CN109185110A - 一种发电厂循环水寻优优化运行方法 - Google Patents

Abstract

本发明涉及一种发电厂循环水寻优优化运行方法，包括数据采集层、IaaS层、PaaS层和工艺APP层，其特征在于所述工业APP层包括生产工况的自动识别、循环水泵运行方式优化、机力塔风机运行方式优化以及优化效益的在线计算；所述优化运行方法包括首先由数据采集层收集数据并建立操作样本库，第二步在IaaS层进行筛选、整理以及存储，第三步在PaaS层经过算法库分析计算并以其输出结果为基础建立业务分析模型，第四步在工业APP层进行生产工况的自动识别，并根据工况在操作样本库中进行循环水系统循环水泵和极力通风塔风机的运行方式的在线优化并将优化结果输出，第五步进行优化效益的在线计算。本发明能够降低循环水泵运行的能耗，降低发电成本，提高经济效益。

Description

一种发电厂循环水寻优优化运行方法

技术领域

本发明涉及节能领域，特别是涉及一种发电厂循环水寻优优化运行方法。

背景技术

电厂是一种利用轮机及发电机与余热锅炉、蒸汽轮机共同组成的循环系统，它将轮机排出的功后高温乏烟气通过余热锅炉回收转换为蒸汽，再将蒸汽注入蒸汽轮机进行发电的电厂。循环水系统是电厂的重要辅助系统。电厂由于提供热机冷源和各种冷却的需要，需要大量的冷却水连续供应。一座百万千瓦的凝汽机组火电厂，需要冷水水量30m3/s，通过循环水泵将如此大量的冷却水压入凝汽器中与做功后的过热蒸汽进行热交换。因此电厂中循环水泵能耗很高。如何能够降低循环水泵运行的能耗，降低发电成本，对电厂提高经济效益至关重要。

现有技术的技术方案降低循环水系统的能耗通常的做法有以下三种:

一是对电厂的冷端进行改造和优化。比如对循环水泵进行变频调速改造。循环水泵改变转速的方法主要是通过变极调速和变频调速两种手段。变频调速是通过改变供给电动机的供电频率，来改变电机的转速，从而改变负载的转速，具有效率高、调速范围宽、精度高、调速平稳、无级变速等优点。水泵的流量与转速的一次方成正比，压力与转速的平方成正比，功率与转速的三次方成正比，当通过降低转速以减少流量来达到节流目的时，所消耗的功率将会降低很多。

二是最佳真空法。对于既定机组，在机组负荷和冷却水温一定的条件下，增加循环水流量使汽轮机发电量的增量与循泵的耗电量的增量之间的差值达到最大时所对应的循环水流量即为最佳循环水流量。根据最佳循环水量进行调节，可降低循环水系统能耗。

三是冷却水价格的综合成本煤耗率法。对于既定机组，在机组负荷和冷却水温一定的条件下，改变循环水流量，使综合成本煤耗率最低，此时的循环水流量即为最佳值。

这三种循环水系统优化方法均是基于机理模型来开展，其应用效果受到项目投资大、边界条件难以确定以及模型精度不高的影响，因此其应用效果具有一定的局限性。

以华北地区某电厂为例，该项目配置3大1小共4台循环水泵，其中2台大泵配置变频器，机力通风塔为田字形布置，共配置8台机力塔风机。华北地区冬季和夏季环境温度差较大，根据机组运行环境的变化，电厂循环水系统的运行方式也根据季节进行调整。在每年5月至9月期间，循环水系统采用3台循环水泵工频运行，1台循环水泵工频备用方式运行。在每年10月至次年4月采用2台循环水泵变频运行，2台循环水泵工频备用的方式运行。

这种根据季节来调整循环水系统的运行方式，能够起到一定的优化效果，但其运行方式仍然比较粗放，存在一定的局限性。首先，尚未对历史数据进行挖掘，优化运行方式比较单一，其运行效果未必能够实现循环水系统的全局最优。其次，其优化过程尚未考虑工况的变化，不能够实现根据生产工况的实时变化进行在线优化。此外，其优化手段仅仅依赖于操作人员的经验，不能够进行一步提升，存在优化瓶颈。

发明内容

本发明为解决公知技术中存在的技术问题提供一种发电厂循环水寻优优化运行方法，基于数据寻优的方式优化循环水系统以达到节能的目的。

本发明包括如下技术方案：

一种发电厂循环水寻优优化运行方法，包括数据采集层、IaaS层、PaaS层和工艺APP层，其特征在于所述PaaS层包括业务分析模型、算法库以及微服务三部分；所述工业APP层包括生产工况的自动识别、循环水泵运行方式优化、机力塔风机运行方式优化以及优化效益的在线计算四个微应用；

所述优化运行方法包括首先通过数据采集层收集数据并建立操作样本库，第二步在IaaS层进行筛选、整理以及存储，第三步在PaaS层经过算法库分析计算并以其输出结果为基础建立业务分析模型，第四步在工业APP层进行生产工况的自动识别，判断当前生产工况模式并根据工况在操作样本库中进行寻优分析，即进行循环水系统循环水泵和极力通风塔风机的运行方式的在线优化并将优化结果输出，第五步进行优化效益的在线计算；

所述生产工况的自动识别是以生产模式聚类分析的结果为基础，将聚类的结果数据分为两部分，一部分为训练集，一部分为测试集，采用神经网络算法或者贝叶斯分类等算法，以环境温度、生产负荷、关键工艺参数以及设备运行参数等为输入，以对应的生产模式为输出，对模型进行训练，训练完成之后，采用测试集的数据对模型进行测试，如果测试不通过，则需要重新调整模型参数，直至测试通过为止，接入电厂的在线数据到模式识别模型中进行计算，则能够实现对当前的生产工况模式进行自动判断；

所述生产模式聚类分析是建立聚类数据源表以及采用k-means算法进行聚类分析，所述数据源中的字段除了时间和类别以外，还包括其关键的工艺参数，如果部分的数据缺失，那么采用均值替代或者邻近替代的方法进行处理，必须保证采集的数据都不为空，在聚类之前需要对聚类变量做主成分分析，根据累计方差贡献率大于0.85的原则，确定主成分数，并提取相应的主成分列作为聚类的对象；使用FOR循环判断聚类中心数，循环次数＝样本数-1，当聚类优度大于0.8时，选择最小的聚类中心数为最后聚类的聚类中心数量，按照上面的聚类中心进行聚类操作，聚类完成后，输出聚类结果；

所述业务分析模型的建立是将聚类结果写入结果表之后，建立SVM分类模型，当有新的工艺数据写入之后，由SVM模型对其进行分类，并将分类结果写入聚类结果表中，分类结果是以阿拉伯数字表示的工况的类型，由于建立分类模型的需要，必须将阿拉伯数字转化成英文字母；分类模型建立后，当聚类数据源表中有了新增的数据之后，带入分类模型计算，计算的类别写入对应批次的类别字段中，当要开始新一次的聚类分析时，需要清空聚类数据源表的原料类别字段中的数据，聚类完成后，输出聚类结果，并将结果写入聚类数据源表对应字段中，然后重复上面建立分类模型的过程，并开始对新的原料进行分类计算。

优选的，所述循环水泵运行方式优化通过将历史数据的生产模式、循环水泵的电流、循环水泵的电压、循环水泵的频率或者阀位、环境温度、凝汽器真空、凝汽器入口蒸汽流量、以及汽机功率等指标数据写入优化样本库中，生产模式与循环水泵的运行方式以及相关工艺参数按照时间维度进行对齐，随着在线数据的接入，新的生产模式、循环水泵的运行方式以及对应的相关数据被同步写入优化样本库中；接入环境温度、凝汽器真空、凝汽器入口蒸汽流量、以及汽机功率等在线数据，实现对生产工况的自动识别，根据工况在操作样本库中进行寻优分析，计算循环水系统总能耗最低时，对应的循环水水泵的运行方式，包括循环水泵的启动数量、停用数量以及启动的循环水泵对应的频率，并将优化结果，推荐给操作人员；

优选的，所述机力塔风机运行方式优化通过将历史数据的生产模式、风机的电流、风机的电压、风机的频率或者阀位、环境温度、凝汽器真空、凝汽器入口蒸汽流量、以及汽机功率等指标数据写入优化样本库中。生产模式与风机的运行方式以及相关工艺参数按照时间维度进行对齐。随着在线数据的接入，新的生产模式、风机的运行方式以及对应的相关数据被同步写入优化样本库中；接入环境温度、凝汽器真空、凝汽器入口蒸汽流量、以及汽机功率等在线数据，实现对生产工况的自动识别，根据工况在操作样本库中进行寻优分析，计算循环水系统总能耗最低时，对应的极力通风塔风机的运行方式，包括风机的启动数量、停用数量以及启动的风机对应的阀位，并将优化结果，推荐给操作人员；

优选的，所述优化效益的在线计算是根据循环水泵和机力塔风机最佳的运行方式，计算循环水系统的总能耗，采集并计算优化前的能耗，进而计算优化后能耗的降低值，根据能耗的价格换算，最终计算出优化的效益。

优选的，所述工业APP层采用B/S的展示方式，综合应用E-Charts和HT等多种前端工具，进行前端展示界面的开发。

优选的，所述操作样本库包括操作样本库表，除了时间、工况类型和循环水系统总能耗字段，其它字段均为与该优化变量强相关的操作变量，工艺数据来源于实时数据库，并按照时间维度对齐后写入样本库表中。

优选的，所述参数寻优是通过接入在线数据，使用分类模型，对其进行分类计算，并将分类计算的结果写入上表，在优化目标的操作样本库表中，根据工况的类别，搜索在该工况下，在发电负荷范围内，计算目标参数最优时，其对应循环水泵和风机的运行方式。

本发明具有的优点和积极效果：

1、本发明对电厂积累的海量数据进行深入地挖掘，并建立大数据分析模型，实现对循环水系统的优化。

2、本发明可以根据生产工况的实时变化，在线推荐最佳的循环水系统的运行方式，以实现循环水系统的实时最优。

3、本发明可以与其它优化模型或者操作人员的经验进行结合，使模型能够进行自学习和自训练，不断提高模型的优化能力。

4、本发明采用基于云计算、大数据、物联网等新的信息技术，具备提供海量、异构、秒级的数据采集的技术能力，体现了平台和技术路线的先进性。

5、本发明提供基于B/S构架简单、便捷、易维护的过程监视平台。

附图说明

图1是本发明的总体架构示意图。

图2是本发明的优化运行方法工作流程示意图。

图3是本发明的聚类分析路线示意图。

图4是本发明的前端展示界面图。

图5是本发明的节能率变化分析图。

具体实施方式

为能进一步公开本发明的发明内容、特点及功效，特例举以下实例并结合附图详细说明如下。

实施例：参阅附图1-5，一种发电厂循环水寻优优化运行方法，包括数据采集层、IaaS层、PaaS层和工艺APP层，采用Cloudiip工业互联网平台的4层架构，其中数据采集层通过智能网关、智能组件和协议解析完成数据从OPC到ES的采集；IaaS层采用DCOS和OpenStack技术进行服务器、网络、存储和虚拟化的管理，其特征在于所述PaaS层包括业务分析模型、算法库以及微服务三部分；所述工业APP层包括生产工况的自动识别、循环水泵运行方式优化、机力塔风机运行方式优化以及优化效益的在线计算四个微应用；

所述数据采集层是集数据采集、管理配置、发送于一体的数据采集发送系统，能够根据配置的数据源，实时采集包括生产过程数据(如燃气轮机生产过程、压气机生产过程、锅炉生产过程、蒸汽轮机生产过程以及凝汽器生产过程等)、能源数据(如循环水、电、蒸汽、工业风以及燃料气等)、设备数据(如机泵运行以及设备腐蚀情况)以及其他数据(如电子文档、流程图片以及安全环保等)并及时监控各设备的数据采集状态，通过前台监控页面记录与展示设备的数据采集状况、异常等信息，通过后台进行数据整合处理，把数据以MQTT协议的方式，进行对外发布，从而实现了自动采集、即时监控、自动汇总、数据及时发布的管理效果；

所述IaaS层采用分布式的ES数据库，ES是一个基于Lucene的开源搜索引擎，它不但稳定、可靠、快速，而且也具有良好的水平扩展能力，是专门为分布式环境设计的；所述IaaS层使用内存计算技术，数据的主要的存储和运算都在内存中完成，去掉了一直困扰数据库性能的I/O问题，所以相对传统的磁盘数据库，天然具备高效计算的优势，可以针对不同业务符合的类型，采用最适合的存储方式。

所述优化运行方法包括首先通过数据采集层收集数据并建立操作样本库，第二步在IaaS层进行筛选、整理以及存储，第三步在PaaS层经过算法库分析计算并以其输出结果为基础建立业务分析模型，第四步在工业APP层进行生产工况的自动识别，判断当前生产工况模式并根据工况在操作样本库中进行寻优分析即进行循环水系统循环水泵和极力通风塔风机的运行方式的在线优化并将优化结果输出，第五步根据循环水泵和机力塔风机最佳的运行方式，计算循环水系统的总能耗，采集并计算优化前的能耗，进而计算优化后能耗的降低值，根据能耗的价格换算，最终计算出优化的效益；

所述生产工况的自动识别是以生产模式聚类分析的结果为基础，将聚类的结果数据分为两部分，一部分为训练集，一部分为测试集，采用神经网络算法或者贝叶斯分类等算法，以环境温度、生产负荷、关键工艺参数以及设备运行参数等为输入，以对应的生产模式为输出，对模型进行训练，训练完成之后，采用测试集的数据对模型进行测试，如果测试不通过，则需要重新调整模型参数，直至测试通过为止，接入电厂的在线数据到模式识别模型中进行计算，则能够实现对当前的生产工况模式进行自动判断；

所述生产模式聚类分析是建立聚类数据源表以及采用k-means算法进行聚类分析，所述数据源中的字段除了时间和类别以外，还包括其关键的工艺参数，如果部分的数据缺失，那么采用均值替代或者邻近替代的方法进行处理，必须保证采集的数据都不为空，在聚类之前需要对聚类变量做主成分分析，根据累计方差贡献率大于0.85的原则，确定主成分数，并提取相应的主成分列作为聚类的对象；使用FOR循环判断聚类中心数，循环次数＝样本数-1，当聚类优度大于0.8时，选择最小的聚类中心数为最后聚类的聚类中心数量，按照上面的聚类中心进行聚类操作，聚类完成后，输出聚类结果；所述业务分析模型的建立是将聚类结果写入结果表之后，建立SVM分类模型，当有新的工艺数据写入之后，由SVM模型对其进行分类，并将分类结果写入聚类结果表中，分类结果是以阿拉伯数字表示的工况的类型，由于建立分类模型的需要，必须将阿拉伯数字转化成英文字母；分类模型建立后，当聚类数据源表中有了新增的数据之后，带入分类模型计算，计算的类别写入对应批次的类别字段中，当要开始新一次的聚类分析时，需要清空聚类数据源表的原料类别字段中的数据，聚类完成后，输出聚类结果，并将结果写入聚类数据源表对应字段中，然后重复上面建立分类模型的过程，并开始对新的原料进行分类计算。

所述循环水泵运行方式优化通过将历史数据的生产模式、循环水泵的电流、循环水泵的电压、循环水泵的频率或者阀位、环境温度、凝汽器真空、凝汽器入口蒸汽流量、以及汽机功率等指标数据写入优化样本库中，生产模式与循环水泵的运行方式以及相关工艺参数按照时间维度进行对齐，随着在线数据的接入，新的生产模式、循环水泵的运行方式以及对应的相关数据被同步写入优化样本库中；接入环境温度、凝汽器真空、凝汽器入口蒸汽流量、以及汽机功率等在线数据，实现对生产工况的自动识别，根据工况在操作样本库中进行寻优分析，计算循环水系统总能耗最低时，对应的循环水水泵的运行方式，包括循环水泵的启动数量、停用数量以及启动的循环水泵对应的频率，并将优化结果，推荐给操作人员；

所述机力塔风机运行方式优化通过将历史数据的生产模式、风机的电流、风机的电压、风机的频率或者阀位、环境温度、凝汽器真空、凝汽器入口蒸汽流量、以及汽机功率等指标数据写入优化样本库中。生产模式与风机的运行方式以及相关工艺参数按照时间维度进行对齐。随着在线数据的接入，新的生产模式、风机的运行方式以及对应的相关数据被同步写入优化样本库中；接入环境温度、凝汽器真空、凝汽器入口蒸汽流量、以及汽机功率等在线数据，实现对生产工况的自动识别，根据工况在操作样本库中进行寻优分析，计算循环水系统总能耗最低时，对应的极力通风塔风机的运行方式，包括风机的启动数量、停用数量以及启动的风机对应的阀位，并将优化结果，推荐给操作人员；

所述优化效益的在线计算是根据循环水泵和机力塔风机最佳的运行方式，计算循环水系统的总能耗，采集并计算优化前的能耗，进而计算优化后能耗的降低值，根据能耗的价格换算，最终计算出优化的效益；

所述工业APP层采用B/S的展示方式，综合应用E-Charts和HT等多种前端工具，进行前端展示界面的开发；

所述操作样本库包括操作样本库表，除了时间、工况类型和循环水系统总能耗字段，其它字段均为与该优化变量强相关的操作变量，工艺数据来源于实时数据库，并按照时间维度对齐后写入样本库表中。

所述参数寻优是通过接入在线数据，使用分类模型，对其进行分类计算，并将分类计算的结果写入上表，在优化目标的操作样本库表中，根据工况的类别，搜索在该工况下，在发电负荷范围内，计算目标参数最优时，其对应循环水泵和风机的运行方式。

操作过程：采集某电厂2017年9月-2018年3月的循环水系统的工艺数据，对凝汽器入口蒸汽流量、压气机入口环境温度、凝汽器真空进行聚类分析，实现对循环水系统工况的划分。根据工况划分结果，建立工况辨识模型，实现对当前工况的识别。在每一种工况下，推荐历史上循环水系统总能耗最低时对应的风机和循环水泵的运行方式，并将优化结果实时推荐给操作人员，从而指导循环水系统优化，降低发电成本。

工况1(环境温度为11℃)

在操作样本库中，计算历史上在某种循环水系统工况下，循环水系统运行能耗最低时，对应的风机和循环水泵的运行方式。优化计算的结果如下：

优化前(时间2017-10-09，14点)，进凝汽机的蒸汽量为514.85t/h，凝汽机真空5.77KPa，汽机功率171MW，环境温度为12.74℃，风机运行方式为4台风机运行，循环水泵运行方式为3台循环水泵运行，风机/电机总功率为1547KW；

优化后(时间2017-10-17，08点)，进凝汽机的蒸汽量为514.85t/h，凝汽机真空5.77KPa，汽机功率171MW，环境温度为11.62℃，风机运行方式为3台风机运行，循环水泵运行方式为2台循环水泵运行，风机/电机总功率为812KW；

优化之后，循环水系统风机/电机总功率降低735KW，节能率47％。

工况2(环境温度为16℃)

在操作样本库中，计算历史上在某种循环水系统工况下，循环水系统运行能耗最低时，对应的风机和循环水泵的运行方式。优化计算的结果如下：

优化前(时间2017-10-08，00点)，进凝汽机的蒸汽量为518.48t/h，凝汽机真空5.81KPa，汽机功率172MW，环境温度为16.42℃，风机运行方式为4台风机运行，循环水泵运行方式为3台循环水泵运行，风机/电机总功率为1642KW；

优化后(时间2017-10-30，14点)，进凝汽机的蒸汽量为515.40t/h，凝汽机真空5.85KPa，汽机功率172MW，环境温度为16.24℃，风机运行方式为3台风机运行，循环水泵运行方式为2台循环水泵运行，风机/电机总功率为858KW；

优化之后，循环水系统风机/电机总功率降低784KW，节能率47.7％。

工况3(环境温度为19℃)

在操作样本库中，计算历史上在某种循环水系统工况下，循环水系统运行能耗最低时，对应的风机和循环水泵的运行方式。优化计算的结果如下：

优化前(时间2017-10-02，03点)，进凝汽机的蒸汽量为520.12t/h，凝汽机真空6.15KPa，汽机功率172MW，环境温度为19.69℃，风机运行方式为5台风机运行，循环水泵运行方式为3台循环水泵运行，风机/电机总功率为1667KW；

优化后(时间2017-10-19，15点)，进凝汽机的蒸汽量为518.10t/h，凝汽机真空6.25KPa，汽机功率172MW，环境温度为19.23℃，风机运行方式为4台风机运行，循环水泵运行方式为2台循环水泵运行，风机/电机总功率为961KW；

优化之后，循环水系统风机/电机总功率降低706KW，节能率42.3％。

工况4(环境温度为22℃)

在操作样本库中，计算历史上在某种循环水系统工况下，循环水系统运行能耗最低时，对应的风机和循环水泵的运行方式。优化计算的结果如下：

优化前(时间2017-09-08，03点)，进凝汽机的蒸汽量为505.76t/h，凝汽机真空6.30KPa，汽机功率176MW，环境温度为23.39℃，风机运行方式为7台风机运行，循环水泵运行方式为3台循环水泵运行，风机/电机总功率为1839KW；

优化后(时间2017-09-30，12点)，进凝汽机的蒸汽量为502.46t/h，凝汽机真空6.40KPa，汽机功率176MW，环境温度为22.65℃，风机运行方式为6台风机运行，循环水泵运行方式为3台循环水泵运行，风机/电机总功率为1637KW；

优化之后，循环水系统风机/电机总功率降低202KW，节能率10.9％。

工况5(环境温度为29℃)

在操作样本库中，计算历史上在某种循环水系统工况下，循环水系统运行能耗最低时，对应的风机和循环水泵的运行方式。优化计算的结果如下：

优化前(时间2017-09-12，13点)，进凝汽机的蒸汽量为522.66t/h，凝汽机真空5.98KPa，汽机功率180MW，环境温度为29.27℃，风机运行方式为7台风机运行，循环水泵运行方式为3台循环水泵运行，风机/电机总功率为1846KW；

优化后(时间2017-09-11，15点)，进凝汽机的蒸汽量为524.21t/h，凝汽机真空5.80KPa，汽机功率181MW，环境温度为29.08℃，风机运行方式为7台风机运行，循环水泵运行方式为3台循环水泵运行，风机/电机总功率为1831KW；

优化之后，循环水系统风机/电机总功率降低15KW，节能率0.8％，节能空间较小。

应用结果表明：环境温度过高或者过低时，循环水系统优化的空间有限，当环境温度为17℃左右时，循环水系统优化后的节能率最高，可达47.7％。节能率随环境温度的变化曲线如图3所示,0℃-17℃节能率与环境温度成正比，17℃-28℃节能率与环境温度成反比。

尽管上面对本发明的优选实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，并不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可以作出很多形式。这些均属于本发明的保护范围之内。

Claims (7)

1.一种发电厂循环水寻优优化运行方法，包括数据采集层、IaaS层、PaaS层和工艺APP层，其特征在于所述PaaS层包括业务分析模型、算法库以及微服务三部分；所述工业APP层包括生产工况的自动识别、循环水泵运行方式优化、机力塔风机运行方式优化以及优化效益的在线计算四个微应用；所述优化运行方法包括首先通过数据采集层收集数据并建立操作样本库，第二步在IaaS层进行筛选、整理以及存储，第三步在PaaS层经过算法库分析计算并以其输出结果为基础建立业务分析模型，第四步在工业APP层进行生产工况的自动识别，判断当前生产工况模式并根据工况在操作样本库中进行寻优分析，即进行循环水系统循环水泵和极力通风塔风机的运行方式的在线优化并将优化结果输出，第五步进行优化效益的在线计算；

所述生产工况的自动识别是以生产模式聚类分析的结果为基础，将聚类的结果数据分为两部分，一部分为训练集，一部分为测试集，采用神经网络算法或者贝叶斯分类等算法，以环境温度、生产负荷、关键工艺参数以及设备运行参数等为输入，以对应的生产模式为输出，对模型进行训练，训练完成之后，采用测试集的数据对模型进行测试，如果测试不通过，则需要重新调整模型参数，直至测试通过为止，接入电厂的在线数据到模式识别模型中进行计算，则能够实现对当前的生产工况模式进行自动判断；

所述生产模式聚类分析是建立聚类数据源表以及采用k-means算法进行聚类分析，所述数据源中的字段除了时间和类别以外，还包括其关键的工艺参数，如果部分的数据缺失，那么采用均值替代或者邻近替代的方法进行处理，必须保证采集的数据都不为空，在聚类之前需要对聚类变量做主成分分析，根据累计方差贡献率大于0.85的原则，确定主成分数，并提取相应的主成分列作为聚类的对象；使用FOR循环判断聚类中心数，循环次数＝样本数-1，当聚类优度大于0.8时，选择最小的聚类中心数为最后聚类的聚类中心数量，按照上面的聚类中心进行聚类操作，聚类完成后，输出聚类结果；

所述业务分析模型的建立是将聚类结果写入结果表之后，建立SVM分类模型，当有新的工艺数据写入之后，由SVM模型对其进行分类，并将分类结果写入聚类结果表中，分类结果是以阿拉伯数字表示的工况的类型，由于建立分类模型的需要，必须将阿拉伯数字转化成英文字母；分类模型建立后，当聚类数据源表中有了新增的数据之后，带入分类模型计算，计算的类别写入对应批次的类别字段中，当要开始新一次的聚类分析时，需要清空聚类数据源表的原料类别字段中的数据，聚类完成后，输出聚类结果，并将结果写入聚类数据源表对应字段中，然后重复上面建立分类模型的过程，并开始对新的原料进行分类计算。

2.根据权利要求1所述的一种发电厂循环水寻优优化运行方法，其特征在于：所述循环水泵运行方式优化通过将历史数据的生产模式、循环水泵的电流、循环水泵的电压、循环水泵的频率或者阀位、环境温度、凝汽器真空、凝汽器入口蒸汽流量、以及汽机功率等指标数据写入优化样本库中，生产模式与循环水泵的运行方式以及相关工艺参数按照时间维度进行对齐，随着在线数据的接入，新的生产模式、循环水泵的运行方式以及对应的相关数据被同步写入优化样本库中；接入环境温度、凝汽器真空、凝汽器入口蒸汽流量、以及汽机功率等在线数据，实现对生产工况的自动识别，根据工况在操作样本库中进行寻优分析，计算循环水系统总能耗最低时，对应的循环水水泵的运行方式，包括循环水泵的启动数量、停用数量以及启动的循环水泵对应的频率，并将优化结果，推荐给操作人员。

3.根据权利要求1所述的一种发电厂循环水寻优优化运行方法，其特征在于：所述机力塔风机运行方式优化通过将历史数据的生产模式、风机的电流、风机的电压、风机的频率或者阀位、环境温度、凝汽器真空、凝汽器入口蒸汽流量、以及汽机功率等指标数据写入优化样本库中。生产模式与风机的运行方式以及相关工艺参数按照时间维度进行对齐。随着在线数据的接入，新的生产模式、风机的运行方式以及对应的相关数据被同步写入优化样本库中；接入环境温度、凝汽器真空、凝汽器入口蒸汽流量、以及汽机功率等在线数据，实现对生产工况的自动识别，根据工况在操作样本库中进行寻优分析，计算循环水系统总能耗最低时，对应的极力通风塔风机的运行方式，包括风机的启动数量、停用数量以及启动的风机对应的阀位，并将优化结果，推荐给操作人员。

4.根据权利要求2和3所述的一种发电厂循环水寻优优化运行方法，其特征在于：所述所述优化效益的在线计算是根据循环水泵和机力塔风机最佳的运行方式，计算循环水系统的总能耗，采集并计算优化前的能耗，进而计算优化后能耗的降低值，根据能耗的价格换算，最终计算出优化的效益。

5.根据权利要求1所述的一种发电厂循环水寻优优化运行方法，其特征在于：所述工业APP层采用B/S的展示方式，综合应用E-Charts和HT等多种前端工具，进行前端展示界面的开发。

6.根据权利要求1所述的一种发电厂循环水寻优优化运行方法，其特征在于：所述操作样本库包括操作样本库表，除了时间、工况类型和循环水系统总能耗字段，其它字段均为与该优化变量强相关的操作变量，工艺数据来源于实时数据库，并按照时间维度对齐后写入样本库表中。

7.根据权利要求1所述的一种发电厂循环水寻优优化运行方法，其特征在于：所述参数寻优是通过接入在线数据，使用分类模型，对其进行分类计算，并将分类计算的结果写入上表，在优化目标的操作样本库表中，根据工况的类别，搜索在该工况下，在发电负荷范围内，计算目标参数最优时，其对应循环水泵和风机的运行方式。