0 引言

近年来，我国电网中并网运行的新能源电源比例不断增加，对火电机组运行性能、运行经济性提出了更高的要求[1-3]，凝汽改供热、深度灵活调峰运行、高效节能技术等将成为我国燃煤发电机组技术改造和发展的新方向[4-5]。由于在深度调峰运行、实施节能技改等情况下，机组实际运行工况会偏离设计工况，运行参数和被控经济指标之间的数学关系将更加难以确定[6]，需要对传统的机组经济型评价和寻优方法[7-10]进行持续的改进和研究。

随着在线计算技术、先进测量技术和DCS技术的日渐成熟，电厂产生过程中积累了大量的历史数据；有大量机组部署了具备机组经济性在线分析的SIS系统，也积累了海量的经济指标计算成果。这些数据真实的记录了机组的操作信息、运行状态和机组特性，为采用数据挖掘技术从中挖掘和提取覆盖机组各种工况的运行规则提供了条件[11-14]。

本文以火电机组经济性能远程分析系统为基础，针对火电机组长期深度调峰的运行实际，利用多参数稳态指数综合判定方法，辨识机组稳态工况，提取稳定工况下的关键指标与参数；其次，根据火电机组的特点，将运行工况的边界条件分为不可控边界条件和运行可控边界条件两类。不可控边界条件用于模糊聚类以实现对历史数据的运行工况分类，运行可控边界条件作为优化运行的决策变量，通过比对当前工况与对应历史工况，为指导机组的优化运行及节能分析提供依据。

结合体育场呈东西对称椭圆形的特性，典型对象选取如下：对吊索取4个典型对象。吊索1为第一批安装吊索中索力最大的单元；吊索2为第二批安装吊索中索力最大的单元；吊索3为第三批安装吊索中索力最大的单元；吊索4为所有吊索中索力最大的单元。其分布如图2所示。

1 有效工况辨识与选取

受电网调峰需求、机组内在扰动等内外部因素的影响，火电机组的负荷、运行参数经常处在变化状态，由于机组蓄热、自动控制系统调节滞后等因素的影响，变化过程中机组的运行参数不能代表机组当前的运行状态。参数变化越剧烈，以变化参数计算的机组经济指标偏差就越大。因此，在分析机组的运行经济性时，只有稳定工况下的数据才是有效和具有参考价值的。由于机组历史数据库中的数据记录了机组的所有运行工况，因此需要对历史数据进行有效工况的检测与辨识。目前常用的稳态检测方法有两段组合检测(CST)[15]、基于证据理论的稳态检测(MTE)[16]、多项式滤波稳态检测[17]等，本文在单参数有效工况判定方法的基础上，提出了基于多项式滤波的多参数稳态指数有效工况判定方法。

肌肉的绞痛，韧带、关节囊的钝痛，神经根的放射痛，神经的闪电样锐痛，交感神经的灼痛，骨的深部痛，骨折的剧痛，脉管系统的弥散性痛……不管发生在什么地方，骨骼肌肉系统疾病与疼痛关系友好。

1.1 单参数有效工况判定

工程上通常采用多项式滤波算法，以机组负荷参数作为分析对象实现稳定工况判断。

多项式滤波是一种基于多项式回归模型的低通滤波算法，能够有效去除所测信号噪声的高频部分，提高检测的准确度，算法如下

x(t)=p0+p1t+p2t2+…+pmtm

(1)

式中 x(t)——时间的函数；

m——模型阶数；

p0，p1…pm——需要求解的参数;

p0——信号的平均值;

服务至上是物业企业的灵魂，物业管理的特点是有组织性的综合性经营整个管理过程。纵观所有企业，对成本的控制都很重视，对物业管理来说，成本的高低更是决定了这个物业管理企业能否生存的关键，所以，企业想要取得最大的效益就一定要牢牢的控制住物业管理的成本，物业服务方面成本的合理控制，是企业能够在激烈的竞争中可持续发展的基本途径，也是目前物业企业需要改进的地方。

式中 q——机组热耗率；

设采样时间为n，把机组负荷的采样值[x1,x2…xn]带入式(1)，得到式(2)

 

(2)

利用最小二乘法求解[p0,p1…pm]，考虑到模型的简单和鲁棒性，在这里取m=2，进行滤波的同时也可以得到负荷的基本变化趋势。

式中 δ——测量误差的标准差;

 

(3)

对窗口内的数据进行多项式滤波以后，可以利用p1的值进行有效工况判断，判断阈值由3δ法则确定

H——数据窗口的长度。

敦礼睁开眼，仍然靠着靠背，先把右脚从被子里挪出来垂到床边，然后坐直身子，右手撑着床，左手把被角掀开，挪动了一下屁股，坐到床沿上，将双脚伸进床边摆放的一双灰色有暗花的棉拖鞋里。虽然一切动作都是极缓慢的，敦礼却感到力气被抽空了一样，他不得不停了一下，好使自己缓过劲儿来，然后，站在地上。敦礼觉得从头到脚都轻飘飘的，像一片纸，甚至是一缕风，举手投足完全没有一丝质感。脑子里的空洞又出现了。敦礼这次听到的不是草籽花的低吟浅唱，而是一首钢琴曲，感觉非常熟悉，一时却怎么也想不起来到底是什么曲子。

当|p1|<λ时认为在观测窗口内的机组负荷处于稳定状态，反之为不稳定。

1.2 多参数稳态指数有效工况判定

基于多项式滤波的多参数稳态指数有效工况判定方法的主要过程如下：

(1)计算各个参数的稳态指数。定义参数稳态指数β(β∈(0,1))，当β=0时，表明检测过程稳定；当β=1时，表明不稳定。根据热工原理和操作经验选择确定对系统稳态敏感的k个关键机组运行参数，利用式(2)和式(3)分别计算得到对应的p1和的值，按下式计算每个参数的稳态指数

 

(4)

(2)计算系统稳态指数。热工系统的稳定是由各个参数共同决定的，为了体现各个参数的变化对于系统稳态影响程度，定义系统稳态指数B如式(5)

 

(5)

式中 &——逻辑，取“且”；

“0”——机组处于稳定工况；

“1”——机组处于非稳定工况。

2 基于工况划分的机组经济型寻优

挖掘DCS中积累的大量数据中所蕴藏的运行规则对于指导机组的经济高效运行有着重要意义。由于电站热力系统各个参数存在耦合强、维度高等特点，为了实现在不同工况下指导机组优化运行，本文实现优化运行的流程为：

(2)计算每个数据点对每个模糊簇的隶属度，如式(9)

从上式可以看出每条历史数据中的热耗率都由一组不可控边界条件集合和一组运行可控边界条件集合共同确定，这些边界条件反映了机组的运行水平、设备性能以及长时间所处的工况等重要信息，因此建立机组热耗与各个不可控边界条件和运行可控边界之间的关系将为机组的优化运行提供参考。

(3)对运行可控边界条件计算相关度，实现数据维归约降低耦合度，从而筛选出重要参数作为运行决策变量；

(4)对比当前运行工况和相应历史工况，输出较低热耗对应的决策变量指导机组运行。

2.1 数据挖掘目标的确定

机组热耗率的高低直接反映了机组运行状态的好坏，是考察机组运行经济性的重要指标，所以选择热耗率作为数据挖掘的目标。由于电站机组是在不可控边界和运行可控边界的约束作用下运行，所以热耗率可以用以下函数式表示

q=f(Vb,Vk)

(6)

p1——信号随时间变化的斜率。

Vb——不可控边界条件参数集合；

Vk——运行可控边界条件参数集合。

(2)对不可控边界条件进行聚类，实现工况划分；

2.2 基于不可控边界条件的工况划分

为了指导机组不同工况下的优化运行，应对历史运行数据库中的有效工况进行划分。传统方法是以机组负荷为对象，采用等宽度法、百分比法等方法进行工况划分，存在着划分边界过硬、不能真实地反应机组的历史运行状况等不足之处。本文采用模糊聚类的方法，以关键不可控边界条件为对象，对历史运行数据进行工况划分，从而为机组运行的工况识别和优化指导提供参考。

首先从网络社区问答网站(如百度知道)上获取大量的问句答案对数据，结合GenQA 发布的问答对和知识库，致力于获取更高质量的学习数据。对齐问题答案与知识库中的事实，一个最基本的想法就是，三元组的头部实体出现在问句中(一般不会加上属性的匹配，因为一方面属性的描述更加多种多样，另一方面是因为很多属性是隐含表示的)，并且该三元组的尾部实体出现在答案中，该三元组就可以作为回答该问句的候选三元组。但是，有效的监督数据还需要精确的、能帮助回答问句的事实三元组。事实上，如图2所示，可能会有多个三元组匹配问句与答案，这是因为实体与问句和答案的匹配过程中、事实三元组与问答对的匹配过程中都可能存在歧义。

令不可控边界参数集Vb={v1,v2…vvr}为聚类的对象，Vb∈Rr，r为样本维度。以集合Vb中某一参数的历史数据集合{v1,v2…vn}为例，共n条历史数据，(C1,C2…Ck)、(c1,c2…ck)是聚类后模糊簇的集合以及其类心的集合，k个模糊簇可以用划分矩阵M=[ωij]表示，ωij是vi对于模糊簇cj的隶属程度，模糊聚类算法[18]描述如下

 

(7)

式中 p——控制隶属度影响的参数，且p≥1；

vi——第i条历史数据中某不可控边界参数值；

cj——模糊簇Cj类心。

式(7)约束条件为

 

(8)

式(8)第二个约束条件保证vi对于每一模糊簇的隶属度之和为1；式(8)第三约束条件保证各模糊簇下至少包含一条数据，具体计算流程利用E-M算法实现：

(1)设定模糊簇的个数k和参数p，2≤k≤n，1≤p，确定各模糊簇的类心；

(1)依据多参数稳态指数有效工况判定提取历史库中机组稳定工况下的运行数据作为分析、挖掘对象；

 

(9)

(3)根据上一步所得的隶属度矩阵，即划分矩阵M=[ωij]，重新计算簇的类心，如式(10)

 

(10)

(4)反复迭代步骤(2)(3)，直到簇类心收敛或变化足够小时停止；

(5)根据以上方法将各参数聚类为若干模糊簇，之后通过组合得到一系列工况，如负荷聚类为5类，环境温度聚类为5类，则可以组合得到55种工况。

2.3 运行可控边界参数维归约

由上式可见和汽机热耗相关的运行可控边界条件涉及主汽流量、主汽温度、主汽压力等十多个运行参数，具有数量多、维度高的特点，为了在保证数据挖掘准确性的前提下提高挖掘效率，应首先对运行可控边界条件进行维归约，主要方法有小波变换、主成分分析和属性子集选择等[18]，本文提出了基于相关度分析的维归约算法如下：

 

(11)

式中 D0、Dzr、Dfw、Dgj、Dzj——主蒸汽、再热蒸汽、给水、过热减温水和再热减温水流量;

大观园中美丽的自然景致可以激发青年男女对生命、情感的觉醒，唤起他们内心深处对爱情的渴望。大观园是宝玉和众姐妹共同生活的乐园，是滋养爱情的百花园，只有在大观园这个相对轻松自由的环境中，才有产生爱情的可能。作者可以和他心目中“集日月山川之精秀”的女儿在园中喝酒行令，可以和她们泛舟池上，可以和她们簪花斗草，可以和她们吟诗联句，可以和她们挥毫作画，可以和她们弹琴围棋，可以和她们观戏赏乐……这一切都是借助于物质性功能建构而作精神上的“逍遥游”，从而满足了种种精神文化生态的需求。这是一个“游于艺”的理想境界。

h0、hfw、hgj、hzj——主蒸汽、给水、过热减温水和再热减温水焓值;

第一，浮躁的社会风气对于工匠精神的培育具有极大的冲抵效应。[6]41当前，随着互联网+带动的一波创业浪潮，越来越多的个体和企业变得越来越浮躁，快鱼吃慢鱼的理念也鼓动着部分群体过度追求“投资少、周期短、见效快”的短期利益，而忽视了对精益求精的工匠精神和产品品质的追求，并给学校培育工匠精神带来了较大的阻力和冲抵效应。

Δhzr——再热蒸汽焓升;

Pel——机组负荷。

汽机热耗率可由下式计算

(1)为了保证挖掘结果不受具有较大值域的参数的影响，首先对n条历史数据中m个运行可控参数集合Vk进行规范化处理：

日语省略研究：回顾、思考与展望 …………………………………………………………………… 朱立霞（4.18）

Z分数规范化处理

 

(12)

之后将数据压缩到[0,1]区间上

 

(13)

(2)计算两两运行可控参数之间的相关度，如下

 

(14)

式中 参数a、b的均值和标准差。

粒子更新速度加上虚拟力的调整后粒子速度能够及时调整,避免了陷入局部最优,既具有较好的全局搜索能力,又具有较好的局部搜索能力。

计算、整理可得相关度的矩阵如下，且rij=rji

大信号掩盖技术是一种利用强功率、显著参数特征掩盖信道中的有用信号，增加非合作方截获有用信号的难度，保障信号抗截获性的技术.但大信号消耗功率仅用来提升有用信号的抗截获性，导致功率浪费.本文提出基于数据分级的大信号掩盖技术，该技术可充分利用发射端功率.基于数据分级的大信号掩盖原理如图1所示.

 

(15)

设定相应的阈值λ，将相关度高的参数归为一类，并选取其中一个参数作为代表性参数，实现数据的维归约，从而选取数个重要的运行参数为决策变量指导机组运行。

1）雨污分流：作业区基本实现没有大型设备干扰，可以分区分层分单元摊铺，为雨污分流创造了良好的作业环境。辅以围堰等作业设施，可进一步控制作业面。

2.4 机组经济型寻优

依据树形节点法将2.2划分得到的各类工况转换为节点路径图，将每类工况视为一个节点，按照由前往后的顺序进行搜索，将当前工况与历史工况进行比对与匹配，算法如下

 

(16)

式中 dr——当前工况第r个不可控边界条件与历史工况的距离；

基于Arduino技术的搬运机器人设计与编程(二)——颜色传感器及伺服电机的应用 李振宇 (5) (1)

k——各参数的权重系数。

求解上式，取得最小值时所对应的历史运行数据即为与当前工况最为接近的历史工况，比对两者的经济性指标，若历史数据热耗更低，则输出2.3所筛选的决策变量指导运行；反之，则用当前运行数据更新对应的历史库数据。

9点8分，G9217次从济南东站始发。十分钟后，列车时速达到310公里，却依然很稳：现场有记者竖起一枚硬币，长时间不倒。

3 应用实例

选取云南某发电集团的300 MW机组运行参数及云南电网远程煤耗系统计算数据，采集该机组2013年1月1日至2014年3月31日共129 452条历史运行数据为分析样本。对采集到的数据样本进行数据预处理，清洗掉错误数据后，结合汽轮机热工系统的特点选取机组负荷、主汽温度、主汽压力、再热蒸汽压力和给水流量5个关键参数对系统进行多参数稳态指数有效工况判定，提取得到机组稳态工况的运行数据样本共90 617条。由于云南水电富余，该机组长期处于低负荷深度调峰运行状态。

为了确定该机组在各个工况下的最佳运行参数，本文选取机组负荷与环境温度两个不可控边界条件作为工况划分的依据，聚类后工况划分结果如表1。

表1 机组运行工况聚类结果表

  

机组负荷区间/MW环境温度/℃104.3～132.623～26142.7～160.220～2223～2627～29170.5～191.810～1415～1820～2223～2627～29196.5～224.98～1516～1920～2223～2627～29

由表1可以看出该机组运行数据呈现一定特点：

当机组负荷为40%左右时，机组工况对应的环境温度集中分布在23～26℃范围内，而当机组负荷为60%和70%左右时，此时工况覆盖的温度范围明显更广。原因在于，机组低负荷主要出现在丰水期，此时环境温度基本维持在较高范围内，电网优先消纳水电资源；机组高负荷主要出现在冬季枯水期承担主要负荷和丰水期负责调峰两类情况下，所以对应的温度范围较广。聚类工况划分结果与云南自身能源结构和自然条件相符合，相比传统等间等距工况划分方法，能真实反映机组历史运行状况，同时有效防止了数据冗余，对高效挖掘电站优化运行参数具有重要意义。

在聚类划分机组运行工况的基础上，选取与机组热耗率相关的运行可控参数，进行基于相关度的数据维归约以确定机组运行决策变量。设置阈值λ=0.57，确定决策参数为主汽压力、主汽温度、主汽流量、给水压力、给水温度和再热蒸汽压力6个参数，通过历史数据的寻优比对得到表2至表5。

表2 负荷104.3～132.6 MW运行参数与最佳热耗

  

运行不可控边界条件机组负荷/MW104.3～132.6环境温度/℃23～26主汽压力/MPa7.85～7.96主汽温度/℃532.1～533.2运行决策参数主汽流量/t·h-1339.3～342.5再热蒸汽压力/MPa1.2～1.3给水压力/MPa8.5～8.6给水温度/℃233.1～233.7最优机组热耗率/kJ·(kWh)-19246.6～9273.7

表3 负荷142.7～160.2 MW运行参数与最佳热耗

  

运行不可控边界条件机组负荷/MW142.7～160.2环境温度/℃20～2223～2627～29运行决策参数主汽压力/MPa9.5～9.610.0～10.110.0～10.1主汽温度/℃535.5～537.0536.2～537.7536.5～538.0主汽流量/t·h-1470.8～476.2502.5～507.1522.7～526.9再热蒸汽压力/MPa1.66～1.671.73～1.771.80～1.82给水压力/MPa10.4～10.511.1～11.311.0～11.1给水温度/℃247.1～247.8250.4～250.9253.6～254.3最优机组热耗率/kJ·(kWh)-18668.4～8694.98832.3～8855.19002.3～9027.0

表4 负荷170.5～191.8 MW运行参数与最佳热耗

  

运行不可控边界条件机组负荷/MW170.5～191.8环境温度/℃10～1415～1820～2223～2627～29运行决策参数主汽压力/MPa10.6～10.711.2～11.311.1～11.311.4～11.611.1～11.4主汽温度/℃537.1～537.9537.3～538.2537.6～538.3537.6～538.3535.7～536.5主汽流量/t·h-1539.7～542.0545.6～550.2552.5～557.5552.5～557.5563.5～568.7再热蒸汽压力/MPa1.86～1.871.92～1.931.97～2.041.97～2.041.99～2.02给水压力/MPa11.6～11.712.2～12.312.5～12.612.5～12.612.2～12.3给水温度/℃252.9～253.6254.9～255.6255.6～256.1255.6～256.5256.8～257.4最优机组热耗率/kJ·(kWh)-18069.2～8099.38170.3～8202.28271.4～8295.78424.3～8451.98557.4～8580.7

表5 负荷196.5～224.9 MW运行参数与最佳热耗

  

运行不可控边界条件机组负荷/MW196.5～224.9环境温度/℃8～1516～1920～2223～2627～29运行决策参数主汽压力/MPa12.8～13.012.9～13.113.0～13.113.1～13.512.9～13.3主汽温度/℃535.9～537.4535.8～537.2536.5～537.6536.6～537.7536.4～537.4主汽流量/t·h-1625.4～632.5630.1～636.5634.0～640.1642.2～649.6625.7～635.5再热蒸汽压力/MPa2.0～2.12.0～2.12.1～2.22.1～2.22.1～2.2给水压力/MPa13.6～14.313.6～14.213.7～14.214.1～14.614.1～14.6给水温度/℃259.4～260.6259.2～260.3261.2～262.1262.3～263.7262.8～264.1最优机组热耗率/kJ·(kWh)-18098.6～8109.38110.2～8135.68202.9～8225.88333.3～8357.78451.1～8478.9

4 结论

(1)本文提出了基于多项式滤波多参数稳态指数有效工况判定方法，结果表明该方法能更有效的辨识和提取机组在稳态工况下的运行数据，为机组历史数据的挖掘工作提供参考；

(2)针对机组能耗参数是由各个边界条件共同确定的特点，提出基于不可控边界聚类划分机组运行工况，通过寻优比对能耗指标，输出相应的运行可控边界条件作为运行决策变量指导机组优化运行；

(3)选取云南省某300 MW机组进行方法验证，结果表明基于工况划分的机组优化运行寻优方法能真实反应机组历史运行状态和操作水平，从而能更准确地为机组的运行提供指导和参考。

参考文献

[1]刘中祥.大容量纯凝机组改供热后的调峰能力计算[J].江苏电机工程,2015,34(2):75-77.

[2]汪泳涛，赵健.电力市场环境下含风电电力系统旋转备用优化[J].电网与清洁能源，2017, 33(7):123-128.

[3]韩丰,宋福龙,罗金山,等.“十三五”骨干网架发展的探讨[J].中国电力,2017(1):13-18,36.

[4]谢绍宇，蒋健.基于极端风险假设的风电并网调峰充裕度评估[J].电网与清洁能源，2015,31(8):88-93,99.

[5]Ming M G,Jie H,De L Z,et al.New Energy Power Generation Process Output Complementary and Coordinated Control[J].Applied Mechanics and Materials,2013(380):3155-3159.

[6]申哲巍.火电机组调峰负荷分配研究[D].北京.华北电力大学.2013:2-3.

[7]涂孟夫，张涛，刘军,等.电网年度发电量计划滚动分解优化方法及应用[J].电网与清洁能源，2016,32(9):50-56.

[8]李建强，牛成林，谷俊杰,等.数据挖掘在火电厂运行参数优化目标值确定中的应用[J].华北电力大学学报，2008,35(4):53-56.

[9]张文宝.供热机组热力系统热经济性分析的EEDM方程[D].北京.华北电力大学.2008.

[10]Sharma A K,Tewari P C. Performance evaluation and economic analysis of a steam thermal power plant [J]. South African Journal of Industrial Engineering,2009(1):133-146.

[11]王宁玲.基于数据挖掘的大型燃煤发电机组节能诊断优化理论与方法研究[D].北京.华北电力大学.2011.

[12]Kusiak A,Song Z.Combustion efficiency optimization and virtual testing:a data-mining approach[J].IEEE Trans. Industrial Informatics,2006,2(3):176-184.

[13]侯建朝，侯鹏旺，孙波.计及需求响应的电动汽车和可再生能源多阶段动态经济环境调度优化模型[J].电网与清洁能源，2017,33(9):104-112.

[14]Yang T T,Zeng D L,Chang T H.A Data Mining Rule Extraction Method for Thermal Power Unit Operation Optimization[J].IFAC Proceedings Volumes,2009,42(13):683-688.

[15]Narasimhan S,Mah R S H.A composite statistical test for detecting changes of steady state[J].AIChE Journal,1986,32(9):1409-1418.

[16]Nabasimahn S,Chen S K,Mah R S H.Detecting changes ofsteady state using the mathematical theory of evidence[J].AIChE Journal,1987,33(11):1930-1932.

[17]陈文驰,刘飞.一种改进的基于多项式滤波的稳态检测方法[J].控制工程,2012(2):195-197.

[18](美)Jiawei Han,Micheline Kamber,等著.数据挖掘概念与技术[M].范明，孟晓峰译.北京：机械工业出版社，2012.