燃气‑蒸汽联合循环发电机组运行工况优化值的确定方法

摘要

本发明涉及一种燃气‑蒸汽联合循环发电机组运行工况优化值的确定方法，包括以下步骤：S1，搭建燃气‑蒸汽联合循环发电机组在线监测与经济运行系统，采集机组的测点参数；S2，利用聚类算法对所述机组的运行工况进行分类后筛选得到N个稳定运行工况类，并将能反映所述机组的运行工况的所述测点参数分散到不同的所述稳定运行工况类；S3，针对每个所述稳定运行工况类，对所述测点参数进行优化值的数据挖掘，得到每个所述稳定运行工况类的优化值，计算所述优化值的置信度，根据所述置信度确定每个所述稳定运行工况类的最终优选值。与现有技术相比，本发明具有利于提高机组经济运行水平等优点。

说明书

技术领域

本发明涉及联合循环发电技术，尤其涉及一种燃气-蒸汽联合循环发电机组运行工况优化值的确定方法。

背景技术

我国进行电力体制改革之后，实行“厂网分开,竞价上网”的政策，各发电公司必须致力于提高机组运行的经济性，有效地降低发电成本,提高经济效益，增强企业在电力市场中的竞争力，所以提高机组运行的经济性,节约发电成本是非常重要的。改善发电效率的最好办法就是技术革新，提高发电设备的性能，但是技术的升级需要花费很大的财力和物力，是一个漫长而复杂的过程。那么在现有发电设备的基础上，要提高机组运行的经济性，就要想办法改善机组运行管理水平，优化机组的运行方式，减少电力生产过程中的能量损失，从而降低单位发电量的煤耗量，提高发电机组的经济运行水平，这是一个可行的、短期就能见成效的方法。

燃气-蒸汽联合循环发电机组由于具有节约能源、改善环境等综合效应，受到各国政府高度重视并给予政策支持和法规保护。近年来随着能源结构的逐渐合理化和环保要求的逐步提高，将高炉煤气作为燃料引入燃气发电从而合理利用能源为国内外有识之士所注目，并逐步形成市场。目前在国内外采用高炉煤气作为燃料，而且燃用单一高炉煤气的燃气机组不多。另外高炉煤气具有热值低、含尘量大的特点，其机组结构与常规燃机也有一定的区别。

为了提高机组运行的经济性，可以利用数据挖掘的方法得到机组运行工况的最优值，从而指导机组的运行生产。但是，传统的数据挖掘方法主要以火电机组为研究对象，对数据进行简单的分类、统计等，并不能真正发现数据背后蕴含的规律。目前，现有技术中公开了一种燃气-蒸汽联合循环发电机组多目标多约束优化调度的方法，包括以下步骤：1、建立某时段的机组多目标负荷分配优化问题数学模型；2、设计所述时段多约束机组负荷优化目标函数；3、基于蚁群算法设计多目标、多约束某时段的机组负荷优化调度方案。虽然该方法能够在确保机组安全、环保运行的前提下，实时合理分配全厂各机组间负荷，但不能挖掘并确定机组的运行工况优化值，从而不能提高此类机组的经济运行水平。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种燃气-蒸汽联合循环发电机组运行工况优化值的确定方法。

本发明的目的可以通过以下技术方案来实现：

一种燃气-蒸汽联合循环发电机组运行工况优化值的确定方法，包括以下步骤：

S1，搭建燃气-蒸汽联合循环发电机组在线监测与经济运行系统，采集机组的测点参数；

S2，利用聚类算法对所述机组的运行工况进行分类后筛选得到N个稳定运行工况类，并将反映所述机组的运行工况的所述测点参数分散到不同的所述稳定运行工况类；

S3，针对每个所述稳定运行工况类，对所述测点参数进行优化值的数据挖掘，得到每个所述稳定运行工况类的优化值，计算所述优化值的置信度，根据所述置信度与置信度设定指标的比较结果确定每个所述稳定运行工况类的最终优选值。

作为优选，所述步骤S1中，所述测点参数包括实时发电机端出力、高炉煤气的体积流量、空气压缩机进口温度、燃气透平出口烟气温度和锅炉出口烟气的含氧量。

作为优选，所述步骤S2中，所述聚类算法是K-均值聚类算法。

作为优选，所述步骤S3还包括构建数据挖掘指标和进行聚类目标；

所述数据挖掘指标的公式如下：

MG＝w₁*G₁+w₂*G₂

式中，MG为机组的数据挖掘指标，G₁为机组的经济指标，w₁为经济指标在机组数据挖掘指标中的权重；G₂为机组的环境指标，w₂为环境指标在机组数据挖掘指标中的权重；

所述聚类目标是指在得到所述数据挖掘指标后，确定不同所述稳定运行工况类的所述数据挖掘指标的阈值，选取大于所述阈值的所述测点参数。

作为优选，所述步骤S3中，所述数据挖掘利用的方法是Apriori方法。

作为优选，所述步骤S4中，所述置信度公式如下：

式中，且A∩B＝Φ，I表示进行所述数据挖掘的所有项集；

所述置信度的定义为c＝P(B|A)，该式表示，在A发生的事件中同时发生B的概率。

作为优选，所述置信度设定指标为100％。

与现有技术相比，本发明具有以下优点。

1、实现对燃气-蒸汽联合循环发电机组运行工况最优值的挖掘，能将挖掘结果用于机组生产的指导，从而提高此类机组的经济运行水平；以置信度作为数据挖掘结果的评判指标，得到的最终优选值更能提高此类机组的经济运行水平。

2、通过对多种测点参数的测量，使数据更加具体化和合理化。

3、采用K-均值聚类算法，使运行工况的分类更加合理。

4、构建数据挖掘指标和进行聚类目标可以提高参与数据挖掘数据的样本数量和有效性，从而提高数据挖掘质量，使数据挖掘的结果更加具有实际意义。

5、使用Apriori方法使数据挖掘更加合理。

附图说明

图1为本发明燃机机组运行工况优化值的确定流程图。

具体实施方式

下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。

实施例1：

本实施例提供一种燃气-蒸汽联合循环发电机组运行工况优化值的确定方法，分为3个步骤：

S1，收集机组运行的测点参数，如实时发电机端出力(机组负荷)、高炉煤气的体积流量、空气压缩机进口温度、空气压缩机出口温度、燃气透平出口烟气温度和锅炉出口烟气的含氧量。这里采集了某机组从2015年9月1日至2015年10月30日的49558组运行数据。部分测点参数数据如表1所示。

表1 机组运行的测点参数数据分类

S2，根据选择的机组运行状态约束条件，利用k-means算法对机组的运行工况进行分类，得到该机组的8个稳定运行工况类。然后在以上采集的数据中，选取反映机组运行状态的测点参数，如实时发电机端出力(机组负荷)和高炉煤气(例如低热值煤气)体积流量等，再利用k-means算法将选取的49558组数据分散到不同的稳定运行工况类。每个稳定运行工况类的中心值如表2所示。

表2 稳定运行工况类的中心值

在得到机组的稳定运行工况类后，选择工况1，进行该工况下优化值的分析。根据该机组的实际情况，数据挖掘的目标选择为燃气轮机的效率。通过对工况1的数据调查，根据机组工作人员的经验只有当燃气轮机的效率大于36.70％时，相关数据才有可能反映机组较好的运行状态。所以这里选择数据挖掘指标MG＝36.70％；进行聚类目标，对于工况1中小于该数据挖掘指标的各组数据予以剔除，将工况1中的数据量从原始数据的10016组减少为1532组数据。在进行数据挖掘前，根据实时发电机端出力(机组负荷)对待挖掘数据的类别进行均分。工况1中的机组数据分类如表3所示。

表3 工况1中的机组运行数据分类

S3，在对工况1的数据进行分类后，利用Apriori算法对该工况下的数据进行数据挖掘，从而得到数据挖掘的结果，即机组运行工况下的优化值。工况1的数据挖掘结果如表4所示。

表4 基于Apriori算法的机组运行工况挖掘结果

对表4的挖掘结果进行分析。首先从机组负荷区间可以看出，机组运行在99-103MW区间时机组的经济指标，即燃气轮机效率最高，这与机组的实际运行状况相符合。并且机组负荷离此区间越远时，机组的经济指标在降低。同时通过置信度指标也可以验证此次数据挖掘结果的合理性。

根据对工况1的数据挖掘结果，可以发现表4中序号为4和5的两种情况下，既满足经济指标，同时置信度为100％，达到了设定的置信度指标100％，因此认为该挖掘结果为机组具有的最佳运行状态。为了得到工况1的最终优化值，计算这两种模式下区间内的参数中位数值作为最终优化值，结果如表5所示。

表5 数据挖掘模式下区间内的参数中位数分析

得到燃气-蒸汽联合循环发电机组运行工况优化值后，机组工作人员根据该优化值调节机组运行。

同理可得其他工况的最终优化值。