CN112288170A - 基于大数据分析的电厂机组工况寻优分析方法 - Google Patents

基于大数据分析的电厂机组工况寻优分析方法 Download PDF

Info

Publication number
CN112288170A
CN112288170A CN202011192986.9A CN202011192986A CN112288170A CN 112288170 A CN112288170 A CN 112288170A CN 202011192986 A CN202011192986 A CN 202011192986A CN 112288170 A CN112288170 A CN 112288170A
Authority
CN
China
Prior art keywords
optimal
big data
optimizing
condition
data
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
Application number
CN202011192986.9A
Other languages
English (en)
Inventor
解志宏
周春芳
刘铁苗
丁建华
齐建平
史贵君
李诗楠
王昱
冯宝泉
梁浩
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Jingneng Energy Technology Research Co ltd
North Weijiamao Coal Power Co Ltd
Original Assignee
Beijing Jingneng Energy Technology Research Co ltd
North Weijiamao Coal Power Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Jingneng Energy Technology Research Co ltd, North Weijiamao Coal Power Co Ltd filed Critical Beijing Jingneng Energy Technology Research Co ltd
Priority to CN202011192986.9A priority Critical patent/CN112288170A/zh
Publication of CN112288170A publication Critical patent/CN112288170A/zh
Pending legal-status Critical Current

Links

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
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Electricity, gas or water supply
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P80/00—Climate change mitigation technologies for sector-wide applications
    • Y02P80/10—Efficient use of energy, e.g. using compressed air or pressurized fluid as energy carrier
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Public Health (AREA)
  • Primary Health Care (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Feedback Control In General (AREA)

Abstract

本发明提供了一种基于大数据分析的电厂机组工况寻优分析方法，包括：建立真空、综合厂用电率与其他数据的对应关系；历史各工况最优值大数据建模，形成各工况最优样本库；利用大数据建模进行真空寻优，展示历史同边界条件下最优真空信息；利用大数据建模进行综合厂用电率寻优，展示历史同边界条件下最优厂用电率信息；通过寻优模型可以给出运行调整指导意见。本发明通过寻优控制、运行优化等手段挖掘机组节能减排潜力，降低机组整体气耗，污染物排放更低，使得机组运行更加高效环保。

Description

基于大数据分析的电厂机组工况寻优分析方法
技术领域
本发明涉及电厂控制领域，特别涉及一种基于大数据分析的电厂机组工况寻优分析方法。
背景技术
近年来，随着煤价上涨以及环保成本压力的增大，国内燃煤电厂对机组节能降耗越来越关注，如何降低煤耗，提高机组效率是电厂急需解决的问题。传统SIS运行优化目标值确定方法主要有：(1)、采用制造厂提供的设计值；(2)采用最佳运行试验方法；这两种方法只在系统运行初期效果较好；(3)采用变工况热力计算结果，这种方法在确定目标值上是正确的，但实际运行中很难达到；(4)自动寻优确定，这种方法边界条件众多，导致应达值曲线在很长时间后才能完成，但许多参数与机组实际状态不符了。
发明内容
本发明提供了一种基于大数据分析的电厂机组工况寻优分析方法，以解决至少一个上述技术问题。
为解决上述问题，作为本发明的一个方面，提供了一种基于大数据分析的电厂机组工况寻优分析方法，包括：
建立真空、综合厂用电率与其他数据的对应关系；
历史各工况最优值大数据建模，形成各工况最优样本库；
利用大数据建模进行真空寻优，展示历史同边界条件下最优真空信息；
利用大数据建模进行综合厂用电率寻优，展示历史同边界条件下最优厂用电率信息；
通过寻优模型可以给出运行调整指导意见。
优选地，寻优模型通过以下方式构建：
步骤1，构建基于历史数据的寻优算法模型
根据电厂运行历史数据，充分考虑外界边界条件后，根据不同的寻优参数设定不同的评价指标，构建基于历史数据的寻优算法模型；
步骤2，构建设备性能指标实时计算模型
基于实时在线数据，实现设备性能指标实时分钟级、小时级数据在线计算、分析；
步骤3，构建在线自学习模型
实现实时运行工况、设备运行指标与历史最优工况的在线对比，不断记录最优工况，进行最优对比，深入挖掘最优运行工况；
步骤4，构建自由专家库
结合大数据挖掘、专家经验模式，合理分类、合理调参、分类迭代，构建自有专家库，实现最优偏差指导。
本发明通过寻优控制、运行优化等手段挖掘机组节能减排潜力，降低机组整体气耗，污染物排放更低，使得机组运行更加高效环保，还提高了工作的效率，提升机组的安全性、稳定性和可靠性，降低了经营成本，具有重大的经济效益和社会效益。
具体实施方式
以下对本发明的实施例进行详细说明，但是本发明可以由权利要求限定和覆盖的多种不同方式实施。
鉴于国内众多电厂的DCS、SIS等信息系统已经积累了海量的生产数据，本发明利用大数据进行数据最优生产参数挖掘已成为各高等院校及科研单位、专家学者的研究目标，采用数据挖掘从大量的历史数据中提取有价值的信息，从而确定寻优参数的目标值。
大数据管理技术需要基于国际标准的开源云计算框架进行二次开发的工业私有智能管控平台软件，构建起企业私有云数据中心系统。系统包含服务器后台管理、分布式存储管理、数据库存储集成和资源调度等功能模块，主要功能包括提供数据采集服务、计算服务、存储服务、网络服务、认证用户管理服务、计量管理服务、数据库服务、消息服务等所需的智能管控平台服务。
本发明利用大数据分析技术对机组实际累计的运行数据进行各种工况、设备运行状态分析寻优，研发基于历史实际运行数据的真空及综合厂用电率工况寻优模型。通过真空等的工况寻优，实现机组运行的最优真空情况下运行，有效降低机组供电标准煤耗；通过综合厂用电率的寻优，实现电气设备的优化组合运行，有效降低厂用电量，达到降低厂用电率的效果，具体内容包括以下方面：
建立真空、综合厂用电率与其他数据的对应关系。
历史各工况最优值大数据建模，形成各工况最优样本库。
利用大数据建模进行真空寻优，展示历史同边界条件下最优真空信息。
利用大数据建模进行综合厂用电率寻优，展示历史同边界条件下最优厂用电率信息。
通过寻优模型可以给出运行调整指导意见
其中，寻优模型通过以下方式构建：
步骤1，构建基于历史数据的寻优算法模型
根据电厂运行历史数据，充分考虑外界边界条件后，根据不同的寻优参数设定不同的评价指标，构建基于历史数据的寻优算法模型；
步骤2，构建设备性能指标实时计算模型
基于实时在线数据，实现设备性能指标实时分钟级、小时级数据在线计算、分析；
步骤3，构建在线自学习模型
实现实时运行工况、设备运行指标与历史最优工况的在线对比，不断记录最优工况，进行最优对比，深入挖掘最优运行工况；
步骤4，构建自由专家库
结合大数据挖掘、专家经验模式，合理分类、合理调参、分类迭代，构建自有专家库，实现最优偏差指导。
真空工况寻优：对机组负荷、大气压力、环境温度进行匹配，考虑综合厂用电率和真空的相互影响关系，已供电煤耗为最终评价指标，找到历史最佳真空，并且通过各种真空的直接影响因数及非直接影响因数的调节，使实时运行状态接近甚至超过最佳真空，并实现在线学习功能，在相同工况时，提供调节指导。实现机组运行的最优真空情况下运行，有效降低机组供电标准煤耗。
厂用电率寻优：对机组负荷、环境温度等进行匹配，寻找电厂各重要辅机的用电情况，查找电厂厂用电率最低时，各辅机的运行情况及辅机运行组合，通过综合厂用电率的寻优，实现电气设备的优化组合运行，有效降低厂用电量，达到降低厂用电率的效果。
由于采用了上述技术方案，本发明可利用电厂运行实际历史高频数据，采用机器学习相关算法模型进行数据清洗、稳定型样本挑选、寻优模型的学习与训练；通过“大数据+AI人工智能技术”的协同支撑及优化，实现了模型的在线学习功能；基于具有自主知识产权的大数据平台，以数据挖掘、机器学习与深度学习的方法训练算法模型为辅助，构建领域专家知识库；提供目标变量的预测功能。
本发明通过寻优控制、运行优化等手段挖掘机组节能减排潜力，降低机组整体气耗，污染物排放更低，使得机组运行更加高效环保，还提高了工作的效率，提升机组的安全性、稳定性和可靠性，降低了经营成本，具有重大的经济效益和社会效益。
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 (2)

1.一种基于大数据分析的电厂机组工况寻优分析方法，其特征在于，包括：
建立真空、综合厂用电率与其他数据的对应关系；
历史各工况最优值大数据建模，形成各工况最优样本库；
利用大数据建模进行真空寻优，展示历史同边界条件下最优真空信息；
利用大数据建模进行综合厂用电率寻优，展示历史同边界条件下最优厂用电率信息；
通过寻优模型可以给出运行调整指导意见。
2.根据权利要求1所述的基于大数据分析的电厂机组工况寻优分析方法，其特征在于，所述寻优模型通过以下方式构建：
步骤1，构建基于历史数据的寻优算法模型
根据电厂运行历史数据，充分考虑外界边界条件后，根据不同的寻优参数设定不同的评价指标，构建基于历史数据的寻优算法模型；
步骤2，构建设备性能指标实时计算模型
基于实时在线数据，实现设备性能指标实时分钟级、小时级数据在线计算、分析；
步骤3，构建在线自学习模型
实现实时运行工况、设备运行指标与历史最优工况的在线对比，不断记录最优工况，进行最优对比，深入挖掘最优运行工况；
步骤4，构建自由专家库
结合大数据挖掘、专家经验模式，合理分类、合理调参、分类迭代，构建自有专家库，实现最优偏差指导。
CN202011192986.9A 2020-10-30 2020-10-30 基于大数据分析的电厂机组工况寻优分析方法 Pending CN112288170A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011192986.9A CN112288170A (zh) 2020-10-30 2020-10-30 基于大数据分析的电厂机组工况寻优分析方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011192986.9A CN112288170A (zh) 2020-10-30 2020-10-30 基于大数据分析的电厂机组工况寻优分析方法

Publications (1)

Publication Number Publication Date
CN112288170A true CN112288170A (zh) 2021-01-29

Family

ID=74352949

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011192986.9A Pending CN112288170A (zh) 2020-10-30 2020-10-30 基于大数据分析的电厂机组工况寻优分析方法

Country Status (1)

Country Link
CN (1) CN112288170A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113077159A (zh) * 2021-04-13 2021-07-06 中能融合智慧科技有限公司 数据处理方法及数据处理装置
CN113868953A (zh) * 2021-09-29 2021-12-31 苏州浪潮智能科技有限公司 工业系统中多机组运行优化方法、装置、系统及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102566551A (zh) * 2012-02-03 2012-07-11 北京华电天仁电力控制技术有限公司 一种基于数据挖掘的火电厂运行指标最优目标值的分析方法
US20160019218A1 (en) * 2014-06-26 2016-01-21 Xiaoping Zhang System and method for using data incident based modeling and prediction
CN106936627A (zh) * 2016-09-28 2017-07-07 清华大学 一种基于大数据分析挖掘的火电设备性能监测方法
CN210239763U (zh) * 2019-05-17 2020-04-03 深圳鹏锐信息技术股份有限公司 一种发电生产过程工况寻优装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102566551A (zh) * 2012-02-03 2012-07-11 北京华电天仁电力控制技术有限公司 一种基于数据挖掘的火电厂运行指标最优目标值的分析方法
US20160019218A1 (en) * 2014-06-26 2016-01-21 Xiaoping Zhang System and method for using data incident based modeling and prediction
CN106936627A (zh) * 2016-09-28 2017-07-07 清华大学 一种基于大数据分析挖掘的火电设备性能监测方法
CN210239763U (zh) * 2019-05-17 2020-04-03 深圳鹏锐信息技术股份有限公司 一种发电生产过程工况寻优装置

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113077159A (zh) * 2021-04-13 2021-07-06 中能融合智慧科技有限公司 数据处理方法及数据处理装置
CN113077159B (zh) * 2021-04-13 2023-12-15 中能融合智慧科技有限公司 数据处理方法及数据处理装置
CN113868953A (zh) * 2021-09-29 2021-12-31 苏州浪潮智能科技有限公司 工业系统中多机组运行优化方法、装置、系统及存储介质
CN113868953B (zh) * 2021-09-29 2024-01-19 苏州浪潮智能科技有限公司 工业系统中多机组运行优化方法、装置、系统及存储介质

Similar Documents

Publication Publication Date Title
CN101619850B (zh) 基于热电系统负荷在线预测的调度方法与系统
CN105278504A (zh) 发电集团级水电机组分布式状态监测与诊断平台建设的体系结构
CN104008430A (zh) 一种构建拟境挖掘动态智能负荷预测模型的方法
CN112288170A (zh) 基于大数据分析的电厂机组工况寻优分析方法
CN115619288B (zh) 一种分布式综合能源的利用评估方法及系统
CN106159998A (zh) 可再生能源微电网优化调度系统
CN114418303A (zh) 用于炼化一体化企业的智慧能源管理系统和方法
CN112612819A (zh) 一种抽水蓄能电站大数据分析挖掘方法及系统
CN108898239A (zh) 一种基于数据分析的配电变压器选址方法
CN112950001B (zh) 基于云边端闭环架构的智慧能量管控系统及方法
Wang et al. Short-term wind power prediction based on DBSCAN clustering and support vector machine regression
CN117371738A (zh) 一种乡镇综合能源系统多能源协同运行控制方法及系统
CN116933952A (zh) 基于物联网可视化的园区低碳能源调度系统及方法
Zhang et al. Orderly consumption and intelligent demand-side response management system under smart grid
CN114266471A (zh) 一种面向冷热电多能流耦合综合能源的能效评价方法
Timplalexis et al. A comprehensive review on industrial demand response strategies and applications
CN112396256A (zh) 基于聚合机组线性化方法的独立微网综合资源规划
Li et al. Application of Energy Consumption Model and Energy Conservation Technology in New Infrastructure
Tang et al. Application technology of big data in smart grid and its development prospect
Hao et al. Integrated Energy Smart Management System Architecture Design Based on Plantwide Control
CN117557009B (zh) 一种电源效率监测方法及系统
Skumanich et al. The developing need for AI and Machine Learning to optimize PV for increased adoption
CN113595238B (zh) 一种智能配电柜及配电箱低碳聚合调控系统、方法及终端装置
Liu et al. Wind power prediction based on meteorological data visualization
Xiao et al. Study on the Unified Data of Power Regulation System for Guizhou Power Grid

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