[发明专利]基于数据挖掘确定煤电机组能效特征指标基准值的方法

说明书

本发明公开了一种基于数据挖掘确定煤电机组能效特征指标基准值的方法。获取机组运行历史数据；从机组运行历史数据中选取与供电煤耗密切相关的能效特征指标的历史数据；稳态检测，建立稳态数据库；对稳态数据进行异常数据处理；采用多步K‑means聚类算法进行工况划分；对划分后的不同工况下的稳态数据，利用K‑means聚类算法依据能效运行水平的相似性对其进行多参数同步聚类，选取供电煤耗最低的聚类中心作为能效特征指标的基准值，建立能效特征指标基准值样本库。本发明不依赖精细的试验建模和复杂计算，具有可施行性强、可靠性高的优点，对于指导机组运行更具实际意义。

技术领域

本发明涉及一种基于数据挖掘确定煤电机组能效特征指标基准值的方法，属于煤电机组运行优化技术领域。

背景技术

煤电机组的优化运行对于节能降耗有重要的意义，如何合理地选择能效特征指标并确定其基准值是机组优化运行的关键。

目前，常规的能效特征指标基准值计算方法主要有热力试验、耗差分析等。

热力试验是指通过优化调整试验，确定机组的能效特征指标基准值，并提出合理的能效特征指标运行曲线指导运行操作。热力试验得到的结果贴近机组当前的实际情况，具有可靠性强的优点。但是，热力试验多在新机组投产或在役机组燃烧设备、燃料种类、操作方式等有重大改变时进行，但随着机组运行越久，性能状况发生较大变化，热力试验的结果不再符合实际运行情况。

耗差分析是指通过热力计算建立能效特征指标与重要经济性指标间的数值模型，基于模型计算基准值，并实时监测运行参数的实时值与基准值间的偏差及其对重要经济性指标的定量影响。耗差分析方法具有理论基础强的优势，但由于需要对热力过程进行数值建模并通过寻优计算能效特征指标基准值，涉及大量复杂的热力计算等，所需计算时间长且模型的适用范围有时空上的局限性，且计算过程涉及大量理论值，在实际运行过程中难以达到。

此外，常规方法使用的数据规模小、类型单一。

因此，常规的方法存在数据精度和实时性低的缺点，无法实时指导机组连续变工况的运行。

发明内容

本发明的目的在于提供一种基于数据挖掘确定煤电机组能效特征指标基准值的方法，以解决现有技术中存在的常规方法存在数据精度和实时性低的缺点，无法实时指导机组连续变工况运行的问题。

为解决上述技术问题，本发明采用如下技术方案：

一种基于数据挖掘确定煤电机组能效特征指标基准值的方法，包括以下步骤：

获取机组运行历史数据；

从机组运行历史数据中选取与供电煤耗密切相关的能效特征指标的历史数据作为特征子集，所述能效特征指标包括：负荷、环境温度、供电煤耗、主蒸汽温度、主蒸汽压力、排烟温度、氧量、再热蒸汽温度、给水温度和背压；

对所述特征子集中的数据进行稳态检测，去除非稳态数据，得到稳态工况数据；

将负荷和环境温度作为外部边界条件，先以负荷和环境温度中的一个参数为变量对所述稳态工况数据进行K-means聚类，并将聚类结果作为下一次聚类的父样本集，再以负荷和环境温度中的另一个参数为变量对所述父样本集进行K-means聚类，以对所述稳态工况数据进行工况划分，得到不同工况下的稳态数据；

对所述不同工况下的稳态数据，利用K-means聚类算法依据能效运行水平的相似性对其进行分类，选取供电煤耗最低的聚类中心作为能效特征指标的基准值，建立能效特征指标基准值样本库。

进一步的，采用灰色关联度分析法从机组运行历史数据中选取与供电煤耗密切相关的能效特征指标。

进一步的，所述稳态检测采用均方差检测方法，包括：