一种火电机组空气预热器性能状态的证据表征构建方法与流程

本申请涉及火电机组空气预热器设备技术领域，尤其涉及一种火电机组空气预热器性能状态的证据表征构建方法。

背景技术：

空气预热器是提高锅炉热交换性能，降低热量损耗的火电机组主要辅机设备之一，其状态的优劣对机组经济性和安全性产生重要影响。尤其近年来，由于空气预热器状态异常引起的火电机组事故频发，而其状态劣化对机组的能效更产生巨大影响。为避免空气预热器状态异常而引起影响火电机组的使用，需要对空气预热器的状态进行监督。但目前对其状态缺乏有效地监督，主要原因如下：一是由于检测成本或仪表等问题，与其状态相关参量存在不精确性和不确定性；二是状态检测与诊断的方法不完善。

技术实现要素：

本申请提供了一种火电机组空气预热器性能状态的证据表征构建方法，用于构建火电机组空气预热器性能状态的证据表征，能够处理不精确、不确定性信息，可有效描述空气预热器性能由一个状态向其他状态的演变过程。

本申请提供了一种火电机组空气预热器性能状态的证据表征构建方法，所述方法包括：

按照预设周期获取机组负荷、烟气压降、烟气侧与空气侧压降、排烟温度、空气预热器出口空气温度以及空气预热器进口空气温度的数据样本；

从所述样本中获取空气预热器处于准稳态过程的数据样本集；

计算所述数据样本集的各性能状态的初始类心

根据所述各性能状态的初始类心，统计各性能状态中的典型性能状态；

计算各典型性能状态的类心和过渡性能状态的类心

计算数据样本隶属各性能状态的可信度；

构建空气预热器性能状态证据表征。

可选的，上述方法中，从所述样本中获取空气预热器处于准稳态过程的数据样本集，包括：

设置时间步长k，当k≥k时，空气预热器处于准稳态过程；

空气预热器处于准稳态过程的数据样本集x^l：x^l＝{xk||xj,k+1-xj,k|≤δj,j＝1,2,3,4,5,6,k＝1,2,3,…,nl}，n^l为第l个准稳态过程中采集的数据样本。

可选的，上述方法中，计算所述数据样本集的各性能状态的初始类心包括：

其中，为x^l中的第k个数据样本，分别为x^l中最大值和最小值。

可选的，上述方法中，根据所述各性能状态的初始类心，统计各性能状态中的典型性能状态，包括：

计算各相邻性能状态的初始类心的欧氏距离

当ε为给定常数，则认为{ωk}和{ωl}为同一性能状态，合并所述两类数据样本；

x^l←x^k∪x^l，n^l←n^l+n^k，l＝l-1；重复上述操作直到无法找到满足的类；最后获得互不相同的c个典型性能状态{ωl},l＝1,2,…,c。

可选的，上述方法中，计算各典型性能状态的类心和过渡性能状态的类心包括：

典型性能状态的类心过渡性能状态的类心

本申请提供的一种火电机组空气预热器性能状态的证据表征构建方法，基于机理分析及运行数据挖掘，用于构建火电机组空气预热器性能状态的证据表征，具体采用证据描述空气预热器性能状态的方法，能够处理不精确、不确定性信息，可有效描述空气预热器性能由一个状态向其他状态(包括过渡状态)的演变过程。

附图说明

为了更清楚地说明本申请的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本申请实施例提供的火电机组空气预热器性能状态的证据表征构建方法的结构流程图；

图2为本申请实施例提供的实例中采样数据图；

图3为本申请实施例提供的稳态过程判断实例图；

图4为本申请实施例提供的典型性能状态及过渡状态的类心示例图；

图5为本申请实施例提供的证据构建结果实例图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

火电机组空气预热器利用锅炉尾部烟气热量加热锅炉燃烧所需空气(按传热方式空气预热器可分为传热式和蓄热式)，以达到回收烟气热量，降低排烟温度，提高锅炉效率的目的。

对空气预热器而言，在给定工况下降低其漏风量和积灰程度指数，同时避免低温腐蚀的发生是衡量其工作性能的重要指标。

(1)空气预热器基本原理：

由于影响火电机组空气预热器工作性能的主要指标是它的漏风量、积灰程度指数以及受热面最低表面温度。其中，漏风量主要来自于空气预热器的直接漏风量。因而，这三个指标可以通过以下关系确定。

在式(1)中，g为直接漏风量，单位为t/h

在式(1)中，a为漏风系数，无量纲量

在式(1)中，a为密封间隙总面积，单位为m²

在式(1)中，g为重力加速度，单位为m/s²

在式(1)中，ρa为空气密度，单位为kg/m³

在式(1)中，δp为烟气侧和空气侧的压差，单位为mpa

式(1)中，空气密度ρa基本不变。漏风系数a取决于空气预热器设备结构(如密封重数、密封形式等)，对于结构确定的设备漏风系数和密封间隙面积基本保持不变。此外，烟气侧和空气侧的压差是由锅炉系统的阻力决定的。系统的阻力取决于锅炉总体设计情况(磨煤机型号、燃烧器型式和锅炉受热面布置等)以及运行时对锅炉受热面的吹灰(根据煤种、机组负荷、磨煤机组合方式等及时调整一次风压及二次风量以加强吹灰)。

在式(2)中，λ为积灰程度指数

在式(2)中，δpy为空气预热器烟气压降，单位为mpa

在式(2)中，vy为烟气体积，单位为m³

在式(2)中，gy为烟气质量，单位为kg

在式(2)中，bj为计算燃料量，单位为t/h

在式(2)中，θpy为烟气排烟温度，单位为℃

在式(2)中，k为常数，无量纲量

式(2)中，燃料量bj的计算需要机组负荷、燃煤的工业分析数据、烟气分析数据等；烟气的质量gy和烟气容积vy的计算除了需要过量空气系数a外，还需要燃煤的元素分析数据。

此外，空气预热器受热面温度越低，越容易发生低温腐蚀。最低表面温度可由以下关系确定。

在式(3)中，θpy为烟气排烟温度，单位为℃

在式(3)中，tlk为冷空气温度，单位为℃

在式(3)中，ak，ay分别为空气侧和烟气侧放热系数，单位为w/(m².k)

在式(3)中，τk，τy为转子在空气和烟气中停留时间，单位为s

式(3)中，根据传热学相关知识进一步分析可知，空气侧和烟气侧发热系数与空气预热器进出口烟气、空气温度有关，分别用θjy，θpy，tlk，trk表示。

综上所述，漏风量g、积灰程度指数λ及受热面最低表面温度tmin是空气预热器的主要性能评价指标，其主要影响因素包括运行参数δp、δpy、θjy、θpy、a、tlk、trk，与设备形式相关的漏风系数a、密封间隙总面积a以及取决于燃煤煤种、煤质的vy、gy、bj等。对于结构确定，煤种一定的机组而言，燃料量bj、烟气质量gy、烟气体积vy是随机组负荷变化的参量。

因此，空气预热器漏风量、积灰程度指数及受热面表面最低温度主要是随机组负荷pel、过量空气系数a、烟气压降δpy、空气预热器进口烟气温度θjy、烟气排烟温度θpy、空气预热器进出口空气温度tlk、trk，烟气空气侧压差δp的变化而变化。进一步分析运行参数，根据锅炉燃烧特性，过量空气系数与空气预热器进口烟气温度和烟气排烟温度呈正相关关系。

因此，可将机组负荷pel、烟气侧压降δpy、烟气排烟温度δp、烟气空气侧压差δp，空气预热器进出口空气温度tlk、trk作为反映空气预热器性能状态的过程参量，定义如下：

x:＝(x1,x2,x3,x4,x5,x6):＝(pel,δpy,δp,θpy,trk,tlk)(4)

在式(4)中，“′”为向量转置。

在式(4)中，x为反映空气预热器的过程参量(列)向量，x1＝pel,x2＝δpy,x3＝δp,x4＝θpy,x5＝trk,x6＝tlk。

(2)空气预热器典型性能状态的数据挖掘

对空气预热器进行数据挖掘分析，获得数据样本xi＝(x1i,x2i,x3i,x4i,x5i,x6i)′,i＝1,2,…，以及蕴含于这些数据样本中的典型性能状态ωl,l＝1,2,…，方法如下：

根据(5)式判断空气预热器是否达到或处于准稳态过程：

|xj,k+1-xj,k|≤δj,j＝1,2,3,4,5,6,k＝1,2,3,…(5)

在式(5)中，δj为空气预热器第j个过程参量xj的变化阈值。

给定一个合适的时间步长k，当k≥k时，则认为空气预热器达到准稳态过程。一旦空气预热器达到准稳态，则可获得该准稳态过程的数据样本集x^l:

x^l＝{xk||xj,k+1-xj,k|≤δj,j＝1,2,3,4,5,6,k＝1,2,3,…,nl}(6)

在式(6)中，n^l为第l个准稳态过程中采集的数据样本量。

在获得c个互不相同的准稳态过程后，即获得了c个空气预热器典型性能状态ωl,l＝1,2,…,c。这些准稳态过程的数据样本构成了空气预热器的数据样本集:

在式(7)中，符号∪为集合的并操作。

在式(7)中，n为获得的数据样本集x的样本数量。

(3)空气预热器性能状态的证据表征及定义

证据理论是一种有效处理不精确、不确定性信息的有效工具，其中证据表征及定义是证据理论的基础。给定空气预热器典型性能状态集ω＝{ω1,ω2,…,ωc}，那么描述热力设备当前性能的任意证据m可以定义如下：

在式(8)中，2^ω为集合ω的幂集。

在式(8)中，a为ω的任意子集。

在式(8)中，m(a)为空气预热器当前性能状态隶属于状态集a的可信度。

集合a描述了空气预热器当前状态取值的不精确性，而m(a)则描述了当前性能状态隶属于状态集a的可信度即不确定性。举例来说，假设空气预热器性能可定义为三个典型状态ω＝{ω1,ω2,ω3}，那么证据mi:mi(ω1)＝0.3,mi({ω1,ω2})＝0.7则描述了空气预热器性能正从状态ω1向过渡状态{ω1,ω2}的衍变，其中，0.3和0.7分别表征了空气预热器隶属于不同性能状态的不确定性，a＝{ω1,ω2}描述了空气预热器性能状态的不精确性。

(4)空气预热器性能状态证据mi的构建

首先，为了消除不同变量量纲的影响，根据式(10)将原始变量进行标准化处理。

式(10)中，为x^l中的第k个数据样本，分别为x^l中最大值和最小值。

计算各典型性能状态{ωl}以及过渡状态{ωl,ωl+1},l＝1,2,…,c-1的类心：

反之，对应于原始变量空间中的类心可由式(13)获得：

式(13)中，a∈f，f:＝{{ω1},{ω1,ω2},{ω2},{ω2,ω3}…,{ωc-1},{ωc-1,ωc},{ωc}}为空气预热器的典型性能状态集。

其次，计算各数据样本隶属于各性能状态的可能性程度(/不确定度)：

在式(14)中，为与性能状态a之间的欧氏距离。

在式(14)中，f:＝{{ω1},{ω1,ω2},{ω2},{ω2,ω3}…,{ωc-1},{ωc-1,ωc},{ωc}}为空气预热器的典型性能状态集。

当不考虑过渡状态{ωl,ωl+1},l＝1,2,…,c-1时，一条证据mi(a)退化为一个概率分布或一个模糊数。

(5)空气预热器性能状态的证据表征(集)

基于以上描述，在可获得空气预热器过程参量数据样本x的基础上，可构建用于反映空气预热器性能状态的证据表征(集)如下：

{(xi,mi)|i＝1,2,…,n}(15)

在式(15)中，xi为x的第i个数据样本。

在式(15)中，mi为由式(13)定义的对应于xi的空气预热器性能状态的证据。

具体的，如附图1所示，本申请实施例提供的火电机组空气预热器性能状态的证据表征构建方法，包括：

s101：按照预设周期获取机组负荷、烟气压降、烟气侧与空气侧压降、排烟温度、空气预热器出口空气温度以及空气预热器进口空气温度的数据样本。

在火电机正常运行时，数据样本(机组负荷x1＝pel、烟气压降x2＝δpy、烟气侧和空气侧压降x3＝δp、排烟温度x4＝θpy、空气预热器出口空气温度x5＝trk、空气预热器进口空气温度x6＝tlk)的采样周期为1秒。通常，对于原始秒级数据样本，建立60个采样周期的数据筛选窗口，以1分钟平均值作为代表性数据样本。

s1o2：从所述样本中获取空气预热器处于准稳态过程的数据样本集。

设置时间步长k，当k≥k时，空气预热器处于准稳态过程；

空气预热器处于准稳态过程的数据样本集x^l：x^l＝{xk||xj,k+1-xj,k|≤δj,j＝1,2,3,4,5,6,k＝1,2,3,…,nl}，n^l为第l个准稳态过程中采集的数据样本。

具体的，①起始设定l＝1，如果n^l>k，则获得第l个典型性能状态{ωll}以及其对应的数据样本集x^l；②l＝l+1，重复操作①，直到完成对所有原始正常运行数据样本的遍历搜索计算；③获得l＝l个性能状态集合。

s103：计算所述数据样本集的各性能状态的初始类心

根据(11)式计算各性能状态的初始类心具体的，

其中，为x^l中的第k个数据样本，分别为x^l中最大值和最小值。

s1o4：根据所述各性能状态的初始类心，统计各性能状态中的典型性能状态。

计算各典型性能状态{ωl}类心之间的欧氏距离如果两个不同类之间的距离较近，即：(ε为给定常数，其确定应当能够使最终典型状态类心数目在2-10之间)，则认为{ωk}和{ωl}为同一性能状态，合并这两类数据样本；x^l←x^k∪x^l，n^l←n^l+n^k，l＝l-1；重复上述操作直到无法找到满足的类；最后获得互不相同的c个典型性能状态{ωl},l＝1,2,…,c。

s1o5：计算各典型性能状态的类心和过渡性能状态的类心

根据式(11)、(12)和(13)分别计算各典型性能状态(ωll}以及过渡性能状态{ωl,ωl+1},l＝1,2,…,c-1的类心和

s106：计算数据样本隶属各性能状态的可信度。

根据(14)式计算各数据样本隶属于各性能状态的可信度(/不确定度)

s1o7：构建空气预热器能状态证据表征。

根据(15)式构建加热器性能状态证据表征(集)。

下面结合具体实例对本申请实施例提供的火电机组空气预热器性能状态的证据表征构建方法，进行详细说明：

以某地的一超临界机组#1高压加热器为例。

步骤1：原始正常样本(机组负荷x1＝pel、烟气压降x2＝δpy、烟气侧和空气侧压降x3＝δp、排烟温度x4＝θpy、空气预热器出口空气温度x5＝trk、空气预热器进口空气温度x6＝tlk)预处理。本实例采样时长约为3200分钟，原始运行数据为1秒级数据样本，取60个周期的算数平均值作为一个代表性数据样本，最终选取3150个样本。采样数据示意图见图2。

步骤2：针对选取的各个过程参量，建立关于机组负荷x1＝pel的单变量稳态模型，给定的变化阈值δ1＝6，根据(5)式判断空气预热器是否处于准稳态过程。

具体实施如下：①起始设定l＝1，如果n^l>k:＝20，则获得第l个典型性能状态ωl以及其对应的数据样本集x^l；②l＝l+1，重复操作①，直到完成对所有原始正常运行数据样本的遍历搜索计算；③获得l＝34个性能状态集合。本实例稳态过程判断示意图见图3。

步骤3：根据式(11)计算各性能状态{ωl}，l＝1,2,3......34的类心(此处上标“0”表示初始类心)。类心按升负荷排序，结果分别为：

步骤4：计算各典型性能状态{ωl}类心之间的欧氏距离如果则认为{ωk}和{ωl}为同一性能状态，合并这两类数据样本；x^l←x^k∪x^l，n^l←n^l+n^k，l＝l-1；重复上述操作直到无法找到满足的类；最后获得互不相同的5个典型性能状态{ωl},l＝1,2,…,5。

步骤5：根据式(11)、(12)和(13)分别计算各典型性能状态{ωl}以及过渡性能状态{ωl,ωl+1},l＝1,2,…,4的类心和

典型性能状态及过渡状态类心见图4。

步骤6：根据(14)式计算各数据样本隶属于各性能状态的可信度(/不确定度).以某状态xi＝{616.02mw,0.97mpa,9.74mpa,118.83℃,329.88℃,22.01℃}为例，计算的各性能状态的可信度为：

mi{ω1)＝0.0395；mi(ω1,ω2)＝0.8742；mi(ω2)＝0.0565；mi(ω2,ω3)＝0.0160；

mi(ω3)＝0.0074；mi(ω3,ω4)＝0.0028；mi(ω4)＝0.0015；mi(ω4,ω5)＝0.0011；

mi(ω5)＝0.0010；

由于分配给过渡状态{ω1,ω2}的信度最高，因此xi＝{616.02mw,0.97mpa,9.74mpa,118.83℃,329.88℃,22.01℃}应当属于ω1与ω2的过渡类。

步骤7：根据(15)式构建加热器性能状态证据表征(集)。{(xi,mi)|i＝1,2,…,n}，xi为x的第i个数据样本。mi为由步骤6的对应于xi的回热加热器性能状态的证据。以某段实时数据为例，其证据构建结果见附图5，该段第一部分属于ω5，随后经过过渡类(ω4,ω5)，过渡为ω4，又经过过渡类(ω4,ω5)，重新过渡到ω5。在ω4状态中，出现过渡类(ω4,ω5)信度突变的现象，说明此时有向ω5状态过渡的趋势。由附图5可见本专利构建的证据可以描述上述过程。

需要说明的是，本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处，相关之处参见方法实施例的部分说明即可。本领域技术人员在考虑说明书及实践这里的发明后，将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未发明的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由下面的权利要求指出。

应当理解的是，本申请并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求来限制。