智能电厂实施过程中的大数据应用研究——以火力发电厂为例-第2页-北极星火力发电网

投稿

我要投稿

2.2 汽轮机调节汽门流量特性曲线优化

汽轮机调节汽门作为DEH系统的主要执行机构，其流量特性偏差过大会导致节流损失加大、一次调频的响应负荷不足或者过大、AGC响应变慢、阀门切换负荷波动等，最终影响机组的安全稳定运行[7]。汽轮发电机组在长时间运行过程中阀门的实际流量曲线难免有所变化，因此很有必要经常对机组的阀门流量曲线进行试验校正，以使机组各项指标趋于最优[8]。

以某600MW汽轮发电机组为例，分别对该机组单阀运行方式和顺序阀方式下的阀门流量特性曲线进行优化，具体操作过程如下。

1)数据源的选取。选取与阀门流量特性曲线优化相关的参数共43200(采样周期60s)组，具体参数为汽轮机综合阀位指令、各阀门指令、各阀门开度、机组主蒸汽压力、主蒸汽温度、机组负荷、调节级压力、给水流量、减温水流量。

2)神经网络数据处理。结合所选取的历史运行数据，采用模糊神经网络对历史数据进行建模，得出阀门开度同主蒸汽流量的神经网络模型，为下一步阀门流量特性曲线优化做好准备;为了验证所建模型的正确性，选取样本数据之外的22组数据，将采用弗留格尔公式法计算得到的流量数值与神经网络模型计算得到的数值进行比较[9]，验证效果如图3所示。

3)基于模糊神经网络，并结合实际运行数据对单阀方式下的流量曲线进行拟合，其结果如图4(a)所示。由图4(a)可知，校正前后的单阀曲线有较大差异：校正后同一综合流量指令下的开度增大0%～6%左右，可以有效提高负荷响应值和响应速度。

该机组设计为顺序阀方式下高压调节阀1、3、4同时开启，全开后高压调节阀2才开启。重叠度的设置一般以前一个阀门开至阀后压力与主汽压力比值为0.85～0.90时后一个阀开始开启为合适，以此数据对各阀门之间的重叠度进行修正完善[10]。

由于本机组阀后并没有安装压力测点，所以采用试验数据观察法来近似，利用作图法来计算重叠度。依据历史运行数据以及模糊神经网络模型计算得出顺序阀方式下的实际流量曲线，利用作图法得到顺序阀方式下的阀门流量曲线,如图4(b)所示。

由图4(b)可以看出，校正前后的顺序阀曲线有较大差异：校正后高压调节阀1、3、4在同一综合流量指令下的开度变化0%～5%左右，拐点前后特性比原来光滑，拐点前附近的流量曲线提高了负荷响应值和响应速度;修改前后高压调节阀2的阀门重叠度由原来的7%调整为4%，适合新的流量曲线，机组运行稳定性有所提高。

图3 模糊神经网络模型仿真验证曲线

图4

2.3 基于大数据理论下的控制系统性能评估

在电厂工艺过程控制中，几乎85%以上的控制系统均采用PID控制器，但是在控制系统工作过程中，一般电厂热控专业人员并不能快速判断某控制系统的控制水平是否最优，如果不是最优，就还有多大提升潜力等信息[11]。目前关于电厂热工控制方面的研究主要集中在先进控制算法设计上，对已有的控制系统的性能评价方面的研究相对较少。

本文简要介绍基于大数据的控制系统性能评价方法，希望对智能电厂实施过程中的大数据应用起到抛砖引玉的作用。

图5所示为基于运行数据的控制系统性能评估步骤流程图。首先对控制系统本身进行分析研究，对控制器输出数据进行采集和预处理;其次确定控制系统评估的准则，该准则的确定需要依据系统本身特性来确定适合的评估准则;在评估准则确定之后，使用选取的评估基准对待评估的控制系统进行性能评估，通过评估得到待评估的控制系统的性能，分析控制性能是否满足运行要求，也即是否需要进行控制系统维护;最后在性能评估的基础之上，对控制系统性能较差的原因进行分析，为进一步的控制系统性能维护提供依据和指导[12]。

图5 控制系统性能评估步骤流程图

以上控制系统性能评估步骤中，最重要的是基准模型的建立和评估准则的选取。基于闭环回路运行数据的控制系统建模一直是热工控制领域专家学者研究的重要方向之一，可采用的方法较多，且效果良好：既有经典控制理论的建模方法，也有基于现代控制理论的建模方法，同时还有以神经网络、支持向量机、模糊理论等基于各种先进计算理论的建模方法。

然而，合理的控制系统性能评估准则的选取则相对较难。目前仅有的少量的报道，而且应用最为广泛的仍然是基于最小方差准则或者改进最小方差准则的控制系统性能评估准则。所以，如何选取合适的性能评估准则仍将是大数据应用过程中控制系统性能评估今后研究的重点之一。

3 结论

智能电厂是一个系统工程，在实施过程中的方方面面都需要电力工作者付出十分的努力，同时该项工程每一部分新的进展都是对我国电力工业发展进步的极大推动。本文抛开智能电厂实施过程中大数据在企业管理、生产管理和设备管理层面的应用，重点介绍了大数据在控制系统层面的报警系统优化、控制系统运行曲线优化、控制系统性能评估三个方面的应用，同时结合部分实例进行了分析论述，指出了以上几个方面实施过程中存在的问题和今后的研究重点。

随着技术水平的不断发展和工程应用的不断实施，火电厂大数据的应用范畴必然会越来越广，希望本文的论述能够起到抛砖引玉的作用，引导广大电力工作者重视智能电厂建设过程中的每一个细节和突破口，为智能电厂这个系统工程的发展、完善做出贡献。

投稿与新闻线索：陈女士微信/手机：13693626116 邮箱：chenchen#bjxmail.com（请将#改成@）

订阅北极星周刊，精彩内容不再错过！

特别声明：北极星转载其他网站内容，出于传递更多信息而非盈利之目的，同时并不代表赞成其观点或证实其描述，内容仅供参考。版权归原作者所有，若有侵权，请联系我们删除。

凡来源注明北极星*网的内容为北极星原创，转载需获授权。

阅读下一篇

5月工业企业利润数据点评：火电业利润增速小幅下降但整体仍保持高位

火电厂查看更多>智慧电厂查看更多>火力发电厂查看更多>

姓名：
性别：
出生日期：
邮箱：
所在地区：
行业类别：
工作经验：
学历：
公司名称：
任职岗位：

智能电厂实施过程中的大数据应用研究——以火力发电厂为例

5月工业企业利润数据点评：火电业利润增速小幅下降 但整体仍保持高位

登录注册

绑定账号

想要获取更精准资讯推荐？建议您完善以下信息~

订阅成功

5月工业企业利润数据点评：火电业利润增速小幅下降但整体仍保持高位

想要获取更精准资讯推荐？建议您
完善以下信息~