CN102298321A - 基于序列模式挖掘的火电厂球磨机制粉系统节能优化方法 - Google Patents

基于序列模式挖掘的火电厂球磨机制粉系统节能优化方法 Download PDF

Info

Publication number
CN102298321A
CN102298321A CN2011101626362A CN201110162636A CN102298321A CN 102298321 A CN102298321 A CN 102298321A CN 2011101626362 A CN2011101626362 A CN 2011101626362A CN 201110162636 A CN201110162636 A CN 201110162636A CN 102298321 A CN102298321 A CN 102298321A
Authority
CN
China
Prior art keywords
inp
sequence pattern
grinding machine
pulverized coal
preparation system
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN2011101626362A
Other languages
English (en)
Other versions
CN102298321B (zh
Inventor
曹晖
司刚全
贾立新
张彦斌
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xian Jiaotong University
Original Assignee
Xian Jiaotong University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Xian Jiaotong University filed Critical Xian Jiaotong University
Priority to CN2011101626362A priority Critical patent/CN102298321B/zh
Publication of CN102298321A publication Critical patent/CN102298321A/zh
Application granted granted Critical
Publication of CN102298321B publication Critical patent/CN102298321B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Crushing And Grinding (AREA)
  • Feedback Control In General (AREA)
  • Disintegrating Or Milling (AREA)

Abstract

一种基于序列模式挖掘的火电厂球磨机制粉系统节能优化方法,对现场记录数据进行序列模式挖掘过程,自动获得磨机负荷l、磨机出口温度ot、磨机入口负压inp、热风门开度uh、在循环风门开度ur、磨机出力pc、磨机负荷设定值lsv、磨机出口温度设定值otsv和磨机入口负压设定值inpsv之间的序列模式,并在当前运行数据与得到的序列模式的基础上,采用逐项搜索方法确定出当前工况下磨机负荷、磨机出口温度和磨机入口负压的最佳设定值,这样简便易行且通用性好,并使得制粉系统在安全稳定的前提下一直在最佳方式下运行,这样不仅为锅炉系统的优质燃烧提供了有效保证,而且能够提高火电厂的经济效益。

Description

基于序列模式挖掘的火电厂球磨机制粉系统节能优化方法
技术领域
本发明涉及火电厂球磨机制粉系统节能优化方法,具体涉及一种基于序列模式挖掘的火电厂球磨机制粉系统节能优化方法。
背景技术
我国的燃煤火力发电厂中,球磨机制粉系统应用非常广泛。由于制粉系统是锅炉的主要辅助设备,所以它的安全稳定运行会直接影响到整个发电机组的安全性和可靠性。同时,球磨机制粉系统的耗电量约占厂用电量的15%~25%,其经济运行直接影响到火电厂的经济效益。但是,目前国内大部分火电厂的制粉系统仍然处于依靠工作人员经验的手动控制状态。跑粉、漏风、超温、欠煤、堵煤等现象时有发生,甚至发生爆炸事故,造成设备损坏,发电机组停运,带来严重的经济损失。在人工操作情况下,为了防止事故发生,运行人员常常将球磨机调整在远低于最佳工作点的位置上运行,虽然这时制粉系统能够安全运行,但球磨机出力小,厂用电消耗大,经济效益差。
因此,人们一直致力于解决球磨机制粉系统运行的优化问题。球磨机制粉系统优化就是找到当前运行条件下制粉系统所能达到的最佳工况,即优化目标值。而将优化目标值作为控制变量的设定值提供给操作人员或者是自动控制的控制器,则可以使得球磨机制粉系统达到最佳的工作状态。因此,对于球磨机制粉系统最佳运行设定值的寻找也成了球磨机制粉系统节能优化的关键所在。
国外火力发电厂制粉系统的自动化程度较高,计算机控制技术也得到了普遍的使用,但是国外电厂多采用的是中速磨煤机直吹式制粉系统,与国内广泛采用的球磨机制粉系统结构不同,无法照搬。
目前,在我国煤炭、电力能源短缺,安全生产形式依然严峻的情况下,提出基于序列模式挖掘的火电厂球磨机制粉系统节能优化方法,对确保发电企业的安全、经济运行,具有十分重要的意义,而目前国内火电厂球磨机制粉系统的运行设定值都是根据制造厂提供的设计值或通过现场试验而得到的。然而在实际运行过程中,由于煤质变化、钢球磨损以及机组负荷的变化等,往往会使最佳设定值发生漂移。如果定期进行现场试验,不仅增加运行人员和维护人员的工作强度,还会直接影响到球磨机制粉系统正常的生产运行。因此,很多火电厂采用参考历史数据统计值的方法,即通过对一段时间内系统运行指标数据进行分析和统计,来得到某些指标的最优目标值。但是,由于统计是一个复杂费时的过程,且原始数据是没有经过验证的,所以统计需要经过数据验证、选择典型数据和考虑边界条件的影响,然后才能给出应答值。由于这一过程繁琐,采用这种方法的系统一般也不对分析结果进行经常性的更新,使得分析结果和系统状态并不符合。采用变工况热力计算方法可以确定出当前工况下的最佳设定值,但该计算结果会受到计算模型的影响,而且计算得到的都是理论值,在运行中也较难达到。
为了解决目前使用方法所存在的问题,人们积极探索了很多先进的优化算法。有人提出了球磨机制粉系统的自寻优算法,它根据磨机负荷的变化来判断球磨机制粉系统是否工作在最佳工况,从而修正控制设定值。有人提出了预估比较的动态步进搜索法,它在控制设定值起始状态的基础上作一个有限的变化,然后测量由这种改变引起输出量变化的大小和方向,当辨明方向后,再按需要的方向调节被控对象的输入。这类自寻优算法不依赖对象的数学模型且便于实现,但其寻优步长不易确定,使其在具体使用上不甚方便。此外,该类方法同时考虑到边界条件的变化,目标值的可信度和对运行的指导性。但由于边界条件众多,导致目标值曲线在较短的时间内难以统计完成。经过很长时间,曲线完成后,但曲线上有很多点已经偏离了球磨机制粉系统的状态。有人提出一种自适应稳态工作点优化算法,它基于在线辨识的静态增益,不断优化设定值和被控量,寻找最佳工作点。在此基础上,有人又做了进一步的研究和分析。虽然该方法既适用于球磨机制粉系统手动运行,又适用于自动运行,但是由于该方法需要估计带约束系统静态增益矩阵的变化,因此不仅步骤较为繁琐而且对制粉系统的数学模型的依赖性很大。有人针对自寻优方法中步长的选择,提出一种模糊最优控制算法。然而,同样由于该算法中的隶属度函数和模糊规则仍是根据专家经验得到,所以该方法也缺乏一定的通用性。有人提出了一种基于遗传算法的球磨机制粉系统运行优化方法。通过遗传机理在有效参数调整范围内搜索系统运行的最优值,为现场实际运行提供指导。有人提出了基于支持向量机的方法,利用最小二乘支持向量机对球磨机制粉系统进行建模,然后采用混合遗传算法对模型寻优,以获得不同工况下制粉单耗的最佳运行方式。遗传算法和支持向量机建模的方法除了前面提到的一些不足以外,算法本身较为复杂,在工程上很难得以应用。
发明内容
为了克服上述现有技术存在的不足,本发明的目的在于提供一种基于序列模式挖掘的火电厂球磨机制粉系统节能优化方法,简便易行且通用性好,并使得制粉系统在安全稳定的前提下一直在最佳方式下运行,这样不仅为锅炉系统的优质燃烧提供了有效保证,而且能够提高火电厂的经济效益。
为了达到上述目的,本发明所采用的技术方案是:
一种基于序列模式挖掘的火电厂球磨机制粉系统节能优化方法,步骤如下:
步骤1:首先火电厂球磨机制粉系统利用模拟量采集模块采集信号数据构成现场历史数据库,再调用序列模式挖掘生成模块构建序列模式挖掘数据库D,随后火电厂球磨机制粉系统通过表达式对其存储器内的现场历史数据库中的可变存储单元的值进行转化,转化后再将可变存储单元中记录的热风门开度uh、在循环风门开度ur、磨机出力pc、磨机负荷设定值lsv、磨机出口温度设定值otsv和磨机入口负压设定值inpsv按照预设的相同时间间隔且一次形成一条记录的模式同时被写入序列模式挖掘数据库D内的可变存储单元中,每一条记录看作一个对象,如果将每个可变存储单元的值看作是数据库的维,则序列模式挖掘数据库D是个9维数据库,另外序列模式挖掘数据库D内的磨机负荷l、磨机出口温度ot、磨机入口负压inp、热风门开度uh以及在循环风门开度ur所组成的集合{l,ot,inp,uh,ur}是前件集合,而序列模式挖掘数据库D内的磨机出力pc、磨机负荷设定值lsv、磨机出口温度设定值otsv和磨机入口负压设定值所组成的集合{pc,lsv,otsv,inpsv}是后件集合,磨机负荷l、磨机出口温度ot、磨机入口负压inp、热风门开度uh、在循环风门开度ur、磨机出力pc、磨机负荷设定值lsv、磨机出口温度设定值otsv和磨机入口负压设定值inpsv的值域为[0,1];
步骤2:火电厂球磨机制粉系统通过序列模块将序列模式挖掘数据库D序列化并得到其相邻两个对象分别在磨机负荷l、磨机出口温度ot、磨机入口负压inp、热风门开度uh以及在循环风门开度ur的值的差,即磨机负荷变化值Δl、磨机出口温度变化值Δot、磨机入口负压变化值Δinp、热风门开度变化值Δuh和循环风门开度变化值Δur,由此得到序列化数据库为D*,即
D*={l,ot,np,uh,ur,Δl,Δot,Δinp,Δuh,Δur,pc,lsv,otsv,inpsv}
以及扩展前件集合为{l,ot,np,uh,ur,Δl,Δot,Δinp,Δuh,Δur},磨机负荷变化值Δl、磨机出口温度变化值Δot、磨机入口负压变化值Δinp、热风门开度变化值Δuh和循环风门开度变化值Δur的值域为[-1,1];
步骤3:火电厂球磨机制粉系统设定磨机负荷l、磨机出口温度ot、磨机入口负压inp、热风门开度uh、在循环风门开度ur、磨机出力pc、磨机负荷设定值lsv、磨机出口温度设定值otsv和磨机入口负压设定值inpsv的语言变量分别为L、OT、INP、Uh、Ur、PC、Lsv、OTsv和INPsv,语言变量L、OT、INP、Uh、Ur、PC、Lsv、OTsv和INPsv的论域选择为[0,1],语言变量L、OT、INP、Uh、Ur、PC、Lsv、OTsv和INPsv的语言值均为{S,RS,M,RB,B},S、RS、M、RB和B分别代表低、较低、中等、较高和高,磨机负荷变化值Δl、磨机出口温度变化值Δot、磨机入口负压变化值Δinp、热风门开度变化值Δuh和循环风门开度变化值Δur的语言变量分别为ΔL、ΔOT、ΔINP、ΔUh和ΔUr,ΔL、ΔOT、ΔINP、ΔUh和ΔUr的论域选择也为[-1,1],而ΔL、ΔOT、ΔINP、ΔUh和ΔUr的语言值均选择{NB,NS,ZO,PS,PB},NB、NS、ZO、PS和PB分别代表负大、负小、零、正小和正大;
步骤4:火电厂球磨机制粉系统按照语言变量L的语言值,将序列化数据库D*的维l扩展成维lS维lRS、维lM、维lRB和维lB,并称维lS维lRS、维lM、维lRB和维lB为维l的扩展维。接着,根据维l的隶属度函数和序列化数据库D*中每个对象在维l的值,确定每个对象在维lS维lRS、维lM、维lRB和维lB的隶属度值,语言变量L、OT、INP、Uh、Ur、PC、Lsv、OTsv和INPsv采用相同的论域为[0,1]的等腰三角形隶属度函数,ΔL、ΔOT、ΔINP、ΔUh和ΔUr采用相同的论域为[-1,1]的等腰三角形隶属度函数。采用同样的方法,对D*中其它维进行扩展,并确定每个对象在这些扩展维上的隶属度值,扩展后的数据库为D′;
步骤5:火电厂球磨机制粉系统使用滑动时间窗口的方法,将扩展后数据库D′分割成M个子序列,其中第k个子序列DSk可以表示为:
DS k = ( d ( k - 1 ) w g + 1 , d ( k - 1 ) w g + 2 , L , d ( k - 1 ) w g + w s )
其中,k∈{1,2,L,M},dj和j∈{(k-1)wg+1,(k-1)wg+2,L,(k-1)wg+ws}表示子序列DSk中的一个对象,wg为对象标示,ws为对象维度幅值,M为大于1的自然数,k为小于等于M的自然数;
步骤6:火电厂球磨机制粉系统读取扩展后数据库D′分割后的第一个序列DS1,并在DS1中进行序列模式挖掘;
步骤7:火电厂球磨机制粉系统从扩展后数据库D′中维l的扩展维和维Δl的扩展维里分别选择一个维出来组合成一条候选序列模式前件CSPA,根据下式计算CSPA的模糊序列模式支持度SSup:
SSup ( CSPA ) = Σ j = 1 w s ( Π x ∈ CSPA μ ( x j ) )
式中,
Figure BDA0000068843900000063
是DS1中第j个对象关于候选序列模式前件CSPA中各元素隶属度值的积,ws为对象维度幅值,如果SSup(CSPA)大于等于最小支持度阈值σ(sup),该CSPA被称为强序列模式前件SSPA,遍历所有维DI的扩展维的组合,可得到关于维DI的强序列模式前件集SSPASl
步骤8:火电厂球磨机制粉系统采用步骤7的方法,得到ot和Δot的强序列模式前件集SSPASot,inp和Δinp的强序列模式前件集SSPASinp,uh和Δuh的强序列模式前件集
Figure BDA0000068843900000064
ur和Δur的强序列模式前件集
Figure BDA0000068843900000065
步骤9:火电厂球磨机制粉系统分别从SSPASl、SSPASot、SSPASinp
Figure BDA0000068843900000067
中选择一个SSPA出来组合成一条候选联合序列模式前件CCSPA,若候选联合序列模式前件CCSPA的模糊序列模式支持度SSup(CCSPA)≥σ(sup),则该候选联合序列模式前件CCSPA被称为强联合序列模式前件SCSPA,遍历所有SSPASl、SSPASot、SSPASinp
Figure BDA0000068843900000068
Figure BDA0000068843900000069
中SSPA的组合,可以得到强联合序列模式前件集SCSPAS;
步骤10:火电厂球磨机制粉系统分别从磨机出力pc、磨机负荷设定值lsv、磨机出口温度设定值otsv和磨机入口负压设定值inpsv的各自扩展维中选择一个维出来组合成一条联合候选序列模式后件CCSPC,若SSup(CCSPC)≥σ(sup),则该CCSPC被称为强联合序列模式后件SCSPC,遍历所有磨机出力pc、磨机负荷设定值lsv、磨机出口温度设定值otsv和磨机入口负压设定值inpsv的扩展维的组合,可以得到磨机出力pc、磨机负荷设定值lsv、磨机出口温度设定值otsv和磨机入口负压设定值inpsv的的强联合序列模式后件集SCSPCS;
步骤11:火电厂球磨机制粉系统从强序列模式前件集SCSPAS中选择出的一个候选联合序列模式前件CCSPA和从强联合序列模式后件集SCSPCS中选择出的一个联合候选序列模式后件CCSPC组合,形成的序列模式被称作候选子序列模式CSSP,将选择出的候选联合序列模式前件CCSPA和联合候选序列模式后件CCSPC分别用A和B表示,则根据下式计算CSSP的模糊序列模式置信度SConf:
SConf ( CSSP ) = Σ j = 1 w s ( Π x ∈ A μ ( x j ) × Π y ∈ B μ ( y j ) ) Σ j = 1 w s ( Π x ∈ A μ ( x j ) )
式中:
Figure BDA0000068843900000072
是DS1中第j个对象关于A中各元素的隶属度值的积,
Figure BDA0000068843900000073
是DS1中第j个对象关于B中各元素的隶属度值的积,如果模糊序列模式置信度SConf(CSSP)大于等于最小置信度阈值(σ(conf)),该CSSP被称为强子序列模式SSSP,遍历所有强序列模式前件集SCSPAS中候选联合序列模式前件CCSPA和强联合序列模式后件集SCSPCS中联合候选序列模式后件CCSPC的组合,可得到子序列DS1的强子序列模式集SSSPS;
步骤12:火电厂球磨机制粉系统滑动时间窗口,读取下一子序列DSk,下一子序列DSk替代DS1重复执行步骤7~步骤11,得到的一组DSk的强子序列模式集,将这些强子序列模式与已有的强子序列模式进行比较后,相同的删除而不同的则保留;
步骤13:火电厂球磨机制粉系统判断如果所有的子序列DSk已经读取,则进行下一步骤;否则,跳转到步骤12执行;
步骤14:火电厂球磨机制粉系统合并所有子序列DSk的强子序列模式集SSSPS,得到数据库D的模糊序列模式集MFSP并输出;
步骤15:火电厂球磨机制粉系统通过测量模块测量当前工况下的磨机负荷l、磨机出口温度ot、磨机入口负压inp、热风门开度uh、在循环风门开度ur的运行值且分别由l′、ot′、inp′、u′h和u′r来表征;
步骤16:火电厂球磨机制粉系统根据所述的论域选择为[0,1]的等腰三角形隶属度函数将l′、ot′、inp′、u′h和u′r模糊化,且由它们对应的语言值所有组合形成初始前件集ICS,其初始前件为{L′,OT′,INP′,U′h,U′r},其中L′、OT′、INP′、U′h和U′r分别为l′、ot′、inp′、u′h和u′r的语言值;
步骤17:火电厂球磨机制粉系统搜索模糊序列模式集MFSP,得到初始序列模式ISP,其中初始序列模式ISP满足初始序列模式
Figure BDA0000068843900000081
步骤18:初始序列模式ISP中,磨机负荷变化值Δl、磨机出口温度变化值Δot、磨机入口负压变化值Δinp对应的语言值是ΔL′、ΔOT′和ΔINP′,火电厂球磨机制粉系统根据所述的论域选择为[-1,1]的等腰三角形隶属度函数将ΔL′、ΔOT′和ΔINP′去模糊化,且分别变化到各自值域范围得到Δl′、Δot′和Δinp′,令lT,otT和inpT为磨机负荷l、磨机出口温度ot、磨机入口负压inp的临时设定值,则lT=(l′+Δl′)、otT=(ot′+Δot′)且inpT=(inp′+Δinp′);
步骤19:火电厂球磨机制粉系统根据lT,otT和inpT分别调整给煤量、热风门开度和在循环风开度;并通过火电厂球磨机制粉系统的自动控制模块将l、ot和inp的设定值调整到lT、otT和inpT
步骤20:当火电厂球磨机制粉系统进入新的稳态后,导出磨机出力pc的改变量,如果磨机出力pc增大,则计算当前热风门开度uh和在循环风门开度ur各自对应的变化量Δu′h和Δu′r,并根据所述的论域选择为[-1,1]的等腰三角形隶属度函数将变化量Δu′h和Δu′r模糊化后得到各自对应的语言值ΔU′h和ΔU′r
步骤21:火电厂球磨机制粉系统搜索模糊序列模式集MFSP,得到候选序列模式CSP并记录在目标序列模式集TSPS中,其中候选序列模式CSP满足候选序列模式 CSP ⊃ { L ′ , OT ′ , INP ′ , U h ′ , U r ′ , ΔU h ′ , ΔU r ′ } ;
步骤22:火电厂球磨机制粉系统搜索模糊序列模式集MFSP得到另一个初始序列模式ISP,且重复步骤18~步骤21后得到另一个候选序列模式CSP;
步骤23:火电厂球磨机制粉系统如果没有搜索到新的初始序列模式ISP,则进入下一步骤;否则,跳转到步骤22;
步骤24:火电厂球磨机制粉系统如果已经遍历了所有的初始序列模式ISP,则进行下一步骤;否则,跳转到步骤21;
步骤25:火电厂球磨机制粉系统判断若目标序列模式集
Figure BDA0000068843900000092
则说明球磨机制粉系统在当前工况下已经基本处于最佳运行状态;若
Figure BDA0000068843900000093
则将Lsv、OTsv和INPsv去模糊化且变化到各自值域范围得到磨机负荷设定值lsv、磨机出口温度设定值otsv和磨机入口负压设定值inpsv,这样得到的磨机负荷设定值lsv、磨机出口温度设定值otsv和磨机入口负压设定值inpsv就是当前工况下球磨机制粉系统的磨机负荷、磨机出口温度和磨机入口负压的最佳设定值。
步骤26:根据所述的最佳设定值,提供给火电厂球磨机制粉系统的控制器进行设置,可使火电厂球磨机制粉系统一直在最佳方式下运行。
所述的火电厂球磨机制粉系统采用PLC或者控制模块和工控机组成的DCS系统。
所述的DCS系统利用模拟量采集模块采集信号数据时进行预处理,针对磨机负荷信号数据的预处理为,在模拟量采集模块设置平均值滤波128点,采集速率为500ms以上,并对该磨机负荷信号数据设置一阶惯性滤波,一阶惯性滤波公式为:
y(k)=αx(k)+(1-α)y(k-1)
式中,y(k)为本次最终结果,y(k-1)为上次最终结果,x(k)为本次实时测量值,α为滤波系数,k为大于1的自然数;针对磨机出口温度信号出数据的预处理为,在模拟量采集模块设置平均值滤波64点;针对磨机入口负压信号数据的预处理为,在模拟量采集模块设置平均值滤波128点,根据信号波动量大小,设置滑动平均滤波或一阶惯性滤波,其中一阶惯性滤波公式为:
y(k)=αx(k)+(1-α)y(k-1)
式中,y(k)为本次最终结果,y(k-1)为上次最终结果,x(k)为本次实时测量值,α为滤波系数,k为大于1的自然数。
通过对现场记录数据进行序列模式挖掘过程,自动获得磨机负荷l、磨机出口温度ot、磨机入口负压inp、热风门开度uh、在循环风门开度ur、磨机出力pc、磨机负荷设定值lsv、磨机出口温度设定值otsv和磨机入口负压设定值inpsv之间的序列模式,并在当前运行数据与得到的序列模式的基础上,采用逐项搜索方法确定出当前工况下磨机负荷、磨机出口温度和磨机入口负压的最佳设定值,该方法通过序列模式挖掘过程得到运行参数相关的模糊序列模式,并在此基础上通过逐项搜索方法确定出当前工况下运行参数的最佳设定值,其中,采用改进模糊序列支持度和模糊序列置信度确保了挖掘结果的正确性,采用滑动时间窗技术保证了所得模糊序列模式的完备性,这样简便易行且通用性好,并使得制粉系统在安全稳定的前提下一直在最佳方式下运行,这样不仅为锅炉系统的优质燃烧提供了有效保证,而且能够提高火电厂的经济效益。
具体实施方式
下面结合实施例对本发明作更详细的说明。
基于序列模式挖掘的火电厂球磨机制粉系统节能优化方法,步骤如下:
步骤1:首先火电厂球磨机制粉系统调用序列模式挖掘生成模块构建序列模式挖掘数据库D,随后火电厂球磨机制粉系统通过
Figure BDA0000068843900000111
表达式对其存储器内的现场历史数据库中的可变存储单元的值进行转化,转化后再将可变存储单元中记录的磨机负荷l、磨机出口温度ot、磨机入口负压inp、热风门开度uh、在循环风门开度ur、磨机出力pc、磨机负荷设定值lsv、磨机出口温度设定值otsv和磨机入口负压设定值inpsv按照预设的相同时间间隔且一次形成一条记录的模式同时被写入序列模式挖掘数据库D内的可变存储单元中,每一条记录看作一个对象,如果将每个可变存储单元的值看作是数据库的维,则序列模式挖掘数据库D是个9维数据库,另外序列模式挖掘数据库D内的磨机负荷l、磨机出口温度ot、磨机入口负压inp、热风门开度uh以及在循环风门开度ur所组成的集合{l,ot,inp,uh,ur}是前件集合,而序列模式挖掘数据库D内的磨机出力pc、磨机负荷设定值lsv、磨机出口温度设定值otsv和磨机入口负压设定值所组成的集合{pc,lsv,otsv,inpsv}是后件集合,磨机负荷l、磨机出口温度ot、磨机入口负压inp、热风门开度uh、在循环风门开度ur、磨机出力pc、磨机负荷设定值lsv、磨机出口温度设定值otsv和磨机入口负压设定值inpsv的值域为[0,1];
步骤2:火电厂球磨机制粉系统通过序列模块将序列模式挖掘数据库D序列化并得到其相邻两个对象分别在磨机负荷l、磨机出口温度ot、磨机入口负压inp、热风门开度uh以及在循环风门开度ur的值的差,即磨机负荷变化值Δl、磨机出口温度变化值Δot、磨机入口负压变化值Δinp、热风门开度变化值Δuh和循环风门开度变化值Δur,由此得到序列化数据库为D*,即
D*={l,ot,np,uh,ur,Δl,Δot,Δinp,Δuh,Δur,pc,lsv,otsv,inpsv}
以及扩展前件集合为{l,ot,np,uh,ur,Δl,Δot,Δinp,Δuh,Δur},磨机负荷变化值Δl、磨机出口温度变化值Δot、磨机入口负压变化值Δinp、热风门开度变化值Δuh和循环风门开度变化值Δur的值域为[-1,1];
步骤3:火电厂球磨机制粉系统设定磨机负荷l、磨机出口温度ot、磨机入口负压inp、热风门开度uh、在循环风门开度ur、磨机出力pc、磨机负荷设定值lsv、磨机出口温度设定值otsv和磨机入口负压设定值inpsv的语言变量分别为L、OT、INP、Uh、Ur、PC、Lsv、OTsv和INPsv,语言变量L、OT、INP、Uh、Ur、PC、Lsv、OTsv和INPsv的论域选择为[0,1],语言变量L、OT、INP、Uh、Ur、PC、Lsv、OTsv和INPsv的语言值均为{S,RS,M,RB,B},S、RS、M、RB和B分别代表低、较低、中等、较高和高,磨机负荷变化值Δl、磨机出口温度变化值Δot、磨机入口负压变化值Δinp、热风门开度变化值Δuh和循环风门开度变化值Δur的语言变量分别为ΔL、ΔOT、ΔINP、ΔUh和ΔUr,ΔL、ΔOT、ΔINP、ΔUh和ΔUr的论域选择也为[-1,1],而ΔL、ΔOT、ΔINP、ΔUh和ΔUr的语言值均选择{NB,NS,ZO,PS,PB},NB、NS、ZO、PS和PB分别代表负大、负小、零、正小和正大;
步骤4:火电厂球磨机制粉系统按照语言变量L的语言值,将序列化数据库D*的维l扩展成维lS维lRS、维lM、维lRB和维lB,并称维lS维lRS、维lM、维lRB和维lB为维l的扩展维。接着,根据维l的隶属度函数和序列化数据库D*中每个对象在维l的值,确定每个对象在维lS维lRS、维lM、维lRB和维lB的隶属度值,语言变量L、OT、INP、Uh、Ur、PC、Lsv、OTsv和INPsv采用相同的论域为[0,1]的等腰三角形隶属度函数,ΔL、ΔOT、ΔINP、ΔUh和ΔUr采用相同的论域为[-1,1]的等腰三角形隶属度函数。采用同样的方法,对D*中其它维进行扩展,并确定每个对象在这些扩展维上的隶属度值,扩展后的数据库为D′;
步骤5:火电厂球磨机制粉系统使用滑动时间窗口的方法,将扩展后数据库D′分割成M个子序列,其中第k个子序列DSk可以表示为:
DS k = ( d ( k - 1 ) w g + 1 , d ( k - 1 ) w g + 2 , L , d ( k - 1 ) w g + w s )
其中,k∈{1,2,L,M},dj和j∈{(k-1)wg+1,(k-1)wg+2,L,(k-1)wg+ws}表示子序列DSk中的一个对象,wg为对象标示,ws为对象维度幅值,M为大于1的自然数,k为小于等于M的自然数;
步骤6:火电厂球磨机制粉系统读取扩展后数据库D′分割后的第一个序列DS1,并在DS1中进行序列模式挖掘;
步骤7:火电厂球磨机制粉系统从扩展后数据库D′中维l的扩展维和维Δl的扩展维里分别选择一个维出来组合成一条候选序列模式前件CSPA,根据下式计算CSPA的模糊序列模式支持度SSup:
SSup ( CSPA ) = Σ j = 1 w s ( Π x ∈ CSPA μ ( x j ) )
式中,是DS1中第j个对象关于候选序列模式前件CSPA中各元素隶属度值的积,ws为对象维度幅值,如果SSup(CSPA)大于等于最小支持度阈值σ(sup),该CSPA被称为强序列模式前件SSPA,遍历所有维DI的扩展维的组合,可得到关于维DI的强序列模式前件集SSPASl
步骤8:火电厂球磨机制粉系统采用步骤7的方法,得到ot和Δot的强序列模式前件集SSPASot,inp和Δinp的强序列模式前件集SSPASinp,uh和Δuh的强序列模式前件集
Figure BDA0000068843900000141
ur和Δur的强序列模式前件集
Figure BDA0000068843900000142
步骤9:火电厂球磨机制粉系统分别从SSPASl、SSPASot、SSPASinp
Figure BDA0000068843900000143
Figure BDA0000068843900000144
中选择一个SSPA出来组合成一条候选联合序列模式前件CCSPA,若候选联合序列模式前件CCSPA的模糊序列模式支持度SSup(CCSPA)≥σ(sup),则该候选联合序列模式前件CCSPA被称为强联合序列模式前件SCSPA,遍历所有SSPASl、SSPASot、SSPASinp
Figure BDA0000068843900000145
Figure BDA0000068843900000146
中SSPA的组合,可以得到强联合序列模式前件集SCSPAS;
步骤10:火电厂球磨机制粉系统分别从磨机出力pc、磨机负荷设定值lsv、磨机出口温度设定值otsv和磨机入口负压设定值inpsv的各自扩展维中选择一个维出来组合成一条联合候选序列模式后件CCSPC,若SSup(CCSPC)≥σ(sup),则该CCSPC被称为强联合序列模式后件SCSPC,遍历所有磨机出力pc、磨机负荷设定值lsv、磨机出口温度设定值otsv和磨机入口负压设定值inpsv的扩展维的组合,可以得到磨机出力pc、磨机负荷设定值lsv、磨机出口温度设定值otsv和磨机入口负压设定值inpsv的的强联合序列模式后件集SCSPCS;
步骤11:火电厂球磨机制粉系统从强序列模式前件集SCSPAS中选择出的一个候选联合序列模式前件CCSPA和从强联合序列模式后件集SCSPCS中选择出的一个联合候选序列模式后件CCSPC组合,形成的序列模式被称作候选子序列模式CSSP,将选择出的候选联合序列模式前件CCSPA和联合候选序列模式后件CCSPC分别用A和B表示,则根据下式计算CSSP的模糊序列模式置信度SConf:
SConf ( CSSP ) = Σ j = 1 w s ( Π x ∈ A μ ( x j ) × Π y ∈ B μ ( y j ) ) Σ j = 1 w s ( Π x ∈ A μ ( x j ) )
式中:
Figure BDA0000068843900000151
是DS1中第j个对象关于A中各元素的隶属度值的积,是DS1中第j个对象关于B中各元素的隶属度值的积,如果模糊序列模式置信度SConf(CSSP)大于等于最小置信度阈值(σ(conf)),该CSSP被称为强子序列模式SSSP,遍历所有强序列模式前件集SCSPAS中候选联合序列模式前件CCSPA和强联合序列模式后件集SCSPCS中联合候选序列模式后件CCSPC的组合,可得到子序列DS1的强子序列模式集SSSPS;
步骤12:火电厂球磨机制粉系统滑动时间窗口,读取下一子序列DSk,下一子序列DSk替代DS1重复执行步骤7~步骤11,得到的一组DSk的强子序列模式集,将这些强子序列模式与已有的强子序列模式进行比较后,相同的删除而不同的则保留;
步骤13:火电厂球磨机制粉系统判断如果所有的子序列DSk已经读取,则进行下一步骤;否则,跳转到步骤12执行;
步骤14:火电厂球磨机制粉系统合并所有子序列DSk的强子序列模式集SSSPS,得到如表1所述的数据库D的模糊序列模式集MFSP,并将模糊序列模式集MFSP输出;
表1
Figure BDA0000068843900000153
Figure BDA0000068843900000161
步骤15:火电厂球磨机制粉系统通过测量模块测量当前工况下的磨机负荷l、磨机出口温度ot、磨机入口负压inp、热风门开度uh、在循环风门开度ur的运行值且分别由l′、ot′、inp′、u′h和u′r来表征;
步骤16:火电厂球磨机制粉系统根据所述的论域选择为[0,1]的等腰三角形隶属度函数将l′、ot′、inp′、u′h和u′r模糊化,且由它们对应的语言值所有组合形成初始前件集ICS,其初始前件为{L′,OT′,INP′,U′h,U′r},其中L′、OT′、INP′、U′h和U′r分别为l′、ot′、inp′、u′h和u′r的语言值;
步骤17:火电厂球磨机制粉系统搜索模糊序列模式集MFSP,得到初始序列模式ISP,其中初始序列模式ISP满足初始序列模式
步骤18:初始序列模式ISP中,磨机负荷变化值Δl、磨机出口温度变化值Δot、磨机入口负压变化值Δinp对应的语言值是ΔL′、ΔOT′和ΔINP′,火电厂球磨机制粉系统根据所述的论域选择为[-1,1]的等腰三角形隶属度函数将ΔL′、ΔOT′和ΔINP′去模糊化,且分别变化到各自值域范围得到Δl′、Δot′和Δinp′,令lT,otT和inpT为磨机负荷l、磨机出口温度ot、磨机入口负压inp的临时设定值,则lT=(l′+Δl′)、otT=(ot′+Δot′)且inpT=(inp′+Δinp′);
步骤19:火电厂球磨机制粉系统根据lT,otT和inpT分别调整给煤量、热风门开度和在循环风开度;并通过火电厂球磨机制粉系统的自动控制模块将l、ot和inp的设定值调整到lT、otT和inpT
步骤20:当火电厂球磨机制粉系统进入新的稳态后,导出磨机出力pc的改变量,如果磨机出力pc增大,则计算当前热风门开度uh和在循环风门开度ur各自对应的变化量Δu′h和Δu′r,并根据所述的论域选择为[-1,1]的等腰三角形隶属度函数将变化量Δu′h和Δu′r模糊化后得到各自对应的语言值ΔU′h和ΔU′r
步骤21:火电厂球磨机制粉系统搜索模糊序列模式集MFSP,得到候选序列模式CSP并记录在目标序列模式集TSPS中,其中候选序列模式CSP满足候选序列模式 CSP ⊃ { L ′ , OT ′ , INP ′ , U h ′ , U r ′ , ΔU h ′ , ΔU r ′ } ;
步骤22:火电厂球磨机制粉系统搜索模糊序列模式集MFSP得到另一个初始序列模式ISP,且重复步骤18~步骤21后得到另一个候选序列模式CSP;
步骤23:火电厂球磨机制粉系统如果没有搜索到新的初始序列模式ISP,则进入下一步骤;否则,跳转到步骤22;
步骤24:火电厂球磨机制粉系统如果已经遍历了所有的初始序列模式ISP,则进行下一步骤;否则,跳转到步骤21;
步骤25:火电厂球磨机制粉系统判断若目标序列模式集
Figure BDA0000068843900000181
则说明球磨机制粉系统在当前工况下已经基本处于最佳运行状态;若
Figure BDA0000068843900000182
根据上述l、ot、inp、uh和ur的运行值,分别为78.2%、102.7℃、-549.4Pa、45%和30%,则对应的语言值组合形成两个初始前件集{RB,RS,M,M,RS}和{B,M,RB,RS,M};再根据得到的TSPS包括两条模糊序列模式:{RB,RS,M,M,RS,PS,NS,ZO,NS,PS,RB,B,RS,RB}和{B,M,RB,RS,M,ZO,ZO,NS,ZO,NS,M,RB,M,M},则将Lsv、OTsv和INPsv对应的语言值使用重心法去模糊化且变化到各自值域范围得到磨机负荷设定值lsv、磨机出口温度设定值otsv和磨机入口负压设定值inpsv,这样得到的磨机负荷设定值lsv、磨机出口温度设定值otsv和磨机入口负压设定值inpsv就是当前工况下球磨机制粉系统的磨机负荷、磨机出口温度和磨机入口负压的最佳设定值。
步骤26:根据所述的最佳设定值,提供给火电厂球磨机制粉系统的控制器进行设置,可使火电厂球磨机制粉系统一直在最佳方式下运行。
所述的火电厂球磨机制粉系统采用PLC或者控制模块和工控机组成的DCS系统。
所述的DCS系统利用模拟量采集模块采集信号数据时进行预处理,针对磨机负荷信号数据的预处理为,在模拟量采集模块设置平均值滤波128点,采集速率为500ms以上,并对该磨机负荷信号数据设置一阶惯性滤波,一阶惯性滤波公式为:
y(k)=αx(k)+(1-α)y(k-1)
式中,y(k)为本次最终结果,y(k-1)为上次最终结果,x(k)为本次实时测量值,α为滤波系数,k为大于1的自然数;针对磨机出口温度信号出数据的预处理为,在模拟量采集模块设置平均值滤波64点;针对磨机入口负压信号数据的预处理为,在模拟量采集模块设置平均值滤波128点,根据信号波动量大小,设置滑动平均滤波或一阶惯性滤波,其中一阶惯性滤波公式为:
y(k)=αx(k)+(1-α)y(k-1)
式中,y(k)为本次最终结果,y(k-1)为上次最终结果,x(k)为本次实时测量值,α为滤波系数,k为大于1的自然数。

Claims (3)

1.一种基于序列模式挖掘的火电厂球磨机制粉系统节能优化方法,其特征在于,步骤如下:
步骤1:首先火电厂球磨机制粉系统利用模拟量采集模块采集信号数据构成现场历史数据库,再调用序列模式挖掘生成模块构建序列模式挖掘数据库D,随后火电厂球磨机制粉系统通过
Figure FDA0000068843890000011
表达式对其存储器内的现场历史数据库中的可变存储单元的值进行转化,转化后再将可变存储单元中记录的热风门开度uh、在循环风门开度ur、磨机出力pc、磨机负荷设定值lsv、磨机出口温度设定值otsv和磨机入口负压设定值inpsv按照预设的相同时间间隔且一次形成一条记录的模式同时被写入序列模式挖掘数据库D内的可变存储单元中,每一条记录看作一个对象,如果将每个可变存储单元的值看作是数据库的维,则序列模式挖掘数据库D是个9维数据库,另外序列模式挖掘数据库D内的磨机负荷l、磨机出口温度ot、磨机入口负压inp、热风门开度uh以及在循环风门开度ur所组成的集合{l,ot,inp,uh,ur}是前件集合,而序列模式挖掘数据库D内的磨机出力pc、磨机负荷设定值lsv、磨机出口温度设定值otsv和磨机入口负压设定值所组成的集合{pc,lsv,otsv,inpsv}是后件集合,磨机负荷l、磨机出口温度ot、磨机入口负压inp、热风门开度uh、在循环风门开度ur、磨机出力pc、磨机负荷设定值lsv、磨机出口温度设定值otsv和磨机入口负压设定值inpsv的值域为[0,1];
步骤2:火电厂球磨机制粉系统通过序列模块将序列模式挖掘数据库D序列化并得到其相邻两个对象分别在磨机负荷l、磨机出口温度ot、磨机入口负压inp、热风门开度uh以及在循环风门开度ur的值的差,即磨机负荷变化值Δl、磨机出口温度变化值Δot、磨机入口负压变化值Δinp、热风门开度变化值Δuh和循环风门开度变化值Δur,由此得到序列化数据库为D*,即
D*={l,ot,np,uh,ur,Δl,Δot,Δinp,Δuh,Δur,pc,lsv,otsv,inpsv}
以及扩展前件集合为{l,ot,np,uh,ur,Δl,Δot,Δinp,Δuh,Δur},磨机负荷变化值Δl、磨机出口温度变化值Δot、磨机入口负压变化值Δinp、热风门开度变化值Δuh和循环风门开度变化值Δur的值域为[-1,1];
步骤3:火电厂球磨机制粉系统设定磨机负荷l、磨机出口温度ot、磨机入口负压inp、热风门开度uh、在循环风门开度ur、磨机出力pc、磨机负荷设定值lsv、磨机出口温度设定值otsv和磨机入口负压设定值inpsv的语言变量分别为L、OT、INP、Uh、Ur、PC、Lsv、OTsv和INPsv,语言变量L、OT、INP、Uh、Ur、PC、Lsv、OTsv和INPsv的论域选择为[0,1],语言变量L、OT、INP、Uh、Ur、PC、Lsv、OTsv和INPsv的语言值均为{S,RS,M,RB,B},S、RS、M、RB和B分别代表低、较低、中等、较高和高,磨机负荷变化值Δl、磨机出口温度变化值Δot、磨机入口负压变化值Δinp、热风门开度变化值Δuh和循环风门开度变化值Δur的语言变量分别为ΔL、ΔOT、ΔINP、ΔUh和ΔUr,ΔL、ΔOT、ΔINP、ΔUh和ΔUr的论域选择也为[-1,1],而ΔL、ΔOT、ΔINP、ΔUh和ΔUr的语言值均选择{NB,NS,ZO,PS,PB},NB、NS、ZO、PS和PB分别代表负大、负小、零、正小和正大;
步骤4:步骤4:火电厂球磨机制粉系统按照语言变量L的语言值,将序列化数据库D*的维l扩展成维lS维lRS、维lM、维lRB和维lB,并称维lS维lRS、维lM、维lRB和维lB为维l的扩展维。接着,根据维l的隶属度函数和序列化数据库D*中每个对象在维l的值,确定每个对象在维lS维lRS、维lM、维lRB和维lB的隶属度值,语言变量L、OT、INP、Uh、Ur、PC、Lsv、OTsv和INPsv采用相同的论域为[0,1]的等腰三角形隶属度函数,ΔL、ΔOT、ΔINP、ΔUh和ΔUr采用相同的论域为[-1,1]的等腰三角形隶属度函数。采用同样的方法,对D*中其它维进行扩展,并确定每个对象在这些扩展维上的隶属度值,扩展后的数据库为D′;
步骤5:火电厂球磨机制粉系统使用滑动时间窗口的方法,将扩展后数据库D′分割成M个子序列,其中第k个子序列DSk可以表示为:
DS k = ( d ( k - 1 ) w g + 1 , d ( k - 1 ) w g + 2 , L , d ( k - 1 ) w g + w s )
其中,k∈{1,2,L,M},dj和j∈{(k-1)wg+1,(k-1)wg+2,L,(k-1)wg+ws}表示子序列DSk中的一个对象,wg为对象标示,ws为对象维度幅值,M为大于1的自然数,k为小于等于M的自然数;
步骤6:火电厂球磨机制粉系统读取扩展后数据库D′分割后的第一个序列DS1,并在DS1中进行序列模式挖掘;
步骤7:火电厂球磨机制粉系统从扩展后数据库D′中维l的扩展维和维Δl的扩展维里分别选择一个维出来组合成一条候选序列模式前件CSPA,根据下式计算CSPA的模糊序列模式支持度SSup:
SSup ( CSPA ) = Σ j = 1 w s ( Π x ∈ CSPA μ ( x j ) )
式中,是DS1中第j个对象关于候选序列模式前件CSPA中各元素隶属度值的积,ws为对象维度幅值,如果SSup(CSPA)大于等于最小支持度阈值σ(sup),该CSPA被称为强序列模式前件SSPA,遍历所有维DI的扩展维的组合,可得到关于维DI的强序列模式前件集SSPASl
步骤8:火电厂球磨机制粉系统采用步骤7的方法,得到ot和Δot的强序列模式前件集SSPASot,inp和Δinp的强序列模式前件集SSPASinp,uh和Δuh的强序列模式前件集
Figure FDA0000068843890000034
ur和Δur的强序列模式前件集
Figure FDA0000068843890000035
步骤9:火电厂球磨机制粉系统分别从SSPASl、SSPASot、SSPASinp
Figure FDA0000068843890000036
Figure FDA0000068843890000041
中选择一个SSPA出来组合成一条候选联合序列模式前件CCSPA,若候选联合序列模式前件CCSPA的模糊序列模式支持度SSup(CCSPA)≥σ(sup),则该候选联合序列模式前件CCSPA被称为强联合序列模式前件SCSPA,遍历所有SSPASl、SSPASot、SSPASinp
Figure FDA0000068843890000042
Figure FDA0000068843890000043
中SSPA的组合,可以得到强联合序列模式前件集SCSPAS;
步骤10:火电厂球磨机制粉系统分别从磨机出力pc、磨机负荷设定值lsv、磨机出口温度设定值otsv和磨机入口负压设定值inpsv的各自扩展维中选择一个维出来组合成一条联合候选序列模式后件CCSPC,若SSup(CCSPC)≥σ(sup),则该CCSPC被称为强联合序列模式后件SCSPC,遍历所有磨机出力pc、磨机负荷设定值lsv、磨机出口温度设定值otsv和磨机入口负压设定值inpsv的扩展维的组合,可以得到磨机出力pc、磨机负荷设定值lsv、磨机出口温度设定值otsv和磨机入口负压设定值inpsv的的强联合序列模式后件集SCSPCS;
步骤11:火电厂球磨机制粉系统从强序列模式前件集SCSPAS中选择出的一个候选联合序列模式前件CCSPA和从强联合序列模式后件集SCSPCS中选择出的一个联合候选序列模式后件CCSPC组合,形成的序列模式被称作候选子序列模式CSSP,将选择出的候选联合序列模式前件CCSPA和联合候选序列模式后件CCSPC分别用A和B表示,则根据下式计算CSSP的模糊序列模式置信度SConf:
SConf ( CSSP ) = Σ j = 1 w s ( Π x ∈ A μ ( x j ) × Π y ∈ B μ ( y j ) ) Σ j = 1 w s ( Π x ∈ A μ ( x j ) )
式中:
Figure FDA0000068843890000045
是DS1中第j个对象关于A中各元素的隶属度值的积,
Figure FDA0000068843890000046
是DS1中第j个对象关于B中各元素的隶属度值的积,如果模糊序列模式置信度SConf(CSSP)大于等于最小置信度阈值(σ(conf)),该CSSP被称为强子序列模式SSSP,遍历所有强序列模式前件集SCSPAS中候选联合序列模式前件CCSPA和强联合序列模式后件集SCSPCS中联合候选序列模式后件CCSPC的组合,可得到子序列DS1的强子序列模式集SSSPS;
步骤12:火电厂球磨机制粉系统滑动时间窗口,读取下一子序列DSk,下一子序列DSk替代DS1重复执行步骤7~步骤11,得到的一组DSk的强子序列模式集,将这些强子序列模式与已有的强子序列模式进行比较后,相同的删除而不同的则保留;
步骤13:火电厂球磨机制粉系统判断如果所有的子序列DSk已经读取,则进行下一步骤;否则,跳转到步骤12执行;
步骤14:火电厂球磨机制粉系统合并所有子序列DSk的强子序列模式集SSSPS,得到数据库D的模糊序列模式集MFSP并输出;
步骤15:火电厂球磨机制粉系统通过测量模块测量当前工况下的磨机负荷l、磨机出口温度ot、磨机入口负压inp、热风门开度uh、在循环风门开度ur的运行值且分别由l′、ot′、inp′、u′h和u′r来表征;
步骤16:火电厂球磨机制粉系统根据所述的论域选择为[0,1]的等腰三角形隶属度函数将l′、ot′、inp′、u′h和u′r模糊化,且由它们对应的语言值所有组合形成初始前件集ICS,其初始前件为{L′,OT′,INP′,U′h,U′r},其中L′、OT′、INP′、U′h和U′r分别为l′、ot′、inp′、u′h和u′r的语言值;
步骤17:火电厂球磨机制粉系统搜索模糊序列模式集MFSP,得到初始序列模式ISP,其中初始序列模式ISP满足初始序列模式
Figure FDA0000068843890000051
步骤18:初始序列模式ISP中,磨机负荷变化值Δl、磨机出口温度变化值Δot、磨机入口负压变化值Δinp对应的语言值是ΔL′、ΔOT′和ΔINP′,火电厂球磨机制粉系统根据所述的论域选择为[-1,1]的等腰三角形隶属度函数将ΔL′、ΔOT′和ΔINP′去模糊化,且分别变化到各自值域范围得到ΔL′Δot′和Δinp′,令lT,otT和inpT为磨机负荷l、磨机出口温度ot、磨机入口负压inp的临时设定值,则lT=(l′+Δl′)、otT=(ot′+Δot′)且inpT=(inp′+Δinp′);
步骤19:火电厂球磨机制粉系统根据lT,otT和inpT分别调整给煤量、热风门开度和在循环风开度;并通过火电厂球磨机制粉系统的自动控制模块将l、ot和inp的设定值调整到lT、otT和inpT
步骤20:当火电厂球磨机制粉系统进入新的稳态后,导出磨机出力pc的改变量,如果磨机出力pc增大,则计算当前热风门开度uh和在循环风门开度ur各自对应的变化量Δu′h和Δu′r,并根据所述的论域选择为[-1,1]的等腰三角形隶属度函数将变化量Δu′h和Δu′r模糊化后得到各自对应的语言值ΔU′h和ΔU′r
步骤21:火电厂球磨机制粉系统搜索模糊序列模式集MFSP,得到候选序列模式CSP并记录在目标序列模式集TSPS中,其中候选序列模式CSP满足候选序列模式 CSP ⊃ { L ′ , OT ′ , INP ′ , U h ′ , U r ′ , ΔU h ′ , ΔU r ′ } ;
步骤22:火电厂球磨机制粉系统搜索模糊序列模式集MFSP得到另一个初始序列模式ISP,且重复步骤18~步骤21后得到另一个候选序列模式CSP;
步骤23:火电厂球磨机制粉系统如果没有搜索到新的初始序列模式ISP,则进入下一步骤;否则,跳转到步骤22;
步骤24:火电厂球磨机制粉系统如果已经遍历了所有的初始序列模式ISP,则进行下一步骤;否则,跳转到步骤21;
步骤25:火电厂球磨机制粉系统判断若目标序列模式集
Figure FDA0000068843890000062
则说明球磨机制粉系统在当前工况下已经基本处于最佳运行状态;若则将Lsv、OTsv和INPsv去模糊化且变化到各自值域范围得到磨机负荷设定值lsv、磨机出口温度设定值otsv和磨机入口负压设定值inpsv,这样得到的磨机负荷设定值lsv、磨机出口温度设定值otsv和磨机入口负压设定值inpsv就是当前工况下球磨机制粉系统的磨机负荷、磨机出口温度和磨机入口负压的最佳设定值。
步骤26:根据所述的最佳设定值,提供给火电厂球磨机制粉系统的控制器进行设置,可使火电厂球磨机制粉系统一直在最佳方式下运行。
2.根据权利要求1所述的基于序列模式挖掘的火电厂球磨机制粉系统节能优化方法,其特征在于:所述的火电厂球磨机制粉系统采用PLC或者控制模块和工控机组成的DCS系统。
3.根据权利要求1所述的基于序列模式挖掘的火电厂球磨机制粉系统节能优化方法,其特征在于:所述的DCS系统利用模拟量采集模块采集信号数据时进行预处理,针对磨机负荷信号数据的预处理为,在模拟量采集模块设置平均值滤波128点,采集速率为500ms以上,并对该磨机负荷信号数据设置一阶惯性滤波,一阶惯性滤波公式为:
y(k)=αx(k)+(1-α)y(k-1)
式中,y(k)为本次最终结果,y(k-1)为上次最终结果,x(k)为本次实时测量值,α为滤波系数,k为大于1的自然数;针对磨机出口温度信号出数据的预处理为,在模拟量采集模块设置平均值滤波64点;针对磨机入口负压信号数据的预处理为,在模拟量采集模块设置平均值滤波128点,根据信号波动量大小,设置滑动平均滤波或一阶惯性滤波,其中一阶惯性滤波公式为:
y(k)=αx(k)+(1-α)y(k-1)
式中,y(k)为本次最终结果,y(k-1)为上次最终结果,x(k)为本次实时测量值,α为滤波系数,k为大于1的自然数。
CN2011101626362A 2011-06-16 2011-06-16 基于序列模式挖掘的火电厂球磨机制粉系统节能优化方法 Expired - Fee Related CN102298321B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN2011101626362A CN102298321B (zh) 2011-06-16 2011-06-16 基于序列模式挖掘的火电厂球磨机制粉系统节能优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN2011101626362A CN102298321B (zh) 2011-06-16 2011-06-16 基于序列模式挖掘的火电厂球磨机制粉系统节能优化方法

Publications (2)

Publication Number Publication Date
CN102298321A true CN102298321A (zh) 2011-12-28
CN102298321B CN102298321B (zh) 2013-01-02

Family

ID=45358794

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2011101626362A Expired - Fee Related CN102298321B (zh) 2011-06-16 2011-06-16 基于序列模式挖掘的火电厂球磨机制粉系统节能优化方法

Country Status (1)

Country Link
CN (1) CN102298321B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103267304A (zh) * 2013-04-02 2013-08-28 国家电网公司 大型火电机组的燃烧控制系统
CN104534507B (zh) * 2014-11-18 2017-03-29 华北电力大学(保定) 一种锅炉燃烧优化控制方法
CN106681145A (zh) * 2016-12-30 2017-05-17 苏州中材建设有限公司 基于深度学习的球磨机节能优化控制方法
CN108375310A (zh) * 2018-02-10 2018-08-07 北京世纪隆博科技有限责任公司 一种减压炉烽燧控制方法
CN108452895A (zh) * 2018-03-29 2018-08-28 佛山市华控电机科技有限公司 一种球磨机节能控制方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5930136A (en) * 1990-06-04 1999-07-27 Hitachi, Ltd. Control device for controlling a controlled apparatus, and a control method therefor
CN101178580A (zh) * 2007-10-19 2008-05-14 西安交通大学 基于数据挖掘的火电厂钢球磨煤机制粉系统自动控制方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5930136A (en) * 1990-06-04 1999-07-27 Hitachi, Ltd. Control device for controlling a controlled apparatus, and a control method therefor
CN101178580A (zh) * 2007-10-19 2008-05-14 西安交通大学 基于数据挖掘的火电厂钢球磨煤机制粉系统自动控制方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
曹晖 等: "基于聚类分析的模糊控制算法在制粉系统中的应用", 《2007 仪表,自动化及先进集成技术大会论文集(一)》 *
曹晖,司刚全,张彦斌,贾立新: "基于模糊时序数据挖掘的火电厂制粉系统优化算法", 《2007 仪表,自动化及先进集成技术大会论文集(一)》 *
王恒 等: "基于FKCM的球磨机系统T-S模糊建模方法", 《系统仿真学报》 *
赵建军: "模糊预测控制在火电厂的应用研究", 《中国优秀硕士学位论文全文数据库》 *
马月川: "球磨机控制系统的设计及其控制策略研究", 《中国优秀硕士学位论文全文数据库》 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103267304A (zh) * 2013-04-02 2013-08-28 国家电网公司 大型火电机组的燃烧控制系统
CN103267304B (zh) * 2013-04-02 2015-03-11 国家电网公司 大型火电机组的燃烧控制系统
CN104534507B (zh) * 2014-11-18 2017-03-29 华北电力大学(保定) 一种锅炉燃烧优化控制方法
CN106681145A (zh) * 2016-12-30 2017-05-17 苏州中材建设有限公司 基于深度学习的球磨机节能优化控制方法
CN108375310A (zh) * 2018-02-10 2018-08-07 北京世纪隆博科技有限责任公司 一种减压炉烽燧控制方法
CN108375310B (zh) * 2018-02-10 2019-07-12 北京世纪隆博科技有限责任公司 一种减压炉烽燧控制方法
CN108452895A (zh) * 2018-03-29 2018-08-28 佛山市华控电机科技有限公司 一种球磨机节能控制方法
CN108452895B (zh) * 2018-03-29 2020-04-03 佛山市华控电机科技有限公司 一种球磨机节能控制方法

Also Published As

Publication number Publication date
CN102298321B (zh) 2013-01-02

Similar Documents

Publication Publication Date Title
Liu et al. Operation scheduling of a coal-fired CHP station integrated with power-to-heat devices with detail CHP unit models by particle swarm optimization algorithm
Safdarnejad et al. Plant-level dynamic optimization of Cryogenic Carbon Capture with conventional and renewable power sources
Xia et al. Prospect of near-zero-emission IGCC power plants to decarbonize coal-fired power generation in China: Implications from the GreenGen project
CN102621945B (zh) 基于火力发电机组最优工况的效率动态寻优运行闭环优化控制方法
CN102298321B (zh) 基于序列模式挖掘的火电厂球磨机制粉系统节能优化方法
CN103440528B (zh) 基于耗差分析的火电机组运行优化方法及装置
CN101187804A (zh) 基于数据挖掘的火电机组运行优化规则提取方法
CN103056016A (zh) 一种电站磨煤机节能优化出力的方法
CN103699941A (zh) 一种电力系统调度运行年方案的制定方法
Zhai et al. Novel system integrations of 1000 MW coal-fired power plant retrofitted with solar energy and CO2 capture system
CN102543232B (zh) 压水堆核电站稳压器水位和压力复合控制方法
CN104935017B (zh) 基于改进轻鲁棒优化模型的风电与火电机组组合方法
Rashid Design, economics, and real-time optimization of a solar/natural gas hybrid power plant
CN106321219A (zh) 电厂冷却水泵机组变频调速全系统组合优化运行方案确定方法
Zhang et al. Full-day dynamic characteristics analysis of a solar aided coal-fired power plant in fuel saving mode
CN103208035A (zh) 机组节能调度优化方法
Ali The cost of conserved water for coal power generation with carbon capture and storage in Alberta, Canada
CN107248017A (zh) 一种考虑热电联产的实时发电计划优化方法
CN103745414A (zh) 一种燃气-蒸汽联合循环发电机组性能的在线评分方法
Lu et al. Dynamic modeling of thermal-supply system for two-by-one combined-cycle gas and steam turbine unit
CN104484543A (zh) 一种兼顾节能减排和三公调度的机组综合运行评价方法
Wang et al. Optimizing thermal–electric load distribution of large-scale combined heat and power plants based on characteristic day
Xu et al. Design of type-2 fuzzy fractional-order proportional-integral-derivative controller and multi-objective parameter optimization under load reduction condition of the pumped storage unit
CN116911503A (zh) 一种电力系统碳排放预测方法及终端
CN116629553A (zh) 基于非完全区间多目标模糊优化的区域综合能源调度方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20130102

Termination date: 20150616

EXPY Termination of patent right or utility model