基于燃煤電站運(yùn)行數(shù)據(jù)的煙氣脫硫系統(tǒng)性能預(yù)測(cè)研究

李存文，王在華，陳濤，馮前偉，徐克濤，張楊

（1．華電電力科學(xué)研究院有限公司，浙江省 杭州市310030；2．國(guó)網(wǎng)浙江省電力有限公司電力科學(xué)研究院，浙江省 杭州市310014；3．華電新疆發(fā)電有限公司，新疆維吾爾自治區(qū) 烏魯木齊市830063）

0 引言

為了進(jìn)一步響應(yīng)《煤電節(jié)能減排升級(jí)與改造行動(dòng)計(jì)劃(2014—2020年)》[1]的號(hào)召，燃煤電站仍在尋求管理和技術(shù)手段，以實(shí)現(xiàn)排放達(dá)標(biāo)的同時(shí)降低煙氣環(huán)保系統(tǒng)的運(yùn)行維護(hù)成本，即環(huán)保系統(tǒng)的精細(xì)化運(yùn)行控制顯得越發(fā)重要。而對(duì)煙氣環(huán)保系統(tǒng)性能的準(zhǔn)確認(rèn)識(shí)是其精細(xì)化控制的基礎(chǔ)。

獲取環(huán)保系統(tǒng)性能的途徑有性能試驗(yàn)、在線監(jiān)測(cè)等。性能試驗(yàn)依據(jù)于標(biāo)準(zhǔn)規(guī)范，指標(biāo)全面，但試驗(yàn)條件嚴(yán)苛，化驗(yàn)耗時(shí)長(zhǎng)；在線監(jiān)測(cè)主要由現(xiàn)場(chǎng)表計(jì)完成，指標(biāo)的實(shí)時(shí)性、延續(xù)性好，但存在一些參數(shù)(如漿液品質(zhì)等)無(wú)法監(jiān)測(cè)的情況。如何準(zhǔn)確、快速、高效地獲取環(huán)保系統(tǒng)實(shí)時(shí)性能，仍是科研技術(shù)人員需要研究的重要課題[2]。

數(shù)據(jù)挖掘技術(shù)融合人工智能、數(shù)據(jù)庫(kù)、高性能計(jì)算等多學(xué)科的成果，是將大量數(shù)據(jù)轉(zhuǎn)換為信息和知識(shí)的強(qiáng)大工具[3-5]。運(yùn)用數(shù)據(jù)挖掘技術(shù)，研究獲取環(huán)保系統(tǒng)性能的新方法，為環(huán)保系統(tǒng)精細(xì)化控制作技術(shù)支撐，實(shí)現(xiàn)生態(tài)環(huán)境治理能力現(xiàn)代化[6]。

1 環(huán)保系統(tǒng)數(shù)據(jù)挖掘算法

1.1 數(shù)據(jù)預(yù)處理

電站運(yùn)行參數(shù)來(lái)自運(yùn)行實(shí)際，其數(shù)據(jù)一致性和完整性往往無(wú)法達(dá)到數(shù)據(jù)挖掘的要求。因而，數(shù)據(jù)預(yù)處理必不可少，有必要進(jìn)一步研究并實(shí)現(xiàn)運(yùn)行數(shù)據(jù)預(yù)處理方法的標(biāo)準(zhǔn)化。此外，鑒于運(yùn)行數(shù)據(jù)在采集時(shí)已完成數(shù)量化，即自帶數(shù)值屬性，因此，數(shù)據(jù)預(yù)處理包括數(shù)據(jù)集成、數(shù)據(jù)清理和變換、統(tǒng)計(jì)分析及可視化，具體步驟如圖1所示。

數(shù)據(jù)集成將分散數(shù)據(jù)集成為數(shù)據(jù)集。

運(yùn)行數(shù)據(jù)不可避免地包含異常、缺省數(shù)據(jù)和噪聲，因而，為針對(duì)性地提高數(shù)據(jù)質(zhì)量，需進(jìn)行以下數(shù)據(jù)清理：一致性檢查并清理缺省值、空值和異常值；移動(dòng)平均濾波法光滑去噪；剔除違背工藝邏輯的工況數(shù)據(jù)。

為規(guī)避量綱對(duì)數(shù)據(jù)認(rèn)識(shí)的影響，同時(shí)為數(shù)據(jù)模型建模及迭代優(yōu)化考量，數(shù)據(jù)變換的主要內(nèi)容有：max-min 歸一化，穩(wěn)定梯度下降算法的求優(yōu)速度，以加快模型訓(xùn)練速度；對(duì)有類似開或關(guān)2種狀態(tài)的參數(shù)進(jìn)行二值化處理，壓縮模型變量數(shù)值域及量綱；引入新指標(biāo)，如電耗量、還原劑耗量等，豐富對(duì)象性能指標(biāo)。

統(tǒng)計(jì)分析及可視化包括兩部分：識(shí)別研究對(duì)象的物理邊界、數(shù)據(jù)特征及規(guī)模；將信息從數(shù)據(jù)中提煉為可解釋的知識(shí)，包括圖、表等。

1.2 環(huán)保系統(tǒng)關(guān)鍵因素分析

按所采集的測(cè)點(diǎn)參數(shù)計(jì)，數(shù)據(jù)集的維度通常非常大，這無(wú)疑加大了數(shù)據(jù)建模的工作負(fù)擔(dān)。因此，須對(duì)數(shù)據(jù)集進(jìn)行降維，同時(shí)提取環(huán)保系統(tǒng)性能指標(biāo)的關(guān)鍵因素集，而主成分分析方法在這方面十分有效[7-11]。

算法步驟如下：

1）以采樣時(shí)刻劃分?jǐn)?shù)據(jù)元組，構(gòu)成數(shù)據(jù)集O；

2）元組集O的標(biāo)準(zhǔn)化成矩陣S；

3）求矩陣S的相關(guān)系數(shù)矩陣R；

4）求取矩陣R的特征根λi及其特征向量ηi；

5）將標(biāo)準(zhǔn)化后的指標(biāo)變量轉(zhuǎn)換為主成分ξj；

6）分析各主成分權(quán)重系數(shù)，并締結(jié)結(jié)果集U；

7）設(shè)定遴選權(quán)重系數(shù)規(guī)則，將主成分劃入關(guān)鍵因素集。

1.3 環(huán)保系統(tǒng)性能數(shù)據(jù)模型

煙氣凈化處理包含復(fù)雜的物理、化學(xué)反應(yīng)，且傳熱與傳質(zhì)耦合，參數(shù)間關(guān)系復(fù)雜，使得機(jī)理模型雖然能保證邏輯趨勢(shì)的正確性，但分析的精細(xì)度面臨瓶頸，而數(shù)據(jù)模型因強(qiáng)擬合而具備高精度[12-13]。另外，環(huán)保系統(tǒng)內(nèi)部傳質(zhì)存在磨損、漿液中有害物質(zhì)聚集等因素，致使系統(tǒng)性能隨運(yùn)行時(shí)間而衰減，因而，定期地對(duì)數(shù)據(jù)模型進(jìn)行訓(xùn)練更新，適應(yīng)環(huán)保系統(tǒng)特性變化，既可保證模型的正確性，還可規(guī)避復(fù)雜的機(jī)理建模過(guò)程。

回歸分析是構(gòu)建復(fù)雜對(duì)象特性模型的高效方法[14-18]。以關(guān)鍵因素集作為數(shù)據(jù)模型的輸入，融合多項(xiàng)式、Lasso、Ridge和神經(jīng)網(wǎng)絡(luò)算法[19-21]，構(gòu)建環(huán)保系統(tǒng)數(shù)據(jù)模型，如圖2 所示。此外，為了均衡優(yōu)化速度，模型迭代優(yōu)化選用梯度下降算法進(jìn)行。

圖2 煙氣環(huán)保系統(tǒng)數(shù)據(jù)模型搭建方法Fig.2 Method of building data model of flue gas environmental protection system

數(shù)據(jù)模型的評(píng)價(jià)指標(biāo)較為豐富，結(jié)合實(shí)際并規(guī)避量綱及數(shù)值量級(jí)對(duì)模型精度的影響，綜合研究后選用均方根誤差γRMSE、決定系數(shù)γR2、平均絕對(duì)百分比誤差γMAPE這3 個(gè)指標(biāo)來(lái)評(píng)價(jià)數(shù)據(jù)模型的準(zhǔn)確性、有效性。

2 數(shù)據(jù)模型應(yīng)用案例分析

某燃煤電站660 MW機(jī)組煙氣脫硫系統(tǒng)采用石灰石-石膏濕法工藝，“1爐1塔”配置，噴淋空塔并設(shè)置5層噴淋層、1層托盤。借助于廠級(jí)實(shí)時(shí)監(jiān)控信息系統(tǒng)(supervisory information system, SIS)，采集到2018年4—6月為期50天、包括107個(gè)參數(shù)的運(yùn)行數(shù)據(jù)。依托Matlab平臺(tái)，將數(shù)據(jù)塊集成為數(shù)據(jù)矩陣，以采樣時(shí)刻為元組劃分原則，并去除重復(fù)數(shù)據(jù)，得到共計(jì)13983條數(shù)據(jù)元組。根據(jù)運(yùn)行參數(shù)在時(shí)域上連續(xù)的特點(diǎn)，采用前時(shí)刻值填充后時(shí)刻缺省值，并運(yùn)用移動(dòng)平均濾波的方法進(jìn)行去噪。

數(shù)據(jù)平滑濾波后，機(jī)組功率的瞬時(shí)波動(dòng)大大減弱、數(shù)據(jù)趨勢(shì)及均值不失真，也說(shuō)明數(shù)據(jù)去噪的必要性，如圖3所示。

圖3 數(shù)據(jù)平滑濾波前后結(jié)果Fig.3 Results before and after data smoothing filtering

剔除與物質(zhì)守恒及煙氣漏風(fēng)等客觀規(guī)律相違背的工況數(shù)據(jù)，主要有：1）煙氣出口氧含量小于入口氧含量的數(shù)據(jù)；2）煙道兩側(cè)煙氣氧含量絕對(duì)偏差超過(guò)3.0%的數(shù)據(jù)；3）折算后出口污染物濃度大于入口的數(shù)據(jù)；4）機(jī)組有功功率小于等于零的數(shù)據(jù)。數(shù)據(jù)清理后，得到數(shù)據(jù)質(zhì)量高的8616個(gè)元組數(shù)據(jù)，即8616×111數(shù)據(jù)矩陣，占原數(shù)據(jù)集約61.62%，表明所采集運(yùn)行數(shù)據(jù)的有效性高。

數(shù)據(jù)變換主要在建模中完成，而電耗和物耗指標(biāo)為數(shù)據(jù)模型提供先驗(yàn)知識(shí)與信息。

最后，統(tǒng)計(jì)環(huán)保系統(tǒng)參數(shù)的最值和眾數(shù)，得到該環(huán)保系統(tǒng)的物理邊界，見表1。

表1 運(yùn)行數(shù)據(jù)的統(tǒng)計(jì)分析Tab.1 Statistical analysis on operation data

脫硫效率是表征煙氣脫硫系統(tǒng)性能的關(guān)鍵指標(biāo)。借助于阿里云平臺(tái)，分析各參數(shù)對(duì)脫硫效率的影響，構(gòu)成關(guān)鍵因素集。結(jié)果表明，影響脫硫效率的關(guān)鍵影響因素有原煙氣SO2濃度、循環(huán)泵電流、漿液pH 值、原煙氣煙塵濃度、漿液密度、煙氣量、原煙氣溫度等，如圖4 所示。該結(jié)果與機(jī)理定性分析結(jié)論一致，表明主成分分析方法具有較好的適用性和有效性，為后續(xù)脫硫系統(tǒng)的運(yùn)行優(yōu)化及調(diào)整提供定量的參考。

圖4 關(guān)鍵因素集Fig.4 Key factor set

梳理關(guān)鍵因素集的結(jié)果，作為煙氣脫硫系統(tǒng)性能數(shù)據(jù)模型的輸入，采用多算法融合的回歸分析技術(shù)構(gòu)建環(huán)保系統(tǒng)性能數(shù)據(jù)模型，最終通過(guò)預(yù)測(cè)凈煙氣SO2濃度、凈煙氣溫度、脫硫電耗、石灰石耗量，以達(dá)到預(yù)測(cè)煙氣脫硫系統(tǒng)性能的目的，同時(shí)完成算法調(diào)優(yōu)和模型訓(xùn)練，如圖5所示。

圖5 煙氣脫硫系統(tǒng)性能預(yù)測(cè)數(shù)據(jù)模型Fig.5 Data model for performance prediction of flue gas desulphurization system

數(shù)據(jù)模型的建立成功表明了方法的可行性，而模型的準(zhǔn)確性通過(guò)3個(gè)指標(biāo)來(lái)評(píng)價(jià)界定，見表2。

表2 數(shù)據(jù)模型的主要評(píng)價(jià)指標(biāo)與效果Tab.2 Main evaluation index and effect of the data model

γRMSE分別為1.09 mg/m3、0.41℃、88.82 kW，與其眾數(shù)和最大值相比，數(shù)值和量級(jí)均在工程允許范圍內(nèi)；γR2均大于0.85，模型的效果較好，能高概率地保證模型趨勢(shì)的正確性；γMAPE均小于0.10，模型能高準(zhǔn)確度地模擬對(duì)象的輸入和輸出，間接表明算法和參數(shù)匹配較好。

為進(jìn)一步驗(yàn)證模型的有效性和準(zhǔn)確性，選取不同機(jī)組負(fù)荷下運(yùn)行數(shù)據(jù)，對(duì)模型進(jìn)行測(cè)試，結(jié)果見表3和表4。

表3 煙氣脫硫系統(tǒng)性能預(yù)測(cè)數(shù)據(jù)模型測(cè)試案例Tab.3 Test case of performance prediction data model for flue gas desulfurization system

表4 數(shù)據(jù)模型測(cè)試結(jié)果Tab.4 Testing results of data model

石灰石制漿系統(tǒng)具有時(shí)滯延后特性，即石灰石耗量的精確確定不完全依托運(yùn)行數(shù)據(jù)，因此石灰石耗量的準(zhǔn)確性對(duì)于模型效果評(píng)價(jià)的可靠性有待深入研究。剔除石灰石耗量后，各參數(shù)的相對(duì)偏差均小于6.50%，量級(jí)與模型的γMAPE相當(dāng)，且數(shù)據(jù)模型能準(zhǔn)確復(fù)現(xiàn)負(fù)荷變化下環(huán)保系統(tǒng)狀態(tài)變化規(guī)律和趨勢(shì)，具有較強(qiáng)的負(fù)荷適應(yīng)性，驗(yàn)證了性能預(yù)測(cè)數(shù)據(jù)模型的有效性和準(zhǔn)確性。

3 結(jié)論

突破傳統(tǒng)機(jī)理和試驗(yàn)研究的方式，以燃煤電站煙氣脫硫系統(tǒng)運(yùn)行數(shù)據(jù)作為切入點(diǎn)，運(yùn)用大數(shù)據(jù)技術(shù)挖掘出影響脫硫系統(tǒng)性能的關(guān)鍵因素集，合理梳理關(guān)鍵因素并將其作為數(shù)據(jù)模型的輸入，融合回歸分析技術(shù)的多種算法，構(gòu)建了煙氣脫硫系統(tǒng)性能預(yù)測(cè)數(shù)據(jù)模型。實(shí)例證明，訓(xùn)練后的模型能高精度地復(fù)現(xiàn)不同負(fù)荷工況的脫硫系統(tǒng)性能，還具有較好的靈活性和可拓展性，為后續(xù)燃煤電站環(huán)保裝備的狀態(tài)監(jiān)測(cè)、趨勢(shì)分析、運(yùn)行優(yōu)化提供堅(jiān)實(shí)的基礎(chǔ)。相比于機(jī)理研究和試驗(yàn)方法，該研究方法更為高效靈活、簡(jiǎn)潔明了，豐富了燃煤電站環(huán)保研究思路，且具有啟示意義。