[发明专利]基于工况划分的火电厂运行多目标优化的确定方法

说明书

本发明是一种基于工况划分的火电厂运行多目标优化的确定方法。在机组海量运行数据的基础上，通过对数据库中的稳态运行数据进行工况划分的基础上，使用多目标优化算法挖掘最佳运行工况，最终用于指导机组运行。方法首先对机组历史运行数据进行预处理及稳态运行数据删选，采用改进的K‑means算法对机组外部条件进行工况划分，完成多目标优化算法的数据集准备。最后通过NSGA‑Ⅱ算法与理想点法的结合的多目标优化方法，得到每一特定工况下的最优值以及对应的运行参数，指导电厂在相似工况下的实际运行。

技术领域

本发明属于火电运行优化技术领域，是一种基于工况划分的火电厂运行多目标优化的确定方法，该方法适用于火电，风电等相关领域。

背景技术

为了给电厂经济运行、操作指导与节能改造等提供更好的理论指导，更准确地确定参数的运行优化目标值具有十分重要的意义，目前普遍是采用数据挖掘算法，从电厂海量的历史数据中挖掘出电站机组所能达到过的最优值。但在实际运行过程中，国内电站机组普遍存在负荷和工况变化大的问题，由于机组负荷、煤质情况以及运行人员的运行操作水平等各方面因素，使得机组并非经常运行在最佳工况下。不同的工况下，机组特性差异大，对应的最优运行参数也不同。事实表明，当提取的运行规则与实时运行的外部条件相同时，数据挖掘结果指导相似外部条件下的操作运行具有更加现实的指导意义。

另一方面，在电站运行优化过程中，其核心问题是确定机组运行参数最有目标值，运行优化的目标根据实际需求的不同而变化。如何在火电厂现有的设备与技术下获得高经济指标、低污染排放的目标值是一个有重要意义的现实问题。然而研究发现，机组的运行效率和降低污染物排放的最优解相互冲突，为协调两者的冲突关系，常采用多目标方法进行优化。

目前基于数据挖掘的大型火电机组运行参数多目标优化技术已经在许多方面取得一定进展，但依然存在以下几方面问题：

1.在电厂中，机组负荷的确定一般以50％、60％、70％、80％、90％、100％负荷作为运行工况参数。但在实际的操作运行中，受机组设备状态、环境条件约束等各方面影响，上述这些划分已不是常见的工况。因此需要以机组实际经常稳定的负荷作为参数，指导电厂运行。

2.K-means作为一种简单而有效的迭代聚类算法常被应用于工况划分。但K-means聚类算法存在一定的缺陷：在算法中需要人工指定聚类数k，不同的聚类数会产生不同的划分结果；在算法中需要根据初始聚类中心来确定一个初始划分，然后对初始划分进行优化。初始聚类中心的选取对聚类结果有较大的影响。

3.采用多目标优化算法进行电厂多目标优化时，得到的都是一组非劣解集，无法对电厂的实际运行进行准确的指导。

发明内容

为解决现有技术中存在的上述问题，本发明提供了一种基于工况划分的火电厂运行多目标优化的确定方法。本发明是在机组海量运行数据的基础上，通过对数据库中的稳态运行数据进行工况划分的基础上，使用多目标优化算法挖掘最佳运行工况。首先对机组历史运行数据进行预处理及稳态运行数据删选，采用改进的K-means算法进行工况划分，完成多目标优化算法的数据集准备。最后通过NSGA-Ⅱ算法与理想点法的结合的多目标优化方法，得到每一特定工况下的最优值以及对应的运行参数，指导电厂实际运行。

首先对本发明中出现的技术名词作以下说明：

稳态运行数据：是指发电厂生产过程中机组在特定工况下运行稳定性达到一定的限制条件时，由这些稳定的数据代表该机组在特定工况下的稳态运行数据。

运行工况：是指其由一组状态参数表示，包含环境因素、燃料特性和负荷等不可控参数及相应的机组运行参数。

Pareto最优解：给定一个可行点x*∈S，有有f(x*)＜f(x)，则x*称为多目标规划问题的绝对最优解。若不存在x∈S，使得f(x)＜f(x*)，则x*称为对目标规划问题的有效解，多目标规划问题的有效解也称为Pareto最优解。