基于數(shù)據(jù)分析的電站污染物排放優(yōu)化研究

宋然浩 牛成林

(華北電力大學,河北保定 071000)

基于數(shù)據(jù)分析的電站污染物排放優(yōu)化研究

宋然浩 牛成林

(華北電力大學,河北保定 071000)

環(huán)境污染和生態(tài)破壞日趨嚴重,作為提供全國主要發(fā)電量的火電廠,減少污染物的排放成為其中最重要的問題。并且信息技術(shù)迅猛發(fā)展,使用數(shù)據(jù)分析技術(shù)對電廠數(shù)據(jù)進行分析處理可以對電站污染物排放問題做出處理。本文針對電廠運行的實際需要,介紹了數(shù)據(jù)挖掘技術(shù),編制了可用于實時數(shù)據(jù)分析的分析程序。

火電廠 數(shù)據(jù)分析 數(shù)據(jù)挖掘 關(guān)聯(lián)規(guī)則

1 背景和意義

(1)當前國際社會所面臨的能源與環(huán)境之間的矛盾日益突出，電力作為現(xiàn)代社會最廣泛應用的能源方式，在推動社會發(fā)展與進步中占據(jù)核心地位。電力生產(chǎn)以燃煤火力發(fā)電為主。煤炭在火電機組的燃料中，是主要能源占90%以上。燃煤引起的煤煙型污染是我國環(huán)境污染的主要污染源，由此引起的損失非常可觀，己成為我國經(jīng)濟發(fā)展和電力行業(yè)發(fā)展的瓶頸。

(2)與此同時，數(shù)據(jù)時代已經(jīng)到來，當今世界正處在一個數(shù)據(jù)爆炸的時代。電力生產(chǎn)是大數(shù)據(jù)產(chǎn)生的主要源頭之一，這些數(shù)據(jù)的規(guī)模非常龐大，涌現(xiàn)速度也非常迅猛。所以針對電站污染排放的現(xiàn)狀，我們迫切的需要一種能夠智能、快速和自動化的方法來從數(shù)據(jù)庫中獲取有用的價值。它就是數(shù)據(jù)挖掘技術(shù)。

2 數(shù)據(jù)挖掘

(1)數(shù)據(jù)挖掘的定義：數(shù)據(jù)挖掘是一種新興的信息處理技術(shù)。簡單的說，數(shù)據(jù)挖掘就是從大量的、模糊的、隨機的實際應用數(shù)據(jù)中，提取出蘊含人們事先不清楚的、但又是潛在有用的信息的過程。

數(shù)據(jù)挖掘可以高度自動化的分析數(shù)據(jù)，只要是有價值的數(shù)據(jù)，都可以利用數(shù)據(jù)挖掘來挖掘有用的信息。并且數(shù)據(jù)挖掘技術(shù)是未來重要的新技術(shù)之一，在各個行業(yè)領(lǐng)域引起了廣泛的關(guān)注，是當今人們研究的熱點問題。

(2)數(shù)據(jù)挖掘的功能：估計與預測、關(guān)聯(lián)規(guī)則分析、聚類分析、分類、偏差分析。

(3)數(shù)據(jù)挖掘的過程：一般來說，數(shù)據(jù)挖掘的過程大致可以分為三個階段，即數(shù)據(jù)的準備和預處理、數(shù)據(jù)挖掘、結(jié)果的解釋和評估。所以數(shù)據(jù)挖掘也是一個閉環(huán)的循環(huán)過程。

3 關(guān)聯(lián)規(guī)則和算法

3.1 Apriori介紹

Apriori算法關(guān)聯(lián)算法中使用最廣泛的、最有影響的算法。其核心是基于頻繁項集的遞推算法。在這里，所有支持度大于最小支持度的項集稱為頻繁項集。

Apriori算法是使用頻繁項集的先驗知識進行逐層搜索的迭代方法，簡單的說是通過前一項集生成后一項集的過程。先通過數(shù)據(jù)庫，找出所有的頻繁1項集，然后利用1項集找到2項集，依次類推，直到再也不能找到任何頻繁k項集。再在所有的頻繁集中找出強規(guī)則。

3.2 Apriori算法的改進

圖1 程序運行過程

經(jīng)典Apriori算法屬于單維、單層的關(guān)聯(lián)規(guī)則。改進的Apriori算法則是二維、多層的關(guān)聯(lián)規(guī)則。例如：污染物濃度(L1，…，Ln)，溫度(T1，…，Tn)，其他影響因素，除塵器效率(E1，…，En)=＞除塵設(shè)備參數(shù)(P1，…，Pn)。在以每個特征影響因素為中心的小區(qū)間，選擇該規(guī)則中污染物排放最低，除塵效率最高的區(qū)間對應的運行參數(shù)區(qū)間作為該參數(shù)在這些影響因素下的運行最佳值區(qū)間，經(jīng)過對規(guī)則的篩選，可以得到用于確定該參數(shù)最佳值的規(guī)則： (L1，…，Ln )，(T1，…，Tn)，…，其他影響因素=＞某參數(shù)最佳值(P1，…，Pn)。

4 關(guān)聯(lián)規(guī)則的程序設(shè)計和應用

程序運行過程見圖1。

下面就是通過關(guān)聯(lián)軟件對電廠實驗的數(shù)據(jù)所進行的討論，分析了溫度、過量氧氣系數(shù)、氧氣流量、二氧化碳流量、氮氣流量對NO轉(zhuǎn)化率的影響。

其中的影響因素考慮有六項，分別是：溫度(℃)、過量氧氣系數(shù)、氧氣流量(L/min)、二氧化碳流量(L/min)、氮氣流量(L/min)、NO轉(zhuǎn)化率。

結(jié)果顯示隨著溫度增加NO的轉(zhuǎn)化率變化較小，可以忽略不計，但是這里考慮到溫度越高有利于煤粉的充分燃燒，所以我選擇較高的溫度作為優(yōu)化后的運行指標。

對比貧氧氣氛下和富氧氣氛下NO轉(zhuǎn)化率，可以發(fā)現(xiàn)在氧化性氣氛下，富氧燃燒氣氛中的NO轉(zhuǎn)化率均有顯著下降。這表明富氧氣氛對抑制煤粉燃燒過程中煤氮向NO的轉(zhuǎn)化具有較大優(yōu)勢。結(jié)果顯示在還原性氣氛下NO的轉(zhuǎn)化受過氧系數(shù)影響較小，而在氧化性氣氛下隨著過量氧氣系數(shù)增加揮發(fā)分氮迅速向NO轉(zhuǎn)化。

隨著氣氛中氧濃度的增加，NO的轉(zhuǎn)化率也隨之增加。這里是一些化學因素進行分析的結(jié)果，證明關(guān)聯(lián)的結(jié)果是正確的。我總結(jié)主要是氧氣濃度增加促進了揮發(fā)分氮、煤焦氮以及有機物中的氮的氧化生成NO綜上所述，氧濃度的升高對抑制煤氮向NO的轉(zhuǎn)化是不利的。

5 結(jié)語

本文從火電站運行控制出發(fā)，將一些關(guān)鍵的數(shù)據(jù)挖掘理論與應用同電站污染物排放優(yōu)化相結(jié)合，將數(shù)據(jù)挖掘技術(shù)引入電站運行過程中，基于電站生產(chǎn)運行的大量歷史數(shù)據(jù)，提出了基于數(shù)據(jù)分析的電站污染物運行優(yōu)化的新方法。

(1)對數(shù)據(jù)關(guān)聯(lián)的規(guī)則和算法進行了總結(jié)。主要研究了Apriori算法，并使用編程軟件實現(xiàn)了簡單的Apriori算法的應用。

(2)從火力發(fā)電廠運行控制端出發(fā)，對Apriori算法進行了一定的改進，得到了適用于電廠污染物分析優(yōu)化的程序。

[1]顧君忠.大數(shù)據(jù)與大數(shù)據(jù)分析[J].軟件產(chǎn)業(yè)與工程,2013(4):17-21.

[2]孫克勤,鐘秦.火電廠煙氣脫硝技術(shù)及工程應用[M].北京:化學工業(yè)出版社,2007.