大数据技术应用于火电机组深度调峰的研究

中电华创电力技术研究有限公司 陈鑫 王乃斌 刘利 徐威

随着测量原件和信息处理技术的快速发展，电厂DCS系统中所存储的生产运行数据的数据量呈几何级数增长，这些运行数据都具有大容量、多样性和价值高等大数据的明显特征，可以被认定为是大数据，对这些数据的挖掘和分析，有助于掌握机组乃至整个电力生产系统的内在规律，充分提高设备的可靠性和经济性。

随着工业数字化的发展，先进的计算机技术与工业生产实际结合日益紧密，使得大数据技术用于研究和指导火电机组深度调峰成为可能，下文将对其应用路线进行探讨。

1 大数据技术简介

大数据是指数据规模大到在获取、存储、管理、分析方面大大超出了传统数据库软件工具能力范围的数据集合，电力企业的生产运行数据即具有此类特征。 大数据技术实际是指对这些有意义的数据进行专业处理，从中得出多个变量潜在联系和规律，从而指导生产活动，即通过“加工”实现数据的“增值”。

企业组织利用相关数据和分析可以帮助降低成本、提高效率、开发新产品、做出更明智的业务决策。对电网企业来说，使用大数据分析可以预测电网负荷波动、分析售电形势、加快智能电网建设等；对于发电企业，大数据技术可以指导设备运行、优化检修计划、降低停机风险等，把大数据技术应用到深度调峰研究中也将收益巨大。

2 锅炉侧应用路线

影响锅炉深度调峰的因素主要是燃料特性和锅炉燃烧稳定性。

2.1 燃料智能掺配

机组深度调峰时，最低负荷的决定性因素为燃料特性，如掺配掺烧煤种不合理，可能导致燃烧稳定性下降，甚至锅炉熄火、制粉系统故障、锅炉结焦严重等情况。所以在深度调峰前，需预先设定可靠的燃烧煤种，以保证运行的安全性和经济性。

图1 “燃料智能掺配”系统构架

燃烧煤种的选配可建立基于大数据平台的“燃料智能掺配”系统，具体构建框架见图1。燃料入厂前经过机械化自动采样和全成分智能检测，保证全面掌握煤质特性，把相关数据导入燃料特性数据库，根据机组负荷预测和设备运行状态等信息使用数据挖掘手段和机器学习算法对煤种掺混方式和比例进行实时优化，指导燃料入炉工作。对燃烧不同煤种时火焰燃烧状况、辅机运行状态、炉内热力参数进行记录分析，同时反馈进入燃料特性数据库，机组外界，包括同一集团或不同集团的同类型机组可以进行数据共享。

2.2 燃烧数据分析

机组在进行深度调峰时，锅炉动力场包括一次风、二次风、燃料量均下降，燃烧温度降低，脱硝、脱硫、电除尘等减排设备运行参数改变，常规工况下的运行规范已很难全面指导此状态下的运行操作。

各发电企业目前采取的措施主要是通过试验或试运行摸索规律，在实践中积累经验，但通过运行人员摸索出的规律具有很强的局限性和主观性，很难精确把握客观规律，最大程度地保证机组运行安全经济，同时单一发电企业的摸索和积累过程缓慢，消耗成本巨大。

如建设一套基于大数据平台的“燃烧数据分析中心”，则可结合最新的计算机技术指导机组深度调峰的运行工作，具体构建框架见图2。锅炉包括相关辅机的运行参数和性能指标实时导入燃烧数据分析中心进行处理分析，运用机器学习算法并结合外界同类机组数据进行燃烧建模，根据模型给出最优控制参数，指导深度调峰下的运行工作，同时记录运行状况反馈回燃烧数据中心。

图2 “燃烧数据分析中心”构架

2.3 基于神经网络的火焰燃烧稳定性检测

炉内燃烧稳定性是影响机组深度调峰能力的关键因素。基于神经网络的锅炉内火焰燃烧稳定性检测方法[1]可以有效提高锅炉内火焰燃烧稳定性的检测精度，为深度调峰状态下炉内燃烧的安全性提供先进的监控手段。该方法利用神经网络算法，选取与火焰稳定性直接相关的多个特征作为神经网络的输入向量，通过对样本的多次训练能够去除杂质燃烧引起的微小脉动的影响，克服传统方法检测准确度不高的问题。

3 汽轮机侧应用路线

汽轮机及其热力系统的运行经济性是影响机组调峰期间煤耗指标的最主要因素，同时处于变工况运行的汽轮机，其通流部分的气动特性与设计值发生较大偏离，设备的安全性和寿命损耗也需得到准确的评估。

3.1 汽轮机滑压运行智能优化

为确保机组运行经济性，汽轮机的滑压运行曲线需根据深度调峰状况重新拟定，包括重新确认滑压运行经济负荷起止点，滑压运行压力，确保汽轮机在调峰期间调门开度合理，进汽节流损失小，主蒸汽参数稳定。目前主要采用试验方法对汽轮机滑压方式进行优化，试验过程繁杂，同时在调峰状态变化或机组调速系统改造后需重做试验。

结合大数据平台开发“汽轮机滑压运行智能优化”系统，根据负荷预测和机组运行状况，对滑压曲线进行预见性地修正，保证机组在常用工况点经济性最优，同时满足AGC等调控系统的要求。基于大数据平台的滑压运行调节系统还可以拟合并分析同类型机组的滑压曲线，结合自身设备状况进行仿真分析。

3.2 汽轮机安全智能诊断

深度调峰给汽轮机带来多种潜在的安全问题，如排汽温度升高引起缸体变形和轴承位置变化，可能导致汽轮机轴系振动增大；低压末级动叶易诱发颤振；低压叶片水蚀状况可能加重；滑压运行加重材料低周疲劳，影响机组寿命。

对于这些安全问题的评估应该在机组深度调峰前就展开，并且通过系统的研究，使得机组各方面的风险能够清晰呈现，并针对风险制定相应策略。建立基于大数据平台的“汽轮机安全智能诊断中心”能够很好的达到目的，该系统构架如图3所示，安全诊断中心内运用先进的数值模拟方法对机组的典型工况进行通流计算，对通流部分的热力特性、流动特征和热应力状态全面掌握，运用流固耦合算法计算低压缸末级叶片的水蚀和颤振状况，经过与实际运行状况的对比来评估设备的安全性。该系统在机组深度调峰可行性研究时就可介入，贯穿机组的全寿命周期，其安全预警的准确度随着数据量的累积会不断提升。

图3 “汽轮机安全智能诊断中心”构架

3.3 辅机运行智能控制

深度调峰也会影响到辅机运行的安全性和经济性，针对深度调峰时辅机运行安全和节能的需求，可运用大数据挖掘和分析技术，收集同类型机组和同一机组不同工况下的运行数据，经过学习型算法的优化计算，拟合出各类辅机的工作曲线或工况点参数，并且可嵌入机组控制系统，实现自动跟踪控制。

4 结论

针对火电机组深度调峰的技术难点和大数据技术的应用特点，探讨大数据技术应用于火电机组深度调峰研究的具体路线，提出针对锅炉侧和汽轮机侧重点问题的具体应用策略，包括锅炉侧在燃料智能掺配、燃烧数据分析、火焰燃烧稳定性检测问题上运用大数据技术的方案架构，汽轮机侧在汽轮机滑压运行智能优化、汽轮机安全智能诊断、辅机运行智能控制方向上的应用步骤。工业数字化是大势所趋，大数据技术与深度调峰研究相结合将会产生巨大收益。