CN106094755A - 一种基于大数据的燃气‑蒸汽联合循环发电机组远程能效诊断方法 - Google Patents

Abstract

本发明涉及一种基于大数据的燃气‑蒸汽联合循环发电机组远程能效诊断方法，属于燃气‑蒸汽联合循环发电系统技术领域。本诊断方法是在工业化和信息化不断加速融合的大背景下，通过基于Internet的集团专网，对现场采集得到的燃气发电机组原始运行参数进行整合与分析。该系统包括实时数据库和关系数据库，用于进行数据的存储与传输；配置应用服务器，用于进行数据计算、分析和应用；Web服务器，信息的Web发布和远程访问，其特征在于，诊断步骤如下，数据采集，数据信息的整合与分析，数据判稳，机组运行状况在线监视，性能指标的实时在线计算，运行参数统计分析，性能指标统计与数据挖掘分析，机组对标管理。

Description

一种基于大数据的燃气-蒸汽联合循环发电机组远程能效诊 断方法

技术领域

本发明涉及一种基于大数据的燃气-蒸汽联合循环发电机组远程能效诊断方法，属于燃气-蒸汽联合循环发电系统技术领域。

背景技术

目前，国内燃气-蒸汽联合循环发电机组的能效评价，主要是参考机组额定工况的设计参数或者机组运行经验，但在实际运行中，机组工况处于非额定工况，有的是因为运行参数偏离了当前运行最佳值，有的是由于设备的老化、缺陷所引起，无法有效评价机组的能效水平和能量损失。且我国主要靠引进国外燃气轮机发电机组，对机组的掌握相对国内燃煤机组较少，缺乏对热力系统的全面诊断和优化，尤其是对热力系统局部变化的经济性定量分析研究。

对于燃气-蒸汽联合循环发电机组这种复杂因素的影响，现阶段理论研究满足不了工业需求，需要对机组运行边界条件变化、主辅机设备老化和机组启停情况进行远程在线跟踪，通过大数据挖掘技术来开展最佳运行值判定以及能效诊断分析，评价和优化机组运行的经济性、安全性。

中国专利公开号102736590A公开了一种远程能效诊断的方法和诊断系统，其包括一能源监测终端、一能源数据采集模块、一能源统计分析模块、一能源损耗诊断模块、一能源决策支持模块。该能源监测终端用于对企业现场的各类能源数据进行采集和监测；该能源数据采集模块用于将能源数据传输到主站系统；该能源统计分析模块用于对各类能源基础数据进行统计和分析；该能源损耗诊断模块用于对能源损耗进行分析和诊断；该能源决策支持模块用于生成能源改造和节能策略的辅助决策。本发明还提供一种上述对能源进行安全、可靠的远程诊断的方法。然而上述技术方案并不适用于本发明申请的燃气-蒸汽联合循环发电系统技术领域，并不能解决本领域存在的技术问题。

发明内容

本发明的目的在于提供一种基于大数据的燃气-蒸汽联合循环发电机组远程能效诊断方法，能够克服现有技术中的上述缺陷，通过大数据挖掘技术来开展最佳运行值判定以及能效诊断分析，评价和优化机组运行的经济性、安全性。

本发明目的通过以下技术方案实现：

一种基于大数据的燃气-蒸汽联合循环发电机组远程能效诊断方法，包括实时数据库和关系数据库，用于进行数据的存储与传输；配置应用服务器，用于进行数据计算、分析和应用；Web服务器，信息的Web发布和远程访问，其特征在于，诊断步骤如下：

1)数据采集的步骤，接收和存储发电企业上传的实时数据和关系数据；

2)数据信息的整合与分析的步骤，对现场采集得到的多频、异源、异构数据进行整合与分析，剔除原始数据中的过失误差、随机误差，补全不完备数据并进行数据校正，最终形成数据支撑平台；

3)数据判稳的步骤，以除氧器进口凝结水流量、主汽压力、燃气机组负荷、汽轮机组负荷，四个参数共同作为检测机组稳态工况的依据，判断机组处于稳态工况的条件，在一个计算周期内上述四个参数的稳定指标是否均在规定阈值范围内；

4)机组运行状况在线监视的步骤，在线监视设备运行状况和生产过程参数信息，对燃机侧监视、余热锅炉侧监视、汽机侧监视和设备厂用电监视；

5)性能指标的实时在线计算的步骤，对发电机组的经济性能指标和设备性能指标的进行在线计算；

6)运行参数统计的步骤，对发电机组运行参数的统计分析；

7)数据挖掘分析的步骤，基于发电机组的经济性能指标的实时计算值，获得机组运行性能的时空分布曲线和最佳运行效率区域；

8)机组对标管理的步骤，基于上述步骤获得的数据，形成机组能效诊断月报。

作为优选，步骤1)中的实时数据主要用来传输和存储“秒级”实时性要求比较高的生产实时数据，包括DCS控制系统、辅控系统、电量系统；关系数据包括用于传输和存储燃料、配置参数的关系型数据，同时作为实时数据平台的完善和补充。

作为优选，步骤2)中针对过失误差，数据样本中的过失误差是由随机干扰和检测仪表异常所引起，误差幅度一般较大，采用限幅的方法进行消除，根据实际生产工艺要求确定实时数据的变化范围，然后利用最大最小值限幅方法剔除不在此区域中的数据样本；

针对随机误差，考虑到生产过程本身的动态特性，对这种动态过程的数据采用拉依达(3σ)准则进行判别，剔除随机误差后取其样本的平均值。即针对采集数据的多个样本求取均值与标准偏差，确定数值分布在“均值－2×标准偏差”和“均值+2×标准偏”区间。超过这个区间的数据信息，则认为是误差数据，应予以剔除；

针对数据的不完整，考虑到直接删除不完备信息数据记录的方法会造成数据样本不能覆盖整个工况区间、影响数据样本的客观性和完整性，从实用性的角度出发，结合数据统计分析和属性取值关联程度这两方面的优势，采用沿用上一样本数据信息的方法进行不完备数据信息的数据补齐。

作为优选，其特征是，步骤3)中判断阀值范围的公式：

式中：D_凝结水max、D_凝结水min——分别为该计算周期内除氧器进口凝结水流量的最大值、最小值[t/h]；

P_主汽max、P_主汽min——分别为该计算周期内主汽压力的最大值、最小值[MPa]；

W_{燃机有功功率max}、W_{燃机有功功率min}——分别为该计算周期内燃气机组负荷的最大值、最小值[MW]；

W_{汽机有功功率max}、W_{汽机有功功率min}——分别为该计算周期内汽轮机组负荷的最大值、最小值[MW]；

D_{凝结水额定}、P_主汽额定、W_{燃机有功功率额定}、W_{汽机有功功率额定}——分别为除氧器进口凝结水流量[t/h]、主汽压力[MPa]、燃气机组负荷[MW]、汽轮机组负荷[MW]的额定值，根据机组设计资料获得，其中的规定阀值分别为：ψ1＝0.052，ψ2＝0.024，ψ3＝0.026，ψ4＝0.031。

作为优选，具体地，步骤5)中，建立基于燃气-蒸汽联合循环发电机组运行经济性能实时计算分析模型，进行机组发电气耗、燃机效率、锅炉效率、汽机热耗率的性能指标的在线计算。其中计算联合循环电厂余热锅炉性能指标时，涉及到燃气轮机实际排汽流量的计算。认为其由两部分组成，分别是参与燃烧生成的各排气产物流量，与未参与燃烧的过量空气流量。而前者是根据燃烧化学反应原理计算获得，后者则需要通过能量平衡算法求取，即进出燃机能量保持平衡。

其中进入燃机的能量包含有3部分：①压气机空气进入燃机的能量Q_air，为实际参与燃烧的空气能量与未参与燃烧的过量空气能量总和；②燃料天然气进入燃机的能量Q_fuel；③燃机注水/水蒸气的能量Q_inj。而离开燃机的能量则有4部分：①燃机排气能量Q_exh，为燃烧生成的排气能量Q_combprod与离开燃机的过量空气能量总和；②压气机抽气的能量Q_ext；③燃机做功输出电功率Q_elect；④各项热损失能量Q_loss。而参与燃烧的产物组成以及各部分能量，可通过建立燃烧模型来获得。

作为优选，步骤6)中运行参数统计分析，形成各种趋势、成组数据、数据表的统计资料，为电站管理和技术人员提供数据源。

作为优选，步骤7)中通过选定机组运行情况，统计筛选出符合条件的运行工况，并给出燃机有功功率最小值、最大值，供使用者限定燃机额定负荷定义值；在此基础上，统计100％、90％、80％额定负荷等不同负荷率工况下的机组运行性能指标，实现机组运行性能的时空分布曲线分析。并根据能效指标和影响的运行参数耦合对比，分析不同时期单台机组经济性能指标，从而获得机组最佳运行效率区域。

作为优选，步骤8)是基于参数和指标的数据查询和趋势分析、关键参数相互关系的对比分析和曲线拟合，形成机组能效诊断月报。

本发明与现有技术相比，具有以下优点和效果：本诊断方法是在工业化和信息化不断加速融合的大背景下，通过基于Internet的集团专网，对现场采集得到的燃气发电机组原始运行参数进行整合与分析，剔除原始数据中的过失误差、随即误差，补全不完备数据。并建立燃气-蒸汽联合循环发电机组运行经济性能实时计算分析模型，利用大数据下的数据挖掘分析方法来进行燃料消耗评价、设备状态实时监测、机组性能评价与诊断、统计对比管理、节能分析月报等远程能耗诊断，研究比较不同时段、不同条件的机组能效状态，如机组运行性能时空分布、机组最佳运行效率区域等，指导开展机组运行优化、设备消缺以及技术改造。

(1)机组实时信息监测：以工艺流程形式实时监测各机组设备运行状况和生产过程参数信息，可指导现场操作人员在线了解机组运行情况，为企业节能高效提供良好监测手段；

(2)机组性能在线评估：采用正、反平衡计算相互校核的方法，完成机组供电煤耗、气耗、联合循环效率等经济性能指标的实时在线计算；

(3)数据挖掘分析：针对影响机组能效水平的环境因素、运维因素进行参数筛选，获得机组最佳运行性能时空分布及最佳运行效率区域；

(4)节能分析月报：基于关键参数相互关系的对比分析结果，形成多种形式节能分析报表供用户决策参考。

附图说明

图1是本发明远程能效诊断系统技术架构图

图2是本发明远程能效诊断数据流转示意图

图3是本发明远程能效诊断实施路线图

图4是本发明燃气-蒸汽联合循环发电机组运行状况监视——燃机系统图

图5是本发明燃气-蒸汽联合循环发电机组运行状况监视——余热锅炉系统图

图6是本发明燃气-蒸汽联合循环发电机组运行状况监视——汽机系统图

图7是本发明燃气-蒸汽联合循环发电机组运行状况监视——设备厂用电图

图8是本发明燃气-蒸汽联合循环发电机组性能指标实时在线计算示意图

图9是本发明燃机、联合循环机组性能指标算法框图

图10是本发明联合循环电站汽机性能指标算法框图

图11是本发明联合循环电站余热锅炉性能指标算法框图

图12是本发明燃机能量平衡示意图

图13是本发明燃烧产物组成算法框图

图14是本发明压气机空气进入燃机的能量算法框图

图15是本发明燃料天然气进入燃机的能量算法框图

图16是本发明燃机注水/水蒸气的能量算法框图

图17是本发明燃机排气能量算法框图

图18是本发明压气机抽气的能量算法框图

图19是本发明燃机做功输出电功率、各项热损失能量算法框图

图20是本发明燃气轮机实际排气组成、流量算法框图

图21是本发明运行指标统计分析图

图22是本发明燃气-蒸汽联合循环发电机组数据挖掘分析示意图——机组运行性能时空分布图

图23是本发明燃气-蒸汽联合循环发电机组数据挖掘分析示意图——机组最佳运行效率区域图。

具体实施方式

下面结合附图并通过实施例对本发明作进一步的详细说明，以下实施例是对本发明的解释而本发明并不局限于以下实施例。

具体实施例：

一.系统技术架构

利用现有的PI实时数据库服务器和Oracle关系数据库，进行数据的存储与传输；配置应用服务器与Web服务器，分别用于进行数据计算、分析和应用，以及信息的Web发布和远程访问，所有服务器都通过防火墙与外网进行隔离。对防火墙进行配置后，终端用户可以B/S方式安全访问。从下到上在层次上分为4个层次：数据访问层、业务逻辑层、表示层、对外接口和终端访问层，系统技术架构如图1所示。

①数据访问层

数据访问层位于系统平台的最底层，用于接收和存储厂站侧数据采集平台上传的实时数据和关系数据。实时数据主要用来传输和存储“秒级”实时性要求比较高的各产业生产实时数据，如DCS控制系统、辅控系统、电量系统等；关系数据用于传输和存储燃料、配置参数等关系型数据；同时作为实时数据平台的完善和补充。

②业务逻辑层

业务逻辑层具体包括指标统计、逻辑运算、性能分析、状态监测、流程管理、图表配置服务等模块。系统各功能模块采取插件式，可选择加载，可独立配置运行。模块间的交互只在底层数据访问层进行，做到“高内聚，低耦合”。整个系统的运行可以不受上线业务模块的影响。

③表示层

针对各个产业开发的业务模块通过WEB方式进行展示，可以实现各个产业特有的业务需求。表示层采用AJAX、页面缓存、自定义组件等技术保证用户友好的操作体验和顺畅的访问速度。由于逻辑层相当强大和完善，无论表现层如何定义和更改，逻辑层都能完善地提供服务。

④对外接口和终端访问层

系统充分考虑到发电企业整体信息化规划，在设计上确保系统不成为信息孤岛，借助已经建立的企业服务总线，实现与各个业务系统的数据整合，对外接口和终端访问层负责向用户提供友好的人机交互接口和数据的输入输出工作。

二.系统实施路线

燃气-蒸汽联合循环发电机组远程能效诊断中数据流转示意图，如图2所示。

系统通过Microsoft Visual Studio 2012开发工具、ASP.NET技术、MicrosoftSQL Server 2008 R2数据库，和C Sharp以及JavaScript、EXT等脚本语言编写完成的，数据读取间隔周期为30秒。

系统实施路线如图3所示。

2.1数据采集

接收和存储厂站侧上传的实时数据和关系数据。实时数据主要用来传输和存储“秒级”实时性要求比较高的生产实时数据，如DCS控制系统、辅控系统、电量系统等(见表1)；关系数据用于传输和存储燃料、配置参数等关系型数据(见表2)，同时作为实时数据平台的完善和补充。

表1 远程能效诊断采集的生产实时数据

表2 远程能效诊断采集的关系型数据

序号	采集的关系型数据信息	单位
			1	凝结水流量额定值	t/h
2	主汽压力额定值	MPa
			3	燃气机组负荷额定值	MW
4	汽轮机组负荷额定值	MW
			5	天然气组分甲烷的摩尔百分数	％
6	天然气组分乙烷的摩尔百分数	％
			7	天然气组分丙烷的摩尔百分数	％
8	天然气组分丁烷的摩尔百分数	％
			9	天然气组分异丁烷的摩尔百分数	％
10	天然气组分戊烷的摩尔百分数	％
			11	天然气组分异戊烷的摩尔百分数	％
12	天然气组分己烷的摩尔百分数	％
			13	天然气组分氮气的摩尔百分数	％
14	天然气组分氧气的摩尔百分数	％
			15	天然气组分二氧化碳的摩尔百分数	％
16	天然气组分一氧化碳的摩尔百分数	％
			17	天然气组分氢气的摩尔百分数	％
18	天然气组分硫化氢的摩尔百分数	％
			19	天然气组分水的摩尔百分数	％
20	天然气组分氩气的摩尔百分数	％
			21	天然气组分氦气的摩尔百分数	％

2.2数据信息的整合与分析

对现场采集得到的多频、异源、异构数据进行整合与分析，剔除原始数据中的过失误差、随机误差，补全不完备数据并进行数据校正，最终形成高效率的数据支撑平台。

针对过失误差，考虑到电力生产企业生产过程中DCS、PLC等的广泛使用，数据样本中的过失误差一般是由随机干扰和检测仪表异常所引起，采用限幅的方法进行消除。根据实际生产工艺要求，天然气累计流量、高厂变电量为累积型数据，然后利用前后时刻数据差值为正值的限幅方法，剔除不在此区域中的数据样本。

针对随机误差，考虑到生产过程本身的动态特性，对这种动态过程的数据信息采用拉依达(3σ)准则进行判别，剔除随机误差后取其样本的平均值。即针对采集数据的多个样本求取均值与标准偏差，确定数值分布在“均值－2×标准偏差”和“均值+2×标准偏”区间。超过这个区间的数据信息，则认为是误差数据，应予以剔除。

针对数据的不完整，考虑到直接删除不完备信息数据记录的方法会造成数据样本不能覆盖整个工况区间、影响数据样本的客观性和完整性，从实用性的角度出发，结合数据统计分析和属性取值关联程度这两方面的优势，采用沿用上一样本数据信息的方法来进行不完备数据信息的数据补齐。

2.3数据判稳

燃气发电机组生产过程是典型的变工况过程，过程在“稳态-过渡态-稳态”状态下不断交替运行，因此，只有机组稳定工况时的运行参数才能反映机组的实际情况。在对生产过程数据进行过失误差的消除、随即误差的数据协调、不完整数据的缺失补全等预处理后，以除氧器进口凝结水流量、主汽压力、燃气机组负荷、汽轮机组负荷，四个参数共同作为检测机组稳态工况的依据，判断机组处于稳态工况的条件是：在一个计算周期内(如10min)上述四个参数的稳定指标均在规定阈值范围内。

式中：D_凝结水max、D_凝结水min——分别为该计算周期内除氧器进口凝结水流量的最大值、最小值[t/h]；

P_主汽max、P_主汽min——分别为该计算周期内主汽压力的最大值、最小值[MPa]；

W_{燃机有功功率max}、W_{燃机有功功率min}——分别为该计算周期内燃气机组负荷的最大值、最小值[MW]；

W_{汽机有功功率max}、W_{汽机有功功率min}——分别为该计算周期内汽轮机组负荷的最大值、最小值[MW]；

D_{凝结水额定}、P_主汽额定、W_{燃机有功功率额定}、W_{汽机有功功率额定}——分别为除氧器进口凝结水流量[t/h]、主汽压力[MPa]、燃气机组负荷[MW]、汽轮机组负荷[MW]的额定值，根据机组设计资料获得。

2.4机组运行状况在线监视

如图4～图7所示，以工艺流程的形式展现各台机组的设备运行状况和生产过程参数信息，实现燃机侧、余热锅炉侧监视、汽机侧监视和设备厂用电监视，指导现场操作人员在线了解机组的运行情况。

2.5性能指标的实时在线计算

参考《ASME PTC 22-2005燃气轮机性能试验规程》、《GB/T 18929-2002联合循环发电装置验收试验》、《ASME PTC 6.2-2011联合循环电站汽轮机性能试验规程》和《ASME PTC4.4-2008《燃气轮机余热锅炉性能试验规程》，建立基于燃气-蒸汽联合循环发电机组运行经济性能实时计算分析模型，进行机组发电气耗、燃机效率、锅炉效率、汽机热耗率等经济性能指标和凝汽器端差、凝汽器真空等设备性能指标的在线计算(如图8所示)，计算过程框图如图9～图11所示。

其中计算联合循环电厂余热锅炉性能指标时，涉及到燃气轮机实际排气流量的计算。认为燃机实际排气流量由两部分组成，分别是参与燃烧生成的各排气产物流量，与未参与燃烧的过量空气流量。而前者是根据燃烧化学反应原理计算获得，后者则需要通过能量平衡算法求取，即进出燃机能量保持平衡(如图12所示)。

其中进入燃机的能量包含有3部分：①压气机空气进入燃机的能量Q_air，为实际参与燃烧的空气能量与未参与燃烧的过量空气能量总和；②燃料天然气进入燃机的能量Q_fuel；③燃机注水/水蒸气的能量Q_inj。而离开燃机的能量则有4部分：①燃机排气能量Q_exh，为燃烧生成的排气能量Q_combprod与离开燃机的过量空气能量总和；②压气机抽气的能量Q_ext；③燃机做功输出电功率Q_elect；④各项热损失能量Q_loss。而参与燃烧的产物组成以及各部分能量，可通过建立燃烧模型来获得，具体算法如下(如图13所示)。

(1)燃烧产物的组成

①燃机进口空气(湿空气)的摩尔组成

T＝T_{进口空气温度}×1.8+491.67

$\ln (P_{vapor}/6.894757)=\left\{\begin{array}{c}\begin{array}{cc}<1>:& -1.0214165*{10}^4/T-4.8932428-5.3765794*{10}^{-3}\&times;T+1.9202377*{10}^{-7}\&times;T^2\end{array}\\ \begin{array}{cc}+3.5575832*{10}^{-10}\&times;T^3-9.0344688*{10}^{-14}\&times;T^4+4.1635019\&times;\ln \left(T\right)& (T:311.67~491.67)\end{array}\\ \begin{array}{cc}<2>:& -1.0440397*{10}^4/T-1.129465*10-2.7022355*{10}^{-2}\&times;T\end{array}\\ \begin{array}{cc}\mathrm{+1}{\mathrm{.289036*10}}^{\mathrm{-5}}\&times;T^2-2.4780681*{10}^{-9}\&times;T^3+6.5459673\&times;\ln \left(T\right)& (T:491.67~851.67)\end{array}\end{array}\right.$

P_H2O＝P_vapor×RH_{进口空气相对湿度}/100

FDA＝(P_大气压力-P_H2O)/P_大气压力

${\mathrm{MF}}_{air,i}=FDA\&times;{\mathrm{MF}}_{air,i}^{dry}$

MW_air＝∑(MF_air,i×MW_i)

式中：T——为压气机进口空气温度(兰氏度)[R]；

P_vapor——压气机进口空气温度下的水蒸气饱和压力[kPa]；

P_H2O——水的分压力[kPa]；

FDA——干空气分数[/]；

MF_air,i——燃机进口空气(湿空气)某一组分的摩尔分数[/]。对于水的摩尔分数MF_H2O＝1-FDA，二氧化硫的摩尔分数MF_SO2＝0；

——干空气某一组分的摩尔分数[/]，见表3；

i——角标，表示气体某一组分。在此处，分别为N2、O2、CO2、Ar、H2O、SO2；

MW_air——燃机进口空气(湿空气)平均相对分子质量[/]；

MW_i——气体某一组分相对分子质量[/]，见表4。

表3 干空气组分的摩尔分数

表4 气体组分的相对分子质量

组分	化学式	相对分子质量MW	组分	化学式	相对分子质量MW
						氮气	N2	28.0134	氧气	O2	31.9988
二氧化碳	CO2	44.0095	氩气	Ar	39.948
						水	H2O	18.01528	二氧化硫	SO2	64.0638
一氧化碳	CO	28.0101	硫化氢	H2S	34.08088
						氢气	H2	2.01588	氦气	He	4.0026
甲烷	CH4	16.04246	乙烷	C2H6	30.06904
						丙烷	C3H8	44.09562	丁烷	n-C4H10	58.12220
异丁烷	i-C4H10	58.12220	戊烷	n-C5H12	72.14878
						异戊烷	i-C5H12	72.14878	己烷	n-C6H14	86.17536

②气体燃烧导致的摩尔流量变化

MW_fuel＝∑(MF_天然气,i×MW_i)

$M_{fuel}=\frac{m_{fuel}\&times;{10}^3}{{\mathrm{MW}}_{fuel}}$

ΔM_i＝∑(M_fuel×MF_天然气,i×CR_i,j)

式中：MW_fuel——天然气平均相对分子质量；

M_fuel——天然气摩尔流量[mol/h]；

ΔM_i——由于燃烧导致的空气某一组分摩尔流量变化量[mol/h]；

CR——燃气燃烧摩尔比，见表5；

i——角标，表示天然气某一组分。在此处，分别为CH4、C2H6、C3H8、C4H10、C5H12、C6H14、N2、CO、CO2、H2O、H2、H2S、He、O2、Ar；

j——角标，表示空气某一组分。在此处，分别为N2、O2、CO2、Ar、H2O、SO2。

表5 燃气燃烧摩尔比

*：氦气，作为一种惰性气体，在方程中如同氩气处理。

③实际燃烧了的湿空气组成

$m_{aircomb}^{dry}=\frac{{\mathrm{\&Delta;M}}_{O2}}{{\mathrm{MF}}_{O2}^{dry}}\&times;{\mathrm{MW}}_{air}^{dry}=\frac{{\mathrm{\&Delta;M}}_{O2}}{0.209476}\&times;28.9651159$

$M_{aircomb,i}=\frac{m_{aircomb}}{{\mathrm{MW}}_{air}}\&times;{\mathrm{MF}}_i$

${\mathrm{mF}}_{aircomb,i}=\frac{{\mathrm{MF}}_i\&times;{\mathrm{MW}}_i}{{\mathrm{MW}}_{air}}$

式中：——进入燃烧的干空气质量流量[g/h]；

ΔM_O2——由于燃烧导致的O2摩尔流量的变化量[mol/h]；

——干空气中O2的摩尔分数，0.209476；

——干空气的相对分子质量，28.9651159；

——含湿量，[/]；

m_aircomb——实际燃烧了的湿空气质量流量(即按化学计量燃烧所需的湿空气质量流量[g/h]；

M_aircomb,i——实际燃烧了的湿空气某一组分摩尔流量[mol/h]；

i——角标，表示空气某一组分。在此处，分别为N2、O2、CO2、Ar、H2O、SO2；

mF_aircomb,i——实际燃烧了的湿空气某一组分质量分数。

④燃烧产物组成

$M_{inj}=\frac{m_{inj}\&times;1000}{{\mathrm{MW}}_{H2O}}$

M_combprod,H2O＝M_aircomb,H2O+ΔM_H2O+M_inj

M_combprod,i＝M_aircomb,i+ΔM_i

m_combprod＝m_aircomb+(m_fuel+m_inj)×1000

${\mathrm{mF}}_{combprod,i}=\frac{M_{combprod,i}\&times;{\mathrm{MW}}_i}{m_{combprod}}$

式中：M_inj——注入水/水蒸汽的摩尔流量[mol/h]；

m_inj——注入水/水蒸汽的质量流量[kg/h]；

M_combprod,H2O——燃烧产物中水的摩尔流量[mol/h]；

M_aircomb,H2O——实际燃烧了的湿空气中水的摩尔流量[mol/h]；

ΔM_H2O——由于燃烧导致的，湿空气中水的摩尔流量变化量[mol/h]；

M_combprod,i——燃烧产物中某一组分的摩尔流量[mol/h](水除外)；

i——角标，表示空气某一组分。在此处，分别为N2、O2、CO2、Ar、H2O、SO2；

M_aircomb,i——实际燃烧了的湿空气中某一组分的摩尔流量[mol/h](水除外)；

ΔM_i——由于燃烧导致的，湿空气中某一组分的摩尔流量变化量[mol/h](水除外)；

m_combprod——燃烧产物总的质量流量[g/h]；

mF_combprod,i——燃烧产物中某一组分的质量分数。

(2)进入燃机的能量

其中进入燃机的能量包含有3部分：①压气机空气进入燃机的能量Q_air，为实际参与燃烧的空气能量与未参与燃烧的过量空气能量总和；②燃料天然气进入燃机的能量Q_fuel；③燃机注水/水蒸气的能量Q_inj。

①压气机空气进入燃机的能量(如图14所示)

$Q_{air}=Q_{air}^{excess,in}+Q_{air}^{comb}\left\{\begin{array}{c}{Q}_{air}^{excess,in}=m_{air}^{excess}\&times;h_{air}^{in}\\ Q_{air}^{comb}=m_{air,comb}\&times;h_{air}^{in}\end{array}\right.$

式中：Q_air——压气机空气进入燃机的能量[J/h]；

——进入燃机的过量空气能量[J/h]；

——进入燃机燃烧的空气能量[J/h]；

——过量空气质量流量[g/h]，为待求量；

——进口湿空气焓(即实际燃烧了的湿空气焓)[kJ/kg]；

h_air,i(T_{进口空气温度})——实际燃烧了的湿空气，其某一组分在压气机进口空气温度下的焓[kJ/kg]；

i——角标，表示实际燃烧了的湿空气某一组分。在此处，分别为N2、O2、CO2、Ar、H2O、SO2。

②燃料天然气进入燃机的能量(如图15所示)

Q_fuel＝m_fuel×LHV

式中：Q_fuel——天然气进入燃机的能量[J/h]；

V_fuel——天然气体积流量[m^3/h]；

LHV——天然气体积低位热值[kJ/m^3]。

③燃机注水/水蒸汽的能量(如图16所示)

Q_inj＝m_inj×h_inj×1000

式中：Q_inj——燃机注水/水蒸气的能量[J/h]；

——燃机注水/水蒸气的焓[kJ/kg]。

(3)离开燃机的能量

①燃机排气能量(如图17所示)

$Q_{exh}=Q_{air}^{excess,out}+Q_{combprod}\left\{\begin{array}{c}{Q}_{air}^{excess,out}=m_{air}^{excess}\&times;h_{air}^{exh}\\ Q_{combprod}=m_{combprod}\&times;h_{combprod}\end{array}\right.$

h_combprod＝∑[mF_combprod,i×h_combprod,i(T_{燃机排气温度})]

式中：Q_exh——燃气轮机排气能量[J/h]；

——离开燃机的过量空气能量[J/h]；

Q_combprod——离开燃机燃烧的排气能量[J/h]；

——湿空气排气焓(即实际燃烧了的湿空气排气焓)[kJ/kg]；

h_combprod——燃烧产物排气焓(即实际燃烧了的湿空气排气焓)[kJ/kg]

h_air,i(T_{燃机排气温度})——实际燃烧了的湿空气，其某一组分在燃机排气温度下的焓[kJ/kg]；

h_combprod,i(T_{燃机排气温度})——燃烧产物中某一组分在燃机排气温度下的焓[kJ/kg]；

i——角标，表示某一气体组分。在此处，分别为N2、O2、CO2、Ar、H2O、SO2。

②压气机抽气的能量(如图18所示)

$Q_{ext}=m_{ext}\&times;h_{air}^{ext}\&times;1000$

式中：Q_ext——压气机抽气的能量[J/h]；

m_ext——压气机抽气质量流量[kg/h]；

——压气机抽气焓[kJ/kg]；

——压气机的抽气，其某一组分在压气机抽气温度下的焓[kJ/kg]；

i——角标，表示压气机的抽气某一组分。在此处，分别为N2、O2、CO2、Ar、H2O、SO2。

③燃机做功输出电功率、各项热损失能量(如图19所示)

Q_elect＝W_燃机×3600×10⁶

Q_loss＝ξ×Q_elect

式中：Q_elect——输出的电功率[J/h]；

W_燃机——燃机有功功率[MW]；

Q_loss——各项热损失能量[J/h]；

ξ——热损失系数，根据厂家数据来估算，此处可取范围1％～2％。

(4)燃气轮机实际排气组成、流量(如图20所示)

$M_{air,i}^{excess}=\frac{m_{air}^{excess}}{{\mathrm{MW}}_{air}}\&times;{\mathrm{MF}}_{air,i}$

$M_{exh,i}=M_{combprod,i}+M_{air,i}^{excess}$

M_exh＝∑M_exh,i

$m_{exh}=m_{air}^{excess}+m_{combprod}$

${\mathrm{mF}}_{exh,i}=\frac{\mathrm{\&Sigma;}(M_{exh,i}\&times;{\mathrm{MW}}_i)}{m_{exh}}\&times;100$

h_exh＝∑[mF_exh,i×h_exh,i(T_{燃机排气温度})]

式中：——过量空气中某一组分的摩尔流量[mol/h]；

M_exh,i——燃机实际排气，其中某一组分的摩尔流量[mol/h]；

M_exh——燃机实际排气的摩尔流量[mol/h]；

m_exh——燃机实际排气的质量流量[g/h]；

M_exh——燃机实际排气的摩尔流量[mol/h]；

mF_exh,i——燃机实际排气，其中某一组分的质量百分数[％]；

h_exh——燃机实际排气焓[kJ/kg]；

h_exh,i(T_{燃机排气温度})——燃机实际排气，其某一组分在燃机排气温度下的焓[kJ/kg]；

i——角标，表示燃机实际排气的某一组分。在此处，分别为N2、O2、CO2、Ar、H2O、SO2。

2.6运行参数统计分析

如图21所示，实现燃气-蒸汽联合联合循环机组运行参数的统计分析，从多种不同的角度灵活提供观察系统运行情况，形成各种趋势、成组数据、数据表等统计资料，为电站管理和技术人员提供丰富的数据源。

当使用人员自主设置好统计查询的时间(动态更新或指定某一时间段)，以及调峰负荷或基本负荷后，系统会给出符合条件的燃机有功功率最小值、最大值。再由使用人员根据显示的燃机功率上下限幅值，定义燃机“额定负荷定义值”。最终依据此定义值，来统计分析不同负荷工况下(100％、90％、80％额定负荷等)，燃气发电机组各项运行参数(燃机侧、余热锅炉侧、汽机侧和设备厂用电系统)。且各运行参数经归一化处理后，以趋势曲线图呈现，利于技术人员掌握不同负荷工况下机组的运行情况，并有针对性的做出趋势预测，从而调整运行操作，保证机组高效经济。

2.7性能指标统计与数据挖掘分析

如图22所示，基于发电气耗等经济性能指标的实时计算值，获得机组运行性能的时空分布曲线。通过选定机组运行情况(基本负荷、调峰负荷)，统计筛选出符合条件的运行工况，并给出燃机有功功率最小值、最大值，供使用者限定燃机额定负荷定义值。在此基础上，统计100％、90％、80％额定负荷等不同负荷率工况下的机组运行性能指标(见表6)，实现机组运行性能的时空分布曲线分析。

表6 不同负荷率工况下的机组运行性能指标对比分析表

不同负荷率工况下的机组运行性能指标	单位
		联合循环发电机组 出力	MW
联合循环发电机组 热耗	kJ/(kW·h)
		联合循环发电机组 发电气耗	m3/(kW·h)
联合循环发电机组 发电标煤耗	g/(kW·h)
		联合循环发电机组 发电效率	％
联合循环发电机组 供电气耗	m3/(kW·h)
		联合循环发电机组 供电效率	％
联合循环发电机组 供电标煤耗	g/(kW·h)
		燃机有功功率	MW
燃机热耗率	kJ/(kW·h)
		燃机热效率	％
余热锅炉效率	％
		汽轮机有功功率	MW
汽轮机热耗率	kJ/(kW·h)
		厂用电率	％

如图23所示，针对不同时期单台机组经济性能指标进行统计对比分析(见表7)，获得机组最佳运行效率区域，制定可操作的节能优化策略。使用者选择能效指标和对比参数后，根据给出的相应影响因素浮动范围，配置分析条件进行数据筛选，从而实现纵向对比分析。

表7 机组经济性能指标统计对比分析表

联合循环机组性能表现的主要影响因素主要分布在三大设备上，即燃气轮机、余热锅炉、汽轮机，所以分析环境因素、运行因素对于三大设备的能效影响至关重要。其中影响联合循环和燃机系统能效指标的因素，以环境参数和燃料参数为主，即大气压力、环境温度、燃料温度。上述指标导致压气机空气质量流量的变化，从而改变燃气轮机的效率和出力，也影响联合循环机组的性能表现。而锅炉侧的进口烟气温度(燃机排气温度)及排烟温度变化，造成排烟损失和吸热效率改变，导致锅炉侧能效指标产生相应改变。同样的，对于联合循环电站汽轮机来说，由于取消了调节级和抽汽回热系统，主汽参数对汽机效率的影响更加突出，通过分析高压侧蒸汽压力和温度、低压侧蒸汽压力和温度、排汽压力等运行参数变化，来研究对汽轮机性能影响程度，指导优化运行。

2.8机组对标管理

基于参数和指标的数据查询和趋势分析、关键参数相互关系的对比分析和曲线拟合，形成机组能效诊断月报(如表8所示)，为发电企业实现精细化管理提供有效的技术支撑。通过开展经济指标、设备性能指标、不同负荷工况下的运行指标对标，考察诊断机组每月平均能效水平、最优和最差运行水平，发现燃气-蒸汽联合循环机组存在的问题和进一步提高运行水平的空间与潜力，指导技术人员有针对性的改进设备和调整运行。

表8 机组能效诊断月报(部分内容示意)

Claims (8)

1.一种基于大数据的燃气-蒸汽联合循环发电机组远程能效诊断方法，包括实时数据库和关系数据库，用于进行数据的存储与传输；配置应用服务器，用于进行数据计算、分析和应用；Web服务器，信息的Web发布和远程访问，其特征在于，诊断步骤如下：

1)数据采集的步骤，接收和存储发电企业上传的实时数据和关系数据；

2)数据信息的整合与分析的步骤，对现场采集得到的多频、异源、异构数据进行整合与分析，剔除原始数据中的过失误差、随机误差，补全不完备数据并进行数据校正，最终形成数据支撑平台；

3)数据判稳的步骤，以除氧器进口凝结水流量、主汽压力、燃气机组负荷、汽轮机组负荷，四个参数共同作为检测机组稳态工况的依据，判断机组处于稳态工况的条件，在一个计算周期内上述四个参数的稳定指标是否均在规定阈值范围内；

4)机组运行状况在线监视的步骤，在线监视设备运行状况和生产过程参数信息，对燃机侧监视、余热锅炉侧监视、汽机侧监视和设备厂用电监视；

5)性能指标的实时在线计算的步骤，对发电机组的经济性能指标和设备性能指标的进行在线计算；

6)运行参数统计的步骤，对发电机组运行参数的统计分析；

7)数据挖掘分析的步骤，基于发电机组的经济性能指标的实时计算值，获得机组运行性能的时空分布曲线和最佳运行效率区域；

8)机组对标管理的步骤，基于上述步骤获得的数据，形成机组能效诊断月报。

2.根据权利要求1所述的基于大数据的燃气-蒸汽联合循环发电机组远程能效诊断方法，其特征是，步骤1)中的实时数据主要用来传输和存储“秒级”实时性要求比较高的生产实时数据，包括DCS控制系统、辅控系统、电量系统；关系数据包括用于传输和存储燃料、配置参数的关系型数据，同时作为实时数据平台的完善和补充。

3.根据权利要求1所述的基于大数据的燃气-蒸汽联合循环发电机组远程能效诊断方法，其特征是，步骤2)中：针对过失误差，数据样本中的过失误差是由随机干扰和检测仪表异常所引起，误差幅度一般较大，采用限幅的方法进行消除，根据实际生产工艺要求确定实时数据的变化范围，然后利用最大最小值限幅方法剔除不在此区域中的数据样本；

针对随机误差，考虑到生产过程本身的动态特性，对这种动态过程的数据采用拉依达3σ准则进行判别，剔除随机误差后取其样本的平均值；即针对采集数据的多个样本求取均值与标准偏差，确定数值分布在“均值－2×标准偏差”和“均值+2×标准偏”区间；超过这个区间的数据信息，则认为是误差数据，应予以剔除；

针对数据的不完整，考虑到直接删除不完备信息数据记录的方法会造成数据样本不能覆盖整个工况区间、影响数据样本的客观性和完整性，从实用性的角度出发，结合数据统计分析和属性取值关联程度这两方面的优势，采用沿用上一样本数据信息的方法进行不完备数据信息的数据补齐。

4.根据权利要求1所述的基于大数据的燃气-蒸汽联合循环发电机组远程能效诊断方法，其特征是，

步骤3)中判断阀值范围的公式：

式中：D_凝结水max、D_凝结水min——分别为该计算周期内除氧器进口凝结水流量的最大值、最小值[t/h]；

P_主汽max、P_主汽min——分别为该计算周期内主汽压力的最大值、最小值[MPa]；

W_{燃机有功功率max}、W_{燃机有功功率min}——分别为该计算周期内燃气机组负荷的最大值、最小值[MW]；

W_{汽机有功功率max}、W_{汽机有功功率min}——分别为该计算周期内汽轮机组负荷的最大值、最小值[MW]；

D_{凝结水额定}、P_主汽额定、W_{燃机有功功率额定}、W_{汽机有功功率额定}——分别为除氧器进口凝结水流量[t/h]、主汽压力[MPa]、燃气机组负荷[MW]、汽轮机组负荷[MW]的额定值，根据机组设计资料获得，其中的规定阀值分别为：ψ1＝0.052，ψ2＝0.024，ψ3＝0.026，ψ4＝0.031。

5.根据权利要求1所述的基于大数据的燃气-蒸汽联合循环发电机组远程能效诊断方法，其特征是，具体地，步骤5)中，建立基于燃气-蒸汽联合循环发电机组运行经济性能实时计算分析模型中对于燃机实际排气流量的算法；认为燃机实际排气流量由两部分组成，分别是参与燃烧生成的各排气产物流量，与未参与燃烧的过量空气流量；而前者是根据燃烧化学反应原理计算获得，后者则需要通过能量平衡算法求取，即进出燃机能量保持平衡；

其中进入燃机的能量包含有3部分：①压气机空气进入燃机的能量Q_air，为实际参与燃烧的空气能量与未参与燃烧的过量空气能量总和；②燃料天然气进入燃机的能量Q_fuel；③燃机注水/水蒸气的能量Q_inj；而离开燃机的能量则有4部分：①燃机排气能量Q_exh，为燃烧生成的排气能量Q_combprod与离开燃机的过量空气能量总和；②压气机抽气的能量Q_ext；③燃机做功输出电功率Q_elect；④各项热损失能量Q_loss；而参与燃烧的产物组成以及各部分能量，可通过建立燃烧模型来获得，具体算法如下：(1)燃烧产物的组成

①燃机进口空气即湿空气的摩尔组成

T＝T_{进口空气温度}×1.8+491.67

$\ln (P_{vapor}/6.894757)=\left\{\begin{array}{c}\begin{array}{cc}<1>:& -1.0214165*{10}^4/T-4.8932428-5.3765794*{10}^{-3}\&times;T+1.9202377*{10}^{-7}\&times;T^2\end{array}\\ \begin{array}{cc}+3.5575832*{10}^{-10}\&times;T^3-9.0344688*{10}^{-14}\&times;T^4+4.163519\&times;\ln \left(T\right)& (T:311.67~491.67)\end{array}\\ \begin{array}{cc}<2>:& -1.044097*{10}^4/T-1.129465*10-2.7022355*{10}^{-2}\&times;T\end{array}\\ \begin{array}{cc}+1.289036*{10}^{-5}\&times;T^2-2.4780681*{10}^{-9}\&times;T^3+6.5459673\ln \left(T\right)& (T:491.67~851.67)\end{array}\end{array}\right.$

P_H2O＝P_vapor×RH_{进口空气相对湿度}/100

FDA＝(P_大气压力-P_H2O)/P_大气压力

${\mathrm{MF}}_{air,i}=FDA\&times;{\mathrm{MF}}_{air,i}^{dry}$

MW_air＝∑(MF_air,i×MW_i)

式中：T——为压气机进口空气温度即兰氏度[R]；

P_vapor——压气机进口空气温度下的水蒸气饱和压力[kPa]；

P_H2O——水的分压力[kPa]；

FDA——干空气分数[/]；

MF_air,i——燃机进口空气即湿空气某一组分的摩尔分数[/]；对于水的摩尔分数MF_H2O＝1-FDA，二氧化硫的摩尔分数MF_SO2＝0；

——干空气某一组分的摩尔分数[/]；

i——角标，表示气体某一组分；在此处，分别为N2、O2、CO2、Ar、H2O、SO2；

MW_air——燃机进口空气即湿空气平均相对分子质量[/]；

MW_i——气体某一组分相对分子质量[/]；

②气体燃烧导致的摩尔流量变化：

MW_fuel＝∑(MF_天然气,i×MW_i)

$M_{fuel}=\frac{m_{fuel}\&times;{10}^3}{{\mathrm{MW}}_{fuel}}$

ΔM_i＝∑(M_fuel×MF_天然气,i×CR_i,j)

式中：MW_fuel——天然气平均相对分子质量；

M_fuel——天然气摩尔流量[mol/h]；

ΔM_i——由于燃烧导致的空气某一组分摩尔流量变化量[mol/h]；

CR——燃气燃烧摩尔比；

i——角标，表示天然气某一组分；在此处，分别为CH4、C2H6、C3H8、C4H10、C5H12、C6H14、N2、CO、CO2、H2O、H2、H2S、He、O2、Ar；

j——角标，表示空气某一组分；在此处，分别为N2、O2、CO2、Ar、H2O、SO2；

③实际燃烧了的湿空气组成：

$m_{aircomb}^{dn}=\frac{{\mathrm{\&Delta;M}}_{O2}}{{\mathrm{MF}}_{O2}^{dry}}\&times;{\mathrm{MW}}_{air}^{dry}=\frac{{\mathrm{\&Delta;M}}_{O2}}{0.209476}\&times;28.9651159$

$M_{aircomb,i}=\frac{m_{aircomb}}{{\mathrm{MW}}_{air}}\&times;{\mathrm{MF}}_i$

${\mathrm{mF}}_{aircomb,i}=\frac{{\mathrm{MF}}_i\&times;{\mathrm{MW}}_i}{{\mathrm{MW}}_{air}}$

式中：——进入燃烧的干空气质量流量[g/h]；

ΔM_O2——由于燃烧导致的O2摩尔流量的变化量[mol/h]；

——干空气中O2的摩尔分数，0.209476；

——干空气的相对分子质量，28.9651159；

——含湿量，[/]；

m_aircomb——实际燃烧了的湿空气质量流量即按化学计量燃烧所需的湿空气质量流量[g/h]；

M_aircomb,i——实际燃烧了的湿空气某一组分摩尔流量[mol/h]；

i——角标，表示空气某一组分；在此处，分别为N2、O2、CO2、Ar、H2O、SO2；

mF_aircomb,i——实际燃烧了的湿空气某一组分质量分数；

④燃烧产物组成：

$M_{inj}=\frac{m_{inj}\&times;1000}{{\mathrm{MW}}_{H2O}}$

M_combprod,H2O＝M_aircomb,H2O+ΔM_H2O+M_inj

M_combprod,i＝M_aircomb,i+ΔM_i

m_combprod＝m_aircomb+(m_fuel+m_inj)×1000

${\mathrm{mF}}_{combprod,i}=\frac{M_{combprod,i}\&times;{\mathrm{MW}}_i}{m_{combprod}}$

式中：M_inj——注入水/水蒸汽的摩尔流量[mol/h]；

m_inj——注入水/水蒸汽的质量流量[kg/h]；

M_combprod,H2O——燃烧产物中水的摩尔流量[mol/h]；

M_aircomb,H2O——实际燃烧了的湿空气中水的摩尔流量[mol/h]；

ΔM_H2O——由于燃烧导致的，湿空气中水的摩尔流量变化量[mol/h]；

M_combprod,i——燃烧产物中某一组分的摩尔流量[mol/h]水除外；

i——角标，表示空气某一组分；在此处，分别为N2、O2、CO2、Ar、H2O、SO2；

M_aircomb,i——实际燃烧了的湿空气中某一组分的摩尔流量[mol/h]水除外；

ΔM_i——由于燃烧导致的，湿空气中某一组分的摩尔流量变化量[mol/h]水除外；

m_combprod——燃烧产物总的质量流量[g/h]；

mF_combprod,i——燃烧产物中某一组分的质量分数；

(2)进入燃机的能量

其中进入燃机的能量包含有3部分：①压气机空气进入燃机的能量Q_air，为实际参与燃烧的空气能量与未参与燃烧的过量空气能量总和；②燃料天然气进入燃机的能量Q_fuel；③燃机注水/水蒸气的能量Q_inj；

①压气机空气进入燃机的能量

$Q_{air}=Q_{air}^{excess,in}+Q_{air}^{comb}\left\{\begin{array}{c}{Q}_{air}^{excess,in}=m_{air}^{excess}\&times;h_{air}^{in}\\ Q_{air}^{comb}=m_{air,comb}\&times;h_{air}^{in}\end{array}\right.$

式中：Q_air——压气机空气进入燃机的能量[J/h]；

——进入燃机的过量空气能量[J/h]；

——进入燃机燃烧的空气能量[J/h]；

——过量空气质量流量[g/h]，为待求量；

——进口湿空气焓即实际燃烧了的湿空气焓[kJ/kg]；

h_air,i(T_{进口空气温度})——实际燃烧了的湿空气，其某一组分在压气机进口空气温度下的焓[kJ/kg]；

i——角标，表示实际燃烧了的湿空气某一组分；在此处，分别为N2、O2、CO2、Ar、H2O、SO2；

②燃料天然气进入燃机的能量

Q_fuel＝m_fuel×LHV

式中：Q_fuel——天然气进入燃机的能量[J/h]；

V_fuel——天然气体积流量[m^3/h]；

LHV——天然气体积低位热值[kJ/m^3]；

③燃机注水/水蒸汽的能量

Q_inj＝m_inj×h_inj×1000

式中：Q_inj——燃机注水/水蒸气的能量[J/h]；

——燃机注水/水蒸气的焓[kJ/kg]；

(3)离开燃机的能量

①燃机排气能量

$Q_{exh}=Q_{air}^{excess,out}+Q_{combprod}\left\{\begin{array}{c}{Q}_{air}^{excess,out}=m_{air}^{excess}\&times;h_{air}^{exh}\\ Q_{combprod}=m_{combprod}\&times;h_{combprod}\end{array}\right.$

h_combprod＝∑[mF_combprod,i×h_combprod,i(T_{燃机排气温度})]

式中：Q_exh——燃气轮机排气能量[J/h]；

——离开燃机的过量空气能量[J/h]；

Q_combprod——离开燃机燃烧的排气能量[J/h]；

——湿空气排气焓即实际燃烧了的湿空气排气焓[kJ/kg]；

h_combprod——燃烧产物排气焓即实际燃烧了的湿空气排气焓[kJ/kg]

h_air,i(T_{燃机排气温度})——实际燃烧了的湿空气，其某一组分在燃机排气温度下的焓[kJ/kg]；

h_combprod,i(T_{燃机排气温度})——燃烧产物中某一组分在燃机排气温度下的焓[kJ/kg]；

i——角标，表示某一气体组分；在此处，分别为N2、O2、CO2、Ar、H2O、SO2；

②压气机抽气的能量

$Q_{ext}=m_{ext}\&times;h_{air}^{ext}\&times;1000$

式中：Q_ext——压气机抽气的能量[J/h]；

m_ext——压气机抽气质量流量[kg/h]；

——压气机抽气焓[kJ/kg]；

——压气机的抽气，其某一组分在压气机抽气温度下的焓[kJ/kg]；

i——角标，表示压气机的抽气某一组分；在此处，分别为N2、O2、CO2、Ar、H2O、SO2；

③燃机做功输出电功率、各项热损失能量

Q_elect＝W_燃机×3600×10⁶

Q_loss＝ξ×Q_elect

式中：Q_elect——输出的电功率[J/h]；

W_燃机——燃机有功功率[MW]；

Q_loss——各项热损失能量[J/h]；

ξ——热损失系数，根据厂家数据来估算，此处可取范围1％～2％；

(4)燃气轮机实际排气组成、流量

$M_{air,i}^{excess}=\frac{m_{air}^{excess}}{{\mathrm{MW}}_{air}}\&times;{\mathrm{MF}}_{air,i}$

$M_{exh,i}=M_{combprod,i}+M_{air,i}^{excess}$

M_exh＝∑M_exh,i

$m_{exh}=m_{air}^{excess}+m_{combprod}$

${\mathrm{mF}}_{exh,i}=\frac{\mathrm{\&Sigma;}(M_{exh,i}\&times;{\mathrm{MW}}_i)}{m_{exh}}\&times;100$

h_exh＝∑[mF_exh,i×h_exh,i(T_{燃机排气温度})］

式中：——过量空气中某一组分的摩尔流量[mol/h]；

M_exh,i——燃机实际排气，其中某一组分的摩尔流量[mol/h]；

M_exh——燃机实际排气的摩尔流量[mol/h]；

m_exh——燃机实际排气的质量流量[g/h]；

M_exh——燃机实际排气的摩尔流量[mol/h]；

mF_exh,i——燃机实际排气，其中某一组分的质量百分数[％]；

h_exh——燃机实际排气焓[kJ/kg]；

h_exh,i(T_{燃机排气温度})——燃机实际排气，其某一组分在燃机排气温度下的焓[kJ/kg]；

i——角标，表示燃机实际排气的某一组分；在此处，分别为N2、O2、CO2、Ar、H2O、SO2。

6.根据权利要求1所述的基于大数据的燃气-蒸汽联合循环发电机组远程能效诊断方法，其特征是，步骤6)中运行参数统计分析，形成各种趋势、成组数据、数据表的统计资料，为电站管理和技术人员提供数据源。

7.根据权利要求1所述的基于大数据的燃气-蒸汽联合循环发电机组远程能效诊断方法，其特征是，步骤7)中通过选定机组运行情况，统计筛选出符合条件的运行工况，并给出燃机有功功率最小值、最大值，供使用者限定燃机额定负荷定义值；在此基础上，统计100％、90％、80％额定负荷等不同负荷率工况下的机组运行性能指标，实现机组运行性能的时空分布曲线分析；并根据能效指标和影响的运行参数耦合对比，分析不同时期单台机组经济性能指标，从而获得机组最佳运行效率区域。

8.根据权利要求1所述的基于大数据的燃气-蒸汽联合循环发电机组远程能效诊断方法，其特征是，步骤8)是基于参数和指标的数据查询和趋势分析、关键参数相互关系的对比分析和曲线拟合，形成机组能效诊断月报。