燃煤電廠節(jié)能減排評(píng)價(jià)模型與方法

溫曉強(qiáng)

摘 要 我國(guó)以燃煤發(fā)電為主，導(dǎo)致電力行業(yè)成為能源消耗與環(huán)境污染大戶，電力行業(yè)節(jié)能減排的開展勢(shì)在必行。該文從輸入、生產(chǎn)、輸出各個(gè)環(huán)節(jié)選取指標(biāo)選取燃煤電廠節(jié)能減排的評(píng)價(jià)指標(biāo)，利用投影尋蹤方法建立了多元數(shù)據(jù)評(píng)價(jià)模型，采用加速遺傳算法對(duì)該模型進(jìn)行求解，實(shí)現(xiàn)了燃煤電廠節(jié)能減排綜合評(píng)價(jià)。該模型最大限度地避免了傳統(tǒng)評(píng)判中權(quán)重取值的人為干擾，評(píng)價(jià)結(jié)果更為客觀。計(jì)算結(jié)果表明，該方法能夠有效地反映燃煤電廠節(jié)能減排水平。

關(guān)鍵詞 燃煤電廠 節(jié)能減排 綜合評(píng)價(jià) 投影尋蹤 遺傳算法

0引言

隨著社會(huì)和經(jīng)濟(jì)的發(fā)展，能源的消耗急劇增長(zhǎng)，同時(shí)化石能源的消耗帶來(lái)了環(huán)境污染，人類面臨著能源危機(jī)和環(huán)境保護(hù)兩方面的壓力。在此背景下，節(jié)能減排已成為世界各國(guó)實(shí)現(xiàn)可持續(xù)發(fā)展的重要戰(zhàn)略任務(wù)。

本文采用了直接由樣本數(shù)據(jù)驅(qū)動(dòng)的探索性數(shù)據(jù)分析方法—投影尋蹤方法。所謂投影尋蹤方法就是將高維數(shù)據(jù)向低維空間投影，通過(guò)分析低維空間的投影特性進(jìn)而來(lái)研究高維數(shù)據(jù)的特征，是處理多因素復(fù)雜問(wèn)題的統(tǒng)計(jì)方法。投影尋蹤聚類模型則是依據(jù)投影尋蹤思想建立的聚類分析模型。其基本思想是：把高維度的數(shù)據(jù)通過(guò)某種組合投影到低維度子空間上，并采用投影指標(biāo)函數(shù)（目標(biāo)函數(shù)）暴露評(píng)價(jià)對(duì)象集中同類的相似性與異類的差異性結(jié)構(gòu)，尋找出使投影指標(biāo)函數(shù)最優(yōu)的投影值，然后根據(jù)該投影值的分布特征來(lái)分析原評(píng)價(jià)對(duì)象高維數(shù)據(jù)的分類結(jié)構(gòu)特征。由于該模型是復(fù)雜非線性優(yōu)化問(wèn)題，用傳統(tǒng)的優(yōu)化方法處理較困難，本文采用基于實(shí)數(shù)編碼的加速遺傳算法來(lái)解決其高維全局尋優(yōu)問(wèn)題。

1 燃煤電廠節(jié)能減排評(píng)價(jià)模型與方法

1.1 評(píng)價(jià)方法

本文從輸入、生產(chǎn)、輸出環(huán)節(jié)選取影響燃煤電廠節(jié)能減排的評(píng)價(jià)指標(biāo)，數(shù)據(jù)維數(shù)過(guò)高，不能直觀體現(xiàn)出燃煤電廠節(jié)能減排效果，利用投影尋蹤方法建立了多元數(shù)據(jù)評(píng)價(jià)模型，采用實(shí)數(shù)編碼的遺傳算法對(duì)該模型進(jìn)行求解，實(shí)現(xiàn)了燃煤電廠節(jié)能減排綜合評(píng)價(jià)。

1.2 基于遺傳算法的投影尋蹤聚類模型

基于RAGA的投影尋蹤聚類評(píng)價(jià)模型（Projection Pursuit Classification model based on RAGA，RAGA-PPC模型）的建模過(guò)程包括以下四個(gè)步驟：

步驟1：樣本指標(biāo)集的歸一化處理。

把步驟3求得的最佳投影方向a*代入z（i）=a（j）x（i，j）后可得到各樣本點(diǎn)的投影值z(mì)*（i）。將z*（i）與z*（j） 進(jìn)行比較，按z*（i）值從大到小排序，則可以將樣本從優(yōu)到劣進(jìn)行排序。

1.3 基于實(shí)數(shù)編碼的加速遺傳算法

基于實(shí)數(shù)編碼的加速遺傳算法是在標(biāo)準(zhǔn)遺傳算法的基礎(chǔ)上進(jìn)行改進(jìn)的。由于SGA不能保證全局收斂性，為此，可采用第一次、第二次進(jìn)化迭代產(chǎn)生的優(yōu)秀個(gè)體的變量變化區(qū)間作為下次迭代時(shí)優(yōu)化變量新的初始變化區(qū)間，算法進(jìn)入第一步，重新運(yùn)行SGA，如此加速運(yùn)行，則優(yōu)秀個(gè)體區(qū)間將逐漸縮小，與最優(yōu)點(diǎn)的距離越來(lái)越近。直到最優(yōu)個(gè)體的優(yōu)化準(zhǔn)則函數(shù)值小于某一設(shè)定值或算法運(yùn)行達(dá)到預(yù)定加速次數(shù)，算法結(jié)束，得到最優(yōu)結(jié)果。這種思想構(gòu)成了基于實(shí)數(shù)編碼的加速遺傳算法。

1.4 燃煤電廠節(jié)能減排評(píng)價(jià)模型

從燃煤電廠選取了7個(gè)節(jié)能減排的技術(shù)監(jiān)督指標(biāo)，這7個(gè)指標(biāo)涉及輸入、生產(chǎn)、輸出等各個(gè)環(huán)節(jié)，具有代表性、合理性。利用投影尋蹤聚類模型將多維數(shù)據(jù)轉(zhuǎn)化為一維投影特征值，綜合反映燃煤電廠節(jié)能減排的效果。電廠基本數(shù)據(jù)為：電廠1為5€？00MW的純?nèi)济簷C(jī)組，電廠2為2€？00MW熱電聯(lián)產(chǎn)和2€？00MW的純?nèi)济簷C(jī)組，電廠3為2€？00MW的燃煤機(jī)組，電廠4為4€？00MW的純?nèi)济簷C(jī)組。節(jié)能減排評(píng)價(jià)指標(biāo)及投影特征值如表1所示。

對(duì)表2中的節(jié)能減排評(píng)價(jià)指標(biāo)模型進(jìn)行歸一化處理，其中指標(biāo)1、3為正向指標(biāo)，其余為逆向指標(biāo)。歸一化結(jié)果如下：

采用基于實(shí)數(shù)編碼的加速遺傳算法求解上述投影尋蹤模型，選取初始種群規(guī)模為n=400，交叉概率Pc=0.8，變異概率Pm=0.80，優(yōu)秀個(gè)體數(shù)目選定為20個(gè)，€%Z=0.05，加速次數(shù)為11，得出最大投影指標(biāo)值為0.5114，最佳投影方向?yàn)椋?.3936，0.4299，0.3299，0.3991，0.2450，0.4578，0.3501），求得不同燃煤電廠綜合評(píng)價(jià)的投影特征值z(mì)*（j）=（0.114，1.489，2.414，0.549）。4個(gè)電廠的投影特征值分布圖如圖2。

從圖2中可以直觀得出，電廠節(jié)能減排效果的優(yōu)劣排序?yàn)?>2>1>3。電廠3為2€？00MW的燃煤機(jī)組，汽機(jī)熱耗率低、鍋爐熱效率較高，廠用電、耗水率均較低，并且進(jìn)行了脫硫脫硝處理，評(píng)價(jià)結(jié)果中電廠3的節(jié)能減排效果最好。電廠2中有熱電聯(lián)產(chǎn)機(jī)組，盡管汽機(jī)熱耗率較電廠4高，但鍋爐熱效率較高，并且進(jìn)行了脫硫處理，評(píng)價(jià)結(jié)果中電廠2節(jié)能減排效果好于電廠4。電廠1技術(shù)比較落后，能耗和污染物排放均較高，評(píng)價(jià)結(jié)果中電廠1的節(jié)能減排效果最差。上述評(píng)價(jià)結(jié)果與常規(guī)的經(jīng)驗(yàn)和認(rèn)識(shí)一致，符合實(shí)際。

根據(jù)最佳投影方向，可以進(jìn)一步分析各個(gè)評(píng)價(jià)指標(biāo)對(duì)評(píng)價(jià)結(jié)果的影響程度。將a*值進(jìn)行排序得到各個(gè)指標(biāo)的貢獻(xiàn)率大小順序依次為單位SO2排放>汽機(jī)熱耗率>廠用電>煤質(zhì)合格率>單位NOX排放>鍋爐熱效率>水耗。貢獻(xiàn)率越大的指標(biāo)，對(duì)節(jié)能減排評(píng)價(jià)的影響就越大，這為節(jié)能減排提供重要的決策信息。

從以上分析可以得出，為了促進(jìn)燃煤電廠的節(jié)能減排，應(yīng)該進(jìn)行技術(shù)的改進(jìn)，包括：上大壓小，熱電聯(lián)產(chǎn)，以及脫硫脫硝，同時(shí)還應(yīng)該降低廠用電、水耗率，提高煤質(zhì)合格率等。

2結(jié)語(yǔ)

對(duì)燃煤電廠進(jìn)行節(jié)能減排評(píng)價(jià)，有利于推進(jìn)電廠的技術(shù)改造，有利于電力企業(yè)節(jié)能、降損、減排、增效。從輸入、生產(chǎn)、輸出環(huán)節(jié)選取燃煤電廠節(jié)能減排的技術(shù)監(jiān)督指標(biāo)，構(gòu)建燃煤電廠節(jié)能減排評(píng)價(jià)模型。采用基于實(shí)數(shù)編碼的加速遺傳算法求解投影尋蹤聚類評(píng)價(jià)模型，克服了傳統(tǒng)投影尋蹤方法計(jì)算復(fù)雜、編程實(shí)現(xiàn)困難的缺點(diǎn)，將其應(yīng)用到燃煤電廠節(jié)能減排的評(píng)價(jià)模型中。本文為電力行業(yè)節(jié)能減排評(píng)價(jià)引入一種新的研究方法。

參考文獻(xiàn)

[1] 曾鳴，許子智，劉曉立，劉清宇.電網(wǎng)企業(yè)節(jié)能減排效果分析模型及應(yīng)用——基于改進(jìn)TOPSIS法[J].技術(shù)經(jīng)濟(jì)與管理研究，2012（10）：12-16.

[2] 康明，王麗萍，趙璧奎，等.基于投影尋蹤動(dòng)態(tài)聚類法的水庫(kù)水質(zhì)評(píng)價(jià)模型[J].水力發(fā)電，2013，39（1）：16-19.