★ 广东能源集团广东粤电大埔发电有限公司 郑志鸿

关键词：新能源接入；火电机组；调峰运行；自动化控制；深度调峰

随着风电和光伏装机比例的持续提升，电网日内净负荷不再保持平滑变化。午间光伏出力集中、傍晚负荷快速上升、夜间风电波动交替出现，导致电网负荷波动加剧，火电机组的稳定运行能力受到限制。火电机组不仅承担常规发电任务，还需参与快速调节、深度负荷降低及备用容量支撑，以保障电网的安全与稳定运行。现有研究表明，新能源消纳能力与火电机组调峰能力、自动化控制水平密切相关^[1]。

从运行现场看， 调峰矛盾主要集中在三个方面：第一， AGC指令变化快，而锅炉燃烧、汽机进汽和给水系统存在惯性滞后；第二，低负荷下煤粉着火、SCR入口温度和再热汽温容易接近边界；第三，新能源预测偏差会使指令反复修正，若仍以固定PID参数和人工经验为主，负荷跟踪误差会增大，燃烧波动也更难控制。

基于上述问题，本文研究了高比例新能源接入下火电机组调峰运行方法。本研究按工程实现过程展开：首先利用源荷预测计算净负荷，再把调峰需求转换为机组可执行的出力指令；随后结合锅炉、汽机和环保参数进行约束修正；最后通过工程试验验证控制效果。

1   高比例新能源接入下火电机组调峰运行数据分析

火电机组调峰并不是简单降低出力，而是在新能源波动、调度指令和机组安全边界之间保持动态平衡。本文选取某600MW燃煤机组作为研究对象，将新能源预测功率、AGC指令、锅炉主控输出、汽机阀位、主再热汽温、氧量和磨煤机状态等数据统一到1min采样尺度，形成调峰运行样本。

为避免把新能源波动直接等同于负荷变化，本文先建立净负荷序列。设电网总负荷为P_(t），风电和光伏预测功率分别为P_w (t）、P_s (t），备用修正量为P_R (t），则火电机组需要承担的等效调峰需求为式（1）：

式中，P_net (t）表示净负荷功率。该值越低，说明新能源出力对常规机组的压降要求越高； 该值若短时快速抬升， 则机组需要更高的爬坡能力。通过公式（1），外部源荷波动可转换为控制器能够识别的调峰输入。

在上述数据基础上，本文搭建火电机组调峰运行自动化控制架构，如图1所示。

图1 火电机组调峰运行自动化控制架构

图1中，系统以新能源预测、负荷预测和机组状态为输入，通过AGC与模型预测控制协同完成指令分解。预测层先给出未来15～60min的净负荷趋势；协调控制器结合当前负荷率、爬坡能力和低负荷风险， 对电网要求进行可执行化修正； 执行层再将修正量分配至汽机阀位、锅炉主控、磨煤机、风门和辅助调节资源。执行后的实测出力与关键参数继续反馈至预测和约束模块， 为下文的净负荷特征提取、状态监测和调峰指令修正提供数据入口。

1.1   源荷波动与净负荷特征提取

典型日净负荷与调峰指令变化见图2。

图2 典型日新能源接入下净负荷与调峰指令变化

根据图2可知，光伏高发时段，净负荷下降，机组需要降低出力并维持低负荷稳定；傍晚光伏退坡后，净负荷快速回升，AGC指令进入连续爬坡区间。

为分析新能源波动对调峰深度的影响， 本文按照“原始数据清洗—滑动窗口计算—阈值标记—控制变量映射”的步骤提取净负荷特征。首先对风电、光伏、系统负荷和AGC指令进行时间对齐，剔除通信中断、采样突跳和明显不合理的数据点；随后以15min为主窗口、以1min为滚动步长，计算净负荷谷值、平均变化率、最大上升爬坡率、最大下降爬坡率、连续低负荷时长和AGC反向次数^[2]。这些指标能够分别反映调峰深度、爬坡压力和指令频繁反转程度。

特征筛选时， 本文优先保留能够直接进入控制策略的指标。净负荷谷值用于判断机组是否进入深度调峰区，最大爬坡率用于确定汽机阀位和锅炉主控的提前量，连续低负荷时长用于判断燃烧稳定风险， AGC反向次数用于识别频繁调节场景。经过上述处理后，净负荷特征转化为控制器能够调用的状态变量。

具体划分规则如下： 当净负荷低于额定容量40%且持续超过30min时，将该时段标记为深度调峰片段；当净负荷变化率超过额定容量1.5%/min时，将其标记为快速爬坡片段；当AGC指令在15min内出现两次及以上反向变化时，将其标记为频繁修正片段。三类片段分别对应低负荷稳定控制、爬坡跟踪控制和指令平滑控制。

1.2   机组调峰约束与状态监测

深度调峰受机组下限约束、燃烧稳定性、汽水系统参数、环保运行及热应力等因素的限制。本文将这些约束分为燃烧稳定、汽水系统、环保运行和热应力四类，并基于现场测点数据构建状态向量，以表征各类约束条件对机组调峰能力的影响。

在完成净负荷特征提取后， 本文将约束分为硬约束和软约束两类：硬约束包括机组最低稳燃负荷、主再热汽温下限、SCR入口温度下限、磨煤机最小运行台数和重要保护定值；软约束包括煤耗偏差、汽温波动、炉膛负压波动和热应力变化率。硬约束用于判定指令是否允许执行，软约束用于修正指令执行速度和执行幅度。

在状态监测方面，系统基于1min采样数据构建运行状态向量，主要包括负荷率、AGC偏差、主汽压力、主再热汽温、烟气含氧量、炉膛负压、磨煤机电流、SCR入口温度和NOx排放值。监测模块先判断各变量是否接近安全边界，再按照燃烧稳定、汽水系统、环保运行和热应力四类进行归并，形成“可降负荷”“需限速降负荷”和“暂停继续降负荷”三种状态。只有当状态判别结果允许时，调峰指令才能进入后续协调控制环节。

为量化机组调峰过程中的综合偏离程度，本文建立目标函数如式（2）所示：

式中， P_AGC为电网指令， P_u为机组实际出力， B_t为煤耗偏差， S_u为汽温汽压偏离， R_b为低负荷风险， ω₁~ω₄为权重系数。当AGC误差占主导时，控制器优先提高跟踪精度； 当气温、燃烧或环保指标接近边界时， 系统降低调峰指令变化率， 并提高安全约束权重。由此， 状态监测结果能够进入控制目标，避免出现“只跟踪指令、不考虑机组状态”的调峰方式。

2   火电机组调峰运行自动化控制方法

在上述数据和约束的基础上，本文将自动化控制方法设计为“预测前馈－指令分解－执行分配－反馈修正”四个环节。其核心是在厂级优化控制层对AGC指令进行二次处理，把可执行的修正量下发给锅炉、汽机和辅机回路。

针对高比例新能源接入导致的负荷波动，本文提出了分层调峰控制策略。上层负责生成调峰计划，中层对AGC指令进行修正，下层由锅炉、汽机及辅机回路执行具体控制操作。该策略在保持原有DCS架构不变的前提下， 实现了调峰控制的高响应性、低负荷稳定性和系统运行可靠性， 减少了现场改造工作量。火电机组深度调峰运行三维模拟图如图3所示。

图3 火电机组深度调峰运行三维模拟图

根据图3可知，负荷率越低、新能源波动越大，综合风险指数越高。此时控制系统应限制负荷变化率，并优先保证燃烧稳定和气温边界。

2.1   基于负荷预测的AGC协同控制

本文将净负荷预测作为前馈信号，与AGC偏差共同形成负荷控制修正量，使控制器在指令到来前先完成趋势判断，具体计算公式如式（3）所示：

式中， u(k）为负荷控制修正量， e(k）为AGC偏差，ΔP_net (k+1）为下一时段净负荷预测变化值。公式（3）给出的并不是单一执行量，而是进入协调控制器的总修正量。控制器先根据e(k）确定需要追踪的即时偏差，再根据ΔP_net (k+1）判断未来爬坡方向，从而在负荷明显变化前提前调整阀位和锅炉主控给定值，减小爬坡初期滞后。

控制执行过程分为三步。第一步为预测前馈计算：每个控制周期读取未来15min净负荷变化，判断其属于小幅波动、中等波动还是大幅波动。第二步为指令分解：将u(k）拆分为汽机侧快速修正量和锅炉侧滞后补偿量，前者主要作用于主汽阀门和负荷指令，后者作用于煤量、风量和给水协调。第三步为反馈校正：若实测出力与修正后指令仍存在偏差，则在下一控制周期重新计算e(k），并同步调整预测前馈系数。

在小幅波动场景下， 汽机阀位承担主要调节任务，锅炉主控保持平缓跟随；在中等波动场景下，锅炉主控提前给出煤量和风量修正，避免阀位动作过快引起汽压波动；在大幅波动或接近低负荷边界时，协调控制器先进行限幅，再把降负荷过程拆分为若干段执行。

工程实现时，协调控制器每1min刷新一次预测结果，并将前馈量、AGC偏差和状态约束同时输入指令修正模块。若运行状态满足安全裕度要求，则按预测方向提前调整；若燃烧、汽温或环保指标接近边界，则控制器降低前馈增益并限制指令变化率。由此形成“预测—执行—反馈—再预测”的自动化控制闭环。

2.2   深度调峰过程的燃烧稳定控制

深度调峰的风险多来自低负荷燃烧稳定性下降、炉膛温度降低和脱硝入口温度不足。现有研究表明，不同改造或耦合技术会改变燃煤机组的调峰深度和响应速度^[3]。因此，为确保既有机组在参与深度调峰时的安全稳定运行， 需在控制过程中引入更严格的约束条件。

本文采用分区燃烧控制，负荷率高于50%时， 控制目标以煤耗和AGC跟踪为主；负荷率处于40%～50%时，提高氧量下限并优化一次风量；负荷率低于40%时，进入深度调峰保护区，限制煤量下降速率，并联动磨煤机和风门。

燃烧稳定风险指标定义如式（4）所示：

式中，R_b为燃烧稳定风险指标， T_r为再热汽温， O₂为烟气含氧量， vf为炉膛负压波动量。若R_b超过阈值， 系统先降低降负荷速率，再提高燃烧稳定参数的控制优先级。

DCS中设置三类动作：氧量偏低时先调整送风量；汽温偏低时延缓调峰指令下压；炉膛负压波动较大时限制风门快速动作。上述动作由运行人员确认后半自动执行。

2.3   多源数据融合的风险预警与优化修正

火电调峰不是单一回路控制问题，热电联产、储热和电锅炉等方式都会改变机组灵活性边界^[4]。本文在厂级控制层融合机组运行数据、新能源预测数据和调度指令数据，用于形成风险预警和优化修正结果。

系统在线监测与约束修正链路见图4。锅炉、汽机、发电机和环保系统的关键测点先进入安全约束判别模块，再进入燃烧-汽温修正模块，最后对负荷指令进行限幅处理。

图4 火电机组调峰过程在线监测与约束修正示意图

当预警模块判断低负荷边界接近时，控制器按“限幅、延时、分段执行”的方式修正指令。修正后的机组出力指令为式（5）：

式中，R^*_u(k)为修正后出力指令，ΔP_f(k)为预测前馈修正量，P_min和P_max为安全下限与上限。clip函数用于约束指令范围，避免指令突破当前状态允许边界^[5]。

3   工程试验研究

为验证方法有效性，本文选取某600MW燃煤机组开展调峰试验。试验未改变原保护逻辑，只在厂级优化控制层增加净负荷预测、调峰指令修正和风险预警模块。对比对象为机组原常规协调控制方式。

3.1   试验环境

试验系统由DCS、SIS、AGC接口、新能源预测服务器和数据分析工作站组成。DCS提供实时控制数据， SIS提供历史数据和性能计算结果， AGC接口提供调度指令，预测服务器提供风电和光伏短时功率。

试验按案例对比展开：先采集常规控制样本，得到基准指标；再整定预测前馈系数和风险阈值； 随后投入本文方法；最后统一比较负荷跟踪误差、爬坡偏差、煤耗偏差和风险指标。

3.2   试验参数

试验参数围绕负荷率、爬坡率、预测步长、控制周期和风险阈值设置，具体见表1。为兼顾电网调度需求与机组低负荷运行稳定性，本文对参数项的取值进行了约束， 防止在追求调峰深度的过程中出现设备或运行参数超限的情况。

表1 调峰运行试验参数设置

3.3   试验结果与分析

不同方法的调峰性能对比结果如图5所示。

图5 不同控制方法下调峰性能指标对比

由图5可知，与常规控制相比，本文方法下AGC误差、爬坡偏差、煤耗偏差和风险指标均有所下降，其中AGC误差改善最明显。常规控制在新能源波动较大时，容易出现负荷指令与锅炉响应不匹配，现场表现为汽机阀位快速动作， 而锅炉侧煤量和风量调整滞后；本文方法利用净负荷预测提前修正锅炉主控给定值，因此指令响应更平稳。

优化前后各项主要指标对比结果如表2所示。

表2 优化前后调峰性能对比结果

根据表2可知，采用本文方法后，机组负荷跟踪均方误差由2.80MW降至1.42MW，平均爬坡偏差由3.40MW/min降至1.86MW/min，低负荷风险指标由1.00降至0.58，表明机组调峰稳定性得到了有效改善。

上述结果证明，本文方法并不是单纯压低火电机组出力， 而是在预测前馈、运行约束和执行修正之间建立闭环，使调峰指令能够落到锅炉－汽机协同动作上。与仅依赖固定参数和人工经验的控制方式相比， 该方法能够在新能源波动频繁的场景下更及时地识别低负荷边界， 减少了因过快跟踪指令引起的参数越限。

3.4   结果总结

工程试验结果表明：净负荷预测能够提前识别深度调峰和快速爬坡时段；将燃烧、汽温、环保和设备状态纳入约束判别后，可降低参数越限概率；采用限幅、延时和分段执行后，热力系统波动有所减小。试验期间未改变机组原有保护定值，说明该方法与现有DCS和SIS系统具有较好的兼容性。

4   结束语

本文针对高比例新能源接入下火电机组调峰稳定性不足和自动化协同不够的问题，提出了一种基于净负荷预测、AGC前馈修正和运行风险约束的调峰控制方法。该方法以DCS、SIS和新能源预测数据为基础，先提取净负荷谷值、爬坡率、连续低负荷时长等特征，再结合燃烧、汽温、环保和热应力约束对调峰指令进行在线修正。

工程试验结果表明，本方法能够降低AGC跟踪误差和爬坡偏差、改善低负荷风险指标，并对煤耗偏差具有一定的抑制作用。与依赖固定参数和人工经验的方式相比，该方法更适合新能源波动频繁、调度指令变化快的运行场景。后续研究可进一步引入储能状态、机组寿命损耗和辅助服务收益等数据，构建多机组联合调峰优化模块。

作者简介：

郑志鸿（1998-） ，男，广东清远人，助理工程师，本科，现就职于广东能源集团广东粤电大埔发电有限公司，研究方向为火力发电运行控制。

参考文献：

[1] 马士全, 丁进良. 面向可再生能源消纳的火电机组控制结构综合与分析[J]. 自动化学报, 2025, 51 (11) : 2412 - 2426.

[2] 朱健宇, 潘学萍, 王正风, 等. 兼顾碳减排和新能源消纳的火电机组深度调峰与复合储能协调规划[J]. 电力自动化设备, 2024, 44 (1) : 17 - 23.

[3] 袁鑫, 刘骏, 陈衡, 等. 碳捕集技术应用对燃煤机组调峰能力的影响[J]. 发电技术, 2024, 45 (3) : 373 - 381.

[4] 孙健, 吴宝钢, 王国顺, 等. 热电联产机组灵活性提升方法研究综述[J]. 动力工程学报, 2025, 45 (4) : 626 - 634 + 644.

[5] 张立伟, 冯任卿, 张毓清, 等. 考虑火电灵活性改造及深度调峰的风光火储系统容量优化配置[J]. 现代电力, 2025, 42 (4) : 722 - 733.

摘自《自动化博览》2026年9月刊