并行计算视域下大数据挖掘技术及其在锅炉性能升级中的应用实践

以600MW燃煤发电机组的大数据挖掘为研究主体,运用符合大数据要求的新计算方法来挖掘负荷工况下会使锅炉效率受到影响的相关数据,寻找使可调控机组运作的最佳设定值。根据研究结论可知,符合大数据要求的新计算方式能够寻找到锅炉大量数据运行的优化目标值,可较好的节约能源减少排放,挖掘出的优化目标值是当前最优的。     

数据挖掘技术在锅炉中的运用

随着我国电力工业的迅猛发展,电站信息的集成度将越来越高。海量的传感器数据和专家经验提供了大量反映机组运行状态的信息,利用数据挖掘方法对这些宝贵的信息资源进行加工与应用,必将对运行优化和提高机组的经济性、安全性、可靠性等都具有重要的现实意义。将数据挖掘理论与应用同电站运行优化相结合,将数据挖掘技术引入电站锅炉运行优化过程,提出了基于数据挖掘的电站锅炉运行优化新方法。利用电厂锅炉的实时数据找出当前工况运行参数的最优值,此最优值可以使锅炉的效率显著提高。同时把最优值反馈给机组运行人员,指导运行人员的操作。     

基于PSO算法的供热系统锅炉集群运行参数优化

针对供热系统调峰热水锅炉集群的参数优化问题,应用基于数据驱动的神经网络算法,接入DCS系统锅炉数据,辨识建立锅炉的运行性能模型,以锅炉运行参数为决策变量、锅炉集群运行经济性最优为目标函数,应用粒子群算法优化获得最优的锅炉集群运行方案。以三河新源供热调峰锅炉集群的运行数据为实例,对3台和4台锅炉运行参数进行了优化,结果表明:通过优化获得的方案,与实际运行方案对比后,可产生约7%的节能量。     

基于数据挖掘技术的工业炉运行优化方法研究

以数据挖掘技术为基础设计了工业炉运行优化方法,基于关联规则挖掘明确工业炉运行优化最佳值,由实际运行数据着手,以数据挖掘技术处理分析设备运行状态的机组运行数据,从而为运行员工提供不同负荷状态下机组的最优运行方式和参数控制。在此基础上,对工业炉运行优化方法进行了实践应用分析,结果发现,利用关联规则挖掘确定的工业炉运行参数最佳值应用在工业炉运行中,可显著提升工业炉运行效率,还可促使工业炉运行效率维持在较高且较稳定的水平状态,同时可在很大程度上降低氮氧化合物排放量。     

基于SQL Server的水电机组运行数据的挖掘模型

基于SQL Server 2005提供的用于创建和使用的数据挖掘模型集成环境,建立了水电机组水轮机振动数据的挖掘模型,以四川省铜街子水电站为例,利用该模型从海量原始运行数据中发掘出有用的特征数据,并与原始数据进行分析比较,获得了水电机组最优运行工况的参数区域.实例结果表明,该方法可大幅提高面对海量数据时的处理效率,简化了数据挖掘操作的复杂性,为水电机组故障诊断系统提供了一种切实可行的方法.     

基于数据挖掘的预警技术在一体化输电设备监测中的应用研究

数据挖掘技术能自动地分析数据仓库的海量数据,挖掘出丰富的预警知识,对电力设备安全运行起着重要的作用。基于时间复杂度的考虑,首先通过改进的层次聚类算法对输电设备监测的历史数据进行挖掘,获得设备运行状态的运行库,对于实时在线监测数据利用回归方法得到设备运行状态的实时预测值,然后利用相关的报警规则实现输电设备监测的预警,最后给出了基于输电设备运行状态挖掘的预警系统设计。     

基于属性模糊聚类和关联规则的锅炉异常工况分析

针对火电厂锅炉运行过程复杂,而且异常工况难以分析的状况,提出了一种新的分析方法.该方法融合属性模糊聚类和关联规则算法两种数据挖掘技术,利用属性模糊聚类方法建立锅炉各运行参数对类别的不确定性描述,选择出代表性分析参数;利用经典的Apriori算法和改进的关联规则找出这些参数的关系.通过2个超温的实例对该方法进行分析考核.结果表明:它不仅充分利用了电厂DCS系统存储的海量数据,而且可实现故障诊断、运行指导等,并可满足诊断的实时性要求,从而可保证锅炉乃至整个机组的安全运行.     

数据挖掘技术在火电厂优化运行中的应用

火电机组运行优化目标值的合理确定是实施机组性能诊断和优化运行的前提和基础，是电站运行优化的关键。采用传统方法确定的优化目标值往往不能正确反映机组的实际运行状态。充分利用火电厂生产运行的大量历史数据，提出了数据挖掘的火电机组运行优化方法，将模糊关联规则应用于火电厂运行优化目标值的确定。以某300MW机组历史数据为基础，运用这一方法得到各典型工况下的最优值以指导实际运行。试验结果表明，基于数据挖掘的火电厂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。     

基于混合智能的锅炉飞灰含碳量实时目标值模型

为了降低飞灰含碳量,提高锅炉运行水平,运用混合智能技术建立了飞灰含碳量目标值模型.从运行优化角度提出了飞灰含碳量目标值的定义和技术可行方案.通过对锅炉的历史运行工况数据库进行数据挖掘,建立了锅炉历史最优工况数据库,以此作为训练样本建立飞灰含碳量目标值的神经网络模型,在进行了实例验证后对模型进行了分析讨论.实际应用表明该模型具备自调节能力,能够向运行人员实时提供当前工况下的飞灰含碳量目标值,为飞灰含碳量的实时优化指明了调整的方向.     

火电机组能耗指标体系构建与经济性诊断研究

数据挖掘技术已广泛应用于传统火电行业的节能优化运行与管理,但目前基于数据挖掘的机组运行优化方法往往缺乏普遍性和实操性,针对少量典型工况挖掘得到的参数目标值,无法给予实际运行机组全面的指导。本文在分析锅炉和汽轮机等主要子系统性能指标影响因素的前提下,建立基于层次划分的火电机组能耗指标体系,提出了数据挖掘与火电机组能耗机理分析耦合的经济性诊断模型,有效提高了输出的鲁棒性。以供电煤耗为例,基于历史数据挖掘的火电机组经济性诊断模型和流程,准确分析出能耗水平高于报警阈70%是由于实时排烟氧量偏离基准值造成的,并给出符合实际工况的调节建议。     

数据挖掘技术在燃煤锅炉与垃圾焚烧锅炉中的应用现状及展望

总结了数据挖掘技术在燃煤锅炉故障诊断、燃烧优化、污染物减排及机组优化运行等方面的应用现状,分析了关联规则、聚类分析、神经网络和支持向量机等数据挖掘算法在锅炉优化运行和污染物排放控制中的优缺点。分析表明：人工神经网络鲁棒性强、可自学习且适用面广,未来可基于焚烧机理并耦合其他算法进行工程应用;对于在高控制要求下智能化工况优化空间大的垃圾焚烧锅炉中的发展及应用,建议将数据挖掘技术与云计算平台结合,并考虑垃圾焚烧过程的实际工况和特性进一步开发数据预处理方法,扩大动态数据采集范围,提高模型的实际运行效率和泛化能力。     

锅炉经济性分析及最优氧量的确定

在锅炉送风及炉膛压力控制系统中,氧量设定值的改变会导致锅炉热损失及送风机电耗的改变,从而影响电站经济性.针对机组运行状态发生改变后的氧量最优值更新问题,提出了改进的增量式模糊数值型关联规则挖掘算法,并以 1 台300 MW 机组为例进行了分析.结果表明:这种新的挖掘算法与传统的数据挖掘方法相比,具有良好的快速性,效率可提高4～16倍,大大减少了候选项集的数目,因而大量减少了重复计算的费用.该方法确定的氧量最优值可有效降低机组供电煤耗效率,并可提高机组运行经济性.     

基于模糊关联规则的脱硫系统运行优化

为了解决石灰石-石膏湿法烟气脱硫系统(Wet Flue Gas Desulfurization System,WFGD)的运行优化问题,基于某电厂600 MW机组的脱硫系统历史运行数据,采用关联规则挖掘方法中的FP-tree(Frequent Pattern-Tree)算法对历史数据进行关联规则的挖掘。在数据挖掘过程中,利用3σ法则去除原始数据中的粗大误差;利用聚类方法中的竞争凝聚(Competitive Agglomeration,CA)算法,对处理后数据的各个属性分别进行聚类,使其划分为不同的区间;选取不同锅炉负荷工况下的数据,利用FP-tree算法挖掘关联规则;挑选出有意义的关联规则。结果表明:在锅炉负荷为540 MW工况时,将脱硫系统中的可调参数浆液pH值设置为4.990 1,吸收塔液位设置为8.947 8 m,吸收塔给浆流量设置为8.178 2 m~3/h,吸收塔给浆密度设置为1 229.272 3 kg/m~3,可以在满足脱硫效率的前提下使得脱硫成本最低,从而提高电厂的经济效益。     

锅炉烟气含氧量预测混合模型及应用

影响锅炉烟气含氧量的因素多而复杂,根据某电站锅炉特点选取煤种参数、煤量、风量、蒸汽流量、排烟温度、燃烧器摆角等15个影响燃烧的参数作为烟气含氧量的预测参数,将偏最小二乘回归与神经网络相耦合,利用偏最小二乘回归对数据提取主成分,建立了烟气含氧量预测混合模型。利用此模型进行了参数影响烟气含氧量的分析,并针对最优的风量、低位发热量这两个参数提出了锅炉运行优化目标值。     

基于多项式拟合的锅炉运行参数对燃煤机组发电煤耗影响研究

为精确计算锅炉运行参数对燃煤发电机组发电煤耗的影响,以发电煤耗的数学模型为基础,采用微积分理论,忽略管道效率和汽轮机热耗率的影响,建立发电煤耗与锅炉效率的微分关系。以某电厂330 MW亚临界燃煤发电机组为例,利用机组历史运行数据和设备厂家提供的设计资料,基于拉格朗日多项式拟合分别建立排烟温度、锅炉效率、发电煤耗与机组负荷率的拟合关系,从而得到任意工况下排烟温度与发电煤耗目标值的数学模型。依据锅炉排烟热损失的简易算法,建立锅炉排烟温度和运行氧量对发电煤耗影响耗差分析模型,最后对采样周期内锅炉运行参数进行聚类划分,计算排烟温度和运行氧量对发电煤耗影响的数值。该方法计算结果准确,方便实用,为电厂节能改造、优化运行、检修决策和节能技术监督提供参考。     

大型电站燃煤锅炉低NO_x燃烧优化系统及应用

提出了一种锅炉运行优化的系统框架,并着重对建模方法和优化算法进行了讨论。采用一种改进的在线支持向量机方法对学习样本进行处理,并与常规支持向量机模型相结合,形成了一种自适应建模方法,以适应煤质与锅炉实际运行工况的变化。对多目标优化算法进行讨论,并介绍了NSGA II遗传算法在锅炉优化中的应用。以某大型电站锅炉为对象,对本文方法进行了应用研究,所建模型的趋势分析和测试结果均表明了本文算法的正确性,所提出的优化模型以NOx为目标函数,综合考虑了锅炉运行经济性和安全性等约束条件,优化结果表明通过运行参数的优化调整可有效降低锅炉污染物的排放。     

电站锅炉飞灰含碳量的优化控制

利用人工神经网络对锅炉飞灰含碳量进行建模,并采用混合遗传算法与复合形法进行运行工况寻优,获得当前最佳的锅炉燃烧调整方式,这种方法同时解决了锅炉变工况下运行参数基准值的问题。应用该模型对某台300MW四角切圆燃煤电站锅炉的飞灰含碳量进行优化控制研究,其结果可指导运行人员进行参数优化调整,降低锅炉飞灰含碳量,提高燃烧经济性。图3表4参7     

基于改进模糊聚类与IPSO-SVM的燃煤电站NOx排放多模型预测

通过挖掘大量脱硝系统现场运行数据,提出一种新的多模型选择性催化还原(SCR)脱硝系统建模方法:首先对SCR脱硝系统进行理论分析和实际运行研究,应用改进遗传模拟退火的模糊聚类算法对训练集进行聚类划分,得到最优聚类效果;然后建立相应的支持向量机子模型,并采用改进的粒子群算法对模型参数进行优化,所建立的子模型通过隶属度值加权融合得到最终的整体预测模型。以某电站锅炉脱硝系统为例,对所提出的方法进行验证,并与其他建模方法进行比较。结果表明:所建立的模型具有较高的泛化能力和预测精度。     

电站锅炉飞灰含碳量的优化控制

利用人工神经网络对锅炉飞灰含碳量进行建模，并采用混合遗传算法与复合形法进行运行工况寻优，获得当前最佳的锅炉燃烧调整方式，这种方法同时解决了锅炉变工况下运行参数基准值的问题。应用该模型对某台300MW四角切圆燃煤电站锅炉的飞灰含碳量进行优化控制研究，其结果可指导运行人员进行参数优化调整，降低锅炉飞灰含碳量，提高燃烧经济性。     

基于改良的鸡群优化算法优化锅炉NO_x排放质量浓度

为达到锅炉NO_x排放质量浓度最优的目标,针对鸡群优化算法收敛速度慢、容易早熟等缺点,对算法中母鸡和小鸡的觅食行为分别进行了修改,得到改良的鸡群优化(A-CSO)算法,并通过测试函数验证了A-CSO算法性能优于粒子群算法、引力搜索算法、磷虾群算法和原鸡群优化算法.利用A-CSO算法以及快速学习网建立锅炉NO_x排放质量浓度预测模型,对锅炉运行时的可调参数进行优化,获得锅炉燃烧优化调整方式.结果表明:优化后所有工况的NO_x排放质量浓度明显下降,相对下降率优于文献[12]中的结果;由于锅炉燃烧中飞灰含碳量的影响,可适当调整优化后的氧量和一次风量,以达到锅炉高效低污染燃烧.