基于數(shù)據(jù)挖掘的火力發(fā)電站鍋爐燃燒調(diào)整模型獲取方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及火力發(fā)電站燃燒優(yōu)化及控制系統(tǒng)給定值優(yōu)化技術(shù)領(lǐng)域，尤其涉及一種 基于數(shù)據(jù)挖掘的火力發(fā)電站鍋爐燃燒調(diào)整模型獲取方法。
【背景技術(shù)】
[0002] 我國是一個以煤炭為重要能源的國家，為建立資源節(jié)約型和環(huán)境友好型社會，促 進(jìn)經(jīng)濟(jì)社會可持續(xù)發(fā)展，節(jié)能減排工作是當(dāng)今工作的重點(diǎn)。相較于國外發(fā)達(dá)國家，我國電 站鍋爐具有入爐煤質(zhì)多變且機(jī)組負(fù)荷頻繁大范圍變動的特點(diǎn)，這使得實(shí)際鍋爐運(yùn)行往往難 以達(dá)到設(shè)計時應(yīng)有工況和燃燒狀態(tài)?；鹆Πl(fā)電的燃燒過程是一個十分復(fù)雜的過程，很難用 簡明有效的數(shù)學(xué)模型進(jìn)行描述，因此一般采用燃燒調(diào)整試驗(yàn)的方法加以確定，但試驗(yàn)會對 機(jī)組運(yùn)行造成干擾，耗費(fèi)大量的人力物力，且可測試的工況有限，試驗(yàn)周期長，因此需要較 高的成本且具有不便性，況且試驗(yàn)結(jié)果也不具備良好的通用性，當(dāng)燃用煤種發(fā)生變化或由 機(jī)組大修導(dǎo)致運(yùn)行狀態(tài)發(fā)生變化時，試驗(yàn)結(jié)果不再具有指導(dǎo)性。綜上所述，通過燃燒調(diào)整試 驗(yàn)對鍋爐進(jìn)行燃燒優(yōu)化調(diào)整具有較高的成本，不利于方法的推廣和優(yōu)化調(diào)整結(jié)果的頻繁更 新。
[0003] 近年來，隨著自動控制技術(shù)的大力發(fā)展，我國電站信息化進(jìn)程發(fā)展迅速，長期以來 大量的機(jī)組運(yùn)行數(shù)據(jù)被存儲在了數(shù)據(jù)庫中，記錄的數(shù)據(jù)幾乎涵蓋了系統(tǒng)運(yùn)行的全部工況組 合，而且樣本充足，因此已有學(xué)者提出了基于數(shù)據(jù)的"軟"優(yōu)化方法，它從機(jī)組運(yùn)行數(shù)據(jù)中 "挖掘"有價值的信息，以一定的數(shù)學(xué)方法獲得指導(dǎo)機(jī)組運(yùn)行的優(yōu)化模型，使機(jī)組運(yùn)行在高 效低排放的最優(yōu)狀態(tài)。

【發(fā)明內(nèi)容】

[0004] 為解決現(xiàn)有技術(shù)存在的問題和缺陷，為此，本發(fā)明提供一種基于數(shù)據(jù)挖掘的火力 發(fā)電站鍋爐燃燒調(diào)整模型獲取方法，具體是指基于機(jī)組運(yùn)行數(shù)據(jù)挖掘的大型燃煤電站鍋爐 燃燒調(diào)整模型獲取方法，該方法能夠以各工況下的歷史最優(yōu)狀態(tài)來指導(dǎo)機(jī)組運(yùn)行。
[0005] 本發(fā)明的技術(shù)方案是：
[0006] 1. -種基于數(shù)據(jù)挖掘的火力發(fā)電站鍋爐燃燒調(diào)整模型獲取方法，其特征在于，該 方法基于一種工作系統(tǒng)，所述工作系統(tǒng)包含鍋爐，用于獲取鍋爐運(yùn)行信息的現(xiàn)場傳感器，廠 級監(jiān)控信息系統(tǒng)SIS，分散控制系統(tǒng)DCS以及與所述SIS系統(tǒng)相連接的燃燒優(yōu)化工作站；所 述燃燒優(yōu)化工作站與所述SIS用于負(fù)責(zé)優(yōu)化參數(shù)的顯示；所述分散控制系統(tǒng)DCS連接SIS 系統(tǒng)，用于向所述SIS系統(tǒng)提供數(shù)據(jù)，該方法包括以下步驟：
[0007] 步驟1 :依據(jù)火力發(fā)電站現(xiàn)場現(xiàn)有傳感器測點(diǎn)，從中人為選擇能夠影響到優(yōu)化目 標(biāo)的熱工參量Z = [Z1, Z2···，Zw]，按照當(dāng)前機(jī)組的運(yùn)行方式以及所述熱工參量自動調(diào)節(jié)分 為可調(diào)運(yùn)行參數(shù)Y= [Y1, Y2…，Yj和不可調(diào)運(yùn)行參數(shù)X= Ki, &…，Xj ;
[0008] 步驟2 :依照所選擇的熱工參量從所述廠級監(jiān)控信息系統(tǒng)的歷史數(shù)據(jù)庫中采集機(jī) 組最近一段正常運(yùn)行時間內(nèi)的原始運(yùn)行數(shù)據(jù)作為原始數(shù)據(jù)集，并采用滑動時間窗法對所述 原始數(shù)據(jù)集進(jìn)行穩(wěn)定工況篩選，得到穩(wěn)定工況數(shù)據(jù)集S_XYZ ;
[0009] 步驟3 :針對提取得到的所述穩(wěn)態(tài)工況數(shù)據(jù)以優(yōu)化目標(biāo)量Z作為因變量， 以全部參量作為自變量，建立二者間的最小二乘支持向量機(jī)LSSVM模型，通過該模型得到 任意給定工況下優(yōu)化目標(biāo)量Z的預(yù)測值；所述任意給定工況是指任意可調(diào)參量和不可調(diào)參 量的組合；
[0010] 步驟4 :通過遺傳算法在X不變的條件下尋找Ycipt，使Z獲得最優(yōu)；所述任意給定工 況參量包含不可調(diào)變量X及可調(diào)變量Y ;
[0011] 步驟5 :將步驟4中得到全部不可調(diào)變量X的工況組合作為自變量，其對應(yīng)條件下 的最優(yōu)可調(diào)工況Ycipt作為因變量，建立二者間的非線性偏最小二乘模型，得到任意給定工況 下對應(yīng)的最優(yōu)可調(diào)變量應(yīng)達(dá)值，將PLSR模型寫入到所述分散控制系統(tǒng)DCS給定值計算邏輯 中作為燃燒優(yōu)化可調(diào)變量控制最優(yōu)值。
[0012] 2.所述滑動時間窗法包括以下步驟：
[0013] 步驟2. 1 :以t秒為采樣間隔，從所述原始數(shù)據(jù)集中提取時間長度為T秒，所述熱 工參量為優(yōu)化目標(biāo)量Z、可調(diào)變量Y以及不可調(diào)變量X的窗口數(shù)據(jù)，置所述窗口數(shù)據(jù)穩(wěn)定標(biāo) 志初始值Flag為false ;
[0014] 其中，采樣時間t = 10~30秒，窗口時間初始長度T為600~900秒；
[0015] 步驟2. 2 :考察所述窗口數(shù)據(jù)中不可調(diào)變量X的波動程度大小是否符合穩(wěn)定工況 條件，具體判斷標(biāo)準(zhǔn)如下：
[0017] 其中，δ b為穩(wěn)定性指標(biāo)，為了避免傳感器出現(xiàn)極值擾動，A_、A_分別取窗口期T 時間長度內(nèi)該參數(shù)的95%和5%百分位數(shù)，4為該參數(shù)在額定負(fù)荷下的額定值，δ k為穩(wěn)定 閾值，取Sk= 1%時滿足上式便即認(rèn)為該參數(shù)處于穩(wěn)定狀態(tài)；（1)
[0018] 步驟2.3 :若步驟2. 2中不等式（1)成立，則置所述窗口數(shù)據(jù)穩(wěn)定標(biāo)志值Flag為 true，同時將窗口時間長度增加 t秒，重復(fù)進(jìn)行步驟2. 2直到不等式（1)不成立，此時所述 窗口數(shù)據(jù)時間長度為T+nt，η為步驟2. 3的重復(fù)次數(shù)，計算該組窗口長度為T+(n-l)t時間 內(nèi)各熱工參量的均值，并將結(jié)果記錄為一組穩(wěn)定工況數(shù)據(jù)存入穩(wěn)態(tài)工況數(shù)據(jù)集S_XYZ，同時 將Flag復(fù)位為false，重新選取以T+nt為起始時刻，時間長度為T的數(shù)據(jù)繼續(xù)進(jìn)行步驟2. 1 的判斷；
[0019] 步驟2.4:若步驟2.2中的不等式（1)不成立，則將窗口起始時間向后滑動t秒， 返回步驟2. 2直到全部原始數(shù)據(jù)處理完畢；最終所得到的N組穩(wěn)定工況數(shù)據(jù)組合為穩(wěn)定工 況數(shù)據(jù)矩陣維度為N行（u+v+w)列。
[0020] 3.所述步驟3包括以下步驟：
[0021] 步驟3. 1 :將穩(wěn)態(tài)工況數(shù)據(jù)集S_XYZ中隨機(jī)選取90 %的數(shù)據(jù)作為訓(xùn)練樣本，其 余10 %作為測試樣本，其中X、Y作為模型自變量，Z作為模型因變量，并對全部樣本進(jìn)行 [-1，1]歸一化，
[0022] 歸一化公式為：
[0024] 式中X、X'分別為歸一化前、后的值；
[0025] 步驟 3. 2 :
[0026] 利用自變量X、Y采用LSSVM模型對因變量Z進(jìn)行預(yù)測，LSSVM模型的建立可轉(zhuǎn)化 為如下優(yōu)化問題：
[0029] 其中w、b為模型參數(shù)，γ為正規(guī)化參數(shù)；ξ為訓(xùn)練集誤差向量，利用拉格朗日乘 子法將問題轉(zhuǎn)化到其對偶空間中，并選用徑向基函數(shù)
作為核函數(shù)，最終可確定決策函數(shù)如下式所示.
[0030] 其中α = [ α α 2，…a J為拉格朗日乘子。
[0031] 4.所述步驟4包括以下步驟：
[0032] 步驟4. 1 :針對步驟3中得到的LSSVM模型Z = f (X，Υ)，由GA來尋找任意不可調(diào) 工況X下使目標(biāo)變量Z達(dá)到最優(yōu)的可調(diào)變量Ycipt，其中任意不可調(diào)工況仍選用步驟2中得到 的穩(wěn)定工況集S_XYZ中的全部不可調(diào)工況X ;
[0033] 步驟4. 2 :對可調(diào)變量Y采用實(shí)數(shù)編碼法進(jìn)行種群初始化，其適應(yīng)度函數(shù)為根據(jù) 多個最優(yōu)目標(biāo)量Z得到的最優(yōu)目標(biāo)函數(shù)，其中Z = f (Y|X)，即所述步驟3中LSSVM模型中 X取特定值時預(yù)測得到的最優(yōu)目標(biāo)量Z ;分別對種群進(jìn)行選擇、交叉和變異操作后計算其適 應(yīng)度函數(shù)，當(dāng)滿足最大進(jìn)化次數(shù)后得到該不可調(diào)工況下的最優(yōu)可調(diào)變量Ycipt，其矩陣維度為 1行V列；
[0034] 步驟4. 3 :對穩(wěn)定工況集S_XYZ中的全部不可調(diào)工況X均進(jìn)行步驟4. 2中的遺傳 算法尋優(yōu)，得到其對應(yīng)的最優(yōu)可調(diào)工況Ycipt，其矩陣維度為N行V列。
[0035] 5.所述步驟5包括以下步驟：
[0036] 步驟5. 1 :采用直接對自變量矩陣引入高次項(xiàng)的方法進(jìn)行非線性建模；
[0037] 步驟5. 2 :通過提取自變量集合中的部分信息來建立與因變量的最小二乘模型， 提取所述部分信息的主要原則一是盡可能多地概括自變量中的全部信息，另一方面要求與 所述因變量的相關(guān)性達(dá)到最大，綜合起來可表述為：
[0039] 步驟5. 3 :通過交叉有效性判斷偏最小二乘提取成分的個數(shù)。
[0040] 6.所述當(dāng)前機(jī)組的運(yùn)行方式包括鍋爐跟隨、汽機(jī)跟隨、協(xié)調(diào)控制、定壓運(yùn)行和滑壓 運(yùn)行。
[0041] 本發(fā)明的技術(shù)效果：
[0042] 本發(fā)明提供一種基于數(shù)據(jù)挖掘的火力發(fā)電站鍋爐燃燒調(diào)整模型獲取方法，具體是 指基于機(jī)組運(yùn)行數(shù)據(jù)挖掘的大型燃煤電站鍋爐燃燒調(diào)整模型獲取方法，該方法能夠以各工 況下的歷史最優(yōu)狀態(tài)來指導(dǎo)機(jī)組運(yùn)行。本發(fā)明充分利用了計算機(jī)技術(shù)和數(shù)據(jù)庫資源，將長 期存儲在數(shù)據(jù)庫中的大量的機(jī)組運(yùn)行數(shù)據(jù)研究分析，基于數(shù)據(jù)的"軟"優(yōu)化思想方法，從機(jī) 組運(yùn)行數(shù)據(jù)中"挖掘"有價值的信息，以一定的數(shù)學(xué)方法創(chuàng)造性地獲得指導(dǎo)機(jī)組運(yùn)行的優(yōu)化 模型，使機(jī)組運(yùn)行在高效低排放的最優(yōu)狀態(tài)，為我國電站信息化進(jìn)程的發(fā)展做出了重要貢 獻(xiàn)。
【附圖說明】
[0043