CN110033141B - 一种脱硫系统运行工况数据库的建立方法 - Google Patents

Abstract

本发明公开了一种脱硫系统运行工况数据库的建立方法，该方法包括：步骤1、导入脱硫系统的历史运行数据，并对历史运行数据进行数据处理，剔除异常数据；步骤2、采用主成分分析法对步骤1中保留的健康数据进行分析，得到新特征量；步骤3、对脱硫系统进行经济分析，提出脱硫系统经济性评价指标；步骤4、利用肘部法则确定聚类簇数；步骤5、利用模糊C均值聚类方法对步骤2中得到的新特征量进行聚类，并结合步骤3中的经济性评价指标得出每类中的经济最优点；步骤6、将脱硫系统实时运行数据进行步骤1‑5的数据处理，得出脱硫系统实时运行数据聚类到步骤5中得出的已有类中，并指出其所在类中实时运行数据的经济最优点即为最优工况点。

Description

一种脱硫系统运行工况数据库的建立方法

技术领域

本发明涉及脱硫系统技术领域，具体而言，涉及一种脱硫系统运行工况数据库的建立方法。

背景技术

在火力发电厂中，对烟气的脱硫是必不可少的一个环节。脱硫系统在运行过程中产生大量的运行数据，这些数据蕴含丰富的价值可供挖掘。而目前很多脱硫系统依然是靠运行人员凭经验对供浆量和浆液循环泵进行调节，其缺点是调节不及时、不精确。在数据挖掘、机器学习的基础上建立的脱硫系统智能控制系统能够有效改变该现状。

近年来，大数据技术在互联网、通信等领域发展迅速、应用广泛。传统的电力行业也在向能源互联网方向转型。数据挖掘，就是从大型数据库中抽取有意义的、有潜在价值的信息或模式的过程。主成分分析算法作为数据预处理中的一种，主要用来给数据进行降维，将高维数据的特征量映射到另一个空间，保留数据中对方差贡献最大的若干特征量，去除数据冗余，有利于数据挖掘。聚类分析是一种非监督式学习，其目的是从不带标签的训练数据中挖掘隐含的关系，将更具相似性的样本归为一类。

随着日益严格的环保要求，电站急需一套能够精准调节的脱硫智能控制系统。这种精准控制的系统需建立在数据挖掘的基础上，因此对脱硫系统的历史数据进行挖掘学习既是环保的要求也是提高电站脱硫经济性的要求。

发明内容

为解决上述问题，本发明的目的在于提供一种脱硫系统运行工况数据库的建立方法，既可以精确测定送煤量，做到精确定量送煤；又可以彻底解决传统原煤仓的堵煤现象。

本发明提供了一种脱硫系统运行工况数据库的建立方法，该方法包括：

步骤1、导入脱硫系统的历史运行数据，并对历史运行数据进行数据处理，剔除异常数据；

步骤2、采用主成分分析法对所述步骤1中保留的健康数据进行分析，得到新特征量；

步骤3、对脱硫系统进行经济分析，提出脱硫系统经济性评价指标；

步骤4、利用肘部法则确定聚类簇数；

步骤5、利用模糊C均值聚类方法对所述步骤2中得到的新特征量进行聚类，并结合所述步骤3中的经济性评价指标得出每类中的经济最优点；

步骤6、将脱硫系统实时运行数据进行步骤1-5的数据处理，并将脱硫系统实时运行数据聚类到所述步骤5中得出的已有类中，并指出其所在类中实时运行数据的经济最优点即最优工况点。

作为本发明的进一步改进，所述步骤1中的异常数据包括排放浓度超标、测量参数不在正常范围内、突变的数据。

作为本发明的进一步改进，所述步骤1中数据处理的方法为z-score规范法，其表达式为：

式中，ν_i为数据值，ν′_i为数据被规范后的值，

为数据的平均值，σ_X为数据的标准差。

作为本发明的进一步改进，所述步骤2中获得新特征量的具体步骤为：

步骤201、将机组负荷、烟气流量、浆液密度、浆液PH值、出入口SO₂浓度、供浆量、浆液循环泵启停状态的运行参数组成数据样本矩阵：

式中，x_ki为数据样本中的数据值，k为样本个数，k＝1,2,3……m，i为特征参数的个数，i＝1,2,3……n；

步骤202、所述数据样本对应的协方差矩阵为：

式中，d_ij为两个特征参数之前的协方差，i＝1,2,3……n，j＝1,2,3……n；

步骤203、从所述协方差矩阵的特征值λ＝{λ_i,i＝1,2…n}中选出p个特征值为λ'＝{λ_i,i＝1,2…p}，再从所述协方差矩阵的特征向量c＝{c_i,i＝1,2…n}中选出前p个特征向量作为主特征向量c'＝{c_i,i＝1,2…p}，构成m×p阶模式矩阵W；

步骤204、将所述步骤201中数据样本矩阵中每一列的数据减去该列样本的平均值后得到矩阵A，利用矩阵A和矩阵W得到新的矩阵：

P＝[W^T×A^T]^T

步骤205、求得含有p个新特征量的主成分变量，样本的映射误差为：

式中，x_approx为映射后的新坐标。

作为本发明的进一步改进，所述步骤202中d_ij的计算公式为：

式中，

与

分别为数据样本中i列与j列的平均值。

作为本发明的进一步改进，所述脱硫系统经济性评价指标包括相对总成本F和脱除二氧化硫的相对单位成本F_e，其中：

相对总成本F＝F_fan+F_cycle+F_slurry；

脱除二氧化硫的相对单位成本

F_fan为氧化风机能耗，F_cycle为浆液循环泵能耗，F_slurry为制备石灰石浆液的成本，

为脱除二氧化硫的质量。

作为本发明的进一步改进，所述步骤4中利用肘部法则确定聚类簇数的具体方法为：画出不同值的成本函数，观察每个成本函数的平均畸变程度，随着值的增大平均畸变程度减小，当平均畸变程度的改善效果下降幅度最大时，其对应的值就是肘部，即确定的聚类簇数，其中成本函数为：

式中，x_i为样本，μ_i为离x_i最近的聚类中心。

作为本发明的进一步改进，所述步骤5中利用模糊C均值聚类方法对所述步骤2中得到的新特征量进行聚类的具体步骤为：

步骤501、设有限个样本集是X＝(X₁,X₂,X₃…X_k)，c为预定的类别数，m_i为每个聚类的中心，α_ji是第i个样本对第j类的隶属函数，用隶属度函数定义的聚类损失函数写为：

式中，k为样本数，i＝1,2,3…c，d是模糊加权指数且d＞1，||X_i-m_j||是样本X_i到聚类中心m_j的距离，Y是目标函数；

步骤502、模糊C均值聚类方法要求一个样本对于各个类的隶属度之和为1，即：

步骤503、令Y对α_ji和m_j的偏导为0，求得Y最小值的必要条件为：

用迭代的方式求解α_ji和m_j，即可得到各类的聚类中心和各个样本对应的隶属函数，式中，j＝1,2,3…n，m_S为当前聚类。

本发明的有益效果为：本发明对脱硫系统历史运行数据进行充分挖掘与利用，不仅能提高系统运行过程中调节的及时性、准确性，还能及时反应脱硫系统运行的状态，避免数据坏点等状态对运行人员造成的误导，同时能够为脱硫控制系统的建立提供一个可参考的数据库。

附图说明

图1为本发明实施例所述的一种脱硫系统运行工况数据库的建立方法的流程图；

图2为本发明实施例所述的一种脱硫系统运行工况数据库的建立方法中模糊C均值聚类法聚类散点示意图；

图3为本发明实施例所述的一种脱硫系统运行工况数据库的建立方法中第一类、第二类和第三类的隶属度矩阵值示意图；

图4为本发明实施例所述的一种脱硫系统运行工况数据库的建立方法中第四类、第五类和第六类的隶属度矩阵值示意图；

图5为本发明实施例所述的一种脱硫系统运行工况数据库的建立方法中目标函数变化示意图。

具体实施方式

下面通过具体的实施例并结合附图对本发明做进一步的详细描述。

如图1所示，本发明实施例所述的是一种脱硫系统运行工况数据库的建立方法，该方法包括：

步骤1、导入脱硫系统的历史运行数据，并对历史运行数据进行数据处理，剔除异常数据；

步骤2、采用主成分分析法对步骤1中保留的健康数据进行分析，得到新特征量；

步骤3、对脱硫系统进行经济分析，提出脱硫系统经济性评价指标；

步骤4、利用肘部法则确定聚类簇数；

步骤5、利用模糊C均值聚类方法对步骤2中得到的新特征量进行聚类，并结合步骤3中的经济性评价指标得出每类中的经济最优点；

步骤6、将脱硫系统实时运行数据进行步骤1-5的数据处理，并将脱硫系统实时运行数据聚类到步骤5中得出的已有类中，并指出其所在类中实时运行数据的经济最优点即最优工况点。

进一步的，步骤1中的异常数据包括排放浓度超标、测量参数不在正常范围内、突变的数据。

进一步的，步骤1中数据处理的方法为z-score规范法，其表达式为：

式中，ν_i为数据值，ν_i'为数据被规范后的值，

为数据的平均值，σ_X为数据的标准差。该方法是根据数据的平均值和标准差对数据进行规范化。

进一步的，步骤2中获得新特征量的具体步骤为：

步骤201、将机组负荷、烟气流量、浆液密度、浆液PH值、出入口SO₂浓度、供浆量、浆液循环泵启停状态的运行参数组成数据样本矩阵：

式中，x_ki为数据样本中的数据值，k为样本个数，k＝1,2,3……m，i为特征参数的个数，i＝1,2,3……n。其中每一行代表一个样本，每一列代表一个特征参数，共m个样本，n个特征参数。

步骤202、数据样本对应的协方差矩阵为：

式中，d_ij为两个特征参数之前的协方差，i＝1,2,3……n，j＝1,2,3……n；

步骤203、从协方差矩阵的特征值λ＝{λ_i,i＝1,2…n}中选出p个特征值为λ'＝{λ_i,i＝1,2…p}，再从协方差矩阵的特征向量c＝{c_i,i＝1,2…n}中选出前p个特征向量作为主特征向量c'＝{c_i,i＝1,2…p}，构成m×p阶模式矩阵W；

步骤204、将步骤201中数据样本矩阵中每一列的数据减去该列样本的平均值后得到矩阵A，利用矩阵A和矩阵W得到新的矩阵：

P＝[W^T×A^T]^T

步骤205、求得含有p个新特征量的主成分变量，样本的映射误差为：

式中，x_approx为映射后的新坐标。由上式可知，映射误差越小表明新样本保留原样本的不确定越大，降维后的数据更加接近原样本数据，新特征向量越能代表原特征向量。

进一步的，步骤202中d_ij的计算公式为：

式中，

与

分别为数据样本中i列与j列的平均值。

进一步的，脱硫系统经济性评价指标包括相对总成本F和脱除二氧化硫的相对单位成本F_e，其中：

相对总成本F＝F_fan+F_cycle+F_slurry；

脱除二氧化硫的相对单位成本

F_fan为氧化风机能耗，F_cycle为浆液循环泵能耗，F_slurry为制备石灰石浆液的成本，

为脱除二氧化硫的质量。

脱硫系统主要由烟气子系统、SO₂吸收子系统、石灰石浆液制备与供给子系统、石膏脱水子系统以及石膏浆液子系统等组成，各子系统分别包括很多管道、泵、风机等能耗设备，其中各设备的能耗特性差异很大。其中，浆液循环泵、氧化风机、湿式球磨机的能耗以及石灰石浆液用量受工况变化的影响对脱硫成本的影响较大。因此，以浆液循环泵、氧化风机、湿式球磨机这三个设备和石灰石浆液用量为研究重点，计算SO₂的相对经济成本。相对总成本F＝F_fan+F_cycle+F_bm+F_l+F_w，其中，F_bm为湿式球磨机能耗，F_l为石灰石耗费，F_w为用水耗费。但由于湿式球磨机不是连续工作，在计算时将湿式球磨机能耗与石灰石浆液制备过程中的石灰石耗费与用水耗费相结合，即提出了制备石灰石浆液的成本F_slurry，从而计算相对总成本的公式变为F＝F_fan+F_cycle+F_slurry。

进一步的，步骤4中利用肘部法则确定聚类簇数的具体方法为：画出不同值的成本函数，观察每个成本函数的平均畸变程度，随着值的增大平均畸变程度减小，当平均畸变程度的改善效果下降幅度最大时，其对应的值就是肘部，即确定的聚类簇数，其中成本函数为

式中，x_i为样本，μ_i为离x_i最近的聚类中心。

成本函数为各个类畸变程度之和。若类内部的工况点彼此间越紧凑则类的畸变程度越小，反之，若类内部的成员彼此间越分散则类的畸变程度越大。求解成本函数最小化的参数就是一个重复配置每个类包含的观测值，并不断移动类重心的过程。

进一步的，步骤5中利用模糊C均值聚类方法对步骤2中得到的新特征量进行聚类的具体步骤为：

步骤501、设有限个样本集是X＝(X₁,X₂,X₃…X_k)，c为预定的类别数，m_i为每个聚类的中心，α_ji是第i个样本对第j类的隶属函数，用隶属度函数定义的聚类损失函数写为：

式中，k为样本数，i＝1,2,3…c，d是模糊加权指数且d＞1，||X_i-m_j||是样本X_i到聚类中心m_j的距离，Y是目标函数，即含隶属度加权的类内距离平方和函数；

步骤502、模糊C均值聚类方法要求一个样本对于各个类的隶属度之和为1，即：

步骤503、令Y对α_ji和m_j的偏导为0，求得Y最小值的必要条件为：

用迭代的方式求解α_ji和m_j，即可得到各类的聚类中心和各个样本对应的隶属函数，式中，j＝1,2,3…n，m_S为当前聚类。

利用模糊C均值聚类方法进行聚类的目的是找出每个样本点归属各个簇的几率，从而将运行数据进行归类。任何样本点不会严格划分到某一类，而是以一定的隶属度属于c个不同域。不同的类就代表着系统正常运行的相近工况。结合经济指标，找出每类中的经济最优点。

本实施例中以某电厂的5号机组脱硫系统2017年10月1日当天的运行数据为例，取机组负荷为500-550MW，入口SO₂浓度为3000-3500mg/Nm³范围内的890个样本，对其进行主成分分析、经济性分析以及聚类分析，建立经济最优工况数据库。具体步骤如下：

(1)导入电站脱硫系统的运行数据并对其进行数据清理，剔除异常数据。对于排放浓度超标、测量参数不在正常范围内、突变的数据点进行识别删除。

(2)利用上述处理过的健康的890个机组运行数据样本，如表1，采用主成分分析法对其进行分析和降维。

表1脱硫系统运行数据样本

首先，对数组进行特征中心化，并求其协方差矩阵，如图2。

表2协方差矩阵

求协方差矩阵的特征向量，如表3。

表3协方差矩阵的特征向量

取贡献值为0.95，得出降维后的主成分变量，如表4。

表4主成分变量

(3)通过对890个样本的计算，F_slurry的成本在27.678元/吨。

(4)采用模糊C均值法结合肘部法则对主成分分析得出的降维后样本聚类分析，设置模糊加权指数为2，聚类数目为6，迭代停止阈值为10^-6。其聚类散点图如图2，样本点一共分成了6簇，每簇用不同的颜色表示。隶属矩阵图如图3，图4，从图中可以看出，第四类和第五类区分度不太大，其他各类的区分度很好，总体聚类效果可以接受。目标函数变化图如图5，可以看出在迭代了10次后目标函数开始收敛。不同的类就代表着系统正常运行的相近工况，结合经济指标找出每簇中的经济最优点，并组成最优工况库。

(5)用一条新的运行样本数据做测试，首先对其进行主成分分析，用同样的降维矩阵将其同数据库中的数据映射到相同的空间。然后将其降维后的数据进行聚类。将系统实时运行数据通过相同的主成分分析过程以及聚类算法，将其聚类到已有的类中，指出其所在类中的经济最优点的运行工况，包括供浆量、浆液循环泵运行状态等参数。在运行工况与所在类的最优工况点的浆液循环泵状态一致时，按照最优工况点的供浆量进行调节；当在运行工况与所在类的最优工况点的浆液循环泵状态不一致时，脱硫系统实时运行工况的脱除二氧化硫的相对单位成本F_e大于所在类的最优工况点的脱除二氧化硫的相对单位成本F_e0，指定当F_e≥1＝1.2F_e0时脱硫系统选择按照最优工况点的参数进行调节，否则不予调节。在运行过程中减少浆液循环泵的切换与启停。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (7)

1.一种脱硫系统运行工况数据库的建立方法，其特征在于，包括：

步骤1、导入脱硫系统的历史运行数据，并对历史运行数据采用z-score规范法进行数据处理，剔除异常数据；

步骤2、采用主成分分析法对所述步骤1中保留的健康数据进行分析，得到新特征量；

步骤3、对脱硫系统进行经济分析，提出脱硫系统经济性评价指标；

步骤4、利用肘部法则确定聚类簇数，包括：画出不同值的成本函数，观察每个成本函数的平均畸变程度，随着值的增大平均畸变程度减小，当平均畸变程度的改善效果下降幅度最大时，其对应的值就是肘部，即确定的聚类簇数，其中成本函数为：

式中，x_i为样本，μ_i为离x_i最近的聚类中心，m为样本的总数量；

步骤5、利用模糊C均值聚类方法结合所述步骤4中肘部法则对所述步骤2中得到的新特征量进行聚类分析，并结合所述步骤3中的经济性评价指标得出每类中的经济最优点；

步骤6、将脱硫系统实时运行数据进行步骤1-5的数据处理，并将脱硫系统实时运行数据聚类到所述步骤5中得出的已有类中，并指出其所在类中实时运行数据的经济最优点即最优工况点；在实时运行工况与所在类的最优工况点的浆液循环泵状态一致时，按照最优工况点的供浆量进行调节；当在运行工况与所在类的最优工况点的浆液循环泵状态不一致时，脱硫系统实时运行工况的脱除二氧化硫的相对单位成本F_e大于所在类的最优工况点的脱除二氧化硫的相对单位成本F_e0，指定当F_e≥1＝1.2F_e0时脱硫系统选择按照最优工况点的参数进行调节，否则不予调节。

2.根据权利要求1所述的脱硫系统运行工况数据库的建立方法，其特征在于，所述步骤1中的异常数据包括排放浓度超标、测量参数不在正常范围内、突变的数据。

3.根据权利要求1所述的脱硫系统运行工况数据库的建立方法，其特征在于，所述步骤1中数据处理的方法为z-score规范法，其表达式为：

式中，ν_i为数据值，ν′_i为数据被规范后的值，

为数据的平均值，σ_X为数据的标准差。

4.根据权利要求1所述的脱硫系统运行工况数据库的建立方法，其特征在于，所述步骤2中获得新特征量的具体步骤为：

步骤201、将机组负荷、烟气流量、浆液密度、浆液PH值、出入口SO₂浓度、供浆量、浆液循环泵启停状态的运行参数组成数据样本矩阵：

式中，x_ki为数据样本中的数据值，k为样本个数，k＝1,2,3……m，i为特征参数的个数，i＝1,2,3……n；

步骤202、所述数据样本对应的协方差矩阵为：

式中，d_ij为两个特征参数之前的协方差，i＝1,2,3……n，j＝1,2,3……n；

步骤203、从所述协方差矩阵的特征值λ＝{λ_i,i＝1,2…n}中选出p个特征值为λ'＝{λ_i,i＝1,2…p}，再从所述协方差矩阵的特征向量c＝{c_i,i＝1,2…n}中选出前p个特征向量作为主特征向量c'＝{c_i,i＝1,2…p}，构成m×p阶模式矩阵W；

步骤204、将所述步骤201中数据样本矩阵中每一列的数据减去该列样本的平均值后得到矩阵A，利用矩阵A和矩阵W得到新的矩阵：

P＝[W^T×A^T]^T

步骤205、求得含有p个新特征量的主成分变量，样本的映射误差为：

式中，x_approx为映射后的新坐标。

5.根据权利要求4所述的脱硫系统运行工况数据库的建立方法，其特征在于，所述步骤202中d_ij的计算公式为：

式中，

与

分别为数据样本中i列与j列的平均值。

6.根据权利要求1所述的脱硫系统运行工况数据库的建立方法，其特征在于，所述脱硫系统经济性评价指标包括相对总成本F和脱除二氧化硫的相对单位成本F_e，其中：

相对总成本F＝F_fan+F_cycle+F_slurry；

脱除二氧化硫的相对单位成本

F_fan为氧化风机能耗，F_cycle为浆液循环泵能耗，F_slurry为制备石灰石浆液的成本，

为脱除二氧化硫的质量。

7.根据权利要求1所述的脱硫系统运行工况数据库的建立方法，其特征在于，所述步骤5中利用模糊C均值聚类方法对所述步骤2中得到的新特征量进行聚类的具体步骤为：

步骤501、设有限个样本集是X＝(X₁,X₂,X₃…X_k)，c为预定的类别数，m_i为每个聚类的中心，α_ji是第i个样本对第j类的隶属函数，用隶属度函数定义的聚类损失函数写为：

式中，k为样本数，i＝1,2,3…c，d是模糊加权指数且d＞1，||X_i-m_j||是样本X_i到聚类中心m_j的距离，Y是目标函数；

步骤502、模糊C均值聚类方法要求一个样本对于各个类的隶属度之和为1，即：

步骤503、令Y对α_ji和m_j的偏导为0，求得Y最小值的必要条件为：

用迭代的方式求解α_ji和m_j，即可得到各类的聚类中心和各个样本对应的隶属函数，式中，j＝1,2,3…n，m_S为当前聚类。

Images