【摘要】：隨著風力發(fā)電、光伏發(fā)電等清潔可再生能源在我國電網(wǎng)中占據(jù)的份額越來越大,電網(wǎng)對火力發(fā)電機組的調(diào)峰能力提出了更高的要求,以保證運行的安全穩(wěn)定和對新能源的消納。頻繁的快速變負荷運行及長期低負荷運行一方面使得機組設(shè)備的使用壽命受到了嚴重的影響,另一方面讓機組的運行控制變得更加困難。針對上述問題,本文充分利用機組歷史運行數(shù)據(jù)中所包含的潛在知識,采用統(tǒng)計驗證、機器學習技術(shù),實現(xiàn)了基于數(shù)據(jù)驅(qū)動的故障檢測和動態(tài)建模。對及時、及早發(fā)現(xiàn)機組運行中的故障,掌握運行的動態(tài)特性而更好的控制污染物排放具有積極的意義。本文的工作內(nèi)容如下:(1)數(shù)據(jù)是基于數(shù)據(jù)驅(qū)動應(yīng)用的基礎(chǔ)。機組歷史運行數(shù)據(jù)不同于由精心設(shè)計的熱態(tài)實驗所獲得的數(shù)據(jù),具有異常值、不穩(wěn)定等瑕疵。本文首先詳細介紹了基于數(shù)據(jù)驅(qū)動應(yīng)用中常用的數(shù)據(jù)預處理方法、ANN建模方法及梯度下降訓練算法。并針對火力發(fā)電機組的運行特點,著重探究了機組歷史運行數(shù)據(jù)的穩(wěn)態(tài)篩選問題。(2)針對某390MW燃氣-蒸汽聯(lián)合循環(huán)機組余熱鍋爐汽水泄漏問題,采用主成分分析的方法,將運行數(shù)據(jù)重新投射到其主元子空間和殘差子空間,并分別通過Hotelling’s T~2統(tǒng)計量驗證和SPE統(tǒng)計量驗證判斷是否有故障發(fā)生。結(jié)果表明,Hotelling’s T~2統(tǒng)計量和SPE統(tǒng)計量均能及時捕捉到運行數(shù)據(jù)中的異常,為下一步故障診斷提供依據(jù)。同時發(fā)現(xiàn),Hotelling’s T~2統(tǒng)計量相比SPE統(tǒng)計量能更清晰、靈敏反應(yīng)運行數(shù)據(jù)中的異常。(3)基于歷史運行數(shù)據(jù),采用LSTM對某660MW燃煤鍋爐的SCR入口處NOx濃度建立了動態(tài)模型。詳細研究了LSTM模型超參數(shù)和訓練算法學習率的選擇。最后對比了相同情況下采用傳統(tǒng)ANN建模的效果。結(jié)果表明,LSTM具有較高的預測精度,能很好地處理機組的變工況運行。而由于變工況運行數(shù)據(jù)的統(tǒng)計特性較差,傳統(tǒng)ANN的預測精度嚴重惡化,無法適應(yīng)運行過程的動態(tài)建模。
【學位授予單位】：華中科技大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：TM621.2;X773
【圖文】：

1.1 研究背景及意義能源是人類文明的基石，是社會經(jīng)濟發(fā)展的動力。人均能源消耗量被認為是衡量社會生產(chǎn)發(fā)展程度的重要指標。圖 1-1 為世界部分國家 2000 年到 2014 年人均能源消耗量，可以明顯的看出國家越發(fā)達，其人均能源消耗量越大。我國“富煤、貧油、少氣”的一次能源結(jié)構(gòu)，決定了煤炭在我國能源生產(chǎn)和消費中占據(jù)主導地位[1]。根據(jù)國家統(tǒng)計局的數(shù)據(jù)，我國 2016 年能源生產(chǎn)總量為 34.60 億噸標準煤，其中原煤生產(chǎn)總量為 24.08 億噸標準煤，占總量的 69.60%；能源消費總量為 43.60 億噸標準煤，其中煤炭消費總量為 27.03 億噸標準煤，占 62.00%[2]。我國人均能源消耗量與發(fā)達國家具有較大差距，隨著我國經(jīng)濟的發(fā)展，工業(yè)化、城鎮(zhèn)化進程的推進，能源消耗的需求還具有進一步的增長空間，能源消費量將會繼續(xù)逐年增加。為了保障能源安全，牢牢把握能源安全主動權(quán)，我國能源供應(yīng)基于國內(nèi)自給的戰(zhàn)略方向不會發(fā)生變化[3]。因此，在短時間內(nèi)煤炭作為我國的主體能源的地位不會發(fā)生改變。

華 中 科 技 大 學 碩 士 學 位 論 文燃煤發(fā)電及供熱是我國煤炭利用的主要形式。根據(jù)國家統(tǒng)計局的數(shù)據(jù)，2015 年我國煤炭消費總量為 397014.1 萬噸標準煤，其中 203413.8 萬噸被用于發(fā)電及供熱，占煤炭消費總量的 51.24%[2]。另一方面，根據(jù)中國電力企業(yè)聯(lián)合會的統(tǒng)計數(shù)據(jù)，2016 年我國發(fā)電量為 59897 億 kWh，其中燃煤發(fā)電量為 39058 億 kWh，燃氣發(fā)電量為 188億 kWh，分別占發(fā)電總量的 65.21%和 3.14%[5]。表 1-1 我國燃煤電廠主要大氣污染物排放標準(單位：mg/Nm3)二氧化硫 氮氧化物 煙塵 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 -

【參考文獻】

相關(guān)期刊論文 前10條

1 劉吉臻;高萌;呂游;楊婷婷;;過程運行數(shù)據(jù)的穩(wěn)態(tài)檢測方法綜述[J];儀器儀表學報;2013年08期

2 李晗;蕭德云;;基于數(shù)據(jù)驅(qū)動的故障診斷方法綜述[J];控制與決策;2011年01期

3 謝春玲;戴景民;;燃氣輪機故障診斷技術(shù)研究綜述與展望[J];汽輪機技術(shù);2010年01期

4 趙歡;王培紅;陸璐;;電站鍋爐熱效率與NO_x排放響應(yīng)特性建模方法[J];中國電機工程學報;2008年32期

5 江澤民;;新時期我國信息技術(shù)產(chǎn)業(yè)的發(fā)展[J];上海交通大學學報;2008年10期

6 江澤民;;對中國能源問題的思考[J];上海交通大學學報;2008年03期

7 楊蘋,吳捷;火電廠鍋爐常見故障的數(shù)據(jù)挖掘診斷方法[J];儀器儀表學報;2005年07期

8 何學文,趙海鳴;支持向量機及其在機械故障診斷中的應(yīng)用[J];中南大學學報(自然科學版);2005年01期

9 王培紅,李磊磊,陳強,董益華;電站鍋爐NOx排放與效率的響應(yīng)特性模型[J];動力工程;2004年02期

10 王奉濤,馬孝江,鄒巖琨;智能故障診斷技術(shù)綜述[J];機床與液壓;2003年04期

相關(guān)會議論文 前1條

1 徐子偉;張陳斌;陳宗海;;基于數(shù)據(jù)驅(qū)動的故障檢測和診斷方法概述[A];系統(tǒng)仿真技術(shù)及其應(yīng)用（第16卷）[C];2015年

相關(guān)博士學位論文 前2條

1 王洪江;電站鍋爐實時故障診斷研究[D];華北電力大學（北京）;2008年

2 姜根山;鍋爐管道泄漏聲行為特性研究[D];華北電力大學（河北）;2006年

本文編號：2718440