关键词：大数据；热负荷；能耗；优化；经济性

1　引言

浙能阿克苏热电有限公司位于新疆阿克苏地区阿克苏纺织工业城，锅炉是上海锅炉厂生产的SG1173/25.5-M4418型锅炉，汽轮机为东方汽轮机厂生产的CCZK350/289.6/24.6/1.5/0.4/569/569型超临界、一次中间再热、单轴三缸双排气、直接空冷双抽汽凝汽式汽轮机。由于其发电负荷和供热负荷间存在鲜明的耦合关系，因此相比其他类型机组，在较宽的运行工况条件下针对热电机组的供热负荷优化技术尤为复杂。分析机理模型中反映的系统及其设备的本质动力学规律，结合海量的历史运行数据，深入发掘隐藏在大数据背后的反映热力系统和相关设备的实际特性的信息和规律，建立适合于实际机组的精确模型，准确描述热力系统各状态参数之间的关联规则，是实现准确的机组性能监测以及制定合理的运行优化策略的重要基础。

2　基于大数据分析的热负荷优化分配方法

供热机组的热负荷优化分配，主要在于如何在两台机组间分配供热负荷使全厂能耗最小。目前最常用的优化分配方式是建立在优化理论基础上的各种方法，包括随着运筹学兴起而出现的基于数学规划研究的优化算法，如线性规划法、动态规划法、非线性规划法等，还有在计算机水平不断提高的背景下发展出来的诸如遗传算法、免疫算法等智能算法。它们都各有其优缺点，例如动态规划法属于多级决策法，可较好地适应负荷变化，快速选择运行机组承带负荷多少和不同机组启停顺序，灵活性较强，但计算过程繁琐。相比之下，非线性规划虽然计算速度快、精度高，但缺点在于模型复杂，变量数多会使得优化效果不佳，还容易产生组合爆炸现象。随着电厂的自动化程度不断提高，尤其“智慧电厂”的提出与快速发展，基于仿生学的智能算法越来越受到重视，计算速度较传统优化算法更为快速，不易陷入局部最优。本项目采用基于大数据分析结合遗传算法来进行供热负荷优化分配。

（1）运行数据的预处理

现场的实际数据（历史运行数据）普遍存在动态、失真及时间失效等各种问题，直接引用历史数据进行数据挖掘，必然导致所得结果指导意义下降乃至无效。针对以上问题，本项目需要对实际运行数据进行合理地鉴别、筛选及处理，为后继工作提供可靠的数据支持。主要处理手段包括：运行工况的稳态判别、实时数据失真判别、历史数据时效性分析、数据滤波、冗余数据处理、数据关联性分析等。

（2）火电机组热力系统准确地在线能耗计算

在线监测机组能耗率，通常的国标计算方法或ASME计算标准是以主蒸汽流量或给水流量为重要的被测参数，由于现场就地流量仪表测量误差较大，在线监测系统运行煤耗率计算误差也较大，这正是目前通常的能耗在线计算软件计算误差较大的根本原因。本项目依托先进的技术方法，针对典型火电机组开发能耗在线评估软件，在全负荷段（尤其强调深度变工况条件），结合实际运行数据实现了机组的能耗准确评估。

（3）考虑多因素的负荷在线优化分配方法

影响发电机组能耗的因素众多，以节能为目标的热负荷优化分配实际上是多边界的优化问题。因此，在准确的能耗计算基础上，研究多参数智能优化算法，给出在线的热负荷优化指导。

（4）基于C/S模式的界面展示

软件采用面向对象高级编程语言编写，与SIS数据通讯取得历史数据和实时运行数据，采用大型关系型数据库作为过程数据库，采用C/S模式进行计算结果的展示。

3　基于大数据分析的机组供热负荷优化分配程序开发

供热负荷优化程序基于面向对象编程语言Delphi编写。Delphi是第四代编程语言，具有简单、高效、功能强大的特点。它是基于面向对象的方法，高速的编译器，强大的数据库支持而组成，与Windows编程紧密结合，具有强大而成熟的组件技术。

程序在两台机组准确计算能耗特性的基础上，利用大数据分析结合遗传算法，进行供热负荷的优化分配。程序的流程如图1所示。

图1 程序流程图

程序主要计算模块如表1所示。

表1 离线计算软件的功能模块介绍

软件的功能模块包含了各设备特性变工况模型、机组状态重构模型和热经济指标计算模块。为了实现能耗的实时计算，需要取得实时的机组运行数据。实时数据从SIS数据库中取得，因此本项目开发了和SIS系统的接口程序，点击“启动”按钮，开始数据传输。

程序界面如图2所示。

图2 接口程序

取得实时运行数据后，进行机组能耗特性计算和负荷优化分配，并将能耗结果和负荷优化分配结果写入数据库结果点表中。展示程序主要展示热负荷优化分配结果，以及优化分配后节煤量如图3—图5所示。

图3 1号机计算程序

图4 2号机计算程序

图5 供热优化分配结果

4　基于大数据分析的机组供热负荷优化分配结果验证

方案所含四个变量分别为：1号机组电负荷N₁、2号机组电负荷N₂、1号机组热负荷D_C1、2号机组热负荷D_C2。查看机组实际运行数据得到机组负荷的约束条件（单位均为MW）为：

优化结果如表2所示，与实际运行任意分配方案进行比较。

表2 部分工况下负荷分配方案对比

通过上表可以看出，本项目采用基于大数据分析的机组供热负荷优化分配所得煤耗率比负荷平均分配方案总煤耗量有一定程度的降低，说明大数据分析结合遗传算法在机组热负荷分配上的应用是有效的。

5　结论

本项目的研究开发，可以对浙能阿克苏热电有限公司两台机组能耗结果进行准确分析，能够明显降低能耗，对供热机组节能环保、降低成本、提高经济性具有现实意义。

综上所述，基于大数据分析的机组热负荷优化分配可以作为提高供热机组经济性的一种方式，可以给供热机组带来巨大的经济效益，有着广大的发展前景。

作者简介：

刘昱达（1991-），男，湖北武穴人，工程师，学士，现就职于浙能阿克苏热电有限公司，主要从事火电厂热工仪表及自动化维护管理方面的工作。

参考文献：

[1] 王定宏. 火电厂机组最佳负荷分配优化理论及软件的研究[D]. 西安: 西安交通大学, 2001.

[2] 王源. 供热机组负荷优化分配的研究[D]. 南京: 东南大学, 2005.

[3] 李岩, 袁弘宇, 于佳乔, 等. 遗传算法在优化问题中的应用综述[J]. 山东工业技术, 2019 (12) : 242-243+180.

摘自《自动化博览》2024年8月刊