基于數(shù)據(jù)挖掘的燃煤機組廠級負荷經(jīng)濟調度

鄭 偉，姚 遠，代邦武，常玉清，孫曉輝

（1.國網(wǎng)遼寧省電力有限公司電力科學研究院，遼寧 沈陽 110006；2.東北大學信息科學與工程學院，遼寧 沈陽 110819；3.大連天籟安全風險管理技術有限公司，遼寧 沈陽 110031）

現(xiàn)有發(fā)電系統(tǒng)中燃煤發(fā)電仍占主要份額，降低燃煤發(fā)電機組煤耗實現(xiàn)節(jié)能減排、提高廠級經(jīng)濟效益一直是發(fā)電企業(yè)面臨的主要問題[1-3]。廠級負荷經(jīng)濟調度是解決這一問題的有效途徑，其主要目標就是在滿足電網(wǎng)負荷指令的前提下通過優(yōu)化廠內各發(fā)電機組負荷，實現(xiàn)廠內機組平均煤耗最低[4-5]。

當前，大部分燃煤發(fā)電機組處于自動發(fā)電控制（AGC）模式下。傳統(tǒng)AGC對發(fā)電機組采用單機控制的調度模式，即網(wǎng)級調度中心將發(fā)電指令直接發(fā)送至各機組[6]。這種調度模式下，電廠不能考慮內部機組的煤耗特性差異，廠內機組平均煤耗率不是最優(yōu)狀態(tài)，難以實現(xiàn)機組間的經(jīng)濟調度，限制了發(fā)電機組節(jié)能減排的潛力。因此，在新一輪的電力體制改革的背景下，“兩個細則”明確提出了有條件的地區(qū)實施廠級負荷經(jīng)濟調度，即將總的負荷指令下發(fā)到廠，由電廠內部自行決定各機組負荷。相比于網(wǎng)級單機調度，廠級負荷經(jīng)濟調度獲得的信息更全面，所涉及的機組更少，更有利于采用更加精準的煤耗模型來提高機組節(jié)能減排的能力。實行廠級調度的關鍵是構建廠級負荷經(jīng)濟調度目標函數(shù)，其核心是建立廠內機組準確的煤耗特性模型。

近年來，大量文獻研究了燃煤機組的煤耗特性。文獻[7]基于機組運行數(shù)據(jù)利用二次多項式函數(shù)擬合負荷與機組煤耗率關系，建立了機組煤耗特性模型，并應用于負荷經(jīng)濟調度。文獻[8]考慮汽輪機進氣閥突然開啟時產(chǎn)生的閥點效應，對二次函數(shù)模型引入閥點效應修正項，更準確地表達了煤耗與負荷之間的關系，以此提出了基于動態(tài)煤耗模型的廠級負荷經(jīng)濟調度方法。文獻[9]通過對現(xiàn)場數(shù)據(jù)分析，利用多因素權重分配方法建立負荷與供電煤耗率的實時離散模型，構建了更為合理的負荷經(jīng)濟調度模型。

上述文獻主要采用典型負荷工況下的運行數(shù)據(jù)建立煤耗特性模型。隨著風電、光電等新能源發(fā)電的并網(wǎng)，燃煤發(fā)電機組頻繁承擔電網(wǎng)調峰任務，大幅度變負荷運行已成為常態(tài)，機組很難保持在典型負荷工況下運行[10]。另一方面，由于設備改造、老化等性能變化，以及煤質、溫度等環(huán)境變化，典型負荷工況下機組煤耗特性也會隨之發(fā)生變化[11]，相同負荷點煤耗率也分布在一定范圍。隨著電廠監(jiān)控信息系統(tǒng)（SIS）廣泛應用，燃煤發(fā)電機組積累了豐富歷史運行數(shù)據(jù)以及大量實時運行數(shù)據(jù)，這些數(shù)據(jù)在一定程度上可以反映機組真實煤耗特性。隨著目前大數(shù)據(jù)技術的迅速發(fā)展，數(shù)據(jù)挖掘技術，為機組建立準確的煤耗特性模型提供了新途徑。

本文根據(jù)燃煤機組運行數(shù)據(jù)特點提出了基于數(shù)據(jù)挖掘技術的燃煤機組負荷廠級經(jīng)濟調度方法。選取歷史運行數(shù)據(jù)中穩(wěn)態(tài)工況數(shù)據(jù)，建立穩(wěn)態(tài)數(shù)據(jù)庫；針對機組的不同運行邊界和運行條件劃分工況，同時依據(jù)經(jīng)驗知識選取機組內部影響煤耗的相關變量，利用高斯過程回歸算法建立各個工況煤耗特性模型；在此基礎上構建負荷經(jīng)濟調度目標函數(shù)，利用基因遺傳算法，求解獲得各機組負荷最優(yōu)值；最后通過仿真實例驗證所提方法的有效性。

1 燃煤機組煤耗預測

1.1 穩(wěn)態(tài)檢測

在燃煤機組實際運行中，由于承擔著電網(wǎng)調峰調頻任務，機組的負荷總是不斷地變化以滿足整體電網(wǎng)的平衡。這導致機組運行在非設計工況或暫態(tài)工況，此時機組的熱力學參數(shù)并不穩(wěn)定，煤耗特性也隨之發(fā)生變化，以此煤耗特性作為負荷分配的依據(jù)并不能實現(xiàn)廠級總體煤耗量最小的目標。因而有必要從歷史運行數(shù)據(jù)庫中篩選出機組穩(wěn)定運行工況，研究穩(wěn)態(tài)工況下機組的煤耗特性。

目前，燃煤發(fā)電機組穩(wěn)態(tài)工況的判定沒有統(tǒng)一方法，ASME PTC6[12]根據(jù)機組負荷、主蒸汽壓力、主蒸汽溫度、再熱蒸汽溫度、給水流量5個變量給出了燃煤機組穩(wěn)態(tài)判定的方法，即在某一段時間內，機組上述5個變量的最大值與最小值之差同時處于預先設定的閾值內，則認為機組的運行工況是穩(wěn)定的。具體閾值設定見表1。本文通過滑動窗口技術[13]（sliding window technology）從機組歷史運行數(shù)據(jù)庫中篩選穩(wěn)態(tài)工況數(shù)據(jù)。

表1 穩(wěn)態(tài)工況參數(shù)檢測閾值Tab.1 The thresholds of steady-state detection parameters

1.2 穩(wěn)態(tài)工況劃分

獲得穩(wěn)態(tài)工況數(shù)據(jù)后，需根據(jù)邊界條件將穩(wěn)態(tài)數(shù)據(jù)劃分到合適的運行工況，以便更深層地研究每個工況下發(fā)電機組的煤耗特性。文獻[14]指出影響機組煤耗特性外部變量主要有機組負荷、環(huán)境溫度、煤質等。由于煤質因素難以準確量化分析，且在一段時間內煤質變化不大，因此本文外部變量只考慮機組負荷與環(huán)境溫度。本文利用模糊C均值聚類算法（fuzzy C-means，F(xiàn)CM）對負荷指標進行聚類分析，獲取機組實際運行中負荷類別，最優(yōu)聚類數(shù)k可通過式(1)最小值確定。

式中，k為聚類數(shù)，mj為第j類的聚類中心，xij為第j類的第i個數(shù)據(jù)，Nj為第j類樣本個數(shù)，xpq為第p類的第q個數(shù)據(jù)，Nl為第l類樣本個數(shù)。

一般認為環(huán)境溫度變化在5 ℃以內，可認為對機組的煤耗影響很小，因此本文根據(jù)實際環(huán)境溫度范圍，以5 ℃為間隔對環(huán)境溫度進行等間隔劃分，獲取環(huán)境溫度類別。通過組合負荷類別與溫度類別最終實現(xiàn)對穩(wěn)態(tài)數(shù)據(jù)的工況劃分。與此同時，利用領域經(jīng)驗知識結合煤耗敏感性分析技術，選取與煤耗相關的機組內部變量用于煤耗建模[5,15]。本文選取內部變量為主蒸汽壓力、主蒸汽溫度、再熱蒸汽溫度、排煙溫度、冷凝器真空、給水溫度。

1.3 基于高斯過程回歸模型的機組煤耗特性預測

本文以各工況下機組負荷、環(huán)境溫度以及選取的機組內部變量為輸入變量，供電煤耗率為輸出變量，利用高斯過程模型方法建立不同工況下的機組煤耗特性預測模型。高斯過程模型原理為[16]：給定訓練數(shù)據(jù)集D={(xi,yi),i=1,…,n}，其中xi={xi1,…,xid}為d維輸入變量，y為輸出變量。若存在某種映射函數(shù)f，構成集合Q={f(x1),…,f(xn)}，其中f(x)由均值函數(shù)m(x)和方差函數(shù)k(x,x’)決定，且服從于高斯分布，則該過程為高斯過程，定義為

在實際生產(chǎn)中，引入均值為0、方差為σ2的白噪聲ε，則有

為方便起見，取m(x)=0，則

式中：X=(x1,…,xn)，Ki,j=k(xi,xj)；I為單位矩陣。

對于測試數(shù)據(jù)x*，其對應輸出y*，則有

則預測值y*的表達式為

其中

本文選擇平方指數(shù)協(xié)方差函數(shù)作為核函數(shù)，其表達式為

可利用極大似然估計求解超參數(shù)θk。

2 廠級負荷經(jīng)濟調度

2.1 目標函數(shù)

廠級負荷經(jīng)濟調度的目的是在滿足電網(wǎng)指令與安全條件的前提下，通過優(yōu)化廠內各機組負荷，使得廠內平均煤耗最小，從而獲得較高的經(jīng)濟效益。因此，廠級負荷經(jīng)濟調度的目標函數(shù)可表示為

式中，Li為第i個機組負荷，pi為機組i負荷為Li時的煤耗率，L∑為電網(wǎng)下達到廠的總發(fā)電功率。

2.2 約束條件

1）功率平衡約束

電網(wǎng)不能儲能，所以發(fā)電量與用電量須保持動態(tài)平衡，因而機組發(fā)電量必須滿足電網(wǎng)調度指令的要求，即

2）機組出力限制

由于機組容量的約束以及機組安全運行的需要，各機組所帶負荷需要滿足

式中：Li,min表示機組i的負荷下限，通常由鍋爐系統(tǒng)、汽輪機系統(tǒng)和發(fā)電機組可連續(xù)安全、平穩(wěn)運行的最小出力決定；Li,max為機組i的負荷上限，由機組容量決定。

2.3 優(yōu)化方法

遺傳算法作為一種啟發(fā)式智能優(yōu)化方法已成為負荷經(jīng)濟調度的熱門研究方法[2]。本文根據(jù)目標函數(shù)特點選取遺傳算法優(yōu)化求解經(jīng)濟調度問題。

3 案例分析

選取東北地區(qū)某電廠超臨界3×350 MW燃煤純凝發(fā)電機組為研究對象，驗證本文方法的有效性，分析優(yōu)化調度前后機組的節(jié)煤潛力。該機組采用HG-1110/25.4-HM2型超臨界鍋爐、中間一次再熱系統(tǒng)。從電廠SIS中選取機組2019年4月前21天歷史數(shù)據(jù)進行分析，數(shù)據(jù)采樣間隔為1 min，共計獲得3×30 240組運行數(shù)據(jù)樣本。以機組A為例，利用1.1節(jié)的滑動窗口技術對歷史運行數(shù)據(jù)篩選獲取穩(wěn)態(tài)運行數(shù)據(jù)，設定滑動窗口寬度為30，窗口滑動步長為1，通過篩選獲得穩(wěn)態(tài)運行數(shù)據(jù)15 163組。需要說明的是，隨著新能源發(fā)電機組的并網(wǎng)，煤電機組經(jīng)常承擔調峰調頻任務，機組負荷突破運行下限，處于低負荷運行狀態(tài)，為了維持機組重要運行參數(shù)的穩(wěn)定，減少負荷波動，負荷控制方式由自動改為手動。在實際的廠級負荷調度時，通常并不會使機組運行在低負荷狀態(tài)，因而本文并未考慮低負荷運行狀態(tài)的穩(wěn)態(tài)數(shù)據(jù)。結合現(xiàn)場實際，本文將負荷值小于150 MW作為低負荷運行狀態(tài)，選取大于150 MW的穩(wěn)態(tài)數(shù)據(jù)作為經(jīng)濟調度的依據(jù)。圖1為一段時間內的歷史運行數(shù)據(jù)與篩選的穩(wěn)態(tài)數(shù)據(jù)。

圖1 穩(wěn)態(tài)檢測數(shù)據(jù)結果Fig.1 The results of steady-state detection

為了獲得更準確的機組煤耗特性，需對穩(wěn)態(tài)數(shù)據(jù)進行工況劃分以研究每類工況下機組的煤耗特性。本文選取機組負荷與環(huán)境溫度為工況劃分指標。對于負荷指標，利用模糊C均值聚類算法對負荷進行聚類，并通過式(1)確定最優(yōu)聚類數(shù)為5，負荷聚類劃分結果如圖2所示。

圖2 負荷聚類劃分結果Fig.2 The results for load clustering

對于環(huán)境溫度指標，由于數(shù)據(jù)中溫度變化范圍為5~20 ℃，根據(jù)1.2節(jié)設定的劃分規(guī)則，環(huán)境溫度可分為[5, 10）、[10, 15)、[15, 20) 3個類別。因此，根據(jù)外部因素可獲得15類穩(wěn)態(tài)運行工況。15類穩(wěn)態(tài)工況劃分結果見表2。

表2 穩(wěn)態(tài)工況劃分Tab.2 The steady state working conditions division

在每一類穩(wěn)態(tài)工況下，以負荷、環(huán)境溫度以及所選內部變量為輸入變量，機組供電煤耗率為輸出變量，利用1.3節(jié)高斯過程回歸算法建立各工況下煤耗率模型。以工況3為例，即負荷范圍為[150.00,170.50] MW，溫度范圍為[15~20) ℃。將工況3數(shù)據(jù)分為訓練集與測試集2個部分，在訓練集基礎上利用高斯過程回歸算法建立機組煤耗率預測模型，并通過測試集數(shù)據(jù)以模型預測均方根誤差（δRMSE）為指標檢驗所建模型預測效果。工況3下，模型預測均方根誤差δRMSE=0.012 5，滿足實際應用要求。為了體現(xiàn)數(shù)據(jù)挖掘方法的優(yōu)越性，本文選取在160、210、260、280 MW典型負荷處數(shù)據(jù)建立典型負荷工況煤耗模型[5]，并利用工況3測試數(shù)據(jù)驗證。圖3為2種煤耗模型預測值與實際測試值對比。從圖3中可以看出，本文算法的預測效果優(yōu)于典型負荷工況下模型的預測效果，體現(xiàn)了數(shù)據(jù)挖掘方法的優(yōu)越性。

圖3 2種模型煤耗率預測值與實際值對比Fig.3 Comparison of coal consumption rate between the predicted values of two models and the actual values

為了驗證本文負荷經(jīng)濟調度方法的有效性，將經(jīng)濟調度后的廠級平均煤耗率與AGC單機平均分配的煤耗率進行對比，評估機組的節(jié)煤潛力。選取環(huán)境溫度為[15~20）℃的工況，分別建立機組A、B、C煤耗率模型，并以此為基礎根據(jù)式(10)構建優(yōu)化目標函數(shù)，同時利用遺傳算法進行求解，獲得各機組負荷值與廠級平均煤耗率。表3為總負荷為500、700、850 MW時，通過經(jīng)濟調度后各機組所帶負荷值與平均煤耗率，并與單機調度的煤耗率進行對比。通過表3可以看出，機組經(jīng)濟調度后的煤耗率低于經(jīng)濟調度前的煤耗率，按照電廠購煤平均煤價581元/t，在總負荷為500、700、850 MW時，平均1 kW·h的供電煤耗能夠分別降低約0.04分、0.10分、0.07分左右，優(yōu)化分配效果顯著。因此，本文負荷經(jīng)濟調度方法使得機組的節(jié)煤能力得到提升，電廠的經(jīng)濟效益得到提高。

表3 機組負荷經(jīng)濟調度前后結果對比Tab.3 The operation results of the unit before and after economic load dispatch

為了進一步對比不同總負荷時，機組的節(jié)煤效果，圖4給出了在不同負荷需求下經(jīng)濟調度方法與單機調度方法平均煤耗率以及相較于單機調度方法的節(jié)煤能力。由圖4可見，負荷需求在機組最小或最大出力時，由于沒有節(jié)煤空間，廠級經(jīng)濟調度與單機調度煤耗率基本相同，在此范圍內，優(yōu)化調度的煤耗率一直低于單機調度的煤耗率。特別地，當負荷需求在750~850 MW時，優(yōu)化調度的節(jié)煤能力最好，最高可節(jié)煤1.77 g/(kW·h)，進一步說明了本文方法的有效性。

圖4 平均煤耗率與節(jié)煤能力Fig.4 The average coal consumption rate and coal saving capacity

4 結 論

隨著數(shù)據(jù)測量、存儲等技術的發(fā)展，燃煤發(fā)電機組積累了海量歷史運行數(shù)據(jù)，針對這一特點，本文提出了基于數(shù)據(jù)挖掘技術的燃煤機組廠級負荷經(jīng)濟調度方法。該方法一方面利用數(shù)據(jù)挖掘技術處理歷史運行數(shù)據(jù)，構建穩(wěn)態(tài)運行工況，同時結合高斯過程回歸模型構建機組煤耗特性模型；另一方面在所建煤耗模型的基礎上，構建廠級負荷調度模型，利用遺傳算法求解實現(xiàn)機組負荷經(jīng)濟調度。仿真實例表明，相較于單機調度本文方法能有效降低電廠平均煤耗率，提高電廠的節(jié)煤能力。