一種基于運行班組特性分析的污染物排放量預測方法
【技術領域】
[0001]本發明涉及一種基于運行班組特性分析的污染物排放量預測方法，可對二氧化硫、氮氧化物、煙塵排放濃度等污染物排放量進行預測。
【背景技術】
[0002]目前，燃煤機組污染物排放量預測主要根據電力企業歷史統計排放量數據，采用時間序列方法進行計算，該方法將所有外在影響因素混為一體，無法實現污染物排放量數據的精確預測，現實參考意義不大，亟需改進。
【發明內容】
[0003]為解決現有技術的不足，本發明的目的在于提供一種基于運行班組特性分析的污染物排放量預測方法，提升機組燃煤機組污染物排放量預測的準確性，提高環境信息決策能力。
[0004]為了實現上述目標，本發明采用如下的技術方案:
[0005]一種基于運行班組特性分析的污染物排放量預測方法，包括如下3個大步驟:
[0006]S1、通過對機組海量運行數據進行大數據分析，挖掘不同班組的污染物控制操作行為特性，大數據分析過程主要包括兩步:樣本數據聚類、污染物排放濃度控制特性提取。
[0007]其中，樣本數據聚類的維度劃分標準包括:運行班組、大氣環境溫度。在樣本聚類分析時，選擇k-means算法，該算法以空間中k個點為中心進行聚類，對最靠近他們的對象歸類，通過迭代的方法，逐次更新各聚類中心的值，直至得到最好的聚類結果。具體方法為:首先對機組運行及計算數據按照排班表進行分類劃分，然后按照環境溫度(以1°C為間隔進行劃分)進行數據細分歸類，將海量數據按照班組-環境溫度兩個維度進行歸類篩選；初步劃分完成后，使用k-means算法對樣本空間進行梳理，對部分樣本數據較少類空間進行自動合并。
[0008]樣本數據聚類后，對每個小類進行數據分布度量特征因子統計分析，即:通過對各類樣本空間數據的統計分析，定量挖掘不同班組污染物排放濃度指標數據分布度量特征因子；其中，數據分布度量特征因子包括:污染物排放濃度平均值、分布方差、最大值、最小值、數據分布頻率及概率密度函數。數據分布頻率用于繪制直方圖，每一個元素包括:區間下限、區間上限、頻率及樣本數；數據分布概率密度函數用點集表示，每個點包括:參數值、概率密度值。
[0009]S2、開展燃煤機組發電量預測，采用自回歸移動平均模型+外在因素的修正方法；當日發電量預測的具體公式如下:Pd= Φ Λ ! + - + Φ 30Pd 30+ Φ y iPy !+f (T)，其中Pd p Pd 30、Py 1分別代表前一天、前30天發電量、去年當日發電量，Φ ρ Φ3。、<i>yl代表前一天、前30天、去年歷史數據的權重系數，而f(T)代表外加環境溫度修正函數。在實際求解中，首先運用線性回歸方法，確定Φ:、Φ3。、<i>y:等系數，然后利用最小二乘法確定P d-( Φ Λ:+...+ Φ30ρ, 30+φυ & D與環境溫度的關系，以確定f⑴。
[0010]其中自回歸移動平均模型基本思路為:將預測對象隨時間推移而形成的數據序列視為一個隨機序列，用數學模型來近似描述這個序列，一旦使用歷史數據獲得這個模型中的參數，就可以使用該模型預測未來時刻的序列值。在自回歸移動平均模型應用過程中，我們使用過去一個月的歷史數據、過去一年同期歷史數據來預測未來一周每天發電量數據。對于外在因素修正方法，主要考慮外在環境溫度的變化的影響。
[0011]S3、預測當日污染物排放量數據。具體預測方法為:根據發電量預測數據、前一日及一年前的同一天三個班組發電量分布情況，計算出預測日內三個班組的平均負荷，再根據氣象局大氣環境溫度預測數據，在步驟S1劃分的聚類中尋找最匹配的空間類別，然后在該類別中尋找最大概率分布污染物排放濃度，通過發電量計算出機組煙氣排放量，即可預測出當日各種污染物排放量數據。
[0012]本發明的有益之處在于:本發明的污染物排放量預測方法基于燃煤機組海量運行數據，通過對不同運行班組的污染物控制操作特性進行大數據提取分析，利用不同班組污染物排放濃度操作控制特性分析結果，預測機組污染物排放濃度水平，然后結合發電量預測數據，計算出污染物排放量預測數據，有效提升機組燃煤機組污染物排放量預測的準確性，有利于提高環境信息決策能力。
【具體實施方式】
[0013]以下結合具體實施例對本發明作具體的介紹。
[0014]以600MW等級超臨界機組為實施例，其正常運行班組運轉機制為五班三倒方式，下面以該機組為例闡述污染物排放量的預測方法:
[0015](1)、樣本數據聚類:首先對機組運行及計算數據按照排班表進行分類劃分，然后按照環境溫度(以1°C為間隔進行劃分)進行數據細分歸類，將海量數據按照班組-環境溫度兩個維度進行歸類篩選。初步劃分完成后，使用k-means算法對樣本空間進行梳理，對部分樣本數據較少類空間進行自動合并。
[0016](2)、運行班組污染物排放濃度控制特性提取:樣本數據聚類后，對每個小類進行數據分布度量特征因子統計分析。其中，數據分布度量特征因子包括:污染物排放濃度平均值、分布方差、最大值、最小值、數據分布頻率及概率密度函數。
[0017](3)、發電量預測:發電量預測采用自回歸移動平均模型+外在因素修正方法，具體公式如下:Pd= Φ兄廣"+巾3(^3。+巾^匕#0')，其中？^、？^。、己1分別代表前一天、前30天發電量、去年當日發電量，Φρ Φ3。、<i)y i代表前一天、前30天、去年歷史數據的權重系數，而f(T)代表外加環境溫度修正函數。在實際求解中，首先運用線性回歸方法，確定Φ η Φ 30' Φ y 1等系數，然后利用最小二乘法確定P d_ ( Φ lPd 1 +...+ Φ 3()Pd 3。+Φ y lPy 1)與環境溫度的關系，以確定f(T)。
[0018](4)、污染物排放量預測:根據發電量預測數據、前一日及一年前的同一天三個班組發電量分布情況，計算出預測日內三個班組的平均負荷，再根據氣象局大氣環境溫度預測數據，在(1)劃分的聚類中尋找最匹配的空間類別，然后在該類別中尋找最大概率分布污染物排放濃度，通過發電量計算出機組煙氣排放量，即可預測出當日各種污染物排放量數據。
[0019]以上顯示和描述了本發明的基本原理、主要特征和優點。本行業的技術人員應該了解，上述實施例不以任何形式限制本發明，凡采用等同替換或等效變換的方式所獲得的技術方案，均落在本發明的保護范圍內。
【主權項】
1.一種基于運行班組特性分析的污染物排放量預測方法，其特征在于，包括如下步驟: 51、通過對機組海量運行數據進行大數據分析，挖掘不同班組的污染物控制操作行為特性，大數據分析過程主要包括兩步:樣本數據聚類、污染物排放濃度控制特性提取； 52、開展燃煤機組發電量預測，采用自回歸移動平均模型+外在因素的修正方法； 53、預測當日污染物排放量數據。2.根據權利要求1所述的一種基于運行班組特性分析的污染物排放量預測方法，其特征在于，所述樣本數據聚類的方法為:首先對機組運行及計算數據按照排班表進行分類劃分，然后按照環境溫度進行數據細分歸類，將海量數據按照班組-環境溫度兩個維度進行歸類篩選；初步劃分完成后，使用k-means算法對樣本空間進行梳理，對部分樣本數據較少類空間進行自動合并。3.根據權利要求2所述的一種基于運行班組特性分析的污染物排放量預測方法，其特征在于，所述污染物排放濃度控制特性提取的方法為:樣本數據聚類后，對每個小類進行數據分布度量特征因子統計分析；其中，數據分布度量特征因子包括:污染物排放濃度平均值、分布方差、最大值、最小值、數據分布頻率及概率密度函數。4.根據權利要求3所述的一種基于運行班組特性分析的污染物排放量預測方法，其特征在于，所述數據分布頻率用于繪制直方圖，每一個元素包括:區間下限、區間上限、頻率及樣本數。5.根據權利要求3所述的一種基于運行班組特性分析的污染物排放量預測方法，其特征在于，所述數據分布概率密度函數用點集表示，每個點包括:參數值、概率密度值。6.根據權利要求1所述的一種基于運行班組特性分析的污染物排放量預測方法，其特征在于，所述步驟S2中，當日發電量預測的具體公式如下:Pd= Φ iPdl+...+ ΦΛ 30+ΦΥ iPy #⑴，其中Pd ^Pd 3(:、Py沒別代表前一天、前30天發電量、去年當曰發電量，φη φ3。、(J)y i代表前一天、前30天、去年歷史數據的權重系數，f (T)代表外加環境溫度修正函數。7.根據權利要求1-6任一項所述的一種基于運行班組特性分析的污染物排放量預測方法，其特征在于，所述步驟S3中，當日污染物排放量數據的具體預測方法為:根據發電量預測數據、前一日及一年前的同一天三個班組發電量分布情況，計算出預測日內三個班組的平均負荷，再根據氣象局大氣環境溫度預測數據，在步驟SI劃分的聚類中尋找最匹配的空間類別，然后在該類別中尋找最大概率分布污染物排放濃度，通過發電量計算出機組煙氣排放量，即可預測出當日各種污染物排放量數據。
【專利摘要】本發明公開了一種基于運行班組特性分析的污染物排放量預測方法，該方法基于燃煤機組海量運行數據，通過對不同運行班組的污染物控制操作特性進行大數據提取分析，利用不同班組污染物排放濃度操作控制特性分析結果，預測機組污染物排放濃度水平，然后結合發電量預測數據，計算出污染物排放量預測數據，有效提升機組燃煤機組污染物排放量預測的準確性，有利于提高環境信息決策能力。
【IPC分類】G06Q10/04, G06Q50/06
【公開號】CN105335798
【申請號】CN201510738185
【發明人】孫栓柱, 孫虹, 代家元, 周春蕾, 王林, 張友衛, 孫彬, 王其祥, 高進, 王明, 許國強, 劉成, 李春巖
【申請人】國家電網公司, 江蘇省電力公司, 江蘇方天電力技術有限公司
【公開日】2016年2月17日
【申請日】2015年11月3日