張守東

摘 要：鍋爐效率是確定鍋爐燃燒經(jīng)濟性的重要指標。本文針對煤質的復雜性，設計了煤質在線辨識應用軟件，以實現(xiàn)鍋爐效率在線計算過程中煤質的在線取用。

關鍵詞：火電機組；煤質；在線辨識；應用

能源是人類生活、社會發(fā)展以及科技進步的必要基礎。然而，在當下，由于中國乃至世界的資源日漸緊張，能源價格不斷上漲，以致火電機組的燃料成本提高，使得電力行業(yè)面臨最為嚴峻的情況。我國煤炭儲量豐富，但對于天然氣、核能和其它清潔可再生能源的開發(fā)應用不足，在今后的相當長的一段的時間內(nèi)，我國的能源結構很難發(fā)生大的改變，燃煤發(fā)電仍將是我國最主要的發(fā)電方式。因此，對火電機組入爐煤質在線辨識應用的研究將極具現(xiàn)實意義。

一、數(shù)據(jù)預處理

數(shù)據(jù)預處理指的是數(shù)據(jù)挖掘處理、加工、轉換、清洗、原始數(shù)據(jù)的離散和還原等一系列的整合，直到達到挖掘算法的知識獲取的最低要求。數(shù)據(jù)是從實際的運行過程中，各儀表測得或通過公式間接計算得到，由于儀表的誤差、儀表的失真以及一些數(shù)據(jù)的缺失等一系列因素的存在，導致這些所得數(shù)據(jù)達不到我們挖掘算法對實際歷史數(shù)據(jù)的要求。目前應用比較多的數(shù)據(jù)預處理方法大概有以下4種：數(shù)據(jù)清洗、數(shù)據(jù)集成、數(shù)據(jù)歸約以及數(shù)據(jù)交換。

（一）數(shù)據(jù)清理。數(shù)據(jù)清理主要是為了對缺失的值進行補充、光滑噪聲數(shù)據(jù)、識別出典型的失真數(shù)據(jù)，并將不一致的數(shù)據(jù)進行統(tǒng)一。對于噪聲數(shù)據(jù)和典型的失真數(shù)據(jù)來說，我們可以根據(jù)有關的數(shù)據(jù)性質知識，確定出明顯失真的數(shù)據(jù)，并可以通過限制取值范圍將這些失真數(shù)據(jù)進行剔除；對于一些噪聲數(shù)據(jù)，如果數(shù)據(jù)朝相反的趨勢發(fā)展，可以明顯看出數(shù)據(jù)有誤，就可以直接將其剔除；對于缺失數(shù)據(jù)，其處理方法主要有缺值刪除與均值填補。缺值刪除指的是將有參數(shù)缺失的數(shù)據(jù)進行整項刪除，這種方法適用于歷史數(shù)據(jù)量較大且數(shù)據(jù)源足夠的數(shù)據(jù)；而均值填補就是指將缺失數(shù)據(jù)左右兩側的數(shù)據(jù)取均值，并填補進去，這種方法主要適用于歷史數(shù)據(jù)量較少的情況。

（二）數(shù)據(jù)集成。數(shù)據(jù)集成主要是為了方便于數(shù)據(jù)挖掘方法對數(shù)據(jù)進行應用。由于數(shù)據(jù)庫內(nèi)的數(shù)據(jù)不一定全部來自同一存儲裝置，它可能來自多個不同的數(shù)據(jù)存儲裝置，因此對不同存儲裝置里的數(shù)據(jù)進行整合集成在一個大型的數(shù)據(jù)庫中十分重要。由于數(shù)據(jù)集成會涉及到多個學科，因此數(shù)據(jù)集成的處理十分復雜。目前，在不同的領域已經(jīng)擁有了許多的集成方法，例如，在重大自然災害集成項目中，使用各種地球科學數(shù)據(jù)和非地學數(shù)據(jù)集成，實現(xiàn)了很好的預測結果。

（三）數(shù)據(jù)轉化。數(shù)據(jù)轉化就是將數(shù)據(jù)從高維數(shù)據(jù)轉化為低維數(shù)據(jù)，非線性數(shù)據(jù)轉化為線性數(shù)據(jù)或者反之的過程。雖然這個方法會對原始數(shù)據(jù)產(chǎn)生一定程度的破壞，但結果的作用卻很大。除了經(jīng)常會用到的標準的最大的方法標準化外，還可以采用主成分分析法對數(shù)據(jù)進行計算，從而轉換為矩陣模型，并可以建立一個通用的數(shù)據(jù)變換、降低數(shù)據(jù)維數(shù)的模型。

（四）數(shù)據(jù)歸約。數(shù)據(jù)歸約就是指在不降低挖掘算法效果的前提下，為了簡化步驟而對歷史數(shù)據(jù)進行簡化的過程。由于數(shù)據(jù)庫里的歷史數(shù)據(jù)龐大且復雜，如果直接進行挖掘的話就會花費很長的時間，這就需要對其進行數(shù)據(jù)歸約。在選擇參數(shù)時，應該使各參數(shù)之間的關聯(lián)性盡量小，以避免出現(xiàn)冗余重復的數(shù)據(jù)。對于與目標函數(shù)關聯(lián)性較小的數(shù)據(jù)應該盡量少選或不選。使用ProcLogistic的過程可以為每個變量實現(xiàn)由一個變量來達到壓縮數(shù)據(jù)的目的。通過收集高維數(shù)據(jù)，可以得出兩種降維方法有：第一，子集選擇方法。消除弱關聯(lián)維數(shù)相關的變量是獨立冗余，找到一個子集的變量來建立模型；第二，數(shù)據(jù)挖掘法。它主要包括連續(xù)屬性值的離散化，將數(shù)據(jù)匯總到一個更高的水平，這可以幫助學習有效地參與到這個過程中來減少輸入和輸出操作。

二、軟件程序設計思路

本文煤質在線辨識軟件煤質在線辨識流程如圖1所示。

其中，煤種變化識別模塊的作用是根據(jù)負荷給煤量的比值變動情況，判斷是否進行煤質識別。而煤質庫模型劃分主要是根據(jù)煤質中硫分及水分的檢測，并在煤質庫模型中進行大致范圍的確定，以最大限度的減少迭代次數(shù)。最后進行煤質辨識。這里可以通過發(fā)熱量以及正反平衡的校驗，在確定的煤質數(shù)據(jù)庫范圍中選擇煤種，并進行比對校驗。

三、結語

本計算軟件模型的計算精度可以滿足要求，符合機組實際運行規(guī)律。系統(tǒng)簡單便捷，易于使用操作，穩(wěn)定性好，對于煤質在線檢測及火電機組節(jié)能優(yōu)化具有重要指導作用。

參考文獻：

[1]李洋.火電機組入爐煤質在線辨識應用研究[D].華北電力大學，2015.

[2]夏季.火電機組配煤摻燒全過程優(yōu)化技術研究與應用[D].華中科技大學，2013.

[3]陳偉.帶煤質校正的協(xié)調系統(tǒng)多模型預測控制及應用研究[D].東南大學，2015.endprint