[发明专利]火电厂球磨机制粉系统运行工况划分方法

说明书

技术领域

本发明涉及火电厂球磨机制粉系统运行工况的划分，具体涉及一种火电厂球磨机制粉系统运行工况划分方法。

背景技术

我国燃煤火力发电厂中，球磨机制粉系统应用非常广泛，它不仅耗电量大、会产生强烈的噪声和大量的粉尘，而且欠煤、堵煤和超温事故在运行中时有发生，严重的威胁着发电企业的安全和经济运行。目前国内大部分火电厂的制粉系统仍然处于依靠工作人员经验的手动控制状态，所以在我国煤炭和电力能源短缺的严峻形势下，使火电厂球磨机制粉系统工作在最优工况尤为重要，其中工况的分类是实现整个系统优化控制的前提之一。

聚类分析是指将数据分类到不同的簇的一个过程，同一个簇中的对象有很大的相似性，而不同簇间的对象有很大的相异性。所以对现场记录数据的聚类分析可以用于球磨机制粉系统运行工况的划分。

常用聚类方法有k-means算法和fuzzy c-means（FCM）算法。k-means算法首先从数据中任意选择k个对象作为初始聚类中心，而对于所剩下其它对象，则根据它们与这些聚类中心的欧几里得距离，分别将它们分配给与其最相似的聚类，然后再计算每个所获新聚类的聚类中心，即该聚类中所有对象的均值，不断重复这一过程直到聚类不再变化为止。FCM算法是在k-means算法的基础上结合了模糊逻辑来实现待辨识对象的软划分，即通过隶属度函数矩阵来确定每个对象隶属于各个簇的程度，通过不断迭代，逐次更新隶属度函数矩阵的值，直至收敛。还一些基于k-means和FCM的改进型聚类算法，但该类算法不能很好的处理非球性簇、不同尺寸和不同密度的簇，而且“噪音”和孤立点也对该类方法的聚类质量影响较大。此外，当数据集的维数较高时，数据集中对象间的距离也会变得更均匀，从而影响到算法的性能。

火电厂球磨机制粉系统的数据库中记录着大量的运行数据，这些数据的特点是高维、非线性和非稳态，所以常用聚类方法在面对该类数据集时就由于自身局限性，而导致性能下降，最终不易得到正确的运行工况划分结果。

发明内容

为了克服上述现有技术存在的不足，本发明的目的在于提供一种火电厂球磨机制粉系统运行工况划分方法，实现对火电厂球磨机制粉系统运行工况的有效划分，能够在对现场数据划分的基础上，对不同工况进行针对性的优化控制，从而使得制粉系统能够始终稳定、高效运行，在安全运行的前提下，提高火电厂的经济效益。

为了达到上述目的，本发明所采用的技术方案是：

一种火电厂球磨机制粉系统运行工况划分方法，步骤如下：

步骤1：首先火电厂球磨机制粉系统采集信号数据构成现场历史数据库J，该数据库J包括D个过程变量，设定n为粒子群的粒子总数，每个粒子的维数则为D，为在第k次迭代中粒子i第d维的速度数值，其中，i∈{1,2,...,n}，d∈{1,2,...,D}，k为整数；为在第k次迭代中粒子i第d维的位置数值，p_i为粒子i的个体最优位置，p_g为整个粒子群的全局最优位置，a_i为粒子i的变速因子，M为聚类的簇数，MaxIter为最大迭代次数；

步骤2：火电厂球磨机制粉系统将数据库J中的所有数据对象随机分配成M个簇，定义簇的质心为该簇的簇心，则粒子i的位置x_i由M个簇心构成，即x_i＝(c₁,c₂,...c_j...c_M)，其中，c_j是第j个簇C_j的簇心，j∈{1,2,...,M}。因为c_j是D维向量，所以粒子i的位置x_i有M·D维；

步骤3：火电厂球磨机制粉系统将步骤2重复n次，即可得到粒子群中所有粒子的位置数值，再设定每个粒子的初始速度数值为0，就完成了粒子群的初始化；

步骤4：火电厂球磨机制粉系统计算所有粒子的适应度值fitness，适应度值为所有簇内离散度和的倒数，计算公式如下：