基于历史数据的电站锅炉故障检测及动态建模

发布时间：2020-06-18 00:58

【摘要】：随着风力发电、光伏发电等清洁可再生能源在我国电网中占据的份额越来越大,电网对火力发电机组的调峰能力提出了更高的要求,以保证运行的安全稳定和对新能源的消纳。频繁的快速变负荷运行及长期低负荷运行一方面使得机组设备的使用寿命受到了严重的影响,另一方面让机组的运行控制变得更加困难。针对上述问题,本文充分利用机组历史运行数据中所包含的潜在知识,采用统计验证、机器学习技术,实现了基于数据驱动的故障检测和动态建模。对及时、及早发现机组运行中的故障,掌握运行的动态特性而更好的控制污染物排放具有积极的意义。本文的工作内容如下:(1)数据是基于数据驱动应用的基础。机组历史运行数据不同于由精心设计的热态实验所获得的数据,具有异常值、不稳定等瑕疵。本文首先详细介绍了基于数据驱动应用中常用的数据预处理方法、ANN建模方法及梯度下降训练算法。并针对火力发电机组的运行特点,着重探究了机组历史运行数据的稳态筛选问题。(2)针对某390MW燃气-蒸汽联合循环机组余热锅炉汽水泄漏问题,采用主成分分析的方法,将运行数据重新投射到其主元子空间和残差子空间,并分别通过Hotelling’s T~2统计量验证和SPE统计量验证判断是否有故障发生。结果表明,Hotelling’s T~2统计量和SPE统计量均能及时捕捉到运行数据中的异常,为下一步故障诊断提供依据。同时发现,Hotelling’s T~2统计量相比SPE统计量能更清晰、灵敏反应运行数据中的异常。(3)基于历史运行数据,采用LSTM对某660MW燃煤锅炉的SCR入口处NOx浓度建立了动态模型。详细研究了LSTM模型超参数和训练算法学习率的选择。最后对比了相同情况下采用传统ANN建模的效果。结果表明,LSTM具有较高的预测精度,能很好地处理机组的变工况运行。而由于变工况运行数据的统计特性较差,传统ANN的预测精度严重恶化,无法适应运行过程的动态建模。
【学位授予单位】：华中科技大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TM621.2;X773
【图文】：

部分国家,世界

1.1 研究背景及意义能源是人类文明的基石，是社会经济发展的动力。人均能源消耗量被认为是衡量社会生产发展程度的重要指标。图 1-1 为世界部分国家 2000 年到 2014 年人均能源消耗量，可以明显的看出国家越发达，其人均能源消耗量越大。我国“富煤、贫油、少气”的一次能源结构，决定了煤炭在我国能源生产和消费中占据主导地位[1]。根据国家统计局的数据，我国 2016 年能源生产总量为 34.60 亿吨标准煤，其中原煤生产总量为 24.08 亿吨标准煤，占总量的 69.60%；能源消费总量为 43.60 亿吨标准煤，其中煤炭消费总量为 27.03 亿吨标准煤，占 62.00%[2]。我国人均能源消耗量与发达国家具有较大差距，随着我国经济的发展，工业化、城镇化进程的推进，能源消耗的需求还具有进一步的增长空间，能源消费量将会继续逐年增加。为了保障能源安全，牢牢把握能源安全主动权，我国能源供应基于国内自给的战略方向不会发生变化[3]。因此，在短时间内煤炭作为我国的主体能源的地位不会发生改变。

大型火电机组,火力发电,容量,燃煤发电

华中科技大学硕士学位论文燃煤发电及供热是我国煤炭利用的主要形式。根据国家统计局的数据，2015 年我国煤炭消费总量为 397014.1 万吨标准煤，其中 203413.8 万吨被用于发电及供热，占煤炭消费总量的 51.24%[2]。另一方面，根据中国电力企业联合会的统计数据，2016 年我国发电量为 59897 亿 kWh，其中燃煤发电量为 39058 亿 kWh，燃气发电量为 188亿 kWh，分别占发电总量的 65.21%和 3.14%[5]。表 1-1 我国燃煤电厂主要大气污染物排放标准(单位：mg/Nm3)二氧化硫氮氧化物烟尘汞及其氧化物GB 13223-2011[6]100-400 100-200 30 0.03“超低排放”[7]35 50 10 -

【参考文献】