基于KPCA-Kmeans++数据挖掘的二次风燃烧优化

作     者：孙宇航 田亮 SUN Yuhang;TIAN Liang

作者机构：华北电力大学控制与计算机工程学院河北保定071003 

基　　金：国家重点研发计划(2017YFB0902100) 中央高校基本科研业务费专项资金资助项目(2017MS132) 

出 版 物：《华北电力大学学报:自然科学版》 (Journal of North China Electric Power University:Natural Science Edition)

年 卷 期：2023年第50卷第5期

页      码：78-86页

摘      要：为了解决算法对全工况数据挖掘难以精简寻优,以及针对燃烧优化调整试验中工况点选取不全面的问题,设计了一种基于KPCA-Kmeans++数据挖掘燃烧优化方法。通过对海量历史运行数据挖掘,发现不同工况下锅炉稳态运行条件下主要运行参数与性能指标之间的关联关系,并根据关联规律得到锅炉高效率低污染运行时所对应的参数运行目标值,通过对大量数据挖掘结果进行降维聚类得到直观、精简的燃烧控制规律,进而指导燃烧优化。以起磨方式作为工况划分标准,采用核主成分分析(KPCA)对历史数据所包含参数进行降维处理,以改进K均值(Kmeans++)算法对同种工况下海量数据聚类分析,在每种工况下确定3种燃烧优化模式。对比某电厂5号机组二次风优化效果表明,优化后SCR脱销入口NOx浓度平均下降29.2mg/m 3,锅炉效率平均提升0.11%。

主 题 词：燃烧优化 数据挖掘 降维聚类 锅炉效率 NOx排放 

学科分类：08[工学] 0802[工学-机械学] 0835[0835] 080201[080201] 

D　O　I：10.3969/j.ISSN.1007-2691.2023.05.09

馆 藏 号：203124070...