基于時間序列分析的火電機組運行優(yōu)化研究

朱龍霞，肖明美，栗 濤，許云峰，馬 瑞，劉 濱

(1.河北科技大學(xué)信息科學(xué)與工程學(xué)院，河北石家莊 050018;2.中國核電工程有限公司河北分公司，河北石家莊 050000；3.河北科技大學(xué)經(jīng)濟管理學(xué)院，河北石家莊 050018)

基于時間序列分析的火電機組運行優(yōu)化研究

朱龍霞1，肖明美1，栗 濤2，許云峰1，馬 瑞1，劉 濱3

(1.河北科技大學(xué)信息科學(xué)與工程學(xué)院，河北石家莊 050018;2.中國核電工程有限公司河北分公司，河北石家莊 050000；3.河北科技大學(xué)經(jīng)濟管理學(xué)院，河北石家莊 050018)

為了預(yù)測火電機組在變工況狀態(tài)下的運行最優(yōu)值，提高燃煤電廠的燃煤效率，依據(jù)燃煤火電廠3個月的各項數(shù)據(jù)，通過分析并挖掘燃煤火電廠與供電煤率密切相關(guān)的可調(diào)控參數(shù)(主蒸汽溫度、主蒸汽壓力)隨時間的變化關(guān)系，利用Holt-Winters時間序列法進行預(yù)測。經(jīng)過計算發(fā)現(xiàn)，通過Holt-Winters方法得到的主蒸汽溫度和主蒸汽壓力的相對誤差值分別為0.28%和2.13%。實驗結(jié)果表明：Holt-Winters時間序列法對預(yù)測燃煤火電廠火電機組在變工況下的運行數(shù)據(jù)是合理的，且其誤差小，對燃煤火電廠提高火電機組的燃煤效率具有一定的指導(dǎo)意義。

煤炭能；Holt-Winters；燃煤火電廠；數(shù)據(jù)挖掘；數(shù)據(jù)分析；預(yù)測

火力發(fā)電廠在中國電力工業(yè)中占據(jù)十分重要的地位，發(fā)電量可以達到總發(fā)電量的80%，而在重視節(jié)能減排的當今時代，火電廠的煤炭消費仍然達到了中國煤炭總數(shù)的50%以上。燃煤火電廠是依靠汽水系統(tǒng)、燃燒系統(tǒng)、電氣系統(tǒng)和控制系統(tǒng)的共同作用而使燃料中的化學(xué)能量以電能的方式傳輸出去的。按照能量守恒原理，各個系統(tǒng)的能量變化都會波及到下一系統(tǒng)，并由于負荷、供電質(zhì)量、經(jīng)濟性等要求，控制系統(tǒng)又會使這些波動反過來影響能量源——燃燒系統(tǒng)[1]。目前，中國通過改善燃煤方式[2-3]和鍋爐改造等方式提高發(fā)電效率，但這主要集中于性能優(yōu)化，而對供電電壓和電網(wǎng)電壓不平衡所造成的燃煤虛耗過多、電力浪費等問題沒有過多考慮。因此，本文從提高火電機組運行效率的角度，尋找當前機組在運行工況條件下所能達到的最佳參數(shù)，從而為運行人員提供機組在特定負荷及外部條件下的最優(yōu)運行方式和參數(shù)控制。

目前確定機組運行優(yōu)化目標值的研究方法可分為3種：1)制造廠所提供的標準值；2)以火電機組經(jīng)濟性為目標函數(shù)，采用機組變工況理論優(yōu)化計算得到；3)機組變工況下，以實時運行過程中的動態(tài)優(yōu)化確定[4-6]。國內(nèi)大多采用前兩種方式，然而隨著機組運行時間的延長和機組工作狀態(tài)的動態(tài)變化，并不能反映機組實際運行狀態(tài)下的最優(yōu)化。

許多學(xué)者從事機組運行優(yōu)化目標值的研究，根據(jù)現(xiàn)代優(yōu)化計算方法，如關(guān)聯(lián)規(guī)則算法[7]、神經(jīng)網(wǎng)絡(luò)算法[8-10]、遺傳算法[11]、時間序列法[12-13]、目標函數(shù)計算法[4-5]等建立相關(guān)模型，從而獲得該機組運行優(yōu)化的最優(yōu)值。燃煤火電廠的任務(wù)之一是為電網(wǎng)用戶提供足夠的滿足質(zhì)量要求的熱負荷，由于各種原因，電網(wǎng)用戶所需的熱負荷是隨時變化的，當熱電廠提供的熱負荷與電網(wǎng)用戶的需求量相平衡時最經(jīng)濟，否則，會造成浪費，或使電網(wǎng)用戶生產(chǎn)難以正常運行。本文利用燃煤火電廠數(shù)據(jù)的時間序列性，對數(shù)以千計的燃煤火電廠某機組的實際運行數(shù)據(jù)進行分析，為運行機組人員提供在各種擾動下的最優(yōu)運行參數(shù)控制，從而提高燃煤電廠的發(fā)電效率。

1 關(guān)鍵技術(shù)描述

火電廠運行設(shè)備之間緊密聯(lián)系，各設(shè)備運行狀態(tài)的波動互相關(guān)聯(lián)，這種動態(tài)波動的關(guān)聯(lián)情況通過與設(shè)備狀態(tài)相關(guān)的運行數(shù)據(jù)明顯地顯現(xiàn)出來[14]。電廠數(shù)據(jù)具有種類多、數(shù)量大、高維和強耦合的特點，且其在多個子系統(tǒng)的工作過程中，是隨時間的變化而變化的。本文采用socket通信方式并以2 h為一個時間間隔，連續(xù)從分散控制系統(tǒng)(DCS)下載了3個月實時數(shù)據(jù)并進行分析。通過對電廠數(shù)據(jù)進行合法性檢查，剔除冗余數(shù)據(jù)、空白數(shù)據(jù)和錯誤數(shù)據(jù)后，將其根據(jù)控制系統(tǒng)來源進行分組并在組中添加數(shù)據(jù)，最后將這些數(shù)據(jù)保存到XML(eXtensible markup language，可擴展標記語言)中。由于XML中的數(shù)據(jù)是從電廠獲得的所有類型數(shù)據(jù)，故利用dom4j解析XML，將與該機組供電煤率密切相關(guān)的可調(diào)控參數(shù)，包括主蒸汽壓力、主蒸汽溫度、減溫水量、給水溫度、過量空氣系數(shù)、再熱減溫水量等數(shù)據(jù)提取出來并構(gòu)建數(shù)據(jù)倉庫[15]。

時間序列，也叫時間數(shù)列、歷史復(fù)數(shù)或動態(tài)數(shù)列，是將某種統(tǒng)計指標的數(shù)值按時間先后順序排列所形成的數(shù)列[12,16]。對于平穩(wěn)時間序列分析，指數(shù)平滑法中的Holt雙參數(shù)線性指數(shù)平滑法適用于線性趨勢、無季節(jié)變化的時間序列預(yù)測；Winters線性和季節(jié)性指數(shù)平滑法適用于對含有季節(jié)性因素的時間序列的預(yù)測[13,17]。Holt-Winters模型是通過對歷史數(shù)據(jù)的加權(quán)平均值來跟蹤數(shù)據(jù)的變化，其可分為季節(jié)加性和季節(jié)乘性。

2 時間序列模型的確立與分析

任何一個時間序列模型的建立首先都需要對時間序列數(shù)據(jù)作走勢圖，在對其走勢進行分析的基礎(chǔ)上，結(jié)合數(shù)據(jù)信息的先驗知識來進行時間序列模型的確立。以主蒸汽溫度、主蒸汽壓力為例，利用Matlab對其歷史數(shù)據(jù)進行了走勢圖的繪制，得到其時間序列的數(shù)據(jù)概貌，如圖1和圖2所示。

圖1 主蒸汽溫度隨時間變化關(guān)系圖Fig.1 Relation diagram of main stream temperature with datetime

圖2 主蒸汽壓力隨時間變化關(guān)系圖Fig.2 Relation diagram of vapor pressure with datetime

從圖中可以看出，雖然各項數(shù)據(jù)隨時間的變化而變化，且變化程度有強有弱，但總的來說都有趨勢和“季節(jié)”變化特征，故可采用具有趨勢和季節(jié)的時間序列模型對其進行預(yù)測。

由于無法從圖中看出明顯的遞增或遞減趨勢，本文用季節(jié)性變動分析方法中的移動平均數(shù)比率法對上述幾項時間序列樣本進行計算

通過計算可以發(fā)現(xiàn)，該值在允許誤差值范圍內(nèi)保持恒定，且兩者之間呈比例性而非數(shù)值增加或減少的相互關(guān)系，從而推斷出上述數(shù)據(jù)時間序列中的“季節(jié)效應(yīng)”具有成倍增長或下降的表現(xiàn)，故采用Holt-Winters乘法預(yù)測模型對其監(jiān)測指標進行預(yù)測。

基于以上研究，對該機組下的主蒸汽溫度和主蒸汽壓力構(gòu)建Holt-Winters乘法模型進行預(yù)測，預(yù)測間隔h個時間段的主蒸汽溫度和主蒸汽壓力數(shù)據(jù)的預(yù)測方程為

F=St-2+h(mt+hrt) ，

式中：F表示預(yù)測值；mt表示在時間間隔t的估計平均值；St表示適合于該時間段的“季節(jié)”因子；rt表示在時間間隔t的估計趨勢項，即各數(shù)值對現(xiàn)數(shù)據(jù)平均值的期望增加或減少量。這3個系數(shù)確立所依據(jù)的方程組為

mt=αxt/St-2+(1-a)(mt-1+rt-1) ，

St=βxt/mt+(1-β)St-2，

rt=γ(mt-mt-1)+(1-γ)rt-1，

式中：α，β，γ為Holt-Winters時間序列分析模型的平滑常數(shù)，其值在0～1之間變化；“季節(jié)”變量因子為2。該方程通過不斷修正平滑值St和趨勢值rt，從而使預(yù)測值更加接近真實值。

3 Holt-Winters預(yù)測值計算與回歸分析模型預(yù)測精度對比分析

EViews(econometrics views)通常稱為計量經(jīng)濟學(xué)軟件包，是對社會經(jīng)濟關(guān)系與經(jīng)濟活動的數(shù)量規(guī)律，采用計量經(jīng)濟學(xué)方法與技術(shù)進行“觀察”。其在科學(xué)數(shù)據(jù)分析與評價、金融分析、經(jīng)濟預(yù)測、銷售預(yù)測和成本分析等領(lǐng)域應(yīng)用非常廣泛[18]。通過采用Holt-Winters乘法預(yù)測模型與回歸分析模型進行預(yù)測，經(jīng)過多次重復(fù)實驗，其中Holt-Winters乘法模型中，主蒸汽溫度權(quán)重系數(shù)α，β，γ分別為0.2，0.5，0.8，主蒸汽壓力權(quán)重系數(shù)α，β，γ分別為0.9，0.1，0.05時效果達到最好；通過對3個月電廠數(shù)據(jù)的整理與組合，主蒸汽溫度的回歸模型為Y= 536.544 666 667 + 0.061 030 303 030 3×X，主蒸汽壓力的回歸模型為Y=16.060 666 666 7+0.025 757 575 757 6×X，其中Y為預(yù)測值，X為次數(shù)。其實際值與分別采用兩種模型進行預(yù)測的預(yù)測值如表1所示。

表1 X日監(jiān)測燃煤火電廠運行數(shù)據(jù)(實際值/預(yù)測值/使用回歸分析模型預(yù)測值)

本文根據(jù)表1分別做出主蒸汽溫度的實際值、預(yù)測值與回歸分析模型的預(yù)測值曲線圖，以及主蒸汽壓力的實際值、預(yù)測值與回歸分析模型的預(yù)測值曲線圖，如圖3和圖4所示。

圖3 主蒸汽溫度的預(yù)測值、實際值與回歸分析預(yù)測值折線圖Fig.3 Line chart of main stream temperature’s predictions actual values, and predictions by regression analysis method

圖4 主蒸汽壓力的預(yù)測值、實際值和回歸分析預(yù)測值折線圖Fig.4 Line chart of vapor pressure’s predictions, actual values and predictions by regression analysis method

式中：vi表示實際值；pi表示預(yù)測值；n表示需要預(yù)測項目的數(shù)量；v′表示實際值的平均值;σ即為相對誤差值。

根據(jù)上述公式，通過Holt-Winters方法得到的主蒸汽溫度和主蒸汽壓力的相對誤差值分別為0.28%，2.13%；通過回歸分析模型得到的主蒸汽溫度和主蒸汽壓力的相對誤差值分別為0.43%，6.36%。通過選取回歸分析模型與本文預(yù)測方法進行對比，以平均相對誤差作為模型預(yù)測效果評價指標，結(jié)果發(fā)現(xiàn)本文預(yù)測方法在預(yù)測精度上明顯高于回歸分析模型預(yù)測方法，更適用于中短期燃煤火電廠機組數(shù)據(jù)預(yù)測。

4 結(jié) 論

1)根據(jù)一天之內(nèi)某燃煤火電機組在變工況下的實際運行數(shù)據(jù)的線性關(guān)系可以看出，主蒸汽溫度與主蒸汽壓力在實際運行過程中有增長趨勢，且Holt-Winters算法對其進行預(yù)測是合理的。

2)根據(jù)文中的誤差分析可以得知，Holt-Winters算法相對于回歸線性模型對預(yù)測燃煤電廠火電機組的運行數(shù)據(jù)具有更高的準確性。

3)燃煤電廠數(shù)據(jù)在3個月內(nèi)呈現(xiàn)增長趨勢，但在現(xiàn)實生活中燃煤電廠數(shù)據(jù)處于波動狀態(tài)，所以線性回歸模型只能呈現(xiàn)燃煤電廠數(shù)據(jù)的總體發(fā)展趨勢，但對預(yù)測具體數(shù)據(jù)將存在很大誤差，而Holt-Winters算法可通過調(diào)整參數(shù)減少預(yù)測數(shù)據(jù)誤差。

4)Holt-Winters時間序列分析法對進一步提高燃煤電廠火電機組運行的經(jīng)濟性具有一定的指導(dǎo)意義。

/References：

[1] 裘國相, 汪思源, 王文標. 數(shù)據(jù)挖掘在火電廠運行優(yōu)化目標值確定中的應(yīng)用[J]. 自動化技術(shù)與應(yīng)用, 2006, 25(3): 6-9. QIU Guoxiang, WANG Siyuan，WANG Wenbiao. Data mining in optimization of the targeted value for thermal power plant[J]. Techniques of Automation and Applications, 2006,25(3): 6-9.

[2] 姬中國, 郭玉泉. 在建大型火力發(fā)電廠節(jié)能分析與對策[J]. 電力建設(shè), 2007, 28(5): 44-46. JI Zhongguo, GUO Yuquan. Analysis and countermeasures of under-constructed large thermal power plant energy saving[J]. Electric Power Construction, 2007, 28(5): 44-46.

[3] 蔣敏華, 黃斌. 燃煤發(fā)電技術(shù)發(fā)展展望[J]. 中國電機工程學(xué)報, 2012,32(29): 1-8. JIANG Minhua, HUANG Bin. Prospects on coal-fired power generation technology development[J]. Proceedings of the CSEE, 2012,32(29): 1-8.

[4] 胡洪華, 黃廷輝, 艾衛(wèi)國, 等. 大型火電機組運行優(yōu)化目標值的研究和確定[J]. 中國電力， 2004,37(9): 22-25. HU Honghua,HUANG Tinghui,AI Weiguo, et al. Study and determination of operation optimization target values of large size fossil-fired power unit[J]. Electric Power, 2004，37(9): 22-25.

[5] 任浩仁, 李蔚, 盛德仁, 等. 火電機組變工況下運行指標應(yīng)達值的分析[J]. 中國電機工程學(xué)報, 1999,19(9): 50-52. REN Haoren, LI Wei, SHENG Deren, et al.The analyze of operation index for the power unit under different loads[J]. Proceedings of the CSEE, 1999,19(9): 50-52.

[6] 李建強, 劉吉臻, 張欒英, 等. 基于數(shù)據(jù)挖掘的電站運行優(yōu)化應(yīng)用研究[J]. 中國電機工程學(xué)報, 2006,26(20): 118-123. LI Jianqiang, LIU Jizhen, ZHANG Luanying, et al. The research and application of fuzzy association rule mining in power plant operation optimization[J]. Proceedings of the CSEE, 2006,26(20): 118-123.

[7] 鄭西西. 基于關(guān)聯(lián)規(guī)則的火電廠優(yōu)化目標值確定的研究[D]. 保定:華北電力大學(xué), 2011. ZHENG Xixi. Reaserch on the Thermal Power Plant Operation Optimization Value Determining Based on Association Rule[D]. Baoding: North China Electric Power University,2011.

[8] 程偉良, 夏國棟, 徐壽臣, 等. 基于人工神經(jīng)網(wǎng)絡(luò)和模擬進化算法的分級燃燒優(yōu)化[J]. 清華大學(xué)學(xué)報(自然科學(xué)版), 2005, 45(5): 693-696. CHENG Weiliang, XIA Guodong, XU Shouchen, et al. Staged combustion oprimization based on artificial neural network and simulation evolvement algorithm[J]. Journal of Tsinghua University(Science and Technology), 2005, 45(5):693-696.

[9] 周昊, 朱洪波, 岑可法. 基于人工神經(jīng)網(wǎng)絡(luò)和遺傳算法的火電廠鍋爐實時燃燒優(yōu)化系統(tǒng)[J]. 動力工程學(xué)報, 2003,23(5): 2665-2669. ZHOU Hao, ZHU Hongbo, CEN Kefa. An on-line boiler operating optimization system based on the neural network and the genetic algorithms[J]. Power Engineering,2003,23(5): 2665-2669.

[10]王子杰, 李健, 孫萬云. 基于神經(jīng)網(wǎng)絡(luò)和遺傳算法的鍋爐燃燒優(yōu)化方法[J]. 華北電力大學(xué)學(xué)報(自然科學(xué)版), 2008, 35(1): 14-17. WANG Zijie, LI Jian, SUN Wanyun. Boiler combusion optimization based on neural network and genetic algorithm[J]. Journal of North China Electric Power University(Natural Science Edition),2008,35(1):14-17.

[11]蔡杰進, 馬曉茜. 基于遺傳算法的火電機組運行優(yōu)化[J]. 華南理工大學(xué)學(xué)報(自然科學(xué)版), 2006, 34(4): 101-105. CAI Jiejin, MA Xiaoqian. Operation oprimization of steam power unit based on genetic algorithm[J]. Joumal of South China University of Technology(Natural Science Edition), 2006,34(4): 101-105.

[12]張美英, 何杰. 時間序列預(yù)測模型研究簡介[J]. 江西科學(xué), 2009,27(5): 697-701. ZHANG Meiying, HE Jie. Overview of time series forecasting model[J]. Jiangxi Science, 2009,27(5): 697-701.

[13]吳濤, 顏輝武, 唐桂剛. 三峽庫區(qū)水質(zhì)數(shù)據(jù)時間序列分析預(yù)測研究[J]. 武漢大學(xué)學(xué)報(信息科學(xué)版), 2006,31(6): 500-502. WU Tao, YAN Huiwu, TANG Guigang. Prediction on time series analysis of water quality in Yangtze Gorger reservoir area[J]. Geomatics and Information Science of Wuhan University,2006,31(6): 500-502.

[14]鮑文, 于達仁, 王偉, 等. 基于關(guān)聯(lián)規(guī)則的火電廠傳感器故障檢測[J]. 中國電機工程學(xué)報, 2003,23(12): 170-174. BAO Wen, YU Daren, WANG Wei, et al. Sensor fault detection in thermal power plants based on association rule[J]. Proceeding of the CSEE, 2003,23(12): 170-174.

[15]劉濱, 吳燕, 劉振宇. 數(shù)據(jù)倉庫技術(shù)[J]. 河北工業(yè)科技, 2005,22(5): 305-307. LIU Bin, WU Yan, LIU Zhenyu. Introduction of data warehouse[J]. Hebei Journal of Industrial Science and Techno-logy,2005,22(5): 305-307.

[16]KALEKAR P S. Time series forecasting using Holt-Winters exponential smoothing[J]. Kanwal Rekhi School of Information Technology, 2004:1-13.

[17]劉羅曼. 時間序列分析中指數(shù)平滑法的應(yīng)用[J]. 沈陽師范大學(xué)學(xué)報(自然科學(xué)版), 2009,27(4): 416-418. LIU Luoman. Application of exponential smoothing in time series analysis[J]. Journal of Shenyang Normal University(Natural Science Edition), 2009,27(4): 416-418.

[18]孫紅果, 余星, 王竟竟. EViews在概率統(tǒng)計教學(xué)中應(yīng)用[J]. 邵陽學(xué)院學(xué)報(自然科學(xué)版), 2013,10(3): 24-28. SUN Hongguo, YU Xing, WANG Jingjing. The application of EViews software in probability and statistics[J].Journal of Shaoyang University(Natural Science Edition), 2013,10(3): 24-28.

Research of operation optimization of thermal power unit based on time series analysis

ZHU Longxia1, XIAO Mingmei1, LI Tao2, XU Yunfeng1, MA Rui1, LIU Bin3

(1.School of Information Science and Engineering,Hebei University of Science and Technology, Shijiazhuang， Hebei 050018， China;2.Hebei Branch, China Nuclear Power Engineering Company Limited, Shijiazhuang, Hebei 050000, China;3. School of Economics and Management, Hebei University of Science and Technology, Shijiazhuang, Hebei 050018, China)

In order to predict the thermal power generating units in operation status under the optimal value, improve the efficiency of coal-fired power plant, according to the data of three months, through the analysis and mining of coal-fired power plants and coal supply rate closely related to the control parameters (this paper mainly introduces the main steam temperature, steam pressure) with time change, it's forecasted by using Holt-Winters time series. It is found that the relative error of the main steam temperature and the main steam pressure obtained by the Holt-Winters method is 0.28% and 2.13%. The experimental results show that the Holt-Winters time series method to predict the operation data of thermal power units in coal-fired power plant under changing condition is reasonable, and the error is small, providing a certain significance to improve the efficiency of coal-fired thermal power units for coal-fired power plants.

coal energy； Holt-Winters; coal-fired power plant; data mining; data analysis; prediction

1008-1534(2017)02-0125-05

2016-11-08;

2017-03-09；責任編輯：陳書欣

國家自然科學(xué)基金(71271076)

朱龍霞(1992—)，女，河北石家莊人，碩士研究生，主要從事數(shù)據(jù)分析方面的研究。

許云峰副教授。E-mail: hbkd_xyf@hebust.edu.cn

TP391

A

10.7535/hbgykj.2017yx02009

朱龍霞，肖明美，栗 濤,等.基于時間序列分析的火電機組運行優(yōu)化研究[J].河北工業(yè)科技,2017,34(2):125-129. ZHU Longxia, XIAO Mingmei, LI Tao,et al.Research of operation optimization of thermal power unit based on time series analysis[J].Hebei Journal of Industrial Science and Technology,2017,34(2):125-129.