陳鑫 劉利 徐威 陳嘯

摘 要：根據(jù)大數(shù)據(jù)技術(shù)的特點(diǎn)，針對(duì)火電機(jī)組深度調(diào)峰的重點(diǎn)問題，探討大數(shù)據(jù)技術(shù)應(yīng)用于火電機(jī)組深度調(diào)峰研究的具體方向和實(shí)現(xiàn)方案，提出針對(duì)機(jī)組爐側(cè)和機(jī)側(cè)的具體應(yīng)用策略，包括在爐側(cè)燃料智能摻配、燃燒數(shù)據(jù)分析、火焰燃燒穩(wěn)定性檢測(cè)問題上運(yùn)用大數(shù)據(jù)技術(shù)的方案架構(gòu)和機(jī)側(cè)在汽輪機(jī)滑壓運(yùn)行智能優(yōu)化、汽輪機(jī)安全智能診斷方向上的應(yīng)用步驟，并闡明如何基于大數(shù)據(jù)平臺(tái)完善這些應(yīng)用并利用大數(shù)據(jù)技術(shù)確保機(jī)組的安全性和經(jīng)濟(jì)性。

關(guān)鍵詞：大數(shù)據(jù)；深度調(diào)峰；機(jī)器學(xué)習(xí)；智能診斷；燃料管理

中圖分類號(hào)：TM621 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：2095-2945（2018）28-0150-02

Abstract： According to the characteristics of big data technology and the key problems of deep peak shaving for thermal power units， the concrete direction and realization scheme of applying big data technology to the research of deep peak shaving for thermal power units are discussed， and the specific application strategies for the boiler side and the machine side of the unit are put forward. Including the scheme structure of applying big data technology to the intelligent blending of fuel-side， the analysis of combustion data， the detection of flame combustion stability， and the application steps of the machine-side in the intelligent optimization of steam turbine sliding pressure operation and the intelligent diagnosis direction of steam turbine safety. It also explains how to perfect these applications based on big data platform and how to use big data technology to ensure the safety and economy of the unit.

Keywords： big data； deep peak shaving； machine learning； intelligent diagnosis； fuel management

數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)、工業(yè)物聯(lián)網(wǎng)不僅是當(dāng)下信息領(lǐng)域的研究熱點(diǎn)，也是工業(yè)數(shù)字化進(jìn)程的核心構(gòu)架技術(shù)。隨著電力工業(yè)信息集成度日益提高，大數(shù)據(jù)、人工智能技術(shù)逐步進(jìn)入電力系統(tǒng)及發(fā)電領(lǐng)域研究人員的視野。隨著測(cè)量原件和信息處理技術(shù)的快速發(fā)展，電廠DCS系統(tǒng)中所存儲(chǔ)的生產(chǎn)運(yùn)行數(shù)據(jù)的數(shù)據(jù)量呈幾何級(jí)數(shù)增長(zhǎng)，這些運(yùn)行數(shù)據(jù)都具有大容量、多樣性和價(jià)值高等大數(shù)據(jù)的明顯特征，可以被認(rèn)定為是大數(shù)據(jù)，對(duì)這些數(shù)據(jù)的挖掘和分析，有助于掌握機(jī)組乃至整個(gè)電力生產(chǎn)系統(tǒng)的內(nèi)在規(guī)律，充分提高設(shè)備的可靠性和經(jīng)濟(jì)性。

隨著可再生能源發(fā)電機(jī)組裝機(jī)容量的增加，火電機(jī)組調(diào)峰形勢(shì)愈發(fā)嚴(yán)峻。開展大型火電機(jī)組深度調(diào)峰能力研究迫在眉睫，需要尋找最優(yōu)方案保證機(jī)組在調(diào)峰期間的安全性和高效性。隨著工業(yè)數(shù)字化的發(fā)展，先進(jìn)的計(jì)算機(jī)技術(shù)與工業(yè)生產(chǎn)實(shí)際結(jié)合日益緊密，使得大數(shù)據(jù)技術(shù)用于研究和指導(dǎo)火電機(jī)組深度調(diào)峰成為可能，下文將對(duì)其應(yīng)用路線進(jìn)行探討。

1 大數(shù)據(jù)技術(shù)簡(jiǎn)介

大數(shù)據(jù)是指數(shù)據(jù)規(guī)模大到在獲取、存儲(chǔ)、管理、分析方面大大超出了傳統(tǒng)數(shù)據(jù)庫(kù)軟件工具能力范圍的數(shù)據(jù)集合，電力企業(yè)的生產(chǎn)運(yùn)行數(shù)據(jù)即具有此類特征。大數(shù)據(jù)技術(shù)實(shí)際是指對(duì)這些有意義的數(shù)據(jù)進(jìn)行專業(yè)處理，從中得出多個(gè)變量潛在聯(lián)系和規(guī)律，從而指導(dǎo)生產(chǎn)活動(dòng)，即通過“加工”實(shí)現(xiàn)數(shù)據(jù)的“增值”。對(duì)電網(wǎng)企業(yè)來說，使用大數(shù)據(jù)分析可以預(yù)測(cè)電網(wǎng)負(fù)荷波動(dòng)、分析售電形勢(shì)、加快智能電網(wǎng)建設(shè)等，對(duì)于發(fā)電企業(yè)，大數(shù)據(jù)技術(shù)可以指導(dǎo)設(shè)備運(yùn)行、優(yōu)化檢修計(jì)劃、降低停機(jī)風(fēng)險(xiǎn)等，把大數(shù)據(jù)技術(shù)應(yīng)用到深度調(diào)峰研究中也將收益巨大。

2 鍋爐側(cè)應(yīng)用路線

影響鍋爐深度調(diào)峰的因素主要是燃料特性和鍋爐燃燒穩(wěn)定性。

2.1 燃料智能摻配

機(jī)組深度調(diào)峰時(shí)，最低負(fù)荷的決定性因素為燃料特性，如摻配摻燒煤種不合理，可能導(dǎo)致燃燒穩(wěn)定性下降，甚至鍋爐熄火、鍋爐結(jié)焦嚴(yán)重等情況，所以在深度調(diào)峰前，需預(yù)先設(shè)定可靠的燃燒煤種，以保證運(yùn)行的安全性和經(jīng)濟(jì)性。燃燒煤種的選配可建立基于大數(shù)據(jù)平臺(tái)的“燃料智能摻配”系統(tǒng)，具體構(gòu)建框架見圖1。燃料入廠前經(jīng)過機(jī)械化自動(dòng)采樣和全成分智能檢測(cè)，保證全面掌握煤質(zhì)特性，把相關(guān)數(shù)據(jù)導(dǎo)入燃料特性數(shù)據(jù)庫(kù)，根據(jù)機(jī)組負(fù)荷預(yù)測(cè)和設(shè)備運(yùn)行狀態(tài)等信息使用數(shù)據(jù)挖掘手段和機(jī)器學(xué)習(xí)算法對(duì)煤種摻混方式和比例進(jìn)行實(shí)時(shí)優(yōu)化，指導(dǎo)燃料入爐工作。對(duì)燃燒不同煤種時(shí)火焰燃燒狀況、輔機(jī)運(yùn)行狀態(tài)、爐內(nèi)熱力參數(shù)進(jìn)行記錄分析，同時(shí)反饋進(jìn)入燃料特性數(shù)據(jù)庫(kù)，機(jī)組外界，同類型機(jī)組可以進(jìn)行數(shù)據(jù)共享。

2.2 燃燒數(shù)據(jù)分析

機(jī)組在進(jìn)行深度調(diào)峰時(shí)，鍋爐動(dòng)力場(chǎng)包括一次風(fēng)、二次風(fēng)、燃料量均下降，燃燒溫度降低，脫硝、脫硫、電除塵等減排設(shè)備運(yùn)行參數(shù)改變，常規(guī)工況下的運(yùn)行規(guī)范已很難全面指導(dǎo)此狀態(tài)下的運(yùn)行操作。各發(fā)電企業(yè)目前采取的措施主要是通過試驗(yàn)或試運(yùn)行摸索規(guī)律，在實(shí)踐中積累經(jīng)驗(yàn)，但通過運(yùn)行人員摸索出的規(guī)律具有很強(qiáng)的局限性和主觀性，很難精確把握客觀規(guī)律。如建設(shè)一套基于大數(shù)據(jù)平臺(tái)的“燃燒數(shù)據(jù)分析中心”，則可結(jié)合最新的計(jì)算機(jī)技術(shù)指導(dǎo)機(jī)組深度調(diào)峰的運(yùn)行工作，具體構(gòu)建框架見圖2。鍋爐包括相關(guān)輔機(jī)的運(yùn)行參數(shù)和性能指標(biāo)實(shí)時(shí)導(dǎo)入燃燒數(shù)據(jù)分析中心進(jìn)行處理分析，運(yùn)用機(jī)器學(xué)習(xí)算法并結(jié)合外界同類機(jī)組數(shù)據(jù)進(jìn)行燃燒建模，根據(jù)模型給出最優(yōu)控制參數(shù)，指導(dǎo)深度調(diào)峰下的運(yùn)行工作，同時(shí)記錄運(yùn)行狀況反饋回燃燒數(shù)據(jù)中心。

2.3 基于神經(jīng)網(wǎng)絡(luò)的火焰燃燒穩(wěn)定性檢測(cè)

爐內(nèi)燃燒穩(wěn)定性是影響機(jī)組深度調(diào)峰能力的關(guān)鍵因素?；谏窠?jīng)網(wǎng)絡(luò)的鍋爐內(nèi)火焰燃燒穩(wěn)定性檢測(cè)方法[1]可以有效提高鍋爐內(nèi)火焰燃燒穩(wěn)定性的檢測(cè)精度，為深度調(diào)峰狀態(tài)下爐內(nèi)燃燒的安全性提供先進(jìn)的監(jiān)控手段。該方法利用神經(jīng)網(wǎng)絡(luò)算法，選取與火焰穩(wěn)定性直接相關(guān)的多個(gè)特征作為神經(jīng)網(wǎng)絡(luò)的輸入向量，通過對(duì)樣本的多次訓(xùn)練能夠去除雜質(zhì)燃燒引起的微小脈動(dòng)的影響，克服傳統(tǒng)方法檢測(cè)準(zhǔn)確度不高的問題。

3 汽輪機(jī)側(cè)應(yīng)用路線

汽輪機(jī)及其熱力系統(tǒng)的運(yùn)行經(jīng)濟(jì)性是影響機(jī)組調(diào)峰期間煤耗指標(biāo)的最主要因素，處于變工況運(yùn)行的汽輪機(jī)，其通流部分的氣動(dòng)特性與設(shè)計(jì)值發(fā)生較大偏離，設(shè)備的安全性和壽命損耗也需得到準(zhǔn)確的評(píng)估。

3.1 汽輪機(jī)滑壓運(yùn)行智能優(yōu)化

為確保機(jī)組運(yùn)行經(jīng)濟(jì)性，汽輪機(jī)的滑壓運(yùn)行曲線需根據(jù)深度調(diào)峰狀況重新擬定，包括重新確認(rèn)滑壓運(yùn)行經(jīng)濟(jì)負(fù)荷起止點(diǎn)，滑壓運(yùn)行壓力，確保汽輪機(jī)在調(diào)峰期間調(diào)門開度合理，進(jìn)汽節(jié)流損失小，主蒸汽參數(shù)穩(wěn)定。目前主要采用試驗(yàn)方法對(duì)汽輪機(jī)滑壓方式進(jìn)行優(yōu)化，試驗(yàn)過程繁雜。結(jié)合大數(shù)據(jù)平臺(tái)開發(fā)“汽輪機(jī)滑壓運(yùn)行智能優(yōu)化”系統(tǒng)，根據(jù)負(fù)荷預(yù)測(cè)和機(jī)組運(yùn)行狀況，對(duì)滑壓曲線進(jìn)行預(yù)見性地修正，保證機(jī)組在常用工況點(diǎn)經(jīng)濟(jì)性最優(yōu)，同時(shí)滿足AGC等調(diào)控系統(tǒng)的要求?；诖髷?shù)據(jù)平臺(tái)的滑壓運(yùn)行調(diào)節(jié)系統(tǒng)還可以擬合并分析同類型機(jī)組的滑壓曲線。

3.2 汽輪機(jī)安全智能診斷

深度調(diào)峰給汽輪機(jī)帶來多種潛在的安全問題，如排汽溫度升高引起缸體變形和軸承位置變化，可能導(dǎo)致汽輪機(jī)軸系振動(dòng)增大；低壓末級(jí)動(dòng)葉易誘發(fā)顫振；滑壓運(yùn)行加重材料低周疲勞，影響機(jī)組壽命。

對(duì)于這些安全問題的評(píng)估應(yīng)該在機(jī)組深度調(diào)峰前就展開，并且通過系統(tǒng)的研究，使得機(jī)組各方面的風(fēng)險(xiǎn)能夠清晰呈現(xiàn)，并針對(duì)風(fēng)險(xiǎn)制定相應(yīng)策略。建立基于大數(shù)據(jù)平臺(tái)的“汽輪機(jī)安全智能診斷中心”能夠很好的達(dá)到目的，該系統(tǒng)構(gòu)架如圖3所示，安全診斷中心內(nèi)運(yùn)用先進(jìn)的數(shù)值模擬方法對(duì)機(jī)組的典型工況進(jìn)行通流計(jì)算，對(duì)通流部分的熱力特性、流動(dòng)特征和熱應(yīng)力狀態(tài)全面掌握，運(yùn)用流固耦合算法計(jì)算低壓缸末級(jí)葉片的水蝕和顫振狀況，經(jīng)過與實(shí)際運(yùn)行狀況的對(duì)比來評(píng)估設(shè)備的安全性。該系統(tǒng)在機(jī)組深度調(diào)峰可行性研究時(shí)就可介入，貫穿機(jī)組的全壽命周期，其安全預(yù)警的準(zhǔn)確度隨著數(shù)據(jù)量的累積會(huì)不斷提升。

4 結(jié)束語

針對(duì)火電機(jī)組深度調(diào)峰的技術(shù)難點(diǎn)和大數(shù)據(jù)技術(shù)的應(yīng)用特點(diǎn)，探討大數(shù)據(jù)技術(shù)應(yīng)用于火電機(jī)組深度調(diào)峰研究的具體路線，提出針對(duì)鍋爐側(cè)和汽輪機(jī)側(cè)重點(diǎn)問題的具體應(yīng)用策略，包括鍋爐側(cè)在燃料智能摻配、燃燒數(shù)據(jù)分析、火焰燃燒穩(wěn)定性檢測(cè)問題上運(yùn)用大數(shù)據(jù)技術(shù)的方案架構(gòu)，汽輪機(jī)側(cè)在汽輪機(jī)滑壓運(yùn)行智能優(yōu)化、汽輪機(jī)安全智能診斷方向上的應(yīng)用步驟。工業(yè)數(shù)字化是大勢(shì)所趨，大數(shù)據(jù)技術(shù)與深度調(diào)峰研究相結(jié)合將會(huì)產(chǎn)生巨大收益。

參考文獻(xiàn)：

[1]劉樹明.基于神經(jīng)網(wǎng)絡(luò)的鍋爐內(nèi)火焰燃燒穩(wěn)定性研究[J].計(jì)算機(jī)仿真，2012，29（8）：187-195.

[2]孫海彥，高煒，劉潤(rùn)華，等.1000MW超超臨界機(jī)組深度調(diào)峰研究與實(shí)踐[J].上海電力學(xué)院學(xué)報(bào)，2017，33（6）：559-562.

[3]趙峻屹，孟江麗.大機(jī)組深度調(diào)峰運(yùn)行的可靠性與經(jīng)濟(jì)性研究方式的探討[J].山西電力，2005，127（4）：27-30.