基于大数据分析的锅炉过量空气系数评估模型

doi:10.11959/j.issn.1000-0801.2019045

电信科学 ›› 2019, Vol. 35 ›› Issue (3): 147-152.doi: 10.11959/j.issn.1000-0801.2019045

• 电力信息化专栏 • 上一篇

基于大数据分析的锅炉过量空气系数评估模型

苏晓文¹,刘超飞²,王智微²,张浩²

¹ 华能陕西发电有限公司，陕西西安 710075
² 西安热工研究院有限公司，陕西西安 710032

修回日期:2019-02-26 出版日期:2019-03-01 发布日期:2019-03-23
作者简介:苏晓文（1974- ），女，华能陕西发电有限公司工程师，主要从事信息化应用、网络与信息安全研究工作。|刘超飞（1981- ），男，西安热工研究院有限公司高级工程师，主要从事电站信息化技术的研究工作。|王智微（1970- ），男，西安热工研究院有限公司研究员，主要从事电站清洁燃烧和电站信息化技术的研究工作。|张浩（1990- ），男，西安热工研究院有限公司工程师，主要从事电厂SIS、发电公司实时监管系统的研究工作。

Boiler excess air coefficient model based on the large data analysis

Xiaowen SU¹,Chaofei LIU²,Zhiwei WANG²,Hao ZHANG²

¹ Huaneng Shaanxi Power Generation Co.,Ltd.,Xi’an 710075,China
² Xi’an Thermal Power Research Institute,Xi’an 710032,China

Revised:2019-02-26 Online:2019-03-01 Published:2019-03-23

摘要/Abstract

摘要：

锅炉过量空气系数的大小直接影响着锅炉效率。采用大数据分析方法中的多元线性回归方法，在对历史运行数据进行预处理后，利用SPSS软件对样本数据进行回归分析，对影响过量空气系数的影响因子进行了研究，得到了几个选定的影响因子的相关系数，使用残差分析方法对模型的准确性进行了验证，最后基于设计值对实际运行的过量空气系数进行了分析。

关键词: 过量空气系数, 大数据, 多元线性回归, SPSS软件

Abstract:

Excess air coefficient value of boiler directly affects boiler efficiency.The multivariate linear regression method in the large data analysis method was used,after the preprocessing of the historical running data,the SPSS software was used to regress the sample data,and the evaluation model of the influence factors for the excess air coefficient was established.The correlation coefficient of the selected influence factors was obtained,and the accuracy of the model was carried out by the residual analysis method.Finally,the excess air coefficient of the actual operation was analyzed based on the design value.

Key words: excess air coefficient, big data, multiple linear regression, SPSS

中图分类号:

TK323

苏晓文,刘超飞,王智微,张浩. 基于大数据分析的锅炉过量空气系数评估模型[J]. 电信科学, 2019, 35(3): 147-152.

Xiaowen SU,Chaofei LIU,Zhiwei WANG,Hao ZHANG. Boiler excess air coefficient model based on the large data analysis[J]. Telecommunications Science, 2019, 35(3): 147-152.

图/表 8

表1

表2

表3

表4

表5

表6

图1

图2

参考文献 10

[1]	陈广伟, 马海鹏 . 600 MW 超超临界锅炉最佳运行氧量试验研究[J]. 节能, 2017,36(9): 43-47.
	CHEN G W , MA H P . Experimental study on optimal operation oxygen content of 600 MW ultra supercritical boiler[J]. Energy Conservation, 2017,36(9): 43-47.
[2]	王智微, 范奇, 张浩 ,等. 垃圾焚烧发电厂实时性能计算方法的研究与应用[J]. 热力发电, 2012,41(9): 24-28.
	WANG Z W , FAN Q , ZHANG H ,et al. Research and applications of real-time performance calculation for garbage power plant[J]. Thermal Power Generation, 2012,41(9): 24-28.
[3]	范奇, 王文庆, 刘超飞 ,等. 火电机组在线性能计算与性能试验对比分析[J]. 热力发电, 2013,42(8): 86-89.
	FAN Q , WANG W Q , LIU C F ,et al. Relative analysis of online calculation and performance test for a thermal power unit[J]. Thermal Power Generation, 2013,42(8): 86-89.
[4]	王智微, 李虹锐, 郑建虎 ,等. 利用历史稳态数据仿真计算母管制运行机组各台汽轮机进汽流量的方法研究[C]// 中国电机工程学会2015年学术年会,2015年11月17—20日,中国,武汉.[S.l.:s.n]. 2015.
	WANG Z W , LI H R , ZHENG J H ,et al. Research on the calculation of the steam rate of turbines based on the historical data in the units with common steam header system[C]// Academic Annual Meeting of China Electrical Engineering Society in 2015,November 17-20,2015,Wuhan,China.[S.l.:s.n]. 2015.
[5]	王智微, 李虹锐, 张浩 ,等. 利用数据挖掘技术进行大型燃煤机组运行优化分析的研究[C]// 中国电机工程学会2016年学术年会,2016年11月15—18日,中国,南京.[S.l.:s.n]. 2016.
	WANG Z W , LI H R , ZHANG H ,et al. Research on operation optimization analysis of large coal-fired units using data mining technology[C]// Academic Annual Meeting of China Electrical Engineering Society in 2016,November 15-18,2016,Nanjing,China.[S.l.:s.n]. 2016.
[6]	徐创学, 刘鲁清, 谢云明 ,等. 基于实时数据的风力发电机组性能在线评价[J]. 热力发电, 2015,44(4): 88-91.
	XU C X , LIU L Q , XIE Y M ,et al. Real-time data based online evaluation of output performance for wind turbine units[J]. Thermal Power Generation, 2015,44(4): 88-91.
[7]	解辰, 李云鹏, 王彬 . 基于SPSS软件的循环流化床锅炉起动特性分析[J]. 热力发电, 2008(11): 68-70.
	XIE C , LI Y P , WANG B . Starting characteristic analysis of circulating fluidized bed boiler based on SPSS software[J]. Thermal Power Generation, 2008(11): 68-70.
[8]	杨瀚钦 . 面向辅助决策的火电厂大数据分析系统的设计与实现[D]. 北京:华北电力大学, 2012.
	YANG H Q . Design and implementation of large data analysis system in thermal power plant for assistant decision making[D]. Beijing:North China Electric Power University, 2012.
[9]	黄志彬, 易勇智, 刘宝富 ,等. 超超临界 600 MW 机组锅炉运行氧量控制[J]. 热力发电, 2012(12): 106-108.
	HUANG Z B , YI Y Z , LIU B F ,et al. Oxygen content control for a boiler in ultra supercritical 600 MW unit[J]. Thermal Power Generation, 2012(12): 106-108.
[10]	西安热工研究院.华能集团火电机组远程辅助诊断系统节能诊断技术开发报告[R]. 2014.
	Xi’an Thermal Power Research Institute. Development report on energy-saving diagnosis technology of remote aided diagnosis system for thermal power units of Huaneng Group[R]. 2014.

R	R²	调整R²	标准估计的误差
0.84	0.706	0.706	0.026 963 27

模型	B	标准误差	β	T	显著性
常量	1.452	0.002		757.160	0
送风机挡板开度	0.004	0	0.783	36.201	0
一次风机挡板开度	0.001	0	0.133	12.847	0
给水流量	-0.001	0	-1.676	-69.708	0

	数量	百分比	标准差	最大值	最小值	中位数	平均值
绝对误差	17 442		0.049 7	0.349	-0.154 5	0.008 2	-5.1×10^-16
正误差	10 363	59.42%	0.026 8	0.349	0.000 01	0.027 4	0.032 0
负误差	7 079	40.58%	0.036 5	-2.3×10^-6	-0.154 5	-0.041 4	-0.046 9

R	R²	调整R²	标准估计的误差
0.063	0.004	0.004	847.802 8

编号	BMCR	70% BMCR	50% BMCR	最低稳燃负荷
省煤器出口氧量	1.19	1.26	1.38	1.41
给水流量	1 081	691.19	453.5	394.81

基于大数据分析的锅炉过量空气系数评估模型

Boiler excess air coefficient model based on the large data analysis

在线阅读

PDF下载

可视化

摘要/Abstract

引用本文

使用本文

图/表 8

参考文献 10

相关文章 15

Metrics

推荐阅读 0

[1]	韩璐, 陈威宇, 张斐, 何建锋, 苏怀振. 差异化需求下的非关系型分布式报送信息大数据分类方法[J]. 电信科学, 2023, 39(6): 114-121.
[2]	韩雪. 基于电力大数据的电力骨干通信网络毁伤韧性评估方法[J]. 电信科学, 2023, 39(5): 136-143.
[3]	孙玉娣. 基于电信大数据的5G网络海量用户复访行为预测模型[J]. 电信科学, 2023, 39(2): 157-162.
[4]	李爱华, 吴晓波, 陈超, 魏彬, 史嫄嫄. 5G网络大数据智能分析技术[J]. 电信科学, 2022, 38(8): 129-139.
[5]	黄更生, 黄宇红, 郭漫雪, 郑健平, 葛欣. DT时代面向数据服务的新型基础设施架构[J]. 电信科学, 2022, 38(7): 138-145.
[6]	李攀攀, 谢正霞, 乐光学, 刘鑫. 基于深度学习的无线通信接收方法研究进展与趋势[J]. 电信科学, 2022, 38(2): 1-17.
[7]	赵海波, 相志军, 肖林松. 基于异构数据的电力短期负荷大数据预测方案[J]. 电信科学, 2022, 38(12): 103-111.
[8]	刘志勇, 何忠江, 阮宜龙, 单俊峰, 张超. 大数据安全特征与运营实践[J]. 电信科学, 2021, 37(5): 160-169.
[9]	刘晓军,武娟,徐晓青. 大数据架构剖析及数据安全融合技术[J]. 电信科学, 2020, 36(7): 146-155.
[10]	刘玉娇,宋坤煌,王向. 基于电力大数据的经济景气指数分析[J]. 电信科学, 2020, 36(6): 166-171.
[11]	程卫华,何肖嵘. 基于大数据的网页浏览质差分析方法研究[J]. 电信科学, 2020, 36(11): 174-181.
[12]	高建,陈文彬,庞建民,于华东,宋国瑞. 基于组合密钥的智能电网多源数据安全保护[J]. 电信科学, 2020, 36(1): 134-138.
[13]	谭晓敏,方艾,梁冰,杨豪杰. 基于决策树的EPG体验异常原因定位[J]. 电信科学, 2019, 35(8): 158-164.
[14]	鲁泽霖,李强治. 电子商务平台的演化逻辑和运营机理[J]. 电信科学, 2019, 35(7): 152-158.
[15]	廖明,陈明,周冀,向小华,李芳,焦叶芬. 基于大数据融合算法的DNS日志分析系统[J]. 电信科学, 2019, 35(5): 129-139.

区域	样本个数/个
-10～-5	12 467
-5～0	4 833
0～10	142