Voimalaitoksen käytönaikaisen optimoinnin määrittely

Tässä diplomityössä määritellään biopolttoainetta käyttävän voimalaitoksen käytönaikainen tuotannon optimointimenetelmä. Määrittelytyö liittyy MW Powerin MultiPower CHP –voimalaitoskonseptin jatkokehitysprojektiin. Erilaisten olemassa olevien optimointitapojen joukosta valitaan tarkoitukseen sopiva, laitosmalliin ja kustannusfunktioon perustuva menetelmä, jonka tulokset viedään automaatiojärjestelmään PID-säätimien asetusarvojen muodossa. Prosessin mittaustulosten avulla lasketaan laitoksen energia- ja massataseet, joiden tuloksia käytetään seuraavan optimointihetken lähtötietoina. Optimoinnin kohdefunktio on kustannusfunktio, jonka termit ovat voimalaitoksen käytöstä aiheutuvia tuottoja ja kustannuksia. Prosessia optimoidaan säätimille annetut raja-arvot huomioiden niin, että kokonaiskate maksimoituu. Kun laitokselle kertyy käyttöikää ja historiadataa, voidaan prosessin optimointia nopeuttaa hakemalla tilastollisesti historiadatasta nykytilanteen olosuhteita vastaava hetki. Kyseisen historian hetken katetta verrataan kustannusfunktion optimoinnista saatuun katteeseen. Paremman katteen antavan menetelmän laskemat asetusarvot otetaan käyttöön prosessin ohjausta varten. Mikäli kustannusfunktion laskenta eikä historiadatan perusteella tehty haku anna paranevaa katetta, niiden laskemia asetusarvoja ei oteta käyttöön. Sen sijaan optimia aletaan hakea deterministisellä optimointialgoritmilla, joka hakee nykyhetken ympäristöstä paremman katteen antavia säätimien asetusarvoja. Säätöjärjestelmä on mahdollista toteuttaa myös tulevaisuutta ennustavana. Työn käytännön osuudessa voimalaitosmalli luodaan kahden eri mallinnusohjelman avulla, joista toisella kuvataan kattilan ja toisella voimalaitosprosessin toimintaa. Mallinnuksen tuloksena saatuja prosessiarvoja hyödynnetään lähtötietoina käyttökatteen laskennassa. Kate lasketaan kustannusfunktion perusteella. Tuotoista suurimmat liittyvät sähkön ja lämmön myyntiin sekä tuotantotukeen, ja suurimmat kustannukset liittyvät investoinnin takaisinmaksuun ja polttoaineen ostoon. Kustannusfunktiolle tehdään herkkyystarkastelu, jossa seurataan katteen muutosta prosessin teknisiä arvoja muutettaessa. Tuloksia vertaillaan referenssivoimalaitoksella suoritettujen verifiointimittausten tuloksiin, ja havaitaan, että tulokset eivät ole täysin yhteneviä. Erot johtuvat sekä mallinnuksen puutteista että mittausten lyhyehköistä tarkasteluajoista. Automatisoidun optimointijärjestelmän käytännön toteutusta alustetaan määrittelemällä käyttöön otettava optimointitapa, siihen liittyvät säätöpiirit ja tarvittavat lähtötiedot. Projektia tullaan jatkamaan järjestelmän ohjelmoinnilla, testauksella ja virityksellä todellisessa voimalaitosympäristössä ja myöhemmin ennustavan säädön toteuttamisella.

This thesis defines a real-time optimization method of a biofuel power plant. The method definition is associated with the further development project of MW Power’s Multi Power CHP power plant concept. For this purpose, a suitable optimization method is selected based on a plant model and a cost function. The results of the optimization are used in plant DCS by means of PID controllers’ set points. The process measurement data is used to calculate the plant's energy and mass balances, the results of which are used as input data for the optimization of the next control period. Optimization objective function is a cost function, the terms of which are incomes and costs caused by the power plant operation. The process is optimized within the specified limits so as to maximize the overall profit. When more process data is collected in the course of time, the optimization process can be speeded up empirically. The system searches for a similar control period from the history data corresponding to the conditions of current state. The operating profit of this history moment is compared with the profit calculated from the cost function optimization. The method that gives better profit is introduced to control the process by giving the set points for each main controller. If neither the cost function calculation nor the history data search gives a better profit than the current moment, their set points are not imposed to the process. Instead, a deterministic optimization algorithm will be used for searching the optimum. The algorithm searches around the current environment for the set points that will give a better profit. It is also possible to implement a model predictive control system for the process control. In the practical part of this thesis, the power plant model is created by two different modeling software. Other one is used for describing the boiler and other one for the power plant process. The modeling results are used as input data for the calculation of the operating profit. The profit is calculated by a cost function. The largest revenues of the cost function are associated with selling heat and power, and production subsidy, and the largest costs are related to the investment repayment and the purchase of fuel. A sensitivity analysis is done for the cost function. Process technical values are changed one by one, and at the same time the change in profit is monitored. The results are compared to the verification measurements carried at a reference power plant, and it is found that the results are not exactly the same. It can be concluded that the differences are due to deficiencies in the modeling and the short observing times of the measurements. Practical implementation of the automated optimization method is initialized by defining the method, the associated control circuits and the necessary input data. The project will be continued by programming, testing and tuning the system in a real plant environment, and later by implementation of the predictive control.