大數(shù)據(jù)技術應用于火電機組深度調峰

中電華創(chuàng)電力技術研究有限公司陳鑫 王乃斌 劉利 徐威

摘要：根據(jù)大數(shù)據(jù)技術的特點，針對火電機組深度調峰的重點問題，探討大數(shù)據(jù)技術應用于火電機組深度調峰研究的具體方向和實現(xiàn)方案，提出針對機組爐側和機側的具體應用策略，并闡明如何基于大數(shù)據(jù)平臺完善這些應用并利用大數(shù)據(jù)技術確保機組的安全性和經(jīng)濟性。

關鍵詞：大數(shù)據(jù);深度調峰;機器學習;智能診斷;燃料管理

隨著測量原件和信息處理技術的快速發(fā)電廠DCS系統(tǒng)中所存儲的生產(chǎn)運叟據(jù)的數(shù)據(jù)量呈幾何級數(shù)增長，這價值高等大數(shù)據(jù)的明顯特征，可以被認定為是大數(shù)據(jù)，對這些數(shù)據(jù)的挖掘和分析，有助于掌握機組乃至整個電力生產(chǎn)系統(tǒng)的內在規(guī)律，充分提高設備的可靠性和經(jīng)濟性。

隨著工業(yè)數(shù)字化的發(fā)展，先進的計算機技術與工業(yè)生產(chǎn)實際結合日益緊密，使得大數(shù)據(jù)技術用于研究和指導火電機組深度調峰成為可能，下文將對其應用路線進行探討。

1大數(shù)據(jù)技術簡介

大數(shù)據(jù)是指數(shù)據(jù)規(guī)模大到在獲取、存儲、管理、分析方面大大超出了傳統(tǒng)數(shù)據(jù)庫軟件工具能力范圍的數(shù)據(jù)集合，電力企業(yè)的生產(chǎn)運行數(shù)據(jù)即具有此類特征。大數(shù)據(jù)技術實際是指對這些有意義的數(shù)據(jù)進行專業(yè)處理，從中得由多個變量潛在聯(lián)系和規(guī)律，從而指導生產(chǎn)活動，即通過“加工”實現(xiàn)數(shù)據(jù)的“增值”。

企業(yè)組織利用相關數(shù)據(jù)和分析可以幫助降低成本、提高效率、開發(fā)新產(chǎn)品、做出更明智的業(yè)務決策。對電網(wǎng)企業(yè)來說，使用大數(shù)據(jù)分析可以預測電網(wǎng)負荷波動、分析售電形勢、加快智能電網(wǎng)建設等;對于發(fā)電企業(yè)，大數(shù)據(jù)技術可以指導設備運行、優(yōu)化檢修計劃、降低停機風險等，把大數(shù)據(jù)技術應用到深度調峰研究中也將收益巨大。

2鍋爐側應用路線

影響鍋爐深度調峰的因素主要是燃料特性和鍋爐燃燒穩(wěn)定性。

2.1燃料智能摻配

機組深度調峰時，最低負荷的決定性因素為燃料特性，如摻配摻燒煤種不合理，可能導致燃燒穩(wěn)定性下降，甚至鍋爐熄火、制粉系統(tǒng)故障、鍋爐結焦嚴重等情況。所以在深度調峰前，需預先設定可靠的燃燒煤種，以保證運行的安全性和經(jīng)濟性。

燃燒煤種的選配可建立基于大數(shù)據(jù)平臺的“燃料智能摻配”系統(tǒng)，具體構建框架見圖1。燃料入廠前經(jīng)過機械化自動采樣和全成分智能檢測，保證全面掌握煤質特性，把相關數(shù)據(jù)導入燃料特性數(shù)據(jù)庫，根據(jù)機組負荷預測和設備運行狀態(tài)等信息使用數(shù)據(jù)挖掘手段和機器學習算法對煤種摻混方式和比例進行實時優(yōu)化，指導燃料入爐工作。對燃燒不同煤種時火焰燃燒狀況、輔機運行狀態(tài)、爐內熱力參數(shù)進行記錄分析，同時反饋進入燃料特性數(shù)據(jù)庫，機組外界，包括同一集團或不同集團的同類型機組可以進行數(shù)據(jù)共享。

2.2燃燒數(shù)據(jù)分析

機組在進行深度調峰時，鍋爐動力場包括一次風、二次風、燃料量均下降，燃燒溫度降低，脫硝、脫硫、電除塵等減排設備運行參數(shù)改變，常規(guī)工況下的運行規(guī)范已很難全面指導此狀態(tài)下的運行操作。

各發(fā)電企業(yè)目前采取的措施主要是通過試驗或試運行摸索規(guī)律，在實踐中積累經(jīng)驗，但通過運行人員摸索出的規(guī)律具有很強的局限性和主觀性，很難精確把握客觀規(guī)律，最大程度地保證機組運行安全經(jīng)濟，同時單一發(fā)電企業(yè)的摸索和積累過程緩慢，消耗成本巨大。

如建設一套基于大數(shù)據(jù)平臺的“燃燒數(shù)據(jù)分析中心”，則可結合最新的計算機技術指導機組深度調峰的運行工作，具體構建框架見圖2。鍋爐包括相關輔機的運行參數(shù)和性能指標實時導入燃燒數(shù)據(jù)分析中心進行處理分析，運用機器學習算法并結合外界同類機組數(shù)據(jù)進行燃燒建模，根據(jù)模型給出最優(yōu)控制參數(shù)，指導深度調峰下的運行工作，同時詔錄運行狀況反饋回燃燒數(shù)據(jù)中心。

2.3基于神經(jīng)網(wǎng)絡的火焰燃燒穩(wěn)定性檢測

爐內燃燒穩(wěn)定性是影響機組深度調峰能力的關鍵因素?；谏窠?jīng)網(wǎng)絡的鍋爐內火焰燃燒穩(wěn)定性檢測方法，可以有效提高鍋爐內火焰燃燒穩(wěn)定性的檢測精度，為深度調峰狀態(tài)下爐內燃燒的安全性提供先進的監(jiān)控手段。該方法利用神經(jīng)網(wǎng)絡算法，選取與火焰穩(wěn)定性直接相關的多個特征作為神經(jīng)網(wǎng)絡的輸入向量，通過對樣本的多次訓練能夠去除雜質燃燒引起的微小脈動的影響，克服傳統(tǒng)方法檢測準確度不高的問題。

3汽輪機側應用路線

汽輪機及其熱力系統(tǒng)的運行經(jīng)濟性是影響機組調峰期間煤耗指標的最主要因素，同時處于變工況運行的汽輪機，其通流部分的氣動特性與設計值發(fā)生較大偏離，設備的安全性和壽命損耗也需得到準確的評估。

3.1汽輪機滑壓運行智能優(yōu)化

為確保機組運行經(jīng)濟性，汽輪機的滑壓運行曲線需根據(jù)深度調峰狀況重新擬定，包括重新確認滑壓運行經(jīng)濟負荷起止點，滑壓運行壓力，確保汽輪機在調峰期間調門開度合理，進汽節(jié)流損失小，主蒸汽參數(shù)穩(wěn)定。目前主要采用試驗方法對汽輪機滑壓方式進行優(yōu)化，試驗過程繁雜，同時在調峰狀態(tài)變化或機組調逮系統(tǒng)改造后需重做試驗。

結合大數(shù)據(jù)平臺開發(fā)“汽輪機滑壓運行智能優(yōu)化”系統(tǒng)，根據(jù)負荷預測和機組運行狀況，對滑壓曲線進行預見性地修正，保證機組在常用工況點經(jīng)濟性最優(yōu)，同時滿足AGC等調控系統(tǒng)的要求?；诖髷?shù)據(jù)平臺的滑壓運行調節(jié)系統(tǒng)還可以擬合并分析同類型機組的滑壓曲線，結合自身設備狀況進行仿真分析。

3.2汽輪機安全智能診斷

深度調峰給汽輪機帶來多種潛在的安全問題，如排汽溫度升高引起缸體變形和軸承位置變化，可能導致汽輪機軸系振動增大;低壓末級動葉易誘發(fā)顫振;低壓葉片水蝕狀況可能加重;滑壓運行加重材料低周疲勞，影響機組壽命。

對于這些安全問題的評估應該在機組深度調峰前就展開，并且通過系統(tǒng)的研究，使得機組各方面的風險能夠清晰呈現(xiàn)，并針對風險制定相應策略。建立基于大數(shù)據(jù)平臺的“汽輪機安全智能診斷中心”能夠很好的達到目的，該系統(tǒng)構架如圖3所示，安全診斷中心內運用先進的數(shù)值模擬方法對機組的典型工況進行通流計算，對通流部分的熱力特性、流動特征和熱應力狀態(tài)全面掌握，運用流固耦合算法計算低壓缸末級葉片的水蝕和顫振狀況，經(jīng)過與實際運行狀況的對比來評估設備的安全性。該系統(tǒng)在機組深度調峰可行性研究時就可介入，貫穿機組的全壽命周期，其安全預警的準確度隨著數(shù)據(jù)量的累積會不斷提升。

3.3輔機運行智能控制

深度調峰也會影響到輔機運行的安全性和經(jīng)濟性，針對深度調峰時輔機運行安全和節(jié)能的需求，可運用大數(shù)據(jù)挖掘和分析技術，收集同類型機組和同一機組不同工況下的運行數(shù)據(jù)，經(jīng)過學習型算法的優(yōu)化計算，擬合出各類輔機的工作曲線或工況點參數(shù)，并且可嵌入機組控制系統(tǒng)，實現(xiàn)自動跟蹤控制。

4結論

針對火電機組深度調峰的技術難點和大數(shù)據(jù)技術的應用特點，探討大數(shù)據(jù)技術應用于火電機組深度調峰研究的具體路線，提出針對鍋爐側和汽輪機側重點問題的具體應用策略，包括鍋爐側在燃料智能摻配、燃燒數(shù)據(jù)分析、火焰燃燒穩(wěn)定性檢測問題上運用大數(shù)據(jù)技術的方案架構，汽輪機側在汽輪機滑壓運行智能優(yōu)化、汽輪機安全智能診斷、輔機運行智能控制方向上的應用步驟。工業(yè)數(shù)字化是大勢所趨，大數(shù)據(jù)技術與深度調峰研究相結合將會產(chǎn)生巨大收益。四

參考文獻：

[1]劉樹明，基于神經(jīng)網(wǎng)絡的鍋爐內火焰燃燒穩(wěn)定性研究[J].計算機仿真，2012，29(8):187-195.

[2]孫海彥，高煒，劉潤華等.1000MW超超臨界機組深度調峰研究與實踐[J].上海電力學院學報，2017，33(6):559-562.

[3]趙峻屹，孟江麗，大機組深度調峰運行的可靠性與經(jīng)濟性研究方式的探討[J].山西電力，2005，127(4):27-30