一种电站锅炉效率对标优化的数据分析方法技术

本发明专利技术公开了一种电站锅炉效率对标优化的数据分析方法，包括：将机组的历史数据中的锅炉效率设为标签参数，剩余数据设为特征参数，将特征参数和标签参数输入BP神经网络模型进行训练，获得锅炉效率计算模型；对机组的历史数据进行升序排序；对n组中的数据进行降序排序，得到最优锅炉效率对标样本集；寻找最优锅炉效率对标样本集中主蒸汽流量与实时主蒸汽流量偏差最小样本Dk，计算Dk样本中的锅炉效率η

【技术实现步骤摘要】
一种电站锅炉效率对标优化的数据分析方法


[0001]本专利技术涉及电站锅炉效率优化分析的
，尤其涉及一种电站锅炉效率对标优化的数据分析方法。

技术介绍

[0002]近年来燃煤火电发电机组由于负荷多变、煤种多变等原因使得锅炉燃烧偏离设计工况，往往使得电站燃煤锅炉效率长期处于相对较低的情况；目前主要依靠现场锅炉效率试验的方法来查找锅炉效率低的原因，根据查出的原因，指导运行调整，达到提效的目的。
[0003]由于采用现场试验的方法是一种离线的方法，并且受制于试验时获取的不同工况数据有限的现实情况，不能便捷地把试验得出的离线指导方案用于电站运行的实时指导；并且由于电站锅炉的工况多变，当工况与试验工况相差较大时，离线的试验指导方案极有可能效果不佳。
[0004]燃煤电厂对运行人员有运行指标考核，锅炉效率是重点考核指标，当锅炉效率低下时，及时提醒运行人员的同时，并告知是哪些参数的差异对锅炉效率的低下产生了主要影响，以便运行人员根据自身经验快速把相关差异参数调整至历史对标状态；本专利技术利用神经网络建立锅炉效率模型，模型以主蒸汽压力、主蒸汽温度、主给水温度、再热蒸汽压力、再热蒸汽温度、环境温度、入炉煤质平均水分、锅炉总煤量、锅炉总风量、排烟氧量、排烟温度，共11个参数为特征参数，以锅炉效率为标签参数，当发现锅炉效率低下时，分别计算出11个参数对锅炉效率低下的影响程度，从而解耦出哪些参数的差异对锅炉效率的低下产生了主要影响。

技术实现思路

[0005]本部分的目的在于概述本专利技术的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和专利技术名称中可能会做些简化或省略以避免使本部分、说明书摘要和专利技术名称的目的模糊，而这种简化或省略不能用于限制本专利技术的范围。
[0006]鉴于上述现有存在的问题，提出了本专利技术。
[0007]因此，本专利技术提供了一种电站锅炉效率对标优化的数据分析方法，能够避免无法或很难找出锅炉效率低下的问题关联参数。
[0008]为解决上述技术问题，本专利技术提供如下技术方案：包括：建立机组的历史数据，每条历史数据包括：主蒸汽流量、主蒸汽压力、主蒸汽温度、主给水温度、再热蒸汽压力、再热蒸汽温度、环境温度、入炉煤质平均水分、锅炉总煤量、锅炉总风量、排烟氧量、排烟温度和锅炉效率；且机组的历史数据的数量大于等于10000条；将机组的历史数据中的锅炉效率设为标签参数，剩余数据设为特征参数，将所述特征参数和标签参数输入BP神经网络模型进行训练，获得锅炉效率计算模型；以主蒸汽流量为基准，对机组的历史数据进行升序排序，且将其均分为n组，每组m条数据，m≥50；以锅炉效率为基准，对n组中的数据进行降序排序，分别从每组中的m条数据中选择一条数据作为最优锅炉效率的对标样本，得到最优锅炉效
率对标样本集；其中，选择一条数据的方法是，从每个数据组中，按照锅炉效率降序排列的顺序，向下取整，分别选择第[0.1*m/2]条数据作为最优锅炉效率的对标样本，得到最优锅炉效率对标样本集{D1，D2
…
Dn}；以机组正常运行的的实时数据中的实时主蒸汽流量作为检索参数，找到最优锅炉效率对标样本集中主蒸汽流量与实时主蒸汽流量偏差最小的样本Dk，计算Dk样本中的锅炉效率η
b
与实时锅炉效率η
g
的差值δ，当差值δ大于或等于预设值时，启动对标优化程序，完成数据分析；其中，1≤k≤n；Dk样本中主蒸汽流量与实时主蒸汽流量偏差最小；Dk样本中的特征参数包括：主蒸汽流量、主蒸汽压力、主蒸汽温度、主给水温度、再热蒸汽压力、再热蒸汽温度、环境温度、入炉煤质平均水分、锅炉总煤量、锅炉总风量、排烟氧量、排烟温度，Dk样本中的标签参数为锅炉效率。
[0009]作为本专利技术所述的电站锅炉效率对标优化的数据分析方法的一种优选方案，其中：所述BP神经网络模型包括：输入层、隐含层和输出层；其中，输入层的输入数据为主蒸汽流量、主蒸汽压力、主蒸汽温度、主给水温度、再热蒸汽压力、再热蒸汽温度、环境温度、入炉煤质平均水分、锅炉总煤量、锅炉总风量、排烟氧量和排烟温度；隐含层包括隐含一层、隐含二层、隐含三层、隐含四层、隐含五层和隐含六层；输出层的输出数据为锅炉效率。
[0010]作为本专利技术所述的电站锅炉效率对标优化的数据分析方法的一种优选方案，其中：隐含一层包括60个神经元节点，隐含二层包括50个神经元节点，隐含三层包括40个神经元节点，隐含四层包括30个神经元节点，隐含五层包括20个神经元节点，隐含六层包括10个神经元节点。
[0011]作为本专利技术所述的电站锅炉效率对标优化的数据分析方法的一种优选方案，其中：启动对标优化程序包括：将Dk样本中的特征参数输入锅炉效率计算模型，得到锅炉效率的模型计算值η
c
；将机组正常运行的实时数据中的实时主蒸汽压力、实时主蒸汽温度、实时主给水温度、实时再热蒸汽压力、实时再热蒸汽温度、实时环境温度、实时入炉煤质平均水分、实时锅炉总煤量、实时锅炉总风量、实时排烟氧量、实时排烟温度，分别逐一地替换Dk样本中对应的参数，而后分别带入锅炉效率计算模型，得到锅炉效率的模型计算值η
c1
、η
c2
…
η
c11
；分别计算出每个被替换参数对锅炉效率的影响程度，并找出对锅炉效率下降影响最大的参数。
[0012]作为本专利技术所述的电站锅炉效率对标优化的数据分析方法的一种优选方案，其中：机组正常运行的实时数据包括：实时主蒸汽流量、实时主蒸汽压力、实时主蒸汽温度、实时主给水温度、实时再热蒸汽压力、实时再热蒸汽温度、实时环境温度、实时入炉煤质平均水分、实时锅炉总煤量、实时锅炉总风量、实时排烟氧量、实时排烟温度和实时锅炉效率。
[0013]作为本专利技术所述的电站锅炉效率对标优化的数据分析方法的一种优选方案，其中：影响程度包括：Δη1=η
c
‑
η
c1
；Δη2=η
c
‑
η
c2
；Δη3=η
c
‑
η
c3
；Δη4=η
c
‑
η
c4
；Δη5=η
c
‑
η
c5
；Δη6=η
c
‑
η
c6
；Δη7=η
c
‑
η
c7
；
Δη8=η
c
‑
η
c8
；Δη9=η
c
‑
η
c9
；Δη
10
=η
c
‑
η
c10
；Δη
11
=η
c
‑
η
c11
；其中，Δη1为主蒸汽压力对锅炉效率的影响程度；Δη2为主蒸汽温度对锅炉效率的影响程度；Δη3为主给水温度对锅炉效率的影响程度；Δη4为本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电站锅炉效率对标优化的数据分析方法，其特征在于，包括：建立机组的历史数据，每条历史数据包括：主蒸汽流量、主蒸汽压力、主蒸汽温度、主给水温度、再热蒸汽压力、再热蒸汽温度、环境温度、入炉煤质平均水分、锅炉总煤量、锅炉总风量、排烟氧量、排烟温度和锅炉效率；且机组的历史数据的数量大于等于10000条；将机组的历史数据中的锅炉效率设为标签参数，剩余数据设为特征参数，将所述特征参数和标签参数输入BP神经网络模型进行训练，获得锅炉效率计算模型；以主蒸汽流量为基准，对机组的历史数据进行升序排序，且将其均分为n组，每组m条数据，m≥50；以锅炉效率为基准，对n组中的数据进行降序排序，分别从每组中的m条数据中选择一条数据作为最优锅炉效率的对标样本，得到最优锅炉效率对标样本集；其中，选择一条数据的方法是，从每个数据组中，按照锅炉效率降序排列的顺序，向下取整，分别选择第[0.1*m/2]条数据作为最优锅炉效率的对标样本，得到最优锅炉效率对标样本集{D1，D2
…
Dn}；以机组正常运行的实时数据中的实时主蒸汽流量作为检索参数，找到最优锅炉效率对标样本集中主蒸汽流量与实时主蒸汽流量偏差最小的样本Dk，计算Dk样本中的锅炉效率η
b
与实时锅炉效率η
g
的差值δ，当差值δ大于或等于预设值时，启动对标优化程序，完成数据分析；其中，1≤k≤n；Dk样本中主蒸汽流量与实时主蒸汽流量偏差最小；Dk样本中的特征参数包括：主蒸汽流量、主蒸汽压力、主蒸汽温度、主给水温度、再热蒸汽压力、再热蒸汽温度、环境温度、入炉煤质平均水分、锅炉总煤量、锅炉总风量、排烟氧量、排烟温度，Dk样本中的标签参数为锅炉效率。2.如权利要求1所述的电站锅炉效率对标优化的数据分析方法，其特征在于，所述BP神经网络模型包括：输入层、隐含层和输出层；其中，输入层的输入数据为主蒸汽流量、主蒸汽压力、主蒸汽温度、主给水温度、再热蒸汽压力、再热蒸汽温度、环境温度、入炉煤质平均水分、锅炉总煤量、锅炉总风量、排烟氧量和排烟温度；隐含层包括隐含一层、隐含二层、隐含三层、隐含四层、隐含五层和隐含六层；输出层的输出数据为锅炉效率。3.如权利要求2所述的电站锅炉效率对标优化的数据分析方法，其特征在于，包括：隐含一层包括60个神经元节点，隐含二层包括50个神经元节点，隐含三层包括40个神经元节点，隐含四层包括30个神经元节点，隐含五层包括20个神经元节点，隐含六层包括10个神经元节点。4.如权利要求3所述的电站锅炉效率对标优化的数据分析方法，其特征在于：启动对标优化程序包括：将Dk样本中的特征参数输入锅炉效率计算模型，得到锅炉效率的模型计算值η
c
；将机组正常运行的实时数据中的实时主蒸汽压力、实时主蒸汽温度、实时主给水温度、实时再热蒸汽压力、实时再热蒸汽温度、实时环境温度、实时入炉煤质平均水分、实时锅炉总煤量、实时锅炉总风量、实时排烟氧量、实时排烟温度，分别逐一地替换Dk样本中对应的参数，而后分别带入锅炉效率计算模型，得到锅炉效...

【专利技术属性】
技术研发人员：魏小庆，陈福兵，陈松，毛旭初，
申请(专利权)人：朗坤智慧科技股份有限公司，
类型：发明
国别省市：