基于大数据的厂用电系统分析与模型研究
发布时间：2021-10-19 14:19
我国以煤为主的能源消费结构短时间内难以改变,燃煤发电机组的深度节能对我国节能减排战略意义重大,其中厂用电率是机组重要经济指标之一。传统的厂用电优化集中在设备改造上,随着大数据时代的到来,本文在数据分析整个厂用电系统的基础上,针对个别子系统和设备讨论了优化的角度和方法,主要研究内容包括:首先介绍了厂用电的构成,分别通过理论和历史运行数据分析得到了厂用电各系统和设备的功耗影响因素。其次对厂用电系统进行数据建模,进而分析各主要影响因素对设备功耗的影响趋势。建模时利用R检验和ECNN法筛选出合理的稳态精炼样本,建立LSSVM模型后单因素调整变化因素,得到电流变化趋势。再者建立了制粉系统磨组合优化问题数学模型,根据短期负荷预测得到的机组负荷曲线,考虑磨煤机启停次数限制条件及一系列约束条件,使用改进粒子群优化算法对未来数小时内启停磨计划及出力分配计划进行制定,合理安排磨的启停时间点并分配磨煤机出力,为运行人员提供参考。然后针对磨煤机一次风量和加载油压参数基准值调整展开研究。计及这些参数对炉膛燃烧的影响,基于最小二乘支持向量机的方法建立煤粉细度的软测量模型,从而得到煤粉细度在线估计值。限定子系统若干...
【文章来源】：东南大学江苏省 211工程院校 985工程院校 教育部直属院校
【文章页数】：77 页
【学位级别】：硕士
【部分图文】：
引风机的工作点对于风烟系统，炉膛燃烧产生的烟气从A-A吸出，经引风机输送至烟囱出口B-B，
本文采集了机组 SIS 系统 PI 数据库中 2015 年 6 月的数据，数据标签为总煤量度、主汽压力、再热汽温、给水流量，采样间隔 1min，共 43200 组数据。利态判定方法获取历史数据各时间段的稳态因子，剔除稳态因子为 0 的数据样各时间段的稳态数据，机组负荷与给煤量的原始数据与稳态数据的分布如图 可见稳态筛选之后数据之间的相关性并没有改变，而且所提取的稳态数据数目
第三章 基于支持向量机的设备功耗特性建模研究通过对参数 Raci 取 1.6 时的稳态数据进行约简，机组负荷与给煤量的稳态数据数据的分布如图 3-2 所示，可见数据约简之后数据之间的相关性没有改变，而且的约简数据数目与设定的距离阈值 distance 有关，距离阈值越大，约简力度越大
【参考文献】：
期刊论文
[1]2017～2018年度全国电力供需形势分析预测报告[J]. 电器工业. 2018(02)
[2]大数据技术在燃煤电站发展中的应用研究[J]. 高学伟,付忠广,张连升,刘炳含. 沈阳工程学院学报(自然科学版). 2018(01)
[3]基于数据分析的燃煤机组制粉系统与配风方式优化[J]. 李建强,陈星旭,赵凯,汪安明. 动力工程学报. 2017(11)
[4]基于在线自适应的鲁棒最小二乘支持向量机及其应用[J]. 金秀章,刘潇. 热力发电. 2017(07)
[5]一种适用于机组组合优化的改进整数编码粒子群算法[J]. 吴和海,熊高峰,袁晋蓉,秦跃杰. 现代电子技术. 2017(11)
[6]基于数据挖掘的煤电机组能效特征指标及其基准值的研究[J]. 徐婧,顾煜炯,王仲,李倩倩,杨楠. 中国电机工程学报. 2017(07)
[7]330MW锅炉燃烧调整技术措施分析[J]. 施立兵. 机电信息. 2016(27)
[8]直接空冷机组最佳背压计算方法及应用[J]. 翟永杰,米路,刘金龙. 动力工程学报. 2016(07)
[9]大数据的分布式机器学习的策略与原则[J]. Eric P.Xing,Qirong Ho,Pengtao Xie,Wei Dai. Engineering. 2016(02)
[10]基于样本熵的燃气-蒸汽联合循环机组稳态判定[J]. 孔羽,任少君,司风琪,黄志军,徐治皋. 热力发电. 2016(04)
博士论文
[1]热工过程海量数据挖掘技术研究与应用[D]. 顾慧.东南大学 2016
[2]大数据技术及其在电站机组分析中的应用[D]. 齐敏芳.华北电力大学(北京) 2016
[3]基于过程数据的建模方法研究及应用[D]. 吕游.华北电力大学 2014
[4]基于数据挖掘的电站运行优化理论研究与应用[D]. 李建强.华北电力大学（河北） 2006
硕士论文
[1]电站热工过程数据驱动建模方法及应用[D]. 李逗.东南大学 2017
[2]汽轮机组冷端系统在线性能监测与优化[D]. 王玺.东南大学 2016
[3]630MW机组风烟系统能耗特性及其优化[D]. 陈经纬.东南大学 2016
[4]大型燃煤电厂制粉系统能耗预测及优化分配[D]. 仲亚飞.东南大学 2016
[5]HP磨煤机稳态特性与经济细度研究[D]. 陈波.东南大学 2016
[6]火力电站典型辅机设备建模与仿真[D]. 胡斌.上海交通大学 2015
[7]基于数据挖掘的火电机组能耗特征提取[D]. 陈春容.长沙理工大学 2014
[8]优化NOx排放的燃烧控制系统改进设计[D]. 霍秋宝.华北电力大学 2014
[9]厂用电率综合优化设计在九江发电厂660MW机组中的应用[D]. 李克.华北电力大学 2013
[10]包头第二热电厂厂用电统计分析及其节能措施的研究[D]. 杨帆.华北电力大学 2012
本文编号：3445033
【文章来源】：东南大学江苏省 211工程院校 985工程院校 教育部直属院校
【文章页数】：77 页
【学位级别】：硕士
【部分图文】：
引风机的工作点对于风烟系统，炉膛燃烧产生的烟气从A-A吸出，经引风机输送至烟囱出口B-B，
本文采集了机组 SIS 系统 PI 数据库中 2015 年 6 月的数据，数据标签为总煤量度、主汽压力、再热汽温、给水流量，采样间隔 1min，共 43200 组数据。利态判定方法获取历史数据各时间段的稳态因子，剔除稳态因子为 0 的数据样各时间段的稳态数据，机组负荷与给煤量的原始数据与稳态数据的分布如图 可见稳态筛选之后数据之间的相关性并没有改变，而且所提取的稳态数据数目
第三章 基于支持向量机的设备功耗特性建模研究通过对参数 Raci 取 1.6 时的稳态数据进行约简，机组负荷与给煤量的稳态数据数据的分布如图 3-2 所示，可见数据约简之后数据之间的相关性没有改变，而且的约简数据数目与设定的距离阈值 distance 有关，距离阈值越大，约简力度越大
【参考文献】：
期刊论文
[1]2017～2018年度全国电力供需形势分析预测报告[J]. 电器工业. 2018(02)
[2]大数据技术在燃煤电站发展中的应用研究[J]. 高学伟,付忠广,张连升,刘炳含. 沈阳工程学院学报(自然科学版). 2018(01)
[3]基于数据分析的燃煤机组制粉系统与配风方式优化[J]. 李建强,陈星旭,赵凯,汪安明. 动力工程学报. 2017(11)
[4]基于在线自适应的鲁棒最小二乘支持向量机及其应用[J]. 金秀章,刘潇. 热力发电. 2017(07)
[5]一种适用于机组组合优化的改进整数编码粒子群算法[J]. 吴和海,熊高峰,袁晋蓉,秦跃杰. 现代电子技术. 2017(11)
[6]基于数据挖掘的煤电机组能效特征指标及其基准值的研究[J]. 徐婧,顾煜炯,王仲,李倩倩,杨楠. 中国电机工程学报. 2017(07)
[7]330MW锅炉燃烧调整技术措施分析[J]. 施立兵. 机电信息. 2016(27)
[8]直接空冷机组最佳背压计算方法及应用[J]. 翟永杰,米路,刘金龙. 动力工程学报. 2016(07)
[9]大数据的分布式机器学习的策略与原则[J]. Eric P.Xing,Qirong Ho,Pengtao Xie,Wei Dai. Engineering. 2016(02)
[10]基于样本熵的燃气-蒸汽联合循环机组稳态判定[J]. 孔羽,任少君,司风琪,黄志军,徐治皋. 热力发电. 2016(04)
博士论文
[1]热工过程海量数据挖掘技术研究与应用[D]. 顾慧.东南大学 2016
[2]大数据技术及其在电站机组分析中的应用[D]. 齐敏芳.华北电力大学(北京) 2016
[3]基于过程数据的建模方法研究及应用[D]. 吕游.华北电力大学 2014
[4]基于数据挖掘的电站运行优化理论研究与应用[D]. 李建强.华北电力大学（河北） 2006
硕士论文
[1]电站热工过程数据驱动建模方法及应用[D]. 李逗.东南大学 2017
[2]汽轮机组冷端系统在线性能监测与优化[D]. 王玺.东南大学 2016
[3]630MW机组风烟系统能耗特性及其优化[D]. 陈经纬.东南大学 2016
[4]大型燃煤电厂制粉系统能耗预测及优化分配[D]. 仲亚飞.东南大学 2016
[5]HP磨煤机稳态特性与经济细度研究[D]. 陈波.东南大学 2016
[6]火力电站典型辅机设备建模与仿真[D]. 胡斌.上海交通大学 2015
[7]基于数据挖掘的火电机组能耗特征提取[D]. 陈春容.长沙理工大学 2014
[8]优化NOx排放的燃烧控制系统改进设计[D]. 霍秋宝.华北电力大学 2014
[9]厂用电率综合优化设计在九江发电厂660MW机组中的应用[D]. 李克.华北电力大学 2013
[10]包头第二热电厂厂用电统计分析及其节能措施的研究[D]. 杨帆.华北电力大学 2012
本文编号：3445033
本文链接：https://www.wllwen.com/kejilunwen/dianlilw/3445033.html
