数据与机理混合驱动的制粉系统设备运行状态评价与智能调优决策

As a key unit of thermal power plant, the pulverizing system dries and grinds raw coal to produce pulverized coal in proper particle size distribution. Then the pulverized coal is transported to the furnace for combustion. The performance of pulverizing system directly affects the stability and economy of combustion. However, the non-stationary characteristic brings great challenge to assessment of operating performance and intelligent decision on adjusting strategy for the pulverizing system. This project intends to propose a performance assessing and tuning strategy decision-making technique based on both data and mechanism. Data analyzing techniques are taken as the fundamental method, and mechanism analysis is also applied. Therefore, internal operating rules and correlations of the system can be fully extracted from a large amount of operational data. For the typical equipment in pulverizing system, the research contains the following topics. ① For the equipment with linearly correlated variables, concurrent distributed assessment approach of operating performance is proposed based on combing stationary and non-stationary feature extracting techniques. ② For the equipment with non-linearly correlated variables, concurrent distributed assessment method of operating performance is proposed by developing a variable sub-blocks decomposing technique. ③ A intelligent decision-making system on tuning strategy is established to provide practical decision support for operators, which contains cause identification for non-optimal variables, automatic analysis for non-optimal root causes, and fine-scaled determination on tuning strategy. Finally, the proposed scheme is verified and improved on the cooperative thermal power plant.

作为火力发电过程关键环节，制粉系统将原煤经干燥和碾磨后制成细度合格的煤粉，输送至燃烧设备进行燃烧。制粉系统的性能直接影响燃烧的稳定性和机组的经济性。然而，制粉系统的非平稳运行特性给运行状态评价和调优决策带来了极大挑战。本项目拟研究数据与机理混合驱动的火电厂制粉系统典型设备运行状态评价与智能调优决策方案，以数据分析技术为基础，结合机理分析，从大量的运行数据中充分挖掘系统内部运行规律和相关性。针对制粉系统典型设备主要开展以下研究：①面向变量线性相关的典型设备，研究平稳与非平稳特征提取技术结合的运行状态分布式协同评价方法；②面向变量非线性相关的典型设备，研究基于变量子组划分的运行状态分布式协同评价方法；③研究包含非优原因变量追溯、非优根源自动分析、调优方案决策技术的智能调优决策体系，提供工程应用中可借鉴的调优方案，为集控人员提供决策支持。最后，将所提方案在合作火电厂进行验证和完善。

火力发电是我国当前最主要的发电类型，在装机结构和发电量结构中均处于主要地位，是我国电力供应的基础性电源。作为火力发电过程关键环节，制粉系统将原煤经干燥和碾磨后制成细度合格的煤粉，输送至燃烧设备进行燃烧，系统内设备运行性能直接影响燃烧的稳定性和机组的经济性。为提高超超临界机组在运行过程中的效率和经济性、降低能耗，本项目以数据分析技术为基础，结合机理分析，提出了一套完整的火电厂制粉系统典型设备运行状态分布式协同评价及智能调优决策方法，实现制粉系统的高性能运行。解决了设备运行状态非平稳特性导致传统分析方法难以直接应用、变量线性和非线性相关的设备统一建模难以保证评价准确性、非优运行状态下的调优方案难以决策等问题。（1）针对制粉系统中变量线性相关的典型设备，考虑到多因素的影响，因素间的变化速率不同，提出多速率传感信息融合方法；考虑到平稳与非平稳特征共存的问题，提出基于分层混合模型的制粉系统线性非平稳设备运行状态评价方法。（2）针对制粉系统中变量非线性相关的典型设备，提出非线性非平稳信号预处理方法，可实现信号分解阶次的自动确定和复杂信号的有效去噪；在状态评价中，通过求解多目标优化问题，提出了基于线性分解的协整分析，同时解决了非线性与非平稳特性，建立基于贝叶斯理论的评价指标，实现设备运行状态实时评价。（3）针对非最优运行状态，充分利用过程数据与机理知识，提出了基于贝叶斯网络的非优原因追溯方法；提出案例推理与贝叶斯网络集成的调优决策方法，建立“粗调+细调”的调整策略，提供智能调优方案。所提方法在真实工业数据或仿真数据中进行了验证，证明了所提方法的有效性。项目研究的相关算法能够应用于复杂机电设备状态监测与评估领域，并且有望形成一套可以产品化的软件系统，具有一定应用前景。另外，本项目研究成果形成了8篇学术论文，授权了3项发明专利，申请了3项发明专利，取得科研奖励1项，协助培养了博士研究生1人，培养硕士研究生4人。