采用M5'模型树和测量数据识别抽汽式机组汽耗量特性

汽轮机组特性随着机组老化而变化,传统上采用定期现场实测,需停机和采用专门的设备与系统,费用很高,因此基于现有自动化系统历史测量数据的特性曲线识别方法十分必要。一般汽轮机组汽耗量特性具有非凸和非连续等特点,常规的多元线性回归拟合不能适应。M5’模型树算法是一种多输入单输出系统的分段线性化的数据挖掘算法。提出采用M5’模型树的抽汽式机组汽耗量特性模型和其模型结构及参数识别算法,用于滚动利用最新的电厂测量历史数据获取最新的汽耗量特性。该方法简单、有效,逼近能力强,自动化程度高,在处理非凸形和非连续性的特性方程具有优势。通过多个热电厂的实时数据进行验证,具有很高的预测精度,效果优于多元线性回归拟合方程。

M5’模型树在热电厂负荷优化中的应用

机组汽耗特性是热电厂负荷优化分配的基础。为了改进传统单一多元线性回归模型无法适应非凸、非连续的汽耗特性,本文基于M5’模型树算法,滚动利用机组自动化系统的最新历史数据获取最新汽耗特性,并在此基础上建立实时厂级负荷优化模型,给出了应用差分算法求解全局最优解的方法。实例表明:所建立的汽耗特性模型的预测能力强且建模过程可控,方便应用于热电厂的负荷优化,具有实用价值。