燃煤机组运行状态实时评估方法及其系统技术方案

本发明专利技术公开了一种电力工程领域的燃煤机组运行状态实时评估方法及其系统，包括：确定燃煤机组运行状态评估的特征参数，采集历史特征参数数据和实时特征参数数据；对历史特征参数数据进行聚类分析并根据聚类结果建立基于概率的高斯混合模型；计算得到对应历史特征参数数据概率最大时高斯混合模型的参数，建立比对高斯混合模型；计算实时特征参数数据与比对高斯混合模型期望值的相似度，以相似度最大的相似值作为燃煤机组实时评估值。为调度提供判断燃煤机组实时运行状态的综合评价指标，可为电网制定调度策略提供依据，更好地实现了节能调度和安全调度。

Real time evaluation method and system of coal fired unit running state

The invention discloses a method and a system for real-time evaluation of coal-fired unit operation state in the field of electric power engineering, including: determining the characteristic parameters of coal-fired unit operation state evaluation, collecting the historical characteristic parameters data and the real-time characteristic parameters data, clustering and analyzing the historical characteristic parameters data and establishing the clustering results. Gauss mixture model based on probability is used to calculate the parameters of Gaussian mixture model when the probability of corresponding historical characteristic parameters data is maximum, and then the comparison Gaussian mixture model is established. Value. It provides comprehensive evaluation index to judge the real-time operation status of coal-fired units for dispatching, provides basis for power grid to formulate dispatching strategy, and better realizes energy-saving dispatching and safe dispatching.

【技术实现步骤摘要】
燃煤机组运行状态实时评估方法及其系统
本专利技术涉及电力工程
，具体公开了一种燃煤机组运行状态实时评估方法及其系统。
技术介绍
电网调度部门对于发电侧重要设备状态了解甚少，无法预知所调度机组的设备可靠性情况，从而没法做好发电负荷预测和计划。传统调度方式因发电厂值长对于发电机组主辅设备异常等情况导致机组带负荷能力下降时的评估、沟通、解释一般都是事后汇报，存在较大滞后性，调度部门对于发电机组的非停和非计划降出力更多是在事后了解。
技术实现思路
本专利技术目的在提供于一种燃煤机组运行状态实时评估方法及其系统，以解决现有技术中存在的技术缺陷。为实现上述目的，本专利技术提供了一种燃煤机组运行状态实时评估方法，包括以下步骤：S1：确定燃煤机组运行状态评估的特征参数，采集历史特征参数数据和实时特征参数数据；S2：对历史特征参数数据进行聚类分析并根据聚类结果建立基于概率的高斯混合模型；S3：求取得到历史特征参数数据概率最大时基于概率的高斯混合模型的参数，根据参数建立比对高斯混合模型；S4：计算实时特征参数数据与比对高斯混合模型期望值的相似度，输出相似度最大的相似值作为燃煤机组实时评估值以对燃煤机组运行状态进行评估。优选地，S2中对历史特征参数数据进行聚类分析前先对参数数据进行预处理，预处理包括数据清洗和数据归约，数据归约采用主成分分析法。优选地，聚类分析采用K-means算法。优选地，高斯混合模型为：其中，x是维度为d的列向量,d为每组特征参数的个数，μ是模型期望，Σ是模型均方差，ak是权值因子，T表示矩阵的转置，k是K-means算法得到的中心点的个数。优选地，建立比对高斯混合模型的步骤为：S301：参数初始化：对通过K-means聚类得到的K均值计算得到各中心点作为比对高斯模型初始期望μ0，同组工况点协方差得到高斯模型初始均方差Σ0；同组包括的样本点占总样本的比例为高斯模型的初始权值；S302：E-step：依据当前参数，计算每个数据j来自子模型k的可能性：其中k＝1,2,3…，K；S303：M-step：计算新一轮迭代的模型参数：重复计算E-step和M-step直至|θi+1-θi|<0.001，算法停止，其中θi表示第i次迭代得到的参数解。依托于上述方法，本专利技术还提供了一种燃煤机组运行状态实时评估系统，包括：第一模块：用于确定燃煤机组运行状态评估的特征参数，采集历史特征参数数据和实时特征参数数据；第二模块：用于对历史特征参数数据进行聚类分析并根据聚类结果建立基于概率的高斯混合模型；第三模块：用于求取得到历史特征参数数据概率最大时基于概率的高斯混合模型的参数，根据参数建立比对高斯混合模型：第四模块：用于计算实时特征参数数据与比对高斯混合模型期望值的相似度，输出相似度最大的相似值作为燃煤机组实时评估值以对燃煤机组运行状态进行评估。优选地，评估系统还包括第五模块，第二模块对历史特征参数数据进行聚类分析前先由第五模块对参数数据进行预处理，预处理包括数据清洗和数据归约，数据归约采用主成分分析法。优选地，第二模块中聚类分析采用K-means算法。优选地，第二模块建立的高斯混合模型为：其中，x是维度为d的列向量,d为每组特征参数的个数，μ是模型期望，Σ是模型均方差，ak是权值因子，T表示矩阵的转置，k是K-means算法得到的中心点的个数。优选地，第三模块建立比对高斯混合模型包括：参数初始化单元：用于对通过K-means聚类得到的K均值计算得到各中心点作为比对高斯模型初始期望μ0，同组工况点协方差得到高斯模型初始均方差Σ0；同组包括的样本点占总样本的比例为高斯模型的初始权值；E-step单元：用于依据当前参数，计算每个数据j来自子模型k的可能性：其中k＝1,2,3…，K；M-step单元：用于计算新一轮迭代的模型参数：重复计算E-step和M-step直至|θi+1-θi|<0.001，算法停止，其中θi表示第i次迭代得到的参数解。本专利技术具有以下有益效果：1、本专利技术的关于燃煤机组运行状态实时评估的方法，为调度提供判断燃煤机组实时运行状态的综合评价指标，可为电网制定调度策略提供依据，更好地实现了节能调度和安全调度。2、本专利技术的燃煤机组运行状态实时评估的方法综合考虑了燃煤机组锅炉、汽轮机本体、制粉、给水、送风和汽机系统的标志参数，计算简单快速，可靠性好，实用性强。下面将参照附图，对本专利技术作进一步详细的说明。附图说明构成本申请的一部分的附图用来提供对本专利技术的进一步理解，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：图1是本专利技术优选实施例的燃煤机组运行状态实时评估方法流程图。图2是本专利技术优选实施例的燃煤机组运行状态实时评估方法具体流程图。图3是本专利技术优选实施例的计算结果分布图。具体实施方式以下结合附图对本专利技术的实施例进行详细说明，但是本专利技术可以由权利要求限定和覆盖的多种不同方式实施。为实现上述目的，本专利技术提供了燃煤机组运行状态实时评估方法，参见图1和图2，包括以下步骤：S1：确定燃煤机组运行状态评估的特征参数，采集历史特征参数数据和实时特征参数数据。燃煤机组运行状态评估的特征参数包括：负荷、主汽压力、主汽温度、再热汽温度、给水流量、给水温度、给水压力、凝汽器真空、炉膛压力、烟气氧量、排烟温度、给煤量、磨煤机出口风温和总送风量。主汽压力、主汽温度和再热汽温度可综合评价锅炉炉膛、过热器以及再热器的状态；给水流量和给水压力评价了小汽轮机的运行情况；给水温度评价了高低压加热器的传热性能；凝汽器真空保证了高中压排汽温度在正常范围；炉膛压力、烟气氧量和排烟温度综合评价燃料的燃烧状况；给煤量、磨煤机出口风温和送风量评价了锅炉制粉以及送风系统的状态。S2：对历史特征参数数据进行聚类分析并根据聚类结果建立基于概率的高斯混合模型。聚类分析采用K-means算法。运用K均值算法对对象集进行聚类分析，通过聚类分析可以得到K个组以及组中心。K-means算法的基本思想是：以空间中k个点为中心进行聚类，对最靠近他们的对象归类。通过迭代的方法，逐次更新各聚类中心的值，直至得到最好的聚类结果。K均值计算得到的各中心点作为高斯模型初始期望μ0；同组工况点协方差得到高斯模型初始均方差Σ0；同组包括的样本点占总样本的比例为高斯模型的初始权值。多维变量X服从高斯分布时，它的单高斯概率密度函数为：其中x是维度为d的列向量,μ0是模型期望，Σ0是模型均方差，d为每组特征参数的个数，μT表示矩阵的转置。从而通过单高斯概率函数可以推断出混合数为K的高斯混合模型：其中，ak是权值因子，k是K-means算法得到的中心点的个数。S3：求取得到历史特征参数数据概率最大时基于概率的高斯混合模型的参数，根据参数建立比对高斯混合模型。对于历史数据对象集D＝{D1,D2,…,Dn}，需要找到一组参数θ(μ，∑)，使得生成这些数据点的概率最大，假设样本点xi(i＝1……n)之间为互相独立事件，则发生X＝{x1，x2，……xn}的概率为：其中，n是数据组数，i代表其中某一组。通过EM迭代更新高斯混合模型参数的方法,推算出这个高斯混合模型的最佳参数。代入最佳参数后得到比对高斯混合模型。S4：计算实时特征参数数据与比对高斯混合模型本文档来自技高网...

【技术保护点】
1.燃煤机组运行状态实时评估方法，其特征在于，包括以下步骤：S1：确定燃煤机组运行状态评估的特征参数，采集历史特征参数数据和实时特征参数数据；S2：对所述历史特征参数数据进行聚类分析并根据聚类分析结果建立基于概率的高斯混合模型；S3：通过迭代法更新所述基于概率的高斯混合模型的参数，根据所述参数建立比对高斯混合模型并记录比对高斯混合模型建立过程中每一次迭代时所述基于概率的高斯混合模型的期望值；S4：计算实时特征参数数据与所述期望值的相似度，输出相似度最大的作为燃煤机组实时评估值以对燃煤机组运行状态进行评估。

【技术特征摘要】
1.燃煤机组运行状态实时评估方法，其特征在于，包括以下步骤：S1：确定燃煤机组运行状态评估的特征参数，采集历史特征参数数据和实时特征参数数据；S2：对所述历史特征参数数据进行聚类分析并根据聚类分析结果建立基于概率的高斯混合模型；S3：通过迭代法更新所述基于概率的高斯混合模型的参数，根据所述参数建立比对高斯混合模型并记录比对高斯混合模型建立过程中每一次迭代时所述基于概率的高斯混合模型的期望值；S4：计算实时特征参数数据与所述期望值的相似度，输出相似度最大的作为燃煤机组实时评估值以对燃煤机组运行状态进行评估。2.根据权利要求1所述的燃煤机组运行状态实时评估方法，其特征在于，所述S2中对所述历史特征参数数据进行聚类分析前先对所述历史特征参数数据进行预处理，所述预处理包括数据清洗和数据归约，所述数据归约采用主成分分析法。3.根据权利要求1所述的燃煤机组运行状态实时评估方法，其特征在于，所述聚类分析采用K-means算法。4.根据权利要求3所述的燃煤机组运行状态实时评估方法，其特征在于，所述基于概率的高斯混合模型为：其中，x是维度为d的列向量,d为每组特征参数的个数，μ是模型期望，Σ是模型均方差，ak是权值因子，T表示矩阵的转置，k是K-means算法得到的中心点的个数。5.根据权利要求4所述的燃煤机组运行状态实时评估方法，其特征在于，所述建立比对高斯混合模型的步骤为：S301：参数初始化：对通过K-means聚类得到的K均值计算得到各中心点作为比对高斯模型初始期望μ0，同组工况点协方差得到高斯模型初始均方差Σ0；同组包括的样本点占总样本的比例为高斯模型的初始权值；S302：E-step：依据当前参数，计算每个数据j来自子模型k的可能性：其中k＝1,2,3…，K；j＝1,2,3…，N，N表示数据总数；S303：M-step：计算新一轮迭代的模型参数：重复计算E-step和M-step直至|θi+1-θi|<R，算法停止，其中θi表示第i次迭代得到的参数解...

【专利技术属性】
技术研发人员：李世明，王彬，卢建刚，张维奇，李波，林玥廷，徐展强，刘文哲，周亦武，邹光球，陈叶明，陈湘军，刘巍，陈佳佳，龙建平，丁伟，姜鑫，
申请(专利权)人：广东电网有限责任公司电力调度控制中心，湖南大唐先一科技有限公司，
类型：发明
国别省市：广东,44