CN103635910B - 用于发电厂的操作参数的自动识别 - Google Patents

用于发电厂的操作参数的自动识别 Download PDF

Info

Publication number
CN103635910B
CN103635910B CN201280033190.6A CN201280033190A CN103635910B CN 103635910 B CN103635910 B CN 103635910B CN 201280033190 A CN201280033190 A CN 201280033190A CN 103635910 B CN103635910 B CN 103635910B
Authority
CN
China
Prior art keywords
power plant
data
operating parameter
operating
clustering algorithm
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201280033190.6A
Other languages
English (en)
Other versions
CN103635910A (zh
Inventor
Y.杜
X.张
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Honeywell International Inc
Original Assignee
Honeywell International Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Honeywell International Inc filed Critical Honeywell International Inc
Publication of CN103635910A publication Critical patent/CN103635910A/zh
Application granted granted Critical
Publication of CN103635910B publication Critical patent/CN103635910B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F02—COMBUSTION ENGINES; HOT-GAS OR COMBUSTION-PRODUCT ENGINE PLANTS
    • F02K—JET-PROPULSION PLANTS
    • F02K1/00—Plants characterised by the form or arrangement of the jet pipe or nozzle; Jet pipes or nozzles peculiar thereto
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
    • F01K—STEAM ENGINE PLANTS; STEAM ACCUMULATORS; ENGINE PLANTS NOT OTHERWISE PROVIDED FOR; ENGINES USING SPECIAL WORKING FLUIDS OR CYCLES
    • F01K13/00—General layout or general methods of operation of complete plants
    • F01K13/02—Controlling, e.g. stopping or starting
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0286—Modifications to the monitored process, e.g. stopping operation or adapting control
    • G05B23/0294—Optimizing process, e.g. process efficiency, product quality
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/041—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a variable is automatically adjusted to optimise the performance
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0267—Fault communication, e.g. human machine interface [HMI]
    • G05B23/0272—Presentation of monitored results, e.g. selection of status reports to be displayed; Filtering information to the user
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/80—Management or planning
    • Y02P90/82—Energy audits or management systems therefor

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Quality & Reliability (AREA)
  • Economics (AREA)
  • Mechanical Engineering (AREA)
  • Combustion & Propulsion (AREA)
  • Chemical & Material Sciences (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Operations Research (AREA)
  • Educational Administration (AREA)
  • Automation & Control Theory (AREA)
  • Game Theory and Decision Science (AREA)
  • Tourism & Hospitality (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • Probability & Statistics with Applications (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Testing And Monitoring For Control Systems (AREA)
  • Feedback Control In General (AREA)

Abstract

用于获得发电厂的操作参数的方法（200）包括用划分聚类算法对用于发电厂的历史操作条件数据库进行数据挖掘（202）以生成统计模型，以及将发电厂的当前操作条件数据考虑在内根据该统计模型来计算（204）动态操作条件目标值。该方法还包括基于该动态操作条件目标值来执行（208）实时能量损失计算并根据该能量损失计算来自动地识别（210）发电厂的至少一个操作参数。该划分聚类算法可以是k平均聚类算法。

Description

用于发电厂的操作参数的自动识别
技术领域
所公开的实施例涉及能量产生，并且更特别地涉及发电厂的操作。
背景技术
条件监测***（CMS）是一种用于监测机器（诸如发电厂）的参数以便预测故障、执行维护并调整性能的自动化***。化石燃料发电厂例如可以使用CMS来帮助操作员优化发电厂的性能。CMS完成此任务的方式之一是通过执行能量损失分析以确定能量损失的原因。
发电厂的“操作条件”指的是发电厂依据其进行操作的前提。气温是发电厂内的操作条件的示例。具有最少等效化石燃料消耗的发电厂的操作条件被称为“最佳条件”或“最佳操作条件”。发电厂的最佳条件可以根据发电厂的特定特性（诸如电流负载、边界条件、当前燃料特性和当前情况）而改变。能量损失分析对关键操作参数对等效化石燃料消耗偏差（即，能量损失）的贡献进行量化和排列。为此，CMS可以进行能量损失分析以识别发电厂的与最佳性能的偏差的原因。基于由CMS识别的原因，操作员可以因此采取相应的行动以调整发电厂的操作参数，从而增加发电厂的性能。
能量损失分析的关键组成部分之一是确定什么组成了用于发电厂的最佳操作条件。用于最佳操作条件的目标值是用于能量损失分析的输入，其提供操作指导。用于计算用于发电厂的目标值的已知方法包括设计目标值、检修目标值和非设计目标值。然而，用于确定用于最佳操作条件的目标值的此类已知方法仅使用恒定或静态数据来进行操作，而并不考虑发电厂的当前负载变化、燃料特性或目前情况。另外，已知方法实现起来可能是耗时且昂贵的。存在对解释操作参数的当前变化的用于发电厂的更高准确度能量损失分析的需要。
发明内容
所公开的实施例包括用于获得发电厂的操作参数的方法。示例方法包括用划分聚类算法对用于发电厂的历史操作条件数据库进行数据挖掘以生成统计模型，以及将发电厂的当前操作条件数据考虑在内根据该统计模型来计算动态操作条件目标值。该方法还包括基于该动态操作条件目标值来执行实时能量损失分析，以及根据该能量损失分析来自动地识别发电厂的至少一个操作参数。该划分聚类算法能够包括k平均（k-means）聚类算法。
用于获得发电厂的操作参数的***包括用于存储用于发电厂的历史操作条件数据的非瞬态机器可读储存器和处理器。该处理器被配置用于用划分聚类算法对用于发电厂的历史操作条件数据库进行数据挖掘以生成统计模型，将发电厂的当前操作条件数据考虑在内根据该统计模型来计算动态操作条件目标值，基于该动态操作条件目标值来执行实时能量损失分析，以及根据该能量损失分析来自动地识别发电厂的至少一个操作参数。
附图说明
图1是根据示例实施例的结合发电厂示出的条件监测***的示例图示。
图2是图示出根据示例实施例的其中数据挖掘包括k平均聚类的对发电厂执行能量损失计算的过程的控制流程的流程图。
图3是图示出根据示例实施例的收集的实验结果的直方图。
图4是图示出根据示例实施例的收集的第二组实验结果的直方图。
具体实施方式
参考附图来描述所公开的实施例，其中，遍及附图地使用类似的附图标记来指定类似或等效元件。附图不是按比例绘制的，并且其仅仅是为了图示出特定公开方面而被提供的。下面参考用于图示的示例应用来描述若干公开方面。应理解的是，阐述许多特定细节、关系以及方法以提供对所公开的实施例的充分理解。然而，相关领域中的普通技术人员将很容易认识到的是，可以在没有特定细节中的一个或多个的情况下或者用其它方法来实践在本文中公开的主题。在其它情况下，未详细地示出众所周知的结构或操作以避免使特定方面模糊。本公开不受动作或事件的所图示排序限制，因为一些动作可以按照不同的顺序和/或与其它动作或事件并发地发生。此外，并不是所有所图示的动作或事件都是为了实现根据本文中所公开的实施例的方法所需要的。
所公开的实施例包括一种用于实时地执行能量损失分析计算的方法和***。图1是结合发电厂102示出的条件监测***（CMS）100的示例图示。CMS 100包括至少一个处理器120，诸如数字信号处理器。根据示例实施例，发电厂150是化石燃料发电厂，诸如燃烧煤、天然气或石油（油）以产生电的工厂。CMS 100从被配置用于报告关于发电厂150的信息的传感器102接收关于发电厂150的当前操作条件和参数的信息。可以将从传感器102接收到的数据以及由CMS 100计算或生成的任何其它数据存储在数据库106中。数据包括非瞬态机器可读储存器。在一个公开的实施例中，可以将在所定义的时间段内收集的发电厂150的操作条件数据和操作参数存储在数据库106中，以便聚集发电厂150的操作条件数据和操作参数的历史记录。
在另一公开的实施例中，数据库106还包括实时数据库，其中，根据实时约束来存储和访问当前操作条件数据。当前操作条件数据是实时数据，即，当前操作条件数据表示在收集之后立即递送的操作条件数据，并且其中在所提供的信息的时间性方面没有延迟。如下面参考图2的过程来更充分地描述的那样，在本实施例中，数据库106存储从被用来进行能量损失分析计算的传感器102收集的当前操作条件数据。历史操作条件数据是操作条件数据不再是实时数据并且因此适用于过去。
CMS 100可以经由接口103向操作员110显示从发电厂150收集的数据，接口103可以包括显示器、键盘、鼠标、触摸屏幕、照相机、传声器和扬声器。接口103还可以允许操作员110控制调整设备104，其调整发电厂150的各种操作参数，诸如是致动器。操作参数指的是发电厂150的可调整性质。主蒸汽压力是发电厂的操作参数的示例。
图2是图示出根据示例实施例的其中数据挖掘包括k平均聚类的对发电厂150实时地执行能量损失计算的过程的示例控制流程的流程图。在第一步骤200中，用关于发电厂150的历史操作条件数据来填充数据库。在步骤202中，使用划分聚类算法来执行数据库106中的历史数据的数据挖掘，以便生成统计模型。
聚类包括数据库中的操作条件到子集（称为簇）中的分配，使得同一簇中的观察在某种意义上是类似的。聚类是一种非监督的学***均聚类、k平均导数（诸如模糊c平均聚类或QT聚类算法）、局部敏感散列法或者图论方法，以便产生第一簇组。
k平均聚类是一种簇分析的方法，其旨在将n个操作条件（x1, x2, ..., xn）划分成k组或簇（k ≤ n），S＝{S1, S2, ..., Sk}，其中，每个操作条件属于具有最***均值的簇，如在以下公式中所定义的那样：
其中μi是Si中的点的平均值。
如下执行k平均聚类算法的一个实现方式。给定可以随机地或用某种试探法来指定的初始的一组k平均m1 (1) ,, mk (1)，k平均聚类算法通过在以下两个步骤之间交替而进行：1）分配步骤，其中，根据以下公式将每个操作条件（x1, x2, ..., xn）分配给具有最靠近的平均值的簇：
以及2）更新步骤，其涉及作为簇中的操作条件的中心的新平均值的计算，如在以下公式中所定义的那样：
其中，t表示增量指示符。不断地执行以上的两个步骤直至在分配步骤中不存在变化为止。该算法被认为在分配不再改变时已经收敛。
进一步至步骤202，可以采用下面的等式来测量时间i处的操作条件与某个其它时间j处的操作条件之间的相似性：
其中和分别是时间i和j处的第k操作条件的归一化值。此外，wk是用于第k操作条件的用户定义的加权因子。N是用于特定种类的操作条件的数目。以上的等式被用来计算不同时间处的同一操作条件的接近度。在一个实施例中，使用以上的等式来实现一个规则，其中，只有到当前操作条件的预定义接近度内的那些历史操作条件可以被用在下面的步骤206的计算中。
在步骤204中，从传感器102实时地收集发电厂150的当前操作条件数据并将其提供给运行所公开的算法的处理器120。在步骤206中，将在步骤204中接收到的发电厂的当前操作条件数据考虑在内，根据统计模型，实时地计算用于发电厂150的操作参数的动态最佳操作条件目标值。
在一个实施例中，步骤206包括执行k平均聚类算法的更新步骤，其中，当前操作条件数据被认为是在步骤202中计算的簇中的操作条件的中心。随后，不断地执行k平均聚类算法的分配和更新步骤，直至在分配步骤中不存在变化为止。收敛的簇的作为结果的中心值是用于发电厂150的操作参数的最佳操作条件目标值的候选。然后，按照重要性对以上计算的候选操作条件目标值进行排列。
排列候选操作条件目标值的顺序的示例方法包括冒泡排序。冒泡排序是一种简单的排序算法，其通过反复地步进通过要被排序的列表、比较每对相邻项且在它们处于错误顺序中的情况下将它们交换来进行工作。反复地经过列表直至不需要交换，这指示列表被排序。在该情况下，冒泡排序以根据重要性对值进行排列的目标反复地步进通过要被排序的候选操作条件目标值。比较每对值，并且在它们处于错误顺序中的情况下将它们交换且继续进行比较，直至不需要交换为止。用于操作条件目标值的重要性的一个度量是与条件对能量损失的影响有关的热经济指示符。在烧煤的发电厂的情况下，例如可以使用单位煤消耗率来作为热经济指示符，虽然可以使用其它热经济指示符。因此，与最低单位煤消耗率相对应的候选操作条件目标值是最高排列的目标值，并且因此被认为是最佳操作条件目标值。
在步骤208中，基于在步骤206中计算的最佳操作条件目标值来执行能量损失分析计算。可以使用各种方法来识别影响能量损失的那些操作参数。例如可以分析由于锅炉效率的热损失，以确定哪些参数（诸如废气、空气不完全、燃料不完全、表面辐射、表面对流和热废料（heat refuse））正在对热损失和因此的能量损失有所贡献。在另一示例中，可以使用等效焓降方法、部分定量分析方法来识别有损耗的操作参数。另外，可以分析发电厂的蒸汽涡轮机热耗率来确定哪些参数正在对能量损失有所贡献。步骤208的结果是根据能量损失计算对当前解释能量损失的发电厂150的操作参数的识别。发电厂150的多种操作参数可能对能量损失有所贡献。
关于化石燃料发电厂，工厂设备的性能通常受主要初始和最终操作参数（诸如主蒸汽压力、主蒸汽温度、再热蒸汽温度、排放蒸汽压力和最终给水温度）影响。此外，操作参数（诸如废气温度、废气中的氧百分比、飞灰中的碳百分比和炉渣中的碳百分比）能够影响锅炉燃烧中的能量损失。此外，关于蒸汽涡轮机和给水再生***中的热力循环的以下操作参数通常影响能量损失：高压加热器和低压加热器两者的终端温度差（TTD）、用于锅炉给水泵的辅助涡轮机的冷凝水的过冷和进口蒸汽流速、以及再热温度控制流速。
在步骤210中，识别根据步骤208的能量损失计算的当前解释能量损失的发电厂150的操作参数。在步骤212中，诸如经由接口103为操作员110显示在步骤210中生成的信息。在步骤214中，响应于步骤210和212，CMS 100自动地或响应于经由接口103从操作员110接收到指令而向调整设备104发送一个或多个命令以调整发电厂150的工作参数。在步骤216中，存在时间延迟，在其之后控制流程返回至步骤204，其中，接收新的当前操作条件数据并再一次执行步骤204–214。
通过示出使用所公开的方法生成的实验结果的以下特定示例来进一步说明所公开的实施例，这不应当被解释为以任何方式限制本公开的范围或内容。
在图3中所示的第一示例中，直方图302图示出在化石燃料蒸汽涡轮机工厂设备处实现的根据示例实施例的收集的实验结果。图3的数据涉及以满负荷运行的化石燃料蒸汽涡轮机工厂设备的两个单元，其中，每个单元是具有350 MW的功率输出的亚临界涡轮机单元。y轴列出发电厂的操作参数，诸如排放蒸汽压力和再热蒸汽温度。按照能量损失分析（ELA），在直方图的x轴上以标准化单位示出了每个操作参数对能量损失的贡献。
图3示出该加热器304对能量损失贡献最多，可能是因为加热器的焓升设置被设置成比最佳设置低的值。图3还示出该加热器306对能量损失贡献其次最多，可能是因为加热器的焓升设置被设置成比最佳设置高的值。请注意，化石燃料发电厂可以具有多个加热器，其在发电过程的不同阶段中将各种介质加热。因此，每个加热器可能在执行能量损失分析时产生唯一的结果。贡献第三和第四最多的是锅炉过剩氧308和再热雾状流310参数，可能是因为参数被设置成比最佳设置高的值。能够为操作员（诸如操作员110）显示图3的直方图，操作员能够使用此数据来操纵调整设备104，以便调整最需要调整的发电厂的那些操作参数。以上场景将产生发电厂以更高效率的操作。实验数据计算示出使发电厂以更高效率操作可以产生相当大的成本节省。
在图4中所示的第二示例中，直方图402图示出在化石燃料蒸汽涡轮机工厂设备处实现的根据示例实施例的收集的实验结果。图4的数据涉及以满负荷运行的化石燃料蒸汽涡轮机工厂设备的两个单元，其中，每个单元是具有600 MW的功率输出的超临界涡轮机单元。
图4示出该加热器404对能量损失贡献最多，可能是因为加热器的焓升设置被设置成比最佳设置高的值。图4还示出该加热器406对能量损失贡献其次最多，可能是因为加热器的焓升设置被设置成比最佳设置低的值。贡献第三和第四最多的是排放蒸汽压力408和再热蒸汽压力410参数，因为参数未被设置成最佳设置。再次地，能够为操作员显示图4的直方图，操作员能够使用此数据来操纵调整设备104，以便使发电厂以更高效率操作。实验数据计算示出使上述发电厂以更高效率操作可以产生相当大的节省。
以上的图3和图4的实验数据示出了所公开的方法提供对不同类型的发电厂特定且定制的能量损失分析的能力。这导致针对变化类型的发电厂和燃料多用途且可移动的能量损失分析方法。
虽然上文已经描述了各种公开的实施例，但是应当理解的是，已经仅通过示例而不是限制将它们呈现。在不脱离本公开的精神或范围的情况下，根据本公开，可以进行对本文中公开的主题的许多改变。另外，虽然可能已经相对于若干实现方式中的仅一个公开了特定特征，但是可以将此类特征与如可能期望的并且对于任何给定或特定应用而言有利的其它实现方式中的一个或多个其它特征相组合。
本文中所使用的术语是仅仅出于描述特定实施例的目的，并且并不意图是限制性的。如本文中所使用的那样，单数形式“一”、“一个”和“该”意图也包括复数形式，除非上下文另外明确地指示。此外，在详细描述和/或权利要求中使用术语“包括”、“包含”、“具有”、“有”、“带有”或其变体的程度上，此类术语意图以与术语“包括”类似的方式是包括性的。
如本领域技术人员将认识到的那样，可以将本文中公开的主题体现为***、方法或计算机程序产品。因此，本公开能够采取以下形式：完全硬件实施例、完全软件实施例（包括固件、常驻软件、微代码等）或将软件和硬件方面组合的实施例，其在本文中可以全部通称为“电路”、“模块”或“***”。此外，本公开可以采取计算机程序产品的形式，该计算机程序产品以具有在介质中体现的计算机可用程序代码的表示的任何有形介质来体现。
可以利用一个或多个计算机可用或计算机可读介质的任意组合。计算机可用或计算机可读介质可以是例如但不限于电子、磁、光、电磁、红外或半导体***、装置或设备。计算机可读介质的更特定示例（非穷举列表）将包括非瞬态介质，其包括以下各项：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器（RAM）、只读存储器（ROM）、可擦除可编程只读存储器（EPROM或闪速存储器）、便携式紧致盘只读存储器（CDROM）、光学储存设备或磁储存设备。
可以以一种或多种编程语言的任意组合来编写用于执行本公开的操作的计算机程序代码，所述编程语言包括面向对象编程语言（诸如Java、Smalltalk、C++等）和常规的过程式编程语言（诸如“C”编程语言或类似的编程语言）。程序代码可以完全在用户计算机上被执行，部分在用户计算机上被执行，作为独立的软件包被执行，部分在用户计算机上且部分在远程计算机上被执行，或者完全在远程计算机或服务器上被执行。在后者的场景中，远程计算机可以通过任意种类的网络（包括局域网（LAN）或广域网（WAN））连接到用户计算机，或者，可以进行到外部计算机的连接（例如，通过使用因特网服务提供商的因特网）。
下面参考根据本发明的实施例的方法、装置（***）和计算机程序产品的流程图图示和/或框图来描述本公开。将理解的是，可以通过计算机程序指令来实现流程图图示和/或框图的每个方框以及流程图图示和/或框图中的方框的组合。这些计算机程序指令可以被提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，以产生一种机器，使得经由计算机或其它可编程数据处理装置的处理器执行的指令创建用于实现流程图和/或框图的一个或多个方框中指定的功能/动作的装置。
还可以将这些计算机程序指令存储在物理计算机可读储存介质中，其能够指引计算机或其它可编程数据处理装置以特定方式起作用，使得存储在计算机可读介质中的指令产生一种制品，其包括实现在流程图和/或框图的一个或多个方框中指定的功能/动作的指令装置。
还可以将计算机程序指令加载到计算机或其它可编程数据处理装置上以使一系列操作步骤在计算机或其它可编程装置上被执行来产生计算机实现过程，使得在计算机或其它可编程装置上执行的指令提供用于实现在流程图和/或框图的一个或多个方框中指定的功能/动作的过程。

Claims (10)

1.一种操作发电厂的方法（200），其包括：
用第一划分聚类算法对用于所述发电厂的历史操作条件数据库进行数据挖掘（202）以生成统计模型；
将所述发电厂的当前操作条件数据考虑在内，根据该统计模型来计算（206）针对最佳操作条件的动态操作条件目标值；
基于所述动态操作条件目标值来执行（208）实时能量损失分析，所述实时能量损失分析识别、量化和排列所述发电厂的多个操作参数对等效化石燃料消耗偏差的贡献；以及
根据该能量损失分析来自动地识别（210）所述发电厂的至少一个操作参数，以及
在所述发电厂的操作期间使用所述发电厂中的调整设备来操纵从所述多个操作参数中选择的第一操作参数。
2.根据权利要求1所述的方法，其中，该发电厂包括烧煤的发电厂。
3.根据权利要求1所述的方法，其中，该第一划分聚类算法包括k平均聚类算法。
4.根据权利要求3所述的方法，其中，所述计算（206）的步骤还包括：
对所述发电厂的所述统计模型和所述当前操作条件数据执行第二划分聚类算法。
5.根据权利要求4所述的方法，其中，该第二划分聚类算法包括k平均聚类算法。
6.一种操作发电厂（150）的***（100），其包括：
非瞬态机器可读储存器（106），其用于存储用于所述发电厂（150）的历史操作条件数据；
处理器（120），其被配置用于：
用划分聚类算法对用于所述发电厂（150）的历史操作条件数据库进行数据挖掘以生成统计模型；
将所述发电厂（150）的当前操作条件数据考虑在内，根据该统计模型来计算针对最佳操作条件的动态操作条件目标值；
基于所述动态操作条件目标值来执行实时能量损失分析，所述实时能量损失分析识别、量化和排列所述发电厂的多个操作参数对等效化石燃料消耗偏差的贡献；以及
根据该能量损失分析来自动地识别所述发电厂（150）的至少一个操作参数，以及
在所述发电厂的操作期间使用所述发电厂中的调整设备来操纵从所述多个操作参数中选择的第一操作参数。
7.根据权利要求6所述的***，其还包括：
接口（103），其用于显示所述发电厂（150）的至少一个操作参数。
8.根据权利要求6所述的***，其中，所述处理器（120）还被配置用于从可通信地耦合到所述发电厂的一个或多个传感器（102）接收与所述发电厂（150）相关联的数据并且基于所接收的数据来计算所述发电厂（150）的所述当前操作条件数据。
9.根据权利要求6所述的***，其中，所述划分聚类算法包括k平均聚类算法。
10.根据权利要求6所述的***，其中，所述发电厂（150）包括烧煤的发电厂。
CN201280033190.6A 2011-07-06 2012-06-26 用于发电厂的操作参数的自动识别 Active CN103635910B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US13/177324 2011-07-06
US13/177,324 US9200591B2 (en) 2011-07-06 2011-07-06 Automatic identification of operating parameters for power plants
PCT/US2012/044115 WO2013006302A2 (en) 2011-07-06 2012-06-26 Automatic identification of operating parameters for power plants

Publications (2)

Publication Number Publication Date
CN103635910A CN103635910A (zh) 2014-03-12
CN103635910B true CN103635910B (zh) 2017-06-13

Family

ID=47437626

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201280033190.6A Active CN103635910B (zh) 2011-07-06 2012-06-26 用于发电厂的操作参数的自动识别

Country Status (6)

Country Link
US (1) US9200591B2 (zh)
EP (1) EP2729891B1 (zh)
CN (1) CN103635910B (zh)
AU (1) AU2012279410B2 (zh)
BR (1) BR112013033901A2 (zh)
WO (1) WO2013006302A2 (zh)

Families Citing this family (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI514167B (zh) * 2013-08-13 2015-12-21 Realtek Semiconductor Corp 參數產生裝置與方法
US10296843B2 (en) * 2014-09-24 2019-05-21 C3 Iot, Inc. Systems and methods for utilizing machine learning to identify non-technical loss
US10831162B2 (en) * 2016-06-28 2020-11-10 General Electric Company Systems and methods for providing an integrated power plant advisor
US10569759B2 (en) 2017-06-30 2020-02-25 General Electric Company Propulsion system for an aircraft
US10738706B2 (en) 2017-06-30 2020-08-11 General Electric Company Propulsion system for an aircraft
US10696416B2 (en) 2017-06-30 2020-06-30 General Electric Company Propulsion system for an aircraft
US10953995B2 (en) 2017-06-30 2021-03-23 General Electric Company Propulsion system for an aircraft
CN109657891B (zh) * 2018-09-18 2022-11-25 深圳供电局有限公司 一种基于自适应k-means++算法的负荷特性分析方法
US11435734B2 (en) * 2019-03-19 2022-09-06 King Fahd University Of Petroleum And Minerals Apparatus and method for failure detection
US11525375B2 (en) 2020-04-09 2022-12-13 General Electric Company Modeling and control of gas cycle power plant operation with variant control profile
CN113554247A (zh) * 2020-04-23 2021-10-26 北京京东乾石科技有限公司 自动导引运输车运行状况评估方法、装置和***
CN112257278A (zh) * 2020-10-28 2021-01-22 华润电力技术研究院有限公司 机组耗差计算模型获取方法、耗差获取方法及***
CN113027826B (zh) * 2021-02-26 2023-11-10 北京京能高安屯燃气热电有限责任公司 燃气轮机压气机清洁方法及装置
CN113065766B (zh) * 2021-04-01 2024-05-14 中核核电运行管理有限公司 一种基于历史数据挖掘分析的汽机运行工况寻优方法
CN113220753B (zh) * 2021-05-10 2023-01-20 西安热工研究院有限公司 一种基于电厂历史数据自动生成运行参数目标曲线的方法
CN113219923B (zh) * 2021-05-11 2022-05-13 山东鲁能控制工程有限公司 一种火电机组智能分散控制方法及***
CN113359435B (zh) * 2021-05-12 2022-08-12 东南大学 用于火电机组动态工况数据的修正方法
CN114004301B (zh) * 2021-11-03 2022-07-19 江苏博泰环保工程有限公司 基于聚类分析的灰渣输送***与控制方法
CN114328660A (zh) * 2021-12-24 2022-04-12 联合汽车电子有限公司 一种发动机相似工况的筛选方法、计算设备及存储介质
CN114764597A (zh) * 2022-04-18 2022-07-19 临界面(上海)智能科技有限公司 一种基于分层聚类的电驱动***可靠性工况提取方法
CN115455866B (zh) * 2022-10-31 2023-02-24 北京寄云鼎城科技有限公司 稳定工况识别方法及***、设备及介质
CN115828130A (zh) * 2023-02-14 2023-03-21 中国石油天然气股份有限公司 基于聚类算法的多参数优势水流通道自动识别方法及***
CN116402411B (zh) * 2023-06-09 2024-05-14 济南作为科技有限公司 耗差分析方法、装置、设备及存储介质
CN116774749B (zh) * 2023-08-25 2023-11-03 北京拓普尔通信技术有限公司 智能控温的电力柜

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1818746A1 (en) * 2006-02-10 2007-08-15 ALSTOM Technology Ltd Method of condition monitoring

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5311562A (en) 1992-12-01 1994-05-10 Westinghouse Electric Corp. Plant maintenance with predictive diagnostics
US6898540B2 (en) 2002-11-12 2005-05-24 General Electric Company System and method for displaying real-time turbine corrected output and heat rate
US7689323B2 (en) 2003-05-13 2010-03-30 Siemens Aktiengesellschaft Automatic generation control of a power distribution system
US7398652B1 (en) * 2004-11-10 2008-07-15 Pegasus Technologies, Inc. System for optimizing a combustion heating process
US7584024B2 (en) * 2005-02-08 2009-09-01 Pegasus Technologies, Inc. Method and apparatus for optimizing operation of a power generating plant using artificial intelligence techniques
WO2008112823A1 (en) * 2007-03-12 2008-09-18 Emerson Process Management Power & Water Solutions, Inc. Use of statistical analysis in power plant performance monitoring
US20090125155A1 (en) * 2007-11-08 2009-05-14 Thomas Hill Method and System for Optimizing Industrial Furnaces (Boilers) through the Application of Recursive Partitioning (Decision Tree) and Similar Algorithms Applied to Historical Operational and Performance Data
JP5091308B2 (ja) 2008-04-09 2012-12-05 三菱電機株式会社 グラフィックユーザインタフェース装置
US8577822B2 (en) * 2008-09-25 2013-11-05 University Of Iowa Research Foundation Data-driven approach to modeling sensors wherein optimal time delays are determined for a first set of predictors and stored as a second set of predictors
US20120283885A1 (en) * 2011-05-04 2012-11-08 General Electric Company Automated system and method for implementing statistical comparison of power plant operations

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1818746A1 (en) * 2006-02-10 2007-08-15 ALSTOM Technology Ltd Method of condition monitoring

Also Published As

Publication number Publication date
BR112013033901A2 (pt) 2017-02-14
CN103635910A (zh) 2014-03-12
WO2013006302A2 (en) 2013-01-10
EP2729891B1 (en) 2018-08-08
EP2729891A4 (en) 2016-06-29
US20130013255A1 (en) 2013-01-10
AU2012279410B2 (en) 2017-04-06
AU2012279410A1 (en) 2014-02-20
WO2013006302A3 (en) 2013-04-25
EP2729891A2 (en) 2014-05-14
US9200591B2 (en) 2015-12-01

Similar Documents

Publication Publication Date Title
CN103635910B (zh) 用于发电厂的操作参数的自动识别
JP7069269B2 (ja) デジタル・ツイン・シミュレーション・データを利用した時系列データに基づく、大規模な産業用監視システム向けの半教師あり深層異常検出のための方法およびシステム
Kamel et al. Data-driven predictive models for residential building energy use based on the segregation of heating and cooling days
JP5511698B2 (ja) 空調機連係制御システム、空調機連係制御方法および空調機連係制御プログラム
EP2520994A2 (en) Automated system and method for implementing statistical comparison of power plant operations
CN107223195A (zh) 用于hvac***的可变风量建模
JP2007018322A (ja) 省エネルギー量推定装置、方法、およびプログラム
CN102840571B (zh) 基于子空间辨识的火力电站锅炉输出过热蒸汽的预报方法
US20120210257A1 (en) Automated system for analyzing power plant operations
CN108241360B (zh) 在线监视装置以及在线监视方法
JP2015007509A (ja) ボイラチューブリーク検出装置、ボイラチューブリーク検出方法、並びにこれらを用いたデータ監視センタ、情報提供サービス、ボイラプラント。
CN108073145B (zh) 运转支援装置以及记录介质
US20160365735A1 (en) Systems and Methods for Power Plant Data Reconciliation
Chen et al. Benchmark value determination of energy efficiency indexes for coal-fired power units based on data mining methods
Blanco et al. New investigation on diagnosing steam production systems from multivariate time series applied to thermal power plants
JP2012038054A (ja) プラント運転評価装置
KR102447048B1 (ko) 에너지 시뮬레이션 모델 생성 장치 및 방법
JP2019079275A (ja) プラントの運転支援装置及び運転支援方法
JP6554162B2 (ja) 発電プラント性能評価方法及び発電プラント性能評価プログラム
CN103793746A (zh) 一种燃煤电站锅炉过热器模型参数辨识方法
Zhou et al. A data-driven operating improvement method for the thermal power unit with frequent load changes
JP2013114687A (ja) 発電所の運転を管理するための方法及び装置
JP6132575B2 (ja) ボイラ運転条件設定装置
JP2022171573A (ja) 運転収益を最大化する発電プラントの運転条件選択を支援する給電アドバイザ
JP2015230576A (ja) プラント診断用データ作成システム

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant