600~699 MW級集中式高背壓型空冷機組熱電聯產系統仿真與性能分析

顧煜炯，劉浩晨，耿 直

600~699 MW級集中式高背壓型空冷機組熱電聯產系統仿真與性能分析

顧煜炯，劉浩晨，耿 直

（華北電力大學能源動力與機械工程學院，北京 102206）

以我國最具代表性的600~699 MW級空冷發電機組為例，采用Ebsilon軟件建立集中式高背壓型空冷機組熱電聯產系統模型，分析不同工況下機組發電量隨高背壓熱負荷占比變化的規律，獲得機組整體收益隨電熱價比變化的結果。結果表明：當外界熱負荷一定時，可以通過調整高背壓熱負荷占比得到實際最大發電量并通過算例得到這一具體數值，且其要小于理想最大發電量；當外界熱負荷與電熱價比變化時，本文確定了采用何種運行策略可使機組整體性收益最大。研究結果可為空冷熱電聯產機組提供可參考的運行策略。

空冷熱電聯產；Ebsilon仿真；能量梯級利用；經濟優化建議；電熱價比；熱負荷占比

2017年我國電力消費增速提高。截至2017年年底，全國發電裝機容量達17.8億kW，其中火電裝機11.0億kW，占61.8%。在2013—2017年4年時間里，600~699 MW級火力發電機組臺數持續增長，但其運行系數、等效強迫停運率卻持續走低，非計劃停運次數持續增長[1]。近年來，隨著大型燃煤機組的建成，分析研究600~699 MW級空冷熱電聯產機組，特別是我國北方地區由于貧水富煤的現狀而普遍采用的SCAL型間接空冷熱力發電機組，顯得十分必要；同時，如何調整運行策略以使熱電聯產機組獲得最大效益也成為研究熱點。

本文基于Ebsilon熱力仿真軟件[2]對空冷熱電聯產機組進行了建模與仿真，并對機組熱力學性能和整體經濟性進行了分析，為我國北方600~ 699 MW級SCAL型間接空冷熱力發電機組進行熱電聯產改造的系統方案設計及運行策略提供參考。

1 系統概述

目前，600~699 MW級SCAL型間接空冷熱力發電機組已成為空冷機組中集中供熱系統的主力熱源。由于空冷機組本身汽輪機末級排汽壓力較高，所以有足夠的余熱資源尚未被充分利用。對于大容量高參數空冷機組，可采取抽凝-背壓熱電聯產方案實現熱電聯產。這種方案工程改造成本低，且能夠在犧牲少量發電量的情況下深度回收電廠循環冷卻水的余熱、提高機組熱效率[3]、擴大供熱面積、適應外界熱負荷的需求。集中式高背壓型空冷機組熱電聯產系統工藝流程如圖1所示。全系統分為電廠側與熱網水側。首先在熱網的熱力站處，采用表面式水-水換熱器實現二次熱網供回水的溫升，使一次熱網回水[4]降至55~65 ℃，同時為基本熱負荷熱源處余熱的回收創造有利條件，考慮到一次熱網回水沿程損耗等，一次熱網回水在進入電廠后按設計工況會在47~53 ℃；其次，抽取進入空冷島之前的部分汽輪機低壓缸末級排汽，與表面式汽水換熱器構成基本負荷熱源，實現一次熱網回水的初步溫升；最后，中壓缸末級部分排汽進入調峰汽水表面式加熱器與熱網水再次換熱，在此處構成調峰熱源并將熱網給水加熱到滿足外界要求后送出。熱網水在熱源處的具體流程為：一次熱網回水先在熱電廠內通過表面式汽水換熱器與排汽換熱，熱網水被初步加熱后經調峰汽水表面式加熱器再次提溫后送出。在該流程中，熱網水被基本負荷熱源加熱器和調峰加熱器依次逐級加熱，能夠實現對外兆瓦級采暖的需求，克服了大型空冷電廠的熱電聯產系統供熱能力不足的問題。

2 系統建模

為了研究系統在約120天的[5]采暖季中相關性能的變化情況，需要建立已經進行了高背壓供熱改造的空冷熱電聯產機組系統模型。系統中基本負荷熱源加熱器和調峰熱源加熱器為新型設備；其余的鍋爐、發電機、汽輪機、回熱系統、空冷島和熱力站等設備參考文獻[6-10]，本文不再贅述。此處僅對電廠內兩熱源處的汽水換熱器、熱網供回水流程和外界熱負荷進行建模分析。

2.1 汽水換熱器模型

基本負荷熱源加熱器以空冷機組末級汽輪機排汽為熱源，通過表面式汽水換熱器與熱網回水換熱；蒸汽釋放熱量后凝結并回凝結水泵前回注鍋爐給水系統，熱網水獲得蒸汽釋放的熱量升溫。在供暖高峰期或者供熱面積擴增等情況下，外界熱負荷增高，需要引入調峰熱源以滿足熱用戶側需求。調峰負荷熱源加熱器以空冷機組中壓缸排汽為熱源，通過利用表面式汽水換熱器與熱網水實現調峰加熱，蒸汽釋放熱量后凝結并回鍋爐給水泵前回注鍋爐給水系統。在此過程中，能量守恒方程為：

汽水換熱器模型模型如圖2所示。

2.2 熱網供回水模型

熱網供回水模型如圖3所示。具體工藝流程為：熱網回水首先在基本負荷熱源處被初次提溫，經電廠工質泵根據實際輸送距離的要求而增壓后在調峰熱源處被加熱到熱網需求溫度，隨后排出電廠匯入市政熱網。

在此過程中，主要能量方程式為：

2.3 外界熱負荷模型

由熱平衡可知，熱用戶所在的建筑向環境的散熱量1、所有的熱用戶房間向熱用戶建筑的散熱量2和二次熱網水在所有熱用戶處放出的熱量3相等（圖4），即

又由熱傳導平衡方程[11]有

在計算供熱面積時，認為建筑采暖平均熱負荷0=50 W/m2，從而得到

式中S為采暖面積，m2。

2.4 系統設計參數

根據上述各設備模型對供熱系統參數進行配置。設計工況下一次網供回水溫度為110 ℃/50 ℃，供熱距離為20 km，通過各平衡方程進行各節點熱力學參數選擇以及換熱設備選型等。

通常情況下，熱力管網、熱力站、各個增壓泵、基本負荷熱源換熱器和調峰熱源換熱器等會存在一定熱量損失，但是這些數據差別不大。該差異會對機組的能耗、環保性和經濟性分析引入一定的誤差，但是在上述假設下得到的結果對空冷熱電聯產機組的仿真與建模分析仍然具有一定的參考價值。可以選擇我國北方某一例最具代表性的城市采暖季需求，在Ebsilon中進行建模、仿真和分析。系統設計參數見表1。設計工況下，系統熱網回水溫度為50 ℃，供水溫度為110 ℃，流量為10 762 t/h，共計對外界供熱負荷750 MW；取熱用戶耗熱指標 為50 W/m2，則供熱面積為1 500萬m2。定義機 組抽凝比為在額定工況下抽汽熱量與低壓缸排 汽凝汽余熱的比例，在此處得到抽凝比為1.640。在系統總熱負荷構成中，低壓缸末級的235.4 t/h 排汽在30.5 kPa下發生相變換熱，共回收排汽余 熱150 MW，利用抽汽熱量600 MW，高背壓熱 負荷占比為0.2。

表1 某熱電聯產系統設計參數

Tab.1 The design parameters of a cogeneration system

3 系統仿真及結果分析

系統運行調節方式：在北方城市采暖季供熱過程中，隨著環境溫度的變化，熱力站處換熱負荷增加，熱網系統通過提高一次熱網供水溫度、同時微調熱網水流量來滿足熱用戶的需求。系統在實際運行調節過程中保證電廠內主蒸汽溫度、壓力、流量等參數不變，熱網采用以質調節為主、量調節為輔的供暖方式。

對空冷機組而言，汽輪機的背壓反映空冷機組運行的優劣情況，是冷端系統的重要綜合考核指標，而冷端系統性能的良好與否將直接關系到整個空冷機組的經濟性，這一點對高背壓熱電聯產方式影響更大。本文選取某660 MW間接空冷熱電聯產機組為算例，在Ebsilon軟件中進行模塊化搭建，并對系統進行模擬和仿真。

3.1 熱負荷與高背壓熱負荷占比的變化

本文定義在發電廠側，高背壓熱負荷占比為基本負荷熱源提供的熱量與熱負荷之比。在熱負荷一定的情況下，無量綱參數的選取會決定基本負荷熱源中供熱量的大小與機組背壓，進一步影響機組的?效率、熱耗率、調節發電負荷的能力[12]與經濟性。以表1中的設計參數為例，在Ebsilon軟件中，維持設計工況下各項的參數不變，僅調節，得出機組發電量、汽輪機低壓缸排汽參數與的關系，結果如圖5、圖6所示。由圖5、圖6可見，當從1%增加到45%的過程中，汽輪機背壓從13 kPa升高到81 kPa，排汽溫度從51 ℃升高到126 ℃，但系統發電量先從522.12 MW升至562.82 MW，隨后降至562.55 MW，其中當發電量最大時為42%。這是因為當從1%（此時基本熱負荷為75 MW）開始增加時，熱網水回收了汽輪機低壓缸部分排汽的余熱，在總熱負荷不變的情況下，調峰熱源換熱量一直減小，抽取用于加熱熱網水的中壓缸排汽量減小，從而汽輪機低壓缸進汽量升高，所以系統發電量增加；但是當持續增高時，為了滿足基本熱源換熱需求，低壓缸排汽壓力與溫度一直升高，導致汽輪機低壓缸雖然進汽量大，但其內部的有效焓降降低，進而導致汽輪機低壓缸發電功率減小，當進汽量帶來的發電量收益小于效率低帶來的發電量虧損時，機組整體表現為發電量下降。

此外，結合圖5、圖6可見，空冷熱電聯產機組獲得最大發電量時對應的汽輪機背壓為72.692 kPa，這遠超安全連續運行最高允許背壓（65 kPa），并且逼近汽輪機跳閘背壓（80 kPa）。為了讓本文結論在實際中具有指導意義，選取45 kPa為汽輪機低壓缸背壓的可接受值。同時，定義設計工況下當=42%時得到的562.82 MW為“理想最大發電量”；定義設計工況下當=29%時得到的558.35 MW為“實際最大發電量”，此時空冷熱電聯產機組汽輪機背壓為44.171 kPa，溫度為78.260 ℃，數據完全在空冷熱電聯產機組末級汽輪機運行可接受的范圍內，而且也可以滿足相關設計參數的要求。機組整體收益的變化在整個供暖季中，隨著外界氣溫變化，供熱機組的熱負荷也會隨之波動；與此同時，為了能夠滿足供熱距離的需求，市政熱力運輸公司要求熱網供回水溫度基本不變。

根據上述需求，本文以750 MW外界設計熱負荷為基準，調節熱網水流量，得到發電量與高背壓熱負荷占比在外界熱負荷分別為700、710、720、730、740、750、760、770、780、790、800 MW時的關系，結果如圖7所示。由圖7可見：當集中分布在0.39~0.45時，機組獲得“理想最大發電量”，結果為555.30~570.53 MW；當集中分布在0.28~0.30時，機組獲得“實際最大發電量”，結果為547.01~568.73 MW；機組發電量隨增加先增后減，相同時，外界熱負荷越大，機組發電量越小。當較大時，汽輪機背壓與溫度參數會過高，得到的數據不符合工程實際，故未在圖7中展示。

熱電聯產機組的收益由發電收益與供熱收益共同構成。針對不同熱電聯產機組，其上網電價會因熱電廠所在地不同、時間變化而有所差異，而在采暖季熱電廠對熱網公司熱價基本不變。在相同外界熱負荷情況下，機組發電量雖然會隨著高背壓熱負荷占比的變化而波動，但仍然會屬于某一區間（圖5）。本文利用熱電聯產機組的這一特點，建立數學規劃模型，引出無量綱參數電熱價比/。其中，為電價，為熱價。由于當機組對外供熱量一定時，機組收益與機組發電量成正比（式(10)），故記為此時機組的實際最大發電量，在這種情況下探究機組相對收益隨的變化情況（式(11)），所得結果如圖8所示。由于熱價基本不變，所以機組收益與機組相對收益為同一性關系，從而得出具有一般性的結論，相關負荷參數配置的機組可根據實際需求采取優化后的運行策略。

(11)

由圖8可見：當熱負荷增加時，其對應各條直線的斜率（物理意義代表機組實際最大發電量）下降，在圖中形成一簇彼此相交的直線；當電熱價比趨于無窮，即電價遠高于熱價時，機組對外的 供熱量最小，此時經濟性最高。以參考上網電 價[13]0.349 7元/(kW·h)、熱價[14]20元/GJ得到電熱價比為4.857，此時機組相對收益會隨著熱負荷的升高而變大。為了使數據更具有說明性，此處選取具有代表性的外界熱負荷為700、800 MW時的工況，計算得知當電熱價比為4.603時，2種工況下機組相對收益相等，這意味著當電熱價比高于上述值時多供熱反倒會降低機組的收益。

3.2 熱力學性能與經濟性

我國近年來出臺相關政策要求新建燃煤機組供電煤耗低于300 g/(kW·h)[15]，所以有必要利用有限燃料，通過調整熱電聯產系統產出的電力與熱量的分配比，從而使各項指標符合要求。

由于高背壓采暖在大容量高參數時效率較好，故本文選取600 MW機組進行建模仿真。為了得到準確的數據結論，消除誤差，本文利用高背壓熱負荷占比和電熱價比2個無量綱參數以達到要求。

3.2.1熱力學性能

為了更好地突顯高背壓供熱方法對空冷機組熱電聯產在熱力學性能方面的優越性，本文另搭建了對比案例：只采用中壓缸排汽的方式來加熱供熱回水的Ebsilon模型。保證此模型與2.4節中其余各項參數一致：當外界熱負荷為750 MW時，得到機組發電量僅為448.22 MW，且中壓缸有75%的排汽充當熱源加熱熱網水；而高背壓方案時實際最大發電量558.35 MW，系統?效率顯著提高。

3.2.2經濟性

目前，我國北方多數電廠實行供熱改造，利用本文提出的計算方法可以準確地計算出當電價和熱價變化時，機組該如何選擇發電量與供熱負荷來達到經濟最大化。以當前市場上的電熱價比4.857為例，隨著供熱負荷增高，機組整體經濟性效益會增加；隨著電熱價比的增高，機組承擔較低的熱負荷反會收獲更大收益；當外界熱負荷為700 MW和800 MW、電熱價比大于4.602 5時選擇700 MW熱負荷機組整體收益將最高；其中，當電熱價比大于或等于7.669 8時，純發電機組效益達到最高。與此同時為了更好地體現供熱改造后的經濟性，在圖8中加入了對外供熱功率為0時機組相對收益與電熱價比的變化情況，此時機組處于VWO工況，發電量為660 MW；其對應關系在圖8上表現為一條經過原點的直線，說明當電熱價比小于8時純發電機組的效益會低于熱電聯產機組的效益。

4 結論與建議

針對國內典型600~699 MW級熱電聯產機組進行了仿真與模擬分析，得到如下結論。

1）采用高背壓供熱方法，汽輪機低壓缸的排汽溫度、壓力會隨著高背壓熱負荷占比的增大而升高。仿真結果表明：在設計工況下，外界熱負荷為750 MW；當高背壓熱負荷占比為0.29時，機組會獲得實際最大發電量為558.35 MW。

2）600~699 MW級空冷熱電聯產機組對外供熱時，機組最大發電量會隨著熱負荷的增大而減小。當外界熱負荷一定時，科學地調整高背壓熱負荷占比會使得機組發電量達到最大值。

3）本文針對當前相關參數配置的火電廠提出了優化運行的建議方案。在電熱價比確定的情況下，根據本文的算法仿真可得出機組應承擔多少熱負荷而使得整體效益最大，并且論證了“實際最大發電量”無法達到“理想最大發電量”。

4）本文提出應當選取最優的高背壓熱負荷占比以提高熱力學性能和經濟性效益，得出機組整體收益隨電熱價比的變化情況，給出機組隨著電價、熱價變化時的最佳運行策略，同時為熱電聯產機組提供了應對未來電熱價市場的可靠量化管理方法。

［1］ 王鵬, 陳旦, 周霞. 中國2017年度供電可靠性現狀分析與展望[J]. 中國電力, 2018, 51(8): 1-7.

WANG Peng, CHEN Dan, ZHOU Xia. Analysis and prospect of power supply reliability in China in 2017[J]. Electric Power, 2018, 51(8): 1-7.

［2］ 朱泓邏. 基于Ebsilon的火電廠熱力系統建模、監測及優化研究[D]. 北京: 清華大學, 2015: 8-17.

ZHU Hongluo. The research of modeling, monitoring and optimizing for thermal system of thermal power plant based on Ebsilon[D]. Beijing: Tsinghua University, 2015: 8-17.

［3］ 王寧玲, 楊志平, 武宇. 大型燃煤火電機組節能評價與系統優化[J]. 華北電力大學學報, 2010, 37(3): 55-58.

WANG Ningling, YANG Zhiping, WU Yu. Energy-saving evaluation and system optimization for large coal-fired power unit[J]. Journal of North China Electric Power University, 2010, 37(3): 55-58.

［4］ 趙璽靈, 付林, 王笑吟, 等. 分布式熱泵調峰型熱電聯產煙氣余熱回收系統評價[J]. 太陽能學報, 2018, 39(10): 2779-2986.

ZHAO Xiling, FU Lin, WANG Xiaoyin, et al. Modeling and simulation analysis of waste heat recovery heating system for flue gas of peak-saving gas-fired combined heat and power plant with distributed heat pump[J].Acta Energiae Solaris Sinica, 2018, 39(10): 2779-2986.

［5］ 社會福利與社會保障界. 調整北京冬季供暖時間[J]. 北京觀察, 2017(8): 50-51.

Social Welfare and Social Security. Adjusting Beijing’s winter heating time[J]. Beijing Observation, 2017(8): 50-51.

［6］ HAJEBZADEH H, ANSARI A N M, NIAZI S. Mathematical modeling and validation of a 320 ?MW tangentially fired boiler: a case study[J]. Applied Thermal Engineering, 2019, 146: 232-242.

［7］ 潘雪冬, 張文朝, 顧雪平. 發電機模型及參數動態仿真準確度的評估[J]. 電力系統及其自動化學報, 2015, 27(2): 64-69.

PAN Xuedong, ZHANG Wenchao, GU Xueping. Accuracy assessment of models and parameters in generator dynamic simulation[J].Proceedings of the CSU-EPSA, 2015, 27(2): 64-69.

［8］ 王惠杰, 范志愿, 許小剛. 基于FOA-LSSVM的汽輪機熱耗率預測模型研究[J]. 熱力發電, 2017, 46(5): 36-42.

WANG Huijie, FAN Zhiyuan, XU Xiaogang. Research on prediction model of heat consumption rate of steam turbine based on FOA-LSSVM[J]. Thermal Power Generation, 2017, 46(5): 36-42.

[9］ 鄭偉. 加裝防風網對空冷凝汽器換熱影響的數值模擬[D]. 北京: 華北電力大學, 2014: 18-26.

ZHENG Wei. Numerical simulation on the influence of air cooling condenser installed windbreak net heat transfer[D]. Beijing: North China Electric Power University, 2014: 18-26.

［10］ 朱學莉, 劉成剛, 汪幫富, 等. 熱力站最小二乘建模法仿真研究[J]. 系統仿真學報, 2009, 21(22): 7073-7076.

ZHU Xueli, LIU Chenggang, WANG Bangfu, et al. Simulation study on least square modeling of consumer substation[J]. Journal of System Simulation, 2009, 21(22): 7073-7076.

［11］ 賈力, 方肇洪. 高等傳熱學[M]. 2版. 北京: 高等教育出版社, 2008: 5-7.

JIA Li, FANG Zhaohong. Advanced heat transfer[M]. 2nd ed. Beijing: Higher Education Press, 2008: 5-7.

［12］ CHEN H, XIAO Y, XU G, et al. Energy-saving mechanism and parametric analysis of the high back-pressure heating process in a 300? MW coal-fired combined heat and power unit[J]. Applied Thermal Engineering, 2019, 149: 829-840.

［13］ 羅福多. 福建沿海新建燃氣(LNG)電廠與燃煤電廠上網電價比較分析[C]//福建省能源研究會. 福建省科協第四屆學術年會能源與經濟的可持續發展研討會論文集. 2004: 21-22.

LUO Fuduo. Comparative analysis of on-grid electricity price of newly built gas (LNG) power plants and coal-fired power plants in Fujian coast[C]//Fujian Energy Research Society. Proceedings of the Sustainable Development Conference on Energy and Economy of the Fourth Annual Academic Meeting of Fujian Association of Science and Technology. 2004: 21-22.

［14］ 李先瑞. 從統計數字看我國的集中供熱[J]. 區域供熱, 2003(6): 5-9.

LI Xianrui. Viewing China’s central heating from statistics[J]. District Heating, 2003(6): 5-9.

［15］ 李建鋒, 呂俊復, 論立勇, 等. 燃煤熱電聯產機組性能評價方法研究[J]. 中國科學:技術科學, 2017(1): 64-74.

LI Jianfeng, LU Junfu, LUN Liyong, et al. Calculation method research of power supply coal consumption of coal-fired cogeneration unit[J]. Scientia Sinica (Tech- nologica), 2017(1): 64-74.

Simulation and performance analysis of cogeneration system for 600~699 MW level centralized high back pressure air cooling units

GU Yujiong, LIU Haochen, GENG Zhi

(School of Energy, Power and Mechanical Engineering, North China Electric Power University, Beijing 102206, China)

Taking the most representative 600~699 MW level air-cooling generator set in China as the example, the Ebsilon software was applied to establish the cogeneration system model for the centralized high back pressure air cooling unit, and the change rule of proportion of generating capacity with the high back pressure heat load under different working conditions was analyzed. The variation of the unit’s overall income with the ratio of electric heat to heat price is obtained. The results show that, when the external heat load is constant, the actual maximum power generation can be obtained by adjusting the proportion of high back pressure heat load and the specific value is obtained by an example, and it is smaller than the ideal maximum power generation. When the external heat load and ratio of electric heat to heat price changes, this paper determines which operating strategy can be used to maximize the unit's overall revenue. The research results provide a reference operational strategy for air-cooled cogeneration units.

air-cooling cogeneration, Ebsilon simulation, energy cascade utilization, economic optimization recommendation, ratio of electric heat to heat price, thermal load ratio

TK123；TK11+5

A

10.19666/j.rlfd.201902033

2019-02-24

北京市自然科學基金項目(3172031)；中央高校基本科研業務費專項資金(2016XS24, 2017MS017)

Supported by：Natural Science Foundation of Beijing (3172031); Fundamental Research Funds for the Central Universities (2016XS24, 2017MS017)

顧煜炯(1968)，男，教授，博士生導師，主要研究方向為電站設備狀態維修理論與技術、可再生能源的利用與開發，gyj@ncepu.edu.cn。

劉浩晨(1996)，男，碩士研究生，主要研究方向為余熱利用技術，lhcdocument@163.com。

顧煜炯, 劉浩晨, 耿直. 600~699 MW級集中式高背壓型空冷機組熱電聯產系統仿真與性能分析[J]. 熱力發電, 2019, 48(10): 51-56. GU Yujiong, LIU Haochen, GENG Zhi. Simulation and performance analysis of cogeneration system for 600~699 MW level centralized high back pressure air cooling units[J]. Thermal Power Generation, 2019, 48(10): 51-56.

（責任編輯 劉永強）