CN116402411B - 耗差分析方法、装置、设备及存储介质 - Google Patents

耗差分析方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN116402411B
CN116402411B CN202310678920.8A CN202310678920A CN116402411B CN 116402411 B CN116402411 B CN 116402411B CN 202310678920 A CN202310678920 A CN 202310678920A CN 116402411 B CN116402411 B CN 116402411B
Authority
CN
China
Prior art keywords
consumption
index
working condition
current
performance index
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
Application number
CN202310678920.8A
Other languages
English (en)
Other versions
CN116402411A (zh
Inventor
孙善飞
夏广臻
吴永进
赵立涛
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.)
Jinan Zuowei Technology Co ltd
Original Assignee
Jinan Zuowei Technology 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 Jinan Zuowei Technology Co ltd filed Critical Jinan Zuowei Technology Co ltd
Priority to CN202310678920.8A priority Critical patent/CN116402411B/zh
Publication of CN116402411A publication Critical patent/CN116402411A/zh
Application granted granted Critical
Publication of CN116402411B publication Critical patent/CN116402411B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06Q10/06—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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy 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
    • 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

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Development Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Marketing (AREA)
  • Health & Medical Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • Educational Administration (AREA)
  • General Business, Economics & Management (AREA)
  • Water Supply & Treatment (AREA)
  • Artificial Intelligence (AREA)
  • Public Health (AREA)
  • Game Theory and Decision Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Probability & Statistics with Applications (AREA)
  • Operations Research (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Quality & Reliability (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Investigating Or Analyzing Materials Using Thermal Means (AREA)

Abstract

本发明涉及火电机组技术领域，公开了一种耗差分析方法、装置、设备及存储介质。该方法包括：获取火电机组在深度调峰各工况下的目标性能指标，目标性能指标为影响煤耗指标、油耗指标和环保指标的指标；通过k‑means聚类算法对目标性能指标进行聚类，确定深度调峰工况下的基准值；在检测到火电机组当前处于深度调峰工况时，根据火电机组的当前性能指标与基准值进行耗差分析。本发明上述方法在深度调峰工况下通过对影响煤耗指标、油耗指标和环保指标的目标性能指标进行聚类确定基准值，避免了现有技术得到的基准值较为随机，无法准确地确定耗差分析的基准值，本发明上述方法有效提高了深度调峰工况下耗差分析的精度。

Description

耗差分析方法、装置、设备及存储介质
技术领域
本发明涉及火电机组技术领域，尤其涉及一种耗差分析方法、装置、设备及存储介质。
背景技术
耗差分析是电厂中的指标数据基础，耗差分析中的基准值是能耗的评价依据。现有的耗差分析方法中基准值的确定一般是依据锅炉热力设计数据和汽机平衡图确定，而在深度调峰工况下会超出原有设计值或平衡图中的数据。
为了避免上述问题，在深度调峰工况下基准值的确定一般是通过对历史数据进行挖掘，利用多目标模糊优化方法找到最优解作为基准值，但是，该方式得到的结果是以历史数据中的一条记录作为最优解，此种方式得到的结果较为随机，难以作为深度调峰工况下所有元素的最优解，使得深度调峰工况下耗差分析基准值难以准确地确定，导致深度调峰工况下耗差分析的精度较低。
上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供了一种耗差分析方法、装置、设备及存储介质，旨在解决现有技术耗差分析方法在深度调峰工况下耗差分析基准值难以准确地确定，导致深度调峰工况下耗差分析的精度较低的技术问题。
为实现上述目的，本发明提供了一种耗差分析方法，所述耗差分析方法应用于火电机组，所述方法包括以下步骤：
获取所述火电机组在深度调峰各工况下的目标性能指标，所述目标性能指标为影响煤耗指标、油耗指标和环保指标的指标；
通过k-means聚类算法对所述目标性能指标进行聚类，确定深度调峰工况下的基准值；
在检测到所述火电机组当前处于深度调峰工况时，根据所述火电机组的当前性能指标与所述基准值进行耗差分析。
可选地，所述通过k-means聚类算法对所述目标性能指标进行聚类，确定深度调峰工况下的基准值的步骤，包括：
确定深度调峰的总工况范围，并通过预设划分参数对所述总工况范围进行划分，获得多个工况范围；
根据所述目标性能指标构建样本数据，并从所述样本数据中确定各工况范围的初始聚类中心；
通过各初始聚类中心对所述样本数据进行聚类，获得所述各工况范围下的基准值。
可选地，所述通过各初始聚类中心对所述样本数据进行聚类，获得所述各工况范围下的基准值的步骤，包括：
确定所述样本数据与各初始聚类中心之间的距离；
根据所述距离将所述样本数据归类到所述各初始聚类中心所在的簇，获得多个数据簇；
确定各数据簇的平均值，并将各平均值作为新的聚类中心；
根据各新的聚类中心对所述样本数据进行聚类，直至聚类获得的平均值满足收敛条件或聚类的次数达到预设次数；
将聚类结束后各数据簇的平均值作为各工况范围下的基准值。
可选地，所述在检测到所述火电机组当前处于深度调峰工况时，根据所述火电机组的当前性能指标与所述基准值进行耗差分析的步骤，包括：
在检测到所述火电机组当前处于深度调峰工况时，在所述基准值中确定当前工况所处的目标工况范围，并根据所述目标工况范围确定目标基准值；
根据所述火电机组的指标类型选择对应的性能指标计算策略，并根据所述性能指标计算策略确定各指标类型的当前性能指标；
基于所述当前性能指标与所述基准值进行耗差分析。
可选地，所述根据所述火电机组的指标类型选择对应的性能指标计算策略，并根据所述性能指标计算策略确定各指标类型的当前性能指标的步骤，包括：
在所述火电机组的性能指标类型为燃料指标类型时，通过预设混合燃料计算公式根据各指标的消耗量、各指标的性能参数以及入炉混合燃料中各指标的总消耗量确定混合燃料的燃料特性，并将所述燃料特性作为当前性能指标；
所述预设混合燃料计算公式为：
其中，Q为混合燃料的燃料特性，qm为目标性能指标的消耗量，Qm为目标性能指标的性能参数，qi为各指标的消耗量。
可选地，所述根据所述火电机组的指标类型选择对应的性能指标计算策略，并根据所述性能指标计算策略确定各指标类型的当前性能指标的步骤，还包括：
在所述火电机组的性能指标类型为回热系统指标类型时，判断回热系统中是否存在加热器解列；
若不存在，则判断所述加热器的疏水调节阀是否开启；
若所述疏水调节阀开启，则根据所述疏水调节阀的开度确定当前加热器的当前抽汽流量，并将所述当前抽汽流量作为所述当前性能指标。
可选地，所述在所述火电机组的性能指标类型为回热系统指标类型时，判断回热系统中是否存在加热器解列的步骤之后，还包括：
若存在，则根据已解列加热器的运行参数确定所述当前加热器的当前抽汽流量，并将所述当前抽汽流量作为所述当前性能指标。
此外，为实现上述目的，本发明还提出一种耗差分析装置，所述耗差分析装置包括：
指标获取模块，用于获取所述火电机组在深度调峰各工况下的目标性能指标，所述目标性能指标为影响煤耗指标、油耗指标和环保指标的指标；
指标聚类模块，用于通过k-means聚类算法对所述目标性能指标进行聚类，确定深度调峰工况下的基准值；
耗差分析模块，用于在检测到所述火电机组当前处于深度调峰工况时，根据所述火电机组的当前性能指标与所述基准值进行耗差分析。
此外，为实现上述目的，本发明还提出一种耗差分析设备，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的耗差分析程序，所述耗差分析程序配置为实现如上文所述的耗差分析方法的步骤。
此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有耗差分析程序，所述耗差分析程序被处理器执行时实现如上文所述的耗差分析方法的步骤。
本发明提供了一种耗差分析方法、装置、设备及存储介质。该方法通过获取火电机组在深度调峰各工况下的目标性能指标，目标性能指标为影响煤耗指标、油耗指标和环保指标的指标；然后通过k-means聚类算法对目标性能指标进行聚类，确定深度调峰工况下的基准值；最后在检测到火电机组当前处于深度调峰工况时，根据火电机组的当前性能指标与基准值进行耗差分析。本发明上述方法在深度调峰工况下通过对影响煤耗指标、油耗指标和环保指标的目标性能指标进行聚类确定基准值，相较于现有技术在深度调峰工况下以历史数据中的一条记录作为最优解，得到的结果较为随机，难以作为深度调峰工况下所有元素的最优解，使得深度调峰工况下耗差分析的基准值难以准确地确定，本发明上述方法通过k-means聚类算法对由多个数据构成的指标进行聚类，所确定的基准值可以作为深度调峰工况所有元素的最优解，有效提高了深度调峰工况下耗差分析的精度。
附图说明
图1为本发明实施例方案涉及的硬件运行环境的耗差分析设备的结构示意图；
图2为本发明耗差分析方法第一实施例的流程示意图；
图3为本发明耗差分析方法第二实施例的流程示意图；
图4为本发明耗差分析方法第三实施例的流程示意图；
图5为本发明耗差分析方法第三实施例中加热器的示意图；
图6为本发明耗差分析装置第一实施例的结构框图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
参照图1，图1为本发明实施例方案涉及的硬件运行环境的耗差分析设备结构示意图。
如图1所示，该耗差分析设备可以包括：处理器1001，例如中央处理器（CentralProcessing Unit，CPU），通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏（Display）、输入单元比如键盘（Keyboard），可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口（如无线保真（Wireless-Fidelity，Wi-Fi）接口）。存储器1005可以是高速的随机存取存储器（RandomAccess Memory，RAM），也可以是稳定的非易失性存储器（Non-Volatile Memory，NVM），例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解，图1中示出的结构并不构成对耗差分析设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及耗差分析程序。
在图1所示的耗差分析设备中，网络接口1004主要用于与网络服务器进行数据通信；用户接口1003主要用于与用户进行数据交互；本发明耗差分析设备中的处理器1001、存储器1005可以设置在耗差分析设备中，所述耗差分析设备通过处理器1001调用存储器1005中存储的耗差分析程序，并执行本发明实施例提供的耗差分析方法。
本发明实施例提供了一种耗差分析方法，参照图2，图2为本发明耗差分析方法第一实施例的流程示意图。
本实施例中，所述耗差分析方法应用于火电机组，所述方法包括以下步骤：
步骤S10：获取所述火电机组在深度调峰各工况下的目标性能指标，所述目标性能指标为历史数据中的煤耗指标、油耗指标和环保指标的指标。
需要说明的是，本实施例方法的执行主体可以是具有耗差分析、网络通信以及程序运行功能的计算服务设备，例如火电机组、电厂等，还可以是实现相同或相似功能的其他电子设备。以下以上述耗差分析设备对本实施例和下述各实施例进行说明。
可理解的是，上述深度调峰各工况可为火电机组的调峰范围低于基本调峰范围，且高于不使火电机组停止的范围的工况，例如，若基本调峰范围为额度容量的50%，则深度调峰工况可以为处于额度容量的30%-50%的工况，此时，深度调峰的负荷范围处于30%-50%之内，其中，若上述深度调峰工况的处于30%以下，可认定此时的火电机组已停止运行。
需要说明的是，上述煤耗指标可为火电机组中与供电煤耗相关的数据，如主蒸汽压力、主蒸汽温度、排烟温度、燃煤消耗量、燃煤低位发热量等。相应地，上述油耗指标可为火电机组中与供电油耗相关的数据，如燃油消耗量、燃油低位发热量等。进一步地，上述环保指标可为火电机组中与排放至空气中的气体有关的数据，如氮氧化物、二氧化硫、污染物排放浓度等，相应地，上述目标性能指标即可为对上述煤耗指标、上述油耗指标以及上述环保指标产生影响的指标。
可理解的是，在深度调峰工况下，若深度调峰的负荷范围超过火电机组锅炉最低稳燃以下时，需要投油稳燃，因此，在深度调峰工况下除了需要考虑煤耗指标，还需要考虑油耗指标。进一步地，在深度调峰工况下还容易出现燃烧不充分的情况，或排放出的气体污染物含量较高，因此还需要考虑对环境产生影响的指标。
在具体实现中，上述耗差分析设备可设于火电机组中，可读取该火电机组在以往深度调峰工况下所涉及的煤耗指标、油耗指标和环保指标，以该煤耗指标、油耗指标和环保指标构建目标性能指标，以确定深度调峰工况下的基准值。
步骤S20：通过k-means聚类算法对所述目标性能指标进行聚类，确定深度调峰工况下的基准值。
需要说明的是上述K均值聚类算法（k-means clustering algorithm，k-means）可以是在事先并不知道任何目标性能指标的标签的情况下，通过目标性能指标中各数据之间的内在关系把目标性能指标划分为若干类别，使得同类别指标之间的相似度高，不同指标之间的样本相似度低的算法。
可理解的是，上述基准值可为火电机组的性能指标的最优值，也即，火电机组在当前运行条件下所能达到的最佳值，或者是为了取得最大经济效益所应该达到的理想值。
在具体实现中，上述耗差分析设备以上述目标性能指标作为k-means聚类的样本数据，然后在深度调峰各工况范围中随机选取初始中心点，确定样本数据到初始中心点之间的距离，当样本中某一数据低于某一初始中心点之间的距离低于预设距离时，判定该样本与该初始中心点距离最近，划分至该初始中心点所在的类别中，依此方式将样本各数据划分至相应的初始中心点所在的类别，然后确定各类别中数据的均值，以该均值作为新的中心点重复上述过程，直至各类别达到收敛条件，最后，在结束距离时，将各类别的均值作为各工况下的基准值。
应理解的是，上述预设距离可为判定样本数据是否距离中心点最近的距离，也即，若样本数据与中心点之间的距离低于该预设距离，判定该样本数据距该中心点最近，反之，判定该样本数据距该中心点较远。
需要说明的是，上述初始中心点是在深度调峰各工况范围中所选取，也即，一个工况范围可选取一个中心点，那么最终获得的样本即可处于各工况范围中，从而可在深度调峰各工况范围中均可确定一最优解的基准值。
步骤S30：在检测到所述火电机组当前处于深度调峰工况时，根据所述火电机组的当前性能指标与所述基准值进行耗差分析。
需要说明的是，上述当前性能指标即可为火电机组在当前工况下所产生的指标。该当前性能指标可以是技术人员指定的某一个指标值，也可以是技术人员指定的多个指标值，本实施例对此不加以限定。
在具体实现中，上述耗差分析设备在检测到上述火电机组当前的负荷范围低于基本调峰范围，且火电机组尚未停止运行时，判定火电机组的当前工况为深度调峰工况，然后确定当前工况所处的深度调峰工况范围，根据该深度调峰工况范围确定基准值，在当前性能指标偏离该基准值时，判定该当前性能指标未达到最优值，需要进行调整，相应地，在当前性能指标未偏离该基准值，即与该基准值一致时，判定此时的当前性能指标处于最优值，无需进行调整。
本实施例通过获取火电机组在深度调峰各工况下的目标性能指标，目标性能指标为影响煤耗指标、油耗指标和环保指标的指标；通过k-means聚类算法对目标性能指标进行聚类，确定深度调峰工况下的基准值；在检测到火电机组当前处于深度调峰工况时，根据火电机组的当前性能指标与基准值进行耗差分析。本实施例上述方法在深度调峰工况下通过对影响煤耗指标、油耗指标和环保指标的目标性能指标进行聚类确定基准值，相较于现有技术在深度调峰工况下以历史数据中的一条记录作为最优解，得到的结果较为随机，难以作为深度调峰工况下所有元素的最优解，使得深度调峰工况下耗差分析的基准值难以准确地确定，本实施例上述方法通过k-means聚类算法对由多个数据构成的指标进行聚类，所确定的基准值可以作为深度调峰工况所有元素的最优解，有效提高了深度调峰工况下耗差分析的精度。
参考图3，图3为本发明耗差分析方法第二实施例的流程示意图。
基于上述第一实施例，在本实施例中，所述步骤S20包括：
步骤S201：确定深度调峰的总工况范围，并通过预设划分参数对所述总工况范围进行划分，获得多个工况范围。
需要说明的是，上述总工况范围可由深度调峰的负荷在理论上的最大值和最小值所构成，例如30%~50%负荷范围。
可理解的是，上述预设划分参数可为对上述总工况范围进行划分的参数。
在具体实现中，上述耗差分析设备可以上述预设划分参数为分界，对上述总工况范围进行分割，获得多个工况范围。例如，若以当前总负荷为300MW，总工况范围为30%~50%，预设划分参数为10MW为例进行说明，则深度调峰的总工况范围为90MW~150MW，以10MW为分界，对上述总工况范围进行划分，获得“90MW~1000MW”、“1000MW~1100MW”、“1100MW~1200MW”、“1200MW~1300MW”、“1300MW~1400MW”、“1400MW~1500MW”这六个工况范围。
步骤S202：根据所述目标性能指标构建样本数据，并从所述样本数据中确定各工况范围的初始聚类中心。
在具体实现中，上述耗差分析设备可将上述目标性能指标中各数据作为样本数据，以构建聚类的样本数据，由于上述目标性能指标为深度调峰工况下的历史数据，因此，所获得的样本可遍布上述划分出来的工况范围。上述耗差分析设备在构建样本数据后，便可在上述各工况范围中的样本数据中随机选择一个初始聚类中心。
应理解的是，由于一个工况范围选取一个初始聚类中心，该初始聚类中心的数量为k-means聚类算法的k值，因此，该k值即可为上述预设划分参数，因此，上述耗差分析设备也可直接以k值来对上述总工况范围进行划分，然后选取n个样本，p个元素，元素的选用以影响煤耗指标、油耗指标和环保指标的多个指标参数为主，例如主蒸汽压力、主蒸汽温度、排烟温度、给水温度、油耗、脱硝脱硫效率、污染排放浓度等。
步骤S203：通过各初始聚类中心对所述样本数据进行聚类，获得所述各工况范围下的基准值。
在具体实现中，上述耗差分析设备可以上述若干初始聚类中心对各样本数据进行k-means聚类，使得同类别样本之间的相似度高，不同类别之间的样本相似度低，然后计算各类别样本的均值，作为深度调峰各工况范围的基准值。
本实施例通过确定深度调峰的总工况范围，并通过预设划分参数对总工况范围进行划分，获得多个工况范围；根据目标性能指标构建样本数据，并从样本数据中确定各工况范围的初始聚类中心；通过各初始聚类中心对样本数据进行聚类，获得所述各工况范围下的基准值。由于样本数据是由煤耗指标、油耗指标和环保指标确定，可以准确地反映深度调峰工况下各性能指标，避免了性能指标选取单一的，并且通过k-means聚类避免了现有方式结果随机的问题，有效提高了基准值确定的精度。
进一步地，为了提高k-means聚类的效率，本实施例中，所述步骤S203包括：
步骤S2031：确定所述样本数据与各初始聚类中心之间的距离。
在具体实现中，上述耗差分析设备可遍历样本数据中的各样本参数，通过预设距离公式计算样本数据中各样本参数到各初始距离中心之间的距离，其中，上述预设距离公式为：
其中，X为样本数据，Xi为样本数据中的各样本参数，Y为初始聚类中心，n为样本数据中参数的总数量，d（X，Y）为样本数据中各样本参数到初始聚类中心之间的距离。
步骤S2032：根据所述距离将所述样本数据归类到所述各初始聚类中心所在的簇，获得多个数据簇。
在具体实现中，上述耗差分析设备可判断各样本参数到各初始距离中心之间的距离是否低于上述预设距离，当样本参数与初始聚类中心之间的聚类低于上述预设聚类时，判定该样本参数与该初始中心点距离最近，划分至该初始中心点所在的簇中，依此方式将样本各样本参数划分至相应的初始聚类中心点所在的类别，获得多个数据簇，且处于同一数据簇中的样本参数相似度较高。
步骤S2033：确定各数据簇的平均值，并将各平均值作为新的聚类中心。
在具体实现中，上述耗差分析设备在获得多个数据簇后，可计算各数据簇的平均值，将该平均值作为新的聚类中心重新进行聚类，以提高聚类的精度。
步骤S2034：根据各新的聚类中心对所述样本数据进行聚类，直至聚类获得的平均值满足收敛条件或聚类的次数达到预设次数。
在具体实现中，上述耗差分析设备可将各数据簇的平均值作为新的聚类中心对样本数据按上述方式重新进行迭代聚类，获得多个新的数据簇，然后再计算该数据簇的平均值，进行重复上述聚类过程，直至获得的平均值满足收敛条件或迭代聚类的次数达到预设次数。
应理解的是，上述收敛条件可以是数据簇的平均值不再发生变化。相应地，上述预设次数可以是预先设定的次数，可由技术人员基于以往迭代过程所确定。
需要说明的是，通过将各数据簇的平均值作为新的聚类中心进行迭代，有效提高了聚类的精度，并且在聚类获得的平均值满足收敛条件或聚类的次数达到预设次数结束聚类，避免了聚类过程一直进行，有效提高了聚类的效率。
步骤S2035：将聚类结束后各数据簇的平均值作为各工况范围下的基准值。
需要说明的是，上述耗差分析设备在聚类结束后，便可将各数据簇的平均值作为基准值，然后将各基准值与上述各工况范围进行绑定，从而获得深度调峰各工况下的基准值。
在具体实现中，上述耗差分析设备在检测到上述火电机组当前的负荷范围处于低于基本调峰范围，且火电机组尚未停止运行时，判定火电机组的当前工况为深度调峰工况，然后确定当前工况所处的深度调峰工况范围，根据该深度调峰工况范围确定基准值，在当前性能指标偏离该基准值时，判定该当前性能指标未达到最优值，需要进行调整，相应地，在当前性能指标未偏离该基准值，即与该基准值一致时，判定此时的当前性能指标处于最优值，无需进行调整。
参考图4，图4为本发明耗差分析方法第三实施例的流程示意图。
基于上述第二实施例，在本实施例中，所述步骤S30，包括：
步骤S301：在检测到所述火电机组当前处于深度调峰工况时，在所述基准值中确定当前工况所处的目标工况范围，并根据所述目标工况范围确定目标基准值。
在具体实现中，上述耗差分析设备可建立聚类过程中获得的深度调峰工况下的各工况范围的基准值与各工况范围之间的映射关系，并保存至数据库中。上述耗差分析设备在检测到上述火电机组当前工况为深度调峰工况时，便可依次遍历聚类过程中划分的各工况范围，在各工况范围中确定上述当前工况所处的目标工况范围，然后在上述预设关系中查询与该目标工况范围对应的目标基准值，用以进行后续的耗差分析。
步骤S302：根据所述火电机组的指标类型选择对应的性能指标计算策略，并根据所述性能指标计算策略确定各指标类型的当前性能指标。
需要说明的是，上述指标类型可为火电机组各个运行指标的类型，包括燃料指标类型和回热系统指标类型，属于该燃料指标类型的指标有燃煤消耗量、燃油消耗量等低位发热量等，属于回热系统指标类型的指标有加热器的抽汽流量、抽汽疏水焓值以及抽汽焓值等。其中，除了上述燃料指标类型和回热系统指标类型，上述指标类型还可包括锅炉运行指标类型、汽机运行指标类型等，由于上述燃料指标类型和上述回热系统指标类型在深度调峰公开下变化较大，而其他指标类型基本无变化或变化较小，故而本实施例对其他指标类型不做限定。
在具体实现中，上述耗差分析设备可响应用户输入的携带有指标类型的耗差分析指令，选择符合该指标类型的性能指标策略，以计算处该指标类型的当前性能指标，或者，上述耗差分析设备可分别为燃料指标类型对应的性能指标计算策略和回热系统指标类型对应的性能指标策略，分别计算处符合燃料指标类型的指标以及符合上述回热系统指标类型的指标，将计算出的指标结合，作为当前性能指标，由用户从当前性能指标中进行选取。对于其他指标类型也可分配相应的性能指标策略，但是，由于其他指标类型在深度调峰工况下影响较小，此处可不进行考虑。
应理解的是，上述燃料指标类型的指标与回热系统指标类型的指标由于类型的差别，无法用同一种方式或同一种模型一起确定，因此需要根据指标类型的不同选择对应的性能指标计算策略，以准确获取各性能指标。
进一步地，本实施例中，所述步骤S302包括：
步骤S3021'：在所述火电机组的性能指标类型为燃料指标类型时，通过预设混合燃料计算公式根据各指标的消耗量、各指标的性能参数以及入炉混合燃料中各指标的总消耗量确定混合燃料的燃料特性，并将所述燃料特性作为当前性能指标；所述预设混合燃料计算公式为：
其中，Q为混合燃料的燃料特性，qm为目标性能指标的消耗量，Qm为目标性能指标的性能参数，qi为各指标的消耗量。
需要说明的是，对于燃煤火电机组，在深度调峰的负荷范围超过该电厂锅炉最低稳燃负荷以下时，必须投油稳燃，相对于基本调峰的燃料结构发生变化，而现有性能计算应用在50%负荷以上基本只利用煤耗成分计算，也即，当燃煤火电机组深度调峰在燃用多种燃料时，现有的性能计算算法模型并不适用，故而提出本实施例，以在燃用多种燃料时仍然可以准确计算出实时性能指标。
在具体实现中，上述耗差分析设备可在检测到火电机组当前处于深度调峰工况时，对燃用多种燃料的锅炉，分别测量各指标的消耗量、各指标的性能参数以及入炉混合燃料中各指标的总消耗量，然后将上述参数输入至上述混合燃料计算公式计算出混合燃料的当前性能指标。以燃煤和燃油作为混合燃料的指标、以混合燃料的低位发热量作为当前性能指标为例进行说明，上述目标性能指标的消耗量即可为待测燃料的消耗量，若待测燃料为燃煤，则为燃煤消耗量，若待测燃料为燃油，则为燃油消耗量，上述目标性能指标的性能参数即可为待测燃料的低位发热量，上述各指标的消耗量即可为燃煤和燃油消耗量的总和，上述混合燃料的当前性能指标即可为混合燃料的低位发热量，将燃油消耗量、待测燃料的低位发热量、燃煤和燃油消耗量的总和代入至上述预设混合燃料计算公式即可计算得到，上述混合燃料的当前低位发热量。其中，上述各燃料的低位发热量可根据元素分析、工业分析等方式测量获得。
应理解的是，对于其他符合燃料指标类型的性能参数，如理论空气量、理论烟气量、锅炉各项热损失等等，其计算方法均可按上述方式以元素分析为基础，根据燃煤、燃油的消耗量进行分别计算或加权平均计算。
需要说明的是，通过上述预设混合燃料计算公式可以有效解决燃煤火电机组深度调峰在燃用多种燃料时，性能计算算法模型不适用的问题，有效提高了耗差分析的精度。
进一步地，本实施例中，所述步骤S302还包括：
步骤S3021：在所述火电机组的性能指标类型为回热系统指标类型时，判断回热系统中是否存在加热器解列。
需要说明的是，上述深度调峰工况若出现抽汽压力过低导致疏水不流畅，则会对回热系统造成影响，进而影响原有加热器平衡计算。故而提出本实施例，以使深度调峰工况导致回热系统出现问题时，可及时改变热平衡计算方式。
可理解的是，上述加热器可为火电机组中，利用汽轮机的部分抽汽对给水进行加热的器件。
需要说明的是，在回热系统上，可逐级设置多个加热器，上述解列均可为某一级加热器出现故障时，需要将切断该加热器与前后级加热器之间的连接，以防止故障事故扩大造成严重后果。
在具体实现中，上述耗差分析设备在待计算的性能指标的类型为回热系统指标类型时，需要先判断回热系统中各级加热器是否出现解列，以保证所计算出的性能指标为正常情况下的指标。
步骤S3022：若不存在，则判断所述加热器的疏水调节阀是否开启。
在具体实现中，上述耗差分析设备在检测到各级加热器未出现解列时，需要继续判断各级加热器的疏水调节阀是否开启。
应理解的是，若上述疏水调节阀开启，则可判定深度调峰工况已对回热系统产生影响，不能再使用之前的计算方式。
步骤S3023：若所述疏水调节阀开启，则根据所述疏水调节阀的开度确定当前加热器的当前抽汽流量，并将所述当前抽汽流量作为所述当前性能指标。
为了便于理解，参考图5进行说明，但并不对本方案进行限定。图5为本发明耗差分析方法第三实施例中加热器的示意图，图5中，D1~D8处的元器件代表加热器，相应地，D1~D8为各加热器的抽汽流量，单位为t/h，也即图中D1~D8处可为加热器的抽汽入口。为了便于理解，将D1~D8作为各级加热器的标号，那么D1~D3可作为依次连接的第一至第三级高压加热器的标号，D5~D8为依次连接的第五至第八级低压加热器，D4为除氧器。以Dn表示第n级加热器的抽汽流量；即，D1为第一级加热器的抽气流量、D2为第二级加热器的抽气流量、D3为第三级加热器的抽气流量、D4为第四级加热器的抽气流量、D5为第五级加热器的抽气流量、D6为第六级加热器的抽气流量、D7为第七级加热器的抽气流量、D8为第八级加热器的抽气流量，Dfw表示给水流量，iwn为表示第n级出口给水焓值，即，iw1为第一级出口给水焓值、iw2为第二级出口给水焓值、iw3为第三级出口给水焓值、iw4为第四级出口给水焓值、iw5为第五级出口给水焓值、iw6为第六级出口给水焓值、iw7为表示第七级出口给水焓值、iw8为表示第八级出口给水焓值；isn示第n级抽汽疏水焓值，即，is1为第一级抽汽疏水焓值、is2为第二级抽汽疏水焓值、is3为第三级抽汽疏水焓值、is4为第四级抽汽疏水焓值、is5为第五级抽汽疏水焓值、is6为第六级抽汽疏水焓值、is7为第七级抽汽疏水焓值、is8为第八级抽汽疏水焓值；hnj表示第n级抽汽焓值，即，h1j为第一级抽汽焓值、h2j为第二级抽汽焓值、h3j为第三级抽汽焓值、h4j为第四级抽汽焓值、h5j为第五级抽汽焓值、h6j为第六级抽汽焓值、h7j为第七级抽汽焓值、h8j为第八级抽汽焓值；φ为疏水调节阀的开度。
需要说明的是，Dfw为加热器的给水流量，单位为t/h，iwn为第n+1级加热器的出口给水焓值，单位为kj/kg，即可理解为iwn的标号处为第n+1级加热器的给水出口，或第n级加热器的给水入口，例如，iw1即可为第二级加热器的给水出口焓值，即可理解为iw1的标号处为第二级加热器的给水出口，也是第一级加热器的给水入口，对于iw2~iw8均可按此方式进行说明，即给水由后一级加热器向前一级加热器流动，此处不再赘述。
可理解的是，isn为第n级加热器的抽汽疏水焓值，单位为kj/kg，可理解为isn的标号处为第n级加热器的抽汽疏水出口，由前一级向后一级流动，例如is1为第一级加热器的抽汽疏水焓值，其抽汽疏水流入第二级加热器，is2~is8均可按此方式进行说明，此处不再赘述。
需要说明的是，hnj为第n级加热器的抽汽焓值，单位为kj/kg，可理解为hnj的标号处为第n级加热器的抽汽流量入口，例如，h1j为第1级加热器的抽汽焓值，其可作为抽汽流量入口，h2j~h8j均可按此方式进行说明，此处不再赘述。
可理解的是，各级加热器均设有疏水调节阀，正常情况下，上述疏水调节阀并不会开启，各级加热器的疏水由重力流入下一级。在上述疏水调节阀开启后，途径该疏水调节阀的疏水便会流出加热器，其余的疏水流入下一级。
在具体实现中，上述耗差分析设备可测量各级加热器的给水流量、抽汽流量、出口给水焓值、入口给水焓值、抽汽疏水焓值、抽汽焓值，在检测到该疏水调节阀开启后，确定该疏水调节阀的开度大小，然后通过第一预设抽汽流量计算公式根据上述各参数和疏水调节阀的开度计算已开启疏水调节阀的加热器的抽汽流量，将所计算出来的抽汽流量作为当前抽汽流量。
其中，所述第一预设抽汽流量计算公式为：
式中，n＞2，Dn为第n级加热器的当前抽汽流量，Dfw为给水流量，Dn-1为第n-1级抽汽流量，Dn-2为第n-2级抽汽流量，iw（n-1）为第n-1级出口给水焓值，iwn为第n级入口给水焓值，is（n-1）为第n-1级抽汽疏水焓值，isn为第n级抽汽疏水焓值，hnj为第n级抽汽焓值，φ为疏水调节阀的开度。
需要说明的是，上述第一预设抽汽流量计算公式适用于第三级加热器之后，到除氧器或最后一级加热器之前的加热器。同时，由于除氧器没有疏水流向下一级加热器，因此除氧器的下一级可作为新一轮的第一级加热器，也即D5的计算公式可于D1一致，也即，上述第一预设抽汽流量计算公式还适用于除氧器之后两级，到最后一级除氧器或最后一级加热器之前的加热器。其中，若以图5为例，上述第一预设抽汽流量计算公式只适用于D3和D7疏水调节阀开启的情况。
可理解的是，对于第二级加热器，当第二级加热器的疏水调节阀开启时，第二级加热器的抽汽流量计算公式如下：
其中，D2为第二级加热器的当前抽汽流量，Dfw为给水流量，D1为第一级加热器的抽汽流量，iw1为第二级加热器出口给水焓值，iw2为第三级加热器出口给水焓值，is1为第一级加热器的抽汽疏水焓值，is2为第二级加热器的抽汽疏水焓值，h2j为第二级加热器的抽汽焓值，φ为疏水调节阀的开度。
需要说明的是，由于除氧器没有疏水流向下一级加热器，因此，除氧器后一级的加热器计算公式可参考第一级加热器。以图5为例，对于除氧器下一级的D5可作为第一季加热器，那么，D6即可作为第二级加热器，可按参考第二级加热器的计算公式进行计算，相应地，第六级加热器的抽汽流量计算公式如下：
,
其中，D6为第六级加热器的当前抽汽流量，Dfw为给水流量，D5为第五级加热器的抽汽流量，iw5为第六级加热器出口给水焓值，iw6为第七级加热器出口给水焓值，is5为第五级加热器的抽汽疏水焓值，is6为第六级加热器的抽汽疏水焓值，h6j为第六级加热器的抽汽焓值，φ为疏水调节阀的开度。
应理解的是，对于正常运行情况下加热器的抽汽流量，可通过以下正常抽汽流量计算公式计算抽汽流量：
其中，Dn为第n级加热器的当前抽汽流量，Dfw为给水流量，Dn-1为第n-1级加热器的抽汽流量，Dn-2为第n-2级加热器的抽汽流量，iw（n-1）为第n级加热器的出口给水焓值，iwn为第n+1级加热器的出口给水焓值，is（n-1）为第n-1级加热器的抽汽疏水焓值，isn为第n级加热器的抽汽疏水焓值，hnj为第n级加热器的抽汽焓值。
需要说明的是，上述正常抽汽流量计算公式适用于第一级加热器，以及第一级加热器至除氧器之间的加热器，如图5中的D1~D3，此时，1≤n＜4，还可适用于除氧器的下一级加热器至最后以及加热器，如图5中的D5~D8，此时，5≤n＜8。
可理解的是，对于未开启疏水调节阀的加热器只需要在上述第一预设抽汽流量计算公式中去除掉疏水调节阀开度即可。例如当第二级加热器的疏水调节阀未开启时，第二级加热器的抽汽流量计算公式如下：
,
其中，D2为第n级加热器的当前抽汽流量，Dfw为给水流量，D1为第1级加热器的抽汽流量，D2为第2级加热器的抽汽流量，iw1为第2级加热器的出口给水焓值，iw2为第3级加热器的出口给水焓值，is1为第1级加热器的抽汽疏水焓值，is2为第2级加热器的抽汽疏水焓值，h2j为第2级加热器的抽汽焓值。
应理解的是，对于其余各级加热器在疏水调节阀未开启时的抽汽流量计算方式均可按上述方式，此处不再赘述。
进一步地，本实施例中，所述步骤S3021之后，还包括：
步骤S30211：若存在，则根据已解列加热器的运行参数确定当前加热器的当前抽汽流量，并将所述当前抽汽流量作为所述当前性能指标。
在具体实现中，若上述耗差分析设备在检测到某一级的加热器出现故障，已经解列时，则可根据已解列加热器的运行参数，如上述出口给水焓值、抽汽疏水焓值以及抽汽焓值，通过第二预设抽汽流量公式计算加热器的抽汽流量。所述第二预设抽汽流量计算公式为：
式中，n＞2，Dn为第n级加热器的当前抽汽流量，Dfw为给水流量，Dn-2为第n-2级加热器抽汽流量，iw（n-1）为第n级加热器的出口给水焓值，iwn为第n+1级加热器的入口给水焓值，is（n-1）为第n-1级加热器的抽汽疏水焓值，isn为第n级加热器的抽汽疏水焓值，hnj为第n级加热器的抽汽焓值。
需要说明的是，与上述第一预设抽汽流量公式类似，上述第二预设抽汽流量计算公式适用于第三级加热器之后，到除氧器或最后一级加热器之前的加热器，以及除氧器之后两级，到最后一级除氧器或最后一级加热器之前的加热器。其中，若以图5为例，上述第一预设抽汽流量计算公式只适用于D3和D7解列的情况。
需要说明的是，通过增加判定条件，即判断加热器是否解列以及加热器的疏水调节阀是否开启，根据判断结果采取相应的抽汽流量计算公式，使深度调峰工况导致回热系统出现问题时，可及时改变热平衡计算方式，以保证各级加热器的抽汽流量计算准确，从而保证热耗率、效率等计算的准确性。
步骤S303：基于所述当前性能指标与所述基准值进行耗差分析。
在具体实现中，上述耗差分析设备即在进行燃料指标类型的指标的耗差分析时，可通过上述预设混合燃料计算公式计算得到当前性能指标。相应地，在进行回热系统指标类型的指标的耗差分析时，可基于上述判定条件选取现有的抽汽流量计算公式计算得到当前性能指标，最后基于获得的当前性能指标与上述基准值进行耗差分析。
本实施例通过在检测到火电机组当前处于深度调峰工况时，在基准值中确定当前工况所处的目标工况范围，并根据目标工况范围确定目标基准值；根据火电机组的指标类型选择对应的性能指标计算策略，并根据性能指标计算策略确定各指标类型的当前性能指标；基于当前性能指标与基准值进行耗差分析。本实施例通过火电机组的指标类型选择对应的性能指标计算策略，从而在深度调峰工况下可以获得准确的性能指标，进而有效提高了耗差分析的准确性。
此外，本发明实施例还提出一种存储介质，所述存储介质上存储有耗差分析程序，所述耗差分析程序被处理器执行时实现如上文所述的耗差分析方法的步骤。
参照图6，图6为本发明耗差分析装置第一实施例的结构框图。
如图6所示，本发明实施例提出的耗差分析装置包括：
指标获取模块501，用于获取所述火电机组在深度调峰各工况下的目标性能指标，所述目标性能指标为影响煤耗指标、油耗指标和环保指标的指标。
指标聚类模块502，用于通过k-means聚类算法对所述目标性能指标进行聚类，确定深度调峰工况下的基准值。
耗差分析模块503，用于在检测到所述火电机组当前处于深度调峰工况时，根据所述火电机组的当前性能指标与所述基准值进行耗差分析。
本实施例通过获取火电机组在深度调峰各工况下的目标性能指标，目标性能指标为影响历史数据中的煤耗指标、油耗指标和环保指标的指标；通过k-means聚类算法对目标性能指标进行聚类，确定深度调峰工况下的基准值；在检测到火电机组当前处于深度调峰工况时，根据火电机组的当前性能指标与基准值进行耗差分析。本实施例上述方法在深度调峰工况下通过对影响煤耗指标、油耗指标和环保指标的目标性能指标进行聚类确定基准值，相较于现有技术在深度调峰工况下以历史数据中的一条记录作为最优解，得到的结果较为随机，难以作为深度调峰工况下所有元素的最优解，使得深度调峰工况下耗差分析的基准值难以准确地确定，本实施例上述方法通过k-means聚类算法对由多个数据构成的指标进行聚类，所确定的基准值可以作为深度调峰工况所有元素的最优解，有效提高了深度调峰工况下耗差分析的精度。
基于本发明上述耗差分析装置第一实施例，提出本发明耗差分析装置的第二实施例。
在本实施例中，所述指标聚类模块502，还用于确定深度调峰的总工况范围，并通过预设划分参数对所述总工况范围进行划分，获得多个工况范围；根据所述目标性能指标构建样本数据，并从所述样本数据中确定各工况范围的初始聚类中心；通过各初始聚类中心对所述样本数据进行聚类，获得所述各工况范围下的基准值。
作为一种实施方式，所述指标聚类模块502，还用于确定所述样本数据与各初始聚类中心之间的距离；根据所述距离将所述样本数据归类到所述各初始聚类中心所在的簇，获得多个数据簇；确定各数据簇的平均值，并将各平均值作为新的聚类中心；根据各新的聚类中心对所述样本数据进行聚类，直至聚类获得的平均值满足收敛条件或聚类的次数达到预设次数；将聚类结束后各数据簇的平均值作为各工况范围下的基准值。
基于本发明上述耗差分析装置第二实施例，提出本发明耗差分析装置的第三实施例。
在本实施例中，所述耗差分析模块503，还用于在检测到所述火电机组当前处于深度调峰工况时，在所述基准值中确定当前工况所处的目标工况范围，并根据所述目标工况范围确定目标基准值；根据所述火电机组的指标类型选择对应的性能指标计算策略，并根据所述性能指标计算策略确定各指标类型的当前性能指标；基于所述当前性能指标与所述基准值进行耗差分析。
作为一种实施方式，所述耗差分析模块503，还用于在所述火电机组的性能指标类型为燃料指标类型时，通过预设混合燃料计算公式根据各指标的消耗量、各指标的性能参数以及入炉混合燃料中各指标的总消耗量确定混合燃料的燃料特性，并将所述燃料特性作为当前性能指标；所述预设混合燃料计算公式为：
其中，Q为混合燃料的燃料特性，qm为目标性能指标的消耗量，Qm为目标性能指标的性能参数，qi为各指标的消耗量。
作为一种实施方式，所述耗差分析模块503，还用于在所述火电机组的性能指标类型为回热系统指标类型时，判断回热系统中是否存在加热解列；若不存在，则判断所述加热器的疏水调节阀是否开启；若所述疏水调节阀开启，则根据所述疏水调节阀的开度确定当前加热器的当前抽汽流量，并将所述当前抽汽流量作为所述当前性能指标。
作为一种实施方式，所述耗差分析模块503，还用于若存在，则根据已解列加热器的运行参数确定所述当前加热器的当前抽汽流量，并将所述当前抽汽流量作为所述当前性能指标。
本发明耗差分析装置的其他实施例或具体实现方式可参照上述各方法实施例，此处不再赘述。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质（如只读存储器/随机存取存储器、磁碟、光盘）中，包括若干指令用以使得一台终端设备（可以是手机，计算机，服务器，或者网络设备等）执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (7)

1.一种耗差分析方法，其特征在于，所述耗差分析方法应用于火电机组，所述方法包括以下步骤：
获取所述火电机组在深度调峰各工况下的目标性能指标，所述目标性能指标为影响煤耗指标、油耗指标和环保指标的指标；
通过k-means聚类算法对所述目标性能指标进行聚类，确定深度调峰工况下的基准值；
在检测到所述火电机组当前处于深度调峰工况时，根据所述火电机组的当前性能指标与所述基准值进行耗差分析；
其中，所述在检测到所述火电机组当前处于深度调峰工况时，根据所述火电机组的当前性能指标与所述基准值进行耗差分析的步骤，包括：
在检测到所述火电机组当前处于深度调峰工况时，在所述基准值中确定当前工况所处的目标工况范围，并根据所述目标工况范围确定目标基准值；
根据所述火电机组的指标类型选择对应的性能指标计算策略，并根据所述性能指标计算策略确定各指标类型的当前性能指标；
基于所述当前性能指标与所述基准值进行耗差分析；
在所述当前性能指标偏离所述基准值时，判定所述当前性能指标未达到最优值，需要进行调整；在所述当前性能指标未偏离所述基准值时，判定所述当前性能指标处于最优值，无需进行调整；
其中，所述根据所述火电机组的指标类型选择对应的性能指标计算策略，并根据所述性能指标计算策略确定各指标类型的当前性能指标的步骤，还包括：
对于所述火电机组的性能指标类型为回热系统指标类型，判断回热系统中是否存在加热器解列；
若不存在，则判断所述加热器的疏水调节阀是否开启；
若所述疏水调节阀开启，则通过第一预设抽气流量计算公式计算当前加热器的当前抽汽流量，并将所述当前抽汽流量作为所述当前性能指标，其中，所述第一预设抽气流量计算公式为：
式中，n＞2，Dn为第n级加热器的当前抽汽流量，Dfw为给水流量，Dn-1为第n-1级抽汽流量，Dn-2为第n-2级抽汽流量，iw(n-1)为第n-1级出口给水焓值，iwn为第n级入口给水焓值，is(n-1)为第n-1级抽汽疏水焓值，isn为第n级抽汽疏水焓值，hnj为第n级抽汽焓值，为疏水调节阀的开度；
若存在，则通过第二预设抽气流量计算公式计算所述当前加热器的当前抽汽流量，并将所述当前抽汽流量作为所述当前性能指标，其中，所述第二预设抽气流量计算公式为：
式中，n＞2，Dn为第n级加热器的当前抽汽流量，Dfw为给水流量，Dn-2为第n-2级加热器抽汽流量，iw(n-1)为第n级加热器的出口给水焓值，iwn为第n+1级加热器的入口给水焓值，is(n-1)为第n-1级加热器的抽汽疏水焓值，isn为第n级加热器的抽汽疏水焓值，hnj为第n级加热器的抽汽焓值。
2.如权利要求1所述的耗差分析方法，其特征在于，所述通过k-means聚类算法对所述目标性能指标进行聚类，确定深度调峰工况下的基准值的步骤，包括：
确定深度调峰的总工况范围，并通过预设划分参数对所述总工况范围进行划分，获得多个工况范围；
根据所述目标性能指标构建样本数据，并从所述样本数据中确定各工况范围的初始聚类中心；
通过各初始聚类中心对所述样本数据进行聚类，获得所述各工况范围下的基准值。
3.如权利要求2所述的耗差分析方法，其特征在于，所述通过各初始聚类中心对所述样本数据进行聚类，获得所述各工况范围下的基准值的步骤，包括：
确定所述样本数据与各初始聚类中心之间的距离；
根据所述距离将所述样本数据归类到所述各初始聚类中心所在的簇，获得多个数据簇；
确定各数据簇的平均值，并将各平均值作为新的聚类中心；
根据各新的聚类中心对所述样本数据进行聚类，直至聚类获得的平均值满足收敛条件或聚类的次数达到预设次数；
将聚类结束后各数据簇的平均值作为各工况范围下的基准值。
4.如权利要求1所述的耗差分析方法，其特征在于，在所述火电机组的性能指标类型为燃料指标类型时，通过预设混合燃料计算公式根据各指标的消耗量、各指标的性能参数以及入炉混合燃料中各指标的总消耗量确定混合燃料的燃料特性，并将所述燃料特性作为当前性能指标；
所述预设混合燃料计算公式为：
其中，Q为混合燃料的燃料特性，qm为目标性能指标的消耗量，Qm为目标性能指标的性能参数，qi为各指标的消耗量。
5.一种耗差分析装置，其特征在于，所述耗差分析装置包括：
指标获取模块，用于获取火电机组在深度调峰各工况下的目标性能指标，所述目标性能指标为影响煤耗指标、油耗指标和环保指标的指标；
指标聚类模块，用于通过k-means聚类算法对所述目标性能指标进行聚类，确定深度调峰工况下的基准值；
耗差分析模块，用于在检测到所述火电机组当前处于深度调峰工况时，根据所述火电机组的当前性能指标与所述基准值进行耗差分析；
其中，所述耗差分析模块，还用于：
在检测到所述火电机组当前处于深度调峰工况时，在所述基准值中确定当前工况所处的目标工况范围，并根据所述目标工况范围确定目标基准值；
根据所述火电机组的指标类型选择对应的性能指标计算策略，并根据所述性能指标计算策略确定各指标类型的当前性能指标；
基于所述当前性能指标与所述基准值进行耗差分析；
在所述当前性能指标偏离所述基准值时，判定所述当前性能指标未达到最优值，需要进行调整；在所述当前性能指标未偏离所述基准值时，判定所述当前性能指标处于最优值，无需进行调整；
其中，所述耗差分析模块，还用于：
对于所述火电机组的性能指标类型为回热系统指标类型，判断回热系统中是否存在加热器解列；
若不存在，则判断所述加热器的疏水调节阀是否开启；
若所述疏水调节阀开启，则通过第一预设抽气流量计算公式计算当前加热器的当前抽汽流量，并将所述当前抽汽流量作为所述当前性能指标，其中，所述第一预设抽气流量计算公式为：
式中，n＞2，Dn为第n级加热器的当前抽汽流量，Dfw为给水流量，Dn-1为第n-1级抽汽流量，Dn-2为第n-2级抽汽流量，iw(n-1)为第n-1级出口给水焓值，iwn为第n级入口给水焓值，is(n-1)为第n-1级抽汽疏水焓值，isn为第n级抽汽疏水焓值，hnj为第n级抽汽焓值，φ为疏水调节阀的开度；
若存在，则通过第二预设抽气流量计算公式计算所述当前加热器的当前抽汽流量，并将所述当前抽汽流量作为所述当前性能指标，其中，所述第二预设抽气流量计算公式为：
式中，n＞2，Dn为第n级加热器的当前抽汽流量，Dfw为给水流量，Dn-2为第n-2级加热器抽汽流量，iw(n-1)为第n级加热器的出口给水焓值，iwn为第n+1级加热器的入口给水焓值，is(n-1)为第n-1级加热器的抽汽疏水焓值，isn为第n级加热器的抽汽疏水焓值，hnj为第n级加热器的抽汽焓值。
6.一种耗差分析设备，其特征在于，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的耗差分析程序，所述耗差分析程序配置为实现如权利要求1至4中任一项所述的耗差分析方法的步骤。
7.一种存储介质，其特征在于，所述存储介质上存储有耗差分析程序，所述耗差分析程序被处理器执行时实现如权利要求1至4任一项所述的耗差分析方法的步骤。
CN202310678920.8A 2023-06-09 2023-06-09 耗差分析方法、装置、设备及存储介质 Active CN116402411B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310678920.8A CN116402411B (zh) 2023-06-09 2023-06-09 耗差分析方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310678920.8A CN116402411B (zh) 2023-06-09 2023-06-09 耗差分析方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN116402411A CN116402411A (zh) 2023-07-07
CN116402411B true CN116402411B (zh) 2024-05-14

Family

ID=87020283

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310678920.8A Active CN116402411B (zh) 2023-06-09 2023-06-09 耗差分析方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN116402411B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118734022A (zh) * 2024-09-04 2024-10-01 华电青岛发电有限公司 基于多维度数据分析的燃气机组耗差分析方法及其系统

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104049539A (zh) * 2014-05-29 2014-09-17 华中科技大学 一种汽轮机回热系统的全工况仿真系统
CN104748807A (zh) * 2014-12-12 2015-07-01 东南大学 一种基于流量校正的电站主蒸汽流量在线计算方法
CN108182206A (zh) * 2017-12-14 2018-06-19 国电南瑞科技股份有限公司 一种热力机组热力特性监测分析方法
CN109187036A (zh) * 2018-08-06 2019-01-11 大唐东北电力试验研究院有限公司 一种母管制背压式汽轮机主蒸汽流量计算方法
CN110764468A (zh) * 2018-07-26 2020-02-07 国家能源投资集团有限责任公司 一种确定火电机组运行参数基准值的方法及装置
CN111682540A (zh) * 2020-07-01 2020-09-18 国网宁夏电力有限公司电力科学研究院 一种发电侧调峰能力的预测方法和系统
CN112149714A (zh) * 2020-08-28 2020-12-29 国电南京自动化股份有限公司 基于数据挖掘确定煤电机组能效特征指标基准值的方法
CN112749840A (zh) * 2020-12-29 2021-05-04 华北电力大学 一种火电机组能效特征指标基准值的获取方法
CN115241929A (zh) * 2022-07-21 2022-10-25 西安热工研究院有限公司 煤电机组调峰控制方法、装置、存储介质及电子设备

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9200591B2 (en) * 2011-07-06 2015-12-01 Honeywell International Inc. Automatic identification of operating parameters for power plants
CN108520336B (zh) * 2018-03-22 2019-05-10 西安交通大学 一种燃煤机组调峰瞬态过程煤耗分析方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104049539A (zh) * 2014-05-29 2014-09-17 华中科技大学 一种汽轮机回热系统的全工况仿真系统
CN104748807A (zh) * 2014-12-12 2015-07-01 东南大学 一种基于流量校正的电站主蒸汽流量在线计算方法
CN108182206A (zh) * 2017-12-14 2018-06-19 国电南瑞科技股份有限公司 一种热力机组热力特性监测分析方法
CN110764468A (zh) * 2018-07-26 2020-02-07 国家能源投资集团有限责任公司 一种确定火电机组运行参数基准值的方法及装置
CN109187036A (zh) * 2018-08-06 2019-01-11 大唐东北电力试验研究院有限公司 一种母管制背压式汽轮机主蒸汽流量计算方法
CN111682540A (zh) * 2020-07-01 2020-09-18 国网宁夏电力有限公司电力科学研究院 一种发电侧调峰能力的预测方法和系统
CN112149714A (zh) * 2020-08-28 2020-12-29 国电南京自动化股份有限公司 基于数据挖掘确定煤电机组能效特征指标基准值的方法
CN112749840A (zh) * 2020-12-29 2021-05-04 华北电力大学 一种火电机组能效特征指标基准值的获取方法
CN115241929A (zh) * 2022-07-21 2022-10-25 西安热工研究院有限公司 煤电机组调峰控制方法、装置、存储介质及电子设备

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
李青，张兴营，徐光照.《 火力发电厂生产指标管理手册》.北京：中国电力出版社,2007,第90-97页. *
胡念苏.《汽轮机设备及系统》.北京：中国电力出版社,2006,第226-2228页. *

Also Published As

Publication number Publication date
CN116402411A (zh) 2023-07-07

Similar Documents

Publication Publication Date Title
CN116402411B (zh) 耗差分析方法、装置、设备及存储介质
EP1921280A2 (en) Systems and methods for multi-level optimizing control systems for boilers
US9952566B2 (en) Method for controlling and/or regulating a technical system in a computer-assisted manner
Martelli et al. Numerical optimization of combined heat and power organic Rankine cycles–part a: design optimization
JP2009030476A (ja) 発電プラントの運転最適化方法および運転最適化システム
Chen et al. Techno-economic evaluation and optimization of CCGT power Plant: A multi-criteria decision support system
CN111589301A (zh) 燃煤电厂scr脱硝性能预测方法、装置、设备和存储介质
CN110162895A (zh) 一种两阶段的高能效船型优化设计方法
CN117422167A (zh) 一种基于树模型的电力碳排放预测分析方法
CN116128136A (zh) 一种基于LSO-CatBoost的燃煤电厂锅炉NOX排放预测方法
CN118194245A (zh) 一种电力市场环境下碳排放配额评估方法及装置
de Araújo et al. Response surface methods based in artificial intelligence for superstructure thermoeconomic optimization of waste heat recovery systems in a large internal combustion engine
CN112734158B (zh) 发电机组的热电负荷分配方法、装置及电子设备
Frangopoulos Methods of energy systems optimization
Kushwaha et al. Performance evaluation of bagasse-based cogeneration power generation plant utilizing IFLT, IF-FMEA and IF-TOPSIS approaches
Avdieieva et al. Optimization of the flowing part of the turbine K-310-240 based on the object-oriented approach
Sayyaadi et al. Multi-objective optimization of a recuperative gas turbine cycle using non-dominated sorting genetic algorithm
CN111985681B (zh) 数据预测方法、模型训练方法、装置、设备
Saraninezhad et al. Probabilistic assessment of wind turbine impact on distribution networks by using latin hypercube sampling method
CN114861126A (zh) 一种燃气轮机燃烧调整过程中稳定性的预测方法及系统
CN115527078A (zh) 数据预测方法、装置、设备以及模型训练方法
Knight et al. GTPOM: thermo-economic optimization of whole gas turbine plant
CN111860923A (zh) 基于多模型聚类集成的锅炉烟气NOx排放量预测算法
Khairunizam et al. Energy Consumption and Energy Efficiency Prediction using Artificial Neural Network
CN116832614B (zh) 一种scr脱硝系统喷氨量控制方法及系统

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