基于K-means聚类算法的火电机组两个细则考核分析

摘要

在"碳中和"总目标约束下,火电机组的利用小时数越来越低,在推进电力市场化进程中,辅助服务考核对发电厂运行影响甚大,其中,对发电厂自动发电控制(AGC),自动电压控制(AVC)和一次调频的投入率、调节等指标的考核标准进行了严格的规定.AGC调节性能指标不仅影响电网对电厂细则考核费用,而且还影响调频辅助服务相关的指标和市场份额,对电厂的经济性影响很大,治理好AGC调节性能指标,将对电厂提高经济性有直接的影响.针对电网对火电机组的考核信息发布滞后,考核结果不透明,电厂对自身考核原因不明确,缺乏有效分析手段等问题,提出了通过SIS实时在线数据,计算AGC调节性能指标,实时监测AGC调节性能指标,通过Knime数据分析平台利用K-means聚类算法对考核结果进行数据分析,根据影响机组调节特性的特点,对基于影响考核细则调节特性的关键参数工况划分,找到历史上AGC调节性能指标差的运行工况区间,辅助电厂快速定位和分析问题原因.算例选取了江苏某电厂600 MW机组,对该机组1个月的AGC调节性能考核数据进行了分析.在AGC投运率方面,计算结果与电网实际结果相同;在AGC调节精度方面,月均值和每日平均调节精度的计算结果与电网考核结果其误差在可控范畴之内,趋势相同;在实测中可以主要按照工况连续运行数据确定主要聚类参数,并根据省级调度模式,自动计算并储存每条AGC调节精度数据,并清洗和筛选有效数据提供聚类和分析;对聚类后考核结果分析,可得到机组考核快速定位和分析AGC调节性能相关影响因素和产生问题的原因.该方法能够有效挖掘出影响机组AGC调节性能的运行工况区域,帮助电厂调整运行和控制策略,减少电网考核补偿,提高电力市场竞争力.