王琦 李慎東 沙千里 趙琦 董利斌 杜學(xué)聰 馮博 周寶柱

摘要：新時(shí)期下，火力發(fā)電企業(yè)技術(shù)升級轉(zhuǎn)型勢在必行，這是落實(shí)國家能源結(jié)構(gòu)調(diào)整政策、推進(jìn)能源供給側(cè)改革過程的重要基礎(chǔ)。測算關(guān)鍵參數(shù)目標(biāo)值為優(yōu)化火電廠運(yùn)行模式的重要基礎(chǔ)，傳統(tǒng)的測算與挖掘方式暴露出精準(zhǔn)度低、時(shí)效性不足及很難實(shí)現(xiàn)閉環(huán)式應(yīng)用等問題。本課題主要將以智能電廠大數(shù)據(jù)為基礎(chǔ)的關(guān)鍵參數(shù)目標(biāo)值挖掘技術(shù)作為論點(diǎn)，較為詳細(xì)的闡述其內(nèi)涵及具體表現(xiàn)形式，火電廠生產(chǎn)實(shí)踐中合理應(yīng)用該項(xiàng)技術(shù)，明顯提升了關(guān)鍵參數(shù)目標(biāo)值的挖掘效率。

關(guān)鍵詞：智能電廠;大數(shù)據(jù);關(guān)鍵參數(shù);目標(biāo)值;數(shù)據(jù)挖掘;技術(shù)分析

引言

火電廠每天運(yùn)行階段會生成海量數(shù)據(jù)，不同數(shù)據(jù)之間形成了千絲萬縷的關(guān)聯(lián)，且這種聯(lián)系也是十分繁雜的，部分關(guān)聯(lián)性顯而易見，能用肉眼觀察到的，比如在正常運(yùn)行狀態(tài)中，機(jī)組負(fù)荷和機(jī)組出力兩者之間存在正比關(guān)系，但依然有大量數(shù)據(jù)之間的關(guān)系是潛在的，例如火電機(jī)組負(fù)荷與其振動(dòng)之間的關(guān)系。在傳統(tǒng)電廠內(nèi)不同專業(yè)系統(tǒng)之間隔離，基礎(chǔ)數(shù)據(jù)高度統(tǒng)一，但缺乏數(shù)據(jù)庫之間的接口，滋生出“信息孤島”情況，外加工作人員專業(yè)水平偏低，缺少科學(xué)指導(dǎo)，以致大量數(shù)據(jù)價(jià)值被荒廢[1]。

在提出建設(shè)“智能電廠”的背景下，火力發(fā)電廠應(yīng)盡早扭轉(zhuǎn)傳統(tǒng)粗放式生產(chǎn)形式，主動(dòng)與互聯(lián)網(wǎng)、大數(shù)據(jù)等高新科技對接，確保生產(chǎn)安全、環(huán)保的基礎(chǔ)上，創(chuàng)造出更多的經(jīng)濟(jì)效益。確定關(guān)鍵參數(shù)的目標(biāo)值為火電廠實(shí)現(xiàn)節(jié)能、改善運(yùn)行模式的重要工作內(nèi)容之一。以運(yùn)行數(shù)據(jù)關(guān)鍵參數(shù)目標(biāo)值為基礎(chǔ)形成的挖掘技術(shù)，應(yīng)用過程中在可執(zhí)行性、可靠性等方面均表現(xiàn)出良好效能，逐漸演變成優(yōu)化火電廠運(yùn)行的主流方式。

一、智能電廠大數(shù)據(jù)

1、智能電廠結(jié)構(gòu)案例分析

關(guān)于智能電廠，國內(nèi)外很多學(xué)者作出了不同的定義。比如，劉吉臻等[2]指出，智能電廠是以“智能發(fā)電”概念為基礎(chǔ)的一種實(shí)現(xiàn)形式，其將全新智能管控一體化系統(tǒng)作為核心，綜合火電廠運(yùn)行階段形成的實(shí)時(shí)數(shù)據(jù)處理、管理決策等諸多業(yè)務(wù)，打造出有趨優(yōu)性、自學(xué)習(xí)及自適應(yīng)等功能的智能化發(fā)電運(yùn)行管控模式。

智能電廠的整體結(jié)構(gòu)見圖1。其主要由ISS與ICS兩大部分構(gòu)成，前者的功能是智能化巡檢、設(shè)備遠(yuǎn)程管理等，后者主要執(zhí)行整個(gè)電廠生產(chǎn)過程的監(jiān)控任務(wù)。因?yàn)镮SS的兩側(cè)端分別銜接ICS和外網(wǎng)，ICS運(yùn)行階段需要確保絕對的安全性，故而一定要把安全隔離器搭設(shè)在兩個(gè)系統(tǒng)之間。

2、智能電廠大數(shù)據(jù)及其特點(diǎn)

我們可以將大數(shù)據(jù)理解在數(shù)據(jù)獲取、存管及分析等方面明顯超出常規(guī)數(shù)據(jù)庫軟件能力范圍的數(shù)據(jù)集合，其作為一種特別的信息資產(chǎn)，有批量化、高增長率及多樣化等諸多特征。新時(shí)期建成的火電廠有數(shù)據(jù)測點(diǎn)廣泛分布、數(shù)量繁多、采集頻次高、既往與實(shí)時(shí)運(yùn)轉(zhuǎn)數(shù)據(jù)均有體量龐大、類型多等特征，其屬于十分典型的大數(shù)據(jù)，已演變成智能電廠的一種重要屬性。

多源性獲取、方位分散度高、數(shù)量龐大、結(jié)構(gòu)多元化;含有繁雜信息，數(shù)據(jù)之間的關(guān)系強(qiáng);數(shù)據(jù)能實(shí)現(xiàn)連續(xù)采集，采樣速率多樣多變，具備動(dòng)態(tài)時(shí)空屬性;數(shù)據(jù)信息收集、存管、處置、解析及挖掘等對時(shí)效性均提出較高要求;數(shù)據(jù)資源運(yùn)用時(shí)有明確的閉環(huán)要求。

二、關(guān)鍵參數(shù)目標(biāo)值挖掘技術(shù)分析

1、常規(guī)關(guān)鍵參數(shù)目標(biāo)值計(jì)算方法缺陷

（1）熱力試驗(yàn)： 即基于優(yōu)化調(diào)整試驗(yàn)確定機(jī)組的關(guān)鍵參數(shù)目標(biāo)值，且以此為基礎(chǔ)提出相對較合理的關(guān)鍵參數(shù)運(yùn)行曲線，對火電廠業(yè)務(wù)運(yùn)行進(jìn)行科學(xué)指導(dǎo)。通過熱力試驗(yàn)獲得的結(jié)果和火電機(jī)組當(dāng)下狀況較貼近，可靠性較強(qiáng)。但整個(gè)試驗(yàn)過程需有專業(yè)人員的參與配合，耗用較大的時(shí)間成本，通常會影響機(jī)組的正常運(yùn)行狀態(tài)。

（2）耗差分析：基于熱力測算過程構(gòu)建關(guān)鍵參數(shù)和主要經(jīng)濟(jì)指標(biāo)之間的數(shù)學(xué)模型，利用模型測算得到目標(biāo)值，還能動(dòng)態(tài)監(jiān)測運(yùn)行參數(shù)的實(shí)時(shí)值，掌握其和目標(biāo)值之間的偏差及對部分經(jīng)濟(jì)性指標(biāo)形成的影響。理論基礎(chǔ)強(qiáng)是這種方法的主要優(yōu)點(diǎn)，但應(yīng)需建設(shè)熱力過程的數(shù)值模型且利用尋優(yōu)計(jì)算出關(guān)鍵參數(shù)的目標(biāo)值，故而需要測算出大批量復(fù)雜的熱力計(jì)算等，不僅耗時(shí)較長，并且模型的適用范圍在時(shí)空上還存在著一定局限性。

（3）數(shù)據(jù)挖掘：即在相似的運(yùn)轉(zhuǎn)工況下，將相關(guān)重要運(yùn)行指標(biāo)最優(yōu)設(shè)定為目標(biāo)，在既往運(yùn)行數(shù)據(jù)中挖掘出相對應(yīng)關(guān)鍵參數(shù)的目標(biāo)值，利用其指導(dǎo)機(jī)組的運(yùn)轉(zhuǎn)狀態(tài)。傳統(tǒng)數(shù)據(jù)挖掘技術(shù)采用的數(shù)據(jù)規(guī)模偏小、數(shù)據(jù)類別單一化顯著，在數(shù)據(jù)規(guī)模龐大時(shí)很難實(shí)現(xiàn)快速挖掘，所得的數(shù)據(jù)挖掘結(jié)果時(shí)效性不足，很難滿足閉環(huán)式運(yùn)用的現(xiàn)實(shí)需求，和智能電廠建設(shè)、運(yùn)營中還有不小的距離。

2、智能電廠大數(shù)據(jù)的關(guān)鍵參數(shù)目標(biāo)值挖掘

2.1選擇關(guān)聯(lián)分析的關(guān)鍵及輔助數(shù)據(jù)

選擇參數(shù)實(shí)質(zhì)上就是選擇特征，通常是指由原始特征內(nèi)選擇部分最具有效特征，進(jìn)而減少數(shù)據(jù)集維度 [3]。

可以將關(guān)聯(lián)分析理解成一種常規(guī)的特征選擇手段，其宗旨是以海量數(shù)據(jù)為基礎(chǔ)，探查到其內(nèi)一些屬性之間的相關(guān)性。對于測算關(guān)鍵參數(shù)目標(biāo)值的應(yīng)用情景，需由海量的運(yùn)行數(shù)據(jù)以及參數(shù)內(nèi)容，篩選出和機(jī)組關(guān)鍵運(yùn)行指標(biāo)相近度最高的運(yùn)行參數(shù)?？陀^性強(qiáng)、分析層次綜合性高等均是關(guān)聯(lián)分析的優(yōu)點(diǎn)，其在處理數(shù)據(jù)結(jié)構(gòu)多樣、信息模糊的復(fù)雜系統(tǒng)方面表現(xiàn)出良好效能，適用于分析智能電廠大數(shù)據(jù)?；疑P(guān)聯(lián)分析法、DHP算法等均是火電廠常用的關(guān)聯(lián)分析算法。

以關(guān)聯(lián)分析為基礎(chǔ)選擇運(yùn)行參數(shù)時(shí)，主要由如下兩部分著手：一是確定和運(yùn)行效益指標(biāo)相關(guān)性較高的運(yùn)行參數(shù)，實(shí)質(zhì)上就是關(guān)鍵參數(shù);二是對關(guān)鍵參數(shù)進(jìn)行關(guān)聯(lián)分析，探查到和這些關(guān)鍵參數(shù)緊密相關(guān)的輔助參數(shù)，這些參數(shù)是可控的，通過參數(shù)調(diào)節(jié)去調(diào)控火電機(jī)組運(yùn)行過程。選擇輔助參數(shù)過程中要遵循相互獨(dú)立的原則，如果1個(gè)輔助參數(shù)和多個(gè)關(guān)鍵參數(shù)之間相關(guān)聯(lián)，則其準(zhǔn)許被重復(fù)選擇。

2.2設(shè)定關(guān)鍵參數(shù)目標(biāo)值的優(yōu)化目標(biāo)

新時(shí)期下，對于火電機(jī)組而言，優(yōu)化目標(biāo)通常由節(jié)能、環(huán)保及穩(wěn)定三大方面構(gòu)成。節(jié)能等同于優(yōu)化各項(xiàng)經(jīng)濟(jì)指標(biāo)，主要涵蓋發(fā)電煤耗、鍋爐運(yùn)行效率、汽機(jī)熱耗率等;環(huán)保一般是盡可能的降低 NOx等污染物的排放濃度;穩(wěn)定主要是要求主蒸汽溫度與各主要換熱面溫度不超出限定區(qū)間?；痣姀S優(yōu)化目標(biāo)的表達(dá)式如下[4]：

在上式內(nèi)，c、r、h、e、o分別代表發(fā)電煤耗、NOx生成量、熱耗率，、鍋爐效率、煙氣含氧量，ys1、ys2分別是燃盡風(fēng)擋板1、2的開度，cL、CH依次代表的是發(fā)電煤耗的低限、高限，幾和YH分別是NO*生成量的低限和高限，OL、OH分別為煙氣含氧量的低限與高限，ys1L（ys2L）、ys1H（ys2H）分別為燃盡風(fēng)擋板1（2）開度的低、高限，temp 1、temp 1H分別代表的是主蒸汽溫度及其高限，temp2、temp 2H分別代表的是水冷壁壁溫及其高限。

在①式內(nèi)，假定發(fā)電煤耗、NOx生成量等的高低限目的是為解除異常數(shù)據(jù)，而設(shè)定含氧量和各換熱面溫度等的高低限宗旨是為滿足機(jī)組的正常運(yùn)行需求。

參照以上設(shè)定的優(yōu)化目標(biāo)，先由某個(gè)工況的大量穩(wěn)態(tài)數(shù)據(jù)中，依照各指標(biāo)的實(shí)際要求篩選出相應(yīng)的數(shù)據(jù)信息，用于組建初始數(shù)據(jù)集，而后依照優(yōu)化目標(biāo)對集中數(shù)據(jù)進(jìn)行加權(quán)打分并排列其先后次序，最后則選出一條最優(yōu)秀的數(shù)據(jù)，把對應(yīng)的參數(shù)值設(shè)定成當(dāng)前工況下的原始關(guān)鍵參數(shù)目標(biāo)值。

2.3離線——在線時(shí)段整合的數(shù)據(jù)挖掘

這種技術(shù)方法主要是用于處理數(shù)據(jù)挖掘精準(zhǔn)度與時(shí)效性之間形成的矛盾，體量龐大是智能電廠大數(shù)據(jù)的主要特征之一，其對數(shù)據(jù)挖掘規(guī)模大小起到?jīng)Q定性作用，即便是應(yīng)用高新的數(shù)據(jù)挖掘算法，執(zhí)行一次挖掘任務(wù)也需耗用較長時(shí)間。鑒于以上情況，把整個(gè)數(shù)據(jù)挖掘過程細(xì)化程在線與離線兩個(gè)時(shí)段。

其中，離線時(shí)段時(shí)，要分析主客觀多種因素形成的影響，編制多目標(biāo)的整體優(yōu)化指標(biāo)，盡量選擇含有多種運(yùn)轉(zhuǎn)工況的既往運(yùn)行數(shù)據(jù)開展挖掘工作，進(jìn)而設(shè)定相對更為準(zhǔn)確、完善的原始關(guān)鍵參數(shù)目標(biāo)值。因離線時(shí)段中的數(shù)據(jù)量與測算工作量均較大，可以選定適宜時(shí)機(jī)定期或不定期查證，將其對火電廠正常生產(chǎn)形成的影響降到最低。

在線時(shí)段僅挖掘分流出的局部實(shí)時(shí)數(shù)據(jù)流，作業(yè)量相對較小、運(yùn)行快速、能較好地滿足時(shí)效性要求。也能實(shí)時(shí)迭代更替關(guān)鍵參數(shù)目標(biāo)值數(shù)據(jù)庫，進(jìn)而確?；痣姍C(jī)組近期能維持最優(yōu)狀態(tài)，誘導(dǎo)相應(yīng)的運(yùn)行數(shù)據(jù)盡早進(jìn)入到目標(biāo)值數(shù)據(jù)庫、參與閉環(huán)式運(yùn)用過程，進(jìn)一步改善目標(biāo)值的時(shí)效性。

2.4核心處理法

（1）穩(wěn)態(tài)檢測：火電廠的升降負(fù)荷等運(yùn)行過程，不同穩(wěn)態(tài)工況之間存有一定過渡期，業(yè)內(nèi)將其叫做非穩(wěn)態(tài)過程。非穩(wěn)態(tài)過程有動(dòng)態(tài)屬性復(fù)雜、數(shù)據(jù)變動(dòng)性較大等特征，可能會使目標(biāo)值存有較大偏差，很難用在運(yùn)轉(zhuǎn)指導(dǎo)與閉環(huán)式運(yùn)用過程。故而，為確保數(shù)據(jù)挖掘技術(shù)下所得目標(biāo)值的高可靠性，一定要對運(yùn)行數(shù)據(jù)開展穩(wěn)態(tài)檢測活動(dòng)。在離線數(shù)據(jù)挖掘時(shí)段，穩(wěn)態(tài)檢測主要是有既往數(shù)據(jù)內(nèi)探查到速段維泰數(shù)據(jù)，機(jī)理分析、統(tǒng)計(jì)理論即趨勢提取等均是常用方法。在線數(shù)據(jù)挖掘時(shí)可采用R檢驗(yàn)法、小波分析法等進(jìn)行穩(wěn)態(tài)檢測。

（2）異常數(shù)據(jù)處理：針對嚴(yán)重失真與缺失類數(shù)據(jù)，建議用拉依達(dá)、格拉布斯準(zhǔn)則等直接將其剔除;如果信號內(nèi)含有噪音，則需進(jìn)行濾波處理，小波、閾值及滑動(dòng)窗口去噪等均是常用手段。

（3）劃分與匹配工況：煤質(zhì)、負(fù)荷、環(huán)境溫度等均是屬于工況的范疇，不同工況下的關(guān)鍵參數(shù)目標(biāo)值有一定差異。在挖掘關(guān)鍵參數(shù)目標(biāo)值時(shí)，一定要關(guān)注工況規(guī)劃與匹配性問題。實(shí)踐中，可以采用K-均值聚類算法去劃分工況 [5]。

在線運(yùn)行時(shí)段中，先依照實(shí)時(shí)數(shù)據(jù)內(nèi)負(fù)荷參數(shù)設(shè)定相應(yīng)的負(fù)荷段，隨后利用環(huán)境溫度與煤質(zhì)校正系數(shù)測算當(dāng)下數(shù)據(jù)抵達(dá)各工況中心的距離，選出間距最小的工況作為本次實(shí)時(shí)數(shù)據(jù)的所屬類別，此時(shí)工況匹配任務(wù)便完成。

三、實(shí)例分析

1、系統(tǒng)框架

在線運(yùn)轉(zhuǎn)階段，瀏覽器每間隔1min將1次HTTP的POST請求傳送給本地服務(wù)器，服務(wù)器經(jīng)PI 接口程序訪問Nginx鏡像服務(wù)器，此時(shí)就能順利獲得PI數(shù)據(jù)庫的實(shí)時(shí)數(shù)據(jù)。每每閱讀實(shí)時(shí)數(shù)據(jù)后，參照指標(biāo)判斷是否有更新目標(biāo)值的需求，進(jìn)而更新目標(biāo)值數(shù)據(jù)庫。

3、系統(tǒng)主要功能

受篇幅的限制，本文對系統(tǒng)確定初始關(guān)鍵參數(shù)目標(biāo)值的基本功能不再贅述，僅闡述在線迭代更新功能。在線運(yùn)轉(zhuǎn)階段，各次在獲讀數(shù)據(jù)信息后，基于簡易的指標(biāo)比較判別是否有更新目標(biāo)值的必要性。

（1）由PI實(shí)時(shí)數(shù)據(jù)庫內(nèi)讀獲1 條記錄，選定所需測點(diǎn)數(shù)據(jù)，將其完整的存儲到SQL Server 實(shí)時(shí)庫表。

（2）判別實(shí)時(shí)數(shù)據(jù)值是否是穩(wěn)態(tài)工況，檢測是否存在失真與缺失等不良狀況，如果數(shù)據(jù)未見異常，則要對其進(jìn)行濾波處理且要完整的存儲至工況庫表內(nèi)，否則直接運(yùn)行步驟（4）。

（3）利用煤質(zhì)校正系數(shù)篩選出目標(biāo)值庫表，對比本次數(shù)據(jù)內(nèi)發(fā)電煤耗值和相應(yīng)負(fù)荷下的發(fā)電煤耗目標(biāo)值，如果前者低于后者，就選用本次數(shù)據(jù)更新目標(biāo)值數(shù)據(jù)庫相應(yīng)工況下的記錄信息[8]。

（4）讀獲相應(yīng)目標(biāo)值，與界面上呈現(xiàn)出實(shí)時(shí)數(shù)據(jù)，終止當(dāng)下循環(huán)過程，待命進(jìn)入到下一輪數(shù)據(jù)。

結(jié)束語：

為了更好的響應(yīng)國家能源結(jié)構(gòu)調(diào)整政策，火力發(fā)電廠應(yīng)積極向智能發(fā)電方向轉(zhuǎn)型，本文在淺談智能電廠大數(shù)據(jù)特征的基礎(chǔ)上，解讀大數(shù)據(jù)挖掘技術(shù)幾點(diǎn)應(yīng)用要求，對比了幾種計(jì)算關(guān)鍵參數(shù)目標(biāo)值的常用算法，著重分析目標(biāo)值挖掘技術(shù)的內(nèi)涵與表現(xiàn)形式，基于實(shí)例分析證實(shí)了這種技術(shù)的可行性、合理性，具有較高的推廣

參考文獻(xiàn)：

[1]王碩. 以提質(zhì)增效為目標(biāo)的大數(shù)據(jù)采辦與物資管理初探[J]. 現(xiàn)代商業(yè)，2020，000（008）：158-160.

[2]劉吉臻，胡勇，曾德良，等. 智能發(fā)電廠的架構(gòu)及特 征[J]. 中國電機(jī)工程學(xué)報(bào)，2017，37（22）： 6463-6470.

[3]鐵成梁. 電廠設(shè)備管理智能系統(tǒng)及其大數(shù)據(jù)分析應(yīng)用研究[D]. 華北電力大學(xué)，2019.

[4]劉吉，劉炳含，張?jiān)?，?基于大數(shù)據(jù)技術(shù)的火電廠節(jié)能環(huán)保多目標(biāo)負(fù)荷優(yōu)化分配[J]. 工程熱物理學(xué)報(bào)，2020，v.41（01）：31-40.

[5]尚志高. 電力大數(shù)據(jù)關(guān)鍵技術(shù)的應(yīng)用[J].水電水利，2019，3（12）：74-75.

作者簡介：王琦，1997年9月，男，漢族，山東濟(jì)寧人，本科，無，熱工自動(dòng)化。