Kortsiktig produktionsplanering med hjälp av olinjär programmering

Transkript

1 Kortsiktig produktionsplanering med hjälp av olinjär programmering S. Velut, P-O. Larsson, J. Windahl Modelon AB K. Boman, L. Saarinen Vattenfall AB 1

2 Kortsiktig produktionsplanering Introduktion Optimeringsmetod Fallstudie Slutsatser Fortsatt arbete 2

3 Produktionsplanering - Mål Hitta en kostnadsoptimal schemaläggning av värme- och elproduktion som uppfyller Fjärrvärmenätets behov Operativa begränsningar Givet Lastprediktion över en tidshorisont Produktionsanläggningar Distributionsnät 3

4 Modellbaserad optimering Optimal körplan över given horisont: Start/stopp för varje produktionsenhet Optimal lastfördelning Komplext optimeringsproblem som löses fördelaktigt mha Matematiska modeller av systemet Numeriska algoritmer Ingen tillgänglig robust algoritm utan förenklingar 4

5 Dagens standardmetod Processmodeller: enkla, linjära, tidsdiskreta Optimering av värmeflödena mha linjärprogrammering Robusta och effektiva lösare Effekt isf flöde och temperatur (olinjär inverkan) Ingen hänsyn till/optimering av: Fram- och returledningstemperatur/flöde Begränsing i flöde och temperatur Elverkningsgrad (externkylning, BP-ventil) 5

6 Förbättrad optimering i 2 steg Steg 1: standardmetod för start-stopp problemet Steg 2: lastfördelning med givna status Modeller: enkla, fysikaliska, men olinjära Optimering av flöde, temperatur, tryck, ventilläge... Olinjär programmering Väl-beprövade metoder i andra brancher, olinjär prediktiv reglering (NMPC) 6

7 Ekonomisk optimering Gemensam kostnadsfunktion för start/stopp och lastfördelning Ekonomisk optimering: el, värme, bränsle Bivillkor: Min/max: last, framtemp, flöde, tryck Min/max förändringshastighet Start/stopp profiler Tidshorisont: 24h Sampling: 20 min 7

8 T_network Produktionsplanering Verktyg, språk och miljö Start/stopp Metod från litteratur Miljö: Python Open-source MILP-lösare (cbc) Lastfördelning Modelica-modeller utvecklade i Dymola Optimering från Python mha open-source platform (JModelica.org) open-source lösare (IPOPT) name name name name 8

9 Fallstudie: Idbäcken (Vattenfall AB) 8 enheter 1 ackummulator 1 elproducent 1 extern returkylare Distributionspumpar Återcirk. pump Fysikalisk modell av P3 (el/värme) Ackummulator FjVledning Enkel nätmodell 9

10 Fysikalisk modell av värmekraftverket Modelica-modell som beskriver inverkan av: Pannlast By-pass ventil Returtemperatur Returflöde Polynomapproximation av vatten/ånga Enkel kalibrering mot designdata 10

11 Fall 1. Lågt värmebehov, en panna i drift Stängd BP ventil Extern kylning Lägre framledningstemp. Högre framledningsflöde 11

12 Fall 2. Hög och varierande last 12

13 Fall 2. Hög och varierande last Hög last: ingen extern kylning Uppstart av panna Ackummulator Stängd turbin-bp Lägre framledningstemp. Begränsande framflödet Samspel ackummulator och DP 13

14 Slutsatser Möjligt att optimera fysikaliska modeller Naturlig formulering och snabb kalibrering Rimliga beräkningstider (~ min) Stor potential jämfört med dagens metoder Mer el Extern kylning Turbin By-passventil Lägre framledningstemperatur (ca 4 o C) Högre flöde Ackummulatortemperatur och energi 14

15 Fortsatt arbete Vidareutveckla metoden för en mer generell och robust användning Robusthet mot osäkerhet i lastprediktion Distribuerad produktion och nätmodell Längre optimeringshorisont Uppskalning Implementering som beslutstöd 15