煤質(zhì)數(shù)據(jù)庫(kù)的建立方法

王洋,趙明,梁俊宇,邱亞林

(1.華北電力大學(xué)云南電網(wǎng)公司研究生工作站,昆明 650217; 2.云南電網(wǎng)公司電力研究院,昆明 650217)

煤質(zhì)數(shù)據(jù)庫(kù)的建立方法

王洋1,趙明2,梁俊宇1,邱亞林2

(1.華北電力大學(xué)云南電網(wǎng)公司研究生工作站,昆明 650217; 2.云南電網(wǎng)公司電力研究院,昆明 650217)

介紹為了保障節(jié)能發(fā)電調(diào)度中煤耗實(shí)時(shí)在線監(jiān)測(cè)系統(tǒng)的準(zhǔn)確性,減少煤質(zhì)的復(fù)雜性和人為離線輸入的不確定性對(duì)鍋爐效率在線計(jì)算造成的偏差,采用統(tǒng)計(jì)分析和聚類計(jì)算等方法,構(gòu)建了針對(duì)特定區(qū)域電廠的煤質(zhì)數(shù)據(jù)庫(kù)的方法。

煤質(zhì)數(shù)據(jù)庫(kù);鍋爐效率;在線監(jiān)測(cè);節(jié)能發(fā)電調(diào)度

1 前言

以等利用小時(shí)數(shù)按計(jì)劃平均分配發(fā)電指標(biāo)的傳統(tǒng)調(diào)度方式?jīng)]有考慮機(jī)組的性能和運(yùn)行狀態(tài),導(dǎo)致我國(guó)的電力生產(chǎn)處于高能耗、高污染、低效率的粗放式增長(zhǎng)模式。節(jié)能發(fā)電調(diào)度按照節(jié)能、經(jīng)濟(jì)的原則,優(yōu)先調(diào)度可再生發(fā)電資源,按照機(jī)組能耗和污染物排放水平由低到高排序,依次調(diào)用化石類發(fā)電資源,最大限度地減少能源、資源消耗和污染物排放[1]。煤耗實(shí)時(shí)在線監(jiān)測(cè)系統(tǒng)作為節(jié)能發(fā)電調(diào)度的重要保障手段,其準(zhǔn)確性對(duì)于負(fù)荷分配的公平、公開(kāi)、公正有著至關(guān)重要的作用。

鍋爐效率在線計(jì)算的準(zhǔn)確性對(duì)煤耗在線計(jì)算結(jié)果有著重要的影響,而在鍋爐效率計(jì)算中,煤質(zhì)是最主要的影響因素之一。隨著電煤價(jià)格矛盾的日益突出,電廠用煤的來(lái)源和成分都復(fù)雜多變,各種煤質(zhì)互摻燃燒使得入爐煤質(zhì)很難確定[2-3]。而且,目前煤質(zhì)成分的實(shí)時(shí)測(cè)量技術(shù)尚不成熟,常采用的離線取樣分析方法存在結(jié)果滯后、誤差大等問(wèn)題,煤質(zhì)數(shù)據(jù)的實(shí)時(shí)性得不到滿足。

收集特定地區(qū)的歷史煤質(zhì)數(shù)據(jù),通過(guò)統(tǒng)計(jì)分析和聚類計(jì)算等方法建立該地區(qū)的煤質(zhì)數(shù)據(jù)庫(kù),以收到基低位發(fā)熱量為索引,選取數(shù)據(jù)庫(kù)中 “虛擬煤質(zhì)”的元素成分進(jìn)行鍋爐效率的在線計(jì)算,可以很好的避免由人為化驗(yàn)、離線輸入帶來(lái)的各種問(wèn)題,提高鍋爐效率在線計(jì)算的準(zhǔn)確性,從而保障了煤耗在線監(jiān)測(cè)系統(tǒng)的公平、公開(kāi)與公正。

2 理論基礎(chǔ)

煤是植物殘骸在適宜的地質(zhì)環(huán)境中,經(jīng)過(guò)了漫長(zhǎng)的物理、化學(xué)和生物的復(fù)雜作用而形成的有機(jī)生物巖石。成煤物質(zhì)、成煤條件和成煤年代等因素的復(fù)雜多變導(dǎo)致了煤質(zhì)種類的多樣性和煤質(zhì)結(jié)構(gòu)的復(fù)雜性[4]。

通過(guò)煤的元素分析可知,煤主要由 C、H、O、N、S以及水分和灰分構(gòu)成：

C+H+O+N+S+M+A=100% (1)

式中：C、H、O、N、S、M、A分別為碳、氫、氧、氮、硫、水分、灰分的質(zhì)量百分?jǐn)?shù),%。

根據(jù)用途的不同,煤的元素分析結(jié)果表示也不一樣,在煤質(zhì)特性研究中使用干燥無(wú)灰基(daf)表示：

Cdaf+Hdaf+Odaf+Ndaf+Sdaf=100% (2)

式中,Cdaf、 Hdaf、 Odaf、 Ndaf、 Sdaf分別為碳、氫、氧、氮、硫的干燥無(wú)灰基質(zhì)量百分?jǐn)?shù),%。

研究表明[5-7],隨著煤化程度的加深,煤中的碳含量不斷增加,同時(shí),氫和氧的含量逐漸減少。Hdaf—Cdaf、Odaf—Cdaf之間有良好的線性關(guān)系,如下式所示：

Hdaf=a1Cdaf+b1(3)

Odaf=a2Cdaf+b2(4)

對(duì)于我國(guó)大多數(shù)煤來(lái)說(shuō),煤中的氮與氫含量存在如下關(guān)系：

Ndaf=cHdaf(5)

式中,a1、a2、b1、b2、c為干燥無(wú)灰基組成特性系數(shù),通過(guò)線性回歸可以得到系數(shù)的經(jīng)驗(yàn)值。

煤中硫的含量與煤的變質(zhì)程度關(guān)系不明顯,硫含量的高低主要取決于成煤時(shí)的沉積環(huán)境。

由此可知,煤質(zhì)典型的多變性不在于它的干燥無(wú)灰基成分,而在于它所含的水分和灰分。對(duì)于同一類型的煤種,特別是同一或者臨近礦點(diǎn)的煤種,煤質(zhì)的干燥無(wú)灰基成分相對(duì)穩(wěn)定,變化不大。

所以,通過(guò)統(tǒng)計(jì)分析,獲取特定區(qū)域電廠燃煤較穩(wěn)定的干燥無(wú)灰基成分,并與統(tǒng)計(jì)處理后的水分和灰分組合,可以得到該地區(qū)電廠燃煤煤質(zhì)的工程數(shù)據(jù)庫(kù)。

3 煤質(zhì)數(shù)據(jù)庫(kù)的建立

3.1 總體思路和模型

以發(fā)熱量為索引去煤質(zhì)數(shù)據(jù)庫(kù)中取用煤質(zhì)時(shí),是用鍋爐實(shí)際吸熱量近似等于收到基低位發(fā)熱量：

Qs=Qar,net(6)

式中,Qs為鍋爐實(shí)際吸熱量,kJ/kg;Qar,net為收到基低位發(fā)熱量,kJ/kg。

煤質(zhì)數(shù)據(jù)庫(kù)中的發(fā)熱量通過(guò)計(jì)算得到,為了提高計(jì)算的準(zhǔn)確度,選用元素分析結(jié)果進(jìn)行計(jì)算。所以,統(tǒng)計(jì)電廠歷史煤質(zhì)的收到基水分和灰分以及電力試驗(yàn)研究院化驗(yàn)得到的干燥無(wú)灰基元素成分,最終通過(guò)計(jì)算整理,構(gòu)建出以收到基低位發(fā)熱量為索引的煤質(zhì)元素分析結(jié)果,如表1所示：

表1 煤質(zhì)數(shù)據(jù)庫(kù)的形式

3.2 數(shù)據(jù)分析整理

3.2.1 基于劃分方法的聚類算法

聚類算法根據(jù)最大化簇內(nèi)相似性和最小化簇間相似性的原則對(duì)數(shù)據(jù)對(duì)象進(jìn)行自動(dòng)分類,主要有劃分方法、層次方法、基于密度和基于網(wǎng)格的方法,其中劃分方法最基本也最常用[8]。劃分方法主要有k-均值 (k-means)和k-中心點(diǎn) (kmedoids)兩種。

k-均值是一種基于形心的聚類技術(shù),使用分配給該簇對(duì)象的均值作為形心,用簇內(nèi)變差來(lái)度量簇的質(zhì)量,通過(guò)不斷改變簇內(nèi)對(duì)象并不斷計(jì)算形心來(lái)達(dá)到局部的最優(yōu)聚類。簇內(nèi)變差定義為簇內(nèi)所有對(duì)象和形心之間的誤差的平方和,誤差通常選用對(duì)象與形心之間的歐氏距離。k-中心點(diǎn)是一種基于代表對(duì)象的聚類技術(shù),與k-均值不同的是,簇的形心不是簇內(nèi)對(duì)象的均值,而是挑選實(shí)際的對(duì)象來(lái)代表簇。算法基于最小化所有對(duì)象與其對(duì)應(yīng)的代表對(duì)象之間的相異度之和的原則來(lái)進(jìn)行劃分。圍繞中心點(diǎn)劃分 (Partitioning Around Medoids,PAM)算法[9]是k-中心點(diǎn)聚類的一種流行的實(shí)現(xiàn)。k-中心點(diǎn)算法比k-均值算法的計(jì)算花銷大很多,但是其對(duì)噪聲和離群點(diǎn)的敏感性明顯降低。

3.2.2 水分和灰分的處理

統(tǒng)計(jì)電廠用煤收到基水分Mar和灰分Aar,通過(guò)散點(diǎn)圖獲取其大致的分布區(qū)間,如圖1所示：

圖1 Mar與Aar的分布范圍

從圖1可以看出收到基水分Mar的分布范圍是35%～55%,收到基灰分Aar的分布范圍是10%～17%。

將水分和灰分?jǐn)?shù)據(jù)進(jìn)行順序排列,剔除明顯存在統(tǒng)計(jì)錯(cuò)誤的離群點(diǎn),然后將數(shù)據(jù)導(dǎo)入MATLAB軟件,調(diào)用軟件自帶的kmeans函數(shù),將水分和灰分?jǐn)?shù)據(jù)分別聚類成7類,調(diào)用格式如下：

[IDX,C]=kmeans(X,7) (7)

其中,X是水分和灰分的原始數(shù)據(jù),IDX返回各對(duì)象的類標(biāo)號(hào),聚類后各簇的形心在矩陣C中。簇內(nèi)各點(diǎn)與形心的距離采用默認(rèn)的歐幾里得距離。

矩陣C中的值是聚類得到的各個(gè)簇內(nèi)的數(shù)據(jù)均值,可以作為該簇的代表。使用聚類獲取的7個(gè)均值可以較好的反應(yīng)原始數(shù)據(jù)的分布特征。如圖2所示：

圖2 Mar與Aar的取樣分布

3.2.3 干燥無(wú)灰基成分的處理

統(tǒng)計(jì)電力試驗(yàn)研究院試驗(yàn)期間化驗(yàn)的煤質(zhì)數(shù)據(jù),將其換算成干燥無(wú)灰基元素成分。采用PAM算法從統(tǒng)計(jì)得到154種試驗(yàn)煤質(zhì)中選取典型煤質(zhì)作為分析對(duì)象。

每個(gè)數(shù)據(jù)對(duì)象含有6個(gè)屬性,分別為 Cdaf、Hdaf、 Odaf、 Ndaf、 Sdaf以及Qdaf,net, 其中 Qdaf,net為煤質(zhì)的干燥無(wú)灰基低位發(fā)熱量,用以檢驗(yàn)數(shù)據(jù)庫(kù)中發(fā)熱量的計(jì)算值的準(zhǔn)確性。在MATLAB軟件中進(jìn)行PAM算法代碼開(kāi)發(fā),算法的流程如下：

1)輸入：簇的數(shù)目k和包含n個(gè)對(duì)象的數(shù)據(jù)集合D;

2)從D中隨機(jī)選擇k個(gè)對(duì)象作為初始的代表對(duì)象或中心點(diǎn);

3)Repeat

4)將每個(gè)剩余的對(duì)象分配到最近的代表對(duì)象所代表的簇;

5)隨機(jī)選擇一個(gè)非代表對(duì)象Orandom;

6)計(jì)算用 Orandom代替代表對(duì)象 Oj的總代價(jià)S;

7)If S＜0,then Orandom替換 Oj,形成一個(gè)新的k個(gè)中心點(diǎn)的集合;

8)Until不發(fā)生變化;

9)輸出：k個(gè)簇的集合。

計(jì)算時(shí)導(dǎo)入煤質(zhì)數(shù)據(jù)并輸入k=40,得到聚類后的40種典型煤質(zhì)成分,以此作為煤質(zhì)數(shù)據(jù)庫(kù)構(gòu)建的干燥無(wú)灰基成分。部分典型煤質(zhì)數(shù)據(jù)如表2所示。

表2 典型煤質(zhì)的干燥無(wú)灰基成分

把構(gòu)造的收到基水分、灰分與選取的干燥無(wú)灰基元素成分的樣本進(jìn)行組合,就得到了7×7×40 =1 960種 “虛擬煤質(zhì)”。

3.2.4 發(fā)熱量的計(jì)算

煤的收到基低位發(fā)熱量是鍋爐熱平衡、熱效率、出力計(jì)算以及運(yùn)行參數(shù)調(diào)整的重要依據(jù),同時(shí)也是動(dòng)力煤計(jì)價(jià)的主要指標(biāo),有著重要的技術(shù)和經(jīng)濟(jì)價(jià)值。利用元素分析結(jié)果計(jì)算煤的發(fā)熱量有許多經(jīng)驗(yàn)公式[10],如：

杜隆公式：

Qgr,daf=337.9Cdaf+1 441(Hdaf-0.125Odaf) + 104.5t,daf(8)

門捷列夫公式：

Qgr,daf=338.7Cdaf+1 254.5Hdaf-108.7Odaf+ 08.7St,daf(9)

適用于我國(guó)褐煤的回歸式：

Qgr,daf=334.5Cdaf+1 275.4Hdaf-108.7Odaf+ 92St,daf-25.1(Ad-10) (10)

式中：Qgr,daf為干燥無(wú)灰基高位發(fā)熱量,kJ/ kg;Ad為干燥基灰分,%。

各公式對(duì)不同的煤質(zhì)成分有不同程度的適應(yīng)性,本例中煤質(zhì)為褐煤,經(jīng)過(guò)計(jì)算和比較,最終選取發(fā)熱量的計(jì)算公式[11]為：

Qar,gr=4.19(87Car+300Har+26Sar-26Qar)

(11)

最后,將計(jì)算結(jié)果全部換算到收到基,將公式計(jì)算得到的高位發(fā)熱量換算成低位發(fā)熱量。高、低位發(fā)熱量換算采用公式[12]如下：

Qar,net=Qar,gr-206Har-26Mar(12)

4 結(jié)果與分析

4.1 發(fā)熱量校驗(yàn)

采用上述方法建立的煤質(zhì)數(shù)據(jù)庫(kù)是否在實(shí)用允許誤差范圍之內(nèi),主要看其發(fā)熱量是否和化驗(yàn)值相符。使用計(jì)算發(fā)熱量與化驗(yàn)獲取發(fā)熱量的差值ΔQar,net來(lái)進(jìn)行檢驗(yàn)。

式中： Qj為收到基低位發(fā)熱量計(jì)算值,

ar,netkJ/kg;Qsar,net為收到基低位發(fā)熱量化驗(yàn)值,kJ/kg。

數(shù)據(jù)庫(kù)中所有煤種發(fā)熱量的計(jì)算誤差如圖3所示：

圖3 計(jì)算發(fā)熱量與試驗(yàn)值的誤差

由圖3可知,大部分煤質(zhì)發(fā)熱量計(jì)算值都比較準(zhǔn)確,只有少數(shù)的一些點(diǎn)誤差較大。結(jié)合數(shù)據(jù)分析得到,總體誤差在0.37～2 011.12 kJ/kg之間,其中誤差在600 kJ/kg以內(nèi)的煤種占92.4%,總體匹配度較好。

由于煤質(zhì)數(shù)據(jù)庫(kù)中的煤種是根據(jù)實(shí)際煤質(zhì)的干燥無(wú)灰基成分和人為給定的水分、灰分組合而來(lái),是一種 “虛擬煤質(zhì)”,其各元素成分的組成不一定能夠滿足基于大量實(shí)際煤質(zhì)成分而得到的經(jīng)驗(yàn)公式,小部分煤質(zhì)熱量的計(jì)算誤差較大是可能存在的。

按照發(fā)熱量大小對(duì)所有煤種進(jìn)行排序,發(fā)現(xiàn)計(jì)算誤差較大的煤種發(fā)熱量并沒(méi)有集中在某一個(gè)熱量區(qū)域中,而是較均勻的分布于各個(gè)熱量區(qū)間。所以,實(shí)際應(yīng)用中刪去這些煤種后不會(huì)影響總體的熱量分布。本例中刪去了誤差大于600 kJ/kg的149種煤質(zhì)。

4.2 數(shù)據(jù)庫(kù)精簡(jiǎn)

針對(duì)實(shí)際應(yīng)用過(guò)程中,由于煤質(zhì)數(shù)據(jù)量太大而導(dǎo)致計(jì)算程序運(yùn)行緩慢的問(wèn)題,對(duì)煤質(zhì)數(shù)據(jù)庫(kù)的數(shù)據(jù)總量進(jìn)行了精簡(jiǎn)。

將發(fā)熱量升序排列后,計(jì)算出前后相鄰煤種間的熱量差值,以此作為相鄰煤種的熱量間距。當(dāng)前后兩種煤質(zhì)熱量相差很小時(shí),可以刪除其中一種,以達(dá)到精簡(jiǎn)數(shù)據(jù)庫(kù)的目的。

計(jì)算后發(fā)現(xiàn)相鄰煤種的熱量間距值分布如圖4所示：

圖4 相鄰煤種的熱量間距

由圖4可知,只有少數(shù)煤種的熱量間隔較大(有6種大于100 kJ/kg的煤種沒(méi)有在圖上顯示)大部分熱量間距都分布在10 kJ/kg以內(nèi)。刪除熱量間距在5 kJ/kg以下的煤質(zhì)數(shù)據(jù),剩余580種煤質(zhì)。這些煤質(zhì)同時(shí)滿足計(jì)算誤差和熱量間距的要求,使得數(shù)據(jù)庫(kù)內(nèi)煤質(zhì)在保證準(zhǔn)確性的同時(shí),大大精簡(jiǎn)了數(shù)據(jù)量,提高了在線計(jì)算的效率。

4.3 實(shí)際應(yīng)用

將構(gòu)建的煤質(zhì)數(shù)據(jù)庫(kù)運(yùn)用到煤耗在線監(jiān)測(cè)系統(tǒng)的軟件計(jì)算包中,根據(jù)現(xiàn)場(chǎng)實(shí)時(shí)采集的參數(shù)計(jì)算鍋爐實(shí)際吸收熱量值并取用煤質(zhì)數(shù)據(jù)庫(kù)中的“虛擬煤質(zhì)”進(jìn)行煤耗的實(shí)時(shí)在線計(jì)算。

一般來(lái)說(shuō),火電廠一天之內(nèi)煤質(zhì)化驗(yàn)的平均值是有代表性的,能較好地反映當(dāng)天燃用的平均煤質(zhì)。為了評(píng)估煤質(zhì)數(shù)據(jù)庫(kù)中選取的煤質(zhì)與現(xiàn)場(chǎng)煤質(zhì)的差異,驗(yàn)證煤質(zhì)庫(kù)的可靠性,將2012年12月10日至12月31日取用的 “虛擬煤質(zhì)”與現(xiàn)場(chǎng)化驗(yàn)煤質(zhì)的收到基低位發(fā)熱量進(jìn)行對(duì)比,結(jié)果如圖5所示。

圖5 數(shù)據(jù)庫(kù)煤質(zhì)發(fā)熱量與電廠化驗(yàn)值的對(duì)比

從圖5中可以看出,電廠化驗(yàn)煤質(zhì)的發(fā)熱量與煤質(zhì)數(shù)據(jù)庫(kù)選取 (計(jì)算值)的發(fā)熱量在趨勢(shì)上保持了高度的一致性,兩者最大的差別約為700 kJ/kg左右。如果考慮電廠化驗(yàn)發(fā)熱量的允許誤差為±500 kJ/kg,則煤質(zhì)數(shù)據(jù)庫(kù)的選取結(jié)果完全可以滿足鍋爐效率在線計(jì)算的要求,適合于工程實(shí)際應(yīng)用。另外,采用同樣的方法建立的煤質(zhì)數(shù)據(jù)庫(kù)的應(yīng)用有效的統(tǒng)一了特定地區(qū)各個(gè)火電廠的煤質(zhì)數(shù)據(jù)來(lái)源,有效保障了煤耗在線監(jiān)測(cè)系統(tǒng)的公平、公開(kāi)與公正性。

5 結(jié)束語(yǔ)

1)煤質(zhì)所含的水分和灰分是導(dǎo)致其多變性的主要原因,可以通過(guò)組合實(shí)際煤種相對(duì)穩(wěn)定的干燥無(wú)灰基成分與人為給定的水分和灰分得到“虛擬煤質(zhì)”。

2)基于劃分方法的聚類算法適用于獲取水分、灰分的代表值和煤質(zhì)干燥無(wú)灰基成分的典型值,獲取的樣本點(diǎn)能夠很好的保留母體的分布特征。

3)利用構(gòu)建煤質(zhì)的元素分析結(jié)果計(jì)算得到的煤質(zhì)發(fā)熱量與試驗(yàn)測(cè)取的發(fā)熱量匹配度較好,計(jì)算誤差在600 kJ/kg以內(nèi)的煤種占92.4%。

4)采用構(gòu)建的虛擬煤質(zhì)數(shù)據(jù)庫(kù)進(jìn)行鍋爐效率的在線計(jì)算時(shí),計(jì)算中取用的煤質(zhì)發(fā)熱量與電廠當(dāng)天化驗(yàn)的煤質(zhì)發(fā)熱量在趨勢(shì)上保持了高度的一致性,兩者最大的差別約為700 kJ/kg左右。因此,建立的煤質(zhì)數(shù)據(jù)庫(kù)可以滿足工程實(shí)際應(yīng)用,有效保障了煤耗在線監(jiān)測(cè)系統(tǒng)的公平、公開(kāi)與公正性。

[1] 王庭飛,孫斌,等.節(jié)能發(fā)電調(diào)度技術(shù)研究及實(shí)踐與效果分析 [J].南方電網(wǎng)技術(shù).2009,(3)：1.

[2] 蘇保光,田亮,等.一種在線煤質(zhì)軟測(cè)量方法 [J].電力科學(xué)與工程.2011,27(7)：32.

[3] 高小濤.電站鍋爐燃用混煤的煤質(zhì)特性分析 [J].江蘇電機(jī)工程.2009,28(1)：63.

[4] 周桂萍.電廠燃料 [M].北京：中國(guó)電力出版社,2007.

[5] 劉福國(guó).電站鍋爐入爐煤元素分析和發(fā)熱量的軟測(cè)量實(shí)時(shí)監(jiān)測(cè)技術(shù) [J].中國(guó)電機(jī)工程學(xué)報(bào).2005,25(6)：140

[6] 劉福國(guó),郝衛(wèi)東,韓小崗,等.基于煙氣成分分析的電站鍋爐入爐煤質(zhì)監(jiān)測(cè)模型 [J].燃燒科學(xué)與技術(shù),2002,8 (5)：442-443.

[7] 謝克昌.煤的結(jié)構(gòu)和反應(yīng)性 [M].北京：科學(xué)出版社,2002.

[8] 韓家煒 (Han,J.),等.數(shù)據(jù)挖掘概念與技術(shù) [M].北京：機(jī)械工業(yè)出版社,2012.

[9] 陳志強(qiáng),劉釗,張建輝.聚類分析中PAM算法的分析與實(shí)現(xiàn) [J].計(jì)算機(jī)與現(xiàn)代化.2003,9：1-2.

[10] 陳文敏.煤的發(fā)熱量和計(jì)算公式 [M].北京：煤炭工業(yè)出版社,1989.

[11] 范從振 .鍋爐原理 [M].北京：水利電力出版社,1986.

[12] 樊泉桂 .鍋爐原理 [M].北京：中國(guó)電力出版社,2004.

A Method for Building a Coal Quality Database

WANG Yang1,ZHAO Ming2,LIANG Junyu1,QIU Yalin2
(1.Postdoctoral and Graduate Workstation of North China Electric Power University and Yunnan Power Grid Corporation,Kunming 650217; 2.Yunnan Electric Power Research Institute,Kunming 650217)

In order to ensure the accuracy of the online monitoring system for coal consumption in the energy-conservation power generation dispatch,a coal quality database for the power plants in a certain area was built based on the method of statistical analysis and clustering caculation to reduce the errors caused by the complex coal quality and the off-line input during the online calculation of the boiler efficiency.The results show that the errors less than 600 kJ/kg between the caculated heat of“virtual coal”and the laboratory values can be up to 92.4%.And the heat obtained from the database matches well with the laboratory values in the power plants in practical application,with the maximum error less than 700 kJ/kg.It can enhance the fairness and impartiality of the online monitoring system for the power plants in a certain region using the virtual coal database during the online calculation of boiler efficiency.

coal quality database;boiler efficiency;online monitoring;energy-conservation power generation dispatch.

TK3

B

1006-7345(2014)01-0044-05

2013-06-25

王洋 (1988),男,碩士研究生,云南電網(wǎng)公司研究生工作站,從事煤耗在線監(jiān)測(cè)方面的相關(guān)研究 (e-mail)angus081428 @163.com。