CN111852596B - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN111852596B CN111852596B CN202010603073.5A CN202010603073A CN111852596B CN 111852596 B CN111852596 B CN 111852596B CN 202010603073 A CN202010603073 A CN 202010603073A CN 111852596 B CN111852596 B CN 111852596B
- Authority
- CN
- China
- Prior art keywords
- boiler
- parameters
- generator set
- parameter
- power generation
- 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.)
- Active
Links
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
- F01K—STEAM ENGINE PLANTS; STEAM ACCUMULATORS; ENGINE PLANTS NOT OTHERWISE PROVIDED FOR; ENGINES USING SPECIAL WORKING FLUIDS OR CYCLES
- F01K13/00—General layout or general methods of operation of complete plants
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
- F01K—STEAM ENGINE PLANTS; STEAM ACCUMULATORS; ENGINE PLANTS NOT OTHERWISE PROVIDED FOR; ENGINES USING SPECIAL WORKING FLUIDS OR CYCLES
- F01K13/00—General layout or general methods of operation of complete plants
- F01K13/003—Arrangements for measuring or testing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/15—Correlation function computation including computation of convolution operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Mechanical Engineering (AREA)
- Combustion & Propulsion (AREA)
- Algebra (AREA)
- Chemical & Material Sciences (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Control Of Steam Boilers And Waste-Gas Boilers (AREA)
Abstract
本发明是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,其特点是:所述方法包括确定影响机组运行经济性及其他运行参数的基本参数、建立机组运行经济性预测模型函数等内容。与现有技术相比,克服了无法及时获得电厂经济指标计算的相关物理量导致的经济性评价滞后性和无法实时根据机组性能状况进行运行优化的缺点,避免了因只选择数据的最优值而忽略的煤质的波动造成的过高或过低经济性的假象,及时准确的预测和优化机组运行,使机组长期处于高于平均经济性的运行水平,提高机组的经济性。具有成本较低,考虑全面,科学合理,预测及时准确,适用性强的优点。
Description
技术领域
本发明涉及锅炉汽轮发电机组运行控制技术领域,具体涉及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。
背景技术
随着电站分散控制系统DCS的日益成熟,电力企业积累了大量的历史运行数据。这些数据的背后往往隐含了丰富的知识和规则,对于分析各参数间的关联关系、预测未来的发展趋势、改善机组的运行状况具有重要的指导意义。
为了从累积的海量数据中发现潜在的性能优化模式和节能诊断规则,近年来,各种以智能数据分析算法为核心的数据挖掘方法,如关联规则学习、决策树学习、聚类学习等,被引入燃煤发电机组能耗特性指标和经济性评价的建模与诊断优化中,并取得了一定的成果。但实际应用于现场实际的运行优化系统仍然以性能监测为主,运行优化层面的功能开发相对不足;此外,一些核心问题如机组运行目标工况的确定等方面还未能得出完善的解决方案。提高火电厂经济性的一般方法是将其管理和优化分解为两个层次。第一层次为实时优化,它确定经济上最优的运行设定值。第二层次是决定合适的控制动作,引导系统达到理想的稳态运行状态。
发电煤耗是评价发电企业能源利用效率的重要指标,能够表征火电厂生产技术完善程度和经济效果。在实际应用中,煤耗率的计算方法通常有两种:一种是直接利用煤耗量和发电量的比值在结合发热量等系数,称之为正平衡计算。其特点是快速简捷,计算量小,但由于现在大多电厂不能实现煤耗量、发电量的同步在线测量,计算结果偏差较大;另外一种称作反平衡计算方法,即利用机组当前各种运行参数来逐项计算损失的份额,计算出有效利用的热量、煤耗量、煤耗率。由于无法及时获得电厂经济指标的计算方法中的相关物理量(如煤的低位发热量等),导致经济性评价具有一定的滞后性。
因此需要一种有效的经济性预测手段来优化机组运行,而基于标煤发热量的经济性判断无法做到及时的准确的预测和优化机组运行。
发明内容
本发明的目的是,克服现有技术的缺点,提供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。
实现本发明目的采用的技术方案是: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,其特征在于:所述方法包括以下步骤:
1)获取和处理锅炉发电机组历史运行数据
①获取锅炉发电机组历史运行数据
a依据锅炉运行调控参数,确定提取的参数类型,筛选DCS参数种类,每个数据包内将包含k个参数,其中k=1,2,…,N;
b设定数据的时间间隔值;
c根据步骤a中确定的参数类型,按照步骤b设定的数据时间间隔值,提取锅炉发电机组过去一年DCS历史运行数据;
②处理锅炉发电机组历史运行数据
a分析步骤①获得的数据,剔除非正常数据;
b设定负荷段,按不同负荷段提取锅炉发电机组运行参数数据;
c设定锅炉发电机组的负荷区间[Pmin,Pmax],根据锅炉发电机组的负荷区间设定负荷间隔△P,得到负荷段个数i=(Pmax-Pmin)/△P(i=1,2,…,m);
③锅炉发电机组相对发电煤耗率的定义:Effi=PowerOutputi/FuelRatei;PowerOutputi为锅炉发电机组不同负荷下的实际发电功率;FuelRatei为锅炉发电机组不同负荷下的实际给煤量;
2)确定影响锅炉发电机组运行经济性的基本参数
将锅炉一次风、二次风、给煤量、给水量、主蒸汽压力和烟气含氧量作为影响锅炉发电机组运行经济性的基本参数;
3)建立预测锅炉发电机组运行参数或者锅炉发电机组相对发电煤耗率的初始模型
①将所要预测的锅炉发电运行参数或者锅炉发电机组相对发电煤耗率,表示为N个基本参数的函数表达公式(Ⅰ):
Ei=ai,0+ai,1xi,1+ai,2xi,2+...+ai,kxi,k+...+ai,Nxi,N (Ⅰ)
式中ai,0、ai,1,…,ai,N表示未知的多项式系数;xik(i=1,2,…,m;k=1,2,…,N)为不同负荷下影响锅炉发电机组出力的参数变量;
②对负荷段i,将步骤①的函数表达公式(Ⅰ)用函数表达公式(Ⅱ)表示:
③求解多项式系数ai,0、ai,1,…,ai,N时,根据最小二乘法将函数表达公式(Ⅱ)用函数表达公式(Ⅲ)表示:
Xi·Ai=Ei (Ⅲ)
矩阵Xi TXi为满秩矩阵,方程(Ⅲ)存在最小二乘解,其解为式(Ⅳ):
Ai=(Xi TXi)-1Xi TEi (Ⅳ)
4)建立锅炉发电机组运行参数或者锅炉发电机组相对发电煤耗率的预测模型
①将步骤1)的锅炉运行调控参数,每次一个、经过若干次逐步代入函数方程表达公式(Ⅰ)或上一次获得的新的预测模型;
②对获得的新的函数表达式进行判断,如果矩阵Xi TXi为非满秩矩阵,则该参数无法参与运行参数的预测计算,剔除掉;如果矩阵Xi TXi为满秩矩阵,则该参数能够参与运行参数的预测计算,得到新的预测模型;
③对于预测的某一个运行参数,其运行参数为非基本参数。
5)确定锅炉发电机组运行参数或者锅炉发电机组相对发电煤耗率的预测模型
将步骤1)的锅炉运行调控参数,经过若干次逐步代入函数方程表达公式(Ⅰ)或上一次获得的新的预测模型,最终得到机组运行参数或者锅炉发电机组相对发电煤耗率的预测模型。
对于步骤1)的①所述的设定数据的时间间隔值为1~3分钟。
对于步骤1)的②所述的非正常数据为机组启停过程中的数据。
对于步骤1)的②设定负荷间隔△P为10-20MW。
所述步骤4)建立锅炉发电机组运行参数或者锅炉发电机组相对发电煤耗率的预测模型的具体步骤如下:
①将步骤2)确定的基本参数中的一个代入函数方程表达公式(Ⅰ),获得用锅炉发电机组运行基本参数预测机组运行参数和相对发电煤耗率的第一函数表达式;
②对于步骤①获得的第一函数表达式,如果矩阵Xi TXi为非满秩矩阵,则该参数无法参与运行参数的预测计算,剔除掉;如果矩阵Xi TXi为满秩矩阵,则该参数能够参与运行参数的预测计算,得到第一预测模型;
③重复步骤①,将步骤2)确定的基本参数中的另一个代入函数方程表达公式(Ⅰ)或上一次获得的第一预测模型,获得第二函数表达式,对获得的第二函数表达式按照步骤②进行判断,得到第二预测模型;
④若步骤2)确定的基本参数总数为N个,则每次一个、经过N次逐步将步骤2)确定的基本参数代入上一次获得的预测模型中,获得新的函数表达式,然后对获得的新的函数表达式按照步骤②进行判断,得到第N预测模型;
⑤对于步骤1)的锅炉运行调控参数,除基本参数以外的运行参数,将其中的一个运行参数代入第N预测模型,获得第N+1函数表达式,对获得的第N+1函数表达式按照步骤②进行判断,得到第N+1预测模型;
⑥重复步骤①和步骤②,每次一个、经过若干次逐步将步骤1)的除基本参数以外的全部锅炉运行调控参数代入上一次获得的预测模型,得到新的函数表达式,然后对获得的新的函数表达式按照步骤②进行判断,最终得到锅炉发电机组运行参数或者锅炉发电机组相对发电煤耗率预测模型。
所述步骤4)的③对于预测的某一个运行参数,其运行参数为非基本参数即为:对于预测的某一个运行参数,若其为基本参数,则在进行其预测时,基本参数中不包含该参数。
本发明的有益效果是:其基于锅炉发电机组的DCS数据来预测机组运行参数及机组相对发电功率,充分利用了累积的海量数据中发现潜在的性能优化模式和节能诊断规则,克服了无法及时获得对电厂经济指标的计算方法中的相关物理量(如煤的低位发热量等)导致的经济性评价滞后性和无法实时根据机组性能状况进行诸如负荷调度等方面的运行优化的缺点,具有成本较低,考虑全面,科学合理,预测及时准确,适用性强的优点。
附图说明
图1为本发明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流程图;
图2某电厂锅炉汽轮机组相对经济性预测结果图;
图3某电厂锅炉汽轮机组相对经济性预测局部图;
图4某电厂锅炉汽轮机组相对经济性预测误差图;
图5某电厂锅炉汽轮机组发电功率预测结果图;
图6某电厂锅炉汽轮机组发电功率预测局部图;
图7某电厂锅炉汽轮机组发电功率预测误差图;
图8某电厂总燃料量预测系数随负荷变化图;
图9某电厂总风量预测系数随负荷变化图;
图10某电厂A磨一次风量预测系数随负荷变化图。
具体实施方式
下面结合附图和实施例对本发明作进一步说明。
参照图1-图10,实施例1,本实施例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,其特征在于:所述方法包括以下步骤:
1)获取和处理锅炉发电机组历史运行数据
①获取锅炉发电机组历史运行数据
a依据锅炉运行调控参数,确定提取的参数类型,筛选DCS参数种类,每个数据包内将包含k个参数,其中k=1,2,…,N;
b设定数据的时间间隔值为1~3分钟;
c根据步骤a中确定的参数类型,按照步骤b设定的数据时间间隔值,提取锅炉发电机组过去一年DCS历史运行数据,一年共计525600个以内数据包;
②处理机组历史运行数据
a分析步骤①获得的数据,剔除非正常数据,所述的非正常数据为机组启停过程中的数据;
b设定负荷段,按不同负荷段提取机组运行参数数据;
c设定锅炉发电机组的负荷区间[Pmin,Pmax],根据锅炉发电机组的负荷区间设定负荷间隔△P为10-20MW,得到负荷段个数i=(Pmax-Pmin)/△P(i=1,2,…,m);
③锅炉发电机组相对发电煤耗率的定义:Effi=PowerOutputi/FuelRatei;PowerOutputi为锅炉发电机组不同负荷下的实际发电功率;FuelRatei为锅炉发电机组不同负荷下的实际给煤量;
2)确定影响锅炉发电机组运行经济性的基本参数
将锅炉一次风、二次风、给煤量、给水量、主蒸汽压力和烟气含氧量作为影响锅炉发电机组运行经济性的基本参数;
3)建立预测锅炉发电机组运行参数或者锅炉发电机组相对发电煤耗率的初始模型
①将所要预测的锅炉发电运行参数或者锅炉发电机组相对发电煤耗率,表示为N个基本参数的函数表达公式(Ⅰ):
Ei=ai,0+ai,1xi,1+ai,2xi,2+...+ai,kxi,k+...+ai,Nxi,N (Ⅰ)
式中ai,0、ai,1,…,ai,N表示未知的多项式系数;xik(i=1,2,…,m;k=1,2,…,N)为不同负荷下影响锅炉发电机组出力的参数变量;
②对负荷段i,将步骤①的函数表达公式(Ⅰ)用函数表达公式(Ⅱ)表示:
③求解多项式系数ai,0、ai,1,…,ai,N时,根据最小二乘法将函数表达公式(Ⅱ)用函数表达公式(Ⅲ)表示:
Xi·Ai=Ei (Ⅲ)
矩阵Xi TXi为满秩矩阵,方程(Ⅲ)存在最小二乘解,其解为式(Ⅳ):
Ai=(Xi TXi)-1Xi TEi (Ⅳ)
4)建立锅炉发电机组运行参数或者锅炉发电机组相对发电煤耗率的预测模型
①将步骤1)的锅炉运行调控参数,每次一个、经过若干次逐步代入函数方程表达公式(Ⅰ)或上一次获得的新的预测模型;
②对获得的新的函数表达式进行判断,如果矩阵Xi TXi为非满秩矩阵,则该参数无法参与运行参数的预测计算,剔除掉;如果矩阵Xi TXi为满秩矩阵,则该参数能够参与运行参数的预测计算,得到新的预测模型;
③对于预测的某一个运行参数,其运行参数为非基本参数即为:对于预测的某一个运行参数,若其为基本参数,则在进行其预测时,基本参数中不包含该参数。
5)确定锅炉发电机组运行参数或者锅炉发电机组相对发电煤耗率的预测模型
将步骤1)的锅炉运行调控参数,经过若干次逐步代入函数方程表达公式(Ⅰ)或上一次获得的新的预测模型,最终得到机组运行参数或者锅炉发电机组相对发电煤耗率的预测模型。
所述步骤4)建立锅炉发电机组运行参数或者锅炉发电机组相对发电煤耗率的预测模型的具体步骤如下:
①将步骤2)确定的基本参数中的一个代入函数方程表达公式(Ⅰ),获得用锅炉发电机组运行基本参数预测机组运行参数和相对发电煤耗率的第一函数表达式;
②对于步骤①获得的第一函数表达式,如果矩阵Xi TXi为非满秩矩阵,则该参数无法参与运行参数的预测计算,剔除掉;如果矩阵Xi TXi为满秩矩阵,则该参数能够参与运行参数的预测计算,得到第一预测模型;
③重复步骤①,将步骤2)确定的基本参数中的另一个代入函数方程表达公式(Ⅰ)或上一次获得的第一预测模型,获得第二函数表达式,对获得的第二函数表达式按照步骤②进行判断,得到第二预测模型;
④若步骤2)确定的基本参数总数为N个,则每次一个、经过N次逐步将步骤2)确定的基本参数代入上一次获得的预测模型中,获得新的函数表达式,然后对获得的新的函数表达式按照步骤②进行判断,得到第N预测模型;
⑤对于步骤1)的锅炉运行调控参数,除基本参数以外的运行参数,将其中的一个运行参数代入第N预测模型,获得第N+1函数表达式,对获得的第N+1函数表达式按照步骤②进行判断,得到第N+1预测模型;
⑥重复步骤①和步骤②,每次一个、经过若干次逐步将步骤1)的除基本参数以外的全部锅炉运行调控参数代入上一次获得的预测模型,得到新的函数表达式,然后对获得的新的函数表达式按照步骤②进行判断,最终得到锅炉发电机组运行参数或者锅炉发电机组相对发电煤耗率预测模型。
参照图2~图10,实施例2,以某电厂660MW机组10天内的DCS数据(每天取1440数据点)为例进行机组相对煤耗率预测模型建立做进一步说明。
(1)确定参数类型,具体参数包括如下数据:
表1某电厂660MW机组DCS监测数据名称
(2)划分负荷区间并提取不同负荷下的运行数据;
(3)以表2的参数作为基本参数带入公式(I)并求出拟合系数ai,0、ai,1,…,ai,25;
Ei=ai,0+ai,1xi,1+ai,2xi,2+...+ai,kxi,k+...+ai,25xi,25
表2某电厂660MW机组筛选后的运行参数
序号 | 参数 | 单位 | 序号 | 参数 | 单位 |
1 | 总给煤量 | t/h | 14 | F给煤量 | t/h |
2 | 总风量 | t/h | 15 | A层二次风量 | t/h |
3 | A磨一次风量 | t/h | 16 | B层二次风量 | t/h |
4 | B磨一次风量 | t/h | 17 | C层二次风量 | t/h |
5 | C磨一次风量 | t/h | 18 | D层二次风量 | t/h |
6 | D磨一次风量 | t/h | 19 | E层二次风量 | t/h |
7 | E磨一次风量 | t/h | 20 | F层二次风量 | t/h |
8 | F磨一次风量 | t/h | 21 | A二次风总量 | t/h |
9 | A给煤量 | t/h | 22 | B二次风总量 | t/h |
10 | B给煤量 | t/h | 23 | 给水流量 | t/h |
11 | C给煤量 | t/h | 24 | 主汽压力 | MPa |
12 | D给煤量 | t/h | 25 | A侧烟气含氧量 | % |
13 | E给煤量 | t/h |
(4)每增加一个参数,如果矩阵Xi TXi为非满秩矩阵,则该参数无法参与运行参数的预测计算,剔除掉;如果矩阵Xi TXi为满秩矩阵,则该参数可以参与运行参数的预测计算,得到新的预测关系式(I)。重复计算,直到考虑全部运行参数。
Ei=ai,0+ai,1xi,1+ai,2xi,2+...+ai,kxi,k+...+ai,25xi,25+...+ai,25+jxi,25+j
式中j为增加参数的个数
图2和图5给出了该电厂10天内的相对煤耗率和负荷预测结果。图4和图7为相对煤耗率和负荷预测结果的相对误差值,在预测的14400个采样点的相对误差均<5%,表3给出了不同负荷下部分拟合系数值。
表3某电厂660MW机组不同负荷下部分拟合数据
本发明的实施例并非穷举,本领域技术人员不经过创造性劳动的简单复制和改进,仍属于本发明权利保护的范围。
Claims (6)
1.一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,其特征在于:所述方法包括以下步骤:
1)获取和处理锅炉发电机组历史运行数据
①获取锅炉发电机组历史运行数据
a依据锅炉运行调控参数,确定提取的参数类型,筛选DCS参数种类,每个数据包内将包含k个参数,其中k=1,2,…,N;
b设定数据的时间间隔值;
c根据步骤a中确定的参数类型,按照步骤b设定的数据时间间隔值,提取锅炉发电机组过去一年DCS历史运行数据;
②处理锅炉发电机组历史运行数据
a分析步骤①获得的数据,剔除非正常数据;
b设定锅炉发电机组的负荷区间[Pmin,Pmax],根据锅炉发电机组的负荷区间设定负荷间隔△P,得到负荷段个数i=(Pmax-Pmin)/△P(i=1,2,…,m);
c在获得负荷段个数i=(Pmax-Pmin)/△P(i=1,2,…,m)后,按不同负荷段提取锅炉发电机组运行参数数据;
③锅炉发电机组相对发电煤耗率的定义:Effi=PowerOutputi/FuelRatei;PowerOutputi为锅炉发电机组不同负荷下的实际发电功率;FuelRatei为锅炉发电机组不同负荷下的实际给煤量;
2)确定影响锅炉发电机组运行经济性的基本参数
将锅炉一次风、二次风、给煤量、给水量、主蒸汽压力和烟气含氧量作为影响锅炉发电机组运行经济性的基本参数;
3)建立预测锅炉发电机组运行参数或者锅炉发电机组相对发电煤耗率的初始模型
①将所要预测的锅炉发电运行参数或者锅炉发电机组相对发电煤耗率,表示为N个基本参数的函数表达公式(Ⅰ):
Ei=ai,0+ai,1xi,1+ai,2xi,2+...+ai,kxi,k+...+ai,Nxi,N (Ⅰ)
式中ai,0、ai,1,…,ai,N表示未知的多项式系数;xik(i=1,2,…,m;k=1,2,…,N)为不同负荷下影响锅炉发电机组出力的参数变量;
②对负荷段i,将步骤①的函数表达公式(Ⅰ)用函数表达公式(Ⅱ)表示:
③求解多项式系数ai,0、ai,1,…,ai,N时,根据最小二乘法将函数表达公式(Ⅱ)用函数表达公式(Ⅲ)表示:
Xi·Ai=Ei (Ⅲ)
矩阵Xi TXi为满秩矩阵,方程(Ⅲ)存在最小二乘解,其解为式(Ⅳ):
Ai=(Xi TXi)-1Xi TEi (Ⅳ)
4)建立锅炉发电机组运行参数或者锅炉发电机组相对发电煤耗率的预测模型
①将步骤1)的锅炉运行调控参数,每次一个、经过若干次逐步代入函数方程表达公式(Ⅰ)或上一次获得的新的预测模型;
②对获得的新的函数表达式进行判断,如果矩阵Xi TXi为非满秩矩阵,则该参数无法参与运行参数的预测计算,剔除掉;如果矩阵Xi TXi为满秩矩阵,则该参数能够参与运行参数的预测计算,得到新的预测模型;
③对于预测的某一个运行参数,其运行参数为非基本参数;
5)确定锅炉发电机组运行参数或者锅炉发电机组相对发电煤耗率的预测模型
将步骤1)的锅炉运行调控参数,经过若干次逐步代入函数方程表达公式(Ⅰ)或上一次获得的新的预测模型,最终得到锅炉发电机组运行参数或者锅炉发电机组相对发电煤耗率的预测模型。
2.如权利要求1所述锅炉汽轮发电机组运行参数及相对发电煤耗率预测方法,其特征在于:对于步骤1)的①所述的设定数据的时间间隔值为1~3分钟。
3.如权利要求1所述锅炉汽轮发电机组运行参数及相对发电煤耗率预测方法,其特征在于:对于步骤1)的②所述的非正常数据为锅炉发电机组启停过程中的数据。
4.如权利要求1所述锅炉汽轮发电机组运行参数及相对发电煤耗率预测方法,其特征在于:对于步骤1)的②设定负荷间隔△P为10-20MW。
5.如权利要求1所述锅炉汽轮发电机组运行参数及相对发电煤耗率预测方法,其特征在于:所述步骤4)建立锅炉发电机组运行参数或者锅炉发电机组相对发电煤耗率的预测模型的具体步骤如下:
①将步骤2)确定的基本参数中的一个代入函数方程表达公式(Ⅰ),获得用锅炉发电机组运行基本参数预测锅炉发电机组运行参数或锅炉发电相对发电煤耗率的第一函数表达式;
②对于步骤①获得的第一函数表达式,如果矩阵Xi TXi为非满秩矩阵,则该参数无法参与运行参数的预测计算,剔除掉;如果矩阵Xi TXi为满秩矩阵,则该参数能够参与运行参数的预测计算,得到第一预测模型;
③重复步骤①,将步骤2)确定的基本参数中的另一个代入函数方程表达公式(Ⅰ)或上一次获得的第一预测模型,获得第二函数表达式,对获得的第二函数表达式按照步骤②进行判断,得到第二预测模型;
④若步骤2)确定的基本参数总数为N个,则每次一个、经过N次逐步将步骤2)确定的基本参数代入上一次获得的预测模型中,获得新的函数表达式,然后对获得的新的函数表达式按照步骤②进行判断,得到第N预测模型;
⑤对于步骤1)的锅炉运行调控参数,除基本参数以外的运行参数,将其中的一个运行参数代入第N预测模型,获得第N+1函数表达式,对获得的第N+1函数表达式按照步骤②进行判断,得到第N+1预测模型;
⑥重复步骤①和步骤②,每次一个、经过若干次逐步将步骤1)的除基本参数以外的全部锅炉运行调控参数代入上一次获得的预测模型,得到新的函数表达式,然后对获得的新的函数表达式按照步骤②进行判断,最终得到锅炉发电机组运行参数或者锅炉发电机组相对发电煤耗率预测模型。
6.如权利要求1所述锅炉汽轮发电机组运行参数及相对发电煤耗率预测方法,其特征在于:所述步骤4)的③对于预测的某一个运行参数,其运行参数为非基本参数即为:对于预测的某一个运行参数,若其为基本参数,则在进行其预测时,基本参数中不包含该参数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010603073.5A CN111852596B (zh) | 2020-06-29 | 2020-06-29 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010603073.5A CN111852596B (zh) | 2020-06-29 | 2020-06-29 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111852596A CN111852596A (zh) | 2020-10-30 |
CN111852596B true CN111852596B (zh) | 2023-04-18 |
Family
ID=72989502
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010603073.5A Active CN111852596B (zh) | 2020-06-29 | 2020-06-29 | 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 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111852596B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103235986A (zh) * | 2013-05-03 | 2013-08-07 | 上海发电设备成套设计研究院 | 基于锅炉安全性分析的运行优化耗差优化方法 |
CN107341566A (zh) * | 2017-06-19 | 2017-11-10 | 东北电力大学 | 基于气象参数与太阳能电池板运行状态参数的光伏系统发电功率预测装置及其方法 |
CN109858125A (zh) * | 2019-01-22 | 2019-06-07 | 中国大唐集团科学技术研究院有限公司火力发电技术研究院 | 一种基于径向基神经网络的火电机组供电煤耗计算方法 |
CN110989360A (zh) * | 2019-12-23 | 2020-04-10 | 武汉博晟信息科技有限公司 | 一种基于全量数据的火电机组稳态历史寻优方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103390211A (zh) * | 2013-06-24 | 2013-11-13 | 浙江大学 | 火力发电机组全过程能量管理及成本分析系统 |
CN103440528B (zh) * | 2013-08-12 | 2017-03-15 | 国家电网公司 | 基于耗差分析的火电机组运行优化方法及装置 |
CN103742901B (zh) * | 2013-12-24 | 2016-04-13 | 广州市恒力安全检测技术有限公司 | 一种循环流化床机组耗差分析优化目标值体系的确定方法 |
CN104850908B (zh) * | 2015-05-22 | 2018-06-12 | 上海电力学院 | 基于混沌粒子群的火电机组负荷优化分配方法 |
CN107330543A (zh) * | 2017-06-01 | 2017-11-07 | 华北电力大学 | 一种基于负荷聚类和相关度分析的煤耗优化分析方法 |
CN109325622A (zh) * | 2018-09-26 | 2019-02-12 | 巢湖学院 | 一种电力系统负荷预测的方法 |
-
2020
- 2020-06-29 CN CN202010603073.5A patent/CN111852596B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103235986A (zh) * | 2013-05-03 | 2013-08-07 | 上海发电设备成套设计研究院 | 基于锅炉安全性分析的运行优化耗差优化方法 |
CN107341566A (zh) * | 2017-06-19 | 2017-11-10 | 东北电力大学 | 基于气象参数与太阳能电池板运行状态参数的光伏系统发电功率预测装置及其方法 |
CN109858125A (zh) * | 2019-01-22 | 2019-06-07 | 中国大唐集团科学技术研究院有限公司火力发电技术研究院 | 一种基于径向基神经网络的火电机组供电煤耗计算方法 |
CN110989360A (zh) * | 2019-12-23 | 2020-04-10 | 武汉博晟信息科技有限公司 | 一种基于全量数据的火电机组稳态历史寻优方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111852596A (zh) | 2020-10-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108416691B (zh) | 一种能源替代环保潜力计算方法 | |
CN112901449B (zh) | 一种基于机器学习的空气压缩机系统能耗优化方法 | |
CN104102211B (zh) | 一种燃煤热电厂热电联产系统的调度方法、服务器和系统 | |
CN110197296B (zh) | 一种基于时间序列相似性的机组负荷预测方法 | |
CN108954375A (zh) | 锅炉节煤控制方法 | |
CN112016754A (zh) | 基于神经网络的电站锅炉排烟温度超前预测系统及方法 | |
CN109274131B (zh) | 基于概率统计理论的新能源消纳能力非时序量化评估方法 | |
CN111852596B (zh) | 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 | |
CN114418169A (zh) | 一种基于大数据挖掘的在线运行优化系统 | |
CN109858125A (zh) | 一种基于径向基神经网络的火电机组供电煤耗计算方法 | |
CN112791570A (zh) | 一种全工况自适应的ph调节方法 | |
CN112950409A (zh) | 煤气和蒸汽能源综合利用系统生产调度优化方法 | |
CN106873377A (zh) | 不确定扰动下的焦炉加热燃烧过程火道温度自动调节方法 | |
CN113868836B (zh) | 基于大数据的智慧热力系统在线专家分析平台 | |
CN112348696B (zh) | 基于bp神经网络的供热机组调峰上限评估方法及系统 | |
KR100752765B1 (ko) | 복합화력 발전소의 운전제어가능 파라미터의 실시간영향산출 시스템 및 방법 | |
CN114970766A (zh) | 一种基于线性拟合的电站机组运行参数基准值获取方法 | |
CN112668751B (zh) | 一种机组优化调度模型的建立方法及装置 | |
CN111428906B (zh) | 一种基于图像变换的工业锅炉蒸汽量预测方法 | |
CN111091251A (zh) | 一种基于大数据技术的锅炉操作优化方法及系统 | |
CN111520740B (zh) | 一种多个多孔介质燃烧器协调优化运行的方法 | |
CN110633917A (zh) | 基于电力大数据的新能源政策实施效果综合评价方法 | |
CN112348920B (zh) | 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 | |
CN114791102B (zh) | 一种基于动态运行数据分析的燃烧优化控制方法 | |
CN114413249B (zh) | 一种电站锅炉效率对标优化的数据分析方法 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20210726 Address after: 132012, Changchun Road, Jilin, Jilin, 169 Applicant after: NORTHEAST DIANLI University Applicant after: China University of Mining and Technology Applicant after: Jiangsu Hanguang Intelligent Technology Co.,Ltd. Address before: 132012, Changchun Road, Jilin, Jilin, 169 Applicant before: NORTHEAST DIANLI University |
|
GR01 | Patent grant | ||
GR01 | Patent grant |