【摘要】：目前我國面對十分嚴峻的人口、惡劣環(huán)境和一次能源消耗偏高等一系列問題,要實現(xiàn)經(jīng)濟社會的可持續(xù)發(fā)展,必須走節(jié)約資源的道路。以綠色低碳為主線“十三五”能源規(guī)劃首次設定這樣一個目標,我國將在2020年前把能源消耗計劃控制在50億噸標準煤以內(nèi),因此各火力發(fā)電企業(yè)紛紛考慮降低能耗來增強市場競爭力。在電廠中采取對電站機組的可控運行參數(shù)進行合理優(yōu)化,確保機組在不同的運行條件下能夠達到最佳的運行狀態(tài),是運行參數(shù)優(yōu)化的根本目的,同時也是實現(xiàn)機組節(jié)能降耗的重要手段。由于電廠大量的運行數(shù)據(jù)受到復雜非線性和噪聲污染多等因素出現(xiàn)一些不確定性問題。為保證數(shù)據(jù)的真實性和有效性,本文首先對歷史數(shù)據(jù)進行預處理。然后提出敏感性因子概念,進行了敏感性分析工作,分析機組熱耗率與各邊界參數(shù)的敏感性因子大小并得出能耗敏感性因子較大的參數(shù)。采用模糊C-均值聚類算法對數(shù)據(jù)進行工況劃分。在工況劃分之后,本文以機組的運行初壓優(yōu)化為例,進行歷史尋優(yōu),找出相同工況最優(yōu)初壓,作為后續(xù)建模的依據(jù)。本文分別采用改進的BP和RBF神經(jīng)網(wǎng)絡建立邊界參數(shù)與主蒸汽壓力之間模型。通過分析兩種建模方法的相對誤差大小,最終選取RBF神經(jīng)網(wǎng)絡方法進行建模。最后,根據(jù)機組整體模型,驗證在邊界條件改變的情況下,該模型得到的最優(yōu)主汽壓力變化符合理論規(guī)律,證明尋優(yōu)模型的有效性。本論文的研究工作對機組運行參數(shù)優(yōu)化問題的分析,具有一定的理論意義和實用價值。
[Abstract]:At present, our country is faced with a series of problems, such as severe population, bad environment and high primary energy consumption. In order to realize the sustainable development of economy and society, we must take the road of saving resources. Taking green and low carbon as the main line, the 13th Five-Year Plan for Energy Resources has for the first time set such a target. China will limit its energy consumption plan to within 5 billion tons of standard coal by 2020. Therefore, thermal power enterprises have to consider reducing energy consumption to enhance market competitiveness. It is the basic purpose of the operation parameter optimization to adopt the reasonable optimization of the controllable operating parameters of the units in the power plant to ensure that the units can achieve the best operation state under different operating conditions. At the same time, it is also an important means to achieve energy saving and consumption reduction. There are some uncertain problems due to the complex nonlinearity and noise pollution of a large number of operation data in power plants. In order to ensure the authenticity and validity of the data, this paper preprocesses the historical data. Then the concept of sensitivity factor is put forward and sensitivity analysis is carried out. The magnitude of sensitivity factor of unit heat consumption rate and each boundary parameter is analyzed and the parameters with larger energy consumption sensitivity factor are obtained. Fuzzy C-means clustering algorithm is used to partition the data. After the working condition is divided, this paper takes the operation initial pressure optimization of the unit as an example, carries on the historical optimization, and finds out the optimal initial pressure of the same working condition, which is the basis for the subsequent modeling. In this paper, the improved BP and RBF neural networks are used to establish the model between the boundary parameters and the main steam pressure. By analyzing the relative error of the two modeling methods, the RBF neural network method is selected to model the model. Finally, according to the overall model of the unit, it is verified that the optimal main steam pressure variation obtained by the model accords with the theoretical law and proves the effectiveness of the optimization model under the condition of changing the boundary conditions. The research work of this paper has certain theoretical significance and practical value to the analysis of the optimization problem of unit operating parameters.
【學位授予單位】：華北電力大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TM621

【參考文獻】

相關期刊論文 前10條

1 馬寶秋;;模糊C均值聚類算法編程實現(xiàn)及應用[J];石家莊職業(yè)技術學院學報;2016年02期

2 李雨熙;;火電廠汽輪機運行初壓優(yōu)化方法及應用[J];南方農(nóng)機;2016年01期

3 王秋平;陳志強;魏浩;;基于數(shù)據(jù)挖掘的電站運行參數(shù)目標值優(yōu)化[J];電力科學與工程;2015年07期

4 牛培峰;劉超;李國強;馬云飛;陳貴林;張先臣;;汽輪機熱耗率多模型建模方法研究[J];計量學報;2015年03期

5 徐暉;;電力工業(yè):持續(xù)健康發(fā)展 電力消費增速將回升——《中國電力工業(yè)現(xiàn)狀與展望》解讀[J];電器工業(yè);2015年04期

6 梁旭坤;何志堅;;基于模糊RBF神經(jīng)網(wǎng)絡的數(shù)控機床熱誤差建模[J];機械設計與研究;2013年05期

7 馬瑞;康仁;羅斌;徐慧明;何進;;基于改進主成分分析法的火電機組能耗特征識別方法[J];電網(wǎng)技術;2013年05期

8 宋小敏;張國防;邢淑蘭;汪鎖田;;基于數(shù)據(jù)挖掘的課程相關性分析方法[J];山西財經(jīng)大學學報;2012年S3期

9 石琴;仇多洋;吳靖;;基于主成分分析和FCM聚類的行駛工況研究[J];環(huán)境科學研究;2012年01期

10 劉寶玲;何鈞;;基于數(shù)據(jù)挖掘及SIS的工況劃分方法研究[J];南昌工程學院學報;2009年06期

相關博士學位論文 前6條

1 王寧玲;基于數(shù)據(jù)挖掘的大型燃煤發(fā)電機組節(jié)能診斷優(yōu)化理論與方法研究[D];華北電力大學（北京）;2011年

2 楊婷婷;基于數(shù)據(jù)的電站節(jié)能優(yōu)化控制研究[D];華北電力大學（北京）;2010年

3 王惠杰;基于混合模型的機組狀態(tài)重構(gòu)及運行優(yōu)化研究[D];華北電力大學（河北）;2009年

4 李利平;火電機組節(jié)能在線分析與智能運行優(yōu)化方法研究[D];華北電力大學（河北）;2007年

5 屈鴻;回復式神經(jīng)網(wǎng)絡及其在組合優(yōu)化問題中的應用[D];電子科技大學;2006年

6 盧勇;數(shù)據(jù)信息采掘與熱工過程控制優(yōu)化[D];清華大學;2003年

相關碩士學位論文 前10條

1 趙冉;第二類正交（張量）權(quán)函數(shù)神經(jīng)網(wǎng)絡的算法復雜度研究及其應用[D];南京郵電大學;2014年

2 陳林霄;汽輪機組運行初壓在線尋優(yōu)方法應用研究[D];華北電力大學;2014年

3 彭燦;大型火力發(fā)電機組主蒸汽壓力定值節(jié)能優(yōu)化[D];華北電力大學;2013年

4 錢偉強;一種基于改進粒子群和K均值結(jié)合的聚類算法[D];西安電子科技大學;2011年

5 齊淼;模糊聚類集成算法及融合差異度分析研究[D];山東師范大學;2010年

6 李曉光;數(shù)據(jù)挖掘技術在高校招生和教務管理中的應用[D];哈爾濱工程大學;2010年

7 趙曉峰;電廠熱經(jīng)濟分析中重要參數(shù)耗差計算模型的建立[D];華北電力大學（北京）;2009年

8 李軍;基于人工神經(jīng)網(wǎng)絡的工程造價信息預測平臺建立研究[D];重慶大學;2008年

9 馬杏齋;熱工故障的模糊神經(jīng)網(wǎng)絡診斷方法研究[D];華北電力大學（河北）;2008年

10 關大偉;數(shù)據(jù)挖掘中的數(shù)據(jù)預處理[D];吉林大學;2006年

，

本文編號：2381694