楊瀚欽，申曉留，王默玉，喬 鑫，劉瑞雪，孫楊博

(華北電力大學(xué) 控制與計(jì)算機(jī)工程學(xué)院， 北京102206)

基于大數(shù)據(jù)的火電廠(chǎng)能耗評(píng)估模型的研究

楊瀚欽，申曉留，王默玉，喬 鑫，劉瑞雪，孫楊博

(華北電力大學(xué) 控制與計(jì)算機(jī)工程學(xué)院， 北京102206)

為了順利開(kāi)展節(jié)能降耗工作，火電廠(chǎng)需要準(zhǔn)確評(píng)估自身能耗指標(biāo)。現(xiàn)階段能耗指標(biāo)評(píng)估主要使用傳統(tǒng)數(shù)理統(tǒng)計(jì)方法，這些方法難以挖掘數(shù)據(jù)深層次的信息。使用大數(shù)據(jù)分析方法中的多元線(xiàn)性回歸方法，得出了一套煤耗指標(biāo)評(píng)估模型，對(duì)某電廠(chǎng)600 MW發(fā)電機(jī)組實(shí)際運(yùn)行數(shù)據(jù)進(jìn)行了大數(shù)據(jù)分析，解決了傳統(tǒng)能耗指標(biāo)評(píng)估方法的缺陷。使用殘差分析法對(duì)模型準(zhǔn)確性進(jìn)行了驗(yàn)證，得出了模型滿(mǎn)足實(shí)際需要的結(jié)論。

大數(shù)據(jù)；多元線(xiàn)性回歸；能耗評(píng)估；SPSS

0 引言

現(xiàn)階段能耗評(píng)估主要運(yùn)用數(shù)學(xué)模型對(duì)數(shù)據(jù)進(jìn)行復(fù)雜運(yùn)算，得出結(jié)果對(duì)數(shù)據(jù)進(jìn)行評(píng)價(jià)；或者對(duì)數(shù)據(jù)進(jìn)行比較，通過(guò)比較結(jié)果評(píng)價(jià)數(shù)據(jù)。使用的分析方法包括：指標(biāo)權(quán)重法和密切值法[3]；層次-灰色關(guān)聯(lián)度分析理論[4]；多級(jí)模糊綜合評(píng)價(jià)方法等[5]。

傳統(tǒng)的數(shù)據(jù)分析方法在處理大量數(shù)據(jù)時(shí)具有局限性：數(shù)據(jù)缺乏可比性，不同工作狀況下的數(shù)據(jù)進(jìn)行直接比較意義不大；數(shù)據(jù)之間關(guān)聯(lián)性考慮不全，難以對(duì)數(shù)據(jù)進(jìn)行深層次的挖掘。運(yùn)用大數(shù)據(jù)分析方法可以有效解決這些問(wèn)題。

本文使用SPSS軟件，采用多元線(xiàn)性回歸方法，對(duì)某火電廠(chǎng)600 MW機(jī)組測(cè)點(diǎn)數(shù)據(jù)進(jìn)行數(shù)據(jù)挖掘。得出了發(fā)電機(jī)輸出功率、燃煤熱值、環(huán)境溫度3個(gè)影響因子與煤耗指標(biāo)之間的關(guān)聯(lián)關(guān)系。使用殘差分析法對(duì)模型進(jìn)行了評(píng)價(jià)。

1 基于大數(shù)據(jù)的火電廠(chǎng)能耗評(píng)估模型基本原理

本文使用“影響因子”代表抽象的影響因素。機(jī)組正常運(yùn)行時(shí)，影響因子與能耗指標(biāo)的比例關(guān)系總是在一個(gè)值上下浮動(dòng)。在找到這一關(guān)聯(lián)關(guān)系的基礎(chǔ)上，可計(jì)算出一組給定影響因子對(duì)應(yīng)的最低能耗指標(biāo)。最低能耗可以作為評(píng)估機(jī)組節(jié)能潛力的標(biāo)準(zhǔn)。

多元線(xiàn)性回歸能有效地挖掘多個(gè)自變量與單個(gè)因變量之間的聯(lián)系，并考慮到了幾乎所有的歷史數(shù)據(jù)。使用多元線(xiàn)性回歸方法挖掘數(shù)據(jù)間關(guān)聯(lián)關(guān)系，能夠獲得比使用傳統(tǒng)的數(shù)據(jù)對(duì)比方法更好的結(jié)果。常采用的曲線(xiàn)擬合方法是最小二乘法[6-8]，常使用的軟件是SPSS和MATLAB[9-10]。

模型的建立方法分為4個(gè)步驟：數(shù)據(jù)采集、數(shù)據(jù)預(yù)處理、模型學(xué)習(xí)、輸出結(jié)果。將這4個(gè)步驟總結(jié)可得出如圖1所示的流程圖。

圖1 煤耗理論值計(jì)算模型流程圖

2 模型建立流程

2.1 數(shù)據(jù)預(yù)處理

2.3 社會(huì)因素 涇河川道是彬州梨原主產(chǎn)區(qū)，但近年來(lái)隨著城鎮(zhèn)開(kāi)發(fā)、交通路網(wǎng)建設(shè)及產(chǎn)業(yè)結(jié)構(gòu)調(diào)整，梨園面積不斷縮減，從東邊新民鎮(zhèn)早飯頭村至西邊涇河西區(qū)大佛寺村，沿涇河川道梨園已難得一見(jiàn)。煤礦周邊群眾多選擇進(jìn)礦務(wù)工，收入相當(dāng)可觀(guān)，遂逐漸放棄梨園管理。還有一些鎮(zhèn)為增加群眾收入，推廣坡臺(tái)地中藥材種植，收益近2 000元/畝，且管理、采收方便，相比之下梨園生產(chǎn)費(fèi)時(shí)費(fèi)工，效益還低，群眾自然不愿栽梨。

為了得到準(zhǔn)確結(jié)果，需要對(duì)原始數(shù)據(jù)進(jìn)行處理。本文進(jìn)行的數(shù)據(jù)預(yù)處理工作包括：去除空數(shù)據(jù)、數(shù)據(jù)對(duì)齊。

電廠(chǎng)機(jī)組在運(yùn)行時(shí)會(huì)出現(xiàn)停機(jī)、檢修等狀態(tài)，而機(jī)組處于這些狀態(tài)時(shí)設(shè)備測(cè)點(diǎn)不會(huì)對(duì)機(jī)組運(yùn)行數(shù)據(jù)進(jìn)行采集，轉(zhuǎn)而生成空數(shù)據(jù)。這些空數(shù)據(jù)會(huì)使模型分析產(chǎn)生偏差，需要去除這些空數(shù)據(jù)。

不同數(shù)據(jù)由不同測(cè)點(diǎn)進(jìn)行采集，不可能在同一時(shí)刻進(jìn)行采集，需要進(jìn)行對(duì)齊處理。時(shí)刻對(duì)齊是指將采集時(shí)刻最靠近的數(shù)據(jù)條目看作是同一時(shí)刻產(chǎn)生的數(shù)據(jù)，并將其合并為一條數(shù)據(jù)[11]。不同測(cè)點(diǎn)數(shù)據(jù)采集時(shí)間間隔不同。本文采用1 h作為標(biāo)準(zhǔn)的時(shí)間間隔。對(duì)數(shù)據(jù)采集時(shí)間間隔小于1 h的數(shù)據(jù)點(diǎn)進(jìn)行合并；對(duì)于數(shù)據(jù)采集時(shí)間大于1 h的數(shù)據(jù)點(diǎn)進(jìn)行拆分。

2.2 建立模型

本文選用的影響因子為：發(fā)電機(jī)出力、燃煤熱值、環(huán)境溫度；被評(píng)估的能耗指標(biāo)為：煤耗指標(biāo)。使用SPSS軟件進(jìn)行多元線(xiàn)性回歸，將2015—2016年間的機(jī)組運(yùn)行數(shù)據(jù)作為輸入進(jìn)行分析?？倲?shù)據(jù)條目數(shù)為4 847條，得出的結(jié)果為：

y=-0.008 8x1+0.515x2-0.001x3

式中：y表示煤耗；x1表示發(fā)電機(jī)出力；x2表示環(huán)境溫度；x3表示燃煤熱值。

2.3 結(jié)果運(yùn)用與展示

固定了3個(gè)影響因子中的任意2個(gè)之后，可以找到第3個(gè)影響因子對(duì)煤耗指標(biāo)的影響程度。利用這一模型建立如圖2所示的分析系統(tǒng)。圖中環(huán)境溫度增量為20 ℃，出力增量為500 MW時(shí)，煤耗增量為-33.9 g/kW·h。

圖2 煤耗因子靈敏度分析系統(tǒng)

3 模型評(píng)價(jià)

3.1 模型自身評(píng)價(jià)

根據(jù)模型分析結(jié)果，對(duì)模型預(yù)測(cè)值與實(shí)際值的偏差進(jìn)行計(jì)算，計(jì)算出R、R平方、調(diào)整后R平方、標(biāo)準(zhǔn)偏斜度錯(cuò)誤，結(jié)果如表1。

R表示復(fù)相關(guān)系數(shù)，R越大，線(xiàn)性關(guān)系越密切。表1顯示R=0.743，可認(rèn)為環(huán)境溫度、發(fā)電機(jī)出力、燃煤熱值這3個(gè)量與煤耗指標(biāo)的關(guān)系較為密切。

表1 模型預(yù)測(cè)值與實(shí)際值偏差

表2展示了模型的系數(shù)及顯著性檢驗(yàn)結(jié)果，可以發(fā)現(xiàn)各個(gè)系數(shù)(常數(shù)、出力的系數(shù)、環(huán)境溫度的系數(shù)、燃煤熱值的系數(shù))的顯著性都為0，明顯低于0.05?？烧J(rèn)為模型系數(shù)與樣本之間的差異為純機(jī)會(huì)變異；之前的假設(shè)與真實(shí)情況是一致的。

表2 模型系數(shù)

表3展示了模型的殘差估計(jì)結(jié)果：在4 395個(gè)正誤差之中，最大值是45.923，中位數(shù)是7.024，說(shuō)明大部分正誤差維持在一個(gè)比較小的水平。正誤差的方差為5.33，為一個(gè)較小的值。結(jié)合平均值、中位數(shù)以及方差可以認(rèn)為正誤差較小，模型精度較大，同理可以分析負(fù)誤差，可以得到負(fù)誤差較小，模型精度較大?？紤]絕對(duì)誤差，發(fā)現(xiàn)與正負(fù)誤差比較，其中位數(shù)無(wú)太大變化。

模型標(biāo)準(zhǔn)差較小，說(shuō)明了模型正負(fù)離散程度較小，模型得出的數(shù)據(jù)較為穩(wěn)定。

這一結(jié)果證明了整個(gè)模型的殘差整體集中在較小的一個(gè)區(qū)間內(nèi)，多元線(xiàn)性擬合結(jié)果較符合實(shí)際情況。

表3 殘差估計(jì)結(jié)果

3.2 模型與預(yù)處理前數(shù)據(jù)分析結(jié)果比較

將預(yù)處理前的數(shù)據(jù)作為對(duì)照組。使用SPSS分析預(yù)處理前的數(shù)據(jù)，得到如表4所示的模型摘要。將表4與表1對(duì)比可以發(fā)現(xiàn)，不經(jīng)過(guò)預(yù)處理，R值更大，煤耗指標(biāo)與影響因子之間的線(xiàn)性回歸關(guān)系密切程度較大。標(biāo)準(zhǔn)偏斜度錯(cuò)誤達(dá)到了60以上，這說(shuō)明未經(jīng)過(guò)預(yù)處理，線(xiàn)性回歸得出的模型誤差更大，預(yù)處理之后線(xiàn)性回歸得到的模型更加精確。

表4 預(yù)處理前分析結(jié)果偏差

對(duì)預(yù)處理前的數(shù)據(jù)回歸得到的模型進(jìn)行殘差分析，可以得到如表5的分析結(jié)果。由表5可以得出：未經(jīng)過(guò)預(yù)處理的數(shù)據(jù)回歸得出的模型殘差很大，其中位數(shù)大于平均值，即超過(guò)一半的由模型計(jì)算出的煤耗指標(biāo)評(píng)估標(biāo)準(zhǔn)與煤耗指標(biāo)實(shí)際值偏差過(guò)大。對(duì)于電廠(chǎng)實(shí)際數(shù)據(jù)，這種情況不可能出現(xiàn)，即未經(jīng)過(guò)預(yù)處理的數(shù)據(jù)回歸得到的模型不能運(yùn)用到生產(chǎn)實(shí)際中。

表5 預(yù)處理前分析結(jié)果殘差估計(jì)

3.3 分析結(jié)果與傳統(tǒng)分析方法對(duì)比

火電廠(chǎng)在進(jìn)行數(shù)據(jù)分析時(shí)，采用傳統(tǒng)的同比、環(huán)比等數(shù)據(jù)分析方法將不同時(shí)間段的能耗變化趨勢(shì)進(jìn)行對(duì)比，分析結(jié)果如圖3所示。圖3展示了12月份煤耗指標(biāo)變化趨勢(shì)的環(huán)比分析結(jié)果，可以發(fā)現(xiàn)2015年的變化趨勢(shì)與2014年的變化趨勢(shì)相似。但這種分析方案缺少一個(gè)標(biāo)準(zhǔn)值對(duì)數(shù)據(jù)進(jìn)行評(píng)估，無(wú)法判斷這2個(gè)煤耗變化趨勢(shì)哪一個(gè)比較正常。本文采用的大數(shù)據(jù)分析方法計(jì)算出了某一工作狀況下的標(biāo)準(zhǔn)煤耗指標(biāo)，這一指標(biāo)可以用于評(píng)估這一工況下實(shí)際煤耗指標(biāo)是否正常，解決了傳統(tǒng)數(shù)據(jù)分析方法的缺陷。

圖3 煤耗年環(huán)比分析示意圖

4 結(jié)論

火電廠(chǎng)能耗評(píng)估模型全面地考慮了環(huán)境溫度、燃煤熱值、發(fā)電機(jī)出力等影響能耗指標(biāo)的多個(gè)影響因子?？朔送群铜h(huán)比分析方法的缺陷，有助于火電廠(chǎng)更加全面、細(xì)致地了解自身節(jié)能降耗措施的不足，為實(shí)施節(jié)能改造指明了方向。

[1]劉建華.多變煤質(zhì)條件下火電廠(chǎng)負(fù)荷優(yōu)化分配方法研究[D].保定: 華北電力大學(xué), 2011.

[2]荊百林,李明,李敏. 火電廠(chǎng)能耗評(píng)估方法的應(yīng)用[J]. 電力設(shè)備,2008,9(3):31-33.

[3]李娜,王蕾,劉宏志,等. 基于均方根—密切值的火電廠(chǎng)節(jié)能降耗潛力評(píng)價(jià)研究[J]. 華東電力,2012,40(8):1296-1298.

[4]劉劍. 燃煤機(jī)組濕法脫硫系統(tǒng)能效評(píng)估方法研究[J]. 電氣應(yīng)用,2013,(S2):91-94.

[5]王志勇,邱澤晶,王振宇,等. 高耗能企業(yè)能效水平的多級(jí)模糊綜合評(píng)估方法[J]. 冶金能源,2013,32(6):12-16.

[6]緱新科,崔樂(lè)樂(lè),巨圓圓,等. 火電廠(chǎng)機(jī)組煤耗特性曲線(xiàn)擬合算法研究[J]. 電力系統(tǒng)保護(hù)與控制,2014,42(10):84-89.

[7]陳嵐峰,楊靜瑜,崔崧,等. 基于MATLAB的最小二乘曲線(xiàn)擬合仿真研究[J]. 沈陽(yáng)師范大學(xué)學(xué)報(bào)(自然科學(xué)版),2014,32(1):75-79.

[8]李蓓蕾. 多次自適應(yīng)最小二乘曲線(xiàn)擬合方法及其應(yīng)用[D].荊州：長(zhǎng)江大學(xué),2014.

[9]史春薇,田強(qiáng),葛騫,等. 基于SPSS統(tǒng)計(jì)軟件在多元線(xiàn)性回歸校驗(yàn)數(shù)據(jù)中的應(yīng)用[J]. 當(dāng)代化工,2014,43(6):1112-1113.

[10]錢(qián)寧波,李寒旭,劉銘,等. 基于MATLAB的煤炭成漿濃度的多元線(xiàn)性回歸研究[J]. 煤炭技術(shù),2015,34(5):322-323.

[11]董林. 時(shí)空關(guān)聯(lián)規(guī)則挖掘研究[D].武漢：武漢大學(xué),2014.

Research on Energy Consumption Evaluation Model of Thermal Power Plant Based on Large Data

YANG Hanqin, SHEN Xiaoliu, WANG Moyu, QIAO Xin, LIU Ruixue, SUN Yangbo

(School of Control and Computer Engineering, North China Electric Power University, Beijing 102206, China)

In order to carry out energy saving and consumption reduction, the thermal power plant needs to accurately assess its energy consumption index. The method of mathematical statistics is the most commonly used traditional evaluation of energy consumption indicators, but it cannot dig out the deep layers of information. Big data analysis method in the multivariate linear regression method is used in this paper to analyse the actual operation data of generating set. This paper puts forward a set of evaluation model of coal consumption, solves the defects of the traditional energy consumption index evaluation method. The model was evaluated by the method of residual error analysis, and the conclusion that the model can meet the requirements of the actual production was made.

big data; multiple linear regression; energy consumption evaluation; SPSS

2016-08-10。

國(guó)家自然科學(xué)基金(71071053)；北京市自然科學(xué)基金(9122021)。

楊瀚欽(1992-)，男，碩士研究生，研究方向?yàn)橛?jì)算機(jī)應(yīng)用技術(shù)，E-mail:yanghanqinyhq@163.com。

TP391

A

10.3969/j.issn.1672-0792.2016.12.001