基于运行数据的典型工况样本库的构建及管理方法研究

The operational data of power plants has become an important production element to improve the operation performance. The operation condition distribution is a key factor that needs to be considered when utilizing these data records. Selecting appropriate data samples from the huge raw database to construct the typical condition library for the accurate description of the process characteristic is the basis of obtaining a data-driven model with high precision. Comprehensively utilizing the theory and technology of thermodynamic, data mining and artificial intelligence, this project conducts a thorough research including the following points: the quantitative method to characterize the amount of operational data information based on the analysis of the operational data property; the method to select the typical operational dataset considering maximum information as the fitness objective function; the measure to autonomously update the library with the analysis and monitoring of the varying condition of the process; the validation of the proposed theory and principle based on the simulation computation. Finally, the construction and management method of the typical condition library is obtained, and it can provide a theoretical guidance and base for the utilization and development of the operational data of thermal power plants. The research achievements are not only suitable for the thermal process, but also can be applied to other industrial processes. Therefore, this project is of important theory significance and practical value.

电站运行数据已经成为提高机组运行水平的一项重要生产要素，在利用电站运行数据时，工况样本分布特性是需要考虑的关键因素之一。从大量运行数据中选取合适的样本来构建典型工况样本库，以此实现对机组运行过程特性的准确描述，是建立高精度数据模型的基础。本项目拟综合利用热力系统分析、数据挖掘和人工智能等多学科领域的理论和技术，开展以下研究：从机组运行数据特性分析出发，研究样本工况信息量的定量表征方法；以最大工况信息量为适应度函数，研究典型工况样本集的最优选取方法；深度分析机组运行工况变化的原因，研究变工况特性监测判别方法和样本库的自主更新方法；构建实验平台，通过仿真计算来验证理论方案的有效性；最终得到典型工况样本库的构建和管理准则，为火电机组运行数据的开发应用提供理论指导和基础。项目得到的成果不仅适用于火力发电过程，而且还可以推广到其他工业过程的运行数据开发中，具十分重要的理论意义和实用价值。

在利用电站运行数据时，工况样本分布特性是需要考虑的关键因素之一。从大量运行数据中选取合适的样本来构建典型工况样本库，以此实现对机组运行过程特性的准确描述，是建立高精度数据模型的基础。本项目紧密结合我国电站信息化的发展趋势，充分利用电站现有的运行数据资源，拟综合利用热力系统分析、数据挖掘和人工智能等不同学科领域的理论和知识，研究发电过程典型工况样本的最优选取及样本库的自主更新等问题，以期为电站运行数据的开发和应用提供基础，为提高火电机组的运行水平和促进电力行业的可持续发展做贡献。项目围绕基于运行数据的典型工况样本库的构建及管理方法展开研究，分析了电站机组运行数据样本特性，基于数据分析和数据挖掘理论，研究了描述运行数据样本工况信息量影响因素的计算方法，构建了与模型精度相一致的样本工况信息量的表征体系；研究了不同基准建模方法下工况样本数量对模型精度的影响，提出了基于智能优化理论的典型工况样本库的构建方法；基于机组运行数据，分析和对比数据样本特性变化与运行工况变化的关系，构造样本特性变化的判别准则，提出了典型工况样本库的自主更新方法；在MATLAB环境下，利用数据分析、统计回归及机器学习等相关工具箱函数，构建仿真计算平台，对工况样本库的构建及自主更新准则的合理性进行了验证。项目研究过程中，共发表学术论文6篇，其中SCI收录的学术论文3篇，中文核心论文3篇，申请发明专利2项，培养博士生1人，硕士生2人。圆满完成了项目的预期目标与研究内容。项目所提出的方案已经在实际电站SCR脱硝系统的建模过程中得到验证，也已经应用在引风机设备的故障诊断之中。项目得到的成果不仅适用于火力发电过程，而且还可以推广到其他工业过程的数据建模、数据挖掘、状态监测及故障诊断之中，具十分重要的理论意义和实用价值。