火电厂热控系统控制性能评价分析
开篇：润墨网以专业的文秘视角，为您筛选了一篇火电厂热控系统控制性能评价分析范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！
摘 要：火电厂热控系统控制性能的稳定性与可靠性对火电厂生产有重要影响，本论文详细探讨了热控系统控制性能的评价方法，首先简要分析了火电厂热控系统的性能控制特点及其评价现状，在此基础上对比分析了目前主流的性能评价方法，并有针对性的运用数据挖掘评价法分析了火电厂热控系统性能评价的实际应用，对于进一步提高火电厂热控系统控制性能评价应用水平的提高具有较好指导借鉴意义。
关键词：火电厂；热控系统；性能评价
中图分类号：TG15 文献标识码：A
1概述
随着电力系统规模的扩大以及工业自动化控制技术的飞速发展，对于火电厂热控系统的控制要求也越来越高；另一方面，火电厂热控系统在长期的运行过程中，必然会发生部件老化、性能下降等现象，因此如何通过对热控系统的过程控制数据实现对热控系统性能的评价，成为目前保障热控系统稳定可靠工作运行的主要技术难题之一。
本论文主要结合火电厂热控系统的控制性能特点，详细分析探讨热控系统性能评价的方法以及应用，以期从中能够找到合理有效的面向火电厂热控系统的控制性能评价方法与模式，并以此和广大同行分享。
2 火电厂热控系统性能评价概述
(1) 火电厂热控系统性能特点
火电厂由于生产的需要，对于电力生产的整个过程往往需要很多热控设备经过复杂的热控过程管理才能够实现相关的生产，因此，必须要对火电厂热控系统的过程进行管理分析。火电厂热控系统的性能特点主要表现在以下两个方面：
① 热控系统过程复杂，过程管理难度较大
火电厂热控设备的控制过程普遍比较复杂，多数热控设备借助于众多的控制参数以及成熟的控制算法实现对热控过程的管理，即使是对于目前应用最成熟的PID控制算法而言，其热控系统的过程管理也无法实现精准的控制，因此，目前火电厂的热控系统过程复杂，难以实现准确的热控系统性能评价。
② 热控系统性能稳定性较差，易发生潜在故障
以火电厂最普通的热控管理控制对象--锅炉汽包水平衡的控制为例，其热控系统的过程复杂相对简易一些，但是即使是锅炉汽包水的平衡位置，其控制稳定性也较差，锅炉汽包水的相关零部件极易发生故障，成为火电厂热控系统故障率最高的设备之一。由此可见，火电厂的热控设备及热控系统其控制稳定性较差，易发生潜在故障，因而难以实现恒定的评价。
(2)火电厂热控系统性能评价现状
结合上述对火电厂热控系统性能的特点分析，可以发现，火电厂热控系统性能评价实施起来难度较大，不仅仅是因为热控过程较为复杂，而且过程管理控制的参数变量较多，控制精度较差，因此试图通过海量数据的监测分析进而对热控系统性能做出客观评价，是十分困难的。目前应用的较为普遍和成熟的性能评价方法主要是最小方差性能评价，但是最小方差评价作为一种目前最好的评价策略，从这个意义上说，没有一种控制器可提供更小的方差。但由于这种评价模式所需要配备的控制器的鲁棒性性能不好以及要求过多的控制动作，因此在实践中并不推荐使用这种评价策略。
3 火电厂热控系统控制性能评价分析
3.1 性能评价方法对比分析
目前比较通用的性能评价方法主要有性能指标全表格评价法、最小方差评价法，以及新发展起来的基于数据挖掘的性能评价方法，下面逐一进行对比分析。
(1)性能指标全表格评价法
性能指标全表格评价法是采用分项分等级的记录办法，将性能评价所需要的各个指标罗列在一张表中，根据对热控系统的检测进行分项打分，根据最后的得分记录情况对热控系统进行评价，并根据得分的情况对热控系统进行有针对性的优化改进。
(2)最小方差评价法
最小方差法是一种单方程估计法，其基本思想是选择使残差平方和之比达到最小的Δ为结构参数向量βΔ的估计值，进而得到Γ1的估计值Δ，则称Δ和Δ为最小方差比估计量。这种评价方法需要借助海量的性能监测数据实现，因此这种评价方法数据处理量较大，实际操作起来有一定难度。
(3)数据挖掘评价法
数据挖掘评价法是通过对热控系统控制性能的基础指标进行检测，根据对指标的分类检测结果，结合预先建立的推理规则对指标结果数据进行挖掘，从而从中找到隐藏在数据结果背后的实质性规律。数据挖掘评价需要处理的数据量较小，因此实际操作起来具有一定优势，是目前重点发展和应用的一种评价方法。
3.2 数据挖掘在热控系统性能评价分析中的应用
如上文分析所述，数据挖掘并不是通过对海量数据的分析来做出性能评价，而是依靠对基本的信息的关联性分析，进而对热控系统的控制性能做出评价，这是一种数据处理量较小、评价较为客观的评价策略。下面具体结合数据挖掘的实际应用对该评价策略进行分析。
对于热控系统的性能评价策略，这里结合实际的锅炉汽包水平衡热控系统的控制性能为研究对象，结合特征信息知识化推理的规则给出实际应用分析。如下图所示，是经过性能评价信息提取和知识库规则化处理之后的性能指标基础信息表。
图1 性能指标基础信息数据整理图
如第一条数据表示的含义为：代号为100010的性能指标，指标特征数为Al(0-5)，指标符合度为X2(一般)，指标等级为Z1(轻微)，性能评定的优劣程度为Pl(及格)。每一条记录表示为一个故障事务，把图1的完整结果导成Excel文件格式，即为整个热控系统的性能评价指标信息知识库，作为性能评价的数据源。
在最小支持度为12%，最小可信度为50%的情况下，对性能评价系统进行规则学习和推理，可以得到24条性能评价规则，其中部分结果如下表所示：
表1 性能评价结果部分显示表
对上表的部分结果进行分析如下：
①规则2：Z3，P4X3，支持度为14.815%，可信度为80%。
此规则的意思是：具有重度性能指标特征信息符合度的汽包水平衡控制系统有80%评价结果是处于优秀等级，这表明具有高符合度的指标特征信息，同时具有较高指标等级的热控类型，容易被数据挖掘系统辨识并评价出来可信的结果。
②规则4：A3P3，支持度为14.815%，可信度为57.413%。
此规则的意思是：指标特征数在A3等级的热控系统有57.413%评价结果处于良好的性能状态，这表明指标特征数在A3等级的性能评价指标由于指标特征信息较多，必然有较多特征信息符合度高，因而被评价为性能良好的等级。
由上述的分析可以预见，基于数据挖掘的热控性能评价系统中的推理规则和智能评价应用对于火电厂热控系统的控制性能评价是非常有帮助的，应该大力发展面向数据挖掘的热控系统性能评价机制与应用策略。
结语
火电厂热控系统控制性能对于火电厂热控设备的稳定可靠运行，以及确保整个火电厂的安全生产具有重要的影响作用，本论文结合热控系统的性能特点对热控系统的控制性能评价方法作出了分析探讨，并结合实际的案例深入探讨了数据挖掘在性能评价上的优越性，对于进一步提高热控系统性能评价的科学性及可靠性具有较好的借鉴指导意义，因而本论文的研究结论是值得大力推广和应用的，当然，更多更合理可靠的热控性能评价方法还依赖于广大热控专业管理人员的共同努力，才能够最终实现火电厂热控系统过程控制管理的可靠。
参考文献
[1]陈耀，罗晓，孙优闲.过程控制工程中的若干问题[J].基础自动化，2002，4(9):1-2.
[2]程岩，黄梯.信息系统中一种面向粗糙集的数据挖掘方法[J].情报学报，2001，20(1):90-99.
[3]袁春晓.先进控制技术在电厂过热汽温控制中的应用研究[D].杭州:浙江大学，2005.