關于火電機組入爐煤質在線辨識應用的研究

張守東

摘 要：鍋爐效率是確定鍋爐燃燒經濟性的重要指標。本文針對煤質的復雜性，設計了煤質在線辨識應用軟件，以實現鍋爐效率在線計算過程中煤質的在線取用。

關鍵詞：火電機組；煤質；在線辨識；應用

能源是人類生活、社會發展以及科技進步的必要基礎。然而，在當下，由于中國乃至世界的資源日漸緊張，能源價格不斷上漲，以致火電機組的燃料成本提高，使得電力行業面臨最為嚴峻的情況。我國煤炭儲量豐富，但對于天然氣、核能和其它清潔可再生能源的開發應用不足，在今后的相當長的一段的時間內，我國的能源結構很難發生大的改變，燃煤發電仍將是我國最主要的發電方式。因此，對火電機組入爐煤質在線辨識應用的研究將極具現實意義。

一、數據預處理

數據預處理指的是數據挖掘處理、加工、轉換、清洗、原始數據的離散和還原等一系列的整合，直到達到挖掘算法的知識獲取的最低要求。數據是從實際的運行過程中，各儀表測得或通過公式間接計算得到，由于儀表的誤差、儀表的失真以及一些數據的缺失等一系列因素的存在，導致這些所得數據達不到我們挖掘算法對實際歷史數據的要求。目前應用比較多的數據預處理方法大概有以下4種：數據清洗、數據集成、數據歸約以及數據交換。

（一）數據清理。數據清理主要是為了對缺失的值進行補充、光滑噪聲數據、識別出典型的失真數據，并將不一致的數據進行統一。對于噪聲數據和典型的失真數據來說，我們可以根據有關的數據性質知識，確定出明顯失真的數據，并可以通過限制取值范圍將這些失真數據進行剔除；對于一些噪聲數據，如果數據朝相反的趨勢發展，可以明顯看出數據有誤，就可以直接將其剔除；對于缺失數據，其處理方法主要有缺值刪除與均值填補。缺值刪除指的是將有參數缺失的數據進行整項刪除，這種方法適用于歷史數據量較大且數據源足夠的數據；而均值填補就是指將缺失數據左右兩側的數據取均值，并填補進去，這種方法主要適用于歷史數據量較少的情況。

（二）數據集成。數據集成主要是為了方便于數據挖掘方法對數據進行應用。由于數據庫內的數據不一定全部來自同一存儲裝置，它可能來自多個不同的數據存儲裝置，因此對不同存儲裝置里的數據進行整合集成在一個大型的數據庫中十分重要。由于數據集成會涉及到多個學科，因此數據集成的處理十分復雜。目前，在不同的領域已經擁有了許多的集成方法，例如，在重大自然災害集成項目中，使用各種地球科學數據和非地學數據集成，實現了很好的預測結果。

（三）數據轉化。數據轉化就是將數據從高維數據轉化為低維數據，非線性數據轉化為線性數據或者反之的過程。雖然這個方法會對原始數據產生一定程度的破壞，但結果的作用卻很大。除了經常會用到的標準的最大的方法標準化外，還可以采用主成分分析法對數據進行計算，從而轉換為矩陣模型，并可以建立一個通用的數據變換、降低數據維數的模型。

（四）數據歸約。數據歸約就是指在不降低挖掘算法效果的前提下，為了簡化步驟而對歷史數據進行簡化的過程。由于數據庫里的歷史數據龐大且復雜，如果直接進行挖掘的話就會花費很長的時間，這就需要對其進行數據歸約。在選擇參數時，應該使各參數之間的關聯性盡量小，以避免出現冗余重復的數據。對于與目標函數關聯性較小的數據應該盡量少選或不選。使用ProcLogistic的過程可以為每個變量實現由一個變量來達到壓縮數據的目的。通過收集高維數據，可以得出兩種降維方法有：第一，子集選擇方法。消除弱關聯維數相關的變量是獨立冗余，找到一個子集的變量來建立模型；第二，數據挖掘法。它主要包括連續屬性值的離散化，將數據匯總到一個更高的水平，這可以幫助學習有效地參與到這個過程中來減少輸入和輸出操作。

二、軟件程序設計思路

本文煤質在線辨識軟件煤質在線辨識流程如圖1所示。

其中，煤種變化識別模塊的作用是根據負荷給煤量的比值變動情況，判斷是否進行煤質識別。而煤質庫模型劃分主要是根據煤質中硫分及水分的檢測，并在煤質庫模型中進行大致范圍的確定，以最大限度的減少迭代次數。最后進行煤質辨識。這里可以通過發熱量以及正反平衡的校驗，在確定的煤質數據庫范圍中選擇煤種，并進行比對校驗。

三、結語

本計算軟件模型的計算精度可以滿足要求，符合機組實際運行規律。系統簡單便捷，易于使用操作，穩定性好，對于煤質在線檢測及火電機組節能優化具有重要指導作用。

參考文獻：

[1]李洋.火電機組入爐煤質在線辨識應用研究[D].華北電力大學，2015.

[2]夏季.火電機組配煤摻燒全過程優化技術研究與應用[D].華中科技大學，2013.

[3]陳偉.帶煤質校正的協調系統多模型預測控制及應用研究[D].東南大學，2015.endprint