劉彩利

(西安外事學(xué)院，陜西 西安 710077)

當前工業(yè)領(lǐng)域已實現(xiàn)了分布式控制系統(tǒng)的普遍應(yīng)用，多數(shù)用于采集海量運行數(shù)據(jù)信息，由于運行數(shù)據(jù)具備大數(shù)據(jù)級別的數(shù)據(jù)量、動態(tài)化、多元化、高維度化、強關(guān)聯(lián)等特性，導(dǎo)致數(shù)據(jù)挖掘分析難度加大，為獲取正確結(jié)論，需在數(shù)據(jù)挖掘分析前做好篩選等預(yù)處理工作。所以為獲取有價值的數(shù)據(jù)信息，需采取更加成熟完善的數(shù)據(jù)預(yù)處理與挖掘技術(shù)[1]。在我國科技發(fā)展推動下，數(shù)據(jù)挖掘技術(shù)應(yīng)用研究獲得了顯著成果，且實現(xiàn)了在工業(yè)領(lǐng)域的廣泛應(yīng)用。然而，多數(shù)情況下均是以單一式工業(yè)爐效率或者供電煤耗率為主要性能指標，對此在我國積極采取突破行業(yè)壟斷與開放式市場等政策的形勢下，工業(yè)領(lǐng)域需基于綜合考慮工業(yè)爐運行成本，且優(yōu)化運行[2]。

1 數(shù)據(jù)挖掘技術(shù)原理

數(shù)據(jù)挖掘即數(shù)據(jù)庫內(nèi)的知識發(fā)現(xiàn)，是由海量數(shù)據(jù)中充分挖掘處理有價值的知識規(guī)則。數(shù)據(jù)挖掘主要是為了監(jiān)控異常模式并尋求最佳模式，以歷史數(shù)據(jù)信息預(yù)言未來發(fā)展動態(tài)，從而強化管理層決策水平與能力。在數(shù)據(jù)挖掘技術(shù)實際應(yīng)用時，需安排專業(yè)人員加以操作，才可發(fā)現(xiàn)并評價知識。數(shù)據(jù)挖掘處理過程具有反復(fù)性，其運行流程[3]具體見圖1。

圖1 數(shù)據(jù)挖掘運行流程

其中，決策樹、神經(jīng)網(wǎng)絡(luò)、K-means聚類與關(guān)聯(lián)規(guī)則算法是最常見的數(shù)據(jù)挖掘算法。決策樹即根據(jù)概率與圖論樹對比分析各決策不同的設(shè)計方案，以助于決策者獲取最佳方案的風(fēng)險分析方法，屬于預(yù)測評估模型，為對象屬性與對象值之間的彼此映射。神經(jīng)網(wǎng)絡(luò)即模仿動物大腦神經(jīng)突觸結(jié)構(gòu)，以處理分析數(shù)據(jù)信息的一種數(shù)學(xué)模型，由多種簡單輸入與輸出單元共同構(gòu)成，各單元均具備各自的權(quán)重函數(shù)值。

關(guān)聯(lián)規(guī)則負責(zé)挖掘數(shù)據(jù)各項集間的相互關(guān)系，表示方式具體為A-B(s，c)，其中s與c為規(guī)則支持度與置信度，其是關(guān)聯(lián)規(guī)則的關(guān)鍵指標，前者代表項集A與B共同處于同一事務(wù)內(nèi)的概率，表示規(guī)則實用性，后者代表項集A事務(wù)內(nèi)同時存在項集B的概率，表示規(guī)則明確性。關(guān)聯(lián)規(guī)則運算流程[4]具體見圖2。

圖2 基于關(guān)聯(lián)規(guī)則的數(shù)據(jù)挖掘流程

2 基于數(shù)據(jù)挖掘技術(shù)的工業(yè)爐運行優(yōu)化系統(tǒng)

工業(yè)爐運行性能指標和煤質(zhì)、機組負荷、運行參數(shù)息息相關(guān)，此關(guān)系于工業(yè)爐歷史運行數(shù)據(jù)內(nèi)呈現(xiàn)為煤質(zhì)、負荷、運行參數(shù)、性能指標等數(shù)據(jù)項的關(guān)聯(lián)關(guān)系，在定量化之后，則展示出工業(yè)爐實際運行狀態(tài)的關(guān)聯(lián)規(guī)則。基于關(guān)聯(lián)規(guī)則處理運行數(shù)據(jù)，則可獲取強關(guān)聯(lián)規(guī)則，從中選擇指定工況下相應(yīng)優(yōu)異性能指標的規(guī)則，各項相關(guān)參數(shù)最優(yōu)值便可指導(dǎo)工業(yè)爐實現(xiàn)運行優(yōu)化。以聚類與關(guān)聯(lián)規(guī)則為載體的工業(yè)爐運行優(yōu)化系統(tǒng)架構(gòu)[5]具體見圖3。

圖3 工業(yè)爐運行優(yōu)化系統(tǒng)架構(gòu)

3 基于關(guān)聯(lián)規(guī)則的工業(yè)爐運行優(yōu)化最佳值

工業(yè)爐運行優(yōu)化最佳值即現(xiàn)階段工況下工業(yè)爐達到最優(yōu)運行工況時，工業(yè)爐的目標函數(shù)與運行參數(shù)等具體值。運行優(yōu)化工況涉獵環(huán)境、煤質(zhì)、負荷等等，目標函數(shù)通常代表工業(yè)爐效率或者供電煤耗率，運行參數(shù)通常代表磨煤機組合、一次風(fēng)量、二次風(fēng)量、OFA風(fēng)量、燃燒器二次風(fēng)門開度等[6]。

工業(yè)爐運行參數(shù)最佳值確定也就是基于工業(yè)爐運行性能空間，以其性能指標達到作為目標函數(shù)的尋優(yōu)問題，前提條件為以現(xiàn)階段運行工業(yè)爐設(shè)備為載體。運行優(yōu)化性能指標通常選擇工業(yè)爐效率或者供電煤耗率作為性能指標，其合理性選擇是工業(yè)爐運行優(yōu)化的關(guān)鍵所在，而綜合性能指標可全方位評估工業(yè)爐性能，并實現(xiàn)偏差分析。在確定工業(yè)爐運行參數(shù)最佳值之后，便可就其和性能指標、運行參數(shù)之間的偏差詳細分析工業(yè)爐運行狀況，以促使運行人員充分掌握設(shè)備運行特征，以調(diào)整工業(yè)爐運行狀態(tài)，確保其長時間保持在最優(yōu)運行工況下。

機組運行經(jīng)濟性和運行參數(shù)之間表現(xiàn)為繁雜的函數(shù)關(guān)系，但是具體明確體現(xiàn)機組最佳經(jīng)濟性的相關(guān)運行參數(shù)難度較大。在工業(yè)爐運行優(yōu)化時，需充分考慮機組經(jīng)濟性的影響因素，尤其是可調(diào)整可控制因素[7]。

在其他參數(shù)既定狀態(tài)時，以300 MW機組為例，分析基于排煙溫度變化的工業(yè)爐效率，具體見表1。

表1 基于排煙溫度變化的工業(yè)爐效率

由表1可知，在排煙溫度上升的趨勢下，其他參數(shù)不變，則工業(yè)爐效率呈現(xiàn)線性下降態(tài)勢。因此，工業(yè)爐運行過程中，機組應(yīng)最大程度上縮減造成排煙溫度上升的因素，從而防止排煙熱損失增加，工業(yè)爐效率下降，機組經(jīng)濟性受影響[8]。

機組在300 MW負荷下基于過量空氣系數(shù)變化的工業(yè)爐效率具體見表2。

表2 300 MW負荷下基于過量空氣系數(shù)變化的工業(yè)爐效率

機組在270 MW負荷下基于過量空氣系數(shù)變化的工業(yè)爐效率具體見表3。

表3 270 MW負荷下基于過量空氣系數(shù)變化的工業(yè)爐效率

機組在240 MW負荷下基于過量空氣系數(shù)變化的工業(yè)爐效率具體見表4。

表4 240MW負荷下基于過量空氣系數(shù)變化的工業(yè)爐效率

由表4可知，在過量空氣系數(shù)逐漸增大的形勢下，工業(yè)爐熱效率不斷攀升，直到最大值狀態(tài)，隨后開始降低。過量空氣系數(shù)上升時，出現(xiàn)最佳過量空氣系數(shù)?；谂艧煖囟扰c過量空氣系數(shù)對工業(yè)爐效率的影響作用，以面向300 MW機組歷史數(shù)據(jù)庫的挖掘提取100%負荷條件下，過量空氣系數(shù)與排煙溫度的最優(yōu)值，表明了關(guān)聯(lián)規(guī)則的實踐應(yīng)用。

4 基于關(guān)聯(lián)規(guī)則數(shù)據(jù)挖掘的工業(yè)爐優(yōu)化運行方法

以面向300 MW機組歷史數(shù)據(jù)庫的挖掘提取100%負荷條件下，過量空氣系數(shù)與排煙溫度的最優(yōu)值，表明了關(guān)聯(lián)規(guī)則的實踐應(yīng)用[9]。其中，原始數(shù)據(jù)具體見表5。

表5 原始數(shù)據(jù)

其中部分原始數(shù)據(jù)是無效的，為降低數(shù)據(jù)挖掘復(fù)雜性，提高數(shù)據(jù)挖掘精確性，需清洗原始數(shù)據(jù)。在原始數(shù)據(jù)清洗時，則就用戶在系統(tǒng)設(shè)置中設(shè)定的參數(shù)上下限值進行數(shù)據(jù)有效性檢測，而針對偏離用戶設(shè)定的取值區(qū)間數(shù)據(jù)，則看作無效數(shù)據(jù)，加以清洗。其中，機組負荷有效區(qū)間是[285，300]；工業(yè)爐效率有效區(qū)間值是[1.4，1.5]；排煙溫度有效區(qū)間值是[124，135]；過量空氣系數(shù)有效區(qū)間值是[91，93]；氮氧化合物區(qū)間有效值是[438，442]。清洗后的數(shù)據(jù)具體見表6。

表6 清洗后的數(shù)據(jù)

以粒度離散化數(shù)據(jù)，把連續(xù)屬性數(shù)據(jù)值域范圍具體劃分為間隔相同的子區(qū)間，以特殊符號或者整數(shù)值代表各子區(qū)間。系統(tǒng)內(nèi)機組負荷粒度設(shè)定為4，離散之后的數(shù)據(jù)11表示[296，300]，基于設(shè)定過量空氣系數(shù)粒度為0.02，排煙溫度粒度為2，工業(yè)爐效率粒度為0.5，氮氧化合物粒度為1，可獲取對應(yīng)離散值，即離散后的數(shù)據(jù)具體見表7。

表7 離散后的數(shù)據(jù)

以關(guān)聯(lián)規(guī)則挖掘技術(shù)挖掘離散后數(shù)據(jù)，以獲取滿足置信度要求的關(guān)聯(lián)規(guī)則11∧25∧35∧51?41。在反離散化之后獲得機組負荷[285，289]∧過量空氣系數(shù)[1.48，1.5]∧排煙溫度[132，134]∧氮氧化合物[438，439]?工業(yè)爐效率[91，91.5]，以區(qū)間中心值為目標值，獲取100%負荷下過量空氣系數(shù)目標值1.49，排煙溫度目標值133 ℃，氮氧化合物目標值438.5 mg/m3(標準)，此時工業(yè)爐效率則會達到91.25%。以此數(shù)據(jù)挖掘方法運用在其他負荷下的最優(yōu)化目標值確定中，并將運行最優(yōu)化目標值看作設(shè)定值，以開展試驗[10]，結(jié)果具體見表8。

表8 運行優(yōu)化前后的工業(yè)爐效率 %

由表8可知，利用關(guān)聯(lián)規(guī)則挖掘確定的工業(yè)爐運行參數(shù)最佳值應(yīng)用在工業(yè)爐運行中，可顯著提升工業(yè)爐運行效率，還可促使工業(yè)爐運行效率維持在較高且較穩(wěn)定的水平狀態(tài)，同時可在很大程度上降低氮氧化合物排放量。

5 結(jié) 論

綜上所述，在海量傳感器數(shù)據(jù)與專家經(jīng)驗提供了許多機組運行狀態(tài)信息，以數(shù)據(jù)挖掘方法對信息資源進行加工利用，有利于工業(yè)爐運行優(yōu)化，并提高機組經(jīng)濟性與可靠性。因此，本文在運行優(yōu)化過程中引進了數(shù)據(jù)挖掘技術(shù)，提出了基于數(shù)據(jù)挖掘技術(shù)的工業(yè)爐運行優(yōu)化方法，并在關(guān)聯(lián)規(guī)則輔助下確定了運行優(yōu)化最佳值。同時對工業(yè)爐運行優(yōu)化方法進行了實際應(yīng)用分析，結(jié)果表明，利用關(guān)聯(lián)規(guī)則挖掘確定的工業(yè)爐運行參數(shù)最佳值應(yīng)用在工業(yè)爐運行中，可顯著提升工業(yè)爐運行效率，還可促使工業(yè)爐運行效率維持在較高且較穩(wěn)定的水平狀態(tài)，同時可在很大程度上降低氮氧化合物排放量。