmission & Distribution, Inc. Energy management system in a power and distribution system
US7058522B2 (en) * 2003-05-13 2006-06-06 Siemens Power Transmission & Distribution, Inc. Very short term load prediction
US7689323B2 (en) * 2003-05-13 2010-03-30 Siemens Aktiengesellschaft Automatic generation control of a power distribution system
US7321810B2 (en) * 2003-05-13 2008-01-22 Siemens Power Transmission & Distribution, Inc. Method of dynamic economic dispatch
US7454270B2 (en) * 2003-05-13 2008-11-18 Siemens Power Transmission & Distribution, Inc. Dynamic economic dispatch for the management of a power distribution system
US8108184B2 (en) * 2004-01-15 2012-01-31 Bruce Fardanesh Methods and systems for power systems analysis: a non-iterative state solver/estimator for power systems operation and control
ES2344348T3 (es) * 2004-03-12 2010-08-25 General Electric Company Procedimiento para operar un convertidor de frecuencias de un generador y una turbina de energia eolica que tiene un generador operado segun el procedimiento.
JP4121475B2 (ja) * 2004-03-30 2008-07-23 三菱電機株式会社 車両用発電機の発電制御装置
US7038330B2 (en) * 2004-04-23 2006-05-02 Rwe Piller Gmbh Protection for wind power station
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
US9771834B2 (en) 2004-10-20 2017-09-26 Emerson Process Management Power & Water Solutions, Inc. Method and apparatus for providing load dispatch and pollution control optimization
US7356383B2 (en) * 2005-02-10 2008-04-08 General Electric Company Methods and apparatus for optimizing combined cycle/combined process facilities
FR2885237B1 (fr) * 2005-05-02 2007-06-29 Agence Spatiale Europeenne Dispositif de commande d'un convertisseur de tension continue a commutation et son utilisation pour maximiser la puissance delivree par un generateur photovoltaique
US8649911B2 (en) * 2005-06-03 2014-02-11 General Electric Company System and method for operating a wind farm under high wind speed conditions
US7272514B2 (en) * 2005-06-17 2007-09-18 Hamilton Sundstrand Corporation Protection system for an electrical power generator
US7486053B2 (en) * 2005-06-17 2009-02-03 Hamilton Sundstrand Corporation Power manager for an electrical power generator
DE102005032864B4 (de) * 2005-07-14 2011-04-14 Sma Solar Technology Ag Verfahren zum Auffinden eines Leistungsmaximums eines Photovoltaik-Generators
US7253634B1 (en) * 2006-03-31 2007-08-07 General Electric Company Generator protection methods and systems self-tuning to a plurality of characteristics of a machine
US8126685B2 (en) * 2006-04-12 2012-02-28 Edsa Micro Corporation Automatic real-time optimization and intelligent control of electrical power distribution and transmission systems

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102006010852A1 (de) * 2006-03-09 2007-09-13 Vattenfall Europe Powerconsult Gmbh Verfahren zur Leistungsregelung eines mit Pumpspeichersätzen ausgerüsteten Speicherkraftwerkes
DE102006010852B4 (de) * 2006-03-09 2010-09-23 Vattenfall Europe Powerconsult Gmbh Verfahren zur Leistungsregelung eines mit Pumpspeichersätzen ausgerüsteten Speicherkraftwerkes

Also Published As

Publication number Publication date
US20050286179A1 (en) 2005-12-29
US7190149B2 (en) 2007-03-13
CN1737838B (zh) 2011-08-17
CA2510839C (en) 2016-10-04
GB0513131D0 (en) 2005-08-03
GB2415809B (en) 2009-10-21
HK1082300A1 (zh) 2006-06-02
IN2014DE02634A (de) 2015-06-26
US20070162189A1 (en) 2007-07-12
CA2510839A1 (en) 2005-12-25
US7288921B2 (en) 2007-10-30
CN1737838A (zh) 2006-02-22
US20050285574A1 (en) 2005-12-29
GB2415809A (en) 2006-01-04
US7385300B2 (en) 2008-06-10
US20080004721A1 (en) 2008-01-03
US7474080B2 (en) 2009-01-06

Similar Documents

Publication Publication Date Title
DE102005029818A1 (de) Verfahren und Vorrichtung zur Bereitstellung einer ökonomischen Analyse von Stromerzeugung und -verteilung
DE102011051673B4 (de) Energieverwaltungssystem
DE102011051671B4 (de) Optimierungssystem unter Verwendung einer iterativen Experten-Engine
DE102005050140A1 (de) Verfahren und Gerätschaft zur Bereitstellung einer optimierten Lastverteilung und Schadstoffsteuerung
EP2865063B1 (de) Netzplanerstellung und betriebsführung
DE112013006249T5 (de) Leistungssteuervorrichtung, Leistungssteuerverfahren, Programm, sowie Energiemanagementsystem
WO2018015376A1 (de) Verfahren, computer-programm-produkt, vorrichtung und "energie-cluster-service"-system zum managen von regelzielen, insbesondere lastausgleichen, bei der steuerung der versorgung, umwandlung, speicherung, einspeisung, verteilung und/oder des verbrauchs von energie in einem energienetz
DE102012105721B4 (de) Steuern einer Mehrzahl von an einen gemeinsamen Netzübergabepunkt angeschlossenen Wechselrichtern
WO2022073667A1 (de) Verfahren zum steuern von strom- und wärmeaustauschen zwischen mehreren energiesystemen mittels einer zentralen steuerungsplattform
DE102021214816A1 (de) Verfahren und System zur Steuerung eines Stromnetzes
EP3767770A1 (de) Verfahren zum steuern eines austausches von energien innerhalb eines energiesystems sowie energiesystem
DE102020203853A1 (de) Verfahren zur Steuerung eines Energiesystems sowie zugehörige Vorrichtung
WO2018224249A1 (de) Verfahren zum betreiben einer vielzahl von technischen einheiten als verbund an einem elektrischen verteilungsnetz sowie steuervorrichtung und elektrische vorrichtung
DE102018213862A1 (de) Verfahren zum Steuern eines Austauschs von Energie zwischen Energiesubsystemen zu angeglichenen Konditionen; Steuerungszentrale; Energiesystem; Computerprogramm sowie Speichermedium
EP3759785A1 (de) Verfahren zur echtzeitregelung eines energieversorgungs- und verteilersystems
DE102020204424A1 (de) Verfahren zur Steuerung eines Wärmenetzes, Steuerungseinheit sowie Wärmeaustauschsystem
EP3506028B1 (de) System und verfahren zur bereitstellung von energie an einen verbraucher
EP3906522A1 (de) Computergestütztes energiemanagementverfahren und energiemanagementsystem
DE102010045282A1 (de) Verfahren zum Verwalten von Energieressourcen
DE102015110029A1 (de) Verfahren zur steuerung eines verbrauchers
EP3311460B1 (de) Verteiltes energie-wandlungs-system
DE10244469B4 (de) Verfahren zur Bildung physikalischer und struktureller Modelle verteilter Kraft-Wärmekopplungsanlagen
EP3859929B1 (de) Energiesystem sowie verfahren und vorrichtungen zu dessen steuerung
WO2026013189A1 (de) Computerimplementiertes verfahren und anordnung zur optimierung einer energieversorgung mindestens eines gebäudes
EP0704778A1 (de) Verfahren zur Energieverteilung in Systemen und zugehörige Anordnung

Legal Events

Date Code Title Description
8110 Request for examination paragraph 44
R016 Response to examination communication
R002 Refusal decision in examination/registration proceedings
R003 Refusal decision now final