ORC余热发电中的电源能耗最低控制模型设计与实现

周华

（1.郑州工程技术学院信息工程学院，河南郑州 450044；2.郑州大学河南省信息网络重点开放实验室，河南郑州 450052）

ORC余热发电中的电源能耗最低控制模型设计与实现

周华

（1.郑州工程技术学院信息工程学院，河南郑州 450044；2.郑州大学河南省信息网络重点开放实验室，河南郑州 450052）

为了最大程度减少ORC余热发电中的能源消耗，设计了一种电源能耗最低控制模型。规划所设计模型的总体结构，主要包括数据采集模块、数据存储模块、连接总线、控制模块等。通过数据采集电路对电压电流传感器采集到的ORC余热发电中的信号进行干扰过滤、放大及保护，对经处理后的数据采用AT24C08存储器进行存储。通过控制有效工作电压达到电源能耗最低控制的目的。软件部分采用C语言进行开发，介绍了系统软件设计主程序，编写了数据采集子程序与数据存储子程序的部分代码。实验结果表明，所设计模型不仅所需时间少，而且电源能耗最低控制性能较佳。

ORC余热发电；电源能耗；控制模型

当前，随着科技发展和人们生活水平的提高，能源需求越来越大，如何提高能源利用率成为亟需解决的问题[1-2]。利用余热进行发电对提高能源利用率具有重要意义，而ORC（有机朗肯循环）因其效率高、结构简单已经被广泛应用于发电系统[3]。ORC余热发电仍旧会存在能源消耗。因此，设计一种电源能耗最低控制模型，具有重要意义，已成为相关学者研究的重点，受到了广泛的关注[4-5]。

目前，有关电源能耗最低控制的研究有很多，其中，文献[6]主要通过基于自适应机制的粒子群算法，对发电时的电源能耗进行分析，实现电源能耗最低控制，该方法采用PCL学习策略，通过进化代数对惯性权重和学习因子进行调整，大大降低了时间复杂度，但该方法以电源能耗最低为寻优目标，将功率与电源能耗关联计算，造成控制过程不收敛。文献[7]主要通过多重自适应粒子群法，对发电过程进行检测，建立电源能耗最低控制模型。该模型产生很多随机粒子，通过当前电源能耗的最优位置与全局最优位置对粒子的位置和速度进行更新，并且在迭代时逐渐调整调度优化的惯性权重与学习因子，使全部粒子逐渐逼近电源能耗最低目标的全局最优值，该方法实现过程复杂，不适用于实际应用。文献[8]构建了以电源能耗和排放为目标期望的控制模型，通过不同目标完成率的偏差信息对相对权重进行预测和调整，能够高效地达到电源能耗控制要求，但该方法容易陷入局部最优解。文献[9]主要基于线性规划法建立电源能耗最低控制模型，该方法将电源能耗最低控制作为优化问题的目标函数，要求约束条件为线性的，能够收敛至全局最优解，实现过程较为简单，但该方法需对目标函数进行线性化处理，和原问题之间存在一定的偏差，导致结果不准确。文献[10]主要通过拉格朗日松弛法建立电源能耗最低控制模型，该方法利用拉格朗日乘子将引起原问题难以求解的约束合并至目标函数中，将问题简单化，通过对乘子的更新获取原问题的优化解，实现电源能耗最低控制，但在迭代求解过程中易出现解的振荡现象。

针对上述方法的弊端，设计一种电源能耗最低控制模型。规划所设计模型的总体结构，通过数据采集电路对电压电流传感器采集到的ORC余热发电中的信号进行处理，对经处理后的数据采用AT24C08存储器进行存储，软件部分采用C语言进行开发，提供了数据采集子程序与数据存储子程序的部分代码。实验结果表明，所设计模型不仅所需时间少，而且电源能耗最低，控制性能较佳。

1 系统总体及硬件模块设计

本节所设计的ORC余热发电中的电源能耗最低控制模型总体结构如图1所示。通过数据采集模块对ORC余热发电过程中的实时电源能耗数据进行采集，利用数据存储模块将采集到的数据分类保存，通过控制模块对ORC余热发电过程中产生的电源能耗进行最低控制，技术路线如图1所示。下面介绍系统总体设计中硬件的功能。

图1 模型总体结构Fig.1 Overall structure model

1.1 数据采集电路

数据采集电路包括6路数据采集通道，主要负责对电压电流传感器采集到的ORC余热发电中的信号进行干扰过滤、放大及保护。所有数据采集通道均由反向运放、加法运放、限幅构成，其逻辑电路用图2进行描述。

数据采集电路中的AD转换部分采用TMS320 F2812内置12位转换器，转换频率是25 MHz，电压输入区间0～3 V。为了判断传感器得到信号的正负，添加由TPS75515提供的1.5 V电压的加法电路，使其保持在正常的电压输入区间内，最后在加法电路前添加一个反向运放，避免1.5 V电源倒流对采集准确性产生负面影响。

图2 数据采集电路Fig.2 Data acquisition circuit

1.2 数据存储电路

采集到的数据经TMS320F2812处理后，对其进行存储，存储芯片采用串行可编程只读存储器（EEPROM），即由ATMEL公司生产的AT24C08存储器。

AT24C08的A0、A1、A2脚为3条地址线，通过这三条地址线获取芯片的硬件地址，令A0、A1、A2脚接地；第4脚依与第8脚是GND与+5 V，第5脚SDA是串行数据输入/输出端，利用I2C总线对数据进行传输，在SDA与SCL之间添加上拉电阻，可防止数据丢失；第7脚是写保护端，将其和GND连接，保证芯片实现读写操作。具体电路用图3进行描述。

图3 数据存储电路Fig.3 Data storage circuit

1.3 PWM控制电路

控制模块主要通过控制有效工作电压降低电源能耗的目的，控制电路用图4进行描述。

图4 PWM控制电路Fig.4 PWM control circuit

控制模块主要包括六路PWM控制电路，图4描述的是其中的一路PWM控制电路。在TMS320F2812的六路PWM输出端外接入工作电压是3 V的驱动芯片74LVC245，将所有输出端与电源能耗控制芯片6N137的输入端相连，避免外部电流或电压过大损害芯片。令限幅基准电压的范围保持在0～3 V，通过TL431提供准确的3 V基准电平。

2 软件设计

针对软件部分，通过建立电源能耗最低控制模型，用C语言进行开发，开发环境为keil的MDK集成开发环境，其操作简单，便于实现。

分田到户的20世纪80年代初与1949年新中国成立时已有十分不同的国情，其中最重要的不同有二：一是中国初步实现了工业化，由一个农业国转变成工业国；二是农村社会已完全不同于传统宗法社会，农民成为具有现代国家认同的现代社会的公民。

2.1 电源能耗最低控制模型的建立

ORC余热发电中，当电源节点以某状态结束时，采用此时的能耗权值及状态持续时间，计算出此时的能耗值。并对同一个节点在相同状态下的多次能耗自动相加，以此为基础，依据节点在各种状态下的能耗，建立ORC余热发电中电源能耗最低控制模型，电源能耗计算式如下所示：

式中：E为电源能耗权值；α为此时的能耗系数值；t为此状态持续的时间，能依据状态结束时间和状态起始时间得到。得到ORC余热发电中电源能耗最低控制模型，如下所示：

式中：ETmnsnit为Tmnsnit状态下的电源能耗；EReceive为Receive状态下的电源能耗；ESense为Sense状态下的电源能耗；EIdle为Idle状态下的电源能耗；ESleep为Sleep状态下的电源能耗。

2.2 代码设计

数据采集子程序的部分源代码如下：

3 实验结果与分析

为了证明本设计模型的有效性，需要相关实验进行验证。实验将粒子群模型作为对照模型进行分析比较。

3.1 2种模型电源能耗控制性能分析比对

将本模型和粒子群模型进行比对，结果如表1所示，表中电源能耗节省率计算式如下：

式中：E1为ORC余热发电产生的电源能耗；E2为采用模型控制后述ORC余热发电产生的电源能耗，电源能耗节省率越高，说明能耗控制效果越好。

分析表1可知，采用本文模型对ORC余热发电中的电源能耗进行最低控制后得到的电源能耗节省率的平均值是73.4%，采用粒子群模型电源能耗节省率的平均值是57.1%，说明本文模型的电源能耗节省率更高，控制性能更佳。

为了更加直观地验证本文模型的电源能耗控制性能，对本文模型和粒子群模型在ORC余热发电中的归一化之后的电源能耗进行比较分析，得到的结果用图5进行描述，能量消耗越低，说明能耗控制方法的效果越好。

表1 本文方法和传统方法电源能耗节省率对比Tab.1 Comparison of the power consumption saving rate of power supply between the method proposed in this paper and the traditional method

图5 2种模型电源能耗比较结果Fig.5 Comparison of power consumption results of two models

分析图5可知，本文模型的电源能耗控制效果明显优于粒子群模型，能量消耗较低，因为本文模型采用的算法更加精确，所以计算结果更准确。

最后，对采用本文模型和粒子群模型的电量保有率进行比对，结果如图6所示。

图6 2种模型电量保有率比较Fig.6 Comparison of power penetration results of two models

研究表明，电量保有率越高，说明电源能耗控制效果越佳。分析图6可知，本文模型的电量保有率始终高于粒子群模型，进一步验证了本文模型的有效性。

3.2 2种模型效率比对及分析

通过上文可知，本文模型的电源能耗最低控制效果佳，但为了证明本文模型的整体性能，还需对本文模型的效率进行验证。本文模型和粒子群模型的效率比较结果如表2所示。

表2 2种模型效率比较结果Tab.2 Comparison of efficiency results of two models

超调量是控制系统动态性能的重要指标，超调量越小，说明能耗控制效果越好，时延是指一个控制系统的响应时间，时延越小，说明控制系统的响应越快。

分析表2可知，和粒子群模型相比，采用本文模型进行电源能耗最低控制产生的超调量更小，整个控制过程的效率更高，说明本文模型不仅电源能耗控制性能高，而且所需时间较短。

最后，将本文模型和粒子群模型时间利用率进行比对（单位时间节省电源能耗），结果如图7所示。

图7 2种模型时间利用率比较Fig.7 Comparison of time utilization results of two models

分析图7可知，本文模型的时间利用率明显高于粒子群模型，说明本文模型单位时间电源能耗节省量较粒子群模型更高。

4 结论

本文设计了一种电源能耗最低控制模型。规划了所设计模型的硬件总体结构；软件部分采用C语言进行开发，介绍了系统软件设计主程序，编写了数据采集子程序与数据存储子程序的部分代码。实验结果表明，所设计模型不仅所需时间少，而且电源能耗最低控制性能较佳。

[1]赵会茹，周佳，郭森，等.影响中长期电力需求的经济社会发展指标体系研究[J].陕西电力，2015，43（8）:71-77.ZHAO Huiru，ZHOU Jia，GUO Sen，et al.Indicator system for economic and social development to impact long-term electricity demand[J].Shaanxi Electric Power，2015，43（8）:71-77（in Chinese）.

[2]单茂华，杨胜春，雍太有，等.风电大规模集中并网后的互联电网有功功率控制性能评价模型[J].中国电机工程学报，2015，35（13）:3221-3230.SHAN Maohua，YANG Shengchun，YONG Taiyou，et al.An active power control performance evaluation model for interconnected power grid adapted to the large-scale wind power integration[J].Proceedings of the CSEE，2015，35（13）:3221-3230（in Chinese）.

[3]王慧，马新灵，孟祥睿，等.工质流量对ORC低温余热发电系统性能的影响[J].化工学报，2015（10）:4185-4192.WANG Hui，MA Xinling，MENG Xiangrui，et al.Effect of mass flow rate on performance of organic rankine cycle for power generation system with low-temperature waste heat[J].CIESC Jorunal，2015（10）:4185-4192（in Chinese）.

[4]王宏岩，李英顺，王德彪，等.低能耗和低时延的无线传感器网络数据融合算法[J].电子设计工程，2013，21（7）:47-50.WANG Hongyan，LI Yingshun，WANG Debiao，et al.Data aggregation algorithm for wireless sensor networks based on low-power and low-latency[J].Electronic Design Engineering，2013，21（7）:47-50（in Chinese）.

[5]秦文戈.ORC热水发电技术在芳烃联合装置中的应用[J].当代化工，2015，12（2）:307-309.QIN Wenge.Application of ORC hot water power generation technology in aromatic complex unit[J].Contemporary Chemical Industry，2015，12（2）:307-309（in Chinese）.

[6]狄育慧，陈爱娟，王利端.玻璃幕墙对室内热环境与能耗的影响[J].西安工程大学学报，2014，28（1）:50-54.DI Yuhui，CHEN Aijuan，WANG Liduan.The influence of glass curtain wall on the indoor thermal environment and energy consumption[J].Journal of Xi’an Polytechnic University，2014，28（1）:50-54（in Chinese）.

[7]王海峰，曹云鹏.GPU集群能耗优化控制模型研究[J].电子学报，2015，24（10）:1904-1910.WANG Haifeng，CAO Yunpeng.Power consu mption optimization control model of GPU clusters[J].Acta Electronica Sinica，2015，24（10）:1904-1910（in Chinese）.

[8]刘艳章，杨可林，王湘艳，等.变速恒频风力发电机组中长期时间尺度建模[J].电网与清洁能源，2014，30（10）: 111-118.LIU Yanzhang，YANG Kelin，WANG Xiangyan，et al.Medium and long-term time scale modeling for variable speed constant frequency wind turbines[J].Advances of Power System&Hydroelectric Engineering，2014，30（10）: 111-118（in Chinese）.

[9]王海峰，陈庆奎.多指标自趋优的GPU集群能耗控制模型[J].计算机研究与发展，2015，52（1）:105-115.WANG Haifeng，CHEN Qingkui.Multi-indices selfapproximate optimal power consumption control model of GPU clusters[J].Journal of Computer Research and Development，2015，52（1）:105-115（in Chinese）.

[10]刘敏，吴荣华，杨启容.热泵系统的输送能耗与经济比摩阻[J].节能技术，2014，32（6）:487-491.LIU Min，WU Ronghua，YANG Qirong.Transportation energy consumption and economical specific frictional resistance design of sewage heat pump system[J].Energy Conservation Technology，2014，32（6）:487-491（in Chinese）.

[11]杨勇平，付鹏，王宁玲，等.基于改进单耗理论的火电机组能耗基准状态精细表征[J].华北电力大学学报（自然科学版），2015，42（3）:56-63.YANG Yongping，FU Peng，WANG Ningling，et al.Detailed mechanism of energy-consumption benchmark in coal-fired units based on improved fuel specific consumption theory[J].Journal of North China Electric Power University（Natural Science Edition），2015，42（3）:56-63（in Chinese）.

（编辑 徐花荣）

Design and Implementation of the Lowest Power Supply Energy Consumption Control Model in ORC Waste Heat Power Generation

ZHOU Hua
（1.School of Information Engineering，Zhengzhou Institute of Technology，Zhengzhou 450044，Henan，China；2.Key Laboratory of Information Network of Henan Province，Zhengzhou University，Zhengzhou 450052，Henan，China）

In order to minimize the energy consumption of ORC waste heat power generation，a minimum control model of power consumption is designed.The overall structure of the design model mainly includes the data acquisition module，data storage module，the connection bus，and control module，etc..Through the data acquisition circuit，the signal of the ORC waste heat power generation which is collected by the voltage and current sensor，is filtered，amplified and protected，and the processed data is stored in the AT24C08 memory.By controlling the effective working voltage the minimum control of power consumption is achieved.The software is developed in C language，the main program of the system software design is descried，and partial codes of the data acquisition sub-routine and data storage sub-routine are prepared.The experimental results show that the proposed model not only uses less time，but also has better control performance.

ORC waste heat power generation；power consumption of power supply；control model

河南省重点科技攻关项目（142102210585）。

Project Supported by Key Projects of Science and Technology of Henan Province（142102210585）.

1674-3814（2016）08-0123-06

TM769

A

2016-01-05。

周 华（1981—），女，硕士，讲师，主要研究领域为计算机应用技术、网络技术。