馮普鋒，單 濤，陳 靜，孫晉志

（華電國際電力股份有限公司十里泉發(fā)電廠，山東棗莊 277103）

隨著“碳達(dá)峰”、“碳中和”戰(zhàn)略的提出，國內(nèi)對發(fā)電廠的污染物排放控制日趨嚴(yán)格。在燃煤火電廠中，煙氣脫硫技術(shù)是實現(xiàn)排放物中SO2含量符合國家要求的重要手段。

雙塔雙循環(huán)脫硫技術(shù)是在傳統(tǒng)單塔單循環(huán)技術(shù)基礎(chǔ)上進(jìn)行工藝優(yōu)化，且其具有更高的脫硫效率[1-2]。該技術(shù)系統(tǒng)設(shè)備復(fù)雜，與脫硫系統(tǒng)能耗與物耗相關(guān)的影響因素眾多。在火電機組參與調(diào)峰任務(wù)、運行工況頻繁調(diào)整的情況下，無法精確地控制脫硫系統(tǒng)運行狀態(tài)并使脫硫系統(tǒng)運行成本最低。脫硫系統(tǒng)中設(shè)備電耗占比較大，可達(dá)65%左右[3-4]。因此，如何降低電耗成本是節(jié)約成本的重要手段。脫硫系統(tǒng)中功率較大的設(shè)備主要有漿液循環(huán)泵、氧化風(fēng)機等，其電耗占整個FGD 系統(tǒng)的85%以上，故減少電能的損耗可以從漿液循環(huán)泵的優(yōu)化控制入手[5-6]。

雙塔雙循環(huán)脫硫系統(tǒng)的智能監(jiān)控系統(tǒng)中，包含了海量的監(jiān)測參數(shù)，如漿液密度、pH 值、液氣比等，以上參數(shù)與系統(tǒng)運行狀態(tài)和運行成本密切相關(guān)[7-8]。如何通過大數(shù)據(jù)技術(shù)手段對這些監(jiān)測數(shù)據(jù)進(jìn)行處理分析，并尋找在不同工況下各因素達(dá)到最優(yōu)的組合，且在滿足SO2排放控制要求的前提下，盡可能地降低脫硫的能耗與物耗，進(jìn)而實現(xiàn)運行成本最小化，是值得關(guān)注的重要問題。

針對此，該文提出了面向大型發(fā)電設(shè)備的數(shù)據(jù)高速存儲與智能化分析方法，通過數(shù)據(jù)驅(qū)動手段實現(xiàn)脫硫系統(tǒng)的優(yōu)化運行控制。

1 面向大型發(fā)電設(shè)備的數(shù)據(jù)高速存儲架構(gòu)

面向大型發(fā)電設(shè)備的智能控制系統(tǒng)數(shù)據(jù)高速存儲架構(gòu)如圖1 所示，其包括數(shù)據(jù)采集、數(shù)據(jù)處理、數(shù)據(jù)儲存、數(shù)據(jù)管理等功能模塊。系統(tǒng)的部分功能環(huán)節(jié)介紹如下。

圖1 面向大型發(fā)電設(shè)備的智能控制系統(tǒng)數(shù)據(jù)架構(gòu)

1）外部數(shù)據(jù)源

大型發(fā)電設(shè)備智能控制系統(tǒng)的外部數(shù)據(jù)主要有歷史數(shù)據(jù)和流式數(shù)據(jù)。前者是在智能控制系統(tǒng)建設(shè)之前，大型發(fā)電設(shè)備運行產(chǎn)生并存儲的靜態(tài)數(shù)據(jù)；后者是大型發(fā)電設(shè)備實時運行過程中產(chǎn)生的動態(tài)數(shù)據(jù)。

2）數(shù)據(jù)采集

針對實時動態(tài)數(shù)據(jù)采取自動讀取的流式作業(yè)方式，對歷史靜態(tài)數(shù)據(jù)采用離線上傳、手動補算、自動抽取和報表上傳這四種數(shù)據(jù)采集方式。同時，系統(tǒng)采用統(tǒng)一的訪問接口來屏蔽不同數(shù)據(jù)源之間訪問差異所造成的障礙。

3）數(shù)據(jù)處理

數(shù)據(jù)處理模塊利用數(shù)據(jù)規(guī)范化對采集的數(shù)據(jù)進(jìn)行質(zhì)量保證，同時通過數(shù)學(xué)模型和業(yè)務(wù)規(guī)范對數(shù)據(jù)進(jìn)行校驗。

4）數(shù)據(jù)存儲

數(shù)據(jù)存儲采用分布式文件系統(tǒng)存儲歷史數(shù)據(jù)，用Redis 集群存儲快照值，用關(guān)系數(shù)據(jù)庫存儲結(jié)構(gòu)化數(shù)據(jù)，從而實現(xiàn)了大型發(fā)電設(shè)備生產(chǎn)過程中產(chǎn)生的結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)的海量存儲、快速讀寫。數(shù)據(jù)存儲模塊提供統(tǒng)一的讀寫接口，接口符合WebService、RESTful 等標(biāo)準(zhǔn)接口，從而實現(xiàn)系統(tǒng)存儲容量的便捷擴(kuò)展。

5）數(shù)據(jù)管理

該模塊實現(xiàn)平臺的維護(hù)管理，可對用戶的權(quán)限進(jìn)行配置，其包括組織機構(gòu)配置、監(jiān)測指標(biāo)配置、評價體系配置等。同時，通過對歷史數(shù)據(jù)、故障數(shù)據(jù)的建模分析，為數(shù)據(jù)診斷模塊提供數(shù)據(jù)服務(wù)。

2 大型發(fā)電設(shè)備運行優(yōu)化

基于智能化數(shù)據(jù)分析的大型發(fā)電設(shè)備運行優(yōu)化方法如圖2 所示。首先，選擇與漿液循環(huán)泵運行狀態(tài)相關(guān)的因素樣本；然后，通過層次凝聚聚類算法（HAC）構(gòu)建樣本數(shù)據(jù)庫；再將通過LSTM 模型得到的系統(tǒng)工況預(yù)測結(jié)果與樣本數(shù)據(jù)庫進(jìn)行樣本匹配，并按優(yōu)化規(guī)則進(jìn)行工況尋優(yōu)；最終，輸出優(yōu)化建議。

圖2 大型發(fā)電設(shè)備運行優(yōu)化

2.1 基于LSTM模型的工況預(yù)測方法

工況預(yù)測通過系統(tǒng)實時運行數(shù)據(jù)，利用LSTM 模型預(yù)測得到入口SO2濃度和SO2脫除量等。工況預(yù)測流程如圖3 所示，其包括變量篩選、數(shù)據(jù)預(yù)處理、LSTM 模型、數(shù)據(jù)預(yù)測和偏差分析等步驟。

圖3 基于LSTM的大型發(fā)電設(shè)備工況預(yù)測

1）變量篩選

通過分析SO2的產(chǎn)生機理，得到影響煙氣脫硫系統(tǒng)入口SO2濃度與脫除量的主要因素，其包括機組實時負(fù)荷、目標(biāo)負(fù)荷和負(fù)荷變化率等。

2）數(shù)據(jù)預(yù)處理

研究脫硫系統(tǒng)的數(shù)據(jù)特性，根據(jù)異常情況的數(shù)據(jù)特征，剔除歷史數(shù)據(jù)中存在數(shù)據(jù)中斷、無效數(shù)據(jù)、錯誤數(shù)據(jù)等情況，并對數(shù)據(jù)進(jìn)行采集周期與讀取精度的預(yù)處理。

3）LSTM 模型

將脫硫系統(tǒng)歷史數(shù)據(jù)分為訓(xùn)練數(shù)據(jù)庫和預(yù)測數(shù)據(jù)庫。采用LSTM 算法對訓(xùn)練數(shù)據(jù)庫進(jìn)行模型訓(xùn)練，并建立算法模型[9-11]。

4）數(shù)據(jù)預(yù)測

將預(yù)測數(shù)據(jù)庫代入算法模型中，進(jìn)行SO2濃度的預(yù)測。

5）偏差分析

比較預(yù)測數(shù)據(jù)與實測數(shù)據(jù)的偏差，并進(jìn)行偏差分析，進(jìn)而對算法模型進(jìn)行優(yōu)化，減小偏差以達(dá)到數(shù)據(jù)精準(zhǔn)預(yù)測的目標(biāo)。

鋪設(shè)土工膜前要展開復(fù)合土工膜，檢查是否有漏水點，對漏水點進(jìn)行補漏；鋪設(shè)完成后，對割開的土工膜進(jìn)行焊接，焊接寬度應(yīng)滿足規(guī)范要求；土工膜、土工布應(yīng)自然松弛于支持面貼實，不得出現(xiàn)褶皺、懸空的現(xiàn)象。

2.2 基于HAC算法的樣本數(shù)據(jù)庫構(gòu)建方法

基于層次凝聚聚類算法的樣本數(shù)據(jù)庫構(gòu)建流程如圖4 所示[12-16]。其主要包括以下步驟。

圖4 基于HAC算法的樣本數(shù)據(jù)庫構(gòu)建流程

1）輸入煙氣脫硫系統(tǒng)運行數(shù)據(jù)樣本。樣本變量包括機組負(fù)荷、漿泵組合、漿液pH 值、SO2入口濃度、SO2脫除量、漿液品質(zhì)監(jiān)視指數(shù)等。

2）將每個煙氣脫硫系統(tǒng)運行數(shù)據(jù)樣本單獨作為一個簇類。

3）計算任意兩個簇類之間的相似度。任意兩個簇類之間相似度計算方式如下：

式中，R(X,Y)為簇類X和簇類Y的相似度，c為算法參數(shù)，以確保0 ≤R(X,Y)≤1；xi為簇類X的第i個數(shù)據(jù)樣本；yj為簇類Y的第j個數(shù)據(jù)樣本；‖ ‖· 為二范數(shù)運算。

4）將相似度最大的兩個簇類合并成一個簇類。

5）計算聚類有效性指標(biāo)BIP。計算方式如下：

式中，BIP 為聚類有效性指標(biāo)，BIP(i,j)為第i個簇類中第j個數(shù)據(jù)樣本的聚類有效性指標(biāo)，n為數(shù)據(jù)樣本總數(shù)，M為簇類總數(shù)，ni為第i個簇類中包含的數(shù)據(jù)樣本個數(shù)。

式中，B(i,j)與I(i,j)分別為第i個簇類中第j個數(shù)據(jù)樣本的類間距離和類內(nèi)距離，其計算方式如式（4）和式（5）所示：

6）判斷是否滿足聚類終止條件。當(dāng)聚類有效性指標(biāo)BIP 達(dá)到最大閾值或所有數(shù)據(jù)樣本均歸到同一個簇類時，聚類結(jié)束；否則，返回步驟3）。

7）根據(jù)聚類結(jié)果，構(gòu)建樣本數(shù)據(jù)庫。

2.3 樣本匹配與工況尋優(yōu)方法

1）樣本匹配

構(gòu)建樣本數(shù)據(jù)庫步驟中，對D個數(shù)據(jù)樣本聚類后，得到K個簇類。分別獲取各個簇類下能耗最低所對應(yīng)的漿液循環(huán)泵組合運行方式，則D個數(shù)據(jù)樣本的形式如下：

式中，Di為數(shù)據(jù)集中第i個數(shù)據(jù)樣本，x1,x2,…,xn為輸入?yún)?shù)，Yi為對應(yīng)的簇類編號，其值也與漿液循環(huán)泵組合運行方式相對應(yīng)。

樣本匹配步驟根據(jù)實時輸入?yún)?shù)，自動預(yù)測所屬的類，并映射到對應(yīng)的漿液循環(huán)泵運行組合方式。

2）工況尋優(yōu)

首先搜尋樣本類數(shù)據(jù)庫中與當(dāng)前漿液品質(zhì)、機組負(fù)荷、漿泵組合方式相同，且與SO2入口濃度相同時，單獨調(diào)節(jié)漿液pH 值時SO2脫除量、脫硫效率變化范圍是否滿足排放要求。若滿足，則將最優(yōu)pH 值作為調(diào)整建議；若不滿足，則在將pH 值調(diào)至最優(yōu)后選擇合理的泵組切換方式，并選取啟停次數(shù)最少（響應(yīng)時間最快）、總電流最小、切換后滿足排放要求時間最長的歷史組合方式。同時將建議的切換方式、運行參數(shù)與實時參數(shù)比對結(jié)果進(jìn)行展示，從而方便運行人員直觀地進(jìn)行運行調(diào)整和技術(shù)處置。通過對漿液pH 值、漿液循環(huán)泵組合的合理優(yōu)化，最終實現(xiàn)低電耗下的安全與經(jīng)濟(jì)運行。

3 算例分析

以某發(fā)電廠雙塔雙循環(huán)脫硫系統(tǒng)為例，驗證該文所提的基于智能化數(shù)據(jù)分析技術(shù)的大型發(fā)電設(shè)備運行優(yōu)化方法的有效性。該脫硫系統(tǒng)中有A-F 共6臺漿泵，單臺漿泵額定功率為1 400 kW。

漿液循環(huán)泵運行優(yōu)化前后系統(tǒng)的運行狀態(tài)監(jiān)測數(shù)據(jù)，如表1 所示。經(jīng)過優(yōu)化控制后，系統(tǒng)關(guān)停1 臺漿泵，組合運行方式由4臺機組開啟切換到3臺機組開啟。優(yōu)化后，漿液pH 值減少了0.2，漿液密度增加了36.91 kg/m3，吸收塔液位降低了0.07 m，漿液品質(zhì)監(jiān)視參數(shù)、入口SO2濃度和出口煙氣流量均維持不變。

表1 漿泵優(yōu)化前后運行狀態(tài)監(jiān)測數(shù)據(jù)

漿液循環(huán)泵運行優(yōu)化前后系統(tǒng)能耗監(jiān)測數(shù)據(jù)，如表2 所示。由表中可知，經(jīng)過優(yōu)化控制后系統(tǒng)消耗電功率由5 500 kW 降低至4 100 kW，降低了約25%；脫硫效率提升了0.47%；耗電量、單位質(zhì)量脫硫耗電量和運行成本均降低了約44%。

表2 漿泵優(yōu)化前后能耗監(jiān)測數(shù)據(jù)

綜合上述分析，該文所提算法能夠在滿足SO2排放要求的情況下，優(yōu)化調(diào)整漿泵組合運行方式，進(jìn)而實現(xiàn)系統(tǒng)的經(jīng)濟(jì)運行。

4 結(jié)束語

文中開展了數(shù)據(jù)高速存儲與智能化分析技術(shù)在大型發(fā)電設(shè)備運行優(yōu)化中的應(yīng)用研究，提出了結(jié)合LSTM 與HAC 算法的脫硫系統(tǒng)運行優(yōu)化模型。通過算例分析表明，經(jīng)過文中所提方法優(yōu)化后，系統(tǒng)運行消耗電功率減小了25%，脫硫效率提高了0.47%，并且系統(tǒng)運行成本降低了44%。由此可見，所提控制方法能大幅提高系統(tǒng)運行的經(jīng)濟(jì)性。但文中僅實現(xiàn)了對大型發(fā)電設(shè)備運行的優(yōu)化控制，而對于如何利用生產(chǎn)數(shù)據(jù)實現(xiàn)機組故障的精準(zhǔn)定位等問題，將在后續(xù)研究中開展。