基于大数据的燃煤电站空冷岛运行实时优化策略

为提高某电厂2×600 MW超临界直接空冷燃煤机组的节能效果,采用大数据分析方法,对机组历史运行数据进行筛选得到最佳数据库,同时建立BP神经网络预测模型,预测实时机组净发电功率.最终从机组实时运行背压偏置范围中找出实时机组运行数据对应负荷及相应边界条件下的最佳背压,以指导其运行优化水平,计算节电量.结果 表明:利用最佳背压思路进行寻优,最后通过仿真得到的优化效果较稳定,且当环境温度较低或机组处于中段负荷运行时,节能效果更明显.     

基于随机森林的600 MW直接空冷机组背压运行优化

直接空冷机组的背压值主要依靠运行经验设置,导致机组经济性较差。通过合理方法找出不同工况下的最佳背压是提高机组经济性的有效措施。本文利用灰色关联度分析法分析了影响机组净功率的主要因素,基于某电厂600 MW直接空冷机组运行数据,使用随机森林算法建立了不同负荷段、不同环境温度下的直接空冷机组的净功率-背压模型。通过模型得到了不同工况下机组净功率最大时所对应的背压,即最佳背压。研究发现:最佳背压随着环境温度、负荷的增大而增大;优化背压大都小于实际背压,适当降低背压有利于增大机组净功率;机组在低负荷下使用最佳背压优化的净发电功率增量更显著。     

数据驱动的空冷岛背压优化分析

获取了某燃煤发电机组与空冷岛运行相关的数据,使用Matlab编程进行了因素的灰色关联度分析,对大量数据测点各自的影响程度进行了排序;结合火电机组运行的理论知识,选择其中的重要参数使用BP神经网络建立模型,得到了以空冷岛背压预测机组净出功的神经网络模型;再进一步对模型各输入进行灵敏度分析,将对净出功灵敏度较大的数据设置为边界条件,提升了背压预测净出功的稳定性,得到适合进行最佳背压分析的模型;再以微调背压时模型输出的变化为依据,计算出机组不同工况下的最佳背压,最后基于以上结果进行了一系列的分析,总结了应用上述数据分析方法的经验.