火电机组耗差分析及信息平台设计实现

能源日益减少对火电厂节能降耗提出更高的要求,降低机组煤耗是减少电厂运行成本的关键问题。依据机组不同运行方式及参数各自特点,提出采用机组设计值、K-means聚类算法优化运行试验值及变工况计算这三种目标值确定方法。采用锅炉热偏差计算模型与循环函数法对某600 MW火电机组进行耗差分析计算,最终设计实现耗差分析信息平台,为电厂节能降耗给予有效指导。

基于改进粒子群算法的超超临界燃煤机组负荷系统建模

针对超超临界机组负荷系统因耦合度高导致的建模困难问题及基本粒子群算法存在的缺陷,提出了一种用于负荷系统建模的改进粒子群算法,通过引入自适应、柯西变异以及梯度指导交叉思想,改善了粒子群算法容易产生早熟收敛、局部寻优能力较差等问题。将自适应柯西变异和梯度指导交叉粒子群算法与电厂的实际运行数据结合进行负荷系统建模和校验。仿真结果表明:应用该算法辨识得到的模型输出拟合现场实际数据的效果较好,算法的平均收敛速度和模型的平均精度较基本的粒子群算法有明显提升。

基于改进BAS算法的电站锅炉氧量对象模型辨识

建立精确的数学模型对于智能发电运行控制系统的设计与优化有着至关重要的作用,天牛须搜索(BAS)算法无须预知函数的梯度信息即可进行寻优,但该算法易早熟,且寻优精度不高,因此将混沌扰动机制与自适应因子引入该算法,通过对某1000MW火电机组零初始值与小波包数据处理后,结合算法对双输入单输出的电站锅炉尾部烟气含氧量模型进行系统辨识。针对实际电站测试数据,辨识结果表明:改进后的天牛须搜索算法在辨识时间上减少了43.00%,辨识误差上减小47.33%,辨识得到的传递函数在结构上符合理论分析,在参数上与机组实际运行工况相符,具有较好的机组分析研究价值。

基于数据挖掘的火电厂制粉系统能效评估模型研究

为降低超超临界机组在运行过程中的能耗,针对机组制粉系统建模过程繁琐及系统能效评估存在人为主观因素强和不确定性等缺陷,提出了一种适用于火电机组制粉系统能效评估的灰色模糊评估模型。通过引入K-medoids聚类算法挖掘出各能效指标的基准值,避免了建模过程繁琐的问题,并有效削弱了现场数据中异常值的影响;通过将灰色模糊评估模型中的关联系数作为隶属度向量,并结合层次分析法(AHP)得到各分层指标的权重系数,有效地避免了评估过程中人为主观因素强和不确定性等问题。计算证明,用该方法能有效对火电机组制粉系统进行能效评估。