基于軟計(jì)算的機(jī)組運(yùn)行目標(biāo)工況知識發(fā)現(xiàn)研究.pdf

1、作為當(dāng)前火電機(jī)組運(yùn)行優(yōu)化研究中的關(guān)鍵問題，機(jī)組運(yùn)行目標(biāo)工況不但為運(yùn)行人員指明運(yùn)行調(diào)整的努力方向，而且為偏差分析和操作指導(dǎo)提供耗差計(jì)算和邏輯推理的參照基準(zhǔn)，是機(jī)組運(yùn)行優(yōu)化系統(tǒng)和廠級監(jiān)控信息系統(tǒng)的核心。由于機(jī)組熱力系統(tǒng)結(jié)構(gòu)和運(yùn)行機(jī)理復(fù)雜，影響因素眾多，至今也沒有出現(xiàn)在理論支持和技術(shù)實(shí)現(xiàn)上較為完善的解決方案，目前實(shí)際應(yīng)用的各種實(shí)現(xiàn)方案都不同程度存在弊端，在電站運(yùn)行管理人員中引起不少爭議，有必要進(jìn)行深入的研究。 本文以電站數(shù)據(jù)資源為基礎(chǔ)

2、，綜合運(yùn)用多種軟計(jì)算方法對機(jī)組運(yùn)行目標(biāo)工況進(jìn)行知識發(fā)現(xiàn)研究，建立了機(jī)組運(yùn)行目標(biāo)工況知識發(fā)現(xiàn)模型和應(yīng)用解決方案，獲得的機(jī)組運(yùn)行目標(biāo)工況在合理性、準(zhǔn)確性和指導(dǎo)意義等各個(gè)方面都優(yōu)于目前的各種方案，為機(jī)組運(yùn)行目標(biāo)工況研究提出了一種全新的思路和方法，同時(shí)也為機(jī)組運(yùn)行優(yōu)化技術(shù)的應(yīng)用推廣創(chuàng)造了條件。 在熱力學(xué)評價(jià)體系的基礎(chǔ)上引入了能量價(jià)值理論和環(huán)境成本，首次提出了兼顧節(jié)能、經(jīng)濟(jì)和環(huán)保的機(jī)組運(yùn)行綜合評價(jià)體系，推導(dǎo)出的機(jī)組運(yùn)行變動(dòng)成本煤耗率可作為

3、評價(jià)機(jī)組運(yùn)行經(jīng)濟(jì)性的綜合指標(biāo)，較電站普遍使用的機(jī)組供電煤耗率更加符合當(dāng)前電力市場環(huán)境和國家可持續(xù)發(fā)展戰(zhàn)略，從而為機(jī)組運(yùn)行提供了更加科學(xué)合理的評價(jià)標(biāo)準(zhǔn)，并針對電站現(xiàn)狀在煤質(zhì)工業(yè)分析數(shù)據(jù)的基礎(chǔ)上建立了煤質(zhì)元素分析的軟測量模型，解決了機(jī)組運(yùn)行綜合評價(jià)體系應(yīng)用推廣中的技術(shù)障礙。 建立了機(jī)組運(yùn)行優(yōu)化模型并進(jìn)行深入分析，提出了機(jī)組運(yùn)行絕對最優(yōu)工況和相對最優(yōu)工況兩種理想目標(biāo)工況，并以之作為參照標(biāo)準(zhǔn)在機(jī)組運(yùn)行工況空間中對當(dāng)前各種目標(biāo)工況實(shí)現(xiàn)方案

4、進(jìn)行了全面剖析，對比研究了機(jī)組整體優(yōu)化和分解優(yōu)化兩種技術(shù)路線的優(yōu)勢和不足，考慮到電站歷史數(shù)據(jù)中混雜大量非穩(wěn)態(tài)工況，論述了機(jī)組全工況運(yùn)行優(yōu)化和穩(wěn)定工況運(yùn)行優(yōu)化研究的技術(shù)成熟度，在此基礎(chǔ)上首次提出了機(jī)組運(yùn)行目標(biāo)工況的知識發(fā)現(xiàn)模型。 由于數(shù)據(jù)庫技術(shù)應(yīng)用于深層次數(shù)據(jù)分析處理所暴露出的技術(shù)缺陷難以克服，創(chuàng)建了機(jī)組運(yùn)行優(yōu)化數(shù)據(jù)倉庫，為目標(biāo)工況的知識發(fā)現(xiàn)研究提供了統(tǒng)一高效的數(shù)據(jù)分析和存儲環(huán)境，結(jié)合機(jī)組運(yùn)行機(jī)理和知識發(fā)現(xiàn)研究的數(shù)據(jù)處理流程完成了

5、原始數(shù)據(jù)的選擇，針對電站數(shù)據(jù)資源分布現(xiàn)狀研究了從分散異質(zhì)的多個(gè)電站數(shù)據(jù)源獲取數(shù)據(jù)的方法，并對原始數(shù)據(jù)進(jìn)行了檢測、修補(bǔ)、轉(zhuǎn)換、集成等一系列數(shù)據(jù)預(yù)處理操作，從而為數(shù)據(jù)挖掘提供了高質(zhì)量的知識基。 深入研究了當(dāng)前國內(nèi)外應(yīng)用范圍較廣的多種電站熱力試驗(yàn)規(guī)程，從機(jī)理分析和數(shù)據(jù)處理兩個(gè)方面論汪了熱力試驗(yàn)規(guī)程中的機(jī)組運(yùn)行穩(wěn)定性判定標(biāo)準(zhǔn)不適用于在線機(jī)組運(yùn)行優(yōu)化研究，根據(jù)機(jī)組熱力設(shè)備和運(yùn)行狀態(tài)參數(shù)的特性差異提出了滿足運(yùn)行優(yōu)化研究需要的機(jī)組運(yùn)行穩(wěn)定性判

6、據(jù)，對比分析了當(dāng)前工業(yè)過程所應(yīng)用的各種穩(wěn)態(tài)判定方法，首次建立了基于模糊集合和粗糙集理論的穩(wěn)態(tài)判定方法，有效的過濾了機(jī)組運(yùn)行歷史工況中的非穩(wěn)態(tài)工況。 進(jìn)行了機(jī)組運(yùn)行歷史工況聚類分析的開創(chuàng)性研究，運(yùn)用統(tǒng)計(jì)檢驗(yàn)方法驗(yàn)證了穩(wěn)定歷史工況的空間聚類趨勢，首次提出了工況簇的概念，運(yùn)用DBSCAN聚類算法證實(shí)了工況簇的凸面特性，創(chuàng)造性的提出了自適應(yīng)加權(quán)模糊C-均值聚類算法用于工況聚類，獲得了良好的聚類效果，以機(jī)組運(yùn)行變動(dòng)成本煤耗率作為工況評價(jià)標(biāo)

7、準(zhǔn)，系統(tǒng)研究了歷史工況在工況簇中的空間分布，首次提出了機(jī)組穩(wěn)定運(yùn)行先進(jìn)工況的概念，并通過簇內(nèi)尋優(yōu)建立了機(jī)組穩(wěn)定運(yùn)行先進(jìn)工況模式池。 在系統(tǒng)分析了當(dāng)前各種神經(jīng)網(wǎng)絡(luò)特性的基礎(chǔ)上，以機(jī)組穩(wěn)定運(yùn)行先進(jìn)工況作為樣本數(shù)據(jù)，首次建立了機(jī)組穩(wěn)定運(yùn)行目標(biāo)工況RBF神經(jīng)網(wǎng)絡(luò)模型，同時(shí)在工況聚類研究的基礎(chǔ)上，首次建立了基于事例推理的機(jī)組穩(wěn)定運(yùn)行目標(biāo)工況實(shí)現(xiàn)方案，通過將兩者與基于熱力試驗(yàn)的目標(biāo)工況方案進(jìn)行對比分析，證實(shí)了機(jī)組穩(wěn)定運(yùn)行目標(biāo)工況RBF模型在

8、合理性、準(zhǔn)確性、計(jì)算效率和指導(dǎo)意義等各個(gè)方面的優(yōu)越性，并針對模型應(yīng)用中的樣本增量更新問題在RBF神經(jīng)網(wǎng)絡(luò)的隱層增加了休眠節(jié)點(diǎn)，通過激活休眠節(jié)點(diǎn)完成對更新工況樣本的學(xué)習(xí)，實(shí)現(xiàn)了機(jī)組穩(wěn)定運(yùn)行目標(biāo)工況模型的增量學(xué)習(xí)，使得知識發(fā)現(xiàn)的學(xué)習(xí)效率獲得顯著提高。 在機(jī)組運(yùn)行目標(biāo)工況知識發(fā)現(xiàn)研究的基礎(chǔ)上，完成了目標(biāo)工況應(yīng)用解決方案的軟件開發(fā)，運(yùn)用面向?qū)ο蠹夹g(shù)完成了機(jī)組運(yùn)行優(yōu)化數(shù)據(jù)倉庫元數(shù)據(jù)的設(shè)計(jì)，闡述了運(yùn)行優(yōu)化數(shù)據(jù)倉庫邏輯模型和物理模型的設(shè)計(jì)，以