Development of methodology for calculation of optimal distribution of electric power between power units of condensing power plant

Abstract

Optimization methods are used to solve many problems in the field of energy. One of such tasks is the problem of optimal redistribution of power between power units in order to achieve minimum fuel consumption. This is especially important for powerful condensation power plants, where even relatively small fuel savings have significant economic effect.

The article is devoted to description of developed method of such optimization, based on the application of differential evolution, which has many advantages over the "classical" methods of optimization. In particular, it was the global rather than the local extremum of the objective function that could be found; it was also easy and powerful to use with modern software.

Differential evolution method is organized in the library SciPy of Python programming language, so calculation program was developed in this language to solve the problem. The work considers algorithm and structure of the developed program, as well as the procedure for preparing initial data and calculation process using example of a specific condensing power plant. Modules used in the program to populate the data arrays are mentioned, as well as to output the results in the form of high-quality graphs.

With the help of the program, diagram of the optimal redistribution of capacities between power units for any total capacity of the power station is constructed. Also, for entire power range of the power plant, nominal fuel consumption and fuel economy are calculated when implementing the optimal redistribution of capacity in comparison with an even distribution.

Obtained software product, available to everyone on the website of the authors, allows not only to study the practical application of differential evolution method, but also to create programs based on it to solve other optimization problems, some of which are mentioned in the article.

Keywords

optimization / power redistribution / evolutionary methods / turbine power / differential evolution method / Python language

References

[1] Zvereva YE.N., Ignatova S.E., Sergeyev A.N. Primeneniye komp’yuternykh tekhnologiy v chislennykh metodakh dlya resheniya zadach optimizatsii [Application of computer technologies in numerical methods for solving optimization problems]. Uchebnoye posobiye. S.-P.: Sankt-Peterburgskiy gosudarstvennyy ekonomicheskiy universitet Publ., 2018. 61 p.

[2] Зверева Е.Н., Игнатова С.Е., Сергеев А.Н. Применение компьютерных технологий в численных методах для решения задач оптимизации. Учебное пособие / С.-П.: Санкт-Петербургский государственный экономический университет, 2018. 61 с.

[3] Sukharev A.G., Timokhov A.V., Fedorov V.V. Chislenn·yye metody optimizatsii [Numerical optimization methods]. Uchebnik i praktikum (3-e izd., ispr. i dop.) Moscow: Yurayt Publ. 2019. 367 p.

[4] Сухарев А.Г., Тимохов А.В., Федоров В.В. Численные методы оптимизации. Учебник и практикум (3-е изд., испр. и доп.). М.: Юрайт. 2019. 367 с.

[5] Tsoy YU.R. Mathematical models of evolutionary algorithms. Perspektivn·yye informatsionn·yye tekhnologii i intellektual’n·yye sistemy. 2006. No 2, pp. 42−47 (in Russ.).

[6] Цой Ю.Р. О математических моделях эволюционных алгоритмов // Перспективные информационные технологии и интеллектуальные системы. 2006. № 2. С. 42−47.

[7] Mekh M.A., Khodashinskiy I.A. Comparative analysis of the application of differential evolution methods to optimize the parameters of fuzzy classifiers. Izvestiya Rossiyskoy akademii nauk. Teoriya i sistemy upravleniya. 2017. No 4, pp. 65−75 (in Russ.).

[8] Мех М.А., Ходашинский И.А. Сравнительный анализ применения методов дифференциальной эволюции для оптимизации параметров нечетких классификаторов // Известия Российской академии наук. Теория и системы управления. 2017. № 4. С. 65−75.

[9] Chepurnoy M.N., Rezident N.V., Dymnich I.N. Energy characteristics of turbine generators and economical modes of their loading. Nauchn·yye trudy Vinnitskogo natsional’nogo tekhnicheskogo universiteta. 2012. No 2, pp. 4 (in Russ.).

[10] Чепурной М.Н., Резидент Н.В., Дымнич И.Н. Энергетические характеристики турбогенераторов и экономичные режимы их загрузки // Научные труды Винницкого национального технического университета. 2012. № 2. С. 4.

[11] SciPy. Optimization and root finding. [Elektronnyy resurs]. URL: https://docs.scipy.org/doc/scipy/reference/generated/scipy.optimize.differential_evolution.html (accessed: 15.03.2021).

[12] SciPy. Optimization and root finding. [Электронный ресурс]. URL: https://docs.scipy.org/doc/scipy/reference/generated/scipy.optimize.differential_evolution.html (Дата обращения 15.03.2021).

[13] Gazizova O.R. Implementation aspects of the differential evolution algorithm in Python. Informatsionn·yye tekhnologii v protsesse podgotovki sovremennogo spetsialista. 2017, pp. 13−17 (in Russ.).

[14] Газизова О.Р. Аспекты реализации алгоритма дифференциальной эволюции на языке Python // Информационные технологии в процессе подготовки современного специалиста. 2017. С. 13−17.

[15] Il’ichev V.YU. Development of software for enlarging images using their fractal properties. Sistemnyy administrator. 2021. No 1−2 (218−219), pp. 124−127 (in Russ.).

[16] Ильичев В.Ю. Разработка программных средств увеличения изображений с использованием их фрактальных свойств // Системный администратор. 2021. № 1−2 (218−219). С. 124−127.

[17] Il’ichev V.YU., Gridchin N.V. Render scalable 3D models using the Matplotlib Python module. Sistemnyy administrator. 2020. No 12 (217), pp. 86−89 (in Russ.).

[18] Ильичев В.Ю., Гридчин Н.В. Визуализация масштабируемых 3D-моделей с помощью модуля Matplotlib для Python // Системный администратор. 2020. № 12 (217). С. 86−89.

[19] Romanenko R.A., Stukhal’skiy A.L., Prikhozhiy A.A. The use of high-level languages for solving applied problems. Matematicheskiye metody v tekhnike i tekhnologiyakh − MMTT. 2018. Vol. 9, pp. 97−100 (in Russ.).

[20] Романенко Р.А., Стухальский А.Л., Прихожий А.А. Использование языков высшего уровня для решения прикладных задач // Математические методы в технике и технологиях − ММТТ. 2018. Т. 9. С. 97−100.

[21] Raspredeleniye elektricheskoy moshchnosti mezhdu energoblokami. URL: http://turbopython.ru/opt_power (accessed: 15.03.2021).

[22] Распределение электрической мощности между энергоблоками. URL: http://turbopython.ru/opt_power (дата обращения: 15.03.2021).

[23] Il’ichev V.YU., Chukhrayev I.V., Chukhrayeva A.I. Solution of the problem of redistribution of gas flows on main gas pipelines using linear programming methods. Naukoyemkiye tekhnologii. 2020. Vol. 21. No 1, pp. 11−17 (in Russ.).

[24] Ильичев В.Ю., Чухраев И.В., Чухраева А.И. Решение задачи перераспределения потоков газа на магистральных газопроводах методами линейного программирования // Наукоемкие технологии. 2020. Т. 21. № 1. С. 11−17.

[25] Lantsova N.M., Zyryanova O.V. Optimization of the distribution of profit of an enterprise in the energy sector as a priority factor for growth and innovative development. Vestnik obrazovatel’nogo konsortsiuma Srednerusskiy universitet. Seriya: Ekonomika i upravleniye. 2019. No 13, pp. 23−26 (in Russ.).

[26] Ланцова Н.М., Зырянова О.В. Оптимизация распределение прибыли предприятия в сфере энергетики как приоритетный фактор роста и инновационного развития // Вестник образовательного консорциума Среднерусский университет. Серия: Экономика и управление. 2019. № 13. С. 23−26.

[27] Il’ichev V.YU., Savin V.YU. Creation of a technique for two-factor optimization of the energy consumption characteristics of a hydraulic system. Kompressornaya tekhnika i pnevmatika. 2020. No 4, pp. 25−30 (in Russ.).

[28] Ильичев В.Ю., Савин В.Ю. Создание методики двухфакторной оптимизации расходно-энергетической характеристики гидравлической системы // Компрессорная техника и пневматика. 2020. № 4. С. 25−30.

RIGHTS & PERMISSIONS

Ilichev V.Y., Yurik E.A.