[发明专利]一种发电厂循环水寻优优化运行方法

摘要

本发明涉及一种发电厂循环水寻优优化运行方法，包括数据采集层、IaaS层、PaaS层和工业APP层，其特征在于所述工业APP层包括生产工况的自动识别、循环水泵运行方式优化、机力塔风机运行方式优化以及优化效益的在线计算；所述优化运行方法包括首先由数据采集层收集数据并建立操作样本库，第二步在IaaS层进行筛选、整理以及存储，第三步在PaaS层经过算法库分析计算并以其输出结果为基础建立业务分析模型，第四步在工业APP层进行生产工况的自动识别，并根据工况在操作样本库中进行循环水系统循环水泵和极力通风塔风机的运行方式的在线优化并将优化结果输出，第五步进行优化效益的在线计算。本发明能够降低循环水泵运行的能耗，降低发电成本，提高经济效益。

主权项

1.一种发电厂循环水寻优优化运行方法，包括数据采集层、IaaS层、PaaS层和工业APP层，其特征在于所述PaaS层包括业务分析模型、算法库以及微服务三部分；所述工业APP层包括生产工况的自动识别、循环水泵运行方式优化、机力塔风机运行方式优化以及优化效益的在线计算四个微应用；所述优化运行方法包括首先通过数据采集层收集数据并建立操作样本库，第二步在IaaS层进行筛选、整理以及存储，第三步在PaaS层经过算法库分析计算并以其输出结果为基础建立业务分析模型，第四步在工业APP层进行生产工况的自动识别，判断当前生产工况模式并根据工况在操作样本库中进行寻优分析，即进行循环水系统循环水泵和极力通风塔风机的运行方式的在线优化并将优化结果输出，第五步进行优化效益的在线计算；所述生产工况的自动识别是以生产模式聚类分析的结果为基础，将聚类的结果数据分为两部分，一部分为训练集，一部分为测试集，采用神经网络算法或者贝叶斯分类算法，以环境温度、生产负荷、关键工艺参数以及设备运行参数为输入，以对应的生产模式为输出，对模型进行训练，训练完成之后，采用测试集的数据对模型进行测试，如果测试不通过，则需要重新调整模型参数，直至测试通过为止，接入电厂的在线数据到模式识别模型中进行计算，则能够实现对当前的生产工况模式进行自动判断；所述生产模式聚类分析是建立聚类数据源表以及采用k‑means算法进行聚类分析，所述数据源中的字段除了时间和类别以外，还包括其关键的工艺参数，如果部分的数据缺失，那么采用均值替代或者邻近替代的方法进行处理，必须保证采集的数据都不为空，在聚类之前需要对聚类变量做主成分分析，根据累计方差贡献率大于0.85的原则，确定主成分数，并提取相应的主成分列作为聚类的对象；使用FOR循环判断聚类中心数，循环次数＝样本数‑1，当聚类优度大于0.8时，选择最小的聚类中心数为最后聚类的聚类中心数量，按照上面的聚类中心进行聚类操作，聚类完成后，输出聚类结果；所述业务分析模型的建立是将聚类结果写入结果表之后，建立SVM分类模型，当有新的工艺数据写入之后，由SVM模型对其进行分类，并将分类结果写入聚类结果表中，分类结果是以阿拉伯数字表示的工况的类型，由于建立分类模型的需要，必须将阿拉伯数字转化成英文字母；分类模型建立后，当聚类数据源表中有了新增的数据之后，带入分类模型计算，计算的类别写入对应批次的类别字段中，当要开始新一次的聚类分析时，需要清空聚类数据源表的原料类别字段中的数据，聚类完成后，输出聚类结果，并将结果写入聚类数据源表对应字段中，然后重复上面建立分类模型的过程，并开始对新的原料进行分类计算。