基于数据挖掘的燃煤机组厂级负荷经济调度

为实现节能降耗,解决燃煤电厂负荷厂级经济调度问题,根据燃煤机组历史运行数据特点,提出基于数据挖掘的厂级负荷经济调度方法。首先,利用滑动窗口技术提取稳态工况运行数据并结合模糊C均值聚类算法实现稳态工况划分;其次,基于高斯过程回归算法建立各工况下机组煤耗特性预测模型;由此构建以平均煤耗率最小的厂级负荷经济调度模型,通过遗传算法求解各机组调度出力;最后,通过仿真实例分析验证本文厂级负荷经济调度方法的有效性。仿真结果表明:本文厂级负荷经济调度方法能够准确建立机组煤耗预测模型,相较于单机调度模式,厂级负荷经济调度方法对机组间负荷分配更为合理,降低了全厂平均煤耗率,提升了机组的节煤潜力,最高可节煤1.77 g/(kW·h)。

大型离心式通风机性能预测方法

针对现有离心式通风机性能预测方法不能充分利用离心式通风机历史运行数据、建模周期长等问题,提出了基于最小二乘支持向量机(LSSVM)与拉丁超立方采样(LHS)的大型离心式通风机性能预测方法。选取出口压力作为衡量通风机性能的指标,利用LSSVM建立离心式通风机性能预测模型;通过LHS方法采集离心式通风机的入口温度、入口压力、入口流量和转速,将采集的数据进行归一化处理后用于LSSVM模型的训练;通过测试数据验证所建立模型的有效性。仿真结果表明,基于LSSVM与LHS的大型离心式通风机性能预测方法能够充分利用已有通风机数据信息快速准确地预测通风机性能。