一种配煤掺烧优化方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113657778A(43)申请公布日2021.11.16(21)申请号202110958506.3G06F16/2458(2019.01)(22)申请日2021.08.19G06F16/27(2019.01)(71)申请人国家电投集团平顶山热电有限公司地址467000河南省平顶山市卫东区矿工路85号国家电投集团平顶山热电有限公司(72)发明人潘富停杨勇李金霞陈海涛曾勇(74)专利代理机构成都其高专利代理事务所(特殊普通合伙)51244代理人任坤(51)Int.Cl.G06Q10/06(2012.01)G06Q50/06(2012.01)G06F16/28(2019.01)权利要求书1页说明书10页附图2页(54)发明名称一种配煤掺烧优化方法(57)摘要本发明公开了一种配煤掺烧优化方法，包括以下步骤：S1，数据采集，通过数据采集模块采集燃煤锅炉的过热蒸汽流量、压力、温度数据，锅炉排烟温度、排烟含氧量、排烟一氧化碳浓度数据，锅炉机组温度数据；S2，数据存储，对燃煤锅炉蒸汽数据、排烟数据、锅炉温度数据均对应设置一个机组数据库和配置数据库；S3，数据分析；S4，系统评估，通过数据分析处理，对系统锅炉机组、排烟系统、锅炉热效率进行系统评估和故障判断，得出系统评测报告和故障报告；通过采集数据分析对系统进行评测，通过对采集数据的分析和处理，减小数据误差，提升系统评估的准确性，有助于降低系统故障率，提升系统运行的稳定性。CN113657778ACN113657778A权利要求书1/1页1.一种配煤掺烧优化方法，其特征在于，包括以下步骤：S1，数据采集，通过数据采集模块采集燃煤锅炉的过热蒸汽流量、压力、温度数据，锅炉排烟温度、排烟含氧量、排烟一氧化碳浓度数据，锅炉机组温度数据；S2，数据存储，对燃煤锅炉蒸汽数据、排烟数据、锅炉温度数据均对应设置一个机组数据库和配置数据库，机组数据库存储采集的数据信息，配置数据库存储配置信息；S3，数据分析，包括以下步骤：a，对采集的所有样本数据进行聚类融合；b，将多数类的样本按照不稳定程度从高到低排列；c，通过引入删除因子，删除不稳定程度较高的多数类；d，得到新的样本数据集；S4，系统评估，通过数据分析处理，对系统锅炉机组、排烟系统、锅炉热效率进行系统评估和故障判断，得出系统评测报告和故障报告。2.根据权利要求1所述一种配煤掺烧优化方法，其特征在于，步骤S2中，机组数据库中采集的信号数据包括实时数据、当前数据、历史数据和异常数据，并分别进行存储。3.根据权利要求1所述一种配煤掺烧优化方法，其特征在于，步骤S3中，具体步骤包括，A：首先将采集的过热蒸汽流量、压力、温度，再热蒸汽压力、温度，给水压力温度，锅炉机组的温度数据集聚类计算并指定簇的个数；B，计算每次聚类中每个簇的数目，并且比较该簇中多数类样和少数类样本的个数，若少数类样本多于多数类样本个数，则该簇定位正类簇，反之为负类簇。4.根据权利要求1所述一种配煤掺烧优化方法，其特征在于，步骤S3中，还包括步骤C，对所有的样本对象进行遍历，若负类样本真实类别与所在簇的类别一致，则该样本类别函数Y(X)设为0，否则设为1；D，重复以上步骤A‑C；E，计算最终负类数据样本的类别函数值，并将多数类样本按照函数值大小进行从高到低的排序；F，根据选定的删除因子按照比例删除多数类样本，得到新的数据集样本，之后将新生成的数据集利用分类算法进行分类训练。5.根据权利要求1所述一种配煤掺烧优化方法，其特征在于，步骤S3中，并且引入删除因子δ，δ=（删除的多数类样本）/（不稳定的多数类样本）；δ的值大于0小于等于1，本方案中的取值范围为0.45‑0.85，防止多类样本删除太多或者太少，提升分类器对于样本分类精确度，增加系统风险、故障评估的准确性。6.根据权利要求1所述一种配煤掺烧优化方法，其特征在于，步骤S4中，经过步骤S3之后，得到平衡的采样数据样本，对新样本数据集进行特征提取，选取时域、频域和时频域数据特征。7.根据权利要求6所述一种配煤掺烧优化方法，其特征在于，根据系统燃煤锅炉运行状态和系统故障频率将数据特征分层，对每一层利用聚类算法找出聚类中心，得到较少的锅炉温度和系统故障类型集合；对较少的数据集合进行重新分层，对于新的数据类型集首先通过聚类计算出其每一簇数据的中心，然后再与较少的锅炉温度和系统故障类型集合的每一层聚类中心求取欧氏距离，再把新的数据集的每个聚类中心的距离相加，根据距离归类，对新数据分层，分层到了某一层后，采用上述方法判断是否属于最小的集合到最底层，将上述训练好的分类器进行分类运算，对系统锅炉机组、排烟系统、锅炉热效率进行系统评估和故障判断，得出系统评测报告和故障报告。2CN11365