燃煤電廠大數(shù)據(jù)挖掘和關(guān)鍵目標(biāo)尋優(yōu)智能系統(tǒng)研究

虞仕杰，蔣贏凱，尹貴豪，翁浩斌

（1.浙能北侖發(fā)電有限公司，浙江 寧波 315824；2.上海鑒智軟件技術(shù)有限公司，上海 201203）

0 引言

應(yīng)對全球氣候變化被視為21 世紀(jì)人類社會面臨的巨大挑戰(zhàn)之一［1］，它關(guān)系到全人類的生存問題，更會影響到全球的經(jīng)濟(jì)和政治。2016 年簽署的《巴黎協(xié)定》提出將全球溫升控制在比工業(yè)化前水平高2 ℃的范圍內(nèi)［2］，為達(dá)成這個(gè)目標(biāo)，全球剩余碳排放空間和碳達(dá)峰時(shí)間均非常有限［3］。2020年9月22日，習(xí)總書記在第75屆聯(lián)合國大會提出，中國確保2030年前CO2排放達(dá)峰，力爭2060年前實(shí)現(xiàn)碳中和，這一承諾成為推動(dòng)全球氣候治理轉(zhuǎn)折的關(guān)鍵［4］?，F(xiàn)階段煤炭仍是中國能源消耗的主要種類，占一次能源消耗的50%以上［5］，其中電力與供熱用煤占煤碳消耗總量的60%［6］，因此煤電行業(yè)的節(jié)能減排、降低發(fā)電標(biāo)準(zhǔn)煤耗是實(shí)現(xiàn)碳中和和碳達(dá)峰的不可或缺的一環(huán)。

為提高火電廠發(fā)電效率，降低發(fā)電煤耗，自20世紀(jì)70年代起中外學(xué)者就做了大量的研究。在發(fā)電廠運(yùn)行在線監(jiān)測研究方面，德國西門子公司研發(fā)了主要分析機(jī)組運(yùn)行和燃料價(jià)格的變動(dòng)對機(jī)組效率的影響的Sienergy 軟件。GE（通用電氣）開展的發(fā)電廠優(yōu)化方案Enter，借助設(shè)備運(yùn)行參數(shù)的實(shí)時(shí)測量，通過虛擬傳感器進(jìn)行一些必要的測點(diǎn)補(bǔ)充，為優(yōu)化機(jī)組運(yùn)行提供盡可能詳細(xì)的技術(shù)數(shù)據(jù)，從而通過機(jī)組的運(yùn)行優(yōu)化調(diào)整，幫助機(jī)組實(shí)現(xiàn)節(jié)能減排的目的。國內(nèi)的高等院校、研究所也開展了對電站運(yùn)行優(yōu)化系統(tǒng)的研究與開發(fā)。清華大學(xué)研究了鍋爐變工況運(yùn)行優(yōu)化監(jiān)控系統(tǒng)［7］，對于變工況運(yùn)行的鍋爐系統(tǒng)具有很好的狀態(tài)監(jiān)測和操作指導(dǎo)作用。浙江大學(xué)研究開發(fā)了火電機(jī)組在線能耗分析系統(tǒng)［8］，通過實(shí)時(shí)分析機(jī)組運(yùn)行參數(shù)，給出主要運(yùn)行熱力參數(shù)偏離應(yīng)達(dá)值對全廠發(fā)電煤耗影響的定量關(guān)系，優(yōu)化機(jī)組運(yùn)行。東南大學(xué)研究了火力發(fā)電廠機(jī)組優(yōu)化運(yùn)行系統(tǒng)［9］，不僅對機(jī)組運(yùn)行的經(jīng)濟(jì)性提出建議，還研究了給水泵輔機(jī)節(jié)能的方法。國內(nèi)火電機(jī)組運(yùn)行優(yōu)化研究還處于初步發(fā)展階段，雖然在部分發(fā)電廠實(shí)際應(yīng)用中取得了一定的成效，但大多數(shù)的運(yùn)行優(yōu)化產(chǎn)品還不夠成熟。軟件的通用性與國外同類產(chǎn)品相比仍有一定的差距，需要向?qū)I(yè)性和實(shí)用化的方向進(jìn)一步發(fā)展和完善［10］。

本文通過數(shù)據(jù)庫挖掘技術(shù)，研究了火電廠歷史大數(shù)據(jù)有效信息挖掘的標(biāo)準(zhǔn)實(shí)現(xiàn)流程，通過流程生成歷史標(biāo)桿庫，并通過在線實(shí)時(shí)對標(biāo)系統(tǒng)給出在歷史相似工況下的關(guān)鍵目標(biāo)及運(yùn)行參數(shù)的優(yōu)化建議，在鍋爐效率提升、輔機(jī)運(yùn)行參數(shù)優(yōu)化等方面均有實(shí)際應(yīng)用價(jià)值。

1 研究方法

火電廠歷史運(yùn)行數(shù)據(jù)庫中存在著海量的信息，需要通過合適的方法提取有效信息，用于優(yōu)化運(yùn)行。以下將分為歷史數(shù)據(jù)有效信息挖掘、關(guān)鍵參數(shù)標(biāo)桿庫形成的方法研究，以及標(biāo)桿庫指導(dǎo)實(shí)時(shí)運(yùn)行研究2個(gè)部分進(jìn)行討論。

1.1 歷史大數(shù)據(jù)挖掘與標(biāo)桿庫生成

1.1.1 穩(wěn)態(tài)運(yùn)行工況劃分

機(jī)組運(yùn)行過程中可以分為穩(wěn)態(tài)和非穩(wěn)態(tài)2種工況。非穩(wěn)態(tài)情況下，各參數(shù)處于耦合變動(dòng)狀態(tài)，難以從中提取有效信息，因此對歷史數(shù)據(jù)挖掘應(yīng)處于穩(wěn)態(tài)或準(zhǔn)穩(wěn)態(tài)運(yùn)行工況下進(jìn)行［11］。由于火電廠各參數(shù)的動(dòng)態(tài)響應(yīng)時(shí)間長短不同，快的只需幾秒鐘，而慢的參數(shù)過渡過程可能達(dá)到半小時(shí)，因此在穩(wěn)態(tài)判定時(shí)需要將進(jìn)入穩(wěn)態(tài)時(shí)前一段時(shí)間的過渡過程排除，使所有判穩(wěn)參數(shù)都結(jié)束響應(yīng)過程，最終達(dá)到穩(wěn)定狀態(tài)。

CP（過程能力）是一種應(yīng)用于工程中的用以判斷工序穩(wěn)定程度的方法，源于6sigma 管理理論，此處用于判定火電機(jī)組工況的穩(wěn)定程度，過程能力指數(shù)計(jì)算公式如下：

式中：CP為過程能力指數(shù)，可根據(jù)實(shí)際參數(shù)情況調(diào)節(jié)；SU和SL分別為參數(shù)允許變化的上、下限；Range為參數(shù)在工程上穩(wěn)態(tài)情況允許變化范圍；σ為當(dāng)前工況段參數(shù)的標(biāo)準(zhǔn)差。

根據(jù)過程能力算法，在參數(shù)工程上穩(wěn)態(tài)變化范圍確定后，通過調(diào)節(jié)CP值求出當(dāng)前參數(shù)最大允許變化的標(biāo)準(zhǔn)差。當(dāng)該參數(shù)在設(shè)定的過渡時(shí)間和穩(wěn)態(tài)時(shí)間之和的時(shí)間內(nèi)，標(biāo)準(zhǔn)差均小于最大允許變化的標(biāo)準(zhǔn)差，則定義該參數(shù)在該段穩(wěn)態(tài)時(shí)間內(nèi)處于穩(wěn)定狀態(tài)。多個(gè)判穩(wěn)參數(shù)均處于穩(wěn)定狀態(tài)時(shí)，判定機(jī)組處于穩(wěn)態(tài)。

1.1.2 運(yùn)行工況模糊聚類

分析火電廠機(jī)組運(yùn)行各參數(shù)關(guān)聯(lián)時(shí)，參數(shù)可分類為MV（操作變量）、CV（被控變量）和DV（擾動(dòng)變量），通常需要在避免DV 影響的情況下，尋找MV與CV之間的聯(lián)系。例如環(huán)境溫度是一個(gè)典型的擾動(dòng)變量，在進(jìn)行對標(biāo)和關(guān)鍵參數(shù)尋優(yōu)時(shí)，應(yīng)保證其他MV或者DV在相近條件下，這樣的對標(biāo)結(jié)果才是有意義的，才可以提供運(yùn)行優(yōu)化建議。

FCM（模糊C 聚類）算法是一種將參數(shù)通過隸屬度方法進(jìn)行聚類的算法，打破了經(jīng)典數(shù)學(xué)“非0即1”的局限性，用［0，1］之間的實(shí)數(shù)來描述中間狀態(tài)，相較于K-means的硬聚類，F(xiàn)CM避免了在聚類邊緣的參數(shù)被硬分割的缺點(diǎn)，更適用于機(jī)組運(yùn)行參數(shù)的大數(shù)據(jù)挖掘［10］。

FCM 算法的流程如圖1 所示，在初始化樣本的隸屬度矩陣后，通過公式（2）計(jì)算出聚類中心。FCM算法的目標(biāo)函數(shù)Jm是使各樣本點(diǎn)與該類聚類中心的距離乘上隸屬度后最小，目標(biāo)函數(shù)Jm的表達(dá)式如式（3）所示。而在目標(biāo)函數(shù)Jm和每個(gè)樣本在各聚類中心隸屬度之和為1的約束下，通過解拉格朗日二次規(guī)劃問題，求出新的隸屬度矩陣，隸屬度矩陣U迭代計(jì)算如公式（4）所示。當(dāng)前后兩次迭代的隸屬度矩陣差值小于閾值ε，F(xiàn)CM 算法迭代結(jié)束，輸出最佳聚類中心和樣本在各聚類中心上的隸屬度。

圖1 FCM算法流程

式中：m是聚類的族數(shù)；i和j是類標(biāo)號；uij表示樣本xi屬于j類的隸屬度，i表示第i個(gè)樣本；x是具有d維特征的一個(gè)樣本；cj是j簇的聚類中心，也具有d維度；‖*‖可以是任意表示距離的度量。

通過FCM算法，可將工況按照不同的MV和DV參數(shù)分段，對比近似工況下關(guān)鍵參數(shù)的值，找出影響關(guān)鍵參數(shù)差距的CV，從而達(dá)到優(yōu)化運(yùn)行、指導(dǎo)運(yùn)行的目的。

1.1.3 運(yùn)行工況模糊聚類

在完成工況判穩(wěn)和工況聚類后，歷史工況已經(jīng)按照不同的MV和DV進(jìn)行了聚類，形成一個(gè)個(gè)小的數(shù)據(jù)集，然后需要按照關(guān)鍵目標(biāo)的優(yōu)劣情況進(jìn)行排序，挖掘出最優(yōu)關(guān)鍵目標(biāo)下的CV值，這些值是對于優(yōu)化運(yùn)行有指導(dǎo)意義的關(guān)鍵參數(shù)。

關(guān)鍵目標(biāo)的構(gòu)建有不同的方法，最簡單的目標(biāo)函數(shù)便是單一參數(shù)的最大/最小值，如公式（5）所示。

而機(jī)組運(yùn)行時(shí)各參數(shù)往往是互相制約的，即一個(gè)上升一個(gè)下降需要取平衡，如主汽溫度和減溫水量；或者是有些參數(shù)有邊界條件限制，如鍋爐出口NOX濃度、主汽溫度等，當(dāng)求解這些邊界條件下的關(guān)鍵目標(biāo)尋優(yōu)時(shí)，需要構(gòu)建更為復(fù)雜的目標(biāo)函數(shù)，如公式（6）所示。此時(shí)，為了避免求解二次規(guī)劃問題，引入罰函數(shù)的方法，通過懲罰因子構(gòu)建新的目標(biāo)函數(shù)，求解新的目標(biāo)函數(shù)下的最優(yōu)值，新的目標(biāo)函數(shù)如公式（7）所示。

式中：f(x)為目標(biāo)函數(shù)；gi(x)代表邊界約束條件；σ為懲罰因子，通常為一個(gè)較大的正實(shí)數(shù)；F(x，σ)為構(gòu)造出的帶有懲罰因子的目標(biāo)函數(shù)。

通過關(guān)鍵目標(biāo)尋優(yōu)排序，找到在相近MV 和DV工況下最優(yōu)目標(biāo)值以及相關(guān)運(yùn)行CV參數(shù)，建立歷史數(shù)據(jù)標(biāo)桿庫，為后續(xù)實(shí)時(shí)運(yùn)行指導(dǎo)提供知識儲備。

1.2 實(shí)時(shí)關(guān)鍵目標(biāo)對標(biāo)與運(yùn)行優(yōu)化指導(dǎo)

在1.1中的歷史數(shù)據(jù)挖掘通過自動(dòng)程序計(jì)算出的歷史標(biāo)桿庫，需要通過實(shí)時(shí)的對標(biāo)來給運(yùn)行提供優(yōu)化指導(dǎo)建議，從而實(shí)現(xiàn)歷史數(shù)據(jù)挖掘的價(jià)值。在線實(shí)時(shí)對標(biāo)流程如圖2所示，實(shí)時(shí)程序通過滾動(dòng)對標(biāo)，當(dāng)實(shí)時(shí)運(yùn)行達(dá)到穩(wěn)態(tài)工況時(shí)，通過判斷當(dāng)前工況的MV和CV屬于哪個(gè)聚類中心，找到歷史標(biāo)桿庫中的相近工況，從而找到當(dāng)前工況下最優(yōu)關(guān)鍵目標(biāo)值及相應(yīng)CV值，提供運(yùn)行指導(dǎo)。

圖2 實(shí)時(shí)關(guān)鍵目標(biāo)對標(biāo)流程

整個(gè)歷史數(shù)據(jù)挖掘與關(guān)鍵目標(biāo)尋優(yōu)智能系統(tǒng)的架構(gòu)如圖3所示，系統(tǒng)分為數(shù)據(jù)采集系統(tǒng)、離線尋優(yōu)系統(tǒng)和在線對標(biāo)系統(tǒng)。通過這一套系統(tǒng)的相互配合，不僅可以從龐大的歷史數(shù)據(jù)庫中挖掘出有用的信息，還可以將現(xiàn)場實(shí)驗(yàn)調(diào)整參數(shù)、運(yùn)行人員發(fā)掘出的優(yōu)秀運(yùn)行參數(shù)一并記錄，不斷迭代標(biāo)桿庫知識，以達(dá)到更智能、更有效指導(dǎo)運(yùn)行的目標(biāo)。

圖3 智能化系統(tǒng)框架

2 結(jié)果與分析

以智能系統(tǒng)在鍋爐效率參數(shù)尋優(yōu)方面的實(shí)際工程應(yīng)用為例，討論、分析系統(tǒng)在各關(guān)鍵步驟中的結(jié)果，及最后對于優(yōu)化運(yùn)行的指導(dǎo)作用。

2.1 鍋爐穩(wěn)態(tài)工況劃分

根據(jù)以往研究結(jié)果及理論經(jīng)驗(yàn)，鍋爐穩(wěn)態(tài)工況的判穩(wěn)參數(shù)選擇實(shí)時(shí)負(fù)荷、總給煤量、主蒸汽壓力、總風(fēng)量，在定義好各參數(shù)在穩(wěn)態(tài)工程意義上的最大變化范圍后，通過調(diào)節(jié)CP值尋找最優(yōu)鍋爐穩(wěn)態(tài)工況的劃分方法。

如圖4 和圖5 所示，當(dāng)主蒸汽壓力CP值設(shè)為0.6 時(shí)比設(shè)為1.1 時(shí)多劃分了3 段穩(wěn)態(tài)工況（如圖4中紅圈所示）。在這些工況中發(fā)現(xiàn)其他判穩(wěn)參數(shù)處于相對穩(wěn)態(tài)或較小波動(dòng)情況，但主蒸汽壓力波動(dòng)較大，特別是圖4 中從左往右第三個(gè)紅圈的工況，證明主蒸汽壓力CP值設(shè)定太寬松。因此提高CP值為1.1，更改后的穩(wěn)態(tài)工況劃分明顯更為合理。

圖4 主蒸汽壓力CP=0.6時(shí)穩(wěn)態(tài)工況劃分

圖5 主蒸汽壓力CP=1.1時(shí)穩(wěn)態(tài)工況劃分

2.2 鍋爐運(yùn)行重要參數(shù)聚類

影響鍋爐運(yùn)行效率的MV 有負(fù)荷、鍋爐總給煤量等，DV 有環(huán)境溫度、煤質(zhì)低位發(fā)熱量等，CV有鍋爐煙氣含氧量、過熱器和再熱器減溫水流量等，需要對MV和DV參數(shù)進(jìn)行歷史數(shù)據(jù)聚類。

根據(jù)經(jīng)驗(yàn)，分別將負(fù)荷、總給煤量、環(huán)境溫度、煤質(zhì)低位發(fā)熱量分別劃分為10 類、3 類、3類、3 類，如圖6 所示。圖6 中不同顏色代表樣本點(diǎn)位隸屬度最大的類別顏色，且可以看出FCM算法優(yōu)于K-Means 硬分類算法之處在于：每一類別并非在數(shù)據(jù)尺度上等寬度，而是在數(shù)據(jù)樣本數(shù)量上近似，這樣的劃分結(jié)果更加合理。

圖6 鍋爐效率影響參數(shù)聚類結(jié)果

2.3 鍋爐效率實(shí)時(shí)對標(biāo)及運(yùn)行優(yōu)化指導(dǎo)

在完成鍋爐穩(wěn)定工況劃分和參數(shù)聚類后，需要對每一聚類樣本按照關(guān)鍵目標(biāo)的優(yōu)劣進(jìn)行排序，此處關(guān)鍵目標(biāo)選擇鍋爐效率最大值為單一目標(biāo)，來構(gòu)造歷史標(biāo)桿庫。

形成歷史標(biāo)桿庫的最終目標(biāo)是，通過實(shí)時(shí)對標(biāo)能夠?yàn)檫\(yùn)行指導(dǎo)提供優(yōu)化操作建議，實(shí)時(shí)對標(biāo)的過程如圖2所示。先對當(dāng)前實(shí)時(shí)工況進(jìn)行穩(wěn)態(tài)判定，若為穩(wěn)態(tài)則進(jìn)入聚類過程，若非穩(wěn)態(tài)則等待下一時(shí)間的對標(biāo)發(fā)起。聚類時(shí)計(jì)算當(dāng)前工況各參數(shù)的中位數(shù)與歷史標(biāo)桿庫中參數(shù)聚類中心的距離，

3 結(jié)語

本文研究并開發(fā)了火電廠大數(shù)據(jù)挖掘和關(guān)鍵目標(biāo)尋優(yōu)智能化系統(tǒng)，通過判穩(wěn)、聚類、尋優(yōu)形成歷史標(biāo)桿庫、實(shí)時(shí)對標(biāo)、提供運(yùn)行優(yōu)化建議的流程，為火電廠機(jī)組實(shí)時(shí)運(yùn)行提供優(yōu)化建議。以鍋爐效率作為關(guān)鍵目標(biāo)，比較了實(shí)時(shí)對標(biāo)成功后系統(tǒng)所挖掘出的歷史標(biāo)桿庫與實(shí)時(shí)工況間工況參數(shù)的差異，發(fā)掘出在當(dāng)前實(shí)時(shí)工況下，鍋爐氧量從而計(jì)算出隸屬度矩陣。根據(jù)隸屬度矩陣最大值形成相似工況代碼，從歷史標(biāo)桿庫中根據(jù)相似工況代碼查詢出歷史最優(yōu)關(guān)鍵目標(biāo)值及相關(guān)CV值并顯示出來，從而達(dá)到實(shí)時(shí)提供運(yùn)行優(yōu)化建議的目的。

圖7為實(shí)時(shí)對標(biāo)過程中由智能系統(tǒng)對標(biāo)后提供的優(yōu)化建議。在相近的MV和DV參數(shù)情況下，實(shí)時(shí)工況爐效為92.13%，而歷史標(biāo)桿工況爐效為93.34%，分析可見由于藍(lán)線煙氣含氧量的差別，設(shè)定值可由5.5%降低至4%，在當(dāng)前工況下也可以平穩(wěn)運(yùn)行。即在當(dāng)前實(shí)時(shí)運(yùn)行工況下，鍋爐總風(fēng)量還有進(jìn)一步降低的空間，以此可以提高鍋爐效率，達(dá)到優(yōu)化運(yùn)行的目的。設(shè)定值有減小空間，可以提高鍋爐運(yùn)行效率的操作建議。

圖7 實(shí)時(shí)對標(biāo)挖掘出的歷史和標(biāo)桿工況分析

該系統(tǒng)除了可以用于鍋爐效率關(guān)鍵目標(biāo)尋優(yōu)外，還可應(yīng)用于關(guān)鍵輔機(jī)參數(shù)尋優(yōu)（如給煤機(jī)一次風(fēng)溫設(shè)定值）、爐效和NOX排放濃度綜合尋優(yōu)等場景，通過研究提出了火電廠歷史數(shù)據(jù)挖掘的標(biāo)準(zhǔn)流程，為進(jìn)一步優(yōu)化運(yùn)行、實(shí)現(xiàn)閉環(huán)控制奠定基礎(chǔ)。