大數(shù)據(jù)技術(shù)應(yīng)用于火電機組深度調(diào)峰的研究

陳鑫 劉利 徐威 陳嘯

摘 要：根據(jù)大數(shù)據(jù)技術(shù)的特點，針對火電機組深度調(diào)峰的重點問題，探討大數(shù)據(jù)技術(shù)應(yīng)用于火電機組深度調(diào)峰研究的具體方向和實現(xiàn)方案，提出針對機組爐側(cè)和機側(cè)的具體應(yīng)用策略，包括在爐側(cè)燃料智能摻配、燃燒數(shù)據(jù)分析、火焰燃燒穩(wěn)定性檢測問題上運用大數(shù)據(jù)技術(shù)的方案架構(gòu)和機側(cè)在汽輪機滑壓運行智能優(yōu)化、汽輪機安全智能診斷方向上的應(yīng)用步驟，并闡明如何基于大數(shù)據(jù)平臺完善這些應(yīng)用并利用大數(shù)據(jù)技術(shù)確保機組的安全性和經(jīng)濟性。

關(guān)鍵詞：大數(shù)據(jù)；深度調(diào)峰；機器學(xué)習(xí)；智能診斷；燃料管理

中圖分類號：TM621 文獻標(biāo)志碼：A 文章編號：2095-2945（2018）28-0150-02

Abstract： According to the characteristics of big data technology and the key problems of deep peak shaving for thermal power units， the concrete direction and realization scheme of applying big data technology to the research of deep peak shaving for thermal power units are discussed， and the specific application strategies for the boiler side and the machine side of the unit are put forward. Including the scheme structure of applying big data technology to the intelligent blending of fuel-side， the analysis of combustion data， the detection of flame combustion stability， and the application steps of the machine-side in the intelligent optimization of steam turbine sliding pressure operation and the intelligent diagnosis direction of steam turbine safety. It also explains how to perfect these applications based on big data platform and how to use big data technology to ensure the safety and economy of the unit.

Keywords： big data； deep peak shaving； machine learning； intelligent diagnosis； fuel management

數(shù)據(jù)挖掘、機器學(xué)習(xí)、工業(yè)物聯(lián)網(wǎng)不僅是當(dāng)下信息領(lǐng)域的研究熱點，也是工業(yè)數(shù)字化進程的核心構(gòu)架技術(shù)。隨著電力工業(yè)信息集成度日益提高，大數(shù)據(jù)、人工智能技術(shù)逐步進入電力系統(tǒng)及發(fā)電領(lǐng)域研究人員的視野。隨著測量原件和信息處理技術(shù)的快速發(fā)展，電廠DCS系統(tǒng)中所存儲的生產(chǎn)運行數(shù)據(jù)的數(shù)據(jù)量呈幾何級數(shù)增長，這些運行數(shù)據(jù)都具有大容量、多樣性和價值高等大數(shù)據(jù)的明顯特征，可以被認定為是大數(shù)據(jù)，對這些數(shù)據(jù)的挖掘和分析，有助于掌握機組乃至整個電力生產(chǎn)系統(tǒng)的內(nèi)在規(guī)律，充分提高設(shè)備的可靠性和經(jīng)濟性。

隨著可再生能源發(fā)電機組裝機容量的增加，火電機組調(diào)峰形勢愈發(fā)嚴峻。開展大型火電機組深度調(diào)峰能力研究迫在眉睫，需要尋找最優(yōu)方案保證機組在調(diào)峰期間的安全性和高效性。隨著工業(yè)數(shù)字化的發(fā)展，先進的計算機技術(shù)與工業(yè)生產(chǎn)實際結(jié)合日益緊密，使得大數(shù)據(jù)技術(shù)用于研究和指導(dǎo)火電機組深度調(diào)峰成為可能，下文將對其應(yīng)用路線進行探討。

1 大數(shù)據(jù)技術(shù)簡介

大數(shù)據(jù)是指數(shù)據(jù)規(guī)模大到在獲取、存儲、管理、分析方面大大超出了傳統(tǒng)數(shù)據(jù)庫軟件工具能力范圍的數(shù)據(jù)集合，電力企業(yè)的生產(chǎn)運行數(shù)據(jù)即具有此類特征。大數(shù)據(jù)技術(shù)實際是指對這些有意義的數(shù)據(jù)進行專業(yè)處理，從中得出多個變量潛在聯(lián)系和規(guī)律，從而指導(dǎo)生產(chǎn)活動，即通過“加工”實現(xiàn)數(shù)據(jù)的“增值”。對電網(wǎng)企業(yè)來說，使用大數(shù)據(jù)分析可以預(yù)測電網(wǎng)負荷波動、分析售電形勢、加快智能電網(wǎng)建設(shè)等，對于發(fā)電企業(yè)，大數(shù)據(jù)技術(shù)可以指導(dǎo)設(shè)備運行、優(yōu)化檢修計劃、降低停機風(fēng)險等，把大數(shù)據(jù)技術(shù)應(yīng)用到深度調(diào)峰研究中也將收益巨大。

2 鍋爐側(cè)應(yīng)用路線

影響鍋爐深度調(diào)峰的因素主要是燃料特性和鍋爐燃燒穩(wěn)定性。

2.1 燃料智能摻配

機組深度調(diào)峰時，最低負荷的決定性因素為燃料特性，如摻配摻燒煤種不合理，可能導(dǎo)致燃燒穩(wěn)定性下降，甚至鍋爐熄火、鍋爐結(jié)焦嚴重等情況，所以在深度調(diào)峰前，需預(yù)先設(shè)定可靠的燃燒煤種，以保證運行的安全性和經(jīng)濟性。燃燒煤種的選配可建立基于大數(shù)據(jù)平臺的“燃料智能摻配”系統(tǒng)，具體構(gòu)建框架見圖1。燃料入廠前經(jīng)過機械化自動采樣和全成分智能檢測，保證全面掌握煤質(zhì)特性，把相關(guān)數(shù)據(jù)導(dǎo)入燃料特性數(shù)據(jù)庫，根據(jù)機組負荷預(yù)測和設(shè)備運行狀態(tài)等信息使用數(shù)據(jù)挖掘手段和機器學(xué)習(xí)算法對煤種摻混方式和比例進行實時優(yōu)化，指導(dǎo)燃料入爐工作。對燃燒不同煤種時火焰燃燒狀況、輔機運行狀態(tài)、爐內(nèi)熱力參數(shù)進行記錄分析，同時反饋進入燃料特性數(shù)據(jù)庫，機組外界，同類型機組可以進行數(shù)據(jù)共享。

2.2 燃燒數(shù)據(jù)分析

機組在進行深度調(diào)峰時，鍋爐動力場包括一次風(fēng)、二次風(fēng)、燃料量均下降，燃燒溫度降低，脫硝、脫硫、電除塵等減排設(shè)備運行參數(shù)改變，常規(guī)工況下的運行規(guī)范已很難全面指導(dǎo)此狀態(tài)下的運行操作。各發(fā)電企業(yè)目前采取的措施主要是通過試驗或試運行摸索規(guī)律，在實踐中積累經(jīng)驗，但通過運行人員摸索出的規(guī)律具有很強的局限性和主觀性，很難精確把握客觀規(guī)律。如建設(shè)一套基于大數(shù)據(jù)平臺的“燃燒數(shù)據(jù)分析中心”，則可結(jié)合最新的計算機技術(shù)指導(dǎo)機組深度調(diào)峰的運行工作，具體構(gòu)建框架見圖2。鍋爐包括相關(guān)輔機的運行參數(shù)和性能指標(biāo)實時導(dǎo)入燃燒數(shù)據(jù)分析中心進行處理分析，運用機器學(xué)習(xí)算法并結(jié)合外界同類機組數(shù)據(jù)進行燃燒建模，根據(jù)模型給出最優(yōu)控制參數(shù)，指導(dǎo)深度調(diào)峰下的運行工作，同時記錄運行狀況反饋回燃燒數(shù)據(jù)中心。

2.3 基于神經(jīng)網(wǎng)絡(luò)的火焰燃燒穩(wěn)定性檢測

爐內(nèi)燃燒穩(wěn)定性是影響機組深度調(diào)峰能力的關(guān)鍵因素。基于神經(jīng)網(wǎng)絡(luò)的鍋爐內(nèi)火焰燃燒穩(wěn)定性檢測方法[1]可以有效提高鍋爐內(nèi)火焰燃燒穩(wěn)定性的檢測精度，為深度調(diào)峰狀態(tài)下爐內(nèi)燃燒的安全性提供先進的監(jiān)控手段。該方法利用神經(jīng)網(wǎng)絡(luò)算法，選取與火焰穩(wěn)定性直接相關(guān)的多個特征作為神經(jīng)網(wǎng)絡(luò)的輸入向量，通過對樣本的多次訓(xùn)練能夠去除雜質(zhì)燃燒引起的微小脈動的影響，克服傳統(tǒng)方法檢測準(zhǔn)確度不高的問題。

3 汽輪機側(cè)應(yīng)用路線

汽輪機及其熱力系統(tǒng)的運行經(jīng)濟性是影響機組調(diào)峰期間煤耗指標(biāo)的最主要因素，處于變工況運行的汽輪機，其通流部分的氣動特性與設(shè)計值發(fā)生較大偏離，設(shè)備的安全性和壽命損耗也需得到準(zhǔn)確的評估。

3.1 汽輪機滑壓運行智能優(yōu)化

為確保機組運行經(jīng)濟性，汽輪機的滑壓運行曲線需根據(jù)深度調(diào)峰狀況重新擬定，包括重新確認滑壓運行經(jīng)濟負荷起止點，滑壓運行壓力，確保汽輪機在調(diào)峰期間調(diào)門開度合理，進汽節(jié)流損失小，主蒸汽參數(shù)穩(wěn)定。目前主要采用試驗方法對汽輪機滑壓方式進行優(yōu)化，試驗過程繁雜。結(jié)合大數(shù)據(jù)平臺開發(fā)“汽輪機滑壓運行智能優(yōu)化”系統(tǒng)，根據(jù)負荷預(yù)測和機組運行狀況，對滑壓曲線進行預(yù)見性地修正，保證機組在常用工況點經(jīng)濟性最優(yōu)，同時滿足AGC等調(diào)控系統(tǒng)的要求。基于大數(shù)據(jù)平臺的滑壓運行調(diào)節(jié)系統(tǒng)還可以擬合并分析同類型機組的滑壓曲線。

3.2 汽輪機安全智能診斷

深度調(diào)峰給汽輪機帶來多種潛在的安全問題，如排汽溫度升高引起缸體變形和軸承位置變化，可能導(dǎo)致汽輪機軸系振動增大；低壓末級動葉易誘發(fā)顫振；滑壓運行加重材料低周疲勞，影響機組壽命。

對于這些安全問題的評估應(yīng)該在機組深度調(diào)峰前就展開，并且通過系統(tǒng)的研究，使得機組各方面的風(fēng)險能夠清晰呈現(xiàn)，并針對風(fēng)險制定相應(yīng)策略。建立基于大數(shù)據(jù)平臺的“汽輪機安全智能診斷中心”能夠很好的達到目的，該系統(tǒng)構(gòu)架如圖3所示，安全診斷中心內(nèi)運用先進的數(shù)值模擬方法對機組的典型工況進行通流計算，對通流部分的熱力特性、流動特征和熱應(yīng)力狀態(tài)全面掌握，運用流固耦合算法計算低壓缸末級葉片的水蝕和顫振狀況，經(jīng)過與實際運行狀況的對比來評估設(shè)備的安全性。該系統(tǒng)在機組深度調(diào)峰可行性研究時就可介入，貫穿機組的全壽命周期，其安全預(yù)警的準(zhǔn)確度隨著數(shù)據(jù)量的累積會不斷提升。

4 結(jié)束語

針對火電機組深度調(diào)峰的技術(shù)難點和大數(shù)據(jù)技術(shù)的應(yīng)用特點，探討大數(shù)據(jù)技術(shù)應(yīng)用于火電機組深度調(diào)峰研究的具體路線，提出針對鍋爐側(cè)和汽輪機側(cè)重點問題的具體應(yīng)用策略，包括鍋爐側(cè)在燃料智能摻配、燃燒數(shù)據(jù)分析、火焰燃燒穩(wěn)定性檢測問題上運用大數(shù)據(jù)技術(shù)的方案架構(gòu)，汽輪機側(cè)在汽輪機滑壓運行智能優(yōu)化、汽輪機安全智能診斷方向上的應(yīng)用步驟。工業(yè)數(shù)字化是大勢所趨，大數(shù)據(jù)技術(shù)與深度調(diào)峰研究相結(jié)合將會產(chǎn)生巨大收益。

參考文獻：

[1]劉樹明.基于神經(jīng)網(wǎng)絡(luò)的鍋爐內(nèi)火焰燃燒穩(wěn)定性研究[J].計算機仿真，2012，29（8）：187-195.

[2]孫海彥，高煒，劉潤華，等.1000MW超超臨界機組深度調(diào)峰研究與實踐[J].上海電力學(xué)院學(xué)報，2017，33（6）：559-562.

[3]趙峻屹，孟江麗.大機組深度調(diào)峰運行的可靠性與經(jīng)濟性研究方式的探討[J].山西電力，2005，127（4）：27-30.