基于工況劃分的機(jī)組優(yōu)化運(yùn)行尋優(yōu)方法

， ，，，，,

(1.云南電網(wǎng)有限責(zé)任公司 電力科學(xué)研究院，云南 昆明 650217； 2.華北電力大學(xué) 能源動(dòng)力與機(jī)械工程學(xué)院，北京 102206；3.新奧(中國)燃?xì)馔顿Y有限公司，河北 廊坊 065001)

0 引言

近年來，我國電網(wǎng)中并網(wǎng)運(yùn)行的新能源電源比例不斷增加，對(duì)火電機(jī)組運(yùn)行性能、運(yùn)行經(jīng)濟(jì)性提出了更高的要求[1-3]，凝汽改供熱、深度靈活調(diào)峰運(yùn)行、高效節(jié)能技術(shù)等將成為我國燃煤發(fā)電機(jī)組技術(shù)改造和發(fā)展的新方向[4-5]。由于在深度調(diào)峰運(yùn)行、實(shí)施節(jié)能技改等情況下，機(jī)組實(shí)際運(yùn)行工況會(huì)偏離設(shè)計(jì)工況，運(yùn)行參數(shù)和被控經(jīng)濟(jì)指標(biāo)之間的數(shù)學(xué)關(guān)系將更加難以確定[6]，需要對(duì)傳統(tǒng)的機(jī)組經(jīng)濟(jì)型評(píng)價(jià)和尋優(yōu)方法[7-10]進(jìn)行持續(xù)的改進(jìn)和研究。

隨著在線計(jì)算技術(shù)、先進(jìn)測(cè)量技術(shù)和DCS技術(shù)的日漸成熟，電廠產(chǎn)生過程中積累了大量的歷史數(shù)據(jù)；有大量機(jī)組部署了具備機(jī)組經(jīng)濟(jì)性在線分析的SIS系統(tǒng)，也積累了海量的經(jīng)濟(jì)指標(biāo)計(jì)算成果。這些數(shù)據(jù)真實(shí)的記錄了機(jī)組的操作信息、運(yùn)行狀態(tài)和機(jī)組特性，為采用數(shù)據(jù)挖掘技術(shù)從中挖掘和提取覆蓋機(jī)組各種工況的運(yùn)行規(guī)則提供了條件[11-14]。

本文以火電機(jī)組經(jīng)濟(jì)性能遠(yuǎn)程分析系統(tǒng)為基礎(chǔ)，針對(duì)火電機(jī)組長期深度調(diào)峰的運(yùn)行實(shí)際，利用多參數(shù)穩(wěn)態(tài)指數(shù)綜合判定方法，辨識(shí)機(jī)組穩(wěn)態(tài)工況，提取穩(wěn)定工況下的關(guān)鍵指標(biāo)與參數(shù)；其次，根據(jù)火電機(jī)組的特點(diǎn)，將運(yùn)行工況的邊界條件分為不可控邊界條件和運(yùn)行可控邊界條件兩類。不可控邊界條件用于模糊聚類以實(shí)現(xiàn)對(duì)歷史數(shù)據(jù)的運(yùn)行工況分類，運(yùn)行可控邊界條件作為優(yōu)化運(yùn)行的決策變量，通過比對(duì)當(dāng)前工況與對(duì)應(yīng)歷史工況，為指導(dǎo)機(jī)組的優(yōu)化運(yùn)行及節(jié)能分析提供依據(jù)。

1 有效工況辨識(shí)與選取

受電網(wǎng)調(diào)峰需求、機(jī)組內(nèi)在擾動(dòng)等內(nèi)外部因素的影響，火電機(jī)組的負(fù)荷、運(yùn)行參數(shù)經(jīng)常處在變化狀態(tài)，由于機(jī)組蓄熱、自動(dòng)控制系統(tǒng)調(diào)節(jié)滯后等因素的影響，變化過程中機(jī)組的運(yùn)行參數(shù)不能代表機(jī)組當(dāng)前的運(yùn)行狀態(tài)。參數(shù)變化越劇烈，以變化參數(shù)計(jì)算的機(jī)組經(jīng)濟(jì)指標(biāo)偏差就越大。因此，在分析機(jī)組的運(yùn)行經(jīng)濟(jì)性時(shí)，只有穩(wěn)定工況下的數(shù)據(jù)才是有效和具有參考價(jià)值的。由于機(jī)組歷史數(shù)據(jù)庫中的數(shù)據(jù)記錄了機(jī)組的所有運(yùn)行工況，因此需要對(duì)歷史數(shù)據(jù)進(jìn)行有效工況的檢測(cè)與辨識(shí)。目前常用的穩(wěn)態(tài)檢測(cè)方法有兩段組合檢測(cè)(CST)[15]、基于證據(jù)理論的穩(wěn)態(tài)檢測(cè)(MTE)[16]、多項(xiàng)式濾波穩(wěn)態(tài)檢測(cè)[17]等，本文在單參數(shù)有效工況判定方法的基礎(chǔ)上，提出了基于多項(xiàng)式濾波的多參數(shù)穩(wěn)態(tài)指數(shù)有效工況判定方法。

1.1 單參數(shù)有效工況判定

工程上通常采用多項(xiàng)式濾波算法，以機(jī)組負(fù)荷參數(shù)作為分析對(duì)象實(shí)現(xiàn)穩(wěn)定工況判斷。

多項(xiàng)式濾波是一種基于多項(xiàng)式回歸模型的低通濾波算法，能夠有效去除所測(cè)信號(hào)噪聲的高頻部分，提高檢測(cè)的準(zhǔn)確度，算法如下

x(t)=p0+p1t+p2t2+…+pmtm

(1)

式中x(t)——時(shí)間的函數(shù)；

m——模型階數(shù)；

p0，p1…pm——需要求解的參數(shù);

p0——信號(hào)的平均值;

p1——信號(hào)隨時(shí)間變化的斜率。

設(shè)采樣時(shí)間為n，把機(jī)組負(fù)荷的采樣值[x1,x2…xn]帶入式(1)，得到式(2)

(2)

利用最小二乘法求解[p0,p1…pm]，考慮到模型的簡單和魯棒性，在這里取m=2，進(jìn)行濾波的同時(shí)也可以得到負(fù)荷的基本變化趨勢(shì)。

對(duì)窗口內(nèi)的數(shù)據(jù)進(jìn)行多項(xiàng)式濾波以后，可以利用p1的值進(jìn)行有效工況判斷，判斷閾值由3δ法則確定

(3)

式中δ——測(cè)量誤差的標(biāo)準(zhǔn)差;

H——數(shù)據(jù)窗口的長度。

當(dāng)|p1|<λ時(shí)認(rèn)為在觀測(cè)窗口內(nèi)的機(jī)組負(fù)荷處于穩(wěn)定狀態(tài)，反之為不穩(wěn)定。

1.2 多參數(shù)穩(wěn)態(tài)指數(shù)有效工況判定

基于多項(xiàng)式濾波的多參數(shù)穩(wěn)態(tài)指數(shù)有效工況判定方法的主要過程如下：

(4)

(2)計(jì)算系統(tǒng)穩(wěn)態(tài)指數(shù)。熱工系統(tǒng)的穩(wěn)定是由各個(gè)參數(shù)共同決定的，為了體現(xiàn)各個(gè)參數(shù)的變化對(duì)于系統(tǒng)穩(wěn)態(tài)影響程度，定義系統(tǒng)穩(wěn)態(tài)指數(shù)B如式(5)

(5)

式中 &——邏輯，取“且”；

“0”——機(jī)組處于穩(wěn)定工況；

“1”——機(jī)組處于非穩(wěn)定工況。

2 基于工況劃分的機(jī)組經(jīng)濟(jì)型尋優(yōu)

挖掘DCS中積累的大量數(shù)據(jù)中所蘊(yùn)藏的運(yùn)行規(guī)則對(duì)于指導(dǎo)機(jī)組的經(jīng)濟(jì)高效運(yùn)行有著重要意義。由于電站熱力系統(tǒng)各個(gè)參數(shù)存在耦合強(qiáng)、維度高等特點(diǎn)，為了實(shí)現(xiàn)在不同工況下指導(dǎo)機(jī)組優(yōu)化運(yùn)行，本文實(shí)現(xiàn)優(yōu)化運(yùn)行的流程為：

(1)依據(jù)多參數(shù)穩(wěn)態(tài)指數(shù)有效工況判定提取歷史庫中機(jī)組穩(wěn)定工況下的運(yùn)行數(shù)據(jù)作為分析、挖掘?qū)ο螅?/p>

(2)對(duì)不可控邊界條件進(jìn)行聚類，實(shí)現(xiàn)工況劃分；

(3)對(duì)運(yùn)行可控邊界條件計(jì)算相關(guān)度，實(shí)現(xiàn)數(shù)據(jù)維歸約降低耦合度，從而篩選出重要參數(shù)作為運(yùn)行決策變量；

(4)對(duì)比當(dāng)前運(yùn)行工況和相應(yīng)歷史工況，輸出較低熱耗對(duì)應(yīng)的決策變量指導(dǎo)機(jī)組運(yùn)行。

2.1 數(shù)據(jù)挖掘目標(biāo)的確定

機(jī)組熱耗率的高低直接反映了機(jī)組運(yùn)行狀態(tài)的好壞，是考察機(jī)組運(yùn)行經(jīng)濟(jì)性的重要指標(biāo)，所以選擇熱耗率作為數(shù)據(jù)挖掘的目標(biāo)。由于電站機(jī)組是在不可控邊界和運(yùn)行可控邊界的約束作用下運(yùn)行，所以熱耗率可以用以下函數(shù)式表示

q=f(Vb,Vk)

(6)

式中q——機(jī)組熱耗率；

Vb——不可控邊界條件參數(shù)集合；

Vk——運(yùn)行可控邊界條件參數(shù)集合。

從上式可以看出每條歷史數(shù)據(jù)中的熱耗率都由一組不可控邊界條件集合和一組運(yùn)行可控邊界條件集合共同確定，這些邊界條件反映了機(jī)組的運(yùn)行水平、設(shè)備性能以及長時(shí)間所處的工況等重要信息，因此建立機(jī)組熱耗與各個(gè)不可控邊界條件和運(yùn)行可控邊界之間的關(guān)系將為機(jī)組的優(yōu)化運(yùn)行提供參考。

2.2 基于不可控邊界條件的工況劃分

為了指導(dǎo)機(jī)組不同工況下的優(yōu)化運(yùn)行，應(yīng)對(duì)歷史運(yùn)行數(shù)據(jù)庫中的有效工況進(jìn)行劃分。傳統(tǒng)方法是以機(jī)組負(fù)荷為對(duì)象，采用等寬度法、百分比法等方法進(jìn)行工況劃分，存在著劃分邊界過硬、不能真實(shí)地反應(yīng)機(jī)組的歷史運(yùn)行狀況等不足之處。本文采用模糊聚類的方法，以關(guān)鍵不可控邊界條件為對(duì)象，對(duì)歷史運(yùn)行數(shù)據(jù)進(jìn)行工況劃分，從而為機(jī)組運(yùn)行的工況識(shí)別和優(yōu)化指導(dǎo)提供參考。

令不可控邊界參數(shù)集Vb={v1,v2…vvr}為聚類的對(duì)象，Vb∈Rr，r為樣本維度。以集合Vb中某一參數(shù)的歷史數(shù)據(jù)集合{v1,v2…vn}為例，共n條歷史數(shù)據(jù)，(C1,C2…Ck)、(c1,c2…ck)是聚類后模糊簇的集合以及其類心的集合，k個(gè)模糊簇可以用劃分矩陣M=[ωij]表示，ωij是vi對(duì)于模糊簇cj的隸屬程度，模糊聚類算法[18]描述如下

(7)

式中p——控制隸屬度影響的參數(shù)，且p≥1；

vi——第i條歷史數(shù)據(jù)中某不可控邊界參數(shù)值；

cj——模糊簇Cj類心。

式(7)約束條件為

(8)

式(8)第二個(gè)約束條件保證vi對(duì)于每一模糊簇的隸屬度之和為1；式(8)第三約束條件保證各模糊簇下至少包含一條數(shù)據(jù)，具體計(jì)算流程利用E-M算法實(shí)現(xiàn)：

(1)設(shè)定模糊簇的個(gè)數(shù)k和參數(shù)p，2≤k≤n，1≤p，確定各模糊簇的類心；

(2)計(jì)算每個(gè)數(shù)據(jù)點(diǎn)對(duì)每個(gè)模糊簇的隸屬度，如式(9)

(9)

(3)根據(jù)上一步所得的隸屬度矩陣，即劃分矩陣M=[ωij]，重新計(jì)算簇的類心，如式(10)

(10)

(4)反復(fù)迭代步驟(2)(3)，直到簇類心收斂或變化足夠小時(shí)停止；

(5)根據(jù)以上方法將各參數(shù)聚類為若干模糊簇，之后通過組合得到一系列工況，如負(fù)荷聚類為5類，環(huán)境溫度聚類為5類，則可以組合得到55種工況。

2.3 運(yùn)行可控邊界參數(shù)維歸約

汽機(jī)熱耗率可由下式計(jì)算

(11)

式中D0、Dzr、Dfw、Dgj、Dzj——主蒸汽、再熱蒸汽、給水、過熱減溫水和再熱減溫水流量;

h0、hfw、hgj、hzj——主蒸汽、給水、過熱減溫水和再熱減溫水焓值;

Δhzr——再熱蒸汽焓升;

Pel——機(jī)組負(fù)荷。

由上式可見和汽機(jī)熱耗相關(guān)的運(yùn)行可控邊界條件涉及主汽流量、主汽溫度、主汽壓力等十多個(gè)運(yùn)行參數(shù)，具有數(shù)量多、維度高的特點(diǎn)，為了在保證數(shù)據(jù)挖掘準(zhǔn)確性的前提下提高挖掘效率，應(yīng)首先對(duì)運(yùn)行可控邊界條件進(jìn)行維歸約，主要方法有小波變換、主成分分析和屬性子集選擇等[18]，本文提出了基于相關(guān)度分析的維歸約算法如下：

(1)為了保證挖掘結(jié)果不受具有較大值域的參數(shù)的影響，首先對(duì)n條歷史數(shù)據(jù)中m個(gè)運(yùn)行可控參數(shù)集合Vk進(jìn)行規(guī)范化處理：

Z分?jǐn)?shù)規(guī)范化處理

(12)

之后將數(shù)據(jù)壓縮到[0,1]區(qū)間上

(13)

(2)計(jì)算兩兩運(yùn)行可控參數(shù)之間的相關(guān)度，如下

(14)

計(jì)算、整理可得相關(guān)度的矩陣如下，且rij=rji

(15)

設(shè)定相應(yīng)的閾值λ，將相關(guān)度高的參數(shù)歸為一類，并選取其中一個(gè)參數(shù)作為代表性參數(shù)，實(shí)現(xiàn)數(shù)據(jù)的維歸約，從而選取數(shù)個(gè)重要的運(yùn)行參數(shù)為決策變量指導(dǎo)機(jī)組運(yùn)行。

2.4 機(jī)組經(jīng)濟(jì)型尋優(yōu)

依據(jù)樹形節(jié)點(diǎn)法將2.2劃分得到的各類工況轉(zhuǎn)換為節(jié)點(diǎn)路徑圖，將每類工況視為一個(gè)節(jié)點(diǎn)，按照由前往后的順序進(jìn)行搜索，將當(dāng)前工況與歷史工況進(jìn)行比對(duì)與匹配，算法如下

(16)

式中dr——當(dāng)前工況第r個(gè)不可控邊界條件與歷史工況的距離；

k——各參數(shù)的權(quán)重系數(shù)。

求解上式，取得最小值時(shí)所對(duì)應(yīng)的歷史運(yùn)行數(shù)據(jù)即為與當(dāng)前工況最為接近的歷史工況，比對(duì)兩者的經(jīng)濟(jì)性指標(biāo)，若歷史數(shù)據(jù)熱耗更低，則輸出2.3所篩選的決策變量指導(dǎo)運(yùn)行；反之，則用當(dāng)前運(yùn)行數(shù)據(jù)更新對(duì)應(yīng)的歷史庫數(shù)據(jù)。

3 應(yīng)用實(shí)例

選取云南某發(fā)電集團(tuán)的300 MW機(jī)組運(yùn)行參數(shù)及云南電網(wǎng)遠(yuǎn)程煤耗系統(tǒng)計(jì)算數(shù)據(jù)，采集該機(jī)組2013年1月1日至2014年3月31日共129 452條歷史運(yùn)行數(shù)據(jù)為分析樣本。對(duì)采集到的數(shù)據(jù)樣本進(jìn)行數(shù)據(jù)預(yù)處理，清洗掉錯(cuò)誤數(shù)據(jù)后，結(jié)合汽輪機(jī)熱工系統(tǒng)的特點(diǎn)選取機(jī)組負(fù)荷、主汽溫度、主汽壓力、再熱蒸汽壓力和給水流量5個(gè)關(guān)鍵參數(shù)對(duì)系統(tǒng)進(jìn)行多參數(shù)穩(wěn)態(tài)指數(shù)有效工況判定，提取得到機(jī)組穩(wěn)態(tài)工況的運(yùn)行數(shù)據(jù)樣本共90 617條。由于云南水電富余，該機(jī)組長期處于低負(fù)荷深度調(diào)峰運(yùn)行狀態(tài)。

為了確定該機(jī)組在各個(gè)工況下的最佳運(yùn)行參數(shù)，本文選取機(jī)組負(fù)荷與環(huán)境溫度兩個(gè)不可控邊界條件作為工況劃分的依據(jù)，聚類后工況劃分結(jié)果如表1。

表1機(jī)組運(yùn)行工況聚類結(jié)果表

機(jī)組負(fù)荷區(qū)間/MW環(huán)境溫度/℃104.3～132.623～26142.7～160.220～2223～2627～29170.5～191.810～1415～1820～2223～2627～29196.5～224.98～1516～1920～2223～2627～29

由表1可以看出該機(jī)組運(yùn)行數(shù)據(jù)呈現(xiàn)一定特點(diǎn)：

當(dāng)機(jī)組負(fù)荷為40%左右時(shí)，機(jī)組工況對(duì)應(yīng)的環(huán)境溫度集中分布在23～26℃范圍內(nèi)，而當(dāng)機(jī)組負(fù)荷為60%和70%左右時(shí)，此時(shí)工況覆蓋的溫度范圍明顯更廣。原因在于，機(jī)組低負(fù)荷主要出現(xiàn)在豐水期，此時(shí)環(huán)境溫度基本維持在較高范圍內(nèi)，電網(wǎng)優(yōu)先消納水電資源；機(jī)組高負(fù)荷主要出現(xiàn)在冬季枯水期承擔(dān)主要負(fù)荷和豐水期負(fù)責(zé)調(diào)峰兩類情況下，所以對(duì)應(yīng)的溫度范圍較廣。聚類工況劃分結(jié)果與云南自身能源結(jié)構(gòu)和自然條件相符合，相比傳統(tǒng)等間等距工況劃分方法，能真實(shí)反映機(jī)組歷史運(yùn)行狀況，同時(shí)有效防止了數(shù)據(jù)冗余，對(duì)高效挖掘電站優(yōu)化運(yùn)行參數(shù)具有重要意義。

在聚類劃分機(jī)組運(yùn)行工況的基礎(chǔ)上，選取與機(jī)組熱耗率相關(guān)的運(yùn)行可控參數(shù)，進(jìn)行基于相關(guān)度的數(shù)據(jù)維歸約以確定機(jī)組運(yùn)行決策變量。設(shè)置閾值λ=0.57，確定決策參數(shù)為主汽壓力、主汽溫度、主汽流量、給水壓力、給水溫度和再熱蒸汽壓力6個(gè)參數(shù)，通過歷史數(shù)據(jù)的尋優(yōu)比對(duì)得到表2至表5。

表2負(fù)荷104.3～132.6 MW運(yùn)行參數(shù)與最佳熱耗

運(yùn)行不可控邊界條件機(jī)組負(fù)荷/MW104.3～132.6環(huán)境溫度/℃23～26主汽壓力/MPa7.85～7.96主汽溫度/℃532.1～533.2運(yùn)行決策參數(shù)主汽流量/t·h-1339.3～342.5再熱蒸汽壓力/MPa1.2～1.3給水壓力/MPa8.5～8.6給水溫度/℃233.1～233.7最優(yōu)機(jī)組熱耗率/kJ·(kWh)-19246.6～9273.7

表3負(fù)荷142.7～160.2 MW運(yùn)行參數(shù)與最佳熱耗

運(yùn)行不可控邊界條件機(jī)組負(fù)荷/MW142.7～160.2環(huán)境溫度/℃20～2223～2627～29運(yùn)行決策參數(shù)主汽壓力/MPa9.5～9.610.0～10.110.0～10.1主汽溫度/℃535.5～537.0536.2～537.7536.5～538.0主汽流量/t·h-1470.8～476.2502.5～507.1522.7～526.9再熱蒸汽壓力/MPa1.66～1.671.73～1.771.80～1.82給水壓力/MPa10.4～10.511.1～11.311.0～11.1給水溫度/℃247.1～247.8250.4～250.9253.6～254.3最優(yōu)機(jī)組熱耗率/kJ·(kWh)-18668.4～8694.98832.3～8855.19002.3～9027.0

表4負(fù)荷170.5～191.8 MW運(yùn)行參數(shù)與最佳熱耗

運(yùn)行不可控邊界條件機(jī)組負(fù)荷/MW170.5～191.8環(huán)境溫度/℃10～1415～1820～2223～2627～29運(yùn)行決策參數(shù)主汽壓力/MPa10.6～10.711.2～11.311.1～11.311.4～11.611.1～11.4主汽溫度/℃537.1～537.9537.3～538.2537.6～538.3537.6～538.3535.7～536.5主汽流量/t·h-1539.7～542.0545.6～550.2552.5～557.5552.5～557.5563.5～568.7再熱蒸汽壓力/MPa1.86～1.871.92～1.931.97～2.041.97～2.041.99～2.02給水壓力/MPa11.6～11.712.2～12.312.5～12.612.5～12.612.2～12.3給水溫度/℃252.9～253.6254.9～255.6255.6～256.1255.6～256.5256.8～257.4最優(yōu)機(jī)組熱耗率/kJ·(kWh)-18069.2～8099.38170.3～8202.28271.4～8295.78424.3～8451.98557.4～8580.7

表5負(fù)荷196.5～224.9 MW運(yùn)行參數(shù)與最佳熱耗

運(yùn)行不可控邊界條件機(jī)組負(fù)荷/MW196.5～224.9環(huán)境溫度/℃8～1516～1920～2223～2627～29運(yùn)行決策參數(shù)主汽壓力/MPa12.8～13.012.9～13.113.0～13.113.1～13.512.9～13.3主汽溫度/℃535.9～537.4535.8～537.2536.5～537.6536.6～537.7536.4～537.4主汽流量/t·h-1625.4～632.5630.1～636.5634.0～640.1642.2～649.6625.7～635.5再熱蒸汽壓力/MPa2.0～2.12.0～2.12.1～2.22.1～2.22.1～2.2給水壓力/MPa13.6～14.313.6～14.213.7～14.214.1～14.614.1～14.6給水溫度/℃259.4～260.6259.2～260.3261.2～262.1262.3～263.7262.8～264.1最優(yōu)機(jī)組熱耗率/kJ·(kWh)-18098.6～8109.38110.2～8135.68202.9～8225.88333.3～8357.78451.1～8478.9

4 結(jié)論

(1)本文提出了基于多項(xiàng)式濾波多參數(shù)穩(wěn)態(tài)指數(shù)有效工況判定方法，結(jié)果表明該方法能更有效的辨識(shí)和提取機(jī)組在穩(wěn)態(tài)工況下的運(yùn)行數(shù)據(jù)，為機(jī)組歷史數(shù)據(jù)的挖掘工作提供參考；

(2)針對(duì)機(jī)組能耗參數(shù)是由各個(gè)邊界條件共同確定的特點(diǎn)，提出基于不可控邊界聚類劃分機(jī)組運(yùn)行工況，通過尋優(yōu)比對(duì)能耗指標(biāo)，輸出相應(yīng)的運(yùn)行可控邊界條件作為運(yùn)行決策變量指導(dǎo)機(jī)組優(yōu)化運(yùn)行；

(3)選取云南省某300 MW機(jī)組進(jìn)行方法驗(yàn)證，結(jié)果表明基于工況劃分的機(jī)組優(yōu)化運(yùn)行尋優(yōu)方法能真實(shí)反應(yīng)機(jī)組歷史運(yùn)行狀態(tài)和操作水平，從而能更準(zhǔn)確地為機(jī)組的運(yùn)行提供指導(dǎo)和參考。

[1]劉中祥.大容量純凝機(jī)組改供熱后的調(diào)峰能力計(jì)算[J].江蘇電機(jī)工程,2015,34(2):75-77.

[2]汪泳濤，趙健.電力市場(chǎng)環(huán)境下含風(fēng)電電力系統(tǒng)旋轉(zhuǎn)備用優(yōu)化[J].電網(wǎng)與清潔能源，2017, 33(7):123-128.

[3]韓豐,宋福龍,羅金山,等.“十三五”骨干網(wǎng)架發(fā)展的探討[J].中國電力,2017(1):13-18,36.

[4]謝紹宇，蔣健.基于極端風(fēng)險(xiǎn)假設(shè)的風(fēng)電并網(wǎng)調(diào)峰充裕度評(píng)估[J].電網(wǎng)與清潔能源，2015,31(8):88-93,99.

[5]Ming M G,Jie H,De L Z,et al.New Energy Power Generation Process Output Complementary and Coordinated Control[J].Applied Mechanics and Materials,2013(380):3155-3159.

[6]申哲巍.火電機(jī)組調(diào)峰負(fù)荷分配研究[D].北京.華北電力大學(xué).2013:2-3.

[7]涂孟夫，張濤，劉軍,等.電網(wǎng)年度發(fā)電量計(jì)劃滾動(dòng)分解優(yōu)化方法及應(yīng)用[J].電網(wǎng)與清潔能源，2016,32(9):50-56.

[8]李建強(qiáng)，牛成林，谷俊杰,等.數(shù)據(jù)挖掘在火電廠運(yùn)行參數(shù)優(yōu)化目標(biāo)值確定中的應(yīng)用[J].華北電力大學(xué)學(xué)報(bào)，2008,35(4):53-56.

[9]張文寶.供熱機(jī)組熱力系統(tǒng)熱經(jīng)濟(jì)性分析的EEDM方程[D].北京.華北電力大學(xué).2008.

[10]Sharma A K,Tewari P C. Performance evaluation and economic analysis of a steam thermal power plant [J]. South African Journal of Industrial Engineering,2009(1):133-146.

[11]王寧玲.基于數(shù)據(jù)挖掘的大型燃煤發(fā)電機(jī)組節(jié)能診斷優(yōu)化理論與方法研究[D].北京.華北電力大學(xué).2011.

[12]Kusiak A,Song Z.Combustion efficiency optimization and virtual testing:a data-mining approach[J].IEEE Trans. Industrial Informatics,2006,2(3):176-184.

[13]侯建朝，侯鵬旺，孫波.計(jì)及需求響應(yīng)的電動(dòng)汽車和可再生能源多階段動(dòng)態(tài)經(jīng)濟(jì)環(huán)境調(diào)度優(yōu)化模型[J].電網(wǎng)與清潔能源，2017,33(9):104-112.

[14]Yang T T,Zeng D L,Chang T H.A Data Mining Rule Extraction Method for Thermal Power Unit Operation Optimization[J].IFAC Proceedings Volumes,2009,42(13):683-688.

[15]Narasimhan S,Mah R S H.A composite statistical test for detecting changes of steady state[J].AIChE Journal,1986,32(9):1409-1418.

[16]Nabasimahn S,Chen S K,Mah R S H.Detecting changes ofsteady state using the mathematical theory of evidence[J].AIChE Journal,1987,33(11):1930-1932.

[17]陳文馳,劉飛.一種改進(jìn)的基于多項(xiàng)式濾波的穩(wěn)態(tài)檢測(cè)方法[J].控制工程,2012(2):195-197.

[18](美)Jiawei Han,Micheline Kamber,等著.數(shù)據(jù)挖掘概念與技術(shù)[M].范明，孟曉峰譯.北京：機(jī)械工業(yè)出版社，2012.