一种基于大数据的燃煤电厂SCR系统性能综合评价方法与流程

本发明涉及燃煤锅炉大气污染控制，特别涉及一种基于大数据的燃煤电厂scr系统性能综合评价方法。

背景技术：

1、近年来大数据市场发展迅速，在技术、产业及应用等方面均获得了长足发展，改变了传统的生产方式和经济运行机制，显著提升了经济运行水平和效率。火电机组运行过程中产生的庞大数据库为大数据指导火电机组相关问题研究提供了充足的数据支持。

2、对于火电机组，虽然总体达标情况良好，但是无论是启停阶段还是正常运行阶段，出现超标情况被考核最多的都是脱硝系统，而脱硝系统运行影响因素较为复杂，在线数据又存在明显的滞后性。国内外现有技术主要关注于利用在线大数据根据脱硝入口实时参数调整喷氨的精确性和及时性，提高scr脱硝系统运行自动化水平，主要是数据的直接应用，并不进行数据和模型的反演。同时，对于scr系统运行中存在的一些故障隐患，更多的是现阶段对于scr系统运行人员操作水平评价多集中于简单的氮氧化物超标次数及氨消耗量考核上，并未考虑煤种、负荷等参数对scr系统及脱硝运行的影响，缺乏一定的科学性，且相同等级的不同机组之间也缺乏统一的评价标准。

技术实现思路

1、本发明针对现有技术中的不足，提供一种基于大数据的燃煤电厂scr系统性能综合评价方法；旨在提升scr运行人员操作水平和故障发现及处理及时性，提高燃煤电厂scr运行安全性和可靠性。

2、为实现上述目的，本发明采用以下技术方案：

3、一种基于大数据的燃煤电厂scr系统性能综合评价方法，包括以下步骤：

4、s1、数据预处理：导入火电机组的历史运行数据并筛选出异常值，将各异常值通过其对应历史范围内正常值的平均值进行替换，然后针对从历史运行数据中提炼的特征值，分别利用均值和标准差进行标准化，使特征值数据符合标准正态分布得到原始数据集；

5、s2、动态时延计算：采用最大互信息系数计算各特征值相对于scr反应出口nox浓度变化的时间延迟，并将计算出来的结果结合到原始数据集中；

6、s3、输入变量集筛选：针对步骤s2中处理后的原始数据集，采用数据降为算法剔除冗余变量；

7、s4、scr系统预测模型构建：基于bp神经网络构建scr系统预测模型，并通过步骤s3处理后的原始数据集进行训练和验证，同时采用网格搜索方法优化scr系统预测模型的超参数；

8、s5、scr反应出口nox浓度变化预测及喷氨量优化：采集火电机组实施运行数据，并采用步骤s1的数据预处理方法进行处理，然后带入到scr系统预测模型，以实时预测scr反应出口nox浓度变化，同时利用粒子群算法对理论最佳喷氨量进行优化预测；

9、s6、喷氨量偏差数据规格化：对实际喷氨量与最佳喷氨量的偏差这一评价指标进行规格化处理，并按照火电机组等级或类型赋予一定的偏差计算系数；

10、s7、多火电机组scr性能评估：定期对各目标火电机组的平均喷氨偏差进行统计，针对不同等级或类型的火电机组，将其平均喷氨偏差与其对应的偏差计算系数相乘计算，然后根据计算值对所有的火电机组进行排名并确定各火电机组scr性能状态。

11、为优化上述技术方案，采取的具体措施还包括：

12、进一步地，在步骤s1中，筛选历史运行数据的异常值方法包括有t检验法、拉依达准则、格拉布斯准则。

13、进一步地，在步骤s3中，数据降为算法包括有主成分分析法、偏最小二乘法、核主元分析法、逐步回归分析法、平均影响值法。

14、进一步地，在步骤s4中，基于bp神经网络构建scr系统预测模型的方式外，还采用线性回归法、k近邻法、随机森林回归法、极端随机森林法、xgbregressor法、ridgecv法、adaboostregressor法中的任意一种方式来替换bp神经网络构建scr系统预测模型。

15、一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序使计算机执行如上述任一项所述的scr系统评估方法。

16、一种电子设备，其特征在于，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，所述处理器执行计算机程序时，实现如上述任一项所述的scr系统评估方法。

17、本发明的有益效果是：

18、1、采用本发明方法实现了不同负荷、不同煤种、不同催化剂新旧程度的同类型燃煤机组scr脱硝性能之间的直观对比及综合评价。

19、2、采用本发明针对氨逃逸异常、脱硝效率下降、反应器差压和空预器差压异常等scr脱硝系统常见故障进行早期预警，提醒相关电厂及时处理。

技术特征：

1.一种基于大数据的燃煤电厂scr系统性能综合评价方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于大数据的燃煤电厂scr系统性能综合评价方法，其特征在于，在步骤s1中，筛选历史运行数据的异常值方法包括有t检验法、拉依达准则、格拉布斯准则。

3.根据权利要求1所述的一种基于大数据的燃煤电厂scr系统性能综合评价方法，其特征在于，在步骤s3中，数据降为算法包括有主成分分析法、偏最小二乘法、核主元分析法、逐步回归分析法、平均影响值法。

4.根据权利要求1所述的一种基于大数据的燃煤电厂scr系统性能综合评价方法，其特征在于，在步骤s4中，基于bp神经网络构建scr系统预测模型的方式外，还采用线性回归法、k近邻法、随机森林回归法、极端随机森林法、xgbregressor法、ridgecv法、adaboostregressor法中的任意一种方式来替换bp神经网络构建scr系统预测模型。

5.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序使计算机执行如权利要求1-5任一项所述的scr系统性能综合评价方法。

6.一种电子设备，其特征在于，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，所述处理器执行计算机程序时，实现如权利要求1-5任一项所述的scr系统性能综合评价方法。

技术总结
本发明公开了一种基于大数据的燃煤电厂SCR系统性能综合评价方法；通过机器学习分析并总结火电机组操作参数和SCR系统脱硝性能之间的内在联系，基于历史运行数据构建具有广泛适用性的SCR系统预测模型。采集在线运行数据并带入已训练完成的SCR模型中，得到不同工况下的最佳喷氨量，对实际喷氨量与最佳喷氨量的偏差这一评价指标进行规格化处理。本发明可以实现不同负荷、不同煤种、不同催化剂新旧程度的同类型燃煤机组SCR脱硝性能之间的直观对比，并在故障发生前及时发出预警，提醒相关电厂及时处理。

技术研发人员：黄治军,祁建民,张恩先,孙栓柱,李辰龙,高远,王卫群,张磊,李逗,石田,朱洁雯,周春蕾,傅高健
受保护的技术使用者：江苏方天电力技术有限公司
技术研发日：
技术公布日：2024/1/13