電廠熱工DCS系統(tǒng)數(shù)據智能驅動系統(tǒng)設計

王平鋒，梁 平，湯澤煜

(湖北能源集團鄂州發(fā)電有限公司，湖北 鄂州 436032)

電廠熱工DCS系統(tǒng)是電廠自動控制體系的重要組成部分，其可實現(xiàn)對不同熱工過程參數(shù)的控制。通過控制結果，為熱工系統(tǒng)的控制提供依據，以此保證各個熱工過程均為最佳狀態(tài)[1]，實現(xiàn)電廠安全、經濟運行，并且最大限度保證節(jié)能減排效果。但是由于各個熱工過程存在顯著的非線性、時變性以及不確定性等特點[2]，并且，電廠運行數(shù)據量極大的同時，還存在離群樣本和維度較高的變量，變量之間的關聯(lián)程度顯著，當前控制過程人為因素較重，智能控制模型難以構建[3]。本文充分利用電廠熱工系統(tǒng)數(shù)據，構建系統(tǒng)驅動模型，使計算的復雜度最大限度降低，同時對影響輸出的參數(shù)進行降維優(yōu)化處理，提高驅動模型的控制效果。

1 系統(tǒng)數(shù)據智能驅動系統(tǒng)設計

1.1 電廠熱工系統(tǒng)結構

電廠熱工系統(tǒng)是電廠自動控制體系的重要組成部分，一個電廠熱工系統(tǒng)結構如圖1所示。

圖1 系統(tǒng)結構Fig.1 System structure

電廠熱工系統(tǒng)設計方案如圖2所示。

圖2 系統(tǒng)設計方案Fig.2 System design plan

1.2 DCS硬件系統(tǒng)的設計

1.2.1 I/O點數(shù)量的統(tǒng)計

針對火力發(fā)電廠的生產工藝特點，結合各個信號點的統(tǒng)計以及整個火力發(fā)電廠的控制需求，對其硬件(機柜、卡件、操作臺等)進行了選取。而在硬件的選取與設計中，必須保證設備的硬件結構能夠達到設計要求，并為未來的火力發(fā)電廠預留空間。 I/O點表為整個DCS系統(tǒng)設計奠定了基礎。根據I/O類型和現(xiàn)場設備數(shù)量的要求，確定所有設備子系統(tǒng)所需的I/O數(shù)量和I/O類型。按照規(guī)定的方法連接現(xiàn)場信號和所有控制系統(tǒng)，為軟件設計做準備。該工程輸入輸出信號點3 900個，其中模擬量輸入點1 020個，模擬量輸出點100個，開關量輸入點為1 857個，開關量輸出點1 004個。具體I/O點統(tǒng)計見表1。

表1 I/O點統(tǒng)計Tab.1 Statistics of I/O points

該模擬量輸入模塊包括1個信號調節(jié)和1個處理器分系統(tǒng)，可以同時處理16個熱電偶/RTD的輸入。該開關量輸入模塊包括1個信號調節(jié)和1個處理器分系統(tǒng)，可以同時處理32個數(shù)字輸入。開關輸出模塊包括1個信號調整和1個處理器分系統(tǒng)，它可以提供16個繼電器的輸出。

1.2.2 DCS 系統(tǒng)硬件配置的統(tǒng)計

DCS 系統(tǒng)硬件配置中，DCS系統(tǒng)的電壓通常為24 V，并且取決于被控制的目標，它的驅動電壓為220 V，所以 DCS的驅動信號要從繼電器箱中輸出，24 V的控制功率則來自 DPU的 DPU(圖3)。

圖3 DCS系統(tǒng)配置Fig.3 DCS system configuration

依據現(xiàn)場I/O點數(shù)、 控制器數(shù)量及卡件數(shù)量決定，在系統(tǒng)的接地設計中，所有 I/O機箱均采用電纜進行接地。

1.2.3 DCS系統(tǒng)IP地址的設計

系統(tǒng)采用ARM7型信號處理設備，選用STM32107型芯片，對其傳輸進行了優(yōu)化。STM32芯片通過嵌入方式與傳統(tǒng)的控制器相連接，從而達到了一種經濟的聯(lián)網。該系統(tǒng)采用16位 SRAM的存儲方式，D0—D15的數(shù)據總線，A1—A18的地址總線。所有節(jié)點的IP地址設計見表2。

表2 IP地址Tab.2 IP address

1.3 DCS 軟件系統(tǒng)的設計

依據熱工運行數(shù)據構建電廠熱工系統(tǒng)，包含2個步驟[4]：①驅動模型輸入變量的確定、數(shù)據可靠性檢驗以及預處理；②驅動數(shù)據建模，通過人工智能的偏最小二乘法和最小二乘支持向量機方法，構建PLS-LSSVM電廠熱工系統(tǒng)驅動模型。設計過程如圖4所示。

圖4 設計步驟Fig.4 Design steps

1.3.1 確定輸入變量

驅動模型構建前，需依據電廠設備機組運行的相關影響因素，確定模型的輸入變量，熱工系統(tǒng)中熱力設備數(shù)量較多，各個設備之間相互關聯(lián)[5-6]，并且熱工系統(tǒng)自身作為復雜的非線性系統(tǒng)，具備顯著的非線性特征[7]，除此之外，熱工過程中所有的變量之間具備明顯的耦合關系，例如機組負荷、燃料量、過量空氣系數(shù)、煤質、火焰中心高度等多種變量，其耦合關系可以分別表示為：

(1)

(2)

(3)

式中，N為機組負荷；C為總煤量；k為折算比例系數(shù)；φ為過量空氣系數(shù)；n為層數(shù)，屬于燃燒器；Gi為第i層給煤量，G為總體給煤量；h為差異性煤量分布對于差異性火焰中心高度變化的影響；O2為燃燒剩余氧量百分比。因此，式(3)為α和煙氣含氧量的近似函數(shù)關聯(lián)。

1.3.2 數(shù)據預處理

上述內容充分體現(xiàn)在龐大復雜的熱工系統(tǒng)溫度控制過程中，各個變量之間存在較高的相關性和耦合關系，如果采用人工智能技術依據具備相關性和耦合關系的數(shù)據進行建模，會導致模型的輸入變量發(fā)生過擬合現(xiàn)象[8]。并且，熱工系統(tǒng)中的各類熱工參數(shù)的頻率存在差異性，即包含高頻和低頻兩種信號，并且，存在一定的離群點。離群點對于數(shù)據分析會造成明顯干擾。因此，采用閾值篩選法對數(shù)據預處理，去除離群點后采用Z-score對熱工系統(tǒng)運行的全部相關數(shù)據進行標準化處理，使其滿足標準正態(tài)分布，且不會對數(shù)據的分布特性造成影響[9]。

經過上述處理后，將熱工系統(tǒng)的機組負荷、燃料總量、給煤量、擋板開度(包含二次風擋和燃盡風擋)、一次風量、含氧量、溫水流量(再熱器)作為驅動制模型的輸入變量，用X表示，且X=[x1，x2，…，xp]∈Rn×p；輸出變量則用機組設備的出口溫度表示，屬于再熱器，用Y表示，且Y=y∈Rn×l。其中，n為給定樣本數(shù)量，p為變量數(shù)量。為保證誤差最小，需保證熱工系統(tǒng)運行狀態(tài)的一致性、且處于穩(wěn)態(tài)工況下[10]，工況狀態(tài)可依據式(4)判斷：

(4)

式中，Amax、Amin分別為參數(shù)最大值和最小值；δb為穩(wěn)態(tài)指數(shù)；Ae為額定值，屬于額定負荷下；δk為閾值，對應穩(wěn)定狀態(tài)。

1.4 系統(tǒng)的實現(xiàn)

1.4.1 DCS系統(tǒng)的單變量特征提取

通過確定初始的輸入變量后，由于電廠熱工現(xiàn)場環(huán)境復雜，導致該輸入變量之間存在較高的相關性和耦合關系，使驅動模型的構建難度明顯提升，本文采用偏最小二乘法(Partial Least Square，PLS)處理模型初始輸入變量之間的相關性和耦合關系，降低DCS數(shù)據維數(shù)，去除離群點[11]。

該方法通過投影變換完成，向低維空間中轉化高維空間中存在線性關聯(lián)的變量。PLS提取X和Y中的主成分tk、uk，且提取數(shù)量為k，且k=1，2，…K。且需保證提取的tk、uk能夠最大限度描述X和Y數(shù)據中的變異信息，并使兩者之間具備最大化協(xié)方差[12]。PLS特征提取步驟如下。

(1)對數(shù)據進行標準化處理后，獲取標準矩陣E0、F0，且E0=Zscore(X)、F0=Zscore(Y)；主成分數(shù)量h值為1。

(3)依據th=Eh-1wh求解主成分向量th。

(7)設h=h+1，循環(huán)步驟(2)—(7)當精度滿足需求時結束算法。

T=[t1，…，th]表示提取出的特征矩陣，負載和系數(shù)2種矩陣分別為P=[p1，…，ph]、W=[w1，…，wh]，則：T=E0W(PTW)-1。

1.4.2 驅動控制模型設計

(5)

為獲取測試樣本的特征矩陣Etest，采用特征變換方式在模型預測時處理得出[15]，即：

Ttest=EtestW(PTW)-1

(6)

式中，Etest為樣本，用于測試，且為標準化；P為負載矩陣，由PLS計算得出；W為系數(shù)矩陣，將求解的Ttest結果代入式(6)即完成其對應的預測值，即輸出變量結果Y。

2 實例分析

為測試本文系統(tǒng)性能和效果，以某電廠的2個600 MW超臨界燃煤間接空冷發(fā)電機組作為研究對象，選取該機組歷史運行數(shù)據作為測試使用數(shù)據，該數(shù)據為機組在負荷350～600 MW產生的，且為穩(wěn)態(tài)工況，選取該范圍的數(shù)據，可更好地保證數(shù)據的覆蓋程度。數(shù)據的采樣時間為2 min，共獲取數(shù)據300組，對數(shù)據進行清洗和處理后，保留最終150組數(shù)據作為訓練集，完成模型構建；并且，隨機從歷史數(shù)據庫中選取100組穩(wěn)態(tài)數(shù)據樣本作為測試集用于模型的驗證。

為測試本文系統(tǒng)的可行性，采用本文系統(tǒng)對X、Y的自重構和回歸擬合程度作為衡量標準，兩者的計算公式為：

(7)

(8)

式中，E、f分別為殘差；eij、fi分別為兩者的元素。

依據上述2個公式，獲取本文系統(tǒng)在不同的成分數(shù)量下，2個指標的變化結果如圖5所示。

依據圖5測試結果可知，2種指標值均隨著成分數(shù)量的增加而增加，當成分數(shù)量達到7個時，2種指標的擬合程度均達到0.8以上，表示本文系統(tǒng)在智能驅動過程中，能夠抽取X和Y中大部分信息，并且最大限度地描述X和Y的信息，具備良好的模型構建可行性，也驗證主成分最佳數(shù)量為7的合理性。

圖5 2個指標的測試結果Fig.5 Test results of two indicators

為測試本文系統(tǒng)的數(shù)據降維效果，采用均衡程度作為衡量標準，統(tǒng)計本文系統(tǒng)在不同抽取數(shù)量時降維效果，該結果越高表示降維效果越好，結果如圖6所示。依據圖6測試結果可知：隨著潛在成分數(shù)量的逐漸增加，3種不同抽取數(shù)量的均衡程度均在85%以上，即使在抽取數(shù)量較多時，本文系統(tǒng)依然能夠較好地完成數(shù)據降維。

圖6 均衡程度測試結果Fig.6 Test results of equilibrium degree

為進一步測試本文系統(tǒng)的性能，需確定本文系統(tǒng)的投影方式，獲取本文系統(tǒng)的不同的數(shù)據組數(shù)量下，3種投影方式下本文系統(tǒng)的平均準確率如圖7所示。其中，3種投影方式分別為正交投影、非正交投影以及規(guī)范化投影。依據圖7測試結果可知：3種投影方式在相同的成分數(shù)量下，正交投影后平均準確率結果最佳，非正交投影的平均準確率結果最低，因此，為保證本文系統(tǒng)最佳的數(shù)據處理效果，采用正交投影方式完成初始輸入變量之間的相關性和耦合關系的處理，數(shù)據的準確率更高。

圖7 投影方式測試結果Fig.7 Test results of projection mode

為測試本文方法的應用效果，以熱工系統(tǒng)的溫度作為衡量標準，分析本文系統(tǒng)的控制結果與預期結果，如圖8所示。依據圖8測試結果可知：本文系統(tǒng)控制的熱工系統(tǒng)溫度值，同預期溫度結果吻合程度較高，只在樣本數(shù)量為70個和100個時預測結果發(fā)生較小的誤差，但是該誤差對于控制效果影響不大。該結果表明本文系統(tǒng)具備良好的應用性，可準確完成熱工系統(tǒng)的熱驅動控制，為整個熱工系統(tǒng)的控制提供準確依據。

圖8 熱工系統(tǒng)溫度測試結果Fig.8 Temperature test results of thermal system

3 結語

電廠熱工系統(tǒng)存在復雜、多變的因素，使其數(shù)據中存在大量的多重相關性、非線性的數(shù)據，并且離群樣本點數(shù)量也較多，導致其智能驅動系統(tǒng)的構建較為困難。因此，本文基于電廠熱工系統(tǒng)相關運行變量的分析結果，采用最小二乘支持向量機完成電廠熱工系統(tǒng)驅動系統(tǒng)構建和系統(tǒng)相關參數(shù)的優(yōu)化。測試結果表明：本文系統(tǒng)具備較好的可行性，能夠最大限度處理熱工系統(tǒng)驅動過程中的各變量之間的關系，并且有效完成數(shù)據降維，實現(xiàn)熱工系統(tǒng)溫度的有效控制。