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。     

火电机组主蒸汽流量在线监测计算方法

火电机组主蒸汽流量的准确测量,对于机组的经济性分析和节能降耗工作具有重要的价值。提供了一种基于平均影响值的多因素权重系数分配方法,并结合实际运行数据建立了主蒸汽流量的精确在线计算模型。对比了常规的支持向量机模型(SVR)、遗传算法优化的支持向量机模型(GAO-SVR)以及基于平均影响值进行权重系数分配及遗传算法优化的支持向量机(MIVW-GAO-SVR)模型的计算精度。验证结果表明了基于平均影响值多因素权重分配方法的有效性及MIVW-GAO-SVR主蒸汽流量监测模型的高精度性。     

某600 MW超临界机组1号瓦振动异常分析与处理

某600 MW超临界机组在460 MW负荷左右进行单阀运行模式切顺序阀运行模式时,1号瓦轴振偏大,顺序阀运行模式无法正常投入,影响机组的经济性。通过采集现场数据,从引起振动异常的机理出发,准确分析了故障原因;通过采取调整轴系标高等手段,消除了该机组1号瓦振动异常的故障,对大型机组类似振动故障分析及处理具有借鉴价值。     

PSO_SVM软测量方法在火电厂煤质发热量测量中的应用

为了对电厂煤质发热量进行简单准确的测量,在煤质发热量理论研究的基础上,提出了利用支持向量机算法进行软测量。对支持向量机的数学原理进行分析后,利用某燃煤电厂的运行数据,构建了支持向量机模型。在构建模型过程中引入了PSO(粒子群优化算法)寻找模型中涉及的惩罚参数c和核函数参数g的最优值,然后利用最优值构建了PSO-SVM软测量模型,模型的测试结果表明:PSO-SCM模型相对误差集中在1%以内,CV(交叉验证法)建立的SVM模型相对误差在1.5%左右,而常用的BP(按误差逆传播算法训练的多层前馈网络)神经网络模型得到的相对误差只能保证在3%以内,可见PSO-SVM款测量模型对煤质发热量的测量更准确。     

基于信息熵与主成分分析的火电机组综合评价方法

为解决火电厂运行优化、状态监测和故障诊断中机组运行状态的综合评价问题,在分析评价指标特点的基础上,将信息熵理论与主成分分析方法相结合应用于火电机组综合评价,得到了机组状态评价的二级指标和一级综合评价指标。以2008年全国600 MW火电机组竞赛中的5台机组为研究对象,建立基于信息熵与主成分分析的机组状态综合评价模型。该方法得到的机组排名与实际竞赛机组排名完全一致,表明该方法可信度和有效性较高,对不同机组进行状态对比和不同电厂之间开展竞赛具有较好的指导意义。     

基于最大熵投影寻踪耦合的燃煤机组节能减排评价方法研究

随着电厂污染物排放标准的严格化,燃煤发电机组采取节能减排调度是一种必然。供电煤耗不能全面反映燃煤机组的节能减排效果。文中综合考虑节煤、节电、节油、节水和减排5方面构建燃煤机组节能减排评价指标体系。最大熵原理构建投影指标函数,消除了投影向量分布不确定性的影响,可提高模型的可靠性。最大熵与投影寻踪方法相耦合用于燃煤机组节能减排综合评价模型中,投影值之间差异明显,评价结果稳健,且该模型基于数据本身,具有较强客观性。