[发明专利]基于数据挖掘的火力发电站锅炉燃烧调整模型获取方法

摘要

本发明提供一种基于数据挖掘的火力发电站锅炉燃烧调整模型获取方法，该方法能够以各工况下的历史最优状态来指导机组运行。本发明包含用于采集锅炉状态信息的现场传感器，厂级监控信息系统SIS，分散控制系统DCS以及与所述SIS系统相连接的燃烧优化工作站。本发明充分利用了计算机技术和数据库资源，将长期存储在数据库中的大量的机组运行数据研究分析，基于数据的“软”优化思想方法，从机组运行数据中“挖掘有价值的信息，以一定的数学方法创造性地获得指导机组运行的优化模型，使机组运行在高效低排放的最优状态，为我国电站信息化进程的发展做出了重要贡献。

主权项

1.一种基于数据挖掘的火力发电站锅炉燃烧调整模型获取方法，其特征在于，该方法基于一种工作系统，所述工作系统包含锅炉，用于获取锅炉运行信息的现场传感器，厂级监控信息系统SIS，分散控制系统DCS以及与所述厂级监控信息系统SIS相连接的燃烧优化工作站；所述燃烧优化工作站与所述厂级监控信息系统SIS用于负责优化参数的显示；所述分散控制系统DCS连接厂级监控信息系统SIS，用于向所述厂级监控信息系统SIS提供数据，该方法包括如下步骤：步骤1：依据火力发电站现场现有传感器测点，从中人为选择能够影响到优化目标的热工参量Z＝[Z1,Z2…,Zw]，按照当前机组的运行方式以及所述热工参量自动调节分为可调运行参数Y＝[Y1,Y2…,Yv]和不可调运行参数X＝[X1,X2…,Xu]；步骤2：依照所选择的热工参量从所述厂级监控信息系统SIS的历史数据库中采集机组最近一段正常运行时间内的原始运行数据作为原始数据集，并采用滑动时间窗法对所述原始数据集进行稳定工况筛选，得到稳定工况数据集S_XYZ；步骤3：针对提取得到的所述稳定工况数据集S_XYZ，以优化目标量Z作为因变量，以全部参量作为自变量，建立二者间的最小二乘支持向量机LSSVM模型，通过该模型得到任意给定工况下优化目标量Z的预测值；所述任意给定工况是指任意可调参量和不可调参量的组合；步骤4：通过遗传算法在X不变的条件下寻找Yopt，使Z获得最优；所述任意给定工况参量包含不可调变量X及可调变量Y；步骤5：将步骤4中得到全部不可调变量X的工况组合作为自变量，其对应条件下的最优可调工况Yopt作为因变量，建立二者间的非线性偏最小二乘模型，得到任意给定工况下对应的最优可调变量应达值，将PLSR模型写入到所述分散控制系统DCS给定值计算逻辑中作为燃烧优化可调变量控制最优值；所述滑动时间窗法包括如下步骤：步骤2.1：以t秒为采样间隔，从所述原始数据集中提取时间长度为T秒，所述热工参量为优化目标量Z、可调变量Y以及不可调变量X的窗口数据，置所述窗口数据稳定标志初始值Flag为false；其中，采样时间t＝10～30秒，窗口时间初始长度T为600～900秒；步骤2.2：考察所述窗口数据中不可调变量X的波动程度大小是否符合稳定工况条件，具体判断标准如下：其中，δb为稳定性指标，为了避免传感器出现极值扰动，Amax、Amin分别取窗口期T时间长度内该参数的95％和5％百分位数，Ae为该参数在额定负荷下的额定值，δk为稳定阈值，取δk＝1％时满足上式便即认为该参数处于稳定状态；步骤2.3：若步骤2.2中不等式(1)成立，则置所述窗口数据稳定标志值Flag为true，同时将窗口时间长度增加t秒，重复进行步骤2.2直到不等式(1)不成立，此时所述窗口数据时间长度为T+nt，n为步骤2.3的重复次数，计算该组窗口长度为T+(n‑1)t时间内各热工参量的均值，并将结果记录为一组稳定工况数据存入稳定工况数据集S_XYZ，同时将Flag复位为false，重新选取以T+nt为起始时刻，时间长度为T的数据继续进行步骤2.1的判断；步骤2.4：若步骤2.2中的不等式(1)不成立，则将窗口起始时间向后滑动t秒，返回步骤2.2直到全部原始数据处理完毕；最终所得到的N组稳定工况数据组合为稳定工况数据集S_XYZ，矩阵维度为N行(u+v+w)列。