多变煤质条件下火电厂负荷优化分配方法研究

摘要

随着火电厂生产过程中数据采集和存储技术的不断发展，机组运行积累数据的规模和质量进一步提高，这些数据中蕴含着机组运行优化所需的大量状态信息。本文探讨了数据挖掘技术在电力行业的应用现状，其在电力行业中有着广阔的发展空间，而统计学方法是数据挖掘研究的重要途径之一。本文利用数据挖掘中的回归模式来研究变量之间的相关关系，针对火电厂生产数据间多重相关的特点，引入了偏最小二乘回归分析方法，其成分提取的思想有效地解决了变量间多重相关性问题。本文结合某电厂两台机组的运行参数值，选择性地确定了几种对机组供电煤耗的影响因素，对供电煤耗和它们之间的关系加以分析，利用偏最小二乘回归方法建立了单元机组供电煤耗预测模型，运用偏最小二乘回归辅助分析技术对结果做出了评价，并与基于最小二乘的多元线性回归模型预测结果进行对比，结果表明偏最小二乘回归方法在电厂机组状态参数预测中具有更好的可行性和可靠性。
　　 本文将偏最小二乘回归模型预测出的煤耗值和对应的机组负荷值作为离散的数据点，运用最小二乘法拟合出了机组煤耗特性二次多项式，并以此作为负荷分配的基础，建立了负荷分配的目标函数。遗传算法强大的全局搜索性能和对问题较强的适应性，使其在负荷分配应用中对煤耗特性曲线无特殊要求。在此基础上，以遗传算法作为优化算法，借助MATLAB软件编制了遗传算法的程序来求解目标函数，寻得最优解，并全面性地对所得结果做了详细的分析。考虑到负荷分配中的煤耗值为偏最小二乘回归的拟合值，所得结果和实际值的一致性，更加表明本课题具有一定的理论价值和实用价值，有利于指导电厂机组的运行优化。

目录

文摘

英文文摘

声明

第1章引言

第2章数据挖掘与统计分析方法

第3章基于偏最小二乘法的单元机组煤耗研究

第4章遗传算法在火电厂机组负荷分配中的应用

第5章结论及展望

参考文献

攻读硕士学位期间发表的学术论文及其他成果

致谢