基于火電機組響應狀態的“啟動-并網'時長預測方法研究

中圖分類號：TK114 文獻標志碼：A 文章編號：1002-4026（2025）04-0130-09

Abstract：With therapid increase in thescale of new energyinstalations，theroleof thermal powerunitsin grid peak regulation has become crucial.Swiftandprecise predictionof the duration of the“startup-grid connection”processfor thermalpowerunits is esentialfordispatchers topromptlyadjust gridoperation status.Toaddress thecurrntrelianceon human experiencefor predicting the durationof the“startup-grid connection”process，this paper proposes amethod for predicting the durationof this processfor thermalpowerunits.First，thestartup-gridconnection processof thermal power units isanalyzedtoidentifykeyoperational parametersateach stage.Then，logicalcalculationsare leveragedto predict the duration of the“startup-grid connection”process.Resultsofapilot testonatypicaluniton the“Net-Source platform” indicate thatthe proposedmodel canaccurately monitor the response stateof theunitsduringthe“startup-grid connection”process and succesfully predictis duration.This method provides timely decision support for dispatchers， helping to ensure the safety and stability of grid operations.

Key words ： thermal power units；monitoring model; response state； logical calculation； duration prediction

積極推動新能源發展，加速我國電力向低碳、清潔、綠色方向轉型，是響應國家“碳達峰”戰略目標的關鍵舉措[1]。當前我國的資源結構決定了火力發電仍然是最重要的電力來源[2-3]，盡管大規模引人新能源可以有效的降低火力發電領域 CO₂ 的排放量，但也給我國電力系統穩定性帶來了挑戰[4]：風電并網中風速的不確定性[5]、太陽能光伏并網中頻率波動的增加[]等問題都將導致電網面臨的調峰壓力與日俱增。隨著省新能源和核電產業的快速發展，加之外電入魯規模不斷擴大和綠色配額制度的正式實施，截至2023 年12月31日，電網新能源裝機容量已突破8000 萬千瓦[7-8]。與此同時，電網新能源用電高峰期主要集中在春季（3—5月）、秋末（10—11月）和冬季（農歷小年至供暖期結束）3個時段，與全年負荷低谷時段高度吻合。近幾年電網新能源裝機容量迅速增加，但電網調峰主要還是依靠火電機組深度調峰和啟停調峰來實現，與之相應的是電網調峰問題將在未來幾年進一步加深[9-10]。從現階段及長期來看，火電機組承擔電網調峰的作用會愈加顯現，啟停調峰及停機備用會成為火電機組新常態[11-12]。

在火電機組的啟停調峰過程中，機組能否按時啟動并實現并網是一個關鍵問題。調控人員目前難以準確掌握這一過程進度，只能依靠已有經驗進行預估。若對“啟動-并網”過程時長預估過短可能導致無法在規定時間并網;而預估過長則可能會導致機組空轉等待并網，造成資源的浪費。為確保火電機組啟停調峰的安全性和可靠性，目前國內一般采用程序自動啟停技術（automatic procedure startup/shutdown，APS），該技術有助于減輕調度人員在啟停過程中的操作負擔，減少失誤的發生，但也存在包括APS 啟停邏輯框架設計不合理以及自動控制系統不能全程投入使用等問題[13]。因此，準確估計火電機組的“啟動-并網”過程時長是一個至關重要的問題。

針對上述問題，提出了一種基于火電機組響應狀態的“啟動-并網”時長預測方法。該方法首先全面分析火電機組“啟動-并網”過程，確定各階段的關鍵運行參數。其次，通過建立監測模型，判斷機組響應狀態。最后，通過邏輯計算，實現對機組“啟動-并網”過程時長的預測。這一方法對于確保電網安全、穩定運行有重大意義。

1 研究方法

該研究方法的主要流程如下： ① 對火電機組的“啟動-并網”過程進行全面分析，確定了機組“啟動-并網”過程關鍵階段，獲取機組在不同啟動方式下各階段的用時分析統計，在此基礎上，完成了對典型機組啟動曲線的繪制，確定了影響各階段運行狀態的關鍵運行參數； ② 根據確定的關鍵運行參數，將機組的各階段劃分為幾個狀態，并由此建立判斷機組響應狀態的模型判斷條件，用于構建監測模型； ③ 基于上述監測模型判斷出機組響應狀態，根據用時分析統計確定機組各階段設計時長，加以一定的邏輯計算，實現了對機組“啟動-并網”過程時長的預測和異常情況的判斷。研究方法整體流程如圖1所示。

圖1研究方法整體框架圖

Fig.1Overall framework of the proposed method

由此可見，本研究基于對火電機組“啟動-并網”過程的全面系統分析，建立了合理的監測模型和邏輯計算方法，實現對機組響應狀態的判斷和“啟動-并網”時長的準確預測，這為保障電網安全、穩定運行提供了可靠的決策支持。

2 “啟動-并網”過程分析

2.1 機組啟動曲線的繪制

火電機組啟動可按不同標準進行劃分：按沖轉時汽輪機的進汽方式不同，可分為中壓缸啟動、高壓缸啟動、高中壓缸聯合啟動;按解列時間的長短，可將亞臨界火電機組分為冷態啟動、溫態啟動、熱態啟動、極熱態啟動;按停機、停爐時間的長短，可將超臨界及以上等級火電機組分為全冷態啟動、冷態啟動、溫態啟動、熱態啟動、極熱態啟動。

以亞臨界300MW等級火電機組（辛店#5機組）為例，若選擇冷態啟動，對應的“啟動-并網”過程包含鍋爐上水階段、鍋爐（吹掃）點火階段、鍋爐升溫升壓階段、汽機沖轉階段、機組并網階段。若選擇溫態、熱態、極熱態啟動時，對應的“啟動-并網”過程包含鍋爐（吹掃）點火階段、鍋爐升溫升壓階段、汽機沖轉階段、機組并網階段、機組升負荷。需要注意的是一般機組啟動曲線是從鍋爐點火階段開始，不包含鍋爐上水、鍋爐吹掃等階段，亞臨界 300MW 等級火電機組不同啟動方式下的啟動曲線見OSID開放科學數據與內容附圖1。

超臨界及以上等級火電機組的啟動過程與亞臨界火電機組基本相似，主要包括鍋爐上水、鍋爐（吹掃）點火、鍋爐升溫升壓、汽機沖轉、機組并網、機組升負荷幾個關鍵階段。值得注意的是，在機組全冷態或冷態啟動時，才需要進行鍋爐上水階段。超臨界680MW等級火電機組不同啟動方式下的啟動曲線見OSID開放科學數據與內容附圖2。

2.2 用時分析統計

由上述介紹可知，火電機組的“啟動-并網\"過程主要包括鍋爐（吹掃）點火、鍋爐升溫升壓、汽機沖轉、機組并網、機組升負荷幾個階段。根據繪制的不同啟動方式下機組的啟動曲線，我們對機組“啟動-并網”過程中各階段時長進行了統計，并采用各階段所需平均時間作為設計時長。其中，設計時長包括啟動前準備時長（ ）、鍋爐上水時長（ t₂ ）、鍋爐（吹掃）點火時長（ t₃ ）、鍋爐升溫升壓時長（ ）汽機沖轉時長（ χ_t5 ）機組并網時長 （Φ_t6） 、機組升負荷至 50% 額定容量（ Pe 時長 （Φ_t7） ，不同容量、等級火電機組極冷態、冷態啟動和溫態啟動的用時分析統計如表1、2所示。

表1不同容量、等級火電機組極冷態、冷態啟動時各階段用時分析統計

Table1Analysis and statistics of durations of extreme cold and cold start stages of thermal power units with different capacities and grades

表2不同容量、等級火電機組溫態啟動時各階段用時分析統計

Table 2Analysis and statistics of durations of different stages during warm start of thermal power units with different capacities and levels

根據統計的典型機組在不同啟動方式下各階段設計時長，我們發現機組啟動方式和機組容量、等級是決定機組“啟動-并網\"過程時長的關鍵因素。從極冷態、冷態啟動到熱態啟動，相同容量、等級的機組啟動時

間逐漸縮短。在亞臨界、超臨界機組中，冷態啟動明顯快于超臨界以上等級機組;而在溫態啟動時，不同容量、等級的機組啟動時長較為接近。這些結果為火電機組的設計和運行提供了重要參考，有助于優化“啟動-并網\"過程，提高機組的啟動效率。

2.3 關鍵運行參數確定

通過對機組“啟動-并網”過程的分析，以及典型機組在不同啟動方式下各階段的用時分析統計，針對火電機組“啟動-并網”過程的主要操作，結合“網源平臺\"接入的參數，確定了反映各階段及響應狀態的關鍵參數。不同階段（包括鍋爐上水、鍋爐（吹掃）點火、鍋爐升溫升壓、汽機沖轉、機組并網）所需監測的關鍵運行參數也不同，具體如表3所示。

表3火電機組“啟動-并網\"過程的關鍵運行參數

Table 3 Key operating parameters for the\" startup-grid connection” process of thermal power units

3 時長預測方法

3.1 監測模型的構建

通過確定的各階段的關鍵運行參數，我們建立一定的模型判斷條件，構建監測模型，用于判斷機組響應狀態。以亞臨界機組鍋爐升溫升壓階段為例，需要監測的關鍵運行參數包括送風機電流、引風機電流、主汽溫度、再熱蒸汽溫度、汽機轉速。我們制定了相應的模型判斷條件，將該階段分為3個狀態：升溫升壓開始狀態、正在升溫升壓狀態、升溫升壓結束狀態。其中升溫升壓開始狀態的判斷條件為送風機、引風機電流大于1A，主汽溫或再熱汽溫首次滿足分鐘均值連續 5min 穩步上升且汽機轉速 30s 均值不上升并小于 2 990r/min ;正在升溫升壓狀態的判斷條件為送風機、引風機電流大于1A，主汽溫或再熱汽溫分鐘均值連續 5min 穩步上升且汽機轉速小于 2 990r/min ;升溫升壓結束狀態的模型判斷條件為主汽溫或再熱汽溫大于 200^°C 且汽機轉速剛好滿足30 s均值穩步上升并小于 2990r/min 。

對鍋爐上水階段，由于超臨界及以上等級機組比亞臨界機組多了汽包水位的監測，且在監測給水流量的數值方面有差異，所以鍋爐上水階段分成兩個監測模型來判斷機組響應狀態，如表4、表5所示。表6、表7是鍋爐（吹掃）點火，以及汽機沖轉和機組并網階段的監測模型。本文預測機組“啟動-并網”時長的邏輯方法是基于機組響應狀態開展的，各階段監測模型的構建讓我們能夠通過關鍵運行參數準確判斷機組響應狀態，在機組“啟動-并網\"過程中為操作人員提供有力的輔助信息，有助于確保機組的穩定運行。

表4亞臨界機組“鍋爐上水\"階段監測模型

Table 4Monitoring model for the“boiler water supply”stage of subcritical units

表5超臨界及以上等級機組“鍋爐上水\"階段監測模型

Table 5Monitoring model for the“boiler water supply” stage of supercritical and above ur

表6鍋爐（吹掃）點火階段監測模型

Table 6Monitoring model for boiler（blowing） ignition stage

表7汽機沖轉和機組并網階段監測模型

Table7Monitoring model for steam turbine impulse startingand unit grid connection stage

3.2 邏輯計算

基于上述模型判斷條件，在“網源平臺\"選中機組后，能夠直接確定機組響應狀態。假設機組“啟動-并網”過程包括 幾個階段，每個階段又包括 a?b?c?d 幾個狀態，根據模型判斷條件確定機組響應狀態后，基于獲取的機組關鍵階段的用時分析統計，建立了如圖2所示的火電機組“啟動-并網”過程時長的邏輯判斷圖，將時長預測的邏輯計算方法分為以下三種情況：

（1）當判斷出機組處于啟動的“C階段c狀態”時，我們向前追溯該C階段的開始時刻，計算出C階段剩余的時長（C階段剩余時長 Π=CΠ 階段設計時長-C階段進行到c狀態時長），C階段剩余時長疊加后續的“D階段設計時長”“E階段設計時長”，作為機組“啟動-并網”時長的預測值。

（2）當判斷出機組處于啟動的“C階段c狀態”，我們向前追溯2倍的設計時長后仍未找到C階段的開始時刻，則直接在目前時刻上，疊加后續的\"D階段設計時長”“E階段設計時長”，作為機組“啟動-并網”時長的預測值，此種情況，標記C階段啟動異常。

（3）當判斷出機組處于啟動的“C階段c狀態”，我們向前追溯開始時刻，C階段開始時刻至當前狀態時長若大于“C階段設計時長”，則設定C階段剩余時長為0，待C階段結束后，將

圖2火電機組“啟動-并網\"過程時長的邏輯判斷圖 Fig.2Logic judgment diagram for the duration of the“startup-grid connection”process of thermal power units

C階段設計時長修正為設計時長 （現C階段設計時長 + 原C階段設計時長），再疊加后續的“D階段設計時長\"\"E階段設計時長”，作為機組“啟動-并網”過程時長的預測值。旨在通過上述的邏輯判斷，根據機組響應狀態預測機組“啟動-并網”過程時長。

3.3 上線應用

在將火電機組“啟動-并網”監測模型引入“網源平臺”時，監測畫面采取“進度條”的方式來展現機組當前所處啟動階段。機組響應狀態在“進度條”中位置的邏輯計算與之前描述的方式相同。假設系統根據模型判斷條件判定機組處于“啟動-并網”的\"C 階段”，此時機組響應狀態在“進度條”中所處的位置邏輯計算公式為：

式中： T_A 為A階段設計時長； T_B 為B階段設計時長； T_D 為 D 階段設計時長； T_E 為E階段設計時長； T_?1 為C階段開始時刻至當前時刻時長； T₂ 為C 階段剩余時長。

在監測狀態下，系統被設置為每分鐘刷新一次，持續記錄各階段關鍵運行參數來確定機組響應狀態。在持續監測的過程中，當系統抓取到各階段的“實際用時時長”后，將其帶人之前提及的邏輯計算公式，不再使用“設計時長”進行邏輯計算。通過對比“實際用時時長”和“設計時長”，系統進行相關修正計算，用以診斷機組在啟動過程中的各階段是否存在異常情況。由圖3可以看出，該模型可以同時監測多種機組的“啟動-并網\"過程，還可以根據機組類型及啟動方式，確定機組響應狀態并預測距離并網時長，再由上述的邏輯計算得到機組響應狀態的并網進度。

圖3火電機組“啟動-并網\"進度監測畫面

Fig.3Monitoring screen for the progress of“startup-grid connection”of thermal power units

圖4所示的是費縣#1機組冷態啟動用時對比及異常情況分析畫面，以該機組為例，根據機組用時分析統計確定機組各階段的預估時長，其鍋爐上水、鍋爐（吹掃）點火、鍋爐升溫升壓、汽機沖轉、機組并網階段的預估時長分別為 120601506830min ，由監測模型判斷出機組處于鍋爐（吹掃）點火階段，且當前階段已經進行了 13min ，如圖4所示。由邏輯判斷圖判斷屬于邏輯計算方法的情況（1），則機組“啟動-并網”時長的預測值的計算分為兩步：① 鍋爐（吹掃）點火階段剩余時長 σ=σ 預估時長-當前階段已經進行時長 =47min ② 機組“啟動

圖4火電機組各階段用時對比及異常情況分析畫面

Fig.4Comparison of durations and analysis of abnormal situations at different stages of thermal power units

-并網”時長的預測值 Σ=Σ 鍋爐（吹掃）點火階段剩余時長 + 鍋爐升溫升壓、汽機沖轉、機組并網階段的預估時長=295min 。同時由圖4還可以通過監測模型對比機組各階段的實際啟動時長與預估啟動時長，進而判斷機組是否啟動異常。應用的結果表明，該模型能較好的滿足工程應用上的需求，對于確保電網安全、穩定運行有重大意義。

4結論

（1）對火電機組“啟動-并網\"過程進行全面分析，完成了典型機組啟動曲線的繪制，獲取機組在不同啟動方式下各階段的用時分析統計，確定了影響各階段運行狀態的關鍵運行參數，為建立機組的監測模型奠定基礎。（2）根據確定的關鍵運行參數，將機組的各階段劃分為幾個狀態，在此基礎上建立了模型判斷條件，用于構建監測模型，從而實現對機組“啟動-并網”過程響應狀態的判斷。（3）基于上述監測模型判斷出機組響應狀態，根據用時分析統計確定的機組各階段設計時長，加以一定的邏輯計算，實現了對機組“啟動-并網\"過程時長的預測和異常情況的判斷。這一方法在很大程度上解決了目前對于“啟動-并網”過程時長的預測依賴人為經驗預估的問題，使調度人員能夠及時對電網運行作出調整，從而保證電網的安全和穩定運行。

參考文獻：

[1]方宇晨，杜爾順，余揚昊，等.太陽能光熱發電并網的綜合效益量化評估方法[J]．中國電機工程學報，2024，44（13）：5135-5146. DOI： 10.13334/j.0258-8013.pcsee.230444.

[2]王偉，徐婧，趙翔，等.中國煤電機組調峰運行現狀分析[J]．南方能源建設，2017，4（1）：18-24.

[3]GUYJ，XUJ，CHENDC，etal.Overallreviewof peak shaving forcoal-firedpowerunitsin China[J].RenewableandSustainable Energy Reviews，2016，54： 723-731. DOI： 10.1016/j.rser.2015.10.052.

[4]HONGF，WANGR，SONGJ，etal.Aperformance evaluationframework fordeeppeak shavingoftheCFBboilerunitbasedonthe DBN-LSSVM algorithm[J]. Energy，2022，238： 121659. DOI：10.1016/j.energy.2021.121659.

[5]LI HZ，SUNDY，LIBK，etal.Collborativeoptimizationof VRB-PShybridenergy storage systemforlarge-scale windpowergrid integration[J]. Energy，2023，265：126292.DO1：10.1016/j.energy.2022.126292.

[6]TIAA N，WUY，HUZR，etal.Two-stagePVgrid-connectedcontrol strategybasedonadaptivevirtualinertiaanddampingcontrol forDC-link capacitordynamicsself-synchronization[J].Journalof EnergyStorage，2023，72：108659.DI：10.1016/j.est.2023.108659.

[7]趙中華，徐海玲，鄭志杰，等.電網“十四五”調峰能力分析[J].電力技術，2023，50（10）：35-42.D0I：10.20097/j.cnki.issn1007-9904.2023.10.005.

[8]趙晴川，董信光，張利孟，等.啟停調峰及深度調峰對燃煤機組安全性影響分析[J]．電力技術，2021，48（11）：70-76. DOI： 10.3969/j.issn.1007-9904.2021.11.012.

[9]LAO JX，ZHENG W，ZHUL K，etal.Researchonelectricload adjustment abilityof diferenttypes ofheatsupplyunitsJ].IOPConference Series：Earth and Environmental Science，2021，631（1）： 012100.DOI：10.1088/1755-1315/631/1/012100.

[10］朱波，王峰，朱溯寒，等.新型電網結構下火電機組深度調峰控制策略的研究與應用[J].電工技術，2023（11）：50-55.

[11]JINXY，LIUBX，LIAOSL，etal.Impactsofdfrent windandsolarpowerpenetratiosoncascade hdropantsoprationJ].Renewable Energy，2022，182：227-244.DOI：10.1016/j.renene.2021.10.022.

[12]HATZIARGYRIOUN，MILANOVIC J，RAHMANN C，etal. Defition andclasificationof power system stability-revisited amp;extended[J].IEEE Transactions on Power Systems，2021，36（4）：3271-3281.DOI：10.1109/tpwrs.2020.3041774.

[13]石建明，王洪萬.APS一鍵啟停技術為“數字智慧”聚力賦能[J].企業管理，2021，（S2）：154-155.