配煤差异化发电成本预测及其掺烧优化应用

介绍并分析了通过机组运行历史数据获取配煤差异化发电成本的具体方法:分别计算因配煤引起的差异化发电燃料成本、设备磨损成本、减排处理成本和辅机电耗成本。构建基于配煤发电成本预测的掺烧优化模型,并设计了配煤掺烧优化系统。系统投入实际应用,提升配煤管理水平,增强掺配经济效益。     

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。     

基于飞灰含碳量预测的火电厂配煤掺烧燃料成本计算

对现有配煤掺烧系统仅计算混煤吨单价而忽略煤耗引起的燃料成本差异的问题进行了研究。采用基于神经网络建模预测飞灰含碳量的方法,计算掺烧(标)煤耗,进而得到单位发电燃料成本。该方法在湖南某电厂的实施结果表明:该模型预测准确性高,用于指导电厂实际掺配工作经济效益显著。     

基于相空间重构和SVR的磨煤机故障预测研究

针对火电厂磨煤机运行工况复杂和多状态变量强耦合特性而难以构建设备精确模型问题,基于相空间重构和支持向量回归机(SVR)的方法,结合某电厂320 MW机组磨煤机的运行数据,进行了磨煤机状态估计和故障预警方法的研究,并应用Matlab对所提出的方法进行了验证和分析。结果表明:该预测方法有较高的估计精度,能够及时辨别磨煤机在运行中的异常,适用于火电厂辅机设备的故障诊断。     

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。