火电机组控制性能实时监测研究
来源:用户上传
作者:
摘 要：火电机组的设计寿命一般在30年以上，随着运行过程中设备的损耗和老化，机组控制系统的部分控制性能也会出现下降的情况，而控制系统的运行状态对于确保机组安全稳定运行至关重要，因此，十分有必要对控制性能进行动态监测，及时消除因控制性能下降而导致的运行风险。本文总结了火电机组控制性能评价现状，对比分析了火电机组控制性能评价中常用的评价方法，并重点讨论了数据挖掘在火电机组控制性能评价的应用。研究结果对火电机组控制性能的实时监测具有一定指导意义。
关键词：火电机组 控制性能 監测
中图分类号：TM621 文献标识码：A 文章编号：1674-098X（2019）08（c）-0080-02
火电机组不仅系统错综复杂，而且运行环境以高温高压为主，随着运行时间的积累，设备性能会出现损耗和下降的情况。对于火电机组的控制系统，同样也存在性能下降的问题。当前火电机组自动化水平和集中控制程度日益提高，控制系统影响着火电机组的方方面面。轻则会导致运行成本上升，设备损耗加快，严重时会给火电机组的运行带来了严重的安全隐患。因此，对火电机组控制系统的控制性能进行实时监测和评价是确保火电机组安全稳定运行的重要措施。可以通过实时监测及时发现控制系统存在的问题并采取应对措施，以消除因控制性能下降而导致的损失。当前，关于火电机组控制方面的研究主要集中在控制方法、控制设备和控制对象的研究，而且都取得了丰硕的成果，但关于控制系统控制性能的在线监测和评价方面的研究较少，因此有必要加强对火电机组控制性能实时监测和评价的研究。
1 火电机组控制性能评价现状
火电机组的运行涉及多个环节，需要众多设备的协同运行。为了实现设备间的协同工作，需要配套复杂的控制系统。随着控制技术研究和应用的深入，控制系统发展得日益完善和复杂，这使得对控制系统控制性能的评价变得十分复杂。目前，虽然已有部分学者开展了相关研究，但绝大多数都是采用最小方差的方式对控制性能进行评价，而在火电机组的实际应用过程中，该评价方法存在很多局限，评价结果并不能较好的反映出机组当前的控制性能。主要存在以下两方面问题：
（1）该评价方法的评价基准是基于最小方差控制律推导的，评价过程和评价结果过于理想，而在电厂的实际运行和控制过程中，由于受到众多因素的影响，控制过程难以达到理想的状态。（2）只有在高斯噪声扰动系统下最小方差评价方法才能得到较为理想的结果，而对于火电机组控制系统中的绝大多数控制回路，都不能够满足高斯噪声扰动的条件，这使得最小方差评价方法不合适火电机组控制系统控制性能的在线监测和评价。另外，随着火电机组运行集成度和智能化水平的提高，运行人员对评价结果的要求也在不断提高。单独就机组的某个控制回路给出的评价结果具有明显的局限性，实际指导意义并不大，实际应用中更需要综合多个控制回路给出综合的性能评价结果。因此，目前已有部分学者在探索更为合理的控制性能评价方法，包括性能指标全表格评价法和数据挖掘评价法等，以更好的指导火电机组的运行。
2 火电机组控制性能评价方法对比分析
对于火电机组控制性能的实时监测和评价主要包括建模和在线评价。目前，在火电机组控制性能评价方面主要有最小方差评价法、性能指标全表格评价法和基于数据挖掘的性能评价方法，下面将对这三种方法进行对比分析。
2.1 最小方差评价法
最小方差评价法是火电机组控制性能评价中应用最早和最常见的方法。其核心思想是通过计算控制性能实际测量值与额定值之间的偏差。从整体上来看，偏差越小越好，对于单个环节，偏差程度差异越小越好。最小方差评价方法的优点是比较容易理解和计算。但在实际操作过程中，由于涉及到的控制环节众多，需要依托大量的设计参数和运行参数。
2.2 性能指标全表格评价法
性能指标全表格评价法相对也容易理解，通过对火电机组控制系统的分析，提前归纳出性能评价的主要指标，然后根据运行情况和设计参数对各主要性能指标进行评分，最后根据主要指标的评分结果计算出综合性能得分。该评价方法评价效果的好坏关键取决于主要指标的归纳情况和各指标的评分标准。
2.3 数据挖掘评价法
随着数据挖掘算法的发展和广泛应用，在火电机组的运行和控制性能评价方面，数据挖掘技术也得到了推广。对于控制性能的评价，在火电机组的运行控制过程中会产生大量数据，数据挖掘技术可以通过对这些数据进行分类，找出各性能指标与综合控制性能之间的关系，然后得到智能训练模型，通过这些训练模型来对火电机组的控制状态进行评价。由于这一评价方法适用于复杂的控制系统，因此成为了火电机组控制性能实时监测的重要研究和应用方向。
3 数据挖掘在火电机组控制性能评价的应用
数据挖掘技术由于依托的是客观的运行数据，得出的评价结果也相对客观。数据挖掘技术的核心在于挖掘算法和挖掘过程的建模，目前较为常用的挖掘算法有神经网络、支持向量机等。建模过程中通常需要大量数据，而对于火电机组恰好具备这一条件。由于同类型火电机组大同小异，火电机组智能化水平高，运行细节都有详细的数据记录，这就为数据挖掘提供了数据基础。对于火电机组控制性能的评价，数据挖掘方法主要包括以下步骤：
（1）评价模型的建模。建模包括两个环节，首先需要根据火电机组控制回路的特点归纳出关键性能指标和确定各指标的量化标准。其次，需要根据火电机组控制性能评价的需要选取合适的智能算法。（2）评价模型的训练。建模后需要根据历史运行数据对模型进行训练，以确定评价模型的具体参数。为保障训练效果，需要首先对历史样本数据进行分类。另外，需要确保样本的数量，以保障训练过程进行充分。最后，还需要对训练模型进行验证，如果验证结果符合要求，则训练结束，如果验证结果不符合要求，则需要重新回到步骤（1）。（3）实时数据采集。为达到实时监测的效果，需要对相应性能指标进行测量和数据采集，然后实时导入训练好的评价模型。（4）性能诊断。将实时采集的运行数据输入评价模型，得出综合评价结果和细节评价结果。如果某项指标超出合理的范围则提出警告。（5）性能优化。对于火电机组的控制系统，控制性能下降主要原因：①设计过程中就存在的设备结构不合理问题;②控制参数调校得不够稳定或者控制器缺乏长期稳定性;③控制回路的前馈缺乏或者补偿不足;④设计过程中存在的控制结构不合理问题。性能优化措施主要是消除不合理的结构设计，重新调教存在问题的关键参数，更换因长期运行而缺乏稳定性的控制器，增加控制回路的前馈等。
4 结语
对于火电机组，控制系统就像神经系统。控制系统起着绝对的支配作用，是火电机组众多设备协同工作的调配中枢，因此，控制系统对于火电机组的安全稳定运行至关重要。本文围绕当前火电机组控制性能实时监测问题展开了分析，对目前常用的控制性能评价方法进行了对比分析，并重点分析了数据挖掘技术在火电机组控制性能评价方面的应用。对于火电机组，运行过程中产生了大量的监测数据，数据挖掘技术正好可以充分结合这一特点，通过深入结合智能算法，从而更好的指导火电机组的优化运行。
参考文献
[1] 宫广正.超临界火电机组运行灵活性提升控制策略研究及应用[J].中国电力，2017（8）：22-26.
[2] 陈明，姜宗星，孙若宇.火电机组运行远程监视回放及分析系统的研究[J].仪器仪表用户，2018（5）：96-99.
[3] 高海东，高林，樊皓亮，等.火电机组实用智能优化控制技术[J].热力发电，2017（12）：1-5.
转载注明来源:https://www.xzbu.com/1/view-15089619.htm
