一种基于深度神经网络的燃煤机组运行参数对供电煤耗影响值分析方法技术

本公开实施例公开了基于深度神经网络的燃煤机组运行参数对供电煤耗影响值分析方法及确定装置。本发明专利技术应用深度神经网络算法建立了燃煤机组锅炉、汽机、电气侧运行参数与供电煤耗的回归分析模型，通过在测试数据上对比供电煤耗的真实值与预测值验证了模型的有效性和准确性。然后采用求导链式法则推导出各运行参数对供电煤耗的偏导，并以此作为供电煤耗影响值，从而实现了可控运行参数对供电煤耗影响的量化分析。的量化分析。的量化分析。

【技术实现步骤摘要】
一种基于深度神经网络的燃煤机组运行参数对供电煤耗影响值分析方法


[0001]本公开涉及燃煤发电机组
，尤其涉及基于深度神经网络的燃煤机组运行参数对供电煤耗影响值分析方法及确定装置。

技术介绍

[0002]近年来，燃煤发电机组面对全球大气污染治理及气候变化、新电改下发电企业直接参与市场竞争、新能源并网消纳频繁调峰等问题，节能减排降耗责任和压力巨大。随着信息技术及大数据分析技术在发电厂的融合应用，以及发电厂运行监测水平智能管理水平的提高，建设数字化智慧型的智能电站已成为燃煤发电机组的发展方向。燃煤机组全面实施超低排放和节能改造，燃煤机组的节能降耗水平向更精细化发展。分析机组能耗敏感性，为燃煤机组节能降耗提供新方法、新技术显得尤为重要。
[0003]本专利技术基于电厂大数据平台，采用数据挖掘技术对机组历史运行数据进行分析，利用深度神经网络算法建立运行可控参数对煤耗影响值分析模型，分析机组供电煤耗的影响特性，确定不同负荷工况下各运行可控参数的煤耗影响系数，在机组实际节能降耗运行优化中应根据不同负荷工况下煤耗影响值的大小采取相应的调控措施。

技术实现思路

[0004]提供该公开内容部分以便以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。该公开内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
[0005]本公开实施例提供了一种基于深度神经网络的燃煤机组运行参数对供电煤耗影响值分析方法及确定装置，可以使得供电煤耗影响的量化。
[0006]第一方面，本公开实施例提供了一种基于深度神经网络的燃煤机组运行参数对供电煤耗影响值分析方法，所述方法包括：
[0007]基于大数据平台采用hive sql实现对机组历史运行数据的采集；
[0008]根据机组稳态运行准则对典型负荷下的历史运行数据进行判断，选择机组稳态工况下的运行数据；
[0009]综合考虑锅炉、汽机和电气等火力生产全流程以及煤质、环境温度和机组负荷等外部因素，借助深度神经网络算法建立供电煤耗回归分析模型；
[0010]基于建立好的供电煤耗回归分析模型，根据求导链式法则推导计算出供电煤耗对各运行参数的偏导数，并以此作为运行参数对供电煤耗的影响值。
[0011]结合第一方面的实施例，在一些实施例中，基于大数据平台采用hive sql实现对机组历史运行数据的采集，包括：
[0012]数据梳理，根据专家经营确定锅炉、汽机和电气运行数据范围，梳理所需数据清单；
[0013]数据读取：根据大数据平台要求，采用hive sql对燃煤机组原始运行数据进行每分钟均值采样；
[0014]数据清洗：按照供电煤耗分析对数据的要求，进行数据清洗，规避无效数据及重复数据。
[0015]结合第一方面的实施例，在一些实施例中，所述根据机组稳态运行准则对典型负荷下的历史运行数据进行判断，选择机组稳态工况下的运行数据；包括：
[0016]确定机组稳态检验规则，首先根据机组的额定负荷和根据实际运行工况，将200MW、250MW和300MW确定为典型负荷水平，结合机组的设计爬坡速率，认定在连续60分钟内负荷波动水平不超过(
‑
10MW， +10MW)则判定机组处于稳定负荷状态。
[0017]对运行数据进行稳态检验，根据以上规则以60分钟为滑动窗口，检验整个采样周期内的所有时刻机组的运行状态是否处于稳态，最终将检验后的稳态数据保存于中间数据库。
[0018]结合第一方面的实施例，在一些实施例中，建立供电煤耗回归分析模型，包括：
[0019]基于处理后的稳态数据，以专家经验筛选的对供电煤耗息息相关的参数作为输入，以供电煤耗为输出。
[0020]结合第一方面的实施例，在一些实施例中，所述基于建立好的供电煤耗回归分析模型，根据求导链式法则推导计算出供电煤耗对各运行参数的偏导数，并以此作为运行参数对供电煤耗的影响值，包括：
[0021]不失一般性，可假设某一时刻机组的煤耗率可由诸多运行参数的高维非线性方程描述为：
[0022]b
sn
＝f(x1,x2,x3,
…
，x
n
)
ꢀꢀ
(1)
[0023]由(1)式可知，当所有因素都发生变化，分别由x1,x2,..,x
n
变化为 x1’
,x2’
,..,x
n
’
，变化量分别是Δx1,Δx2,..,Δx
n
，则在状态空间中机组的状态点必然改变，供电煤耗率b
sn
也发生相应变化，由b
sn
变为b
sn
’
，则可以用Δb
sn
＝b
sn
‑
b
sn
’
表示所有运行参数变化共同造成的b
sn
变化量。利用多元函数的泰勒展开式为：
[0024][0025]对于各运行参数对供电煤耗影响程度的分析，需要定量刻画当某个运行参数x
i
发生变化后，引起供电煤耗b
sn
的变化量Δb
sn,xi
，表示为：
[0026][0027]假设对于任一的输入量x
i
，其变化值Δx
i
等于1。则因变量供电煤耗对各自变量(运行参数)的偏导数的大小即为燃煤机组运行参数对对供电煤耗的影响值，记为S
i
：
[0028][0029]Si为正，则Δb
sn
与Δx
i
的变化方向相同；反之，则Δb
sn
与Δx
i
的变化方向相反。
[0030]第二方面，本公开实施例提供了一种基于深度神经网络的燃煤机组运行参数对供电煤耗影响值确定装置，其特征在于，所述装置包括：
[0031]采集模块，所述采集模块用于基于大数据平台采用hive sql实现对机组历史运行
数据的采集；
[0032]运行模块，所述运行模块用于根据机组稳态运行准则对典型负荷下的历史运行数据进行判断，选择机组稳态工况下的运行数据；
[0033]分析模块，所述分析模块用于综合考虑锅炉、汽机和电气等火力生产全流程以及煤质、环境温度和机组负荷等外部因素，借助深度神经网络算法建立供电煤耗回归分析模型；
[0034]确定模块，所述确定模块用于基于建立好的供电煤耗回归分析模型，根据求导链式法则推导计算出供电煤耗对各运行参数的偏导数，并以此作为运行参数对供电煤耗的影响值。
[0035]结合第二方面的实施例，在一些实施例中，所述采集模块包括
[0036]数据读取：根据大数据平台要求，采用hive sql对燃煤机组原始运行数据进行每分钟均值采样；
[0037]数据清洗：按照供电煤耗分析对数据的要求，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度神经网络的燃煤机组运行参数对供电煤耗影响值分析方法，其特征在于，所述方法包括：基于大数据平台采用hive sql实现对机组历史运行数据的采集；根据机组稳态运行准则对典型负荷下的历史运行数据进行判断，选择机组稳态工况下的运行数据；综合考虑锅炉、汽机和电气等火力生产全流程以及煤质、环境温度和机组负荷等外部因素，借助深度神经网络算法建立供电煤耗回归分析模型；基于建立好的供电煤耗回归分析模型，根据求导链式法则推导计算出供电煤耗对各运行参数的偏导数，并以此作为运行参数对供电煤耗的影响值。2.根据权利要求1所述的方法，其特征在于，基于大数据平台采用hive sql实现对机组历史运行数据的采集，包括：数据梳理，根据专家经营确定锅炉、汽机和电气运行数据范围，梳理所需数据清单；数据读取：根据大数据平台要求，采用hive sql对燃煤机组原始运行数据进行每分钟均值采样；数据清洗：按照供电煤耗分析对数据的要求，进行数据清洗，规避无效数据及重复数据。3.根据权利要求1所述的方法，其特征在于，所述根据机组稳态运行准则对典型负荷下的历史运行数据进行判断，选择机组稳态工况下的运行数据；包括：确定机组稳态检验规则，首先根据机组的额定负荷和根据实际运行工况，将200MW、250MW和300MW确定为典型负荷水平，结合机组的设计爬坡速率，认定在连续60分钟内负荷波动水平不超过(
‑
10MW，+10MW)则判定机组处于稳定负荷状态。对运行数据进行稳态检验，根据以上规则以60分钟为滑动窗口，检验整个采样周期内的所有时刻机组的运行状态是否处于稳态，最终将检验后的稳态数据保存于中间数据库。4.根据权利要求1所述的方法，其特征在于，建立供电煤耗回归分析模型，包括：基于处理后的稳态数据，以专家经验筛选的对供电煤耗息息相关的参数作为输入，以供电煤耗为输出。5.根据权利要求1所述的方法，其特征在于，所述基于建立好的供电煤耗回归分析模型，根据求导链式法则推导计算出供电煤耗对各运行参数的偏导数，并以此作为运行参数对供电煤耗的影响值，包括：不失一般性，可假设某一时刻机组的煤耗率可由诸多运行参数的高维非线性方程描述为：b
Sn
＝f(x1，x2，x3，
…
，x
n
)
ꢀꢀꢀꢀ
(1)由(1)式可知，当所有因素都发生变化，分别由x1,x2,..,x
n
变化为x1’
,x2’
,..,x
n
’
，变化量分别是Δx1,Δx2,..,Δx
n
，则在状态空间中机组的状态点必然改变，供电煤耗率b
sn
也发生相应变化，由b
sn
变为b
sn
’
，则可以用Δb
sn
＝b
sn

【专利技术属性】
技术研发人员：赵俊杰，杨如意，王献文，张越，藏楠，
申请(专利权)人：国电内蒙古东胜热电有限公司，
类型：发明
国别省市：