基于支持向量机算法的全价值链配煤掺烧模型的研究

国电浙能宁东发电有限公司 黄立鹏 杨浩楠

2016年至今，煤炭价格大幅上扬，供应趋紧。同时，国内煤电装机容量趋于饱和，电力市场竞争激烈。在燃料价格上涨及发电成本控制双重压力下，以设计煤种或者单一煤种作燃料已不是燃煤电厂的燃烧方式。如今，燃煤电厂燃用非设计煤种和配煤掺烧情况十分普遍，甚至有些电厂已经燃用煤泥发电。对于燃煤电厂而言，燃料不仅决定成本，而且关系到机组的安全、稳定、环保运行。如何通过配煤掺烧来实现电厂降本增效的目标是亟待解决的问题。

利用不同煤种性质上的差异相互“取长补短”，均匀掺混，使得混煤指标达到最优，以满足电厂的燃烧指标，这就是配煤掺烧技术。部分学者对混煤燃烧进行了优化研究，得到了机组稳燃、符合环保要求且安全运行的燃烧调整方案。另一部分学者对降低燃煤成本进行了研究，得到配煤掺烧优化模型。但现有研究技术很少涉及从燃煤采购到燃烧后固废处理整个过程的燃料成本全价值链变化，这样获得的配煤掺烧方案仅仅是以降低煤价为目标，忽略了机组其他成本变化，不利于火电厂的降本增效。

针对以上问题，本文建立了全价值链配煤掺烧优化模型，提出燃煤全价值链成本，利用支持向量机算法对其中部分成本进行预测，并通过实例对该优化模型进行分析。

全价值链配煤掺烧成本模型

锅炉掺烧非设计煤种时，尤其是掺烧与设计煤种性质相差较大的经济煤种时，锅炉运行的各主要参数会发生较大变化，因此不仅需要考虑燃煤入厂单价，还要考虑各指标增减后对运行及固废处置产生的费用。在配煤掺烧中采购环节产生的成本叫采购成本（P采购），生产运行环节产生的成本叫生产成本（P生产），固废处置成本叫处置成本（P处置）。

配煤掺烧采购成本

在签订煤炭采购合同时，双方会对燃煤热值、挥发分、硫分等到厂指标进行约定，同时约定运输成本。因此，在计算配煤掺烧采购成本时，要考虑到这些指标变化产生的成本变化。

配煤掺烧出矿成本为：

其中，P出矿：配煤掺烧出矿成本；a1、a2、an：第一种燃煤至第n种燃煤在掺配中的比例；P1、P2、Pn：第一种燃煤至第n种燃煤的出矿价格费用；M：上煤重量。

配煤掺烧指标考核成本为：

其中，P指标：配煤掺烧指标考核成本；X标：合同标定的热值、挥发分、硫分，采用阶梯考核规则；X1、Xn：第一种燃煤至第n种燃煤的到厂指标；Px：合同规定的指标考核单价。

配煤掺烧运输成本为：

其中，P运费：运费变化引起的费用；PY1、PYn：第一种燃煤至第n种燃煤运费。

因此，配煤掺烧采购成本为：

配煤掺烧生产成本

配煤掺烧势必会影响机组各设备的运行，导致设备如磨煤机、给煤机、干排渣系统、脱硫系统、引风机、送风机、一次风机等出力增加，电耗增大，生产费用增加，因此要考虑到生产成本的变化。配煤掺烧生产成本与混煤指标具有一定的函数关系：

其中，f电耗：配煤掺烧产生的机组电耗；P电价：设备电价，本文取0.07元/千瓦时。

配煤掺烧固废处置成本

在配煤掺烧时，会掺混部分劣质煤种，甚至是煤泥。这些煤种灰分都大于35%，这样会导致炉渣、粉煤灰增加，同时掺烧高硫煤会导致石灰石使用量与石膏排放量增加，增加了电厂固废处置成本，配煤掺烧固废处置成本为：

其中，A1、An：第一种燃煤至第n 种燃煤灰分；PA：处置灰渣、粉煤灰所需单价，本文取26.6 元/吨；S1、Sn：第一种燃煤至第n种燃煤硫分；η：机组脱硫系统脱硫率，本文取95%；C：石灰石纯度，本文取92%；P石灰石：石灰石单价，本文取76.49 元/吨；P石膏：石膏处置单价，本文取26.6元/吨。

综上所述，配煤掺烧全价值链成本为：

配煤掺烧生产成本预测模型

由于各电厂机组实际运行情况存在差异，在计算配煤掺烧生产成本时，为了得到更加准确的成本，仅仅是根据经验公式是不够准确的，所以采用支持向量机算法搭建成本预测模型，以实际历史运行数据为基础进行成本预测。

支持向量机算法

支持向量机是以统计学理论为基础，应用结构风险实现最小化，利用VC 维理论有效地解决机器学习中的泛化问题。原理是，设训练集T ＝｛（x1,y1）i ＝1,2,…l｝，xi∈Rn,yi∈R，xi,yi分别为输入变量和输出变量。此时的目标函数就是在（9）的约束下求（8）的最小值。

其中，非线性函数Ф将xi映射到高维空间，C为惩罚因子，ξi（*）为松弛变量。

相应的拉格朗日函数为：

支持向量机的函数回归问题最终都可以转化为凸二次规划问题，最终可得到回归函数：

式中，K（xi,x）＝Ф（xi）·Ф（x）为核函数，研究中取高斯径向基（RBF）核函数K（x,x′）＝exp（-γ‖x-x′‖2）,γ ＞0。

预测模型的建立

图1 预测模型粗略筛选等高线图

核函数参数g 和惩罚参数c 这两个参数的选取决定了预测模型性能。在选取合理的核函数的同时，合理选取核函数参数g 和惩罚参数c 能够保证预测的准确性及模型的可行性。本文采用交叉验证法，实现对配煤掺烧生产成本预测模型两个重要参数g和c 的精确选取。分别对参数进行粗略筛选和精细筛选两种筛选。先将范围都设定为2-5～25，参数c 和g 的步长设定为1，经过粗略筛选之后，得到较优的核函数参数g 和惩罚参数c 为5.278 和0.57435。粗略筛选如图1 所示。根据粗略筛选结果，缩小两个参数的筛选范围至2-2～22，步长缩减至0.5 进行精细筛选，筛选后的最终核函数参数g 和惩罚参数c 为2 和0.70711。精细筛选参数如图2所示。

图2 预测模型精细筛选等高线图

预测模型结果分析

以磨煤机产生的电耗成本为例，随机选取机组20组历史运行数据以及入炉煤指标，作为预测模型的样本，通过支持向量机模型训练样本，建立以热值、挥发分、灰分的入炉煤指标作为输入、磨煤机电耗成本为输出的预测模型，结果如图3所示。

图3 预测模型实际值与预测值对比图

由图可见，磨煤机电耗成本的预测值与实际值变化趋势基本相同，每个值都具有很好的吻合性。通过计算模型的相关系数为95.99%，均方误差MSE为0.022，说明模型具有较好的拟合特性。

同理可以得到给煤机、干排渣系统设备、脱硫系统设备、引风机、送风机、一次风机等电耗成本的预测模型，由此可以计算出配煤掺烧生产成本。

全价值链配煤掺烧优化模型

通过对各种煤质指标进行分析，以各单煤指标加权值作为混煤指标，结合上述全价值链配煤掺烧成本模型以及配煤掺烧生产成本预测模型，建立如下所示的全价值链配煤掺烧优化模型。

目标函数：

约束条件：

研究对象

以某火电厂2×100 万千瓦机组为例，该机组采用哈尔滨锅炉厂有限责任公司生产的HG-3239/29.3-YM5锅炉。锅炉设计煤种指标如表1所示。

表1 锅炉设计煤种指标

根据实际机组运行情况，设定锅炉入炉指标如表2所示，以该电厂周边两个矿点煤为优化掺配煤种，指标如表3所示。

表2 锅炉入炉煤种要求指标

表3 电厂周边矿点煤种指标

优化结果分析

根据实际情况，以入炉煤量5000 吨为例，采用穷举法对模型进行优化计算，最优配煤掺烧结果如表4所示，全价值链成本明细如表5所示。

表4 配煤掺烧优化结果

表5 全价值链配煤掺烧成本明细

由计算可得，当煤种1的掺配比例为24%、煤种2的掺配比例为76%时，全价值链配煤掺烧成本最低为1747659.07元，其中成本最高的为出矿成本，为1667880元，同时混煤指标热值、灰分、挥发分、硫分均满足入炉煤种要求指标，可以供锅炉安全稳定运行。

总结

（1）建立全价值链配煤掺烧成本模型可有效计算分析燃煤在配煤掺烧全过程中的成本，提高配煤掺烧经济性分析的全面性。（2）通过支持向量机算法建立的配煤掺烧生产成本预测模型，以机组历史运行数据为基础，可准确预测出配煤掺烧生产成本，误差0.022，相关系数95.99%。（3）全价值链配煤掺烧优化模型可以进行两种煤以入炉煤指标为约束条件，成本最低为目标的优化掺配计算，得到最优的掺配比例。该模型可推广至三种煤或更多煤种优化掺配分析。