基于数据挖掘的直接空冷机组背压预测及优化

为实现直接空冷机组冷端优化，以机组历史运行数据为基础结合数据挖掘与深度学习算法，提出了一种直接空冷机组冷端运行优化方法。首先，对获取的历史运行数据进行稳态筛选、工况划分，结合高斯混合模型算法确定机组多元工况下背压基准区间；然后，使用Spearman系数法选取特征变量，结合门控循环单元神经网络构建直接空冷机组背压预测模型，对比背压基准区间与背压预测值给出背压的优化建议和预警信息；最后，将该方法应用于某亚临界300 MW空冷凝汽式机组。研究结果表明：提出的背压优化方法能够给出有效的背压预警信息，实现空冷机组冷端优化运行。