面向工业互联网的智慧电厂仿生体系架构及信息物理系统

火力发电厂的传统体系架构难以满足智能生产和智慧管理需求,智慧电厂已成为其新的发展方向。该文基于工业互联网理念,利用仿生学原理和方法提出了智慧电厂仿生体系和DNA概念模型,对其迭代发展、系统交互的演进过程进行了分析,充分考虑人行为和社会因素对信息物理系统的影响,进一步分析了智慧电厂仿生人/社会-信息-物理系统的框架和构成,在此基础上利用仿细胞分层结构方法重点构建了智慧电厂工业互联网平台层级架构。该文提出的体系架构和信息物理系统能较好地解决现有火力发电厂信息孤岛问题,促进人/社会-信息-物理三元的深度融合,为智慧电厂的智慧管理、智能发电、多市场决策等多智能体建设提供方法论和实施参考。

基于工业互联网的新能源智慧企业体系架构研究与实践

针对目前我国新能源企业在企业管理与数字化建设方面所面临的问题与挑战,文章通过融合智慧企业理念和工业互联网技术,首先构建了新能源智慧企业霍尔三维结构,进一步提出了一种基于工业互联网的新能源智慧企业体系架构,并将其应用于某新能源风电智慧企业建设中,构建了包含“一个平台、四个中心、一个大脑”的智慧企业,取得了较好的成效。新能源智慧企业体系架构,可充分满足新能源公司数字化管控与运营、设备制造等工业互联网体系的通用性和扩展性要求,并可为火电、水电等其他智慧企业建设提供参考和借鉴。

基于信息物理融合和XGBoost-MPGA算法的燃煤电厂脱硫系统运行优化

针对脱硫系统运行优化过程中脱硫效率回归模型精度不够,及运行优化方案在实际运行中难以有效执行的问题。该文提出一种基于信息物理融合和XGBoost-MPGA的脱硫系统运行优化方法。通过构建XGBoost脱硫效率回归模型作为脱硫变动成本函数的变量,利用MPGA寻找脱硫变动成本最低时对应的脱硫效率,然后逆向求解出脱硫效率回归模型中液气比、吸收塔浆液pH值、吸收塔液位优化值。通过实例分析表明,XGBoost-MPGA相比BP神经网络、随机森林和GBRT回归模型具有更好的预测性能,且与XGBoost-SGA比较,在脱硫变动成本极值寻优过程具有更好的稳定性和收敛性。并通过信息物理融合方法消除了脱硫物理设备在运行优化操作后对脱硫变动成本信息的影响,提高了运行优化操作方案的可靠性和经济性。

基于大数据平台的火电机组运行优化研究

面对气候环境日益严峻,我国电力交易市场逐步放开,对火电厂节能降耗提出了更高要求。文章以利用Hadoop、Spark、Hbase等构建的分布式大数据分析平台(X-DT)为分析工具,采集某600 MW火电厂3号机最近大量历史数据,利用大数据预处理获得健康数据后,通过灰色关联度挖掘出影响能耗偏高的主要运行参数,在考虑负荷、环境温度的边界条件下,采用聚类决策规则挖掘出该机组全工况最低供电煤耗实际可达目标值,并分析出机组重要参数的运行优化的指导方案,以期降低火电机组能耗,提高机组经济效益与竞争力。

智慧发电企业数据中台架构及数字化应用

当前发电企业在数字化和智慧化建设过程中,需要一个统一规范,适应发电企业特性和需求的数据中台架构体系作为基础支撑。本文通过分析智慧型发电企业数据中台的建设思路,从数据的技术能力建设和数据资产管理两个方面,构建了数据中台功能架构、技术架构和数据架构,涵盖了数据开发、数据模型、数据治理、数据资产、数据服务等多个层次的体系化建设。基于此,针对发电企业数字化和智慧化建设场景,通过本文的数据中台建设思路、架构体系和平台功能,阐述了数据中台在企业生产经营驾驶舱、报表及报告自动生成、设备故障预警、企业智能搜索的诸多应用,表明通过数据中台,不仅可以打通发电企业生产、经营和管理之间的业务壁垒,沉淀企业数据资产和经验知识,而且还能有效提升数据挖掘的价值,助力智慧发电企业建设目标的实现。

基于大数据平台和并行随机森林算法的能耗预测模型优化

利用Hadoop,Spark,Hbase等构建分布式大数据分析平台,在此基础上通过数据采集和预处理获得健康的数据集,建立并行随机森林算法的能耗回归预测模型,全面分析和比较基于随机森林预测模型的输入与模型参数、输出之间的关系。重点比较分析了决策树数量、决策树深度、最大分裂数等参数对训练模型精度、运行时效、复杂度的影响,得到该预测模型的最优化参数,实现供电煤耗的精准预测与软测量计算。

燃料电池用316L不锈钢双极板表面磁控溅射铬涂层的耐腐蚀性能

采用磁控溅射方法在316L不锈钢表面沉积铬涂层,并采用电化学方法对其在0.5mol·L-1H2SO4溶液中的耐腐蚀性能进行了研究。结果表明:在不锈钢表面制备的铬涂层均匀致密,显著提高了不锈钢的自腐蚀电位,自腐蚀电流密度由7.62μA·cm-2减小到0.06μA·cm-2,可显著提高不锈钢的耐蚀性;在腐蚀溶液中长期浸泡时,铬涂层一直保持着较好的稳定性。

基于大数据和并行随机森林算法火电机组供电煤耗计算模型

供电煤耗是衡量火电机组运行经济性的重要指标。本文提出一种基于并行随机森林算法的火电机组供电煤耗计算模型,利用某600 MW机组分布式控制系统(DCS)的海量数据,在Spark大数据平台,采用阈值判定出稳定工况的数据,采用局部异常因子算法对局部异常值进行检测与处理,采用K-means聚类算法确定出不同工况,最后筛选出影响机组供电煤耗的38个热力参数及其10种工况下211 615组数据。随机抽取其中4/5的数据对并行随机森林算法供电煤耗计算模型进行训练建模,1/5的数据进行测试,测试得到该模型供电煤耗计算值与实际值较吻合,平均绝对误差为1.79 g/(kW·h),相对误差在–3%~3%内。表明基于并行随机森林算法的供电煤耗计算模型计算精度较高,模型泛化能力较强,适用于供电煤耗计算。

定速循环水泵的运行方式优化分析

本文首先介绍了循环水泵优化运行原理,通过分析某600 WM单元火电机组的微增出力与机组背压的关系,进行了凝汽器的最佳背压以及循环水泵耗功的计算.得到了机组不同负荷运行、不同循环水进水温度下定速循环水泵的最佳运行方式,该方法以理论为依据,结合热力学计算公式,使结果更准确,对火电机组的经济运行有着实际重要的意义.

解题新概念——浅谈如何将小学数学应用于生活实践中

对于小学数学教育而言,解题的过程与概念在于不仅仅要着重于数学理论知识的灌输,同样要让学生所解析的解题过程应用于生活,寻找一种灵活且恰当的教学模式融入课堂。伴随着国内教育改革进程的不断深化,现阶段我国的小学数学作业设计水平也得到了显著提高,因此小学数学课堂解题新概念应受生活所启发,且让数学科目学以致用,真正地创造实用、适用、高效的价值。数学在小学所有学科中占据比重较大,作为科学类学科的基础,数学知识的掌握程度对小学生日后发展具有极其重要的意义。不健康的教学方法与新时代的人才需求显得格格不入。新时代要求培养具有创新发散思维能力的人才,对话教学就是在这样的背景下诞生的。

电力大数据在发电企业中的应用场景分析

大数据是继物联网、云计算之后当前最新兴火爆的科技理念。根据相关的统计资料显示，刚刚过去的两年中人类社会产生的数据已经达到甚至超过了人类历史所产生数据总和的80％。

基于spark平台的供电煤耗并行回归预测

针对火电厂数据量大且复杂的特点,通过采用基于spark的并行回归算法,解决了传统供电煤耗回归预测模型所需的运行时间较长且预测精度较低的问题。本文采用了大数据平台中采集到的某电厂周期为一年的运行数据,对数据进行异常值筛选、空值填补等清洗及预处理过程,并对工况进行判稳,选取稳定工况下的健康数据进行数据分析,最后利用灰色关联度分析方法选择关联度最大的12个特征,对火电厂供电煤耗进行预测。通过参数调优建立基于spark的火电厂供电煤耗的随机森林和梯度提升决策树的并行回归模型,最后对实验结果进行比较分析和总结。结果表明,随机森林回归模型和梯度提升决策树回归模型对火电厂的供电煤耗都有较好的预测效果,但随机森林回归模型预测的准确度相对更高。

基于并行FP-Growth算法的火电机组运行优化

关联规则算法在火电厂数据挖掘中取得了较好的应用效果,然而随着电厂自动化、信息化程度的进一步提高,面对高维海量的数据,传统的数据挖掘方法由于自身缺陷已不能满足要求。针对此问题,提出了一种基于Spark的并行FP-Growth算法,并以某600 MW超临界机组的历史运行数据为对象,挖掘各工况下运行参数与供电煤耗之间的关系,从而得到运行参数调整区间及目标值。结果表明,该算法确定的优化目标值可以有效降低机组供电煤耗率,提高机组运行经济性,可用于指导机组优化运行。