基于数据挖掘的燃煤机组能耗敏感性分析

燃煤机组的能耗特性是机组节能降耗的主要指标。本文采用数据挖掘技术对机组历史运行数据进行分析,利用模糊粗糙集属性约简方法对影响机组能耗特性的运行特征参数进行约简,得到最简属性集。然后采用支持向量机技术建立机组能耗敏感性分析模型,分析不同负荷工况下各运行特征参数对供电煤耗的敏感性系数,为机组实际运行优化及节能降耗提供指导。以某600 MW燃煤机组为例进行能耗敏感性分析,结果表明:基于数据挖掘的机组能耗敏感性分析模型训练样本和测试样本的精度基本在±0.04%之间,精度均小于0.50%,该模型可行有效;在不同负荷工况下,各运行特征参数对供电煤耗的敏感性系数发生变化,且无明显变化规律,在机组实际运行优化中应根据敏感性系数的变化采取相应的调控措施。     

基于大数据的燃煤机组供电煤耗特性分析

燃煤发电机组供电煤耗的高低是衡量机组节能降耗水平的主要指标。本文利用大数据分析技术对机组能耗相关历史数据进行分析,采用反向传播(BP)神经网络对不同负荷区间分别建立供电煤耗特性分析模型,计算各个负荷工况区间内各运行可控参数对供电煤耗的影响评价因子即敏感性系数,以及不同负荷区间内模型预测能力。结果表明:基于BP神经网络的供电煤耗特性分析模型的训练和预测精度均在±0.6%范围内,模型计算精度较高;各运行可控参数在不同负荷区间内对供电煤耗的影响存在差异,但具有一定规律;在实际运行中应重点调整敏感性系数大的特征参数。     

基于数据挖掘的煤电机组能效特征指标及其基准值的研究

煤电机组的优化运行对于节能降耗有重要的意义,如何合理地选择能效特征指标并确定其基准值是机组优化运行的关键。基于数据挖掘算法,对机组历史运行数据分析:利用灰色关联度分析法,选取对供电煤耗产生主要影响的能效特征指标;采用K均值算法对多特征参数进行聚类划分并确定其基准值;结合广义回归神经网络,预测供电煤耗在基准工况下的目标值;对离散基准值样本点进行样条插值,建立机组全工况下的动态基准值工况库。最后,选取某超超临界百万湿冷机组运行数据分析与验证,分析结果表明提出的能效指标基准值研究方法,可以为煤电机组的优化运行提供调整方向。     

粗糙集知识约简在确定电站优化目标值中的应用

优化电站运行的关键问题是确定电站运行可控参数的目标值。采用基于粗糙集知识约减的数据挖掘技术来确定火电厂运行优化目标值。设计了确定电站运行优化目标值的过程。最后以300 MW机组历史运行参数为挖掘对象,分别对100%,90%,70%3种典型负荷工况下的数据进行挖掘,找到与供电煤耗率密切相关的条件属性,运用可视化技术对这些属性进行分析,确定了影响供电煤耗率的关键参数目标值。挖掘结果、理论分析和机组实际情况三者相符,具备现场可实现性。     

基于数据挖掘的燃煤机组厂级负荷经济调度

为实现节能降耗,解决燃煤电厂负荷厂级经济调度问题,根据燃煤机组历史运行数据特点,提出基于数据挖掘的厂级负荷经济调度方法。首先,利用滑动窗口技术提取稳态工况运行数据并结合模糊C均值聚类算法实现稳态工况划分;其次,基于高斯过程回归算法建立各工况下机组煤耗特性预测模型;由此构建以平均煤耗率最小的厂级负荷经济调度模型,通过遗传算法求解各机组调度出力;最后,通过仿真实例分析验证本文厂级负荷经济调度方法的有效性。仿真结果表明:本文厂级负荷经济调度方法能够准确建立机组煤耗预测模型,相较于单机调度模式,厂级负荷经济调度方法对机组间负荷分配更为合理,降低了全厂平均煤耗率,提升了机组的节煤潜力,最高可节煤1.77 g/(kW·h)。     

宽负荷下供热机组煤耗实时寻优分析EI北大核心CSCD

燃煤机组宽负荷清洁高效运行是平稳达成“双碳”目标的关键支撑技术之一。当前,机组运行煤耗仍具较大优化空间,但各变量的优化调整尚依赖于经验,缺乏理论性。首先,该文构建基于反平衡方法的350MW供热机组供电煤耗实时计算模型,同时提出基于该模型的Sodol敏感性分析法以获取机组各重要可控参数的敏感性系数。其次,采用R检测法实时筛选机组稳态数据,并通过三维边界(供热比、负荷、环境温度)约束方式给出机组运行工况划分方式。进一步,采取主要目标法构建以煤耗为主要目标的供热机组多元寻优模型,从而获得机组各工况的历史可达最优煤耗点。最后,计算一台350MW供热机组实时运行数据与模型寻优结果的偏差,并以“碳减排量”作为评价指标,量化该机组低碳运行的碳经济性,验证了该模型实际应用的可靠性。     

蒸汽抽取位置对抽蒸汽干化污泥耦合发电机组影响

为了掌握蒸汽抽取位置对抽蒸汽干化污泥耦合发电燃煤机组运行参数的影响,针对某电厂300 MW等级燃煤机组,以能量守恒定律为基础,通过锅炉热力校核和机组热力系统计算分析了机组在BMCR、90%THA、75%THA、50%THA和30%THA工况下,从不同位置抽蒸汽干化污泥掺烧后的锅炉热效率、发电煤耗、燃煤量、烟气温度、烟气量及减温水量等参数的变化。结果表明:掺烧污泥会导致锅炉主要运行参数的恶化,变化幅度随着负荷的降低和湿污泥处理量的增加而增大;高负荷时从四抽抽汽对机组煤耗影响较小,中负荷从三抽抽汽对机组煤耗影响较小,低负荷只能选择再热器冷段作为抽汽点。     

蒸汽抽取位置对抽蒸汽干化污泥耦合发电机组影响

为了掌握蒸汽抽取位置对抽蒸汽干化污泥耦合发电燃煤机组运行参数的影响,针对某电厂300 MW等级燃煤机组,以能量守恒定律为基础,通过锅炉热力校核和机组热力系统计算分析了机组在BMCR、90%THA、75%THA、50%THA和30%THA工况下,从不同位置抽蒸汽干化污泥掺烧后的锅炉热效率、发电煤耗、燃煤量、烟气温度、烟气量及减温水量等参数的变化。结果表明：掺烧污泥会导致锅炉主要运行参数的恶化,变化幅度随着负荷的降低和湿污泥处理量的增加而增大;高负荷时从四抽抽汽对机组煤耗影响较小,中负荷从三抽抽汽对机组煤耗影响较小,低负荷只能选择再热器冷段作为抽汽点。     

基于大数据和并行随机森林算法火电机组供电煤耗计算模型

供电煤耗是衡量火电机组运行经济性的重要指标。本文提出一种基于并行随机森林算法的火电机组供电煤耗计算模型,利用某600 MW机组分布式控制系统(DCS)的海量数据,在Spark大数据平台,采用阈值判定出稳定工况的数据,采用局部异常因子算法对局部异常值进行检测与处理,采用K-means聚类算法确定出不同工况,最后筛选出影响机组供电煤耗的38个热力参数及其10种工况下211 615组数据。随机抽取其中4/5的数据对并行随机森林算法供电煤耗计算模型进行训练建模,1/5的数据进行测试,测试得到该模型供电煤耗计算值与实际值较吻合,平均绝对误差为1.79 g/(kW·h),相对误差在–3%~3%内。表明基于并行随机森林算法的供电煤耗计算模型计算精度较高,模型泛化能力较强,适用于供电煤耗计算。     

130MW循环流化床机组煤耗系数的变负荷特性

为了减轻机组实时计算的负担,引入耗差系数.利用等效焓降方法建立数学模型,以130 MW循环流化床机组为实例,计算出一些重要参数在不同运行工况下的耗差系数,进而拟合出煤耗系数的变负荷特性曲线.结果表明各参数的煤耗系数具有变负荷特性.通过对煤耗系数变负荷特性的研究,对机组实时计算具有重要意义.     

200MW机组能量损耗监测参数优化值的确定

针对200MW机组频繁参与调峰的状况,确定机组在整个运行过程中、不同负荷下的使机组保持最佳经济性的主机运行参数和辅助设备的运行参数,确定机组运行时,主要的主辅机运行参数的变化、运行工况的异常、运行操作的不当造成的能量损失,保持机组在任意负荷下均在最佳工况下运行,从而使机组的煤耗最低,达到节能降耗的目的。     

基于数据挖掘的电站运行优化应用研究

火电机组运行优化目标值的合理确定是关系到机组经济性诊断正确性与准确性的重要因素,该文充分利用火电厂运行数据的关联特性,提出了基于模糊关联规则挖掘的电站运行优化目标值确定方法,利用改进的模糊关联规则挖掘算法从电站运行历史数据中挖掘定量关联规则,以指导优化运行,解决了传统优化目标值确定中对机组实际状态考虑不足而失去指导意义的问题。以某300MW机组历史运行数据为基础,对各典型负荷工况下的历史数据进行挖掘,得到各运行工况下的最优值以指导实际运行。运行试验结果表明,基于模糊关联规则挖掘的运行优化目标值确定方法可以提高机组运行效率,降低污染物排放,优化目标值来源于机组实际运行数据,能够反映机组在特定负荷和相关条件下的最优运行状态,可以指导机组的优化运行。     

燃煤发电机组碳排放折算方法研究与应用

为掌握燃煤过程涉及的各系统对燃煤供电碳排放强度的影响程度，提出一种将燃煤供电碳排放强度折算到各系统的方法，即根据煤的单位质量含碳量和碳氧化率，计算机组单位标准煤耗的CO2生成系数，然后结合各系统能量利用状况对供电煤耗进行分解，将与各系统能损相对应的煤耗分解量换算为碳折算强度。以某330 MW燃煤机组为例，在58%负荷、74%负荷和89%负荷3个稳定工况下，通过折算得到燃煤供电碳排放强度在各系统中的折算分布和随工况变化的规律。结果表明:燃煤供电碳排放强度与机组负荷之间呈负相关；对燃煤供电碳排放强度影响较大的系统依次为汽轮机系统、厂用电系统和锅炉系统；锅炉系统碳折算强度主要由排烟热损失、散热损失和固体不完全燃烧损失造成。     

基于数据挖掘的电站运行参数目标值优化

为提高电站经济性和机组运行效率,降低机组发电煤耗,求取电站机组运行参数最优值是关键技术。以往通过理论计算得到最优运行参数值是在设定的理想环境下得到的,在实际的电站运行过程中难以实现。而数据挖掘算法是从电站自身的历史数据中得到的最优运行参数值,电站机组能够很容易在实际运行中实现该值。通过对比近年来电站常用数据挖掘算法,总结出基于数据挖掘的电站优化运行的主要步骤为关联规则、数据离散化、运行工况划分、粗糙集知识约减。得出以下结论:模糊关联规则挖掘算法是电站数据挖掘中的最主要方法,能够适用于大多数的电站优化目标值挖掘;模糊聚类离散化能够克服边界划分过硬的问题,将电站中的连接参数离散化;粗糙集属性约减能够有效降低数据挖掘的参数维度,提高挖掘效率。同时指出基于数据挖掘的电站优化运行算法将成为电站运行参数优化的主要研究方向。     

基于多目标模糊规划的厂级负荷优化分配研究

目前火电厂的负荷优化分配系统通常是以机组煤耗特性为基础,由于机组的煤耗特性是在稳定工况下得到的,所以经济分配能满足稳态工况下全厂发电成本最低的要求,但并没有考虑频繁变负荷给机组带来的影响。同时,在自动发电控制(AGC)方式下的厂级负荷分配还要满足调整时间的要求,以尽可能快的速度完成目标负荷的调整。针对机组运行的经济性、快速性、稳定性,应用多目标模糊规划方法建立负荷优化分配模型,并使用免疫算法进行计算,所得结果既保证了较低煤耗,也使得机组负荷调整速度较快,同时也满足了参与调整机组台数尽可能少的要求,使机组负荷分配更加合理。     

供电煤耗率对标基准模型及其节能潜力研究

基于锅炉效率、机组热耗率、厂用电率的在线计算模型,建立供电煤耗率的在线计算模型,并以机组设计煤种和运行参数为基础建立锅炉效率、机组热耗率、厂用电率的对标基准模型。结合350MW机组,确定机组煤耗率随负荷和入炉煤质变化的对标基准值,以实现电厂主要指标对标基准的动态计算,为电厂指标考核和节能分析提供参考。     

大数据分析方法在厂级负荷分配中的应用

传统厂级负荷优化分配以火电机组煤耗曲线为依据,以供电煤耗率最低为目标。考虑到火电机组结构日益复杂,多变的边界条件和运行工况加剧了机组能耗特性的不确定性,给厂级负荷优化分配带来新问题。该文基于火电机组的海量运行数据,引入大数据分析方法,通过模糊粗糙集计算方法提高数据处理的效率,利用决策相关函数评价能耗决策的置信度,获得机组不同边界和运行工况下的能耗特性。将得到的机组供电煤耗率作为厂级负荷动态规划的依据,进而预测负荷优化分配的节煤潜力。结果表明,基于大数据分析方法的厂级负荷分配可有效降低火电厂的供电煤耗率,对火电机组的节能发电调度具有参考意义。     

基于并行FP-Growth算法的火电机组运行优化

关联规则算法在火电厂数据挖掘中取得了较好的应用效果,然而随着电厂自动化、信息化程度的进一步提高,面对高维海量的数据,传统的数据挖掘方法由于自身缺陷已不能满足要求。针对此问题,提出了一种基于Spark的并行FP-Growth算法,并以某600 MW超临界机组的历史运行数据为对象,挖掘各工况下运行参数与供电煤耗之间的关系,从而得到运行参数调整区间及目标值。结果表明,该算法确定的优化目标值可以有效降低机组供电煤耗率,提高机组运行经济性,可用于指导机组优化运行。     

火电机组节能降耗分析及研究

为了降低火电厂的供电煤耗率，达到节能降耗的目的，从设备状况、运行参数及改进运行方式等方面分别进行了分析。介绍了利用积累的大量试验结果自主开发的机组运行优化软件，该软件可指导运行人员在不同负荷状态选取最佳的运行参数。同时，通过对机组经济性定期或不定期的计算，随时了解机组的运行状况及存在的问题，以便在节能降耗的工作中做到有的放矢。     

集成新型锅炉烟气热能回收系统的600MW机组全工况性能分析

提出了新型锅炉烟气热能回收系统,并对该系统进行了全工况性能分析,建立了汽轮机、换热设备的变工况计算模型,以600MW机组为例,计算获得了机组基准工况下的节能潜力,研究了负荷、环境条件等变化时机组的能耗特性,以及部分负荷条件下内部运行参数对机组能耗特性的影响规律。结果表明:基准工况下,新型锅炉烟气热能回收系统可降低供电煤耗达3.11g·(k W·h)-1;机组节能潜力随着负荷率的下降略有上升,随着环境温度上升而小幅上升,新型锅炉烟气热能回收系统的变工况性能良好;机组在不同负荷运行时,分流烟道的分流系数对机组节煤量的影响最大,是机组变工况运行需要精细控制的运行参数。