， ，，，，,

(1.云南電網(wǎng)有限責(zé)任公司 電力科學(xué)研究院，云南 昆明 650217； 2.華北電力大學(xué) 能源動力與機械工程學(xué)院，北京 102206；3.新奧(中國)燃?xì)馔顿Y有限公司，河北 廊坊 065001)

0 引言

近年來，我國電網(wǎng)中并網(wǎng)運行的新能源電源比例不斷增加，對火電機組運行性能、運行經(jīng)濟性提出了更高的要求[1-3]，凝汽改供熱、深度靈活調(diào)峰運行、高效節(jié)能技術(shù)等將成為我國燃煤發(fā)電機組技術(shù)改造和發(fā)展的新方向[4-5]。由于在深度調(diào)峰運行、實施節(jié)能技改等情況下，機組實際運行工況會偏離設(shè)計工況，運行參數(shù)和被控經(jīng)濟指標(biāo)之間的數(shù)學(xué)關(guān)系將更加難以確定[6]，需要對傳統(tǒng)的機組經(jīng)濟型評價和尋優(yōu)方法[7-10]進(jìn)行持續(xù)的改進(jìn)和研究。

隨著在線計算技術(shù)、先進(jìn)測量技術(shù)和DCS技術(shù)的日漸成熟，電廠產(chǎn)生過程中積累了大量的歷史數(shù)據(jù)；有大量機組部署了具備機組經(jīng)濟性在線分析的SIS系統(tǒng)，也積累了海量的經(jīng)濟指標(biāo)計算成果。這些數(shù)據(jù)真實的記錄了機組的操作信息、運行狀態(tài)和機組特性，為采用數(shù)據(jù)挖掘技術(shù)從中挖掘和提取覆蓋機組各種工況的運行規(guī)則提供了條件[11-14]。

本文以火電機組經(jīng)濟性能遠(yuǎn)程分析系統(tǒng)為基礎(chǔ)，針對火電機組長期深度調(diào)峰的運行實際，利用多參數(shù)穩(wěn)態(tài)指數(shù)綜合判定方法，辨識機組穩(wěn)態(tài)工況，提取穩(wěn)定工況下的關(guān)鍵指標(biāo)與參數(shù)；其次，根據(jù)火電機組的特點，將運行工況的邊界條件分為不可控邊界條件和運行可控邊界條件兩類。不可控邊界條件用于模糊聚類以實現(xiàn)對歷史數(shù)據(jù)的運行工況分類，運行可控邊界條件作為優(yōu)化運行的決策變量，通過比對當(dāng)前工況與對應(yīng)歷史工況，為指導(dǎo)機組的優(yōu)化運行及節(jié)能分析提供依據(jù)。

1 有效工況辨識與選取

受電網(wǎng)調(diào)峰需求、機組內(nèi)在擾動等內(nèi)外部因素的影響，火電機組的負(fù)荷、運行參數(shù)經(jīng)常處在變化狀態(tài)，由于機組蓄熱、自動控制系統(tǒng)調(diào)節(jié)滯后等因素的影響，變化過程中機組的運行參數(shù)不能代表機組當(dāng)前的運行狀態(tài)。參數(shù)變化越劇烈，以變化參數(shù)計算的機組經(jīng)濟指標(biāo)偏差就越大。因此，在分析機組的運行經(jīng)濟性時，只有穩(wěn)定工況下的數(shù)據(jù)才是有效和具有參考價值的。由于機組歷史數(shù)據(jù)庫中的數(shù)據(jù)記錄了機組的所有運行工況，因此需要對歷史數(shù)據(jù)進(jìn)行有效工況的檢測與辨識。目前常用的穩(wěn)態(tài)檢測方法有兩段組合檢測(CST)[15]、基于證據(jù)理論的穩(wěn)態(tài)檢測(MTE)[16]、多項式濾波穩(wěn)態(tài)檢測[17]等，本文在單參數(shù)有效工況判定方法的基礎(chǔ)上，提出了基于多項式濾波的多參數(shù)穩(wěn)態(tài)指數(shù)有效工況判定方法。

1.1 單參數(shù)有效工況判定

工程上通常采用多項式濾波算法，以機組負(fù)荷參數(shù)作為分析對象實現(xiàn)穩(wěn)定工況判斷。

多項式濾波是一種基于多項式回歸模型的低通濾波算法，能夠有效去除所測信號噪聲的高頻部分，提高檢測的準(zhǔn)確度，算法如下

x(t)=p0+p1t+p2t2+…+pmtm

(1)

式中x(t)——時間的函數(shù)；

m——模型階數(shù)；

p0，p1…pm——需要求解的參數(shù);

p0——信號的平均值;

p1——信號隨時間變化的斜率。

設(shè)采樣時間為n，把機組負(fù)荷的采樣值[x1,x2…xn]帶入式(1)，得到式(2)

(2)

利用最小二乘法求解[p0,p1…pm]，考慮到模型的簡單和魯棒性，在這里取m=2，進(jìn)行濾波的同時也可以得到負(fù)荷的基本變化趨勢。

對窗口內(nèi)的數(shù)據(jù)進(jìn)行多項式濾波以后，可以利用p1的值進(jìn)行有效工況判斷，判斷閾值由3δ法則確定

(3)

式中δ——測量誤差的標(biāo)準(zhǔn)差;

H——數(shù)據(jù)窗口的長度。

當(dāng)|p1|<λ時認(rèn)為在觀測窗口內(nèi)的機組負(fù)荷處于穩(wěn)定狀態(tài)，反之為不穩(wěn)定。

1.2 多參數(shù)穩(wěn)態(tài)指數(shù)有效工況判定

基于多項式濾波的多參數(shù)穩(wěn)態(tài)指數(shù)有效工況判定方法的主要過程如下：

(4)

(2)計算系統(tǒng)穩(wěn)態(tài)指數(shù)。熱工系統(tǒng)的穩(wěn)定是由各個參數(shù)共同決定的，為了體現(xiàn)各個參數(shù)的變化對于系統(tǒng)穩(wěn)態(tài)影響程度，定義系統(tǒng)穩(wěn)態(tài)指數(shù)B如式(5)

(5)

式中 &——邏輯，取“且”；

“0”——機組處于穩(wěn)定工況；

“1”——機組處于非穩(wěn)定工況。

2 基于工況劃分的機組經(jīng)濟型尋優(yōu)

挖掘DCS中積累的大量數(shù)據(jù)中所蘊藏的運行規(guī)則對于指導(dǎo)機組的經(jīng)濟高效運行有著重要意義。由于電站熱力系統(tǒng)各個參數(shù)存在耦合強、維度高等特點，為了實現(xiàn)在不同工況下指導(dǎo)機組優(yōu)化運行，本文實現(xiàn)優(yōu)化運行的流程為：

(1)依據(jù)多參數(shù)穩(wěn)態(tài)指數(shù)有效工況判定提取歷史庫中機組穩(wěn)定工況下的運行數(shù)據(jù)作為分析、挖掘?qū)ο螅?/p>

(2)對不可控邊界條件進(jìn)行聚類，實現(xiàn)工況劃分；

(3)對運行可控邊界條件計算相關(guān)度，實現(xiàn)數(shù)據(jù)維歸約降低耦合度，從而篩選出重要參數(shù)作為運行決策變量；

(4)對比當(dāng)前運行工況和相應(yīng)歷史工況，輸出較低熱耗對應(yīng)的決策變量指導(dǎo)機組運行。

2.1 數(shù)據(jù)挖掘目標(biāo)的確定

機組熱耗率的高低直接反映了機組運行狀態(tài)的好壞，是考察機組運行經(jīng)濟性的重要指標(biāo)，所以選擇熱耗率作為數(shù)據(jù)挖掘的目標(biāo)。由于電站機組是在不可控邊界和運行可控邊界的約束作用下運行，所以熱耗率可以用以下函數(shù)式表示

q=f(Vb,Vk)

(6)

式中q——機組熱耗率；

Vb——不可控邊界條件參數(shù)集合；

Vk——運行可控邊界條件參數(shù)集合。

從上式可以看出每條歷史數(shù)據(jù)中的熱耗率都由一組不可控邊界條件集合和一組運行可控邊界條件集合共同確定，這些邊界條件反映了機組的運行水平、設(shè)備性能以及長時間所處的工況等重要信息，因此建立機組熱耗與各個不可控邊界條件和運行可控邊界之間的關(guān)系將為機組的優(yōu)化運行提供參考。

2.2 基于不可控邊界條件的工況劃分

為了指導(dǎo)機組不同工況下的優(yōu)化運行，應(yīng)對歷史運行數(shù)據(jù)庫中的有效工況進(jìn)行劃分。傳統(tǒng)方法是以機組負(fù)荷為對象，采用等寬度法、百分比法等方法進(jìn)行工況劃分，存在著劃分邊界過硬、不能真實地反應(yīng)機組的歷史運行狀況等不足之處。本文采用模糊聚類的方法，以關(guān)鍵不可控邊界條件為對象，對歷史運行數(shù)據(jù)進(jìn)行工況劃分，從而為機組運行的工況識別和優(yōu)化指導(dǎo)提供參考。

令不可控邊界參數(shù)集Vb={v1,v2…vvr}為聚類的對象，Vb∈Rr，r為樣本維度。以集合Vb中某一參數(shù)的歷史數(shù)據(jù)集合{v1,v2…vn}為例，共n條歷史數(shù)據(jù)，(C1,C2…Ck)、(c1,c2…ck)是聚類后模糊簇的集合以及其類心的集合，k個模糊簇可以用劃分矩陣M=[ωij]表示，ωij是vi對于模糊簇cj的隸屬程度，模糊聚類算法[18]描述如下

(7)

式中p——控制隸屬度影響的參數(shù)，且p≥1；

vi——第i條歷史數(shù)據(jù)中某不可控邊界參數(shù)值；

cj——模糊簇Cj類心。

式(7)約束條件為

(8)

式(8)第二個約束條件保證vi對于每一模糊簇的隸屬度之和為1；式(8)第三約束條件保證各模糊簇下至少包含一條數(shù)據(jù)，具體計算流程利用E-M算法實現(xiàn)：

(1)設(shè)定模糊簇的個數(shù)k和參數(shù)p，2≤k≤n，1≤p，確定各模糊簇的類心；

(2)計算每個數(shù)據(jù)點對每個模糊簇的隸屬度，如式(9)

(9)

(3)根據(jù)上一步所得的隸屬度矩陣，即劃分矩陣M=[ωij]，重新計算簇的類心，如式(10)

(10)

(4)反復(fù)迭代步驟(2)(3)，直到簇類心收斂或變化足夠小時停止；

(5)根據(jù)以上方法將各參數(shù)聚類為若干模糊簇，之后通過組合得到一系列工況，如負(fù)荷聚類為5類，環(huán)境溫度聚類為5類，則可以組合得到55種工況。

2.3 運行可控邊界參數(shù)維歸約

汽機熱耗率可由下式計算

(11)

式中D0、Dzr、Dfw、Dgj、Dzj——主蒸汽、再熱蒸汽、給水、過熱減溫水和再熱減溫水流量;

h0、hfw、hgj、hzj——主蒸汽、給水、過熱減溫水和再熱減溫水焓值;

Δhzr——再熱蒸汽焓升;

Pel——機組負(fù)荷。

由上式可見和汽機熱耗相關(guān)的運行可控邊界條件涉及主汽流量、主汽溫度、主汽壓力等十多個運行參數(shù)，具有數(shù)量多、維度高的特點，為了在保證數(shù)據(jù)挖掘準(zhǔn)確性的前提下提高挖掘效率，應(yīng)首先對運行可控邊界條件進(jìn)行維歸約，主要方法有小波變換、主成分分析和屬性子集選擇等[18]，本文提出了基于相關(guān)度分析的維歸約算法如下：

(1)為了保證挖掘結(jié)果不受具有較大值域的參數(shù)的影響，首先對n條歷史數(shù)據(jù)中m個運行可控參數(shù)集合Vk進(jìn)行規(guī)范化處理：

Z分?jǐn)?shù)規(guī)范化處理

(12)

之后將數(shù)據(jù)壓縮到[0,1]區(qū)間上

(13)

(2)計算兩兩運行可控參數(shù)之間的相關(guān)度，如下

(14)

計算、整理可得相關(guān)度的矩陣如下，且rij=rji

(15)

設(shè)定相應(yīng)的閾值λ，將相關(guān)度高的參數(shù)歸為一類，并選取其中一個參數(shù)作為代表性參數(shù)，實現(xiàn)數(shù)據(jù)的維歸約，從而選取數(shù)個重要的運行參數(shù)為決策變量指導(dǎo)機組運行。

2.4 機組經(jīng)濟型尋優(yōu)

依據(jù)樹形節(jié)點法將2.2劃分得到的各類工況轉(zhuǎn)換為節(jié)點路徑圖，將每類工況視為一個節(jié)點，按照由前往后的順序進(jìn)行搜索，將當(dāng)前工況與歷史工況進(jìn)行比對與匹配，算法如下

(16)

式中dr——當(dāng)前工況第r個不可控邊界條件與歷史工況的距離；

k——各參數(shù)的權(quán)重系數(shù)。

求解上式，取得最小值時所對應(yīng)的歷史運行數(shù)據(jù)即為與當(dāng)前工況最為接近的歷史工況，比對兩者的經(jīng)濟性指標(biāo)，若歷史數(shù)據(jù)熱耗更低，則輸出2.3所篩選的決策變量指導(dǎo)運行；反之，則用當(dāng)前運行數(shù)據(jù)更新對應(yīng)的歷史庫數(shù)據(jù)。

3 應(yīng)用實例

選取云南某發(fā)電集團(tuán)的300 MW機組運行參數(shù)及云南電網(wǎng)遠(yuǎn)程煤耗系統(tǒng)計算數(shù)據(jù)，采集該機組2013年1月1日至2014年3月31日共129 452條歷史運行數(shù)據(jù)為分析樣本。對采集到的數(shù)據(jù)樣本進(jìn)行數(shù)據(jù)預(yù)處理，清洗掉錯誤數(shù)據(jù)后，結(jié)合汽輪機熱工系統(tǒng)的特點選取機組負(fù)荷、主汽溫度、主汽壓力、再熱蒸汽壓力和給水流量5個關(guān)鍵參數(shù)對系統(tǒng)進(jìn)行多參數(shù)穩(wěn)態(tài)指數(shù)有效工況判定，提取得到機組穩(wěn)態(tài)工況的運行數(shù)據(jù)樣本共90 617條。由于云南水電富余，該機組長期處于低負(fù)荷深度調(diào)峰運行狀態(tài)。

為了確定該機組在各個工況下的最佳運行參數(shù)，本文選取機組負(fù)荷與環(huán)境溫度兩個不可控邊界條件作為工況劃分的依據(jù)，聚類后工況劃分結(jié)果如表1。

表1機組運行工況聚類結(jié)果表

機組負(fù)荷區(qū)間/MW環(huán)境溫度/℃104.3～132.623～26142.7～160.220～2223～2627～29170.5～191.810～1415～1820～2223～2627～29196.5～224.98～1516～1920～2223～2627～29

由表1可以看出該機組運行數(shù)據(jù)呈現(xiàn)一定特點：

當(dāng)機組負(fù)荷為40%左右時，機組工況對應(yīng)的環(huán)境溫度集中分布在23～26℃范圍內(nèi)，而當(dāng)機組負(fù)荷為60%和70%左右時，此時工況覆蓋的溫度范圍明顯更廣。原因在于，機組低負(fù)荷主要出現(xiàn)在豐水期，此時環(huán)境溫度基本維持在較高范圍內(nèi)，電網(wǎng)優(yōu)先消納水電資源；機組高負(fù)荷主要出現(xiàn)在冬季枯水期承擔(dān)主要負(fù)荷和豐水期負(fù)責(zé)調(diào)峰兩類情況下，所以對應(yīng)的溫度范圍較廣。聚類工況劃分結(jié)果與云南自身能源結(jié)構(gòu)和自然條件相符合，相比傳統(tǒng)等間等距工況劃分方法，能真實反映機組歷史運行狀況，同時有效防止了數(shù)據(jù)冗余，對高效挖掘電站優(yōu)化運行參數(shù)具有重要意義。

在聚類劃分機組運行工況的基礎(chǔ)上，選取與機組熱耗率相關(guān)的運行可控參數(shù)，進(jìn)行基于相關(guān)度的數(shù)據(jù)維歸約以確定機組運行決策變量。設(shè)置閾值λ=0.57，確定決策參數(shù)為主汽壓力、主汽溫度、主汽流量、給水壓力、給水溫度和再熱蒸汽壓力6個參數(shù)，通過歷史數(shù)據(jù)的尋優(yōu)比對得到表2至表5。

表2負(fù)荷104.3～132.6 MW運行參數(shù)與最佳熱耗

運行不可控邊界條件機組負(fù)荷/MW104.3～132.6環(huán)境溫度/℃23～26主汽壓力/MPa7.85～7.96主汽溫度/℃532.1～533.2運行決策參數(shù)主汽流量/t·h-1339.3～342.5再熱蒸汽壓力/MPa1.2～1.3給水壓力/MPa8.5～8.6給水溫度/℃233.1～233.7最優(yōu)機組熱耗率/kJ·(kWh)-19246.6～9273.7

表3負(fù)荷142.7～160.2 MW運行參數(shù)與最佳熱耗

運行不可控邊界條件機組負(fù)荷/MW142.7～160.2環(huán)境溫度/℃20～2223～2627～29運行決策參數(shù)主汽壓力/MPa9.5～9.610.0～10.110.0～10.1主汽溫度/℃535.5～537.0536.2～537.7536.5～538.0主汽流量/t·h-1470.8～476.2502.5～507.1522.7～526.9再熱蒸汽壓力/MPa1.66～1.671.73～1.771.80～1.82給水壓力/MPa10.4～10.511.1～11.311.0～11.1給水溫度/℃247.1～247.8250.4～250.9253.6～254.3最優(yōu)機組熱耗率/kJ·(kWh)-18668.4～8694.98832.3～8855.19002.3～9027.0

表4負(fù)荷170.5～191.8 MW運行參數(shù)與最佳熱耗

運行不可控邊界條件機組負(fù)荷/MW170.5～191.8環(huán)境溫度/℃10～1415～1820～2223～2627～29運行決策參數(shù)主汽壓力/MPa10.6～10.711.2～11.311.1～11.311.4～11.611.1～11.4主汽溫度/℃537.1～537.9537.3～538.2537.6～538.3537.6～538.3535.7～536.5主汽流量/t·h-1539.7～542.0545.6～550.2552.5～557.5552.5～557.5563.5～568.7再熱蒸汽壓力/MPa1.86～1.871.92～1.931.97～2.041.97～2.041.99～2.02給水壓力/MPa11.6～11.712.2～12.312.5～12.612.5～12.612.2～12.3給水溫度/℃252.9～253.6254.9～255.6255.6～256.1255.6～256.5256.8～257.4最優(yōu)機組熱耗率/kJ·(kWh)-18069.2～8099.38170.3～8202.28271.4～8295.78424.3～8451.98557.4～8580.7

表5負(fù)荷196.5～224.9 MW運行參數(shù)與最佳熱耗

運行不可控邊界條件機組負(fù)荷/MW196.5～224.9環(huán)境溫度/℃8～1516～1920～2223～2627～29運行決策參數(shù)主汽壓力/MPa12.8～13.012.9～13.113.0～13.113.1～13.512.9～13.3主汽溫度/℃535.9～537.4535.8～537.2536.5～537.6536.6～537.7536.4～537.4主汽流量/t·h-1625.4～632.5630.1～636.5634.0～640.1642.2～649.6625.7～635.5再熱蒸汽壓力/MPa2.0～2.12.0～2.12.1～2.22.1～2.22.1～2.2給水壓力/MPa13.6～14.313.6～14.213.7～14.214.1～14.614.1～14.6給水溫度/℃259.4～260.6259.2～260.3261.2～262.1262.3～263.7262.8～264.1最優(yōu)機組熱耗率/kJ·(kWh)-18098.6～8109.38110.2～8135.68202.9～8225.88333.3～8357.78451.1～8478.9

4 結(jié)論

(1)本文提出了基于多項式濾波多參數(shù)穩(wěn)態(tài)指數(shù)有效工況判定方法，結(jié)果表明該方法能更有效的辨識和提取機組在穩(wěn)態(tài)工況下的運行數(shù)據(jù)，為機組歷史數(shù)據(jù)的挖掘工作提供參考；

(2)針對機組能耗參數(shù)是由各個邊界條件共同確定的特點，提出基于不可控邊界聚類劃分機組運行工況，通過尋優(yōu)比對能耗指標(biāo)，輸出相應(yīng)的運行可控邊界條件作為運行決策變量指導(dǎo)機組優(yōu)化運行；

(3)選取云南省某300 MW機組進(jìn)行方法驗證，結(jié)果表明基于工況劃分的機組優(yōu)化運行尋優(yōu)方法能真實反應(yīng)機組歷史運行狀態(tài)和操作水平，從而能更準(zhǔn)確地為機組的運行提供指導(dǎo)和參考。

[1]劉中祥.大容量純凝機組改供熱后的調(diào)峰能力計算[J].江蘇電機工程,2015,34(2):75-77.

[2]汪泳濤，趙健.電力市場環(huán)境下含風(fēng)電電力系統(tǒng)旋轉(zhuǎn)備用優(yōu)化[J].電網(wǎng)與清潔能源，2017, 33(7):123-128.

[3]韓豐,宋福龍,羅金山,等.“十三五”骨干網(wǎng)架發(fā)展的探討[J].中國電力,2017(1):13-18,36.

[4]謝紹宇，蔣健.基于極端風(fēng)險假設(shè)的風(fēng)電并網(wǎng)調(diào)峰充裕度評估[J].電網(wǎng)與清潔能源，2015,31(8):88-93,99.

[5]Ming M G,Jie H,De L Z,et al.New Energy Power Generation Process Output Complementary and Coordinated Control[J].Applied Mechanics and Materials,2013(380):3155-3159.

[6]申哲巍.火電機組調(diào)峰負(fù)荷分配研究[D].北京.華北電力大學(xué).2013:2-3.

[7]涂孟夫，張濤，劉軍,等.電網(wǎng)年度發(fā)電量計劃滾動分解優(yōu)化方法及應(yīng)用[J].電網(wǎng)與清潔能源，2016,32(9):50-56.

[8]李建強，牛成林，谷俊杰,等.數(shù)據(jù)挖掘在火電廠運行參數(shù)優(yōu)化目標(biāo)值確定中的應(yīng)用[J].華北電力大學(xué)學(xué)報，2008,35(4):53-56.

[9]張文寶.供熱機組熱力系統(tǒng)熱經(jīng)濟性分析的EEDM方程[D].北京.華北電力大學(xué).2008.

[10]Sharma A K,Tewari P C. Performance evaluation and economic analysis of a steam thermal power plant [J]. South African Journal of Industrial Engineering,2009(1):133-146.

[11]王寧玲.基于數(shù)據(jù)挖掘的大型燃煤發(fā)電機組節(jié)能診斷優(yōu)化理論與方法研究[D].北京.華北電力大學(xué).2011.

[12]Kusiak A,Song Z.Combustion efficiency optimization and virtual testing:a data-mining approach[J].IEEE Trans. Industrial Informatics,2006,2(3):176-184.

[13]侯建朝，侯鵬旺，孫波.計及需求響應(yīng)的電動汽車和可再生能源多階段動態(tài)經(jīng)濟環(huán)境調(diào)度優(yōu)化模型[J].電網(wǎng)與清潔能源，2017,33(9):104-112.

[14]Yang T T,Zeng D L,Chang T H.A Data Mining Rule Extraction Method for Thermal Power Unit Operation Optimization[J].IFAC Proceedings Volumes,2009,42(13):683-688.

[15]Narasimhan S,Mah R S H.A composite statistical test for detecting changes of steady state[J].AIChE Journal,1986,32(9):1409-1418.

[16]Nabasimahn S,Chen S K,Mah R S H.Detecting changes ofsteady state using the mathematical theory of evidence[J].AIChE Journal,1987,33(11):1930-1932.

[17]陳文馳,劉飛.一種改進(jìn)的基于多項式濾波的穩(wěn)態(tài)檢測方法[J].控制工程,2012(2):195-197.

[18](美)Jiawei Han,Micheline Kamber,等著.數(shù)據(jù)挖掘概念與技術(shù)[M].范明，孟曉峰譯.北京：機械工業(yè)出版社，2012.