一种基于数据驱动的浆液循环泵运行优化方法及系统

技术领域

本发明属于火电厂脱硫系统技术领域，尤其涉及一种基于数据驱动的浆液循环泵运行优化方法及系统。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

浆液循环泵是火电厂石灰石—石膏湿法烟气脱硫系统中的主要耗电设备，实现浆液循环泵运行优化对降低电厂电耗、提高电厂经济效益具有重要的现实意义。

目前，国内火电厂脱硫系统中浆液循环泵的运行方式主要以操作人员手工控制为主。为保证出口二氧化硫浓度排放符合环保要求，运行人员一般通过增加浆液循环泵的运行台数来为吸收塔中的二氧化硫吸收反应提供足量甚至超量的石灰石浆液，而每增开一台浆液循环泵将会阶梯状增加脱硫过程中的电耗，浆液循环泵节能潜力巨大。

对脱硫系统浆液循环泵的节能优化研究主要以反应机理模型为主，但吸收塔内化学反应复杂且是一种动态平衡，存在时变性、大惯性、滞后性、非线性等特点，机理建模难以反映其复杂特性。近年来随着电厂厂级监控信息平台的广泛建立，已积累大量历史运行数据，为数据驱动的系统运行优化提供了数据基础。顾慧等人提出信息熵理论结合K-均值和模糊C-均值EKFCM(K-means and Fuzzy C-Means combined with Entropy theory)算法的电厂脱硫系统工况库的建立方法；许彦斌等人提出基于工况划分的机组优化运行寻优方法，以不可控边界条件机组负荷和环境温度为对象，利用模糊聚类方法实现机组工况划分；刘延泉等人提出一种330MW机组湿法烟气脱硫控制系统目标值优化，利用脱硫系统运行参数间的关联特性，将竞争凝聚算法引入划分边界中进行关联规则挖掘；王珊等人提出一种采用粒子群算法的热电厂热电负荷分配优化，建立了机组能耗分析模型和基于粒子群算法的电厂负荷优化分配模型。但采用数据挖掘技术研究浆液循环泵运行优化的文献目前还比较少。

发明内容

针对当前火电厂浆液循环泵运行现状中存在的能耗问题，本发明提出一种基于数据驱动的浆液循环泵运行优化方法及系统，根据机组负荷和入口二氧化硫浓度使用FCM算法分别进行工况划分，然后采用交叉组合的工况划分方法得到多个工况簇；基于影响浆液循环泵运行方式的主因素，采用层次分析与熵权评价加权融合的组合评价方法自动搜索各工况内最优历史运行数据；将获取的历史最优工况数据采用支持向量机(Support VectorMachine,SVM)算法建立浆液循环泵运行优化模型，同时使用遗传算法对优化模型进行参数寻优；将脱硫系统实时运行数据输入已建立的浆液循环泵运行优化模型，根据模型运行结果提供浆液循环泵运行操作建议，进而实现其运行优化。

为了实现上述目的，本发明采用如下技术方案：

本发明的第一个方面提供一种基于数据驱动的浆液循环泵运行优化方法。

一种基于数据驱动的浆液循环泵运行优化方法，包括：

获取浆液循环泵的历史运行数据；

采用FCM算法基于浆液循环泵的历史运行数据对机组运行工况进行聚类，将聚类结果进行交叉组合，得到不同运行组合的工况数据；

采用综合评价函数自动获取工况数据中的历史最优运行数据；

基于历史最优运行数据采用SVM分类器建立浆液循环泵运行优化模型；

将浆液循环泵的实时运行数据输入浆液循环泵运行优化模型，输出浆液循环泵运行建议组合方案。

本发明的第二个方面提供一种基于数据驱动的浆液循环泵运行优化系统。

一种基于数据驱动的浆液循环泵运行优化系统，包括：

数据获取模块，其被配置为：获取浆液循环泵的历史运行数据；

聚类模块，其被配置为：采用FCM算法基于浆液循环泵的历史运行数据对机组运行工况进行聚类，将聚类结果进行交叉组合，得到不同运行组合的工况数据；

综合评价模块，其被配置为：采用综合评价函数自动获取工况数据中的历史最优运行数据；

模型建立模块，其被配置为：基于历史最优运行数据采用SVM分类器建立浆液循环泵运行优化模型；

输出模块，其被配置为：将浆液循环泵的实时运行数据输入浆液循环泵运行优化模型，输出浆液循环泵运行建议组合方案。

本发明的第三个方面提供一种计算机可读存储介质。

一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述第一个方面所述的基于数据驱动的浆液循环泵运行优化方法中的步骤。

本发明的第四个方面提供一种计算机设备。

一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述第一个方面所述的基于数据驱动的浆液循环泵运行优化方法中的步骤。

与现有技术相比，本发明的有益效果是：

本发明采用以实时运行数据输入脱硫浆液循环泵运行优化模型，根据模型运行结果实现浆液循环泵的运行操作建议，从而实现其运行优化。

本发明采用FCM算法和基于层次分析与熵权加权融合的组合评价方法，对不同工况下浆液循环泵历史运行操作的自动寻优；以最优历史操作记录训练SVM分类器，使用遗传算法进行参数寻优；以实时运行数据输入已建立的浆液循环泵运行优化模型，根据模型运行结果提供浆液循环泵运行操作建议，从而实现其运行优化。

以某电厂实测数据进行的仿真实验表明：使用该浆液循环泵运行优化方法，浆液循环泵耗电量最大可降低21.55％左右，对火电厂节能减排工作具有参考意义。

本发明附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。

图1是本发明实施例中基于数据驱动的浆液循环泵运行优化方法的流程图；

图2是本发明实施例中机组负荷工况划分圆饼图；

图3是本发明实施例中入口二氧化硫浓度工况划分圆饼图；

图4是本发明实施例中层次结构模型图；

图5是本发明实施例中遗传算法适应度曲线图；

图6是本发明实施例中优化后节能降耗对比图。

具体实施方式

下面结合附图与实施例对本发明作进一步说明。

应该指出，以下详细说明都是示例性的，旨在对本发明提供进一步的说明。除非另有指明，本示例使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。

需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式；此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。

实施例一

如图1所示，本实施例提供了一种基于数据驱动的浆液循环泵运行优化方法，本实施例中，该方法包括以下步骤：

S101：获取浆液循环泵的历史运行数据；

在获取浆液循环泵的历史运行数据之后，包括：对历史运行数据进行预处理，剔除异常数据；在数据预处理后，使用定量和定性相结合的方式获取关键影响因素，首先结合脱硫工艺机理分析和生产经验，初步确定影响浆液循环泵运行效率的特征；经过互信息和相关系数计算，定量确定影响浆液循环泵运行的主要因素；其中，浆液循环泵的历史运行数据包括机组负荷运行数据、入口二氧化硫运行数据、吸收塔入口烟气折算流量、吸收塔入口压力、吸收塔出口烟气折算流量、吸收塔出口压力以及排放烟气流速。

S102：采用FCM算法基于浆液循环泵的历史运行数据对机组运行工况进行聚类，将聚类结果进行交叉组合，得到不同运行组合的工况数据；

具体的，FCM算法是目前应用最广泛且较成功的模糊聚类算法，通过优化目标函数得到每个数据点对所有类中心的隶属度实现对数据聚类的目的。假设样本集合为X＝{x

约束条件为

式中：m是一个大于1的模糊加权系数,一般情况下取2。v

使用拉格朗日乘数法构造新的目标函数为

通过对式(2)求极值可得聚类中心和隶属度的迭代公式，直到u

采用Xie-Beni指标对工况划分效果进行评估，确定聚类簇数(工况数)。

使用Xie-Beni指标对FCM算法工况划分效果进行评估，聚类效果越好则Xie-Beni指数越小，其计算公式为

式中：c为聚类数目；n表示数据的个数，u

S103：采用综合评价函数自动获取工况数据中的历史最优运行数据；

具体的，为了自动获得最优历史操作数据，需要对已聚类历史数据(不同工况)设计评价函数。目前常用评价方法有主观赋权评价法和客观赋权评价法。主观赋权法在体现评判者对不同指标重视程度同时易受主观因素的影响。客观赋权法独立于人的主观偏好根据各因素间相关关系确定权重，但过于依赖数据结果容易与实际情况产生偏差。本实施例提出主客观相结合的综合评价方法，使用基于层次分析法和熵权法的综合评价方法对浆液循环泵运行状态进行评价，兼顾主客观评价法优点，提高评价结果的准确性。

作为一种或多种实施方式，综合评价函数的构建过程，包括：

基于层次分析法和熵权法，采用乘数合成法构造综合评价函数。

S1031：层次分析法

层次分析理论是一种广泛应用的权重确定方法，适用于复杂的综合评价系统。运用层次分析法构建系统模型时，一般包括以下步骤。

(1)构建递阶层次结构模型。

使用层次分析法首先根据影响因素构建层次结构模型，将目标、影响因素和优化对象分为目标层、准则层和方案层。

(2)构建判断矩阵。

构建层次结构模型可以体现各影响因素之间的相互关系，判断矩阵即为各影响因素相对目标因素的权重，反映了决策者对各影响因素重要性的认识。将不同影响因素之间的比较值a

表1判断矩阵标度方法

(3)层次单排序及其一致性检验。

判断矩阵A需要进行一致性检验，定义判断矩阵与一致性矩阵差异程度的一致性指标

表2平均随机一致性指标RI

计算一致性比例

S1032：熵权法

熵权法是一种根据评价指标矩阵确定指标权重的客观赋值法，其计算简单，能尽量消除各因素权重的主观性，排除了主观因素的影响且能够直观表示各个影响因素对指标的影响强弱，使评价结果更符合实际。熵值法的计算步骤如下所示。

假设有m个评价指标因素，其中每个指标有n条数据即X＝{x

式中:

各个指标的信息熵为e

式中:

S1033：组合评价方法

采用乘数合成法将层次分析法评价法与熵权法进行权重组合，直观表示各个影响因素对指标的影响强弱。将熵权法和层次分析法按下式进行权重结合得到综合权重。

式中：j＝1,2,…,m，w'为层次分析法权重，w

因此综合评价函数为

F＝w

S104：基于历史最优运行数据采用SVM分类器建立浆液循环泵运行优化模型；

将浆液循环泵的历史运行数据输入SVM分类器中，输出浆液循环泵运行组合方式。

S105：将浆液循环泵的实时运行数据输入浆液循环泵运行优化模型，输出浆液循环泵运行建议组合方案。

实施例二

本实施例将实施例一提供的方法应用在山东某电厂中，具体的实验结果与分析，在下面进行介绍：

仿真实验数据来源于山东某电厂1号机组2017年6～8月份运行数据，采样时间间隔为5分钟，共26496条，数据包括机组负荷、入口二氧化硫浓度等40维。该机组有6台浆液循环泵A～F，其技术规范如表3所示。6台浆液循环泵电机均为10000V三相电机，功率计算公式为

表3浆液循环泵技术规范

为提高数据质量，对采集到的数据样本进行预处理后共获得24275条数据。结合脱硫工艺机理分析和生产经验，初步选取其中17维数据来描述浆液循环泵运行特征。经过互信息和相关系数定量分析最终选取机组负荷、入口二氧化硫浓度、排放烟气流速、吸收塔出口压力、吸收塔入口烟气折算流量、吸收塔出口烟气折算流量、吸收塔入口压力7维数据作为影响浆液循环泵运行的主要因素。

1.1工况划分

采用FCM算法分别基于机组负荷与入口二氧化硫浓度对机组运行工况进行聚类，将聚类结果进行交叉组合获得每个负荷段与每个入口二氧化硫段的均匀分布。

根据Xie-Beni指标将机组负荷聚为7类时可获得最好的聚类结果，其数据分布如图2所示。机组负荷划分的7个工况中，负荷分布差异较为明显，负荷区间最小的为工况4，负荷区间为72.31MW，负荷区间最大为工况1，区间为85.5MW。根据实际的运行情况，电厂主要运行负荷在600MW以上，在工况划分中低于600MW的工况较其余工况下数据较少，分布区间划分跨度较大，因而本划分结果能合理反应机组负荷工况划分。

将入口二氧化硫浓度聚为9类时获得最好的聚类结果，其数据分布如图3所示。工况1工况划分区间最大为446.3mg/m3，工况4工况划分区间最小为177.8mg/m3；在实际运行中，二氧化硫浓度主要在1400mg/m3左右，划分过程中在数据密集区域工况划分更为精确，区间更小。二氧化硫浓度小于1000mg/m3或者大于2200mg/m3时，数据分布较少，工况划分时适当调大区间范围。因而本划分结果能较合理地反应入口二氧化硫工况划分。

该方法突破了原始划分方法中均匀划分的局限性，使获得的不同聚类工况数据在机组负荷和入口二氧化硫折算浓度工况区间中科学分布。在目标工况库构建中易于从各划分工况中提取同类最优数据构建最优目标工况库。将两种运行工况进行交叉组合得到63种组合工况，工况划分结果如表4所示。

表4组合工况

1.2历史最优运行工况获取

对工况划分后各工况簇下的浆液循环泵历史运行数据使用组合评价方法自动寻优，创建层次结构模型如图4所示。

根据层次结构模型构建判断矩阵如表5所示，对表5构造的判断矩阵进行一致性检验判断其合理性，由于判断矩阵是一个正互反矩阵，其最大特征值λ

W＝(0.5530,0.7161,0.2167,0.3247,0.1225,0.0686,0.0962)

判断矩阵与一致性矩阵差异程度的一致性指标

且因为矩阵大小为7×7的矩阵，因此引入平均随机一致性指标RI＝1.36，根据一致性指标CI以及RI，计算一致性比例

使用层次分析法进行权重分析，根据判断矩阵和运行数据获得各影响因素权重为w′

w′

w′

使用熵权法进行权重分析，根据运行数据计算个影响因素信息熵可得e

表5判断矩阵

使用乘数合成法进行主客观组合权重，得到综合权重为w

w

F＝0.1662x

0.0204x

式中：x

由于该组合评价系数是对浆液循环泵人工操作状况下生成的评价值，计算评价指标值与实际运行值的差值，取其较大时的数据为历史运行过程中最优操作记录。在各工况簇中使用组合评价函数对浆液循环泵历史运行数据进行自动寻优，将每个工况中的最优运行数据进行汇聚，最终共获得2422条历史最优工况数据，以此作为电厂脱硫过程中浆液循环泵的运行优化参考。部分数据如表6所示。

表6最优工况数据

1.3 SVM分类器

使用SVM分类器模型，以影响浆液循环泵电耗的7个主要影响因素作为输入，浆液循环泵运行组合方式编码作为输出，以遗传算法对SVM两参数C和g进行寻优训练分类模型，将最优工况库中2422条数据以8:2比例分为训练集和测试集进行实验，使用5折交叉验证下的准确率作为遗传算法适应度函数，遗传算法最佳适应度与平均适应度随进化代数变化如图5所示。

群体的最佳适应度及平均适应度随进化代数的增长而逐渐趋于稳定，当演化到第7代时慢慢收敛，出现最佳适应度值为96.69％，所得最优惩罚系数C为29.2858，核函数g为9.0969。以此模型对测试集进行分类测试，分类准确率为95.59％，表明该分类模型用于浆液循环泵运行模式分类准确率较高，适用性较强。

为检验所建议方法的实际运行节能降耗效果，从电厂6～8月实际运行数据中随机选取600条运行记录仿真电厂实时运行数据对提出方法降耗效果进行验证。将600条仿真数据输入分类器，其给出的浆液循环泵运行方式与实际运行方式、建议运行电流与实际额定电流对比如表7所示。根据脱硫实际运行情况，在相同机组负荷、入口二氧化硫浓度及满足环保要求SO2排放的情况下，浆液循环泵电流越低越满足优化运行。在相同机组负荷、入口二氧化硫折算浓度及满足环保要求SO2排放的情况下，浆液循环泵电流越低越满足优化运行。脱硫运行中实际运行状况及测量误差等因素，浆液循环泵实际运行电流存在波动，因此建议运行方式总电流为浆液循环泵建议运行状态下的平均电流。

通过对优化后600条浆液循环泵运行数据分析，其中实现运行优化降低浆液循环泵耗电量数据共426条，如表7中序号1～3、序号5、序号8～11运行数据，占运行优化总数据71.00％；运行优化结果与原运行方式一致数据共149条，如表7中序号4和序号7运行数据,占运行优化总数据24.83％；耗电量高于原组合方式未实现运行优化数据25条，如表7中序号6运行数据，占运行优化总数据4.17％。运行优化中建议浆液循环泵组合运行方式耗电量平均降低21.55％左右，优化后耗电量对比图如图6所示。

浆液循环泵是火电厂脱硫系统主要耗能设备，其运行组合模式目前主要以人工手动操作方式控制，存在较大运行优化潜力。本实施例基于电厂厂级监控信息平台积累的大量历史运行数据，提出基于聚类和分类相结合的方法实现对浆液循环泵运行优化：(1)提出通过FCM对机组负荷和入口二氧化硫浓度分别聚类划分，再交叉组合的工况划分方法。通过对工况划分结果分析，该方法符合生产实际。(2)对各工况数据采用基于层次分析法和熵权法组合评价方法自动获取浆液循环泵最优历史运行数据。(3)使用历史最优工况数据采用基于遗传算法的SVM分类器建立浆液循环泵运行优化模型。基于电厂实测数据，仿真实验表明：本实施例提出的浆液循环泵运行优化方法最大可降低其耗电量21.55％左右，基于数据驱动的浆液循环泵运行优化方法可行，可进一步开展工程化实现研究。

实施例三

本实施提供了一种基于数据驱动的浆液循环泵运行优化系统。

一种基于数据驱动的浆液循环泵运行优化系统，包括：

数据获取模块，其被配置为：获取浆液循环泵的历史运行数据；

聚类模块，其被配置为：采用FCM算法基于浆液循环泵的历史运行数据对机组运行工况进行聚类，将聚类结果进行交叉组合，得到不同运行组合的工况数据；

综合评价模块，其被配置为：采用综合评价函数自动获取工况数据中的历史最优运行数据；

模型建立模块，其被配置为：基于历史最优运行数据采用SVM分类器建立浆液循环泵运行优化模型；

输出模块，其被配置为：将浆液循环泵的实时运行数据输入浆液循环泵运行优化模型，输出浆液循环泵运行建议组合方案。

此处需要说明的是，上述数据获取模块、聚类模块、综合评价模块、模型建立模块和输出模块对应于实施例一中的步骤S101至S105，上述模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例一所公开的内容。本实施例的具体应用实现过程与实施例二相同，但不限于上述实施例二所公开的内容。

实施例四

本实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如实施例一上述所述的基于数据驱动的浆液循环泵运行优化方法中的步骤。

实施例五

本实施例提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如实施例一上述所述的基于数据驱动的浆液循环泵运行优化方法中的步骤。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用硬件实施例、软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)或随机存储记忆体(RandomAccessMemory，RAM)等。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。