火電機組控制性能實時監測研究

韓洛奇

摘 ? 要：火電機組的設計壽命一般在30年以上，隨著運行過程中設備的損耗和老化，機組控制系統的部分控制性能也會出現下降的情況，而控制系統的運行狀態對于確保機組安全穩定運行至關重要，因此，十分有必要對控制性能進行動態監測，及時消除因控制性能下降而導致的運行風險。本文總結了火電機組控制性能評價現狀，對比分析了火電機組控制性能評價中常用的評價方法，并重點討論了數據挖掘在火電機組控制性能評價的應用。研究結果對火電機組控制性能的實時監測具有一定指導意義。

關鍵詞：火電機組 ?控制性能 ?監測

中圖分類號：TM621 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻標識碼：A ? ? ? ? ? ? ? ? ? ? ? ?文章編號：1674-098X（2019）08（c）-0080-02

火電機組不僅系統錯綜復雜，而且運行環境以高溫高壓為主，隨著運行時間的積累，設備性能會出現損耗和下降的情況。對于火電機組的控制系統，同樣也存在性能下降的問題。當前火電機組自動化水平和集中控制程度日益提高，控制系統影響著火電機組的方方面面。輕則會導致運行成本上升，設備損耗加快，嚴重時會給火電機組的運行帶來了嚴重的安全隱患。因此，對火電機組控制系統的控制性能進行實時監測和評價是確保火電機組安全穩定運行的重要措施?？梢酝ㄟ^實時監測及時發現控制系統存在的問題并采取應對措施，以消除因控制性能下降而導致的損失。當前，關于火電機組控制方面的研究主要集中在控制方法、控制設備和控制對象的研究，而且都取得了豐碩的成果，但關于控制系統控制性能的在線監測和評價方面的研究較少，因此有必要加強對火電機組控制性能實時監測和評價的研究。

1 ?火電機組控制性能評價現狀

火電機組的運行涉及多個環節，需要眾多設備的協同運行。為了實現設備間的協同工作，需要配套復雜的控制系統。隨著控制技術研究和應用的深入，控制系統發展得日益完善和復雜，這使得對控制系統控制性能的評價變得十分復雜。目前，雖然已有部分學者開展了相關研究，但絕大多數都是采用最小方差的方式對控制性能進行評價，而在火電機組的實際應用過程中，該評價方法存在很多局限，評價結果并不能較好的反映出機組當前的控制性能。主要存在以下兩方面問題：

（1）該評價方法的評價基準是基于最小方差控制律推導的，評價過程和評價結果過于理想，而在電廠的實際運行和控制過程中，由于受到眾多因素的影響，控制過程難以達到理想的狀態。（2）只有在高斯噪聲擾動系統下最小方差評價方法才能得到較為理想的結果，而對于火電機組控制系統中的絕大多數控制回路，都不能夠滿足高斯噪聲擾動的條件，這使得最小方差評價方法不合適火電機組控制系統控制性能的在線監測和評價。另外，隨著火電機組運行集成度和智能化水平的提高，運行人員對評價結果的要求也在不斷提高。單獨就機組的某個控制回路給出的評價結果具有明顯的局限性，實際指導意義并不大，實際應用中更需要綜合多個控制回路給出綜合的性能評價結果。因此，目前已有部分學者在探索更為合理的控制性能評價方法，包括性能指標全表格評價法和數據挖掘評價法等，以更好的指導火電機組的運行。

2 ?火電機組控制性能評價方法對比分析

對于火電機組控制性能的實時監測和評價主要包括建模和在線評價。目前，在火電機組控制性能評價方面主要有最小方差評價法、性能指標全表格評價法和基于數據挖掘的性能評價方法，下面將對這三種方法進行對比分析。

2.1 最小方差評價法

最小方差評價法是火電機組控制性能評價中應用最早和最常見的方法。其核心思想是通過計算控制性能實際測量值與額定值之間的偏差。從整體上來看，偏差越小越好，對于單個環節，偏差程度差異越小越好。最小方差評價方法的優點是比較容易理解和計算。但在實際操作過程中，由于涉及到的控制環節眾多，需要依托大量的設計參數和運行參數。

2.2 性能指標全表格評價法

性能指標全表格評價法相對也容易理解，通過對火電機組控制系統的分析，提前歸納出性能評價的主要指標，然后根據運行情況和設計參數對各主要性能指標進行評分，最后根據主要指標的評分結果計算出綜合性能得分。該評價方法評價效果的好壞關鍵取決于主要指標的歸納情況和各指標的評分標準。

2.3 數據挖掘評價法

隨著數據挖掘算法的發展和廣泛應用，在火電機組的運行和控制性能評價方面，數據挖掘技術也得到了推廣。對于控制性能的評價，在火電機組的運行控制過程中會產生大量數據，數據挖掘技術可以通過對這些數據進行分類，找出各性能指標與綜合控制性能之間的關系，然后得到智能訓練模型，通過這些訓練模型來對火電機組的控制狀態進行評價。由于這一評價方法適用于復雜的控制系統，因此成為了火電機組控制性能實時監測的重要研究和應用方向。

3 ?數據挖掘在火電機組控制性能評價的應用

數據挖掘技術由于依托的是客觀的運行數據，得出的評價結果也相對客觀。數據挖掘技術的核心在于挖掘算法和挖掘過程的建模，目前較為常用的挖掘算法有神經網絡、支持向量機等。建模過程中通常需要大量數據，而對于火電機組恰好具備這一條件。由于同類型火電機組大同小異，火電機組智能化水平高，運行細節都有詳細的數據記錄，這就為數據挖掘提供了數據基礎。對于火電機組控制性能的評價，數據挖掘方法主要包括以下步驟：

（1）評價模型的建模。建模包括兩個環節，首先需要根據火電機組控制回路的特點歸納出關鍵性能指標和確定各指標的量化標準。其次，需要根據火電機組控制性能評價的需要選取合適的智能算法。（2）評價模型的訓練。建模后需要根據歷史運行數據對模型進行訓練，以確定評價模型的具體參數。為保障訓練效果，需要首先對歷史樣本數據進行分類。另外，需要確保樣本的數量，以保障訓練過程進行充分。最后，還需要對訓練模型進行驗證，如果驗證結果符合要求，則訓練結束，如果驗證結果不符合要求，則需要重新回到步驟（1）。（3）實時數據采集。為達到實時監測的效果，需要對相應性能指標進行測量和數據采集，然后實時導入訓練好的評價模型。（4）性能診斷。將實時采集的運行數據輸入評價模型，得出綜合評價結果和細節評價結果。如果某項指標超出合理的范圍則提出警告。（5）性能優化。對于火電機組的控制系統，控制性能下降主要原因：①設計過程中就存在的設備結構不合理問題;②控制參數調校得不夠穩定或者控制器缺乏長期穩定性;③控制回路的前饋缺乏或者補償不足;④設計過程中存在的控制結構不合理問題。性能優化措施主要是消除不合理的結構設計，重新調教存在問題的關鍵參數，更換因長期運行而缺乏穩定性的控制器，增加控制回路的前饋等。

4 ?結語

對于火電機組，控制系統就像神經系統?？刂葡到y起著絕對的支配作用，是火電機組眾多設備協同工作的調配中樞，因此，控制系統對于火電機組的安全穩定運行至關重要。本文圍繞當前火電機組控制性能實時監測問題展開了分析，對目前常用的控制性能評價方法進行了對比分析，并重點分析了數據挖掘技術在火電機組控制性能評價方面的應用。對于火電機組，運行過程中產生了大量的監測數據，數據挖掘技術正好可以充分結合這一特點，通過深入結合智能算法，從而更好的指導火電機組的優化運行。

參考文獻

[1] 宮廣正.超臨界火電機組運行靈活性提升控制策略研究及應用[J].中國電力，2017（8）：22-26.

[2] 陳明，姜宗星，孫若宇.火電機組運行遠程監視回放及分析系統的研究[J].儀器儀表用戶，2018（5）：96-99.

[3] 高海東，高林，樊皓亮，等.火電機組實用智能優化控制技術[J].熱力發電，2017（12）：1-5.