CN107330543A - 一种基于负荷聚类和相关度分析的煤耗优化分析方法 - Google Patents
一种基于负荷聚类和相关度分析的煤耗优化分析方法 Download PDFInfo
- Publication number
- CN107330543A CN107330543A CN201710404797.5A CN201710404797A CN107330543A CN 107330543 A CN107330543 A CN 107330543A CN 201710404797 A CN201710404797 A CN 201710404797A CN 107330543 A CN107330543 A CN 107330543A
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- unit
- coal consumption
- parameter
- 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.)
- Pending
Links
- 239000003245 coal Substances 0.000 title claims abstract description 67
- 238000000034 method Methods 0.000 title claims abstract description 20
- 238000013433 optimization analysis Methods 0.000 title claims abstract description 8
- 238000010977 unit operation Methods 0.000 claims description 13
- 238000004458 analytical method Methods 0.000 claims description 10
- 230000009467 reduction Effects 0.000 claims description 8
- 238000005516 engineering process Methods 0.000 claims description 7
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 7
- 238000005457 optimization Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 4
- 238000003303 reheating Methods 0.000 claims description 4
- 238000005070 sampling Methods 0.000 claims description 4
- 241000208340 Araliaceae Species 0.000 claims description 3
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims description 3
- 235000003140 Panax quinquefolius Nutrition 0.000 claims description 3
- 235000008434 ginseng Nutrition 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 2
- 230000001276 controlling effect Effects 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 238000005265 energy consumption Methods 0.000 description 4
- 238000000638 solvent extraction Methods 0.000 description 4
- 230000002349 favourable effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000000875 corresponding effect Effects 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000010206 sensitivity analysis Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 241001269238 Data Species 0.000 description 1
- 238000009412 basement excavation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000035800 maturation Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 241000894007 species Species 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开了一种基于负荷聚类和相关度分析的煤耗优化分析方法，包括以下步骤：(1)选取机组稳态工况数据；(2)选取与煤耗有关的参数；(3)对机组负荷进行聚类；(4)将选取的参数和煤耗的历史数据进行规范化；(5)计算各类负荷工况下运行参数和机组煤耗的相关度；(6)将上一步计算的各个运行参数与机组煤耗率之间的相关度按绝对值大小排序，相关度绝对值越大表明在该类负荷工况下该参数对机组供电煤耗影响越大；(7)整理得到各类负荷工况下对机组供电煤耗率影响较大的运行参数，对比当前工况与历史工况输出最优值。
Description
技术领域
本发明属于热力电站机组热力经济性能分析技术领域，具体涉及到基于负荷聚类和相关度分析的煤耗优化分析方法。
背景技术
化石能源在人类文明进步中担任重要角色，但大量的一次能源消耗产生的各种污染物，超过地球自身的循环承载力，从光化学污染到如今的国内雾霾，环境污染问题已经严重影响到人们的健康，节能减排已经成为了我国经济实现可持续发展的基本国策。火电机组最根本的能耗特性指标通常以供电煤耗率表示，降低机组供电煤耗是节能减排的一项重要措施，对有效推行节约能源、保护环境以及经济的健康绿色发展和实现发电企业利润最大化有着重要意义。要实现降低机组供电煤耗的目的，需要明确电站运行当中各个参数对于煤耗指标的影响。目前常见的技术手段包括：参数敏感性分析方法、正交试验法等，但以上方法存在着计算繁琐复杂、试验覆盖机组工况少、负荷工况划分边界过硬等问题，加上随着机组运行时间增加机组运行特性存在劣化现象，从而导致原先的计算和试验结果产生较大偏差。同时，与煤耗相关的机组运行参数存在种类多、维度高、耦合强等特点，敏感性分析和正交试验等方法难以快速、准确获取各类运行工况下各个运行参数变化对于机组煤耗的影响，从而不能及时给予机组优化运行指导。由于供电煤耗率是火电机组的最根本的能耗特性指标，准确分析火电机组运行当中每个参数对于发电煤耗率的影响程度和影响方式对降低机组的供电煤耗率，实现电厂的节能提效以及推进节能减排政策有着重要的意义。
发明内容
随着数据库技术和DCS技术的日渐成熟，电站产生和积累了大量的历史运行数据，这些数据真实地记录和反映了机组的机组特性、操作信息和运行状态，为准确分析各个运行参数对机组供电煤耗的影响提供了参考。本发明提出了一种基于负荷聚类和相关度分析的煤耗优化分析方法，由热工理论可知电站机组运行状况有多种边界条件决定，包括运行可控边界条件和不可控边界条件,因此可将机组供电煤耗用下式表示：
b＝f(Vb，Vk)
其中,b是机组煤耗率；Vb是不可控边界条件参数集合；Vk是运行可控边界条件参数集合。
利用历史运行数据作为分析对象，将负荷数据作为不可控边界条件进行聚类处理形成机组运行工况的划分依据，在真实、准确反映机组运行情况的同时能有效防止数据冗余，为煤耗分析奠定了基础。计算每类机组负荷工况下各个机组运行参数和供电煤耗率的相关度，得到每个参数变化趋势和机组供电煤耗变化趋势的关系，从而确定各个参数对于机组煤耗率的“贡献值”，为电站机组优化运行、降低供电煤耗率和节能提效等工作提供参考依据和有利前提条件。
本发明依靠电站DCS中积累的海量的反映了机组真实运行状况和操作水平的历史数据为依据，分析和挖掘各类负荷工况下各个运行参数对于供电煤耗率的影响程度，相比传统的方法更为准确和高效。
本发明具体的技术方案是：一种基于负荷聚类和相关度分析的煤耗优化分析方法，包括以下步骤：
(1)从DCS积累的历史数据中选取机组稳态工况下的运行数据，以保证分析和挖掘的准确性；
(2)根据热工理论选取电站机组运行过程中与机组供电煤耗有关的重要参数；
(3)以提取的稳定工况下的数据作为分析对象，将其中机组负荷数据作模糊聚类，作为工况划分的标识；
(4)以提取的稳定工况下的数据作为分析对象，对选取的各个机组运行参数进行数据规范化处理，以防止值域范围较大的参数影响挖掘结果；
(5)以聚类的负荷作为工况划分标识，计算各类工况下各个参数和供电煤耗率之间的相关度；
(6)将上一步计算的各个运行参数与机组煤耗率之间的相关度按绝对值大小排序，相关度绝对值越大表明在该类负荷工况下该参数对机组供电煤耗影响越大；
(7)整理得到各类负荷工况下对机组供电煤耗率影响较大的运行参数，对比当前运行工况下与历史同类工况下机组煤耗参数，选择较低的机组煤耗对应运行参数作为该类工况下的最优方式,为优化运行、降低机组供电煤耗提供参考依据。
本发明的有益效果：
(1)机组煤耗率和机组负荷工况密切相关，利用DCS中的历史数据进行负荷聚类工况划分，与传统的负荷等间距划分法和负荷率划分法相比能避免划分边界过硬、真实反映机组运行状况和操作水平，同时能防止数据冗余；
(2)以聚类后的负荷簇作为工况划分依据，基于数据挖掘技术分析每类工况下各个运行参数偏差、变化对机组煤耗影响的重要程度和重要性排序，从而为运行人员提供运行指导，为机组的节能减排和优化运行工作提供重要参考依据和有利前提条件。
附图说明
图1为本发明基于负荷聚类和相关度分析的煤耗优化分析方法的流程图。
具体实施方式
下面结合附图，对本发明进一步详细说明。
供电煤耗率是火电机组的最根本的能耗特性指标，机组运行状况和经济指标由多种边界条件决定，运行参数存在数量庞大、维度高、耦合强等特点。
电力生产的特殊性决定只有稳定工况下的数据才具有参考价值，因此应首先提取机组稳态工况的历史数据作为挖掘对象。
以某省某300MW燃煤机组为分析对象，由热工理论可知机组供电煤耗由运行可控边界条件和不可控边界条件共同决定,因此可将机组供电煤耗用下式表示：
b＝f(Vb，Vk)
其中,b是机组煤耗率；Vb是不可控边界条件参数集合；Vk是运行可控边界条件参数集合；ηb为锅炉效率；ηi为循环热效率；ηm为机械效率；ηg为发电机效率；ηp为管道效率；∑ξi为各辅机电耗率；Q1为锅炉输出热量，即汽轮机的热耗；Qr锅炉收到的燃煤热量。
可见机组的供电煤耗率和机组的热耗密切相关，机组的热耗计算公式如下：
Q1＝D0h0+DzrΔhzr-Dfwhfw，-Dgjhgj-Dzjhzj
式中，D0、Dzr、Dfw、Dgj、Dzj为主蒸汽、再热蒸汽、给水、过热减温水和再热减温水流量，h0、hfw、hgj、hzj为主蒸汽、给水、过热减温水和再热减温水焓值，Δhzr为再热蒸汽焓升。
可见，机组煤耗密切相关的参数多达数十个，主汽流量、主汽温度、主汽压力等为运行可控边界条件。
由于不同负荷下状态各个运行可控边界条件对机组煤耗的影响，即敏感性排序会发生改变，因此，为确定各个参数偏差、变化对机组煤耗影响的重要程度，进而提供各运行参数的重要性排序，就必须将机组负荷作为不可控边界条件，研究其数据的分布特点，对机组负荷数据进行聚类处理划分工况，从而在真实反映机组运行状况的同时有效了消除数据冗余，为分析、挖掘各类负荷工况下各运行参数对机组煤耗的影响程度排序提供了有利前提条件，将DCS中n条机组负荷数据模糊聚类为k个模糊簇(C1，C2...Ck)，聚类方法如下：
式中，P是机组历史负荷数据，ωij是第i条机组负荷Pi对于模糊簇cj的隶属程度，p是控制隶属度影响的参数，且p≥1；Pi为第i条机组负荷Pi的取值；cj为模糊簇Cj类心；dist表示欧氏距离；k为聚类后模糊簇的个数，2≤k≤n。
为了保证任意一条机组负荷的历史数据对于每一模糊簇的隶属度总和为一且每类模糊簇下至少包含一条负荷数据，上式应满足约束条件如下：
对该300MW机组某年12月至次年3月的历史负荷数据采用以上方法分类得到下表：
由表中可见，该机组主要运行在设计工况的35％到75％之间，符合该机组长期处于低负荷低运行小时数的状态，相比传统的等间距划分负荷段和百分比划分负荷段能真实反映机组的运行状况，避免数据冗余。
影响机组煤耗的各个运行可控边界条件参数取值范围有较大差异，为了避免具有较大值域的参数对维归约造成影响，首先应对n条历史数据中包括机组煤耗和选取的m个参数进行规范化处理，Z分数规范化如下：
其中，vij为第n条历史数据中参数j的取值，为参数j在总采样时间内的平均值，σj为参数j在总采样时间内的标准差，n为采样历史数据的条数，m为选取的重要参数的数量。
之后将各参数压缩至区间[0，1]内：
基于参数的相关度计算聚类后每类负荷模糊簇下各个参数对于机组煤耗的“贡献值”。计算各个参数与机组煤耗之间的相关度，计算方式如下：
式中， σva、σb为参数a、b机组煤耗的均值和标准差，vai、bi为第i条历史数据中参数a和机组煤耗的值。
整理得到各参数与机组煤耗相关度矩阵如下：
其中相关度rva，vb＞0，表示该参数与机组煤耗呈正相关，即该参数与煤耗变化趋势相同；rva，vb＜0表示该参数与机组煤耗呈负相关，即该参数与煤耗变化趋势相反，然后将各个相关度按绝对值大小进行排序。
重复以上步骤，分别得到k个负荷模糊簇(C1，C2...Ck)下各个运行参数偏差、变化对机组煤耗影响的重要程度和重要性排序，从而为运行人员提供运行指导，为机组的节能减排和优化运行工作提供重要参考依据和有利前提条件。
以该300MW机组为例，选取当前运行工况对应的历史负荷工况，比对两者的机组供电煤耗，选取较低煤耗率对应的运行参数作为输出，从而为优化运行提供参考，针对某段时间内可得到该机组的各负荷簇最优运行参数如下：
上述实施例对本发明的技术方案进行了详细说明。显然，本发明并不局限于所描述的实施例。基于本发明中的实施例，熟悉本技术领域的人员还可据此做出多种变化，但任何与本发明等同或相类似的变化都属于本发明保护的范围。
Claims (6)
1.一种基于负荷聚类和相关度分析的煤耗优化分析方法，其特征在于，包括以下步骤：
(1)从DCS积累的历史数据中选取机组稳态工况下的运行数据，以保证分析和挖掘的准确性；
(2)根据热工理论选取电站机组运行过程中与机组供电煤耗有关的重要参数；
(3)以提取的稳定工况下的数据作为分析对象，将其中机组负荷数据作模糊聚类，作为工况划分的标识；
(4)以提取的稳定工况下的数据作为分析对象，对选取的各个机组运行参数进行数据规范化处理，以防止值域范围较大的参数影响挖掘结果；
(5)以聚类的负荷作为工况划分标识，计算各类工况下各个参数和机组煤耗率之间的相关度；
(6)将上一步计算的各个运行参数与机组煤耗率之间的相关度按绝对值大小排序，相关度绝对值越大表明在该类负荷工况下该参数对机组供电煤耗影响越大；
(7)整理得到各类负荷工况下对机组供电煤耗率影响较大的运行参数，对比当前运行工况下与历史同类工况下机组煤耗参数，选择较低的机组煤耗对应运行参数作为该类工况下的最优方式,为优化运行、降低机组供电煤耗提供参考依据。
2.根据权利要求1所述方法，其特征在于，步骤(2)所述重要参数包括：机组煤耗率，不可控边界条件参数集合，运行可控边界条件参数集合，锅炉效率，循环热效率，机械效率，发电机效率，管道效率，各辅机电耗率，锅炉输出热量，锅炉收到的燃煤热量。
3.根据权利要求2所述方法，其特征在于，所述锅炉输出热量，即汽轮机的热耗通过以下公式计算：
Q1＝D0h0+DzrΔhzr-Dfwhfw-Dgjhgj-Dzjhzj
式中，D0、Dzr、Dfw、Dgj、Dzj为主蒸汽、再热蒸汽、给水、过热减温水和再热减温水的流量，h0、hfw、hgj、hzj为主蒸汽、给水、过热减温水和再热减温水的焓值，Δhzr为再热蒸汽焓升。
4.根据权利要求1所述方法，其特征在于，步骤(3)所述聚类的方法如下：
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mi>J</mi>
<mrow>
<mo>(</mo>
<mi>P</mi>
<mo>,</mo>
<mi>&omega;</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>k</mi>
</munderover>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msubsup>
<mi>&omega;</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
<mi>p</mi>
</msubsup>
<mi>d</mi>
<mi>i</mi>
<mi>s</mi>
<mi>t</mi>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>P</mi>
<mi>i</mi>
</msub>
<mo>,</mo>
<msub>
<mi>c</mi>
<mi>j</mi>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>&omega;</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<mi>d</mi>
<mi>i</mi>
<mi>s</mi>
<mi>t</mi>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>P</mi>
<mi>i</mi>
</msub>
<mo>,</mo>
<msub>
<mi>c</mi>
<mi>j</mi>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
<mrow>
<msubsup>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>k</mi>
</msubsup>
<mi>d</mi>
<mi>i</mi>
<mi>s</mi>
<mi>t</mi>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>P</mi>
<mi>i</mi>
</msub>
<mo>,</mo>
<msub>
<mi>c</mi>
<mi>j</mi>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</mfrac>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>c</mi>
<mi>j</mi>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<msubsup>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</msubsup>
<msubsup>
<mi>&omega;</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
<mi>p</mi>
</msubsup>
<msub>
<mi>c</mi>
<mi>j</mi>
</msub>
</mrow>
<mrow>
<msubsup>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</msubsup>
<msubsup>
<mi>&omega;</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
<mi>p</mi>
</msubsup>
</mrow>
</mfrac>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
式中，P是机组历史负荷数据，ωij是第i条机组负荷Pi对于模糊簇cj的隶属程度，p是控制隶属度影响的参数，且p≥1；Pi为第i条机组负荷Pi的取值；cj为模糊簇Cj类心；dist表示欧氏距离；k为聚类后模糊簇的个数，2≤k≤n。
5.根据权利要求1所述方法，其特征在于，步骤(4)中所述数据规范化处理按如下方法进行，Z分数规范化如下：
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msubsup>
<mi>v</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
<mo>&prime;</mo>
</msubsup>
<mo>=</mo>
<mfrac>
<mrow>
<msub>
<mi>v</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mover>
<mi>v</mi>
<mo>&OverBar;</mo>
</mover>
<mi>j</mi>
</msub>
</mrow>
<msub>
<mi>s</mi>
<mi>j</mi>
</msub>
</mfrac>
<mo>,</mo>
<mrow>
<mo>(</mo>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mn>...</mn>
<mo>,</mo>
<mi>n</mi>
<mo>;</mo>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mn>...</mn>
<mo>,</mo>
<mi>m</mi>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mover>
<mi>v</mi>
<mo>&OverBar;</mo>
</mover>
<mi>j</mi>
</msub>
<mo>=</mo>
<mfrac>
<mn>1</mn>
<mi>n</mi>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msub>
<mi>v</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>&sigma;</mi>
<mi>j</mi>
</msub>
<mo>=</mo>
<msqrt>
<mrow>
<mfrac>
<mn>1</mn>
<mi>n</mi>
</mfrac>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</munderover>
<msup>
<mrow>
<mo>(</mo>
<msub>
<mi>v</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mover>
<mi>v</mi>
<mo>&OverBar;</mo>
</mover>
<mi>j</mi>
</msub>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
其中，vij为第n条历史数据中参数j的取值，为参数j在总采样时间内的平均值，σj为参数j在总采样时间内的标准差，n为采样历史数据的条数，m为选取的重要参数的数量。
6.根据权利要求1所述方法，其特征在于，步骤(5)中所述各个参数和机组煤耗率之间的相关度计算方式如下：
<mrow>
<msub>
<mi>r</mi>
<mrow>
<mi>v</mi>
<mi>a</mi>
<mo>,</mo>
<mi>b</mi>
</mrow>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<msubsup>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</msubsup>
<mrow>
<mo>(</mo>
<msub>
<mi>v</mi>
<mrow>
<mi>a</mi>
<mi>i</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mover>
<mi>v</mi>
<mo>&OverBar;</mo>
</mover>
<mi>a</mi>
</msub>
<mo>)</mo>
</mrow>
<mrow>
<mo>(</mo>
<msub>
<mi>b</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<mover>
<mi>b</mi>
<mo>&OverBar;</mo>
</mover>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msub>
<mi>n&sigma;</mi>
<mrow>
<mi>v</mi>
<mi>a</mi>
</mrow>
</msub>
<msub>
<mi>&sigma;</mi>
<mi>b</mi>
</msub>
</mrow>
</mfrac>
<mo>,</mo>
<mrow>
<mo>(</mo>
<mi>a</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mn>...</mn>
<mo>,</mo>
<mi>m</mi>
<mo>)</mo>
</mrow>
</mrow>
式中，σva、σb为参数a、b机组煤耗的均值和标准差，vai、bi为第i条历史数据中参数a和机组煤耗的值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710404797.5A CN107330543A (zh) | 2017-06-01 | 2017-06-01 | 一种基于负荷聚类和相关度分析的煤耗优化分析方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710404797.5A CN107330543A (zh) | 2017-06-01 | 2017-06-01 | 一种基于负荷聚类和相关度分析的煤耗优化分析方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107330543A true CN107330543A (zh) | 2017-11-07 |
Family
ID=60194065
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710404797.5A Pending CN107330543A (zh) | 2017-06-01 | 2017-06-01 | 一种基于负荷聚类和相关度分析的煤耗优化分析方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107330543A (zh) |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109284559A (zh) * | 2018-09-30 | 2019-01-29 | 中国电建集团中南勘测设计研究院有限公司 | 一种叠梁门运行状态变更时对下泄水温影响的分析方法 |
| CN109611815A (zh) * | 2018-12-28 | 2019-04-12 | 新奥数能科技有限公司 | 一种燃气蒸汽锅炉的能耗报警管理方法及装置 |
| CN109708086A (zh) * | 2018-12-05 | 2019-05-03 | 新奥数能科技有限公司 | 一种优化泛能站中燃气锅炉调度的方法和装置 |
| CN110865538A (zh) * | 2019-10-31 | 2020-03-06 | 中国神华能源股份有限公司国华电力分公司 | 机组工况优化方法、装置及电子设备 |
| CN111260138A (zh) * | 2020-01-18 | 2020-06-09 | 湖南大学 | 加权和自适应并行关联规则的火电机组能耗动态优化方法 |
| CN111523730A (zh) * | 2020-04-23 | 2020-08-11 | 中国华能集团有限公司 | 一种预测热电联产机组煤耗的方法 |
| CN111852596A (zh) * | 2020-06-29 | 2020-10-30 | 东北电力大学 | 一种锅炉汽轮发电机组运行参数及相对发电煤耗率预测方法 |
| CN112200447A (zh) * | 2020-10-03 | 2021-01-08 | 大同煤矿集团阳高热电有限公司 | 一种基于大数据的电厂前馈控制优化方法 |
| CN112348920A (zh) * | 2020-10-30 | 2021-02-09 | 上海全应科技有限公司 | 基于数据驱动的循环流化床锅炉动态特性热力图构建方法 |
| CN112418479A (zh) * | 2020-09-02 | 2021-02-26 | 国网江苏省电力有限公司无锡供电分公司 | 一种园区综合能源系统优化配置方法 |
| CN112734158A (zh) * | 2020-12-01 | 2021-04-30 | 北方联合电力有限责任公司乌拉特发电厂 | 发电机组的热电负荷分配方法、装置及电子设备 |
| CN113361748A (zh) * | 2021-05-10 | 2021-09-07 | 东南大学 | 适用于在线负荷分配的机组供电煤耗预测方法 |
| CN114413249A (zh) * | 2022-03-29 | 2022-04-29 | 朗坤智慧科技股份有限公司 | 一种电站锅炉效率对标优化的数据分析方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102636991A (zh) * | 2012-04-18 | 2012-08-15 | 国电科学技术研究院 | 一种基于模糊集关联规则的火电机组运行参数优化方法 |
| CN106094744A (zh) * | 2016-06-04 | 2016-11-09 | 上海大学 | 基于关联规则挖掘的火电厂主运行参数目标值的确定方法 |
-
2017
- 2017-06-01 CN CN201710404797.5A patent/CN107330543A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102636991A (zh) * | 2012-04-18 | 2012-08-15 | 国电科学技术研究院 | 一种基于模糊集关联规则的火电机组运行参数优化方法 |
| CN106094744A (zh) * | 2016-06-04 | 2016-11-09 | 上海大学 | 基于关联规则挖掘的火电厂主运行参数目标值的确定方法 |
Non-Patent Citations (4)
| Title |
|---|
| 徐婧等: "基于数据挖掘的煤电机组能效特征指标及其基准值的研究", 《中国电机工程学报》 * |
| 杨雯斌: "支持向量机在大规模数据中的应用研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
| 王惠杰等: "基于电厂工况划分的模糊C-均值聚类算法研究", 《电力科学与工程》 * |
| 王贺: "基于粗糙集知识约减的电站优化运行研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
Cited By (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109284559A (zh) * | 2018-09-30 | 2019-01-29 | 中国电建集团中南勘测设计研究院有限公司 | 一种叠梁门运行状态变更时对下泄水温影响的分析方法 |
| CN109284559B (zh) * | 2018-09-30 | 2022-12-20 | 中国电建集团中南勘测设计研究院有限公司 | 一种叠梁门运行状态变更时对下泄水温影响的分析方法 |
| CN109708086A (zh) * | 2018-12-05 | 2019-05-03 | 新奥数能科技有限公司 | 一种优化泛能站中燃气锅炉调度的方法和装置 |
| CN109611815A (zh) * | 2018-12-28 | 2019-04-12 | 新奥数能科技有限公司 | 一种燃气蒸汽锅炉的能耗报警管理方法及装置 |
| CN109611815B (zh) * | 2018-12-28 | 2020-09-08 | 新奥数能科技有限公司 | 一种燃气蒸汽锅炉的能耗报警管理方法及装置 |
| CN110865538A (zh) * | 2019-10-31 | 2020-03-06 | 中国神华能源股份有限公司国华电力分公司 | 机组工况优化方法、装置及电子设备 |
| CN111260138A (zh) * | 2020-01-18 | 2020-06-09 | 湖南大学 | 加权和自适应并行关联规则的火电机组能耗动态优化方法 |
| CN111260138B (zh) * | 2020-01-18 | 2023-05-26 | 湖南大学 | 加权和自适应并行关联规则的火电机组能耗动态优化方法 |
| CN111523730A (zh) * | 2020-04-23 | 2020-08-11 | 中国华能集团有限公司 | 一种预测热电联产机组煤耗的方法 |
| CN111852596A (zh) * | 2020-06-29 | 2020-10-30 | 东北电力大学 | 一种锅炉汽轮发电机组运行参数及相对发电煤耗率预测方法 |
| CN112418479A (zh) * | 2020-09-02 | 2021-02-26 | 国网江苏省电力有限公司无锡供电分公司 | 一种园区综合能源系统优化配置方法 |
| CN112418479B (zh) * | 2020-09-02 | 2022-08-05 | 国网江苏省电力有限公司无锡供电分公司 | 一种园区综合能源系统优化配置方法 |
| CN112200447A (zh) * | 2020-10-03 | 2021-01-08 | 大同煤矿集团阳高热电有限公司 | 一种基于大数据的电厂前馈控制优化方法 |
| CN112348920A (zh) * | 2020-10-30 | 2021-02-09 | 上海全应科技有限公司 | 基于数据驱动的循环流化床锅炉动态特性热力图构建方法 |
| CN112348920B (zh) * | 2020-10-30 | 2024-03-01 | 上海全应科技有限公司 | 基于数据驱动的循环流化床锅炉动态特性热力图构建方法 |
| CN112734158A (zh) * | 2020-12-01 | 2021-04-30 | 北方联合电力有限责任公司乌拉特发电厂 | 发电机组的热电负荷分配方法、装置及电子设备 |
| CN112734158B (zh) * | 2020-12-01 | 2023-12-29 | 北方联合电力有限责任公司乌拉特发电厂 | 发电机组的热电负荷分配方法、装置及电子设备 |
| CN113361748A (zh) * | 2021-05-10 | 2021-09-07 | 东南大学 | 适用于在线负荷分配的机组供电煤耗预测方法 |
| CN113361748B (zh) * | 2021-05-10 | 2022-11-04 | 东南大学 | 适用于在线负荷分配的机组供电煤耗预测方法 |
| CN114413249A (zh) * | 2022-03-29 | 2022-04-29 | 朗坤智慧科技股份有限公司 | 一种电站锅炉效率对标优化的数据分析方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107330543A (zh) | 一种基于负荷聚类和相关度分析的煤耗优化分析方法 | |
| CN113822496B (zh) | 一种多机组热电厂供热模式及参数在线寻优方法 | |
| EP2310965B1 (en) | System and related methods for global targeting of process utilities under varying conditions | |
| Yagmur | Multi-criteria evaluation and priority analysis for localization equipment in a thermal power plant using the AHP (analytic hierarchy process) | |
| CN109872012A (zh) | 基于工况划分的火电厂运行多目标优化的确定方法 | |
| CN102678192B (zh) | 考虑汽轮机实际运行约束的各喷嘴组的喷嘴数目优化设计方法 | |
| CN113221467B (zh) | 一种涡轮气热性能不确定性可视化分析方法与系统 | |
| CN114254571B (zh) | 一种抽水蓄能电站极端工况下机组控制规律优化决策方法 | |
| Benoît et al. | An approach for the time-dependent thermoeconomic modeling and optimization of energy system synthesis, design and operation Part I: Methodology and results | |
| Baghsheikhi et al. | Real-time exergoeconomic optimization of a steam power plant using a soft computing-fuzzy inference system | |
| Kazemian et al. | Thermodynamic analysis and statistical investigation of effective parameters for gas turbine cycle using the response surface methodology | |
| CN113837459A (zh) | 一种基于rf-dtw的智能电厂燃煤发电机组短期负荷预测方法 | |
| CN103235512A (zh) | 一种发电机组运行的方法 | |
| Yang et al. | Fault diagnosis for boilers in thermal power plant by data mining | |
| Ahadi-Oskui et al. | Optimizing the design of complex energy conversion systems by Branch and Cut | |
| Sayyaadi et al. | Retrofit of a steam power plant using the adaptive neuro-fuzzy inference system in response to the load variation | |
| CN102682336B (zh) | 基于改进遗传算法的汽轮机调节级喷嘴数目设计优化方法 | |
| CN107276093A (zh) | 基于场景削减的电力系统概率潮流计算方法 | |
| CN111723331A (zh) | 一种联合循环二拖一机组汽轮机负荷的权益分配计算方法 | |
| CN114511158B (zh) | 基于尾流偏转效应和2DJensen模型的风力机功率预测方法 | |
| Garbea et al. | Clustering-Using Data Mining-based Application to Identify the Hourly Loading Patterns of the Generation Units from the Hydropower Plants | |
| Cerri et al. | Inverse methodologies for actual status recognition of gas turbine components | |
| Cerri et al. | Gas path analysis and gas turbine re-mapping | |
| Andryushin et al. | Method of the Optimal Distribution of Heat and Electrical Loads | |
| Shirakawa et al. | Multi-objective Evaluation Method for Combined Cycle Power Plant Start-up |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20171107 |
|
| RJ01 | Rejection of invention patent application after publication |