李建強， 陳星旭， 趙 凱， 汪安明

(華北電力大學(xué) 能源動力與機械工程學(xué)院， 河北保定 071003)

基于數(shù)據(jù)分析的燃煤機組制粉系統(tǒng)與配風(fēng)方式優(yōu)化

李建強， 陳星旭， 趙 凱， 汪安明

(華北電力大學(xué) 能源動力與機械工程學(xué)院， 河北保定 071003)

針對某600 MW燃煤機組制粉系統(tǒng)及配風(fēng)方式優(yōu)化，在其歷史運行數(shù)據(jù)庫的基礎(chǔ)上，采用改進關(guān)聯(lián)規(guī)則挖掘算法對磨煤機一次風(fēng)量、給煤機速率、磨煤機出口風(fēng)壓及二次風(fēng)門開度等參數(shù)進行挖掘，得到了優(yōu)化后全工況下各運行參數(shù)的最優(yōu)參考值.結(jié)果表明：在中低負(fù)荷段，保證煤量要求的前提下，減少磨煤機臺數(shù)能夠降低制粉系統(tǒng)運行能耗；在相同磨煤機組合方式下，優(yōu)化后工況的凈單位發(fā)電量明顯提升，有效降低了制粉系統(tǒng)運行能耗；優(yōu)化后的二次風(fēng)配風(fēng)方式呈束腰型分布，在保證穩(wěn)燃的同時提高了鍋爐效率，降低了NOx的生成量.

制粉系統(tǒng)； 配風(fēng)方式； 數(shù)據(jù)挖掘； 關(guān)聯(lián)規(guī)則

燃煤機組鍋爐燃燒過程是涉及眾多運行參數(shù)的復(fù)雜化學(xué)物理過程[1].優(yōu)化制粉系統(tǒng)和配風(fēng)方式是實現(xiàn)鍋爐燃燒優(yōu)化的重要手段.制粉系統(tǒng)作為燃煤機組的能量源頭，提供燃燒所需要的燃料[2].不同的配風(fēng)方式?jīng)Q定了輸送煤粉的動力和提供給煤粉燃燒所需的空氣量，對爐內(nèi)煤粉的燃燒有很大影響.保證配風(fēng)方式及制粉系統(tǒng)在全工況最優(yōu)運行參數(shù)下運行是提高鍋爐運行經(jīng)濟性，實現(xiàn)燃燒優(yōu)化的關(guān)鍵.

在制粉系統(tǒng)優(yōu)化方面，馬有福等[3]設(shè)計了一種采用爐煙干燥煤粉以及回收乏氣余熱的制粉系統(tǒng)，提高了制粉系統(tǒng)的安全性和經(jīng)濟性；高繼錄等[4]提出在制粉系統(tǒng)中摻入從引風(fēng)機出口抽取的冷爐煙，從而達(dá)到加大摻燒褐煤比例的目的，提高了機組的經(jīng)濟性；馮磊華等[5]應(yīng)用支持向量機算法建立了制粉系統(tǒng)出力預(yù)測模型.在配風(fēng)方式優(yōu)化方面，肖海平等[6]通過改變氧量及配風(fēng)方式等因素進行燃燒調(diào)整試驗，分析了不同工況下NOx濃度和鍋爐效率變化規(guī)律；伍日勝等[7]對傳統(tǒng)的氧量控制及二次配風(fēng)方式進行優(yōu)化，將試驗所得的優(yōu)化參數(shù)應(yīng)用于集散控制系統(tǒng)(DCS)中，實現(xiàn)了鍋爐配風(fēng)的精細(xì)化控制.以上優(yōu)化都只是單方面地考慮制粉系統(tǒng)或配風(fēng)方式優(yōu)化，沒有將兩者結(jié)合起來進行共同優(yōu)化.

筆者采用改進的關(guān)聯(lián)規(guī)則挖掘算法對某燃煤機組DCS中數(shù)據(jù)庫進行數(shù)據(jù)挖掘，通過優(yōu)化磨煤機一次風(fēng)量、給煤機轉(zhuǎn)速、磨煤機出口風(fēng)壓及二次風(fēng)門開度等運行參數(shù)，得到了優(yōu)化后全工況下各運行參數(shù)的最優(yōu)參考值，并對優(yōu)化前后各個工況的凈單位發(fā)電量進行曲線擬合，根據(jù)優(yōu)化后二次風(fēng)門開度曲線得到最佳配風(fēng)方式，實現(xiàn)了制粉系統(tǒng)和配風(fēng)方式的優(yōu)化.

1 鍋爐概況與數(shù)據(jù)預(yù)處理

1.1鍋爐概況

優(yōu)化對象為某600 MW燃煤機組，其鍋爐為亞臨界、一次中間再熱、單爐膛、控制循環(huán)汽包鍋爐，型號為HG-2008/17.4YM5.爐膛尺寸為18 542 mm×17 448 mm.制粉系統(tǒng)采用正壓直吹式，配置6臺MBF24.0型中速輥式磨煤機，其示意圖見圖1.

圖1 正壓直吹式制粉系統(tǒng)結(jié)構(gòu)示意圖Fig.1 Structure of the positive-pressure direct-fired pulverizing system

鍋爐燃用設(shè)計煤種滿負(fù)荷運行時，ABCDE 5臺磨煤機運行，F(xiàn)磨煤機備用.爐膛四角布置切向擺動式燃燒器，最大擺角為±30°，燃燒器上方布置高位燃盡風(fēng)(OFA)，以保證NOx排放值滿足要求.鍋爐采用二級高能點火系統(tǒng)，整臺鍋爐布置16支油槍(每角4只)，油槍采用機械霧化噴嘴，點火槍和油槍均為可伸縮式.燃燒器噴口布置見圖2.

圖2 燃燒器噴口布置Fig.2 Arrangement of burner nozzles

1.2優(yōu)化模型數(shù)據(jù)庫

優(yōu)化模型為該機組制粉系統(tǒng)及二次配風(fēng)系統(tǒng)，優(yōu)化對象為從該機組實時監(jiān)控信息系統(tǒng)(SIS)數(shù)據(jù)庫中導(dǎo)出的2個月的歷史運行數(shù)據(jù)，取點間隔為1 min，取數(shù)共計87 840組，優(yōu)化參數(shù)共有56個，具體優(yōu)化參數(shù)見表1.

表1 優(yōu)化參數(shù)

數(shù)據(jù)庫中發(fā)電負(fù)荷主要分布在300～600 MW，以每隔60 MW為一個區(qū)間，共分為5個工況，如表2所示.

表2 發(fā)電負(fù)荷工況劃分

1.3磨煤機組合方式

根據(jù)ABCDEF磨煤機的給煤機電流可以得到各個工況運行時的磨煤機組合方式(見圖3).制粉系統(tǒng)主要組合方式分為BCDE和ABCDE 2種，其中BCDE磨煤機組合方式主要運行在中低負(fù)荷下，即工況1～工況3；ABCDE磨煤機組合方式主要運行在中高負(fù)荷下，即工況3～工況5；其余磨煤機組合方式主要運行在中低負(fù)荷下，如ABCD磨煤機組合方式主要運行在工況2～工況3，但運行時間不多，運行記錄偏少，所以在數(shù)據(jù)挖掘過程中忽略此類磨煤機組合方式，保留BCDE和ABCDE 2種磨煤機組合方式.

圖3 磨煤機組合方式Fig.3 Combination of coal mills

2 關(guān)聯(lián)規(guī)則挖掘算法

2.1改進的Apriori算法

Apriori算法是一種經(jīng)典的關(guān)聯(lián)規(guī)則挖掘算法[8-11]，但在對經(jīng)過預(yù)處理的事務(wù)數(shù)據(jù)庫進行數(shù)據(jù)挖掘過程中，經(jīng)常會面臨花費了大量計算資源的低層次頻繁項集沒有出現(xiàn)在規(guī)則庫中，這無疑浪費了許多計算資源.根據(jù)組合排列公式，當(dāng)事務(wù)數(shù)據(jù)庫D中項的數(shù)目確定時，最大候選項集會出現(xiàn)在正中間，并且兩邊會呈相同趨勢的遞減，即若不考慮剪枝步，自下而上與自上而下2種方式生成候選項集的計算復(fù)雜程度是一致的.改進的Apriori算法采用一種基于矩陣的數(shù)據(jù)存儲格式，能夠降低候選項集的占用內(nèi)存.

事務(wù)數(shù)據(jù)庫D轉(zhuǎn)換的矩陣T為：

(1)

矩陣T中每行代表一條事務(wù)tk，每列代表一個項im，矩陣由(0，1) 2種布爾量組成，其中1表示該列的im項在事務(wù)tk中存在，0則表示該列的im項在事務(wù)tk中不存在，這樣每條事務(wù)就可以表示為一組二進制代碼.假設(shè)根據(jù)某事務(wù)數(shù)據(jù)庫得到的二進制事務(wù)矩陣TBi如下：

(2)

則對應(yīng)的十進制事務(wù)矩陣TDe可以表示為：

(3)

經(jīng)過矩陣化以及十進制化后，整個挖掘過程可以簡化為一個n元一維數(shù)組與候選項集的按位與運算，這樣就能夠降低該算法所占用的內(nèi)存，且能簡化計算流程.

2.2算法舉例

設(shè)事務(wù)數(shù)據(jù)庫D如表3所示，最小支持度設(shè)為0.2.

表3 事務(wù)數(shù)據(jù)庫

(1) 將事務(wù)數(shù)據(jù)庫D轉(zhuǎn)化為事務(wù)矩陣T.

(4)

(2) 由二進制矩陣T可得到5-候選項集C5.

(5)

(3) 對C5和T中各元素進行按位與運算.計算C5中各個事務(wù)在矩陣T中的包含情況，可以得到整個C5的支持度計數(shù)情況，如表4所示.

由表4得到5-頻繁項集L5={ABDEF,BCDEF}，并且可以得到5-非頻繁項集O5=C5-L5.

(4) 由連接步、剪枝步可得到4-候選項集C4.

表4 候選項集C5

(6)

(5) 掃描數(shù)據(jù)庫得到C4的支持度計數(shù)情況，如表5所示.

表5 候選項集C4

由表5可以得到4-頻繁項集L4={ABCE}，并且可以得到4-非頻繁項集O4={ABCD,ACDE,ABCF,ACDF,ACEF}.同理，O4通過連接步與剪枝步可以得到3-候選項集C3和2-侯選項集C2.

(6)掃描數(shù)據(jù)庫得到C2={CF}，且此項集的支持度計數(shù)為1.由上述結(jié)果可以得到2-頻繁項集L2=?，2-非頻繁項集O2={CF}，對O2進行連接步和剪枝步可以得到C1=?，滿足算法結(jié)束條件，算法結(jié)束.

由上述計算過程可以得知，事務(wù)數(shù)據(jù)庫D的頻繁項集為5-頻繁項集L5與4-頻繁項集L4的并集，即L={X|L5∪L4}.

2.3算法流程

關(guān)聯(lián)規(guī)則挖據(jù)算法的流程見圖4.考慮到燃煤機組熱力系統(tǒng)的數(shù)據(jù)記錄時間跨度大、系統(tǒng)耦合程度高，設(shè)最小支持度為0.1，最小置信度為0.6.

Apriori算法是適用于布爾型數(shù)據(jù)庫的挖掘算法，而燃煤機組DCS中數(shù)據(jù)庫包含了大量的連續(xù)量，因此在采用該算法時，需要對數(shù)值型數(shù)據(jù)庫進行離散區(qū)間劃分，將連續(xù)值劃分為多個語言值.在離散化的過程中，涉及到如何選取合理的劃分點和劃分區(qū)間大小等問題.若離散區(qū)間過大，容易出現(xiàn)“最小置信度問題”；反之，則容易出現(xiàn)“最小支持度問題”.采用以均等分區(qū)為主、聚類分區(qū)為輔的方法，在電廠數(shù)據(jù)庫各運行參數(shù)數(shù)據(jù)分布特點以及各參數(shù)與評價目標(biāo)之間影響關(guān)系的基礎(chǔ)上，盡可能合理地進行屬性的離散化.

圖4 關(guān)聯(lián)規(guī)則挖掘算法流程Fig.4 Process of association rule mining

3 挖掘結(jié)果分析

鍋爐燃燒優(yōu)化需要考慮鍋爐效率提升帶來的效益以及制粉系統(tǒng)運行導(dǎo)致的成本之間的綜合最優(yōu)結(jié)果[12-15]，通過對現(xiàn)有參數(shù)進行擬合，計算出代表單位原煤的凈發(fā)電量目標(biāo)函數(shù)Fj，如式(7)所示，用以評價各個關(guān)聯(lián)規(guī)則的優(yōu)化程度.

(7)

式中：bg為標(biāo)準(zhǔn)煤耗，g/(kW·h)；κ為制粉單耗，(kW·h)/t.

通過建立數(shù)學(xué)模型，采用關(guān)聯(lián)規(guī)則挖掘算法得到在凈單位發(fā)電量較高時各優(yōu)化參數(shù)的運行最優(yōu)值.在特定負(fù)荷和磨煤機組合方式下，選取磨煤機一次風(fēng)量、磨煤機出口風(fēng)壓、給煤機速率及各二次風(fēng)門開度等參數(shù)作為優(yōu)化參數(shù).通過該算法得到的目標(biāo)函數(shù)Fj高的關(guān)聯(lián)規(guī)則見表6，給出了優(yōu)化后全工況下不同磨煤機組合方式中各個磨煤機一次風(fēng)量、磨煤機出口風(fēng)壓、各給煤機速率和各二次風(fēng)門開度的最優(yōu)值區(qū)間，為指導(dǎo)運行人員優(yōu)化運行提供了參考值.

表6 優(yōu)化后全工況下的關(guān)聯(lián)規(guī)則

優(yōu)化后工況和原始工況擬合的凈單位發(fā)電量曲線見圖5.由圖5可知，優(yōu)化后全工況下的凈單位發(fā)電量處于較高水平，優(yōu)化結(jié)果比較理想.由圖5工況3可以直觀地看出，BCDE磨煤機組合方式比ABCDE磨煤機組合方式更為經(jīng)濟.制粉系統(tǒng)參數(shù)的調(diào)整對爐膛內(nèi)的穩(wěn)定燃燒有一定影響.在其他條件相同的情況下，不同磨煤機組合方式及其對應(yīng)運行參數(shù)的調(diào)整會改變爐膛內(nèi)的燃燒狀況、機組運行經(jīng)濟性及NOx的排放.在中低負(fù)荷段，減少磨煤機臺數(shù)可以降低總的磨煤機電流，減少磨煤機一次風(fēng)量，一次風(fēng)機電流也隨之下降，節(jié)能效果明顯，降低了廠用電的消耗.同時，由于運行磨煤機出力增加，為了維持磨煤機出口溫度，一次風(fēng)門開大，鍋爐排煙溫度降低，鍋爐效率提高.由此可見，在中低負(fù)荷段，減少磨煤機臺數(shù)，運行磨煤機出力增加這種運行方式可以降低煤耗，使機組經(jīng)濟性更高.此外，還可以有效降低一次風(fēng)率和NOx排放量.高負(fù)荷下，由于此時A磨煤機啟動，所以各個運行參數(shù)會有所降低.

在優(yōu)化后全工況下，不同磨煤機組合方式中各給煤機速率曲線、各周界風(fēng)門開度曲線和各輔助風(fēng)門開度曲線分別見圖6～圖8，其中各工況對應(yīng)參數(shù)的最優(yōu)值為在最優(yōu)區(qū)間中的所有值的算數(shù)平均數(shù)，且工況3只選取了較優(yōu)的BCDE磨煤機組合方式.由圖6～圖8可知，優(yōu)化后二次風(fēng)配風(fēng)方式呈束腰型分布.不同的二次風(fēng)配風(fēng)方式可以影響鍋爐的經(jīng)濟性和排放特性，采用束腰型配風(fēng)方式，使下層A、B、C層二次風(fēng)量相對較大，在煤粉燃燒初期保持爐膛內(nèi)部充足的風(fēng)量可使煤粉顆?；救急M，減少未完全燃燒熱損失，提高鍋爐經(jīng)濟性；使中上層D層二次風(fēng)量相對較小，有利于主燃燒區(qū)形成缺氧富燃料的還原性氣氛，降低燃料型NOx的生成量，即降低了煙氣中NOx的排放量；使上層E層二次風(fēng)量相對較大，及時補充空氣，減少飛灰含碳量.這種中間小、上下逐漸增大的二次風(fēng)門開度組合分布有利于提高局部斷面熱負(fù)荷，具有很強的穩(wěn)燃效果，同時也提高了鍋爐效率，降低了NOx的生成量.

(a) 工況1的優(yōu)化結(jié)果

(b) 工況2的優(yōu)化結(jié)果

(c) 工況3的優(yōu)化結(jié)果

(d) 工況4的優(yōu)化結(jié)果

圖6 優(yōu)化后給煤機速率曲線Fig.6 Curves of coal feeder flow rate after optimization

圖7 優(yōu)化后周界風(fēng)門開度曲線Fig.7 Optimized curve of perimeter throttle opening

圖8 優(yōu)化后輔助風(fēng)門開度曲線Fig.8 Optimized curve of auxiliary throttle opening

優(yōu)化后工況與原始工況的目標(biāo)函數(shù)對比見圖9，其中，在低負(fù)荷階段，由于用于數(shù)據(jù)挖掘樣本的工況較少，所以挖掘出的優(yōu)化工況是不連續(xù)的.由圖9可以看出，優(yōu)化結(jié)果比較理想.圖中曲線為優(yōu)化后工況擬合出的三次曲線，其方程為：

圖9 制粉系統(tǒng)優(yōu)化全工況目標(biāo)函數(shù)Fig.9 Evaluation function in full load range of coal pulverizing system

Fj=96.226 84+9.656 89D-0.017 92D2+

1.173 14×10-5D3

(8)

式中：D為發(fā)電負(fù)荷，MW.

4 結(jié) 論

(1) 采用基于矩陣的數(shù)據(jù)儲存格式，提出了一種直接面向高階實用的改進關(guān)聯(lián)規(guī)則挖掘算法.同時進行算法試驗，驗證了該算法的正確性，相對于傳統(tǒng)Apriori算法，在處理大型數(shù)據(jù)庫時該算法具有更高的運行效率.

(2) 以某600 MW燃煤機組的歷史運行數(shù)據(jù)庫為基礎(chǔ)，利用改進關(guān)聯(lián)規(guī)則挖掘算法對制粉系統(tǒng)及各二次風(fēng)門運行參數(shù)進行數(shù)據(jù)挖掘，選取磨煤機一次風(fēng)量、給煤機速率、磨煤機出口風(fēng)壓及各二次風(fēng)門開度作為挖掘參數(shù)，得到了優(yōu)化后全工況下各運行參數(shù)的最優(yōu)參考值.

(3) 由優(yōu)化結(jié)果可知，工況3中BCDE磨煤機組合方式比ABCDE磨煤機組合方式更為經(jīng)濟，在中低負(fù)荷段，磨煤機運行臺數(shù)減少，運行磨煤機出力增加的運行方式經(jīng)濟性更高；在相同磨煤機組合方式下，優(yōu)化后制粉系統(tǒng)的運行能耗有效降低.優(yōu)化后二次風(fēng)配風(fēng)方式呈束腰型分布，凈單位發(fā)電量明顯提升.

[1] 牛玉廣, 沙超, 康俊杰. 基于數(shù)值模擬與試驗運行數(shù)據(jù)的電站鍋爐燃燒系統(tǒng)復(fù)合建模[J].動力工程學(xué)報, 2014, 34(10): 765-770.

NIU Yuguang, SHA Chao, KANG Junjie. Hybrid modeling of boiler combustion system based on numerical simulation and experimental data[J].JournalofChineseSocietyofPowerEngineering, 2014, 34(10): 765-770.

[2] 夏季, 彭鵬, 華志剛, 等. 燃煤電廠分磨摻燒方式下磨煤機組合優(yōu)化模型及應(yīng)用[J].中國電機工程學(xué)報, 2011, 31(29): 1-8.

XIA Ji, PENG Peng, HUA Zhigang, et al. Optimization of pulverizers combination for power plant based on blended coal combustion[J].ProceedingsoftheCSEE, 2011, 31(29): 1-8.

[3] 馬有福, 郭曉克, 肖峰, 等. 基于爐煙干燥及水回收風(fēng)扇磨倉儲式制粉系統(tǒng)的高效褐煤發(fā)電技術(shù)[J].中國電機工程學(xué)報, 2013, 33(5): 13-20, 11.

MA Youfu, GUO Xiaoke, XIAO Feng, et al. Efficient lignite-fired power generation technology based on open pulverizing systems with flue gas drying fan mill and recovery of heat and water from pulverizing exhaust[J].ProceedingsoftheCSEE, 2013, 33 (5): 13-20, 11.

[4] 高繼錄, 鄒天舒, 吳景興, 等. 800 MW機組制粉系統(tǒng)摻混冷爐煙改造設(shè)計及影響分析[J].發(fā)電設(shè)備, 2013, 27(1): 20-23.

GAO Jilu, ZOU Tianshu, WU Jingxing, et al. Analysis on retrofit for blending cold flue gas into coal pulverizing system of an 800 MW unit[J].PowerEquipment, 2013, 27(1): 20-23.

[5] 馮磊華, 桂衛(wèi)華, 楊鋒. 改進LS-SVM的直吹式制粉出力軟測量建模[J].電機與控制學(xué)報, 2011, 15(11): 79-82.

FENG Leihua, GUI Weihua, YANG Feng. Soft sensor modeling for mill output of direct fired system based on improved least squares support vector machines[J].ElectricMachinesandControl, 2011, 15(11): 79-82.

[6] 肖海平, 張千, 王磊, 等. 燃燒調(diào)整對NOx排放及鍋爐效率的影響[J].中國電機工程學(xué)報, 2011, 31(8): 1-6.

XIAO Haiping, ZHANG Qian, WANG Lei, et al. Effect of combustion adjustment on NOxemission and boiler efficiency[J].ProceedingsoftheCSEE, 2011, 31(8): 1-6.

[7] 伍日勝, 李賀, 楊飛龍, 等. 1 000 MW超臨界鍋爐氧量控制及配風(fēng)優(yōu)化[J].云南電力技術(shù), 2014, 42(5): 81-83.

WU Risheng, LI He, YANG Feilong, et al. Research on oxygen volume and second air distribution of the boiler in 1 000 MW ultra supercritical unit[J].YunnanElectricPower, 2014, 42(5): 81-83.

[8] 孫逢嘯, 倪世宏, 謝川. 一種基于矩陣的Apriori改進算法[J].計算機仿真, 2013, 30(8): 245-249.

SUN Fengxiao, NI Shihong, XIE Chuan. Improvement of Apriori algorithm based on matrixes[J].ComputerSimulation, 2013, 30(8): 245-249.

[9] 萬祥, 胡念蘇, 韓鵬飛, 等. 大數(shù)據(jù)挖掘技術(shù)應(yīng)用于汽輪機組運行性能優(yōu)化的研究[J].中國電機工程學(xué)報, 2016, 36(2): 459-467.

WAN Xiang, HU Niansu, HAN Pengfei, et al. Research on application of big data mining technology in performance optimization of steam turbines[J].ProceedingsoftheCSEE, 2016, 36(2): 459-467.

[10] 王慧瑤. 淺談大數(shù)據(jù)時代的關(guān)聯(lián)規(guī)則研究[J].電子科學(xué)技術(shù), 2016, 3(3): 357-359.

WANG Huiyao. Introduction to the association rules of the era of large data[J].ElectronicScienceandTechnology, 2016, 3(3): 357-359.

[11] 郭濤, 張代遠(yuǎn). 基于關(guān)聯(lián)規(guī)則數(shù)據(jù)挖掘Apriori算法的研究與應(yīng)用[J].計算機技術(shù)與發(fā)展, 2011, 21(6): 101-103.

GUO Tao, ZHANG Daiyuan. Research and application on association rules based on Apriori algorithm[J].ComputerTechnologyandDevelopment, 2011, 21(6): 101-103.

[12] 李艷超. 基于DP算法的制粉系統(tǒng)運行優(yōu)化策略[J].電氣工程學(xué)報, 2015, 10(12): 63-68.

LI Yanchao. The Optimizing strategy of pulverizing system operation mode through dynamic programming algorithm[J].JournalofElectricalEngineering, 2015, 10(12): 63-68.

[13] 丁承剛, 郭士義, 龔燕雯, 等. 電站鍋爐制粉系統(tǒng)模型的建立與應(yīng)用[J].鍋爐技術(shù), 2016, 47(1): 5-8.

DING Chenggang, GUO Shiyi, GONG Yanwen, et al. Modeling and application of coal pulverizing system for coal-fired power plant[J].BoilerTechnology, 2016, 47(1): 5-8.

[14] 馬侖, 方慶艷, 田登峰, 等. 亞臨界W火焰鍋爐磨煤機組合運行方式優(yōu)化數(shù)值模擬[J].動力工程學(xué)報, 2015, 35(7): 517-523.

MA Lun, FANG Qingyan, TIAN Dengfeng, et al. Optimal simulation on coal mill combination modes of a subcritical W-shape boiler[J].JournalofChineseSocietyofPowerEngineering, 2015, 35(7): 517-523.

[15] 方彥軍, 唐勉, 秦曉潔. 超超臨界機組快速調(diào)峰磨煤機組合優(yōu)化[J].動力工程學(xué)報, 2014, 34(1): 45-49.

FANG Yanjun, TANG Mian, QIN Xiaojie. Combination optimization of coal mills for peak load regulation of ultra-supercritical units[J].JournalofChineseSocietyofPowerEngineering, 2014, 34(1): 45-49.

OptimizationonPulverizingSystemandAirDistributionMethodofaCoal-firedUnitBasedonDataAnalysis

LIJianqiang,CHENXingxu,ZHAOKai,WANGAnming

(School of Energy, Power and Mechanical Engineering, North China Electric Power University, Baoding 071003, Hebei Province, China)

To optimize the coal pulverizing system and air distribution mode of a 600 MW thermal power unit, data mining was carried out on following parameters by an improved Apriori algorithm for mining association rules based on the historic operating data of the system, such as the primary air flow of coal mill, the flow rate of coal feeder, the exit air pressure of coal mill, the opening of secondary air door and so on, during which optimum reference values of operation parameters were obtained under full conditions. Results show that in the medium- and low-load range, the power consumption of the pulverizing system could be decreased by reducing the running number of coal mills under the premise of ensuring the pulverized coal supply; for the same combination of coal mills, the net power generation per unit of coal has been improved remarkably after optimization, reducing effectively the power consumption of the pulverizing system; the secondary air distribution after optimization presents a constricted shape, resulting in stable combustion, high efficiency and low NOxemission of the boiler.

pulverizing system; air distribution mode; data mining; association rule

2016-10-12

李建強(1976-)，男，河北晉州人，副教授，博士，主要從事數(shù)據(jù)挖掘在電站優(yōu)化運行方面的研究.

陳星旭(通信作者)，女，碩士研究生，電話(Tel.)：15227025820；E-mail：846695496@qq.com.

1674-7607(2017)11-0876-07

TK222

A

470.30