基于數(shù)據(jù)聚類的鍋爐受熱面吹灰對再熱減溫水量相關(guān)性研究

錢 虹 宋 亮 陳 綱 馬 浩

1(上海電力學(xué)院自動化工程學(xué)院 上海 200090)2(華能上海石洞口第一電廠 上海 200942)

基于數(shù)據(jù)聚類的鍋爐受熱面吹灰對再熱減溫水量相關(guān)性研究

錢 虹1宋 亮1陳 綱2馬 浩2

1(上海電力學(xué)院自動化工程學(xué)院 上海 200090)2(華能上海石洞口第一電廠 上海 200942)

針對鍋爐優(yōu)化吹灰策略制定的需要，通過研究吹灰對受熱面吸熱量與再熱減溫水量影響的相關(guān)性分析，旨在為優(yōu)化吹灰指導(dǎo)提供依據(jù)?；谏a(chǎn)數(shù)據(jù)進行層次聚類法處理，用聚類后的有效數(shù)據(jù)計算吹灰前后受熱面工質(zhì)的吸熱量，再通過滑動平均算法對吸熱量和再熱減溫水進行數(shù)據(jù)平滑處理，使吸熱量數(shù)據(jù)和再熱減溫水大小具有單一關(guān)系，利用相關(guān)性分析得到兩者的相關(guān)系數(shù)，表征吹灰對兩者的影響程度的關(guān)系。分析結(jié)果表明，不同受熱面吹灰與再熱減溫水的相關(guān)系數(shù)不同。因此通過各受熱面相關(guān)性系數(shù)比較，可對受熱面吹灰序列的優(yōu)化即吹灰策略的制定進行指導(dǎo)。

受熱面吹灰 再熱減溫水 數(shù)據(jù)聚類 相關(guān)性

0 引 言

燃煤電站鍋爐煤粉燃燒過程中，受熱面積灰結(jié)渣是不可避免的問題，吹灰是解決受熱面積灰結(jié)渣問題的主要途徑[1]。目前針對鍋爐吹灰優(yōu)化的方法[2-5]主要是基于受熱面積灰監(jiān)測，通過受熱面積灰參數(shù)得出受熱面清潔因子，利用清潔因子判斷受熱面積灰情況并指導(dǎo)吹灰。在計算清潔因子時往往需要工質(zhì)側(cè)參數(shù)和煙氣側(cè)參數(shù)，但是部分煙氣側(cè)參數(shù)(如爐膛出口煙溫、煙氣流速)是很難直接精確測量得到的，這就對實際的應(yīng)用提出了更高的要求。

鍋爐吹灰在改變了單一吹灰受熱面吸熱量的同時，會影響到鍋爐整體受熱面吸熱分布。通過熱平衡分析，鍋爐的燃燒特性和吸熱特性的改變最終的影響表現(xiàn)在再熱汽溫和再熱減溫水量的改變，而且再熱器減溫水噴水量對機組的熱經(jīng)濟性有較大的影響[6]。本文基于實際生產(chǎn)數(shù)據(jù)對表征吹灰過程的受熱面吸熱量和再熱減溫水進行相關(guān)性分析，通過各受熱面相關(guān)性比較作為制定合理吹灰策略的依據(jù)。

通過聚類算法對數(shù)據(jù)進行預(yù)處理是目前應(yīng)用的比較多的一種方法，主要有基于自適應(yīng)聚類的數(shù)據(jù)預(yù)處理算法[7]、基于K-均值聚類噪聲處理算法[8]、基于模糊聚類的數(shù)據(jù)預(yù)處理方法[9]等。由于數(shù)據(jù)中有大量的鋸齒形數(shù)據(jù)，不利于數(shù)據(jù)間的分析，因此需要對這些數(shù)據(jù)進行平滑處理，對數(shù)據(jù)進行平滑處理的方法有基于小波分析的數(shù)據(jù)平滑處理算法[10]、基于經(jīng)驗?zāi)B(tài)分解(EMD)的方法[11]、基于二乘原理的平滑方法[12]等。本文首先對吹灰前后的實際運行數(shù)據(jù)，即基于時間序列工質(zhì)的溫度、壓力、流量和減溫水量的數(shù)據(jù)基于不同機組負荷，即為機組的發(fā)電功率進行聚類分析，去除偏差較大和無效值的類，得到有效數(shù)據(jù)。通過熱力計算得到受熱面吹灰前后吸熱量的變化。最后對經(jīng)平滑處理后的受熱面吸熱量與再熱減溫水量進行相關(guān)性分析，得到相關(guān)系數(shù)。由此得到受熱面吹灰和再熱減溫水量之間的關(guān)系，利用這種相關(guān)性可以指導(dǎo)優(yōu)化吹灰，以達到吹灰的同時使再熱減溫水噴水量減少的目的，降低了能耗，提高鍋爐運行效率。

1 基于數(shù)據(jù)聚類的吸熱量和減溫水量提取

本文首先利用層次聚類算法對吹灰前后的實際運行數(shù)據(jù)，即基于時間序列工質(zhì)的溫度、壓力、流量和減溫水量的數(shù)據(jù)基于機組負荷進行聚類分析，得到有效數(shù)據(jù)。通過有效數(shù)據(jù)查找計算受熱面進出口焓值，由熱力計算公式計算受熱面工質(zhì)的吸熱量；由于負荷對再熱減溫水的影響較大，為得到吹灰對再熱減溫水的影響，需對再熱減溫水進行去負荷處理；然后再對計算得到的吸熱量和處理后的再熱減溫水進行數(shù)據(jù)平滑處理，獲得相關(guān)性分析所需的樣本數(shù)據(jù)。

1.1 基于層次聚類算法的有效數(shù)據(jù)生成

聚類分析僅根據(jù)在數(shù)據(jù)中發(fā)現(xiàn)的描述對象及其關(guān)系的信息，將數(shù)據(jù)對象基于機組負荷分組。其目標是組內(nèi)的對象相互之間是相同或相似的，而不同組中的對象是不同的。組內(nèi)的相似性越大，組間差別越大，聚類就越好[13]。層次聚類方法[14]對給定的數(shù)據(jù)集進行層次的分解，直到滿足某種條件為止。凝聚的層次聚類是一種從下到上的策略，初始階段，將每個樣本點分別當(dāng)作其類簇，然后根據(jù)條件合并這些原子類簇直到達到預(yù)期的類簇數(shù)或者其他的終止條件。

對象間的距離可以有多種形式表示。最常用的距離度量方法是歐幾里德距離。其定義如式：

(1)

其中i=(xi1,xi2,…,xin)和j=(xj1,xj2,…,xjn)是兩個n維數(shù)據(jù)對象。

數(shù)據(jù)對象合并過程中采用最小距離準則來衡量簇之間的距離。即：如果簇C1中的一個對象與簇C2中的一個對象間的距離是所有屬于不同簇的對象間距離最小的，則合并C1與C2。每個簇可以用簇中所有對象代表，簇Cp與簇Cq的最短距離定義如下所示：

dmin(cp,cq)=mini∈cp,j∈cqd(i,j)

(2)

具體算法步驟如下：

1) 首先將每一個數(shù)據(jù)點視為個體簇，計算個體簇之間的距離d(i,j)，得到鄰近度矩陣；

2) 合并d(i,j)最小的兩個簇；

3) 重新計算簇與簇之間的距離d(i,j)，更新鄰近度矩陣；

4) 循環(huán)第二步和第三步計算，直到僅剩下一個簇。

1.2 基于有效數(shù)據(jù)的受熱面吸熱量計算

由于受熱面積灰后直接導(dǎo)致其傳熱效果變差，工質(zhì)吸熱量減少，因此通過計算受熱面吹灰前后工質(zhì)吸熱量的變化來表征受熱面的積灰特性。利用聚類后的有效數(shù)據(jù)由熱力計算[15]得到吹灰前后對流受熱面工質(zhì)的對流吸熱量，計算公式為：

(3)

式中D—受熱面內(nèi)工質(zhì)的流量，kg/s；

i′、i″—受熱面進、出口工質(zhì)的焓按進、出口工質(zhì)溫度及壓力查取，kJ/kg；

Bcal—計算燃料耗量，kg/s。

其中由于數(shù)據(jù)量比較大，在計算工質(zhì)焓時，平均選取了50點數(shù)據(jù)，通過溫度和壓力查到其相應(yīng)的焓值，然后由這50點數(shù)據(jù)利用最小二乘法進行曲線擬合，由于吹灰過程中工質(zhì)壓力基本保持不變，所以得到工質(zhì)焓值的計算公式：

i=f(x)=ax3+bx2+cx+d

(4)

其中，x為工質(zhì)溫度。

1.3 基于有效數(shù)據(jù)的再熱減溫水去負荷處理

吹灰過程中機組的負荷是一直變化的，而負荷的變化能減弱甚至完全掩蓋吹灰引起的再熱減溫水量變化趨勢，因此為了得到由受熱面吹灰前后引起的再熱減溫水的變化，必須去除負荷的影響。因此本文做了以下處理[16]：

1) 假設(shè)再熱減溫水f與負載存在如下二次回歸方程式：

(5)

其中，t代表時間。

用這個二次方程可以表示出機組負荷和再熱減溫水之間的影響關(guān)系，因此當(dāng)在原值中減去回歸值時，就是和負荷關(guān)系不大的數(shù)據(jù)部分，因此可以通過這種方法得到去除負荷影響的由吹灰因素引起的再熱器減溫水量的變化趨勢。

1.4 吸熱量和減溫水量滑動平均處理

實際生產(chǎn)數(shù)據(jù)中包含大量的鋸齒形信號，為了更精確地表示采集結(jié)果，提高相關(guān)性分析的準確性，需對動態(tài)采集數(shù)據(jù)做平滑處理。本文采用的是滑動平均法對數(shù)據(jù)進行平滑處理的，該方法是一種非常經(jīng)典實用的數(shù)據(jù)處理方法，并且應(yīng)用非常廣泛，例如在在火炮膛壓測試中的應(yīng)用[17]、車輪實測型面數(shù)據(jù)處理中的應(yīng)用[12]等。對于采集數(shù)據(jù)y(t)來說包含確定性成分f(t)和隨機或誤差成分e(t)，表達式為：

yi=fi+eii=1,2,…,N

(6)

其基本原理就是對這N個數(shù)據(jù)，連續(xù)逐個沿時間序列滑動地取m個相鄰數(shù)據(jù)作直接的算術(shù)平均，得到較平滑的結(jié)果yk。實際上，在m個相鄰數(shù)據(jù)中距離平滑數(shù)據(jù)yk較遠的數(shù)據(jù)對平滑的作用可能要小于距離較近者，因此對具有鋸齒形變化的數(shù)據(jù)，m個相鄰數(shù)據(jù)宜取不同的加權(quán)平均來表示平滑數(shù)據(jù)。其一般算法是沿全長N個數(shù)據(jù)，不斷逐個滑動地取m個相鄰數(shù)據(jù)作加權(quán)平均來表示平滑數(shù)據(jù)，算式為：

(7)

2 相關(guān)性分析

皮爾遜(Pearson)相關(guān)系數(shù)是用以反映變量之間相關(guān)關(guān)系密切程度的統(tǒng)計指標。通過計算受熱面吹灰前后吸熱量的變化與再熱減溫水的相關(guān)系數(shù)，得到鍋爐每個受熱面吹灰時，再熱減溫水的變化關(guān)系。最后通過再熱減溫水的變化指導(dǎo)吹灰，結(jié)合專家經(jīng)驗制定合理有效的吹灰策略，改善受熱面積灰結(jié)渣情況，并維持再熱氣溫穩(wěn)定，減少再熱減溫水使用，降低能耗。

利用樣本數(shù)據(jù)計算的相關(guān)系數(shù)稱為樣本關(guān)系數(shù)，一般用r表示。對于兩個變量X和Y，記為(X,Y)，i=1,2,…,n，皮爾遜簡單相關(guān)系數(shù)的定義公式[18]是：

(8)

根據(jù)樣本實際數(shù)據(jù)計算可以將上式簡化為：

(9)

由于我們計算相關(guān)系數(shù)時，通常只是用了樣本數(shù)據(jù)，而由于樣本的隨機性或樣本數(shù)據(jù)量等因素，利用樣本數(shù)據(jù)計算出來的相關(guān)系數(shù)不一定能直接說明總體上兩變量之間是否存在顯著相關(guān)，需要對總體相關(guān)系數(shù)進行顯著性檢驗：

H0∶ρXY=0?H1∶ρXY≠0

(10)

(11)

對給定的顯著水平，當(dāng)p<α，拒絕H0；而當(dāng)p≥α，接受H0。當(dāng)拒絕H0時，認為算得的相關(guān)系數(shù)rXY有實際意義。

3 鍋爐受熱面吸熱量與再熱減溫水相關(guān)性分析

本文使用的數(shù)據(jù)采集于某電廠320 MW機組π型鍋爐，其對流受熱面包括屏式過熱器、高溫過熱器、高溫再熱器、低溫過熱器、低溫再熱器等。選取了鍋爐對流受熱面中屏式過熱器和低溫過熱器的一側(cè)為研究對象，計算其在吹灰前后的工質(zhì)吸熱量，然后分別與相應(yīng)側(cè)的再熱減溫水量的變化作相關(guān)性分析，觀察相應(yīng)的受熱面吹灰對再熱減溫水的影響。采集的樣本為受熱面吹灰前5分鐘、吹灰過程中、吹灰后5分鐘所有數(shù)據(jù)，采樣時間間隔1 s。首先利用層次聚類分析對采集的屏式過熱器和低溫過熱器吹灰數(shù)據(jù)中的機組負荷進行聚類分析。

圖1是屏式過熱器吹灰數(shù)據(jù)負荷聚類的結(jié)果，其中聚類結(jié)果中第五類和第六類中的負荷在250 MW左右，無無效數(shù)據(jù)分類，其他幾類在245 MW左右，因此選擇1～4類共1 326點數(shù)據(jù)為有效數(shù)據(jù)進行分析，去除第五類和第六類中相應(yīng)的負荷以及相應(yīng)的再熱減溫水等其他相關(guān)數(shù)據(jù)。

圖2是低溫過熱器吹灰數(shù)據(jù)負荷聚類結(jié)果，其中聚類結(jié)果中第一類和第二類負荷范圍在250 MW以下，3～6類在255 MW左右，因此選擇3～6類為有效數(shù)據(jù)進行分析。去除第一類和第二類中相應(yīng)的負荷以及相應(yīng)的再熱減溫水等其他相關(guān)數(shù)據(jù)。

圖1 屏式過熱器吹灰數(shù)據(jù)負荷聚類結(jié)果

圖2 低溫過熱器吹灰數(shù)據(jù)負荷聚類結(jié)果

得到有效數(shù)據(jù)后，通過工質(zhì)吸熱量計算公式計算屏式過熱器和低溫過熱器受熱面的工質(zhì)在吹灰前后的吸熱量，然后利用滑動平均處理對吸熱量進行平滑處理。如圖3-圖6所示。其中參數(shù)m的寬度取兩分鐘。

圖3 屏式過熱器吹灰前后吸熱量變化

圖4 低溫過熱器吹灰前后吸熱量變化

圖5 平滑處理后屏式過熱器吹灰前后吸熱量

圖6 平滑處理后低溫過熱器吹灰前后吸熱量

對有效生產(chǎn)數(shù)據(jù)中的減溫水量首先進行去負荷處理，然后對去除負荷影響的減溫水量進行平滑處理，如圖7-圖12所示。

圖7 屏過吹灰時實際再熱減溫水量

圖8 屏過吹灰時去除負荷影響再熱減溫水量

圖9 低過吹灰時實際減溫水量

圖10 低過吹灰時去負荷處理后減溫水量

圖11 屏過吹灰時平滑處理后再熱減溫水量

圖12 低過吹灰時平滑處理后減溫水量

將圖5和圖11中的數(shù)據(jù)作為一組樣本數(shù)據(jù)(X,Y)代入到式(9)中求得屏式過熱器受熱面吹灰前后吸熱量與再熱減溫水量的相關(guān)系數(shù)r為-0.671 2，表明兩者具有較高的負相關(guān)關(guān)系，顯著性校驗P值接近于0，即總體上屏式過熱器受熱面吹灰前后吸熱量與再熱減溫水量存在顯著的相關(guān)關(guān)系。將圖6和圖12中的數(shù)據(jù)作為一組樣本數(shù)據(jù)(X,Y)代入到式(9)，求得低溫過熱器與再熱減溫水相關(guān)系數(shù)r為-0.240 7。通過對比看出屏式過熱器吹灰時對再熱減溫水量的影響要比低溫過熱器吹灰時大得多。

由相關(guān)性分析結(jié)果可以看出當(dāng)屏式過熱器吹灰時和再熱減溫水的量是呈負相關(guān)的，且相關(guān)程度較高。屏式過熱器區(qū)域的吹灰器位于屏式過熱器和高溫過熱器之間，當(dāng)吹灰器工作時，對屏式過熱器和高溫過熱器產(chǎn)生作用。理論上，當(dāng)屏式過熱器吹灰器投運時，屏式過熱器受熱面工質(zhì)的吸熱量增加，使屏式過熱器出口煙氣溫度降低，導(dǎo)致位于下游的高溫過熱器、再熱器、低溫過熱器、再熱器吸熱量減小。因此，再熱器減溫水噴水量減少，與本文相關(guān)性分析的結(jié)果一致。低溫過熱器吹灰與再熱減溫水呈負相關(guān)但相關(guān)程度較低。低溫過熱器與低溫再熱器都位于水平煙道的兩側(cè)，且位置平行。因此在低溫過熱器區(qū)域吹灰器工作時，低溫過熱器受熱面工質(zhì)吸熱量增加，對再熱減溫水量的大小幾乎沒有影響。

通過以上的算法和分析可以求得各個受熱面吹灰與再熱減溫水的相關(guān)程度，結(jié)果為屏式過熱器、高溫過熱器、高溫再熱器同側(cè)吹灰對同側(cè)再熱減溫水量的負相關(guān)程度較高，低溫過熱器、低溫再熱器吹灰與再熱減溫水正相關(guān)程度較高。當(dāng)再熱減溫水量較大時可優(yōu)先選擇與其負相關(guān)程度較高的受熱面吹灰，再熱減溫水量較小或為0時選擇與其正相關(guān)程度較高的受熱面吹灰。由減溫水量合理安排鍋爐5個對流受熱面(AB側(cè))10個吹灰區(qū)域的吹灰次序，實現(xiàn)受熱面按需吹灰，可減小對流受熱面吹灰對再熱氣溫的影響，維持吹灰時再熱氣溫穩(wěn)定，減少再熱減溫水的使用量，節(jié)約能源。

4 結(jié) 語

基于負荷層次聚類的算法對受熱面工質(zhì)吸熱量和再熱減溫水量影響的相關(guān)性分析的結(jié)果，可用于鍋爐各受熱面吹灰與再熱減溫水量的相關(guān)性分析。根據(jù)得到的各個受熱面和再熱減溫水相關(guān)性的大小，制定合理的受熱面吹灰序列，對整體受熱面吹灰優(yōu)化提供依據(jù)。本文基于對負荷層次聚類的算法如果得到更多負荷段下的實際生產(chǎn)數(shù)據(jù)進行同樣分析，將會使制定的吹灰策略更加具有對各負荷段適用性的指導(dǎo)。

[1] 閻維平, 梁秀俊, 周健,等. 300MW燃煤電廠鍋爐積灰結(jié)渣計算機在線監(jiān)測與優(yōu)化吹灰[J]. 中國電機工程學(xué)報, 2000, 20(9):84-88.

[2] 趙清明, 孔令君, 郭蓓,等. 鍋爐智能吹灰優(yōu)化系統(tǒng)研發(fā)與應(yīng)用[J]. 中國電力, 2007, 40(2):36-39.

[3] 唐樺, 陳德珍. 智能吹灰系統(tǒng)的應(yīng)用[J]. 能源與節(jié)能, 2012(12):104-106.

[4] 葛云. 鍋爐蒸汽吹灰對汽溫的影響分析及吹灰方案的制定[J]. 現(xiàn)代制造, 2015(3):34-35.

[5] 楊衛(wèi)娟, 周俊虎, 劉建忠,等. 鍋爐各受熱面吹灰作用的對比研究[J]. 動力工程學(xué)報, 2004, 24(6):780-784.

[6] 谷俊杰, 楊智, 任晏伶,等. 再熱器噴水減溫對機組煤耗率的影響研究[J]. 華北電力大學(xué)學(xué)報(自然科學(xué)版), 2011, 38(1):103-106.

[7] 陳莉, 焦李成. 基于自適應(yīng)聚類的數(shù)據(jù)預(yù)處理算法I[J]. 計算機應(yīng)用與軟件, 2005, 22(3):28-29,47.

[8] 苗潤華. 基于聚類和孤立點檢測的數(shù)據(jù)預(yù)處理方法的研究[D].北京交通大學(xué),2012.

[9] 陳鐵梅. 模糊聚類在數(shù)據(jù)預(yù)處理中的應(yīng)用研究[J]. 自動化儀表,2008,29(5):36-37,41.

[10] 王佰興. 基于小波分析的數(shù)據(jù)平滑處理算法研究與應(yīng)用[J]. 科技創(chuàng)新導(dǎo)報,2009(31):142,144.

[11] 郭蘭英,梁波,趙祥模,等. EDM在汽車制動力數(shù)據(jù)平滑處理中的應(yīng)用[J]. 長安大學(xué)學(xué)報(自然科學(xué)版),2009(4):97-100.

[12] 陸正剛, 王恒亮, 張寶安. 車輪實測型面數(shù)據(jù)平滑處理方法[J]. 振動、測試與診斷, 2013, 33(6):943-949,1090.

[13] Pang-Ning Tan，Michael Steinbach，Vipin Kumar. 數(shù)據(jù)挖掘?qū)д?完整版)[M].范明,范宏建,等譯.北京:人民郵電出版社,2011：306-307.

[14] Guha S，Rastogi R，Shim K． CURE: an efficient clustering algorithm for large databases[J]．Elsevier Science Information Systems，2001，26( 1) : 35-58.

[15] 周強泰.鍋爐原理(第二版)[M].北京:中國電力出版社,2009:180-181.

[16] 何源, 張文生, 葛銘,等. 基于時序聚類的吹灰預(yù)測模型[J]. 計算機工程, 2008, 34(10):244-246.

[17] 裴益軒,郭民. 滑動平均法的基本原理及應(yīng)用[J]. 火炮發(fā)射與控制學(xué)報,2001(1):21-23.

[18] 馬立平.回歸分析[M].北京:機械工業(yè)出版社，2014:20-21.

RESEARCH ON CORRELATION BETWEEN SOOT-BLOWING ON HEATING SURFACE OF BOILER AND REHEAT DESUPERHEATING WATER BASED ON DATA CLUSTERING

Qian Hong1Song Liang1Chen Gang2Ma Hao2

1(CollegeofAutomationEngineering,ShanghaiUniversityofElectricPower,Shanghai200090,China)2(HuanengShanghaiShidongkouFirstPowerPlant,Shanghai200942,China)

According to the need of making sootblowing optimization strategy, the correlation analysis of the sootblowing effect on the heat absorption and reheating and cooling water quantity of the heating surface was carried out, which provided the basis for optimization of sootblowing guidance. Based on the production data,hierarchical clustering method was used to calculate the heat absorption of the working surface of the heating surface before and after soot blowing with the effective data after clustering,and then through the sliding average algorithm for heat absorption and reheat desuperheating water data for smoothing, so that the heat absorption data and the size of reheat desuperheating water has a single relationship, And their correlation coefficients were obtained by correlation analysis, the influence of sootblowing on them was characterized. The results show that the correlation coefficients of soot-blowing and reheat desuperheating water in different heating surfaces are different. Therefore, by comparing the correlation coefficient of each heating surface, we can guide the optimization of soot-blowing sequence of the heating surface, that is, the soot-blowing strategy.

Soot-blowing on heat surface Reheat desuperheating water Data clustering Correlation

2016-04-18。錢虹，副教授，主研領(lǐng)域：電站控制系統(tǒng)及故障診斷，控制理論方法。宋亮，碩士生。陳綱，工程師。馬浩，工程師。

TP391

A

10.3969/j.issn.1000-386x.2017.05.009