随着“双碳”战略的提出和电力体制改革推进，风电、光伏在电力市场中的占比越来越高. 截至2024年6月底，风电和光伏发电装机容量已经超过煤电，可再生能源发电装机占比达到53.9%^[1]. 预计2060年新能源装机占比将达70%，发电量占比将达58%^[2]. 风电、光伏的波动性和随机性增加了火电厂调峰保供的重担，既要低负荷常态化运行，又要能迅速抬升负荷以填补供电缺口^[3].

与风电和光电相比，火电厂发电成本高且缺乏市场竞争力^[4]，电煤市场化程度高于电力市场，电价和煤价极不平衡^[5]. 为了应对电煤市场风险，火电厂需要存储煤炭；为了降低燃料成本，火电厂多进行多煤种掺配，但这增加了储煤种类，使得燃煤采购、存储和掺配成为新的难题^[6]，因此需要优化过程以降低发电成本^[7-8]. 煤炭占火力发电企业总成本的70%-80%，是降本增效的关键^[9].

火电厂燃料成本优化领域的相关研究可以归纳为库存管理、掺配优化和成本优化3个方面.

在库存管理方面，丁宏刚等^[10]通过三维数据采集推动库存管理数字化，实现存煤合理化和成本优化. 赵长宇^[11]将库存成本分为资金、储存、订货等5部分，构建数学模型，利用遗传算法求解各月最优库存量，应用模型后单月燃煤库存总成本降低了29.85%. 在掺配管理方面，阮伟等^[12]提出优化配煤的专家模型，对发热量、挥发分、硫分等煤质条件构建约束条件，降低了生产成本. 李金晶等^[13]将掺配优化模型视为有限煤种掺配比例的确认问题，将锅炉效率降低量、厂用电率升高量换算为供电煤耗增量，结合供电煤价确定总供电成本，实现掺配成本的寻优. 随着电厂信息化程度的发展^[14]，研究方向转向多过程整体成本的优化. 廖志伟等^[15]将燃煤成本分为库存（采购和存煤）和掺配（入炉标煤单价）2个环节，最后总成本优化约7%. 刘习文等^[16]对采购、库存、掺配成本进行全周期数学建模，追求年度成本最小化，应用后年度燃料总成本降低了1.18%，采购成本降低了1.14%，日平均库存量降低了1.43%. Wahyuningtyas等^[17-18]采用K-means、最小二乘向量机、人工神经网络等数据驱动模型预测等效可用系数和发电功率，验证了机器学习算法决策支持的可行性. Mansouri等^[19]对综合能源系统进行两阶段建模，利用需求响应模型和综合需求响应模型从供需两侧优化电负荷，使运行成本降低15.1%.

尽管国内外学者已有诸多尝试^[20-23]，但是现有模型没有考虑电厂安全稳定运行和存用煤种繁多的实际需求. 国内研究的模型验证多基于历史数据^[24-26]，未验证相关模型对各核心业务的解决能力. 国外研究从供需市场宏观角度建模，采用大模型进行预测，难以进行准确指导. 本文针对上述不足，构建多煤种特性的采购–库存–掺烧协同优化模型，提出面向实际业务的决策框架，在保障供电与运行安全前提下生成可执行方案，为燃煤电厂的集成化管理提供了新视角.

电厂燃煤采购由发电负荷计划起始，根据历史相似周期和前周期的发电量，提前制定下周期的发电总量计划值. 根据电厂的设计标准煤耗计算所需采购的燃煤总热量，再进行采购合同的分解. 根据煤炭来源，采购过程可以分为中长期协约煤和现货市场煤两类. 前者是为了保证煤炭供应，提前确定合约的煤炭来源. 后者是在燃煤现货市场进行采购的煤炭来源，由2个采购来源满足电厂燃煤需求.

采购执行需要进行燃煤调运，选为研究对象的某火力发电厂拥有5万t级燃煤专用码头，燃煤运输都采用海运方式. 海运来煤从采购启动到实际到厂卸港存在10~14 d的延迟时间，难以实现对煤质的实时调控. 煤场煤质随着电厂耗煤不断波动，为了在已有采购计划下保证电厂燃煤供应，需要做好煤场的存煤管理. 火电厂的煤场可以分为分煤场、分区、煤堆3个层级. 整个煤场划分为6个分煤场，每个分煤场分为2个分区，单一分区包含2个煤堆. 其中相邻2个编号的分煤场的燃煤卸取都由1台斗轮机负责，全厂所有的燃煤卸取工作都由3台斗轮机负责. 目前，电厂常用的燃煤种类包含高热值燃煤、高灰熔点燃煤、低热值燃煤. 为了满足后续掺配环节的用煤需求，煤场需要保证在某台斗轮机卸煤占用或者非计划停机的紧急情况下，上述特殊煤种能够在其他斗轮机区域正常取得. 煤场管理的难点是在有限的堆放空间实现不同煤种的科学堆放，方便取用，保证稳定供煤.

掺配燃煤入炉环节需要确保多磨煤机掺配的入炉煤质满足负荷、安全、环保等需求，核心是限制平均热值、高灰熔点煤占比、平均硫分等煤质指标.

电厂在上述各个业务环节都存在专门系统，但是相关环节的业务执行主要依靠业务人员经验进行，没有针对性的优化模型. 对于目前急需精细化管理和优化运行的火电企业而言，已经无法满足需求. 基于上述研究现状，关注采购、存煤、掺配3个核心流程，构建优化模型.

在东南沿海某大型统调火力发电厂（以下简称某火力发电厂）进行示范应用，在电厂运营方面取得了显著的效果，为火电厂煤炭的供应管理和成本优化提供了理论依据.

本文模型从燃料成本控制切入，选取购煤、存煤和配煤的全过程实现优化. 在采购阶段，引入燃煤市场信息构建两阶段采购模型，依据能量守恒定律从发电所需热量逐步换算成不同热值范围的燃煤需求. 在存煤阶段，重点考虑煤种数量和煤场卸取燃煤的数量匹配问题，构建整数规划模型，以动态规划煤场存煤. 在掺配阶段，基于配煤专家模型以及磨煤机、机组和全厂维度的约束进行计算，以实现快速响应和执行. 构建多级约束条件的专家配煤模型，并且在过程中考虑电厂运行的实际约束，保证业务稳定运行. 相关模型全部内嵌于统一的数据中台项目中实现应用. 该项目引入数据中台技术，通过分析电厂发电生产、燃料供应和电力营销价值链，构建适合发电企业的数据治理体系，支撑电厂对数据资产的自主治理及应用. 数据中台应用针对燃料相关业务实施数据治理，实现全领域数据全链路、全周期、全场景的可视与监控. 通过指标化分析和量化管理，实现燃料成本的管控与优化. 本文相关模型分别支持不同的业务流程，相关输入、输出数据和中间参数会统一进入数仓中进行存储，从而实现联通，如图1所示.

目前，电厂的采购方案制定方式没有将燃煤市场信息纳入方案制定中. 在确定总采购燃煤热值需求后，根据业务人员的经验判断燃煤采购供应商和采购量. 采购过程只考虑热值总量，没有实际地考量采购煤的平均热值，倾向于采购热值低的低价煤，在掺烧方案的制定和执行难以为继时才进行高热值优质煤的采购，没有在电煤市场选优执行，反而提升了平均采购成本. 因为缺少高热值燃煤，低热值燃煤无法通过掺烧达到机组运行的热值要求，消耗缓慢，库存积压，损耗严重.

针对上述缺点制定的采购模型，构建两阶段采购方案生成模型. 第一阶段在一个采购周期内保证煤场进煤总热量、总煤量和机组固定负荷率下运行消耗能量守恒. 电厂发电计划确定了总发电量，根据设计发电煤耗，可以计算得到周期内所需的标准煤总量，再根据煤炭的实际热值分解成实际的非标燃煤需求量.

第二阶段核心考虑平均热值对后续掺配的影响，开展可选煤需求量计算和采购合同分解. 按比例对可选煤进行分解，可以避免单步分解只能获得标煤热值和标煤量的缺陷，限制原煤平均热值.

可选煤的需求量为

(1)$ {\text{RC}}_{i}={E}_{\text{total}}\times \text{SBC}\times (29\;260/{\text{RCV}}_{i}) {R}_{i}(1+K).$

式中：$ {\text{RC}}_{i} $为第i种可选煤的需求量，单位为kg，i根据实际可选热值范围对应的可选煤取值，某火力发电厂中$ i\in \{1,2,3,4\} ；$$ {E}_{\text{total}} $为总电量，单位为kW·h；$ \text{SBC} $为机组标准煤耗，单位为kg/(kW·h)，由于采购模型以月为最小周期，面向长期燃料管理与优化，采用设计标准煤耗进行采购量校核；$ 29\;260/{\text{RCV}}_{i} $是将可选煤量换算为标煤量的比例，其中标煤热值取29 260 kJ/kg；$ {\text{RCV}}_{i} $为第 i 种可选煤的热值，单位为kJ/kg；$ {R}_{i} $为第i种可选煤需求比例；$ K $为电厂在基准发电计划基础上预留的燃煤采购弹性比例，用以保障燃料供应的连续性、安全性和经济性. 在电厂因为外部原因需要增加库存时，可以调整$ K $值为正数，最终采购煤量会在实际需求基础上增加，反之，当库存出现冗余，占用资金成本过高时则设置为负数，减少购买量.

对燃煤需求进行分解. 扣除库存影响，计算得到实际采购需求：

(2)$ {\text{RCP}}_{i}={\text{RC}}_{i}-\sum \limits_{j\in \{j|{\text{SCV}}_{j}\in {\text{RCVR}}_{i}\}}({\text{SC}}_{j}\times {\text{SCV}}_{j}/{\text{RCV}}_{i}). $

式中：$ {\text{RCP}}_{i} $为第 i 种可选煤的采购需求量，单位为kg；$ {\text{RCVR}}_{i} $为第i种可选煤对应热值范围，根据电厂的实际运行经验划定不同的热值范围，每一个热值范围对应一种可选煤，单位为kg/(kW·h)；$ {\text{SCV}}_{j} $为库存第 j 种煤的热值，单位为kJ/kg，j根据库存实际情况取值；$ {\text{SC}}_{j} $为库存第 j 种煤的煤量，单位为kg.

需求量分为中长期合约和市场煤2个部分，其中中长期合约煤直接根据合同信息分解，市场煤根据煤炭市场信息进行分解，对应不同热值范围的统计：

(3)$ \begin{split} {\text{AC}}_{i}=&\;\sum \limits_{p\in \{p|{\text{LCV}}_{p}\in {\text{RCVR}}_{i}\}}({\text{LCP}}_{p}\times {\text{LCV}}_{p}/{\text{RCV}}_{i})+\\&\;\sum \limits_{q\in \{q|{\text{MCV}}_{q}\in {\text{RCVR}}_{i}\}}({\text{MCP}}_{q}\times {\text{MCV}}_{q}/{\text{RCV}}_{i}).\end{split}$

式中：$ {\text{AC}}_{i} $为第$ i $种可选煤对应热值范围燃煤的实际采购煤量，单位为kg；$ {\text{LCP}}_{p} $为中长期合约第$ p $种煤的实际采购量，单位为kg，$ p $根据中长期合约情况取值；$ {\text{LCV}}_{p} $为中长期合约第$ p $种煤的热值，单位为kJ/kg；$ {\text{MCP}}_{q} $为市场采购第$ q $种煤的采购量，单位为kg，$ q $根据市场煤情况取值；$ {\text{MCV}}_{q} $为市场采购第$ q $种煤的热值，单位为kJ/kg.

累计不同采购来源的采购煤量和成本，以开展寻优计算. 中长期合约煤种采购煤量为

(4)$ \text{TLC}=\sum \limits_{p}{\text{LCP}}_{p} . $

市场煤种采购煤量为

(5)$ \text{TMC}=\sum \limits_{q}{\text{MCP}}_{q} . $

中长期合约煤种总采购成本为

(6)$ \text{LCC}=\sum \limits_{p}({\text{CS}}_{p}\times {\text{LUC}}_{p}) . $

市场煤种总采购成本为

(7)$ \text{MCC}=\sum \limits_{q}({\text{MS}}_{q}\times {\text{MUC}}_{q}) . $

式中：$ \text{TLC} $为中长期合约总采购煤量，单位为kg；$ \text{TMC} $为市场煤采购总煤量，单位为kg；$ \text{LCC} $为中长期合约总采购成本，单位为元；$ {\text{LUC}}_{p} $为中长期合约第$ p $种煤的价格，单位为元/kg；$ \text{MCC} $为市场采购总成本，单位为元；$ {\text{MUC}}_{q} $为市场采购第$ q $种煤的价格，单位为元/kg.

根据中长期合约分解占比下限$ \text{LMP} $，对中长期合约采购量所占比例的约束为

(8)$ \text{LMP}\leqslant \text{TLC}/(\text{TMC}+\text{TLC}) . $

中长期合约分解占比下限代表电厂采购周期内稳定获取基础用煤的能力. 小于限定值，说明发电企业大量依靠市场用煤，容易随着电煤市场的极端波动导致用煤紧张，增加能源供应风险.

燃煤需求量约束为

(9)$ {\text{RCP}}_{i}\leqslant {\text{AC}}_{i} . $

燃煤需求量约束实际上是需要采购煤量能够满足总热值需求且满足设定的不同热值范围的采购比例，保证原煤平均热值的需求.

计算目标为采购总煤价最低：

(10)$ \min\; (\text{LCC}+\text{MCC}) . $

在同时满足式(8)~(10)的情况下，计算得到满足条件的$ {\text{LCP}}_{p} $和$ {\text{MCP}}_{q} $，即最终的采购合同中相应煤种的采购量.

一般的库存管理模型只考虑较少的燃煤种类，不涉及煤场存储的空间问题. 在煤场的实际运行过程中，煤场使用的煤种数量繁多，因此在有限空间中存储煤质近似的燃煤同时保证取用是存煤管理环节的关键. 从电厂稳定运行的角度出发，由于负责煤场所有卸、取工作的斗轮机设备经常会持续不断地运转，相关零部件的损耗强度大，会出现停机检修甚至非计划停运的情况. 电网调度下电厂掺烧方案的执行存在紧急切换煤种的需求，一旦特殊煤种在煤场的分布不均，斗轮机的非计划停运就可能造成煤场供煤不畅，负荷抬升受阻的生产事故. 这些都是传统库存管理没有考虑的问题，因此本阶段模型设计了煤场均匀性的约束.

基于煤场堆煤环节的调研情况，给定煤场各区域的编号：分煤场$ l(l\in \{1,2,3,4,5,6\}) $，分区$ m(m\in \{A,B\}) $，煤堆$ n(n\in \{a,b\}) $，斗轮机区域$ r(r\in \{{\mathrm{I}},{\mathrm{II}},{\mathrm{III}}\}) $，$ {\mathrm{I、II、III}} $斗轮机区域的煤场编号集合分别为$ {L}_{{\mathrm{I}}}=\{1,2\} $，$ {L}_{{\mathrm{II}}}= \{3,4\} $，$ {L}_{{\mathrm{III}}}=\{5,6\} $.

该模型针对不同斗轮机区域进行特殊煤种可取的整数规划^[27]，设计一系列煤质特征计数. 对高热值煤、高灰熔点煤、低热值煤等特殊煤种在不同分区的获取难易程度这一离散事件进行量化评估，在每一次到港存煤后进行方案筛选，保证了当前阶段的煤场均匀性最佳.

在来船煤到港后，通过随到港检测，可以取得来船煤的煤质特征$ ({\text{ST}}_{l,m,n},{Q}_{l,m,n},{S}_{ l,m,n}) $，由此启动存煤模型的计算.

1）对煤场的各种特殊煤质特征计数进行统计. 对于煤场某一分区：

(11)$ {\text{nHH}}_{l,m,n}=\begin{cases} 1, & {\text{ST}}_{l,m,n} \gt {\text{ST}}_{\text{high}};\\0, & {\text{ST}}_{l,m,n}\leqslant {\text{ST}}_{\text{high}};\end{cases} $

(12)$ {\text{nQH}}_{l,m,n}=\begin{cases} 1, & {Q}_{l,m,n}\geqslant {Q}_{\text{high}};\\0, & {Q}_{l,m,n} \lt {Q}_{\text{high}};\end{cases} $

(13)$ {\text{nQL}}_{l,m,n}=\begin{cases} 1, & {Q}_{\mathrm{l},m,n} \lt {Q}_{\text{low}};\\0, & {Q}_{l,m,n}\geqslant {Q}_{\text{low}};\end{cases} $

(14)$ {\text{nSL}}_{l,m,n}=\begin{cases} 1, & {S}_{ \mathrm{l},m,n}\leqslant {S}_{ \text{low}};\\0, & {S}_{ l,m,n} \gt {S}_{ \text{low}}.\end{cases} $

式中：$ {\text{nHH}}_{l,m,n} $为煤堆高灰熔点煤的可取计数；$ {\text{ST}}_{l,m,n} $为库存对应位置的灰熔点，单位为℃；$ {\text{ST}}_{\text{high}} $为高灰熔点判别下限，单位为℃，一般取1350℃；$ {\text{nQH}}_{l,m,n} $为一个煤堆的高热值煤的可取计数；$ {Q}_{l,m,n} $为库存对应位置的收到基低位热值，单位为kJ/kg；$ {Q}_{\text{high}} $为高热值煤判别下限，单位为kJ/kg；$ {\text{nQL}}_{l,m,n} $为一个煤堆的低热值煤的可取计数；$ {Q}_{\text{low}} $为低热值煤判别上限，单位为kJ/kg；$ {\text{nSL}}_{l,m,n} $为一个煤堆的低硫分煤的可取计数；$ {S}_{ l,m,n} $为库存对应位置的硫分含量；$ {S}_{ \text{low}} $为低硫煤硫分判别上限. 特殊煤种的判别约束条件主要是电厂机组长期掺配经验中形成的煤质标准.

2）统计不同煤堆的特殊煤种计数，求取对应斗轮机区域计数：

(15)$ {\text{nHH}}_{r}=\sum \limits_{l\in {L}_{r}}{\text{nHH}}_{l,m,n} ,$

(16)$ {\text{nQH}}_{r}=\sum \limits_{l\in {L}_{r}}{\text{nQH}}_{l,m,n}, $

(17)$ {\text{nQL}}_{r}=\sum \limits_{l\in {L}_{r}}{\text{nQL}}_{l,m,n} ,$

(18)$ {\text{nSL}}_{r}=\sum \limits_{l\in {L}_{r}}{\text{nSL}}_{l,m,n}. $

式中：$ {\text{nHH}}_{r} $为一个斗轮机区域内高灰熔点煤的可取计数，$ {\text{nQH}}_{r} $为一个斗轮机区域内的高热值煤的可取计数，$ {\text{nQL}}_{r} $是一个斗轮机区域内的低热值煤的可取计数，$ {\text{nSL}}_{r} $是一个斗轮机区域内的低硫分煤的可取计数.

3）针对上述煤场特殊煤种可取的情况，进行可选煤场区域筛选. 若存在唯一计数不为零的斗轮机区域，则删除这一斗轮机区域编号对应的煤场可选区域组合$ (l,m,n) $；若筛选后煤场的可选区域数量大于1，则按照相同的方式进行下一步筛选.

各种特殊煤质煤种的考察优先级按照高灰熔点煤、高热值煤、低热值煤和低硫分煤的顺序进行，直到所有特殊煤种的筛选都完成或者可选区域只能满足当前煤种的需求，则给出对应的可选位置集合$ \{{(l,m,n)}_{1},{(l,m,n)}_{2},\cdots ,{(l,m,n)}_{v}\} $. 由决策人员选择最终的存煤区域，在当前的煤场条件下尽可能保证煤场存煤的均匀性.

传统的配煤专家模型可以针对煤种组合给出机组运行的建议指导^[28]，但是在可选煤种库达到一定数量时，由于可选的组合数量发生指数级增长，很难计算生成掺配方案. 当发电企业制定掺配方案时，在磨煤机煤质、机组煤质和不同负荷方案热值范围3个维度都存在约束，同时在磨煤机使用煤种煤质、机组混合煤质、热值方案切换煤种数量、全厂使用煤种总数量等各个角度存在约束条件. 这些运行和物理要求使得掺配方案的制定产生更多组合，因此设计多级约束条件的专家配煤模型.

为了在遍历配煤方案的同时满足各个维度的约束条件，减小实际计算时的复杂性，参考运筹学领域的多层规划原理^[29]，构建如下的配煤模型.

计算从历史配煤方案出发，先要确定历史方案中需要更换的煤种，煤种数要在斗轮机短时间抓取煤种的限制内. 通过遍历煤场可替换煤种组合，补充历史方案生成新的配煤方案，由此产生众多方案：

(19)${P}_{s,t}=({Q}_{s,t,u},{V}_{s,t,u},{A}_{s,t,u},{S}_{ s,t,u},{\text{ST}}_{s,t,u},{\text{HGI}}_{s,t,u}). $

式中：$ {P}_{s,t} $为$ t $机组第$ s $个掺配方案不同磨煤机煤种煤质特征组成的集合，$ t $对应机组编号，$ t\in \{1,2,3,4\} $；$ {Q}_{s,t,u} $为对应机组掺配方案下$ u $磨煤机煤种低位热值，单位为kJ/kg，其中$ u\in \{a,b,c,e,d,f\} $，对应每台机组的6个磨煤机，其中$ a、b、c、e $为低位磨煤机，$ d、f $为高位磨煤机，分别对应低位燃烧器和高位燃烧器；$ {V}_{s,t,u} $为对应机组掺配方案下磨煤机煤种的干燥无灰基挥发分；$ {A}_{s,t,u} $为对应机组掺配方案下磨煤机煤种的灰分；$ {S}_{ s,t,u} $为对应机组掺配方案下磨煤机煤种的硫分；$ {\text{ST}}_{s,t,u} $为对应机组掺配方案下磨煤机煤种的灰熔点温度，单位为℃；$ {\text{HGI}}_{s,t,u} $为对应机组掺配方案下磨煤机煤种的可磨性系数.

之后进行磨煤机维度的煤种限制：

(20)$ {Q}_{s,t,a}\geqslant {Q}_{a,\min }\wedge {Q}_{s,t,b}\geqslant {Q}_{b,\min } . $

式中：$ {Q}_{a,\min }、{Q}_{b,\min } $分别为对应低位磨煤机的煤种热值判别下限，单位为kJ/kg.

针对混合煤质进行筛选，对于第$ r $个掺配方案，对应混合煤质的计算公式为

(21)$ {Q}_{s,t}=\sum \limits_{u}{Q}_{s,t,u}{x}_{t,u} , $

(22)$ {V}_{s,t}=\sum \limits_{u}{V}_{s,t,u}{x}_{t,u}, $

(23)$ {A}_{s,t}=\sum \limits_{u}{A}_{s,t,u}{x}_{t,u} ,$

(24)$ {S}_{ s,t}=\sum \limits_{u}{S}_{ s,t,u}{x}_{t,u} ,$

(25)$ {w}_{s,t}=\sum \limits_{u}{c}_{s,t,u}{x}_{t,u} , $

(26)$ {\text{ST}}_{s,t}=\sum \limits_{u}{\text{ST}}_{s,t,u}{x}_{t,u} , $

(27)$ {\text{HGI}}_{s,t}=\sum \limits_{u}{\text{HGI}}_{s,t,u}{x}_{t,u} . $

式中：$ {Q}_{s,t} $为$ t $机组第$ s $个掺配方案下混合煤质的低位热值，单位为kJ/kg；$ {V}_{s,t} $为对应方案下混合煤质的干燥无灰基挥发分；$ {A}_{s,t} $为对应方案下混合煤质的灰分；$ {S}_{ s,t} $为对应方案下混合煤质的硫分；$ {w}_{s,t} $为对应方案下混合煤质的高灰熔点煤比例；$ {\text{ST}}_{s,t} $为对应方案下混合煤质的灰熔点温度，单位为℃；$ {\text{HGI}}_{s,t} $为对应方案下混合煤质的可磨性系数；$ {c}_{s,t,u} $为对应方案下磨煤机煤种的高灰熔点煤计数，当对应煤质的灰熔点不低于1350 ℃时取1，否则取0；$ {x}_{t,u} $为各个磨煤机出力的占比，

(28)$ {x}_{t,u}=\dfrac{{\text{CMC}}_{t,u}{\text{CMP}}_{t,u}U}{\displaystyle \sum \limits_{u}{\text{CMC}}_{t,u}{\text{CMP}}_{t,u}U}. $

其中，$ {\text{CMC}}_{t,u} $为磨煤机的停机计数，若磨煤机停机则取0，否则取1；$ {\text{CMP}}_{t,u} $为磨煤机的出力功率，单位为kg/h；$ U $为磨煤机的开启方案计数，$ U\in \{A,B,C,E,D,F\} $，对应各个磨煤机在方案中开启时计数取1，否则取0. 对应煤质存在具体的混合煤质约束：

(29)$\left.\begin{array}{l} {Q}_{\min }\leqslant {Q}_{s,t}\leqslant {Q}_{\max },\\{V}_{\min }\leqslant {V}_{s,t}\leqslant {V}_{\max },\\{A}_{s,t}\leqslant {A}_{\max },\\{S}_{ s,t}\leqslant {S}_{ \max },\\{w}_{\min }\leqslant {w}_{s,t},\\{\text{ST}}_{\min }\leqslant {\text{ST}}_{s,t},\\{\text{HGI}}_{\min } \lt {\text{HGI}}_{s,t}.\end{array} \right\}$

式中：$ {Q}_{\min } $为热值判别下限，$ {Q}_{\max } $为热值判别上限，单位均为kJ/kg；$ {V}_{\max } $为挥发分判别上限，$ {V}_{\min } $为挥发分判别下限；$ {A}_{\max } $为灰分判别上限，$ {S}_{ \max } $为硫分判别上限；$ {w}_{\min } $为灰熔点比例判别下限；$ {\text{ST}}_{\min } $为平均灰熔点判别下限，单位为℃；$ {\text{HGI}}_{\min } $为可磨性系数判别上限. 混合煤质的区分约束边界主要根据电厂机组长期稳定运行的经验获取.

根据机组煤质需求筛选基础方案后，确认方案所属的热值范围，组合筛选后得到不同负荷范围的机组方案. 在计算具体混合煤质热值对应的负荷时，可以参考下式：

(30)$ {\text{PQ}}_{s,t}=\frac{\displaystyle \sum \limits_{s}{Q}_{s,t,u}\text{CMC}{}_{t,u}\text{C}{\text{MP}}_{t,u}U}{\text{SBC}\times 29\;260} . $

式中：$ {\text{PQ}}_{s,t} $为$ t $机组第$ s $个掺配方案理论对应的负荷，单位为kW；$ {\text{CMC}}_{t,u} $为磨煤机的停机计数；$ {\text{CMP}}_{t,u} $为磨煤机的出力功率，kg/h. 通过判定确定掺配方案所属的热值范围.

同一机组不同掺配方案对应的热值范围维度存在切换煤种的限制：

(31)$\left. \begin{array}{l} \left| {P}_{t,u,{\rm{H}}}\bigtriangleup {P}_{t,u,{\rm{M}}}\bigtriangleup {P}_{t,u,{\rm{L}}}\right| \leqslant 2,\\u\in \{a,b,c,e\};\end{array} \right\}$

(32)$ \left.\begin{array}{l} \left| {P}_{t,u,{\rm{H}}}\bigtriangleup {P}_{t,u,{\rm{M}}}\bigtriangleup {P}_{t,u,{\rm{L}}}\right| =0,\\u\in \{d,f\}.\end{array}\right. $

式中：$ {P}_{t,u,{\rm{H}}},{P}_{t,u,{\rm{M}}},{P}_{t,u,{\rm{L}}} $分别对应同一台机组的掺烧方案种高、中、低3个热值范围的磨煤机煤质集合；$ v\in \{{\mathrm{H}},{\rm{M}},{\rm{L}}\} $分别对应高、中、低热值掺配方案，不同热值方案根据电网负荷需求设定，用于匹配高、中、低运行负荷工况；各方案通过启停不同位置的磨煤机实现负荷调节，保障机组在调峰运行下的稳定供煤与燃烧效率. 式(31)、(32)分别表示中低位磨煤机的煤种切换数目不得超过2种，高位磨煤机煤种完全一致. 相关参数一方面是保证煤场斗轮机的抓取能力可以实现掺配方案的迅速切换，另一方面保证高位磨煤机的煤质稳定，避免煤质波动影响机组稳定运行.

全厂维度的使用煤种总数为

(33)$ \sum \limits_{t}{\text{SUM}}_{t,u,v}\leqslant 5. $

式中：$ {\text{SUM}}_{t,u,v} $为机组全热值方案使用的煤种总数. 式(33)是对全厂使用的煤种数目进行约束，是全厂4台机组同步生产下煤场斗轮机能抓取的煤种上限.

按照上述不同热值约束筛选后的$ w $个方案可能存在多种负荷要求的全厂级掺配方案，为了对相应的掺配方案进行优先级排序，根据历史主掺烧煤种计算对应方案的平均掺烧效益：

(34)$ {\text{EB}}_{w}=\sum \limits_{v}{\text{EB}}_{w,v}/3,$

(35)${\text{EB}}_{w,v}=\sum \limits_{t}\sum \limits_{u}({\text{PC}}_{t,u,w,v}-\text{PMC}){\text{CMC}}_{t,u}{\text{CMP}}_{t,u}\tau. $

式中：$ {\text{EB}}_{w} $为第$ w $个厂级掺烧方案的平均掺烧效益，单位为元，$ w $根据最终生成的厂级掺配方案取值；$ {\text{EB}}_{w,v} $为对应厂级掺配方案所有对应热值范围的掺烧方案掺烧效益，单位为元；$ {\text{PC}}_{t,u,w,v} $为对应厂级掺烧热值方案下对应机组磨煤机煤种的标准单价，单位为元/kg；$ \text{PMC} $为上月主掺烧煤种的标准单价，单位为元/kg；$ \tau $为计算参考时间，单位为h.

除此之外，还可以计算平均煤质特征，由此量化评估最终掺配方案的环保性、安全性的优劣.

上述模型的计算结果最终都会进入数据中台进行存储和联通，如图2所示. 采购方案包含具体采购的煤炭种类与对应热值. 采购执行后，燃煤通过海路运输，船运信息会通过数据中台监控，即将到港卸煤时，会将装船报告中包含的燃煤信息放入存煤模型中进行计算，输出保证煤场均匀性的存储方案. 在卸煤完成后，更新煤场信息，掺配模型中的可选煤种会在质检部进行入炉煤质的检测，通过自动遴选或者人工选择煤种集合后计算满足约束的掺配方案. 在掺配煤种实际入炉后，会更新煤场信息.

构建一体化优化模型是为了保证煤场存煤的动态平衡存在. 当煤场平均热值低于预警时，采购环节的各热值范围的采购比例会随之调整，朝着增大采购原煤热值的方向变化. 在掺配方面，会在满足安全运行的前提下尽可能贴近对应工况的煤质需求下限，降低优质煤的消耗速率，从而减小煤场的波动幅度，而存煤的均匀性要求是煤场根据掺配的煤质多样性需求动态调整的结果，通过均匀性约束，保证掺配环节可以在动态变化的煤场中随时取到最关键的特殊煤种. 煤场统计数据会在数据中台中的采购、存储和掺配环节进行可视化展示，借助辅助决策的方式进一步人为调整，以应对更多的不可控因素.

基于上述模型开发的燃料供应链数据中台，在某火力发电厂进行示范应用. 2024年5—6月，各模块陆续上线. 2024年6月开始试运行期间，采集试运行期间的相关数据，分析模型在煤场管理和整体经营方面取得的效果.

根据存煤模型建立过程中的分析，煤场经营的核心是控制燃煤供应的风险问题，重点关注高热值煤、低热值煤、高灰熔点煤等特殊煤种的存煤可取情况. 从这3个不同特殊煤种的角度，量化评估煤场的存煤情况.

存煤模型中，设计了可取计数去量化模型的计算过程. 为了便于评估各模型上线运行后对于煤场管理的优化，对于同一日煤场各斗轮机分区的特殊煤种计数的数据集合求取标准差. 按照一定的标准差范围，统计试运行前、后各2个月的标准差分布，开展对比分析. 为了便于分析模型上线前、后的波动性，按照标准差，将处在{0}、(0,0.5]、(0.5,1.0]、(1.0,1.5]、(1.5,+∞)范围内的存煤均匀性分别定义为“优”、“良”、“中”、“次”、“差”5个等级，统计模型上线前、后处在对应均匀性评级的天数，对统计期内的煤场存煤进行量化评估.

分别对高热值煤、低热值煤和高灰熔点煤3类特殊煤种试运行前、后的存煤均匀性进行计算统计，相关结果如图3~5所示. 从图3~5可以看出模型上线前、后的区别，尤其是在高热值和低热值燃煤方面，上线前、后的煤场存煤均匀性变化巨大，良以上评级的天数比例分别增加了20.6%和62.1%，意味着煤场3个斗轮机区域在高热值煤和低热值煤2类特殊煤种方面有着更平均的堆煤分布. 在高灰熔点燃煤方面，评级为差的天数比例下降了15.5%.

如图6所示，通过箱型图的方式展示存煤均匀性方差数据在模型上线前、后的分布情况，上线后（6—7月）的方差分布明显降低. 其中，σ²为煤场均匀性计数方差均值.

煤场的均匀性规划可以保证取得不同的煤种，减少存煤长时间积压的情况，减少存煤过程中煤质变化造成的损耗. 煤场分布更均匀，可以保证不同斗轮机区域的配套设备损耗稳定可控，进而有计划地定期检修. 在掺配方面，因为煤场煤种分布均匀，一方面可以有更多的煤种选择，另一方面实际执行掺配方案时可以从多个斗轮机区域取煤，执行速度有所提升.

煤耗效益评估主要从全厂的供电煤耗指标方面进行分析和考量. 统计近4年电厂6—8月正平衡供电煤耗，进一步计算每年较前一年的同比降低幅度. 与2023年相比，2024年正平衡煤耗同比降低了2.49 g/(kW·h). 2022年和2023年较前一年分别降低了0.68 g/(kW·h)和1.75 g/(kW·h). 2022年和2023年度正平衡煤耗同样发生了降低，主要是受煤仓分仓改造和煤场智能化升级的影响，相关项目实际改造在2023年就已经结束，此处采用下降幅度作为对比依据是为了排除相关影响. 根据电厂收益核算可知，模型上线带来的效益占比约为42.17%，即正平衡供电煤耗降低1.05 g/(kW·h). 按照全年平均发电率60%计算，该电厂全年发电量约为1.26×10¹⁰ kW·h，标煤价格参考中国煤炭网（CCTD）秦皇岛22 990 kJ/kg动力煤价格，取685元/t，煤耗等效经济效益降低约1 160万元/a，证明本文模型对全厂经营的优化情况. 2024年的正平衡供电煤耗绝对值处在历史同比的最低点.

从购、存、耗3个模型出发，电厂效益优化直接与采购供煤、存煤管理和掺配执行3个角度相关.

采购方案的制定为电厂提供更合理的可用煤种，尤其是按照发电计划进行逐步分解，所得不同热值范围的采购方案能够为单采购周期中的电厂运营提供更稳定的能量供给. 从宏观发电负荷的角度进行平均热值方面的匹配，为后续的存煤和掺配提供不同热值的煤种选择.

制定存煤方案时，计算模型实际考虑了无人斗轮机的取煤制约，均匀规划了存煤管理过程. 各种特殊煤种在电厂不同斗轮机的控制区域均匀分布，可以避免同一斗轮机承担过多的煤种抓取任务，减少掺配方案执行所需的实际时间. 尤其是目前电厂在新型电力系统中深度调峰频发，不同热值掺配方案切换频繁，在切换过程中会频繁地抓取特殊煤种，以更换煤仓煤种. 煤场分布均匀，会减少方案切换过程中的迟滞时间，为负荷抬升节省时间，在高负荷下的生产更加接近锅炉机组的最优工况，相应煤耗降低. 煤场的燃煤卸取都是通过同一组斗轮机设备实现，实际生产过程中，经常会出现卸煤所导致的斗轮机占用问题. 对煤场堆煤的均匀程度进行提前规划，可以降低单台斗轮机计划停运检修或非计划停运的影响，整体上优化了电厂燃煤生产过程的经营管理.

制定掺配方案时，根据前一天的负荷预测情况会一次性生成高、中、低3类负荷方案，在实时负荷抬升或降低时可以提供对应热值区间的方案. 电网调度时，可以根据需要抬升或降低机组出力. 因为生成掺配方案时，计算过程实际考虑了方案切换时的煤种数量. 在电网调度信息下发时，方案切换需要改变的煤种数量存在约束. 一方面方便斗轮机进行煤种抓取，迅速调整变负荷；另一方面，方案切换时，多数情况下会对高位煤仓的优质煤进行切换，降负荷过渡运行期间，优质煤的调整越快，所导致的平均热值与负荷不匹配的情况就越少. 基于上述运行负荷切换的掺配方案匹配既优化了煤场运行，又改善了平均煤耗水平，从全厂经营的角度体现了掺配模型的优化效果.

在目前国内火电厂的运营过程中，燃料管理是无法忽视的问题. 在保证燃煤供应的同时，对相关过程进行建模优化，可以在煤价波动上涨，电力市场逐步开放的环境下，争取更高的收益.

通过构建3个燃料相关业务模型，对火力发电厂的采购、存煤、掺配3个流程进行决策辅助和成本优化，为未来可再生能源电力占比巨大的新型能源系统下火电厂的燃料供应和生产运营积累经验. 采用相关模型，在某火力发电厂进行示范应用. 在存煤管理方面，模型针对不同热值煤种的存煤均匀性进行统计，上线前、后的煤场存煤均匀性评级“良”以上天数百分比分别增加了20.6%和62.1%. 在煤场经营方面，因模型带来的收益预估为1 160万元，等效供电煤耗降低了1.05 g/(kW·h).

本文的研究仍存在一些不足，如各个业务流程之间的数据支撑不够全面，没有构建全厂的业务模型，难以进行协同优化. 在后续的研究过程中，会将模型的应用从燃煤相关过程拓展到电厂生产经营的全过程，开展基于大模型的火电厂生产经营智能决策与优化.