CN114593411B - 基于向量自回归水煤比寻优直流炉给水控制方法及系统 - Google Patents
基于向量自回归水煤比寻优直流炉给水控制方法及系统 Download PDFInfo
- Publication number
- CN114593411B CN114593411B CN202210192664.7A CN202210192664A CN114593411B CN 114593411 B CN114593411 B CN 114593411B CN 202210192664 A CN202210192664 A CN 202210192664A CN 114593411 B CN114593411 B CN 114593411B
- Authority
- CN
- China
- Prior art keywords
- water
- coal ratio
- optimizing
- coal
- 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.)
- Active
Links
- 239000003245 coal Substances 0.000 title claims abstract description 134
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 55
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000004458 analytical method Methods 0.000 claims abstract description 36
- 238000001514 detection method Methods 0.000 claims abstract description 28
- 238000011156 evaluation Methods 0.000 claims abstract description 27
- 238000005457 optimization Methods 0.000 claims abstract description 17
- 230000015654 memory Effects 0.000 claims description 39
- 238000013112 stability test Methods 0.000 claims description 8
- 230000004044 response Effects 0.000 claims description 7
- 238000013076 uncertainty analysis Methods 0.000 claims description 7
- 239000000446 fuel Substances 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 4
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000012821 model calculation Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000012937 correction Methods 0.000 description 3
- 238000013480 data collection Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 241001123248 Arma Species 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000010977 unit operation Methods 0.000 description 1
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F22—STEAM GENERATION
- F22D—PREHEATING, OR ACCUMULATING PREHEATED, FEED-WATER FOR STEAM GENERATION; FEED-WATER SUPPLY FOR STEAM GENERATION; CONTROLLING WATER LEVEL FOR STEAM GENERATION; AUXILIARY DEVICES FOR PROMOTING WATER CIRCULATION WITHIN STEAM BOILERS
- F22D5/00—Controlling water feed or water level; Automatic water feeding or water-level regulators
- F22D5/26—Automatic feed-control systems
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F22—STEAM GENERATION
- F22B—METHODS OF STEAM GENERATION; STEAM BOILERS
- F22B35/00—Control systems for steam boilers
- F22B35/18—Applications of computers to steam boiler control
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Thermal Sciences (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Control Of Steam Boilers And Waste-Gas Boilers (AREA)
Abstract
本发明公开了一种基于向量自回归水煤比寻优直流炉给水控制方法及系统，方法包括：获取机组原始数据，生成满足预设条件的时间序列；利用VAR模型，选取满足预设条件时间序列进行平稳性检测；当满足预设条件的时间序列，满足平稳性检测时，利用VAR模型，对满足平稳性检测条件的时间序列进行水煤比寻优；对水煤比寻优的结果进行评价分析；根据评价分析结果，利用VAR模型，对预设时间段内的高低负荷段的数据进行寻优，形成当前水煤比曲线；当煤质变化时，切换至下一水煤比曲线。通过对水煤比及相关参数进行实时寻优，在确保安全的情况下，实现给水控制在煤质变化时，自学习、自适应、自寻优的控制。
Description
技术领域
本发明涉及燃煤超临界机组给水调节技术领域，具体涉及一种基于向量自回归水煤比寻优直流炉给水控制方法及系统。
背景技术
在热电联产机组上，由于超临界直流炉机组在经济环保方面相比于亚临界汽包炉有显著优势，因此，在过去几年中我国新建350MW超临界直流炉日益增多。并且电厂为了降低燃料成本，多采用配煤掺烧。因此超临界机组的控制重点就在于如何在煤质频繁变化的情况下更好的实现机组水煤比的稳定控制。目前，大部分超临界直流炉的给水控制都是固定的水煤比根据煤的量确定给水量并用中间点温度偏差校正给水量。固定的水煤比一般为设计煤种，在煤质频繁变化的情况已经不适用。找到适应变化煤质的最优水煤比，从而使机组更快调整机组给水策略，对于提升机炉协调品质，提升机组运行稳定性和经济性至关重要。
电厂数据采样具有连续性，各个参数之间相互影响，具有延续性。所以可以应用时间序列数据进行分割处理，统计分析各个参数的关系，预测变量的趋势，寻找最优值。使用时间序列可以将电厂在持续复杂工况运行中的偶然情况过滤，消除随机波动带来的影响。上世纪以来研究者发展了众多时间序列模型，典型的有ARMA，GARCH，ETS，SSM等线性模型，在工程控制、金融等领域应用广泛。近年来，随着人工智能技术的发展，研究人员将时间序列预测问题转换为监督学习问题，采用RNN，LSTM等神经网络模型进行预测，也得到了不错的效果，但是这些模型结构复杂，算力要求较高，存在不能做到实时在线自学习、自适应、自寻优控制的风险。
发明内容
因此，本发明提供的一种基于向量自回归水煤比寻优直流炉给水控制方法及系统，克服了现有技术中不能做到实时在线自学习、自适应、自寻优控制的缺陷。
为达到上述目的，本发明提供如下技术方案：
第一方面，本发明实施例提供一种基于向量自回归水煤比寻优直流炉给水控制方法，包括：
获取机组原始数据，生成满足预设条件的时间序列；
利用VAR模型，选取满足预设条件时间序列进行平稳性检测；
当满足预设条件的时间序列，满足平稳性检测时，利用VAR模型，对满足平稳性检测条件的时间序列进行水煤比寻优；
对水煤比寻优的结果进行评价分析，所述评价分析，包括：误差分析、不确定性分析及脉冲响应分析；
根据评价分析结果，利用VAR模型，对预设时间段内的高低负荷段的数据进行寻优，形成当前水煤比曲线；
当煤质变化时，切换至下一水煤比曲线。
可选地，下一水煤比曲线为煤质变化时，满足煤质稳态时通过VAR模型寻优的水煤比曲线。
可选地，获取机组原始数据，生成满足预设条件的时间序列的步骤，包括：
实时采集机组原始数据，所述原始数据，包括：有功功率、主汽温度、主汽压力偏差、分离器出口平均过热度、运行人员过热度设定、过热器减温水流量、总燃料量、给水流量及负荷；
当机组负荷指令不变时，机组处于负荷稳态，删除负荷不变的状态对应的数据，留下负荷稳态的数据；
对留下的负荷稳态数据进行预处理，生成满足预设条件的时间序列。可选地，通过以下公式，对留下的负荷稳态数据进行预处理：
DS＝St+1-St
其中，对留下的数据中的水煤比S做一阶前向差分得到DS，每个机组稳态开始的时间段的DS值为空值，从空值时的数据起始至下一个空值开始前的数据为机组稳态的一个时间段。
可选地，利用单位根检验对VAR模型进行平稳性检验，通过以下公式进行计算：
其中，α为常数项，βt为时间趋势项，Δ为一阶差分项，εt为随机误差项，m代表最高阶数，βi代表系数，X为输入模型的各个变量，当δ＝0时，变量组成的时间序列存在单位根，为非平稳序列。
可选地，当序列不平稳时，则对所有变量做同阶差分，再进行平稳性检验，直至满足平稳性检验的要求。
可选地，在使用VAR模型之前，首先确立滞后p，p依据AIC、FPEC、HQC检测准则确定，p阶的VAR模型通过以下公式计算：
其中，Aj表示输入的时间序列矩阵，p代表滞后阶数，e(ti)为残差项，是零均值白噪声向量。
第二方面，本发明实施例提供一种基于向量自回归水煤比寻优直流炉给水控制系统，包括：
数据获取模块，用于获取机组原始数据，生成满足预设条件的时间序列；
VAR模型计算模块，用于利用VAR模型，选取满足预设条件时间序列进行平稳性检测；
寻优模块，用于当满足预设条件的时间序列，满足平稳性检测时，利用VAR模型，对满足平稳性检测条件的时间序列进行水煤比寻优；
评价分析模块，用于对水煤比寻优的结果进行评价分析，所述评价分析，包括：误差分析、不确定性分析及脉冲响应分析；
水煤比曲线生成模块，用于根据评价分析结果，利用VAR模型，对预设时间段内的高低负荷段的数据进行寻优，形成当前水煤比曲线；
水煤比切换模块，用于当煤质变化时，切换至下一水煤比曲线。
第三方面，本发明实施例提供一种终端，包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器执行本发明实施例第一方面所述的基于向量自回归水煤比寻优直流炉给水控制方法。
第四方面，本发明实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使所述计算机执行本发明实施例第一方面所述的基于向量自回归水煤比寻优直流炉给水控制方法。
本发明技术方案，具有如下优点：
1.本发明提供的基于向量自回归水煤比寻优直流炉给水控制方法及系统，通过水煤比自寻优提高了机组给水策略的适应性，提升机组运行稳定性和经济性。在水煤比寻优过程中，对寻优结果进行实时评价，保证了寻优结果的准确性和稳定性。
2.本发明提供的基于向量自回归水煤比寻优直流炉给水控制方法，针对煤质变化，提出基于向量自回归的水煤比自寻优模型。在模型运行过程中，对模型运行的结果进行实时评价，确保准确性，安全性。当煤质变化时，根据寻优结果，切换水煤比曲线，形成新的机组给水策略。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种基于向量自回归水煤比寻优直流炉给水控制方法的一个具体示例的流程图；
图2为本发明实施例提供的一种基于向量自回归水煤比寻优直流炉给水控制方法的一个具体示例的机组数据处理过程的流程图；
图3为本发明实施例提供的一种基于向量自回归水煤比寻优直流炉给水控制方法的一个具体示例低负荷的稳态阶段的示意图；
图4为本发明实施例提供的一种基于向量自回归水煤比寻优直流炉给水控制方法的一个具体示例的高负荷稳态阶段的示意图；
图5为本发明实施例提供的一种基于向量自回归水煤比寻优直流炉给水控制方法的一个具体示例的不同煤质下，形成的负荷与最优水煤比曲线的示意图；
图6为本发明实施例提供的一种基于向量自回归水煤比寻优直流炉给水控制方法的另一个具体示例的流程图；
图7为本发明实施例提供的一种基于向量自回归水煤比寻优直流炉给水控制系统的模块组成图；
图8为本发明实施例提供的一种终端一个具体示例的组成图。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，还可以是两个元件内部的连通，可以是无线连接，也可以是有线连接。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
此外，下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
实施例1
本发明实施例提供的一种基于向量自回归水煤比寻优直流炉给水控制方法，如图1所示，包括如下步骤：
步骤S1：获取机组原始数据，生成满足预设条件的时间序列。
在本发明实施例中，获取机组原始数据，生成满足预设条件的时间序列的步骤，包括：实时采集机组原始数据，所述原始数据，包括：有功功率、主汽温度、主汽压力偏差、分离器出口平均过热度、运行人员过热度设定、过热器减温水流量、总燃料量、给水流量及负荷，仅以此举例，不以此为限，在实际应用中根据实际需求选取相应的原始数据。当机组负荷指令不变时，机组处于负荷稳态，删除负荷不变的状态对应的数据，留下负荷稳态的数据。对留下的负荷稳态数据进行预处理，生成满足预设条件的时间序列。
在本发明实施例中，通过以下公式，对留下的负荷稳态数据进行预处理：
DS＝St+1-St
其中，对留下的数据中的水煤比S做一阶前向差分得到DS，每个机组稳态开始的时间段的DS值为空值，从空值时的数据起始至下一个空值开始前的数据为机组稳态的一个时间段。
在一具体实施例中，机组数据处理的过程如图2所示，机组在运行中产生的数据由DCS采集并存储，数据的采集装置在此不作限制，根据实际情况进行相应的选取。以5秒为间隔选取水煤比，有功功率，主汽温度，主汽压力偏差，分离器出口平均过热度，运行人员过热度设定，过热器减温水流量，总燃料量，给水流量，负荷进行的实时数据。机组负荷指令不变时，即负荷进行F＝0时，机组处于负荷稳态，删除负荷不变的状态对应的数据，留下负荷稳态的数据。将选取后数据中的水煤比S做一阶前向差分得到DS，则每个机组稳态开始的时间段的DS值为空值。从空值时的数据起始至下一个空值开始前的数据就是机组稳态的一个时间段。如图3、图4所示，图3为低负荷的稳态阶段，图4为高负荷稳态阶段。选取满足时长要求的时间段作为模型的输入。
步骤S2：利用VAR模型，选取满足预设条件时间序列进行平稳性检测。
在本发明实施例中，利用单位根(ADF)检验，对VAR模型进行平稳性检验，通过以下公式进行计算：
其中，α为常数项，βt为时间趋势项，Δ为一阶差分项，εt为随机误差项，m代表最高阶数，βi代表系数，X为输入模型的各个变量，当δ＝0时，变量组成的时间序列存在单位根，为非平稳序列。
在本发明实施例中，当序列不平稳时，则对所有变量做同阶差分，再进行平稳性检验，直至满足平稳性检验的要求。
在本发明实施例中，在使用VAR模型之前，首先确立滞后p，p依据AIC、FPEC、HQC检测准则确定，不同滞后阶数的模型预测结果如表1所示(*为最佳结果)。*最多的一行就是最佳阶数。其中一段的滞后结束最优结果为11。
表1不同滞后阶数模型预测结果表
p阶的VAR模型通过以下公式计算：
其中，Aj表示输入的时间序列矩阵，p代表滞后阶数，e(ti)为残差项，是零均值白噪声向量。
步骤S3：当满足预设条件的时间序列，满足平稳性检测时，利用VAR模型，对满足平稳性检测条件的时间序列进行水煤比寻优。
在本发明实施例中，将步骤S2中，通过平稳性检验的数据输入模型，得到寻优结果。
通过VAR模型对负荷平稳段进行水煤比寻优，其中一个负荷段的寻优的结果如表2所示。对其中结果取近似值即可，此段结果为有功功率175，水煤比为5.2。
表2寻优结果表
步骤S4：对水煤比寻优的结果进行评价分析，所述评价分析，包括：误差分析、不确定性分析及脉冲响应分析。
在本发明实施例中，通过对VAR模型的寻优结果与输入数据的之间的误差分析以验证寻优结果的准确性。不确定分析评价寻优结果的安全性。脉冲响应分析评价最优水煤比对整个寻优模型系统的影响。仅以此举例，不以此为限，在实际应用中根据实际需求选取相应的评价分析指标。
步骤S5：根据评价分析结果，利用VAR模型，对预设时间段内的高低负荷段的数据进行寻优，形成当前水煤比曲线。
在本发明实施例中，电厂煤质虽然变化频繁，但在几天之中是相对稳定的，只是对于全年度变化频繁。根据评价分析结果，利用VAR模型对一段时间的高负荷与低负荷进行水煤比寻优，寻优值满足评价标准后，形成最优水煤比曲线，所述评价标准根据实际情况进行相应选取，在此不作限制。
步骤S6：当煤质变化时，切换至下一水煤比曲线。
在本发明实施例中，下一水煤比曲线为煤质变化时，满足煤质稳态时通过VAR模型寻优的水煤比曲线。如图5所示，不同煤质下，形成的负荷与最优水煤比曲线。
在一具体实施例中，当煤质变化时，之前水煤比曲线并不符合当前煤质，直流炉的中间点过热度校水量会上升。当负荷稳定时，且中间点过热度校水量持续大于50t/h时，切换水煤比曲线，中间点过热度校水量在此不作限制，实际应用中根据实际情况选取相应的数值。切换的水煤比曲线为当前煤质稳态时通过VAR模型寻优的水煤比曲线。不同煤质下的水煤比不断变化，达到自适应的效果，改善机组负荷调节能力，提升运行安全。
如图6所示，为另一具体实施基于向量自回归水煤比寻优直流炉给水控制示意图。
本发明实施例中提供的基于向量自回归水煤比寻优直流炉给水控制方法，通过水煤比自寻优提高了机组给水策略的适应性，提升机组运行稳定性和经济性。在水煤比寻优过程中，对寻优结果进行实时评价，保证了寻优结果的准确性和稳定性。
实施例2
本发明实施例提供一种基于向量自回归水煤比寻优直流炉给水控制系统，如图7所示，包括：
数据获取模块1，用于获取机组原始数据，生成满足预设条件的时间序列；此模块执行实施例1中的步骤S1所描述的方法，在此不再赘述。
VAR模型计算模块2，用于利用VAR模型，选取满足预设条件时间序列进行平稳性检测；此模块执行实施例1中的步骤S2所描述的方法，在此不再赘述。
寻优模块3，用于当满足预设条件的时间序列，满足平稳性检测时，利用VAR模型，对满足平稳性检测条件的时间序列进行水煤比寻优；此模块执行实施例1中的步骤S3所描述的方法，在此不再赘述。
评价分析模块4，用于对水煤比寻优的结果进行评价分析，所述评价分析，包括：误差分析、不确定性分析及脉冲响应分析；此模块执行实施例1中的步骤S4所描述的方法，在此不再赘述。
水煤比曲线生成模块5，用于根据评价分析结果，利用VAR模型，对预设时间段内的高低负荷段的数据进行寻优，形成当前水煤比曲线；此模块执行实施例1中的步骤S5所描述的方法，在此不再赘述。
水煤比切换模块6，用于当煤质变化时，切换至下一水煤比曲线；此模块执行实施例1中的步骤S6所描述的方法，在此不再赘述。
本发明实施例提供一种基于向量自回归水煤比寻优直流炉给水控制系统，通过水煤比自寻优提高了机组给水策略的适应性，提升机组运行稳定性和经济性。在水煤比寻优过程中，对寻优结果进行实时评价，保证了寻优结果的准确性和稳定性。
实施例3
本发明实施例提供一种终端，如图8所示，包括：至少一个处理器401，例如CPU(Central Processing Unit，中央处理器)，至少一个通信接口403，存储器404，至少一个通信总线402。其中，通信总线402用于实现这些组件之间的连接通信。其中，通信接口403可以包括显示屏(Display)、键盘(Keyboard)，可选通信接口403还可以包括标准的有线接口、无线接口。存储器404可以是高速RAM存储器(RandomAccess Memory，易挥发性随机存取存储器)，也可以是非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。存储器404可选的还可以是至少一个位于远离前述处理器401的存储装置。其中处理器401可以执行实施例1中的基于向量自回归水煤比寻优直流炉给水控制方法。存储器404中存储一组程序代码，且处理器401调用存储器404中存储的程序代码，以用于执行实施例1中的基于向量自回归水煤比寻优直流炉给水控制方法。其中，通信总线402可以是外设部件互连标准(peripheral component interconnect，简称PCI)总线或扩展工业标准结构(extendedindustry standard architecture，简称EISA)总线等。通信总线402可以分为地址总线、数据总线、控制总线等。为便于表示，图8中仅用一条线表示，但并不表示仅有一根总线或一种类型的总线。其中，存储器404可以包括易失性存储器(英文：volatile memory)，例如随机存取存储器(英文：random-access memory，缩写：RAM)；存储器也可以包括非易失性存储器(英文：non-volatile memory)，例如快闪存储器(英文：flashmemory)，硬盘(英文：harddisk drive，缩写：HDD)或固降硬盘(英文：solid-state drive，缩写：SSD)；存储器404还可以包括上述种类的存储器的组合。其中，处理器401可以是中央处理器(英文：centralprocessing unit，缩写：CPU)，网络处理器(英文：network processor，缩写：NP)或者CPU和NP的组合。
其中，存储器404可以包括易失性存储器(英文：volatile memory)，例如随机存取存储器(英文：random-access memory，缩写：RAM)；存储器也可以包括非易失性存储器(英文：non-volatile memory)，例如快闪存储器(英文：flashmemory)，硬盘(英文：hard diskdrive，缩写：HDD)或固态硬盘(英文：solid-state drive，缩写：SSD)；存储器404还可以包括上述种类的存储器的组合。
其中，处理器401可以是中央处理器(英文：central processing unit，缩写：CPU)，网络处理器(英文：network processor，缩写：NP)或者CPU和NP的组合。
其中，处理器401还可以进一步包括硬件芯片。上述硬件芯片可以是专用集成电路(英文：application-specific integrated circuit，缩写：ASIC)，可编程逻辑器件(英文：programmable logic device，缩写：PLD)或其组合。上述PLD可以是复杂可编程逻辑器件(英文：complex programmable logic device，缩写：CPLD)，现场可编程逻辑门阵列(英文：field-programmable gate array，缩写：FPGA)，通用阵列逻辑(英文：generic arraylogic,缩写：GAL)或其任意组合。
可选地，存储器404还用于存储程序指令。处理器401可以调用程序指令，实现如本申请执行实施例1中的基于向量自回归水煤比寻优直流炉给水控制方法。
本发明实施例还提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机可执行指令，该计算机可执行指令可执行实施例1中的基于向量自回归水煤比寻优直流炉给水控制方法。其中，所述存储介质可为磁碟、光盘、只读存储记忆体(Read-OnlyMemory，ROM)、随机存储记忆体(Random Access Memory，RAM)、快闪存储器(FlashMemory)、硬盘(Hard Disk Drive，缩写：HDD)或固态硬盘(Solid-State Drive，SSD)等；所述存储介质还可以包括上述种类的存储器的组合。
显然，上述实施例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引申出的显而易见的变化或变动仍处于本发明创造的保护范围之中。
Claims (8)
1.一种基于向量自回归水煤比寻优直流炉给水控制方法，其特征在于，包括：
获取机组原始数据，生成满足预设条件的时间序列，包括：实时采集机组原始数据，所述原始数据，包括：有功功率、主汽温度、主汽压力偏差、分离器出口平均过热度、运行人员过热度设定、过热器减温水流量、总燃料量、给水流量及负荷；当机组负荷指令不变时，机组处于负荷稳态，删除负荷不变的状态对应的数据，留下负荷稳态的数据；对留下的负荷稳态数据进行预处理，生成满足预设条件的时间序列；
利用VAR模型，选取满足预设条件时间序列进行平稳性检测；
当满足预设条件的时间序列，满足平稳性检测时，利用VAR模型，对满足平稳性检测条件的时间序列进行水煤比寻优，其中，利用单位根检验对VAR模型进行平稳性检验，通过以下公式进行计算：
其中，α为常数项，βt为时间趋势项，Δ为一阶差分项，εt为随机误差项，m代表最高阶数，βi代表系数，X为输入模型的各个变量，当δ＝0时，变量组成的时间序列存在单位根，为非平稳序列；
对水煤比寻优的结果进行评价分析，所述评价分析，包括：误差分析、不确定性分析及脉冲响应分析；
根据评价分析结果，利用VAR模型，对预设时间段内的高低负荷段的数据进行寻优，形成当前水煤比曲线；
当煤质变化时，切换至下一水煤比曲线。
2.根据权利要求1所述的基于向量自回归水煤比寻优直流炉给水控制方法，其特征在于，下一水煤比曲线为煤质变化时，满足煤质稳态时通过VAR模型寻优的水煤比曲线。
3.根据权利要求1所述的基于向量自回归水煤比寻优直流炉给水控制方法，其特征在于，通过以下公式，对留下的负荷稳态数据进行预处理：
DS＝St+1-St
其中，对留下的数据中的水煤比S做一阶前向差分得到DS，每个机组稳态开始的时间段的DS值为空值，从空值时的数据起始至下一个空值开始前的数据为机组稳态的一个时间段。
4.根据权利要求3所述的基于向量自回归水煤比寻优直流炉给水控制方法，其特征在于，当序列不平稳时，则对所有变量做同阶差分，再进行平稳性检验，直至满足平稳性检验的要求。
5.根据权利要求3所述的基于向量自回归水煤比寻优直流炉给水控制方法，其特征在于，在使用VAR模型之前，首先确立滞后p，p依据AIC、FPEC、HQC检测准则确定，p阶的VAR模型通过以下公式计算：
其中，Aj表示输入的时间序列矩阵，p代表滞后阶数，e(ti)为残差项，是零均值白噪声向量。
6.一种基于向量自回归水煤比寻优直流炉给水控制系统，其特征在于，包括：
数据获取模块，用于获取机组原始数据，生成满足预设条件的时间序列，包括：实时采集机组原始数据，所述原始数据，包括：有功功率、主汽温度、主汽压力偏差、分离器出口平均过热度、运行人员过热度设定、过热器减温水流量、总燃料量、给水流量及负荷；当机组负荷指令不变时，机组处于负荷稳态，删除负荷不变的状态对应的数据，留下负荷稳态的数据；对留下的负荷稳态数据进行预处理，生成满足预设条件的时间序列；
VAR模型计算模块，用于利用VAR模型，选取满足预设条件时间序列进行平稳性检测；
寻优模块，用于当满足预设条件的时间序列，满足平稳性检测时，利用VAR模型，对满足平稳性检测条件的时间序列进行水煤比寻优，其中，利用单位根检验对VAR模型进行平稳性检验，通过以下公式进行计算：
其中，α为常数项，βt为时间趋势项，Δ为一阶差分项，εt为随机误差项，m代表最高阶数，βi代表系数，X为输入模型的各个变量，当δ＝0时，变量组成的时间序列存在单位根，为非平稳序列；
评价分析模块，用于对水煤比寻优的结果进行评价分析，所述评价分析，包括：误差分析、不确定性分析及脉冲响应分析；
水煤比曲线生成模块，用于根据评价分析结果，利用VAR模型，对预设时间段内的高低负荷段的数据进行寻优，形成当前水煤比曲线；
水煤比切换模块，用于当煤质变化时，切换至下一水煤比曲线。
7.一种终端，其特征在于，包括：至少一个处理器，以及与所述至少一个处理器通信连接的存储器，其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器执行权利要求1-5任一所述的基于向量自回归水煤比寻优直流炉给水控制方法。
8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使所述计算机执行权利要求1-7任一所述的基于向量自回归水煤比寻优直流炉给水控制方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210192664.7A CN114593411B (zh) | 2022-02-28 | 2022-02-28 | 基于向量自回归水煤比寻优直流炉给水控制方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210192664.7A CN114593411B (zh) | 2022-02-28 | 2022-02-28 | 基于向量自回归水煤比寻优直流炉给水控制方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114593411A CN114593411A (zh) | 2022-06-07 |
| CN114593411B true CN114593411B (zh) | 2024-03-29 |
Family
ID=81808090
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210192664.7A Active CN114593411B (zh) | 2022-02-28 | 2022-02-28 | 基于向量自回归水煤比寻优直流炉给水控制方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114593411B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107748938A (zh) * | 2017-11-06 | 2018-03-02 | 国网福建省电力有限公司 | 一种基于向量自回归模型的电力需求预测方法 |
| CN109086954A (zh) * | 2018-11-08 | 2018-12-25 | 暨南大学 | 基于资金流预测收益率的预测方法、装置、设备及介质 |
| CN109523053A (zh) * | 2018-09-26 | 2019-03-26 | 国网江苏省电力有限公司 | 一种多能流系统负荷预测方法 |
| CN109737378A (zh) * | 2018-12-05 | 2019-05-10 | 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 | 变负荷工况下超临界直流炉给水修正量的全程控制方法 |
| CN109919516A (zh) * | 2019-03-28 | 2019-06-21 | 国网山东省电力公司电力科学研究院 | 一种基于煤质变化机组调峰判断方法 |
| CN112178683A (zh) * | 2020-10-17 | 2021-01-05 | 西安交通大学 | 一种燃煤机组在煤质变化情况下水煤比的优化控制方法 |
| CN112363543A (zh) * | 2020-11-20 | 2021-02-12 | 西安热工研究院有限公司 | 一种自适应水煤比的超临界机组给水控制方法 |
| CN113033890A (zh) * | 2021-03-20 | 2021-06-25 | 南通天成现代农业科技有限公司 | 一种基于向量自回归模型的蛋鸡产性能分析方法 |
-
2022
- 2022-02-28 CN CN202210192664.7A patent/CN114593411B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107748938A (zh) * | 2017-11-06 | 2018-03-02 | 国网福建省电力有限公司 | 一种基于向量自回归模型的电力需求预测方法 |
| CN109523053A (zh) * | 2018-09-26 | 2019-03-26 | 国网江苏省电力有限公司 | 一种多能流系统负荷预测方法 |
| CN109086954A (zh) * | 2018-11-08 | 2018-12-25 | 暨南大学 | 基于资金流预测收益率的预测方法、装置、设备及介质 |
| CN109737378A (zh) * | 2018-12-05 | 2019-05-10 | 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 | 变负荷工况下超临界直流炉给水修正量的全程控制方法 |
| CN109919516A (zh) * | 2019-03-28 | 2019-06-21 | 国网山东省电力公司电力科学研究院 | 一种基于煤质变化机组调峰判断方法 |
| CN112178683A (zh) * | 2020-10-17 | 2021-01-05 | 西安交通大学 | 一种燃煤机组在煤质变化情况下水煤比的优化控制方法 |
| CN112363543A (zh) * | 2020-11-20 | 2021-02-12 | 西安热工研究院有限公司 | 一种自适应水煤比的超临界机组给水控制方法 |
| CN113033890A (zh) * | 2021-03-20 | 2021-06-25 | 南通天成现代农业科技有限公司 | 一种基于向量自回归模型的蛋鸡产性能分析方法 |
Non-Patent Citations (1)
| Title |
|---|
| 丁元.《就业与居民收入分配关系的动态研究 以广东为例》.暨南大学出版社,2010,121. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114593411A (zh) | 2022-06-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101320255B (zh) | 一种火电机组燃煤热值实时监测方法及热值观测器 | |
| CN106873381A (zh) | 喷氨控制系统 | |
| CN110500143B (zh) | 一种燃气及蒸汽联合循环发电机组的控制方法及相关组件 | |
| CN110889638B (zh) | 一种火电厂操作评价方法及相关设备 | |
| CN112686538B (zh) | 一种基于数据驱动的热工过程调节品质计算方法和装置 | |
| CN109857033A (zh) | 凝结水节流投切控制方法、装置和计算机设备 | |
| CN114593411B (zh) | 基于向量自回归水煤比寻优直流炉给水控制方法及系统 | |
| Ma et al. | Neural network based superheater steam temperature control for a large-scale supercritical boiler unit | |
| CN112036009A (zh) | 汽轮机调速系统宽工况精细化仿真模型及参数辨识方法 | |
| CN113757633B (zh) | 核电厂蒸汽发生器水位控制方法、装置和计算机设备 | |
| CN109833773B (zh) | 一种高效脱硝氨流量精确控制方法 | |
| Puchalski et al. | Multi-region fuzzy logic controller with local PID controllers for U-tube steam generator in nuclear power plant | |
| Mortensen et al. | Optimization of boiler control to improve the load-following capability of power-plant units | |
| CN112791570A (zh) | 一种全工况自适应的ph调节方法 | |
| CN216281315U (zh) | 一种双渣室燃煤机组主蒸汽温度优化控制装置 | |
| CN201225992Y (zh) | 一种火电机组燃煤热值观测器 | |
| CN116029433A (zh) | 基于灰色预测的能效基准值判定方法、系统、设备和介质 | |
| CN111414573B (zh) | 一种工程应用领域的输入输出数据处理方法和系统 | |
| Kail et al. | Study of automatic generation control in two area power system with DFIG-based wind energy conversion | |
| Zhao et al. | Research on self-optimization of water-coal ratio in thermal supercritical power units based on VAR model | |
| Tang et al. | Computer Prediction Model of Heat Consumption in Thermal System of Coal-Fired Power Station Based on Big Data Analysis and Information Sorting | |
| Feng et al. | Improved Linear Active Disturbance Rejection Control Strategy Based on RBF Neural Network For Main Steam Temperature Of Thermal Power Boiler | |
| CN112287535B (zh) | 一种用于确定火电机组最低运行负荷的方法及系统 | |
| CN112598166B (zh) | 一种基于回归算法学习机及专家经验的电站锅炉再热器左右两侧温度偏差的预测方法 | |
| CN117212770B (zh) | 一种基于过热器蓄能情况预估的燃烧强度识别方法和系统 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |