鄭 偉，姚 遠(yuǎn)，代邦武，常玉清，孫曉輝

（1.國網(wǎng)遼寧省電力有限公司電力科學(xué)研究院，遼寧 沈陽 110006；2.東北大學(xué)信息科學(xué)與工程學(xué)院，遼寧 沈陽 110819；3.大連天籟安全風(fēng)險管理技術(shù)有限公司，遼寧 沈陽 110031）

現(xiàn)有發(fā)電系統(tǒng)中燃煤發(fā)電仍占主要份額，降低燃煤發(fā)電機組煤耗實現(xiàn)節(jié)能減排、提高廠級經(jīng)濟效益一直是發(fā)電企業(yè)面臨的主要問題[1-3]。廠級負(fù)荷經(jīng)濟調(diào)度是解決這一問題的有效途徑，其主要目標(biāo)就是在滿足電網(wǎng)負(fù)荷指令的前提下通過優(yōu)化廠內(nèi)各發(fā)電機組負(fù)荷，實現(xiàn)廠內(nèi)機組平均煤耗最低[4-5]。

當(dāng)前，大部分燃煤發(fā)電機組處于自動發(fā)電控制（AGC）模式下。傳統(tǒng)AGC對發(fā)電機組采用單機控制的調(diào)度模式，即網(wǎng)級調(diào)度中心將發(fā)電指令直接發(fā)送至各機組[6]。這種調(diào)度模式下，電廠不能考慮內(nèi)部機組的煤耗特性差異，廠內(nèi)機組平均煤耗率不是最優(yōu)狀態(tài)，難以實現(xiàn)機組間的經(jīng)濟調(diào)度，限制了發(fā)電機組節(jié)能減排的潛力。因此，在新一輪的電力體制改革的背景下，“兩個細(xì)則”明確提出了有條件的地區(qū)實施廠級負(fù)荷經(jīng)濟調(diào)度，即將總的負(fù)荷指令下發(fā)到廠，由電廠內(nèi)部自行決定各機組負(fù)荷。相比于網(wǎng)級單機調(diào)度，廠級負(fù)荷經(jīng)濟調(diào)度獲得的信息更全面，所涉及的機組更少，更有利于采用更加精準(zhǔn)的煤耗模型來提高機組節(jié)能減排的能力。實行廠級調(diào)度的關(guān)鍵是構(gòu)建廠級負(fù)荷經(jīng)濟調(diào)度目標(biāo)函數(shù)，其核心是建立廠內(nèi)機組準(zhǔn)確的煤耗特性模型。

近年來，大量文獻(xiàn)研究了燃煤機組的煤耗特性。文獻(xiàn)[7]基于機組運行數(shù)據(jù)利用二次多項式函數(shù)擬合負(fù)荷與機組煤耗率關(guān)系，建立了機組煤耗特性模型，并應(yīng)用于負(fù)荷經(jīng)濟調(diào)度。文獻(xiàn)[8]考慮汽輪機進氣閥突然開啟時產(chǎn)生的閥點效應(yīng)，對二次函數(shù)模型引入閥點效應(yīng)修正項，更準(zhǔn)確地表達(dá)了煤耗與負(fù)荷之間的關(guān)系，以此提出了基于動態(tài)煤耗模型的廠級負(fù)荷經(jīng)濟調(diào)度方法。文獻(xiàn)[9]通過對現(xiàn)場數(shù)據(jù)分析，利用多因素權(quán)重分配方法建立負(fù)荷與供電煤耗率的實時離散模型，構(gòu)建了更為合理的負(fù)荷經(jīng)濟調(diào)度模型。

上述文獻(xiàn)主要采用典型負(fù)荷工況下的運行數(shù)據(jù)建立煤耗特性模型。隨著風(fēng)電、光電等新能源發(fā)電的并網(wǎng)，燃煤發(fā)電機組頻繁承擔(dān)電網(wǎng)調(diào)峰任務(wù)，大幅度變負(fù)荷運行已成為常態(tài)，機組很難保持在典型負(fù)荷工況下運行[10]。另一方面，由于設(shè)備改造、老化等性能變化，以及煤質(zhì)、溫度等環(huán)境變化，典型負(fù)荷工況下機組煤耗特性也會隨之發(fā)生變化[11]，相同負(fù)荷點煤耗率也分布在一定范圍。隨著電廠監(jiān)控信息系統(tǒng)（SIS）廣泛應(yīng)用，燃煤發(fā)電機組積累了豐富歷史運行數(shù)據(jù)以及大量實時運行數(shù)據(jù)，這些數(shù)據(jù)在一定程度上可以反映機組真實煤耗特性。隨著目前大數(shù)據(jù)技術(shù)的迅速發(fā)展，數(shù)據(jù)挖掘技術(shù)，為機組建立準(zhǔn)確的煤耗特性模型提供了新途徑。

本文根據(jù)燃煤機組運行數(shù)據(jù)特點提出了基于數(shù)據(jù)挖掘技術(shù)的燃煤機組負(fù)荷廠級經(jīng)濟調(diào)度方法。選取歷史運行數(shù)據(jù)中穩(wěn)態(tài)工況數(shù)據(jù)，建立穩(wěn)態(tài)數(shù)據(jù)庫；針對機組的不同運行邊界和運行條件劃分工況，同時依據(jù)經(jīng)驗知識選取機組內(nèi)部影響煤耗的相關(guān)變量，利用高斯過程回歸算法建立各個工況煤耗特性模型；在此基礎(chǔ)上構(gòu)建負(fù)荷經(jīng)濟調(diào)度目標(biāo)函數(shù)，利用基因遺傳算法，求解獲得各機組負(fù)荷最優(yōu)值；最后通過仿真實例驗證所提方法的有效性。

1 燃煤機組煤耗預(yù)測

1.1 穩(wěn)態(tài)檢測

在燃煤機組實際運行中，由于承擔(dān)著電網(wǎng)調(diào)峰調(diào)頻任務(wù)，機組的負(fù)荷總是不斷地變化以滿足整體電網(wǎng)的平衡。這導(dǎo)致機組運行在非設(shè)計工況或暫態(tài)工況，此時機組的熱力學(xué)參數(shù)并不穩(wěn)定，煤耗特性也隨之發(fā)生變化，以此煤耗特性作為負(fù)荷分配的依據(jù)并不能實現(xiàn)廠級總體煤耗量最小的目標(biāo)。因而有必要從歷史運行數(shù)據(jù)庫中篩選出機組穩(wěn)定運行工況，研究穩(wěn)態(tài)工況下機組的煤耗特性。

目前，燃煤發(fā)電機組穩(wěn)態(tài)工況的判定沒有統(tǒng)一方法，ASME PTC6[12]根據(jù)機組負(fù)荷、主蒸汽壓力、主蒸汽溫度、再熱蒸汽溫度、給水流量5個變量給出了燃煤機組穩(wěn)態(tài)判定的方法，即在某一段時間內(nèi)，機組上述5個變量的最大值與最小值之差同時處于預(yù)先設(shè)定的閾值內(nèi)，則認(rèn)為機組的運行工況是穩(wěn)定的。具體閾值設(shè)定見表1。本文通過滑動窗口技術(shù)[13]（sliding window technology）從機組歷史運行數(shù)據(jù)庫中篩選穩(wěn)態(tài)工況數(shù)據(jù)。

表1 穩(wěn)態(tài)工況參數(shù)檢測閾值Tab.1 The thresholds of steady-state detection parameters

1.2 穩(wěn)態(tài)工況劃分

獲得穩(wěn)態(tài)工況數(shù)據(jù)后，需根據(jù)邊界條件將穩(wěn)態(tài)數(shù)據(jù)劃分到合適的運行工況，以便更深層地研究每個工況下發(fā)電機組的煤耗特性。文獻(xiàn)[14]指出影響機組煤耗特性外部變量主要有機組負(fù)荷、環(huán)境溫度、煤質(zhì)等。由于煤質(zhì)因素難以準(zhǔn)確量化分析，且在一段時間內(nèi)煤質(zhì)變化不大，因此本文外部變量只考慮機組負(fù)荷與環(huán)境溫度。本文利用模糊C均值聚類算法（fuzzy C-means，F(xiàn)CM）對負(fù)荷指標(biāo)進行聚類分析，獲取機組實際運行中負(fù)荷類別，最優(yōu)聚類數(shù)k可通過式(1)最小值確定。

式中，k為聚類數(shù)，mj為第j類的聚類中心，xij為第j類的第i個數(shù)據(jù)，Nj為第j類樣本個數(shù)，xpq為第p類的第q個數(shù)據(jù)，Nl為第l類樣本個數(shù)。

一般認(rèn)為環(huán)境溫度變化在5 ℃以內(nèi)，可認(rèn)為對機組的煤耗影響很小，因此本文根據(jù)實際環(huán)境溫度范圍，以5 ℃為間隔對環(huán)境溫度進行等間隔劃分，獲取環(huán)境溫度類別。通過組合負(fù)荷類別與溫度類別最終實現(xiàn)對穩(wěn)態(tài)數(shù)據(jù)的工況劃分。與此同時，利用領(lǐng)域經(jīng)驗知識結(jié)合煤耗敏感性分析技術(shù)，選取與煤耗相關(guān)的機組內(nèi)部變量用于煤耗建模[5,15]。本文選取內(nèi)部變量為主蒸汽壓力、主蒸汽溫度、再熱蒸汽溫度、排煙溫度、冷凝器真空、給水溫度。

1.3 基于高斯過程回歸模型的機組煤耗特性預(yù)測

本文以各工況下機組負(fù)荷、環(huán)境溫度以及選取的機組內(nèi)部變量為輸入變量，供電煤耗率為輸出變量，利用高斯過程模型方法建立不同工況下的機組煤耗特性預(yù)測模型。高斯過程模型原理為[16]：給定訓(xùn)練數(shù)據(jù)集D={(xi,yi),i=1,…,n}，其中xi={xi1,…,xid}為d維輸入變量，y為輸出變量。若存在某種映射函數(shù)f，構(gòu)成集合Q={f(x1),…,f(xn)}，其中f(x)由均值函數(shù)m(x)和方差函數(shù)k(x,x’)決定，且服從于高斯分布，則該過程為高斯過程，定義為

在實際生產(chǎn)中，引入均值為0、方差為σ2的白噪聲ε，則有

為方便起見，取m(x)=0，則

式中：X=(x1,…,xn)，Ki,j=k(xi,xj)；I為單位矩陣。

對于測試數(shù)據(jù)x*，其對應(yīng)輸出y*，則有

則預(yù)測值y*的表達(dá)式為

其中

本文選擇平方指數(shù)協(xié)方差函數(shù)作為核函數(shù)，其表達(dá)式為

可利用極大似然估計求解超參數(shù)θk。

2 廠級負(fù)荷經(jīng)濟調(diào)度

2.1 目標(biāo)函數(shù)

廠級負(fù)荷經(jīng)濟調(diào)度的目的是在滿足電網(wǎng)指令與安全條件的前提下，通過優(yōu)化廠內(nèi)各機組負(fù)荷，使得廠內(nèi)平均煤耗最小，從而獲得較高的經(jīng)濟效益。因此，廠級負(fù)荷經(jīng)濟調(diào)度的目標(biāo)函數(shù)可表示為

式中，Li為第i個機組負(fù)荷，pi為機組i負(fù)荷為Li時的煤耗率，L∑為電網(wǎng)下達(dá)到廠的總發(fā)電功率。

2.2 約束條件

1）功率平衡約束

電網(wǎng)不能儲能，所以發(fā)電量與用電量須保持動態(tài)平衡，因而機組發(fā)電量必須滿足電網(wǎng)調(diào)度指令的要求，即

2）機組出力限制

由于機組容量的約束以及機組安全運行的需要，各機組所帶負(fù)荷需要滿足

式中：Li,min表示機組i的負(fù)荷下限，通常由鍋爐系統(tǒng)、汽輪機系統(tǒng)和發(fā)電機組可連續(xù)安全、平穩(wěn)運行的最小出力決定；Li,max為機組i的負(fù)荷上限，由機組容量決定。

2.3 優(yōu)化方法

遺傳算法作為一種啟發(fā)式智能優(yōu)化方法已成為負(fù)荷經(jīng)濟調(diào)度的熱門研究方法[2]。本文根據(jù)目標(biāo)函數(shù)特點選取遺傳算法優(yōu)化求解經(jīng)濟調(diào)度問題。

3 案例分析

選取東北地區(qū)某電廠超臨界3×350 MW燃煤純凝發(fā)電機組為研究對象，驗證本文方法的有效性，分析優(yōu)化調(diào)度前后機組的節(jié)煤潛力。該機組采用HG-1110/25.4-HM2型超臨界鍋爐、中間一次再熱系統(tǒng)。從電廠SIS中選取機組2019年4月前21天歷史數(shù)據(jù)進行分析，數(shù)據(jù)采樣間隔為1 min，共計獲得3×30 240組運行數(shù)據(jù)樣本。以機組A為例，利用1.1節(jié)的滑動窗口技術(shù)對歷史運行數(shù)據(jù)篩選獲取穩(wěn)態(tài)運行數(shù)據(jù)，設(shè)定滑動窗口寬度為30，窗口滑動步長為1，通過篩選獲得穩(wěn)態(tài)運行數(shù)據(jù)15 163組。需要說明的是，隨著新能源發(fā)電機組的并網(wǎng)，煤電機組經(jīng)常承擔(dān)調(diào)峰調(diào)頻任務(wù)，機組負(fù)荷突破運行下限，處于低負(fù)荷運行狀態(tài)，為了維持機組重要運行參數(shù)的穩(wěn)定，減少負(fù)荷波動，負(fù)荷控制方式由自動改為手動。在實際的廠級負(fù)荷調(diào)度時，通常并不會使機組運行在低負(fù)荷狀態(tài)，因而本文并未考慮低負(fù)荷運行狀態(tài)的穩(wěn)態(tài)數(shù)據(jù)。結(jié)合現(xiàn)場實際，本文將負(fù)荷值小于150 MW作為低負(fù)荷運行狀態(tài)，選取大于150 MW的穩(wěn)態(tài)數(shù)據(jù)作為經(jīng)濟調(diào)度的依據(jù)。圖1為一段時間內(nèi)的歷史運行數(shù)據(jù)與篩選的穩(wěn)態(tài)數(shù)據(jù)。

圖1 穩(wěn)態(tài)檢測數(shù)據(jù)結(jié)果Fig.1 The results of steady-state detection

為了獲得更準(zhǔn)確的機組煤耗特性，需對穩(wěn)態(tài)數(shù)據(jù)進行工況劃分以研究每類工況下機組的煤耗特性。本文選取機組負(fù)荷與環(huán)境溫度為工況劃分指標(biāo)。對于負(fù)荷指標(biāo)，利用模糊C均值聚類算法對負(fù)荷進行聚類，并通過式(1)確定最優(yōu)聚類數(shù)為5，負(fù)荷聚類劃分結(jié)果如圖2所示。

圖2 負(fù)荷聚類劃分結(jié)果Fig.2 The results for load clustering

對于環(huán)境溫度指標(biāo)，由于數(shù)據(jù)中溫度變化范圍為5~20 ℃，根據(jù)1.2節(jié)設(shè)定的劃分規(guī)則，環(huán)境溫度可分為[5, 10）、[10, 15)、[15, 20) 3個類別。因此，根據(jù)外部因素可獲得15類穩(wěn)態(tài)運行工況。15類穩(wěn)態(tài)工況劃分結(jié)果見表2。

表2 穩(wěn)態(tài)工況劃分Tab.2 The steady state working conditions division

在每一類穩(wěn)態(tài)工況下，以負(fù)荷、環(huán)境溫度以及所選內(nèi)部變量為輸入變量，機組供電煤耗率為輸出變量，利用1.3節(jié)高斯過程回歸算法建立各工況下煤耗率模型。以工況3為例，即負(fù)荷范圍為[150.00,170.50] MW，溫度范圍為[15~20) ℃。將工況3數(shù)據(jù)分為訓(xùn)練集與測試集2個部分，在訓(xùn)練集基礎(chǔ)上利用高斯過程回歸算法建立機組煤耗率預(yù)測模型，并通過測試集數(shù)據(jù)以模型預(yù)測均方根誤差（δRMSE）為指標(biāo)檢驗所建模型預(yù)測效果。工況3下，模型預(yù)測均方根誤差δRMSE=0.012 5，滿足實際應(yīng)用要求。為了體現(xiàn)數(shù)據(jù)挖掘方法的優(yōu)越性，本文選取在160、210、260、280 MW典型負(fù)荷處數(shù)據(jù)建立典型負(fù)荷工況煤耗模型[5]，并利用工況3測試數(shù)據(jù)驗證。圖3為2種煤耗模型預(yù)測值與實際測試值對比。從圖3中可以看出，本文算法的預(yù)測效果優(yōu)于典型負(fù)荷工況下模型的預(yù)測效果，體現(xiàn)了數(shù)據(jù)挖掘方法的優(yōu)越性。

圖3 2種模型煤耗率預(yù)測值與實際值對比Fig.3 Comparison of coal consumption rate between the predicted values of two models and the actual values

為了驗證本文負(fù)荷經(jīng)濟調(diào)度方法的有效性，將經(jīng)濟調(diào)度后的廠級平均煤耗率與AGC單機平均分配的煤耗率進行對比，評估機組的節(jié)煤潛力。選取環(huán)境溫度為[15~20）℃的工況，分別建立機組A、B、C煤耗率模型，并以此為基礎(chǔ)根據(jù)式(10)構(gòu)建優(yōu)化目標(biāo)函數(shù)，同時利用遺傳算法進行求解，獲得各機組負(fù)荷值與廠級平均煤耗率。表3為總負(fù)荷為500、700、850 MW時，通過經(jīng)濟調(diào)度后各機組所帶負(fù)荷值與平均煤耗率，并與單機調(diào)度的煤耗率進行對比。通過表3可以看出，機組經(jīng)濟調(diào)度后的煤耗率低于經(jīng)濟調(diào)度前的煤耗率，按照電廠購煤平均煤價581元/t，在總負(fù)荷為500、700、850 MW時，平均1 kW·h的供電煤耗能夠分別降低約0.04分、0.10分、0.07分左右，優(yōu)化分配效果顯著。因此，本文負(fù)荷經(jīng)濟調(diào)度方法使得機組的節(jié)煤能力得到提升，電廠的經(jīng)濟效益得到提高。

表3 機組負(fù)荷經(jīng)濟調(diào)度前后結(jié)果對比Tab.3 The operation results of the unit before and after economic load dispatch

為了進一步對比不同總負(fù)荷時，機組的節(jié)煤效果，圖4給出了在不同負(fù)荷需求下經(jīng)濟調(diào)度方法與單機調(diào)度方法平均煤耗率以及相較于單機調(diào)度方法的節(jié)煤能力。由圖4可見，負(fù)荷需求在機組最小或最大出力時，由于沒有節(jié)煤空間，廠級經(jīng)濟調(diào)度與單機調(diào)度煤耗率基本相同，在此范圍內(nèi)，優(yōu)化調(diào)度的煤耗率一直低于單機調(diào)度的煤耗率。特別地，當(dāng)負(fù)荷需求在750~850 MW時，優(yōu)化調(diào)度的節(jié)煤能力最好，最高可節(jié)煤1.77 g/(kW·h)，進一步說明了本文方法的有效性。

圖4 平均煤耗率與節(jié)煤能力Fig.4 The average coal consumption rate and coal saving capacity

4 結(jié) 論

隨著數(shù)據(jù)測量、存儲等技術(shù)的發(fā)展，燃煤發(fā)電機組積累了海量歷史運行數(shù)據(jù)，針對這一特點，本文提出了基于數(shù)據(jù)挖掘技術(shù)的燃煤機組廠級負(fù)荷經(jīng)濟調(diào)度方法。該方法一方面利用數(shù)據(jù)挖掘技術(shù)處理歷史運行數(shù)據(jù)，構(gòu)建穩(wěn)態(tài)運行工況，同時結(jié)合高斯過程回歸模型構(gòu)建機組煤耗特性模型；另一方面在所建煤耗模型的基礎(chǔ)上，構(gòu)建廠級負(fù)荷調(diào)度模型，利用遺傳算法求解實現(xiàn)機組負(fù)荷經(jīng)濟調(diào)度。仿真實例表明，相較于單機調(diào)度本文方法能有效降低電廠平均煤耗率，提高電廠的節(jié)煤能力。