基于数据挖掘的电厂机组特性识别及优化运行

论文摘要

随着社会主义市场经济和电力体制改革的深入发展,在电力市场环境下,热电厂如何根据竞争得到的发电份额制定发电计划,确定机组间的负荷最优分配,以取得最佳经济效益,显得十分重要。浙江省已建成“浙江省地方电厂管理信息系统”后,积累了大量的电厂运行数据,这些数据蕴含着电厂机组的运行的真实状态;通过这些数据挖掘,以期能提出有利于热电厂经济运行的指导方案。首先,本文在分析了火电厂热电系统的运行机制和建立的各个器件的数学模型的基础上,利用统计学和不确定分析等方法,分别通过单参数误差和基于电厂热电系统的三个平衡关系作为系统整体运行的误差,对采集的历史数据进行计算,筛选出可信的数据,为后续工作奠定基础。其次,需要解决机组汽耗量特性曲线的问题。对于大型火电厂,电厂定期进行机组的工况检测,并及时更新工况图。可是对于中小型热电厂来说,由于资金、技术等原因,机组特性定期检测非常困难,只能依靠机组的出厂特性曲线:但是长期运行,或检修改装后其热力特性会发生改变,导致理论工况图的实用性很差。若不能及时更新机组工况图,则机组经济运行将无法准确开展,导致资源浪费,因此,利用现已积累的,并经过筛选的电厂运行数据,进行热电机组的特性曲线识别成为必要的选择。本研究的一个重点,就是通过选择M5P模型树即分段线性化数据挖掘算法,建立了机组的精确的汽耗率模型。通过与传统的多元线性拟合方程进行的比较分析,验证了其可靠性、精确性。进一步,本文给出了精确的抽汽式机组工况图绘制方法,并可滚动识别,以鉴定机组运行的工况状态。最后,热电厂的热、电负荷分配实质上是一个变量和约束条件很多、目标函数复杂的大型的非线性规划问题。本文提出来基于M5P模型树建立的分段线性化机组模型和遗传-退火优化算法的电厂负荷优化分配模型。遗传-退火结合算法收敛速度快。经数据检验,该优化模型可以为电厂节省2.2%的汽耗量,为电厂热电负荷的优化分配提供了很强了指导作用。

论文目录

• 摘要
• Abstract
• 第一章 引言
• 1.1 选题的背景及意义
• 1.1.1 省级地方电厂管理信息系统的概述
• 1.1.2 数据分析技术电厂方面的应用
• 1.2 电厂优化分配的研究状态
• 1.2.1 机组的汽耗率模型简介
• 1.2.2 热电负荷优化分配的研究现状
• 1.3 本文的主要研究工作
• 第二章 热电厂的结构分析与研究
• 2.1 热电厂基础设备简介
• 2.1.1 锅炉
• 2.1.2 汽轮机
• 2.1.3 减温减压器
• 2.2 热电厂运行状态系统的模型
• 2.2.1 热电系统运行参数
• 2.2.2 热电系统运行参数关系
• 2.3 热电厂运行状态监视系统的框架设计
• 2.3.1 热电厂信息管理系统的整体框架
• 2.3.2 热电厂运行状态监视系统的框架
• 第三章 电厂监控系统数据质量分析
• 3.1 数据的抽取、筛选
• 3.2 数据处理中不确定度理论
• 3.2.1 不确定理论定义
• 3.2.2 直接不确定的分类
• 3.2.3 间接测量量不确定度的评定
• 3.3 电厂监控系统数据甄别的设计
• 3.3.1 机组监控数据的计算公式
• 3.3.2 电厂热电系统的三大平衡
• 3.3.3 基于统计学的数据提取方法
• 3.3.4 不确定度的应用
• 第四章 新型数据挖掘算法 M5P 的研究
• 4.1 数据挖掘特点
• 4.2 数据挖掘的过程概述
• 4.3 数据挖掘过程的实现
• 4.3.1 数据的预处理
• 4.3.2 数据挖掘算法 M5P 的原理及实现
• 第五章 基于数据挖掘的电厂负荷优化分配模型的开发
• 5.1 基于数据挖掘的机组特性拟合曲线
• 5.1.1 传统机组汽耗率建模方法
• 5.1.2 机组汽耗率建模的分析
• 5.1.3 基于 M5P 机组汽耗率的模型
• 5.1.4 模型对比及分析
• 5.2 基于数据挖掘的机组工况图的绘制
• 5.2.1 机组工况图的意义
• 5.2.2 机组工况分析
• 5.2.3 数据预处理
• 5.2.4 机组工况图的绘制
• 5.2.5 基于工况图的滚动识别
• 5.3 负荷优化分配模型的建立
• 5.3.1 遗传-退火算法介绍
• 5.3.2 优化模型
• 5.3.3 汽耗率模型的优化
• 5.3.4 负荷优化结果及分析
• 5.3.5 优化算法收敛性和计算效率的分析
• 第六章 工作总结与展望
• 6.1 总结
• 6.2 尚需改进的地方
• 6.3 应用前景与展望
• 致谢
• 参考文献
• 附录
• 详细摘要