一、火电厂运行经济性诊断的新方法（论文文献综述）
张宇珩[1]（2021）在《燃煤电厂氧量传感器测量可靠性评估和故障诊断研究》文中提出中国的能源结构不断地在变化,近些年来,火电机组深度调峰和超低排放的要求不断提高也催生了“智能电厂”的发展。而“智能电厂”所依赖的先进的测试技术、大数据分析和智能化技术都需要能准确反映机组参数的测量数据,因此有必要对用于测量的传感器进行可靠性评估和故障诊断。烟气含氧量是锅炉燃烧调整和运行需要控制的一个重要参数,是确保锅炉安全性、经济性运行的重要指标。目前燃煤电厂对于烟气含氧量的测量普遍采用氧化锆传感器进行直接测量,但是传统的传感器测量不免会发生传感器老化或故障的问题,影响氧量测量的准确性和可靠性,因此对氧量传感器进行测量可靠性评估和故障诊断既有利于锅炉的控制运行,也对“智能电厂”的发展有着重要意义。本文利用BP神经网络和机组运行的历史数据,以锅炉燃烧原理为基础,结合相关性和灰色关联度分析,建立了烟气含氧量的软测量模型,通过软测量模型预测值和传感器实际测量值的相关性分析和拟合分析,再利用直接冗余法建立了传感器间的信任度矩阵,对各个氧量传感器进行了测量可靠性的分析。根据所建立的模型,对预测值和传感器测量值进行了残差分析,分析了各个氧量传感器的运行状况和可靠性。针对氧量传感器的特点,将常见的传感器故障进行分类和数学描述,对氧量传感器易出现的故障,如偏置故障、卡死故障和漂移故障,进行了仿真分析。采用主元分析法,利用Hotelling T2统计量和SPE统计量,对故障进行了诊断,结果表明:该方法可以有效诊断出偏置故障、卡死故障和漂移故障,具有一定的应用前景。
慕昀翰[2]（2021）在《基于燃煤机组深度调峰安全性条件下负荷优化分配》文中认为为实现我国2030年碳达峰、2060年碳中和、构建以新能源为主体的新型电力系统的战略目标,以风电和太阳能等可再生能源为主的新型电力系统需要一部分灵活、高效、安全和环保的火电机组进行运行支撑。灵活性越好、安全可靠性越高的机组在这种新型电力系统中所担负的调峰任务就更多。在保障燃煤机组深度调峰安全性的条件下,按照机组的设计和运行特性优化并安排最佳的调峰负荷就成为一个十分重要的工作。随着电力辅助服务市场的推广,火电机组调峰的积极性得以提升,许多火电厂进行机组灵活性和节能改造以承担调峰任务。本文旨在对电厂各机组进行负荷优化分配,在降低煤耗的同时考虑机组寿命损耗与辅助服务市场收益,以期提升电厂经济性并保障安全性,提升企业综合竞争力。首先,本文对负荷优化分配的目标函数模型以及模型各项约束条件作了简述。运用能量经济学方法将机组参与调峰时的燃料损耗和寿命损耗定义为金钱流,考虑机组调峰运行时参与辅助服务市场的获得收益,建立了新的目标函数模型。其次,考虑了机组煤耗特性变化这一现象,基于大数据分析理念,结合灰色关联分析法和神经网络算法,对历史运行数据进行筛选和训练,选取与机组供电煤耗率关联度较高的参数投入神经网络计算模型,实现对机组煤耗的动态计算。选取样本的动态计算结果与样本实测值最大绝对误差为1.1 g/kW·h,平均绝对误差为0.48g/kW·h,计算结果较为准确。最后,考虑机组运行安全性问题,对汽轮机高压转子进行建模计算,获得了转子在典型启动工况下的温度场和应力场,确定了应力集中现象最严重部位,简化了计算模型,并对不同变负荷幅度下转子的寿命损耗进行了计算。简述了电力辅助服务市场的运营机制和收益模式,确定收益计算方法。将各项约束编入遗传算法用以求解厂级机组负荷优化分配问题,并进行了实例计算。计算结果表明,机组参与调峰会加大对关键设备的寿命损耗,但考虑参与辅助服务市场的获得收益而言,其总体收益是向增加的方向发展的。
高学伟[3]（2021）在《数字孪生建模方法及其在热力系统优化运行中的应用研究》文中指出随着社会经济的飞速发展,我国产业结构优化调整和转型升级进程的深入,要实现未来“碳达峰,碳中和”的目标,需要建设清洁低碳、安全高效的现代能源体系。以风电和太阳能发电为代表的可再生能源替代作用日益突显,而火电机组在未来很长一段时间内仍将处于主导地位。亟需解决火电和可再生能源的协同发展问题,大型火电机组更多需要担负起高效节能、低碳环保、深度调频调峰的任务。实施电能替代供热对于推动能源消费革命、减少碳排放、促进能源清洁化意义重大。利用电锅炉储热供暖还可以降低电网调节压力,增加供热能力,有效解决可再生能源的消纳问题。火电机组热力系统和电锅炉储热供暖热力系统都属于典型的非线性、多参数、强耦合的复杂热力系统。本文通过研究流体网络机理建模和数据驱动建模相融合的数字孪生建模方法,为热力系统建模工作提供了新的思路和途径,为热力系统安全、环保和经济运行提供理论支撑。论文围绕数字孪生建模方法及其在热力系统优化运行中的应用,主要研究内容和成果包括以下几个方面:（1）对数字孪生理论、热力系统建模理论以及大数据处理等基本理论进行了研究。比较了数字孪生与仿真技术及信息物理系统的异同;以火力发电厂为例,研究了流体网络机理建模及求解方法;对Hadoop系统的MapReduce与Spark计算进行了对比分析,对实时数据处理Spark Streaming与Storm进行了对比分析,并搭建了适用于数字孪生及大数据在热力系统建模领域应用的大数据分布式集群平台;在该集群上实现了大数据的存储管理,以及大数据分布式计算,研究了基于大数据平台的数据驱动建模理论,包括支持向量回归建模、极限学习机建模、智能辨识优化算法以及即时学习等基本理论。（2）针对数据驱动建模方法的研究,提出一套基于改进即时学习策略的自适应数据驱动建模方法。采用“主成分+互信息”的方法获得输入和输出变量之间的相关程度,确定权重因子,然后利用“欧式距离+角度”定义一种加权综合相似度度量函数。在离线状态下,利用改进遗传模拟退火模糊聚类方法进行工况划分;进行工况预测时,采用一种多层次综合相似度度量的相似工况快速识别方法构建相似工况训练集,即根据两级搜索的策略实现了在线快速识别:初级识别是确定预测工况在历史工况库中所属的类别提取预测类工况,次级识别是采取基于综合相似度度量函数的相似工况识别方法,在历史数据库中针对预测类工况的快速识别;局部模型建模方法是在Spark计算框架下,对SparkSVMHPSO算法、Spark ELM算法以及基于SparkHPSO的多参数辨识等数据驱动建模方法进行研究。然后以SCR脱硝系统出口 NOx预测、电锅炉储热供热系统源侧及荷测负荷预测为案例,验证了所提出的建模方法有效性。为热力系统数字孪生模型建模及系统工况优化提供了理论支撑。（3）针对数据孪生建模的研究,提出一套改进即时学习策略的自适应数据驱动与机理模型多参数辨识协同融合的数字孪生建模方法。在建立热力系统机理模型的基础上,关键的设备模型参数利用多参数多工况拟合的离线智能辨识方法,得到可以模拟实际系统全工况下动态变化趋势的离线智能参数辨识模型;以离线智能参数孪生模型为主,根据相似度阈值进行判断,采用自适应模型参数更新策略,实现数字孪生模型的在线协同;为进一步提升孪生模型预测的精度和鲁棒性,采用移动窗格信息熵的多模型输出在线融合方法,提升关键工况以及动态变化过程的逼近程度。基于这一理论构建的数字孪生模型,能够基于系统运行数据持续进行自我修正,在线跟踪设备运行特性,从而具有自适应、自演进的智能化特点,能够全面反映系统的运行状态和性能,为系统工况迭代优化提供可靠的模型输入和结果校验工具。以燃煤电站SCR脱硝系统和电锅炉储热供热系统为研究对象,建立其热力系统数字孪生模型。（4）最后,基于数字孪生模型的实时跟踪能力,提出一种基于负荷分配和工况寻优的热力系统智能工况动态寻优策略。并以电锅炉储热供热系统为研究对象,根据能耗成本分析和负荷分配策略,利用数字孪生模型系统,对电网负荷、电锅炉系统、储热系统进行预测计算,模拟不同运行方案、不同工况下系统动态运行,得出最优的供热调节和负荷分配方案。以火力发电厂SCR脱硝系统为例,根据建立的自适应、自演进的智能化SCR脱硝系统数字孪生模型,将该模型应用于模型预测控制算法中。结果表明,利用基于数字孪生模型的自适应预测控制算法比传统的PID控制效果更精确,运行更稳定。证明了所提建模方法的有效性,具有重要的工程实用意义和行业示范价值。
王珂珂[4]（2021）在《计及新能源的电力现货市场交易优化研究》文中指出能源是社会进步和人类生存的物质基础,随着能源资源约束日益加剧,绿色低碳发展成为我国经济社会发展的重大战略和生态文明建设的重要途径,我国亟需加快建设以可再生能源为主导的清洁低碳、安全高效的能源体系,实现“30·60”双碳目标。电力工业在现代能源体系中处于核心地位,在减少温室气体排放方面发挥着重要作用,应加大力度发展以风电、太阳能为代表的绿色电力。但由于中国风能、光能富集区与需求区逆向分布,市场在优化资源配置中的作用发挥不够充分,亟需完善新能源参与的电力现货市场交易机制,构建高比例新能渗透的电力现货市场交易决策支持方法,以实现资源有效配置,促进新能源消纳。鉴于以上考虑,本文从新能源参与对电力现货市场影响、新能源发电功率预测与电力现货市场电价预测、计及新能源的中长期合约与现货日前市场的衔接与出清机制、电力现货市场各阶段市场的衔接与出清机制、碳交易权市场与电力现货市场的耦合机制等多个方面展开研究。本文主要研究成果与创新如下:（1）对新能源参与对电力现货市场的影响进行研究,基于电力现货市场价格信号的复杂性,构建由三个模块构成的新能源对电力现货市场影响分析模型,包括基于数据统计的相关性分析、基于小波变换与分形理论的全部特征值分析与基于关键因素提取的相关性分析。以丹麦两地区现货市场的历史数据进行验证,证实新能源发电对于电价影响高于常规历史数据;基于小波变换分析与分形理论求得全部特征值方法,计算两地区分类准确率为分别为80.35%,82.30%,分类结果表明负荷、新能源发电量序列与新能源发电量占比分类错误率较高;通过关键特征提取的相关性分析结果,重要程度位于前三的因素均存在新能源发电相关因素。因此研究中仅考虑负荷等常规因素不足以支撑电力现货市场电价预测、交易匹配与出清问题的研究。（2）对电力现货市场中新能源发电功率与电价预测进行研究,构建基于完全集成经验模态分解（complementary ensemble empirical mode decomposition,CEEMD）与样本熵（sample entropy,SE）的数据预处理策略,基于和声搜索（harmony searchm,HS）算法优化的核极限学习机（kernel extreme learning machine,KELM）的混合新能源发电功率预测模型,基于相似日筛选与长短期记忆模型（long short-term memory,LSTM）的电力现货市场电价预测模型。针对非线性、非稳态的短期新能源发电功率预测,首先通过皮尔森相关系数筛选模型输入数据,减少数据冗余;而后,采用CEEMD-SE的组合数据预处理策略,对发电功率时间序列进行分解和重构,消除数据噪声,减少模型计算量;其次,采用HS-KELM模型对重构后的多个子序列进行建模预测,集成处理后得到最终的新能源发电功率预测值。基于CEEMD-SE-HS-KELM新能源发电功率预测模型具有更高的预测精度。针对电力现货市场电价预测,将新能源出力指标纳入电力现货市场电价预测中,首先采用CEEMD-SE对电价序列进行分解与重构;而后,构建基于随机森林（random forest,RF）与改进灰色理想值逼近（improved approximation ofgrey ideal values,IAGIV）的新能源出力影响量化模型,筛选出与待预测天数关联性较强的历史天作为输入集;其次,采用LSTM模型对重构后的多个子序列分别进行预测,基于CEEMD-SE-RF-IAGIV-LSTM预测模型对于电价序列的拟合效果较好,可为电力现货市场参与主体制定交易策略、现货市场出清撮合提供支撑,降低电力现货市场中的风险。（3）对计及新能源与中长期市场影响的现货日前电力市场优化模型进行研究。本文提出计及中长期合约电量分解与新能源参与的日前电力市场交易优化模型,首先构建考虑火电厂合约电量完成进度偏差的中长期合约电力分解模型,将分解得到的每日中长期合约电量作为约束引入日前市场的优化模型中,保证中长期合约电量物理执行;针对系统不确定性进行建模,在电力现货市场价格模拟中加入新能源渗透率,更精准地刻画能源参与对于电力现货市场的影响;构建新能源参与的日前市场多目标出清优化模型,利用模糊优选方法对多目标进行转换,较好地平衡经济性与节能减排目标;最后采用基于GA-PSO组合优化模型对构建模型进行求解。模型求解结果表明,本文构建的多目标优化函数能够在保证系统运行经济效益的基础上,实现环境效益最大化,达到节能减排的效果;同时随着新能源渗透率的增加,系统不确定性增加,常规机组的成交电量有所下降。（4）对计及新能源的日前市场与日内市场的衔接机制进行分析,并构建相应的出清优化模型。在日前市场与实时市场之间增加日内市场,以减少系统辅助服务成本、降低用于平衡间歇性、波动性新能源的化石燃料容量、灵活性资源配置与储能成本,以提高现货市场效率,更好的发挥市场对资源优化配置的作用。采用基于模型预测结果与误差分布函数结合的不确定性刻画模型,而后构建了基于拉丁超立方采样进行场景集生成法与改进谱聚类分析的场景集削减策略,能够选择出最具代表性的场景集。基于电力现货市场出清流程,将含有新能源较多的系统将引入日内市场,以减小实时市场的功率偏差,提高系统运行的经济性和稳定性,采用预测模型对新能源出力、电力负荷进行预测,结合预测误差分布函数刻画系统不确定性;构建日前市场和模拟日内市场联合出清优化模型,在各个日内市场考虑对应实时市场新能源偏差功率的不确定性、电价不确定性,建立各日内市场和模拟实时市场联合优化模型。（5）考虑到中国“30·60”双碳目标与宏观发展规划,本文构建一个基于STIRPAT模型碳排放影响因素分析与改进烟花算法（improved fireworks algorithm,IFWA）优化的广义回归神经网络（general regression neural network,GRNN）预测模型。基于不同的社会环境与政策环境,对碳排放影响因素进行模拟并设定,预测结果表示中国的碳排放总量将于2031年达到峰值。以此为基础分析现行政策下中国的碳减排压力,并进行相应的建设全国统一的碳交易权市场必要性分析。而后,基于电力市场和碳市场的建设现状,利用系统动力学模型进行碳交易对电力现货市场的影响分析,系统动力学模型分析结果证实电力市场价格与碳交易价格呈现正相关关系;最后,基于对于碳交易对电力市场作用机理的分析,提出碳交易机制与电力现货市场机制协同建设建议。
杨云溪[5]（2021）在《基于数据驱动的火电厂能耗诊断方法与分析研究》文中进行了进一步梳理当下是能源行业的转型期,我国的资源禀赋决定了火力发电仍将在一段时期内占据能源结构中的关键位置。适逢大数据、人工智能等与传统工业的联动趋于成熟,此类时新技术必将成为火电行业深度挖掘节能潜力,完成灵活性发电转型的助推剂。本文基于数据驱动的研究思路,开展火电厂的能耗诊断与分析,借助智能算法,充分挖掘历史运行数据中的有效信息推进研究进行。首先,对采集数据进行初步整理,提升数据质量,并提出了基于随机森林结合层次分析的方法对所有变量进行筛选,保留了对发电能耗有最为重要影响的20个变量以提升建模效率。其次,针对火电厂能耗的相关变量存在非线性、强关联的特点,采用支持向量回归对火电厂进行数据驱动建模,建立各变量与发电能耗的关系,并在此基础上通过灰狼优化算法优化模型参数,提升了模型的训练效率。最后,根据已建立的数据模型结合 E-Fast 法（Extended-Fourier Amplitude Sensitivity Test）对机组的各个负荷运行区段下进行全局能耗敏感性分析,在考虑变量间相互作用的基础上,得出了各变量对发电能耗的影响程度大小。本文的分析结果表明,在所有负荷区间维持运行负荷的稳定对节能最为关键,同时,合理控制排汽流量、主蒸汽流量和调节级蒸汽流量对节能也十分重要。除了注意上述变量之外,通过对各个负荷区间进行的具体分析可以得出,机组在60-90%负荷区间运行时,应密切监控第七级抽汽温度,维持其在一定范围内;在70-90%负荷区间运行时,左侧凝汽器压力的变化对能耗有较大影响;在90-100%负荷区间运行时,应保证循环水的供给从而使得机组处于较高的节能水平。本文依据火电厂历史运行数据结合智能算法建立了数据模型,并在机组各个负荷区间内开展全局能耗敏感性分析,根据分析结果提出了调整策略,为运行人员制定节能方案提供了决策支持。
徐一丹[6]（2021）在《基于Ebsilon的湿式冷却塔性能变化对热力系统影响研究》文中指出近日,“十四五规划”的出台,对于我国能源的高效利用提出了新的要求,电力行业更加注重高效低耗的发展模式,火力发电机组所配备的冷却塔作为重要的冷端设备,其性能的好坏直接影响着电厂的经济性。所以,有必要对其进行综合研究。Ebsilon软件是针对各类热力系统进行模拟计算的电站工程一站式软件,适用于火电厂、核电厂等复杂热力系统的构建与模拟。本文利用Ebsilon软件,针对山东某660MW发电机组,建立了整体热力系统的物理仿真模型,对机组及冷却塔的变工况运行进行了研究,探索环境参数、冷却塔性能改造等对机组热经济性的影响。主要内容如下:利用Ebsilon软件建立了完整的冷却塔、冷端系统及整个热力系统的仿真模型,并对所研究系统的冷却塔进行了现场性能测试工作,获取模型的初始输入参数。利用设计数据、实际运行数据对模型计算结果进行了校核验证,建立的Ebsilon仿真模型各抽参数的平均误差在1%以内,而冷端系统仿真模型计算结果绝对误差小于0.07kPa,相对误差小于2%,保证了模型的准确性。编制了 Matlab与Ebsilon的程序接口,通过调用Matlab程序运算,建立了机组背压的动态工作面,将冷却塔不同工况下各参数、影响因素的变化同电厂热经济性指标建立联系,研究了环境参数对机组的热经济性影响。结果表明:在热负荷相同的情况下,较低循环水流量、较低气温、较高空气湿度条件,能产生较低的发电热耗和发电煤耗。而在侧风条件下,不同侧风风速对冷却塔和机组的影响也不相同。随着侧风风速由无风升至4.75m/s,出塔水温升高1.6℃;背压升高1.97kPa;发电热耗升高30.08kJ/kW·h、发电煤耗升高1.14g/kW·h。利用Ebsilon内置组件计算模型,结合电厂实际设备参数、运行数据及现场测试数据,研究了冷却塔性能改造对机组经济性的影响。利用Ebsilon冷却塔本体结构模型,对改造前后冷却塔冷却能力、各冷却分区冷却能力以及热力系统运行情况进行了研究,结果表明:性能改造改善了侧风的不利影响,提高了冷却塔的冷却能力,且显着优化了机组的热经济性参数,降低了机组运行中的发电热耗与发电煤耗。到达最大风速时,发电热耗较改造前低了 9.40kJ/kW·h,发电煤耗较改造前低了 0.36 g/kW·h。本文基于Ebsilon软件建立了某660MW机组完整热力系统模型并进行了变工况模拟,对冷却塔进行了分区建模与计算,获取了各个区域变化对冷却塔冷却性能的影响,建立了环境因素与电厂热经济性的直接关系,可准确把握冷却塔性能变化对热力系统的影响,为后续热力系统的优化增效研究指明了方向,并为优化改造方案的设计奠定基础。
吕晓磊[7]（2021）在《基于火电厂热力设备特征的大数据应用技术研究》文中研究指明电厂热力设备众多、系统复杂、工况复杂,产生了巨大规模的运行数据,运行过程中整体系统与各个设备间紧密联系,如何将这些数据合理的分析处理是进一步推动电厂实现数字化、智能化发展的关键。近年来大数据技术蓬勃发展,已经应用到很多领域包括电力行业。大数据技术以其高响应速度、高处理速度的优势,对电厂热力设备运行数据的分析提供了便利。国内外研究人员对大数据技术在电厂的应用进行了一些探索和试验。他们利用大数据技术探索了数据建模分析、参数预测、故障诊断、状态评价等功能,也陆续已经有很多电厂部署智能化运行平台建设。但整体来看火力发电厂热力设备大数据的研究仍处于初级阶段,相关应用研究较为分散,不少研究更多的关注于算法层面,忽视了热力设备本身的物理原理和逻辑,在大数据技术与热力设备关联性上研究不足,缺乏基于热力设备特征的理论和技术研究。为充分考虑火电厂热力设备特征对大数据技术应用的影响,提高大数据技术应用的适应性,本文从某电厂660MW燃煤机组中采集了 2018年和2019年的运行数据。基于热力设备运行原理,通过特征分析、理论分析、数据分析、大数据分析等方法,本文对火力发电厂热力设备的数据特点进行分析,并基于数据特征进行数据清洗;分析热力设备的运行特征,对运行数据进行稳态检测和时滞分析;研究了运行工况分区方法和相关模型建立;并以该电厂为例进行了脱硫系统大数据技术应用研究。通过对热力设备数据特征的总结,本文针对数据出现的缺失值、异常值、离群点等特征问题进行了适应性数据清洗方法;总结了热力设备的运行特征,并利用滑动窗口法进行稳态检测,可以用于热力设备和热力系统的大数据分析;提出了基于笛卡尔乘积运算形式的多工况影响因素下的全工况分区方法,并可在每个子区间内利用大数据建模方法分别建立大数据模型,提高了大数据建模的准确性;从机理层面出发系统地分析了火电厂主要设备的运行状态迟延特性,得到了利用工质流动、数据变化、相关关系判断延迟时间的方法,并以该电厂脱硫系统为例进行了大数据技术应用研究,系统地研究了大数据应用过程中的指标建立、影响因素分析、时滞分析、全工况分区、指标寻优模型以及模型自更新,很好地验证了火电厂大数据技术应用的技术路线。这些对应用大数据技术的火电厂热力设备优化运行研究具有重要的理论意义和工程应用价值。
盛晨曦[8]（2021）在《基于混合建模的核电二回路系统性能诊断》文中指出核电作为清洁、高效和安全可靠的发电能源在我国的地位逐渐上升。本文以AP1000核电机组二回路热力系统为研究对象,基于机理建模和数据建模相结合的混合建模方法对二回路系统及其关键设备进行热力性能分析与诊断。首先,采用常规热平衡法,根据核电机组区别于常规火电的设计结构和工作介质等特点,基于质量和能量平衡方程对二回路系统的一般特性进行机理建模,结合设计值完成系统热力性能档案的建立,包括相对内效率、（?）效率、去湿效率、压比、特征通流面积、内部（?）参数、加热器端差、总体换热系数、缸效率和热耗等,并根据档案进行了二回路系统和设备的热力性能分析。其次,对汽轮机级组、回热加热器和汽水分离再热器基于参数间的依变关系建立子模型,通过历史运行数据建立设备实际特性模型,从而完成变工况回归下混合模型的建立。分析各个子模型的输入、输出关系,建立二回路系统子模型的连接,完成对二回路系统的状态重构。以高压缸的第1级组HPT1为例,发现用历史运行数据拟合出来的曲线值低于设计值,得到结论:随着机组的不断运行,HPT1的性能逐渐发生劣化,基于混合建模的方法比单一的机理建模方法对二回路系统进行状态重构更具准确性。采用内部（?）参数进行设备性能劣化的诊断,当高压缸的第1级组HPT1发生性能劣化时,HPT1的内部（?）参数绝对值不断降低,而对下游级组HPT2的内部（?）参数值没有影响,证明了用内部（?）参数这一特性指标进行设备性能诊断的可行性。本文对二回路系统关键设备建立了性能劣化的评价模型,分析了设备和系统在不同工况下的热力性能。基于混合建模的方法建立了二回路系统的变工况回归模型,并对高压缸第1级组和第2级组进行性能诊断方法验证,属于早期的故障诊断,为后续运行优化提供指导。
贾昊[9]（2020）在《基于高斯过程回归的热工系统数据驱动建模研究》文中指出随着计算机、传感器网络、数据存储技术的快速发展及其在大型火电机组中的广泛应用,海量的历史运行数据得以保存。由于历史运行数据是对机组运行状况最直观的反映,并且随着电站信息化的发展使得数据获取变得十分容易、成本低廉,为构建数据驱动模型提供了良好的基础。但是,想要构建性能优异的模型往往并不容易,如何对建模数据进行选择和处理,选择哪种建模方法都会对模型最终的效果产生影响。也正是因为如此,基于数据驱动的建模方法才会成为研究热点,持续受到研究人员的关注。针对热工过程数据驱动建模过程中存在的一些问题,本文以基于历史运行数据的建模方法为研究主题,围绕数据预处理、稳态检测、静态模型和动态模型的构建、多模型建模方法等方面,开展了以下研究工作:（1）针对历史运行数据中存在数据异常和数据缺失的问题,对历史数据异常值检测和校正方法进行了研究。针对异常值检测,提出一种基于经验小波变换和局部异常因子相结合的异常值检测方法。该方法首先使用经验小波变换提取并去除数据的运行趋势;然后对去除趋势的序列求取局部异常值;最后采用箱型图对异常值进行自适应判别。针对数据中存在异常值和数据缺失的问题,采用基于滑动窗口和Nadaraya-Watson回归相结合的方法,对相关数据进行校正和补全。以某1000MW火电机组负荷数据和总风量数据为例,分别验证了所提方法的有效性。（2）针对历史运行数据中动态数据和稳态数据交替出现的现象,为了实现对不同数据的区分,提出了一种基于信号分解与统计检验方法相结合的热工过程稳态检测方法,用以对稳态工况样本进行筛选。首先采用经验小波变换对原始信号进行分解,得到原始信号的运行趋势和震荡信息;然后结合修改过的R统计检验法对热工过程数据进行稳态检测。以仿真数据和某1000MW火电机组协调控制系统数据为例,验证了方法的有效性。（3）针对热工过程稳态数据存在的数据量大、属性维度高、数据重复性大的特点,提出了一种基于样本稀疏化和特征变量选择的高斯过程回归建模方法。首先使用基于数据相似性和信息熵相结合的样本选择方法对稳态数据进行样本稀疏化处理;然后使用基于皮尔森相关系数和最小角回归算法相结合的方法对建模特征变量进行数据融合和特征选择;最后结合高斯过程回归方法建立系统模型。使用历史运行数据建立某1000MW火电机组锅炉烟气含氧量静态模型。通过与其他方法对比,证明了使用该方法建立的模型具有更小的模型误差和更高的静态准确度,可以取得很好的预测效果。（4）针对动态过程中变量间存在强非线性、过程复杂多变、输入输出变量间存在时延的特点,提出一种考虑输入时延的组合核函数动态高斯过程回归建模方法。首先采用灰色关联度分析方法对变量的时延参数进行估计,根据估计值重新构造数据集;然后根据核函数闭包性质,将局部核函数和全局核函数组合起来构成新的核函数,构建组合核函数动态高斯过程回归模型;最后使用历史运行数据建立某1000MW火电机组锅炉烟气含氧量的动态模型验证所提方法的有效性。实验结果表明,采用该方法建立的动态模型具有模型准确度高、泛化能力强的特点,可以满足实际需要。（5）针对热工过程中存在多种工况、工况变化范围大,采用单一模型描述生产过程特性时易导致训练过拟合、模型泛化能力差的问题,提出一种基于自适应模糊聚类的多模型动态高斯过程回归建模方法。使用提出的模糊聚类方法对数据集进行划分并根据划分的子数据集分别建立其动态高斯过程回归模型,然后采用基于预测方差的贝叶斯融合方法得到最终的输出模型。结合某1000MW火电机组历史运行数据建立锅炉烟气含氧量模型,通过与单一全局动态高斯过程回归模型和采用其他合成策略的多模型动态高斯过程回归模型进行对比,结果表明所提方法具有很好的模型预测精度和泛化能力。
岑国晓[10]（2020）在《电力深化改革下TS电厂运行管理优化研究》文中研究指明电力体制改革是在充分发挥市场在电力资源配置中起着决定性作用的因素,它是更好地发挥政府作用的必要举措。电力工业是关系到国家能源安全、经济发展和社会稳定的基础产业。进一步深化改革有利于企业稳定增长和结构调整,可以有效控制企业成本,提高电网企业效率。开放售电业务,允许多元化市场主体参与售电市场竞争,有利于更好地服务用户用电需求,从而使电力市场改革的红利惠及用户。在深化电力改革的背景下,电力行业通过一系列的改革,建立更加全面完整的电力行业的市场体制,使得“有法可依、政企分开、主体规范、交易公平、价格合理、监管有效”这一体制真正深入电力行业。在努力降低电力行业的成本的同时理顺电价形成机制,慢慢的一步步打破这个行业部分企业的垄断,有序放开竞争性业务,实现供应多元化的场景,逐步调整产业结构,提升技术水平、控制能源消费总量,进一步提高能源的利用率,然后逐步提高安全可靠性,促进行业的公平竞争与节能环保。本论文以TS电厂研究为例,为了提升企业的管理效能、设备性能和人员技能,提升企业竞争力。在国家节能减排政策、电力行业改革、珠江三角洲控煤以及西电东送诸多环境背景下,通过文献检索法、案例分析法、观察法研究运行管理的安全管理、检修管理、培训管理等内容,找出一些具体的问题进行具体分析,优化“六新”安健环管理流程、优化仿真机培训管理机制、优化机组停备方式、优化机组保养方式、优化节能管理策略等,找到符合TS电厂运行管理的优化策略,为电力深化改革下大型火力发电厂安全可靠经济运行提供指导。本文的研究内容主要有以下六部分:第一部分是绪论,介绍论文研究的背景和意义,分析国内外电厂运行管理的现状,指出目前新电改政策优先发电制度下,火电企业在国家节能减排、电力改革现货交易、控煤政策以及西电东送环境下运行管理优化尤为重要,接下来论文从大致内容、研究的方法和优化策略进行详细论述。第二部分是运行管理的相关理论,介绍安全生产生产管理理论、精细化管理理论、现代安全管理理论等,为下文的分析夯实理论基础。第三部分是TS电厂运行管理的环境分析,介绍发电企业运行管理受外部环境影响的因素和TS电厂内部环境分析,分析发电企业提升竞争力的途径。第四部分是TS电厂运行管理的现状分析,介绍TS电厂生产流程、组织结构、运行管理的内容,剖析存在的问题。第五部分是TS电厂运行管理的优化策略,介绍TS电厂在运行安全管理、检修管理、培训管理、节能管理方面的优化策略,以提升TS电厂的竞争力。第六部分结束语,介绍本文研究结论和局限性。从运行安全管理、检修管理、培训管理、节能管理几个方面提升运行管理效能、设备性能、人员技能,达到提升企业竞争力目的,为电力深化改革下大型电厂安全可靠经济的运行管理提供指导。
二、火电厂运行经济性诊断的新方法（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、火电厂运行经济性诊断的新方法（论文提纲范文）
（1）燃煤电厂氧量传感器测量可靠性评估和故障诊断研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 引言 |
| 1.2 课题背景与国内外研究现状 |
| 1.3 本文的研究方法介绍 |
| 1.4 本文的研究内容 |
| 1.5 本章小结 |
| 2 辅助变量的选择和处理 |
| 2.1 辅助变量的选取 |
| 2.1.1 相关性分析 |
| 2.1.2 灰色关联度分析 |
| 2.2 风量测量的处理 |
| 2.3 给煤量测量的处理 |
| 2.4 本章小结 |
| 3 烟气含氧量软测量建模 |
| 3.1 数据预处理 |
| 3.2 神经网络的建立和模型适用条件 |
| 3.3 软测量建模结果分析 |
| 3.3.1 A侧氧量计软测量建模结果分析 |
| 3.3.2 B侧氧量计软测量建模结果分析 |
| 3.4 模型改进 |
| 3.5 本章小结 |
| 4 传感器故障分析 |
| 4.1 冗余法 |
| 4.2 基于神经网络的残差分析法 |
| 4.2.1 偏置故障仿真 |
| 4.2.2 卡死故障 |
| 4.2.3 漂移故障 |
| 4.3 氧量传感器的故障诊断 |
| 4.3.1 A侧氧量传感器的故障诊断 |
| 4.3.2 B侧氧量传感器的故障诊断 |
| 4.4 本章小结 |
| 5 总结与展望 |
| 5.1 全文总结 |
| 5.2 不足与展望 |
| 参考文献 |
| 作者简介 |
（2）基于燃煤机组深度调峰安全性条件下负荷优化分配（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 机组负荷分配研究现状 |
| 1.2.2 汽轮机暂态工况下寿命损耗研究现状 |
| 1.2.3 辅助服务市场研究现状 |
| 1.3 本文主要研究内容 |
| 第2章 负荷优化分配目标函数的确定 |
| 2.1 目标函数数学模型 |
| 2.1.1 负荷分配经济性指标 |
| 2.1.2 负荷分配快速性指标 |
| 2.2 机组运行约束条件 |
| 2.2.1 负荷平衡约束 |
| 2.2.2 机组输出功率上下限约束 |
| 2.2.3 机组变负荷速率约束 |
| 2.3 厂级机组负荷分配目标函数模型优化 |
| 2.4 本章小结 |
| 第3章 机组煤耗特性曲线的确定与动态计算 |
| 3.1 煤耗特性曲线的计算 |
| 3.1.1 机组标准煤耗率的确定 |
| 3.1.2 锅炉效率 |
| 3.1.3 汽轮机热耗率 |
| 3.1.4 最小二乘法拟合煤耗特性曲线 |
| 3.2 机组煤耗动态计算 |
| 3.2.1 煤耗特性变化 |
| 3.2.2 数据采集 |
| 3.2.3 关联分析 |
| 3.2.4 神经网络训练 |
| 3.3 本章小结 |
| 第4章 基于机组运行安全性与经济性的负荷优化分配 |
| 4.1 有限元计算模型 |
| 4.1.1 汽轮机概况 |
| 4.1.2 温度场计算模型 |
| 4.1.3 边界条件 |
| 4.2 转子寿命诊断方法 |
| 4.2.1 低周疲劳影响因素 |
| 4.2.2 疲劳寿命曲线 |
| 4.2.3 寿命损耗计算 |
| 4.3 温度场与应力场计算 |
| 4.3.1 启动过程 |
| 4.3.2 变负荷运行过程 |
| 4.3.3 寿命损耗分析 |
| 4.4 电力市场辅助服务 |
| 4.4.1 辅助服务市场的作用 |
| 4.4.2 辅助服务市场收益机制 |
| 4.5 智能优化负荷分配 |
| 4.5.1 遗传算法简介 |
| 4.5.2 基于遗传算法的多目标负荷分配优化 |
| 4.5.3 算例分析 |
| 4.6 本章小结 |
| 第5章 结论与展望 |
| 5.1 工作成果与结论 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
（3）数字孪生建模方法及其在热力系统优化运行中的应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 主要符号及缩写表 |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 能源电力发展背景与现状 |
| 1.1.2 智能控制优化研究现状 |
| 1.2 热力系统建模仿真及大数据技术研究现状 |
| 1.2.1 热力系统建模研究现状 |
| 1.2.2 电力大数据及其发展现状 |
| 1.2.3 热力系统仿真技术发展背景 |
| 1.3 数字孪生技术的应用现状及关键技术 |
| 1.3.1 数字孪生的应用发展现状 |
| 1.3.2 数字孪生研究的关键技术 |
| 1.3.3 数字孪生发展面临的挑战 |
| 1.4 论文的研究内容 |
| 第2章 大数据背景下的数字孪生与热力系统建模理论 |
| 2.1 数字孪生的基本理论 |
| 2.1.1 数字孪生的定义与内涵 |
| 2.1.2 数字孪生与仿真技术之间的关系 |
| 2.1.3 数字孪生与信息物理系统之间的关系 |
| 2.2 热力系统建模理论与方法 |
| 2.2.1 流体网络机理建模理论与方法 |
| 2.2.2 数据驱动建模理论与方法 |
| 2.3 大数据的基本理论 |
| 2.3.1 大数据平台框架及相关技术 |
| 2.3.2 大数据存储管理与预处理方法 |
| 2.3.3 大数据分布式集群平台构建 |
| 2.4 本章小结 |
| 第3章 基于改进即时学习策略的自适应数据驱动建模方法研究 |
| 3.1 基于改进即时学习策略的自适应数据驱动建模方法 |
| 3.1.1 建模思路 |
| 3.1.2 基于改进遗传模拟退火算法的模糊聚类工况划分 |
| 3.1.3 基于多层次综合相似度度量的相似工况识别 |
| 3.1.4 基于Spark平台的数据驱动局部模型建模 |
| 3.2 SCR脱硝系统数据驱动建模应用案例 |
| 3.2.1 建模对象及背景介绍 |
| 3.2.2 数据预处理和相似工况选取 |
| 3.2.3 局部建模过程及结果分析 |
| 3.3 电锅炉供热系统荷侧和源侧负荷预测建模应用案例 |
| 3.3.1 建模对象及背景介绍 |
| 3.3.2 荷侧供热负荷预测模型 |
| 3.3.3 源侧电负荷预测 |
| 3.4 本章小结 |
| 第4章 热力系统数字孪生建模理论及应用 |
| 4.1 热力系统数字孪生建模思路 |
| 4.1.1 数字孪生建模方法的提出 |
| 4.1.2 数字孪生模型的构建方法及流程 |
| 4.2 数字孪生机理模型的构建 |
| 4.2.1 管路模型 |
| 4.2.2 调节阀模型 |
| 4.2.3 离心水泵模型 |
| 4.2.4 换热器模型 |
| 4.3 数字孪生模型的协同与融合理论 |
| 4.3.1 数字孪生模型离线智能参数辨识 |
| 4.3.2 数字孪生模型参数在线自适应协同 |
| 4.3.3 基于移动窗格信息熵的多模型输出在线融合 |
| 4.4 数字孪生建模实例分析 |
| 4.4.1 脱硝系统数字孪生模型的建立 |
| 4.4.2 供热系统数字孪生模型的建立 |
| 4.5 本章小结 |
| 第5章 基于热力系统数字孪生模型的节能控制优化 |
| 5.1 基于数字孪生模型的智能工况动态寻优 |
| 5.1.1 热力系统智能工况动态寻优策略 |
| 5.1.2 基于数字孪生模型的供热储热系统智能工况动态寻优 |
| 5.2 基于数字孪生模型的自适应预测控制优化 |
| 5.2.1 基于数字孪生模型的预测控制算法 |
| 5.2.2 基于数字孪生模型预测控制的喷氨量优化 |
| 5.3 本章小结 |
| 第6章 结论与展望 |
| 6.1 主要研究工作及成果 |
| 6.2 论文主要创新点 |
| 6.3 后续工作展望 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 攻读博士学位期间参加的科研工作 |
| 致谢 |
| 作者简介 |
（4）计及新能源的电力现货市场交易优化研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 新能源对电力现货市场的影响研究 |
| 1.2.2 新能源发电功率预测研究 |
| 1.2.3 电力现货市场电价预测研究 |
| 1.2.4 新能源参与电力现货市场交易研究 |
| 1.2.5 计及碳交易的电力现货市场研究 |
| 1.3 论文主要研究内容和技术路线 |
| 1.3.1 主要研究内容 |
| 1.3.2 研究技术路线 |
| 1.3.3 主要创新点 |
| 1.4 本章小结 |
| 第2章 电力现货市场交易优化相关理论基础 |
| 2.1 典型国家电力现货市场发展概述 |
| 2.1.1 美国电力现货市场 |
| 2.1.2 英国电力现货市场 |
| 2.1.3 北欧电力现货市场 |
| 2.2 中国电力现货市场发展概述 |
| 2.2.1 能源电力现状分析 |
| 2.2.2 电力现货市场现状分析 |
| 2.2.3 建设基本原则 |
| 2.2.4 建设关键问题 |
| 2.2.5 未来发展方向 |
| 2.3 电力预测理论基础 |
| 2.3.1 经典预测方法 |
| 2.3.2 机器学习预测方法 |
| 2.3.3 深度学习预测方法 |
| 2.4 系统优化理论基础 |
| 2.4.1 模糊规划 |
| 2.4.2 鲁棒优化 |
| 2.4.3 随机规划模型 |
| 2.5 SD模型及其应用 |
| 2.6 本章小结 |
| 第3章 新能源对电力现货市场的影响分析 |
| 3.1 新能源对电力现货市场的影响分析模型 |
| 3.1.1 基于统计数据的影响分析 |
| 3.1.2 基于小波变换与分形理论的特征表示 |
| 3.1.3 基于SVM的特征因素分类 |
| 3.1.4 基于因子分析的特征提取 |
| 3.1.5 影响分析模型框架与流程 |
| 3.2 新能源对现货市场电价影响的实证分析 |
| 3.2.1 数据收集 |
| 3.2.2 基于统计数据的影响实证分析 |
| 3.2.3 基于全部特征的影响实证分析 |
| 3.2.4 基于关键特征的影响实证分析 |
| 3.3 本章小结 |
| 第4章 电力现货市场中新能源发电功率预测与电价预测 |
| 4.1 基于CEEMD-SE-HS-KELM的新能源发电功率预测模型 |
| 4.1.1 CEEMD-SE模型 |
| 4.1.2 HS-KELM模型 |
| 4.1.3 CEEMD-SE-HS-KELM |
| 4.1.4 实例分析 |
| 4.2 基于相似日筛选与LSTM的现货市场电价预测模型 |
| 4.2.1 电价影响因素初选 |
| 4.2.2 基于RF的新能源影响量化 |
| 4.2.3 基于改进灰色关联的相似日筛选 |
| 4.2.4 RF-IAGIV-CEEMD-SE-LSTM模型 |
| 4.2.5 实例分析 |
| 4.3 本章小结 |
| 第5章 计及新能源与中长期市场影响的现货日前市场交易优化 |
| 5.1 计及新能源与中长期市场的日前市场交易模式 |
| 5.2 中长期合约电量分解模型 |
| 5.2.1 目标函数 |
| 5.2.2 约束条件 |
| 5.3 系统不确定性分析及建模 |
| 5.3.1 新能源出力不确定性 |
| 5.3.2 电力现货价格不确定性 |
| 5.4 计及新能源与中长期合约电量分解的现货日前市场出清模型 |
| 5.4.1 目标函数与约束条件的建立 |
| 5.4.2 多目标函数的模糊优选处理 |
| 5.4.3 基于GA-PSO的优化模型求解算法 |
| 5.5 实例分析 |
| 5.5.1 算例设置 |
| 5.5.2 中长期合约电量分解结果 |
| 5.5.3 系统不确定性求解 |
| 5.5.4 现货日前电力市场出清结果 |
| 5.5.5 惩罚系数对多目标优化结果的影响 |
| 5.5.6 新能源渗透率对多目标优化结果的影响 |
| 5.6 本章小结 |
| 第6章 计及新能源的现货日前与日内、日内与实时市场交易优化 |
| 6.1 现货日前、日内与实时市场的组合及及关联分析 |
| 6.2 系统不确定性建模 |
| 6.2.1 系统不确定性模拟 |
| 6.2.2 拉丁超立方生成场景集 |
| 6.2.3 基于改进谱聚类算法的场景削减策略 |
| 6.3 计及新能源的电力现货市场两阶段交易优化模型 |
| 6.3.1 计及新能源的日前与日内市场联合优化模型 |
| 6.3.2 计及新能源的日内与实时市场联合优化模型 |
| 6.4 实例分析 |
| 6.4.1 算例设置 |
| 6.4.2 场景集生成与削减 |
| 6.4.3 日前与日内市场联合优化出清结果 |
| 6.4.4 日内与实时市场联合优化出清结果 |
| 6.5 本章小结 |
| 第7章 计及碳市场影响的电力现货市场建设路径分析 |
| 7.1 碳排放相关政策梳理 |
| 7.2 现行政策下碳排放压力分析 |
| 7.2.1 碳排放预测模型 |
| 7.2.2 碳排放预测效果检验 |
| 7.2.3 碳排放总量及碳排放强度预测 |
| 7.2.4 基于碳排放预测结果的政策建议 |
| 7.2.5 碳排放市场建设必要性分析 |
| 7.3 碳交易实施对电力现货市场的影响分析 |
| 7.3.1 碳交易市场现状 |
| 7.3.2 碳交易对电力现货市场的影响分析 |
| 7.4 碳交易与电力现货市场的协同建设建议 |
| 7.5 本章小结 |
| 第8章 研究成果与结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 攻读博士学位期间参加的科研工作 |
| 致谢 |
| 作者简介 |
（5）基于数据驱动的火电厂能耗诊断方法与分析研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题背景及研究目的和意义 |
| 1.2 国内外研究概况 |
| 1.2.1 火电厂传统能耗诊断分析方法 |
| 1.2.2 基于数据驱动的火电厂能耗诊断分析 |
| 1.3 本文主要研究内容 |
| 第2章 数据驱动建模特征参数的筛选与确定 |
| 2.1 数据驱动建模数据初选 |
| 2.2 结合主观赋权的随机森林变量筛选法 |
| 2.2.1 随机森林计算变量贡献度 |
| 2.2.2 采用层次分析法对变量赋权 |
| 2.3 特征参数筛选计算实例与分析 |
| 2.4 本章小结 |
| 第3章 基于数据驱动的火电厂能耗建模方法 |
| 3.1 基于支持向量回归法的建模 |
| 3.2 灰狼优化算法优化建模过程 |
| 3.3 火电厂能耗建模结果与对比 |
| 3.4 本章小结 |
| 第4章 基于全局敏感性分析的火电厂能耗诊断 |
| 4.1 局部敏感性分析与全局敏感性分析对比 |
| 4.2 基于E-Fast法的全局敏感性计算方法 |
| 4.3 火电厂运行状况诊断与分析 |
| 4.3.1 能耗敏感性指数对比分析 |
| 4.3.2 各运行负荷区间下节能诊断 |
| 4.4 本章小结 |
| 第5章 结论与展望 |
| 5.1 全文总结 |
| 5.2 工作展望 |
| 参考文献 |
| 攻读硕士学位期间发表的论文及其它成果 |
| 致谢 |
（6）基于Ebsilon的湿式冷却塔性能变化对热力系统影响研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 主要符号说明表 |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 电厂冷端系统节能优化研究现状 |
| 1.2.1 冷端系统节能优化研究 |
| 1.2.2 湿式冷却塔优化研究 |
| 1.3 热力系统节能理论与建模研究现状 |
| 1.3.1 热力系统建模研究方式 |
| 1.3.2 机组变工况性能分析研究现状 |
| 1.3.3 Ebsilon建模应用 |
| 本文以某1.4本文主要研究内容 |
| 第二章 Ebsilon软件概况及建模方法 |
| 2.1 Ebsilon软件基础 |
| 2.1.1 Ebsilon软件简介 |
| 2.1.2 软件功能与特点 |
| 2.2. 建模过程与方法 |
| 2.2.1 建模流程 |
| 2.2.2 建模方法 |
| 2.3 本章小结 |
| 第三章 基于Ebsilon的热力系统仿真模型搭建 |
| 3.1 基于Ebsilon的热力系统建模 |
| 3.1.1 主体部件建模 |
| 3.1.2 整体系统建模 |
| 3.1.3 模型验证 |
| 3.2 基于Ebsilon的冷端系统建模 |
| 3.3 基于Ebsilon的冷却塔本体建模 |
| 3.4 Matlab调用程序编写 |
| 3.5 本章小结 |
| 第四章 基于Ebsilon的环境因素对冷却塔及热力系统影响研究 |
| 4.1 现场实验与数据传输 |
| 4.1.1 现场测试目的 |
| 4.1.2 现场测试内容 |
| 4.1.3 测试要求及测试仪器 |
| 4.1.4 现场测试数据传输 |
| 4.2 仿真模型的计算模式选择 |
| 4.3 冷却塔性能评价指标 |
| 4.4 热力系统经济性评价指标 |
| 4.5 环境因素对冷却塔及热力系统影响的Ebsilon仿真模拟 |
| 4.5.1 环境温度对冷却塔及热力系统经济性影响 |
| 4.5.2 循环水量对冷却塔及热力系统经济性影响 |
| 4.5.3 环境湿度对冷却塔及热力系统经济性影响 |
| 4.5.4 环境侧风对冷却塔及热力系统经济性影响 |
| 4.6 本章小结 |
| 第五章 基于Ebsilon的冷却塔性能改造对热力系统经济性影响研究 |
| 5.1 冷却塔分区建模 |
| 5.2 性能改造对冷却塔热力性能影响分析 |
| 5.2.1 性能改造措施分析 |
| 5.2.2 性能改造对冷却塔热力性能影响 |
| 5.2.2.1 评价指标计算方法 |
| 5.2.2.2 性能改造对各区冷却能力的影响 |
| 5.2.2.3 性能改造对填料区传热传质能力的影响 |
| 5.2.3 侧风环境下性能改造对热力性能影响 |
| 5.3 冷却塔性能改造对热力系统经济性影响的Ebsilon仿真模拟 |
| 5.3.1 性能改造对汽轮机背压的影响 |
| 5.3.2 性能改造对发电功率的影响 |
| 5.3.3 性能改造对发电热耗及发电煤耗的影响 |
| 5.4 本章小结 |
| 第六章 结论与展望 |
| 6.1 本文结论 |
| 6.2 本文创新点 |
| 6.3 后续研究与展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间的主要成果 |
| 学位论文评阅及答辩情况表 |
（7）基于火电厂热力设备特征的大数据应用技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 课题背景及意义 |
| 1.2 研究现状 |
| 1.2.1 热力设备大数据应用的数据清洗 |
| 1.2.2 热力设备大数据应用的稳态检测 |
| 1.2.3 热力设备大数据应用的数据分区 |
| 1.2.4 热力设备大数据应用的运行优化 |
| 1.2.5 国内火电厂大数据平台的发展 |
| 1.3 本文主要研究内容 |
| 2 热力设备大数据应用的数据清洗 |
| 2.1 热力设备大数据采集 |
| 2.1.1 火电厂热力设备简介 |
| 2.1.2 数据采集原则 |
| 2.1.3 数据采集来源 |
| 2.2 热力设备大数据特征 |
| 2.2.1 大数据普遍特征 |
| 2.2.2 热力设备大数据特殊性 |
| 2.3 数据清洗的理论基础 |
| 2.3.1 热力设备大数据存在的问题 |
| 2.3.2 数据清洗相关理论 |
| 2.4 热力设备的数据清洗 |
| 2.4.1 离群点处理 |
| 2.4.2 缺失值处理 |
| 2.4.3 异常值处理 |
| 2.5 本章小结 |
| 3 热力设备运行的稳态检测与时滞分析 |
| 3.1 热力设备的运行特征 |
| 3.2 稳态检测理论基础 |
| 3.2.1 滑动窗口法 |
| 3.2.2 相关关系与皮尔逊相关系数 |
| 3.3 热力设备运行的稳态检测 |
| 3.3.1 机组负荷分析 |
| 3.3.2 典型热力过程的稳态检测 |
| 3.3.3 非稳态数据处理 |
| 3.4 火电厂时滞分析 |
| 3.4.1 时滞产生的原因 |
| 3.4.2 时滞的判定 |
| 3.4.3 时滞的处理 |
| 3.5 本章小结 |
| 4 热力设备运行的工况分区与建模 |
| 4.1 热力设备大数据建模的理论基础 |
| 4.1.1 指标参数分析 |
| 4.1.2 特征重要性 |
| 4.1.3 回归模型 |
| 4.2 热力设备运行的全工况分区 |
| 4.2.1 确定影响因素 |
| 4.2.2 全工况分区 |
| 4.3 回归模型建立 |
| 4.3.1 一元线性回归模型 |
| 4.3.2 多元线性回归模型 |
| 4.3.3 多项式回归模型 |
| 4.4 本章小结 |
| 5 以某火电厂660MW机组为例的脱硫系统大数据技术应用研究 |
| 5.1 脱硫系统能耗指标建立 |
| 5.2 影响因素分析 |
| 5.3 脱硫系统迟延分析 |
| 5.4 全工况分区 |
| 5.5 工况影响因素对脱硫能耗指标的影响 |
| 5.6 能耗指标寻优模型 |
| 5.7 模型自动更新 |
| 5.8 本章小结 |
| 6 全文总结及建议 |
| 6.1 主要结论 |
| 6.2 本文的创新点 |
| 6.3 展望及建议 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间主要成果 |
| 学位论文评阅及答辩情况表 |
（8）基于混合建模的核电二回路系统性能诊断（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 核电二回路系统的性能监测与诊断研究现状 |
| 1.2.2 核电二回路系统的状态重构技术研究现状 |
| 1.3 本文主要研究内容 |
| 第2章 核电二回路系统性能诊断方法 |
| 2.1 核电二回路系统设备的性能劣化 |
| 2.1.1 二回路热力系统及设备 |
| 2.1.2 设备的性能劣化 |
| 2.2 核电二回路系统混合建模方法 |
| 2.3 设备性能衰退指标体系和系统经济性指标体系 |
| 2.3.1 通流部分性能指标 |
| 2.3.2 回热加热器性能指标 |
| 2.3.3 凝汽器性能指标 |
| 2.3.4 性能衰退的(火用)指标 |
| 2.3.5 核电二回路系统经济性指标 |
| 2.4 核电二回路系统基准值的确定 |
| 2.5 二回路系统设备劣化过程诊断步骤 |
| 2.6 本章小结 |
| 第3章 设计工况下的二回路系统热力计算及性能分析 |
| 3.1 二回路系统热力学分析方法 |
| 3.2 案例机组概况 |
| 3.3 THA工况的热力计算与模型验证 |
| 3.4 二回路系统热力性能档案 |
| 3.5 本章小结 |
| 第4章 基于混合建模的二回路系统变工况计算与性能诊断 |
| 4.1 二回路系统湿蒸汽抽汽焓计算 |
| 4.2 汽轮机级组的混合建模 |
| 4.2.1 传统汽轮机级组机理建模 |
| 4.2.2 用于变工况回归的汽轮机级组模型 |
| 4.3 回热加热器的混合建模 |
| 4.4 二回路系统子模型间的连接 |
| 4.5 设备状态的性能诊断 |
| 4.6 本章小结 |
| 第5章 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 攻读硕士学位期间发表的论文及其它成果 |
| 参考文献 |
| 致谢 |
（9）基于高斯过程回归的热工系统数据驱动建模研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究的背景及意义 |
| 1.2 热工系统数据驱动建模方法研究现状 |
| 1.2.1 统计建模方法 |
| 1.2.2 神经网络建模方法 |
| 1.2.3 模糊逻辑建模方法 |
| 1.2.4 混合建模方法 |
| 1.2.5 传递函数建模方法 |
| 1.3 热工过程历史运行数据特性分析 |
| 1.4 高斯过程回归的预备知识 |
| 1.4.1 高斯过程回归方法的研究现状 |
| 1.4.2 高斯过程基本概念 |
| 1.4.3 高斯过程回归 |
| 1.4.4 高斯模型的训练 |
| 1.5 本文主要研究内容和章节安排 |
| 第2章 热工过程数据异常值处理方法研究 |
| 2.1 引言 |
| 2.2 异常值检测及校正技术 |
| 2.3 热工过程历史运行数据异常值检测 |
| 2.3.1 经验小波变换方法 |
| 2.3.2 局部离群因子算法 |
| 2.3.3 EWT-LOF异常值检测方法 |
| 2.4 异常数据校正与缺失值补全 |
| 2.4.1 Nadaraya-Watson回归 |
| 2.4.2 校正与补全方法 |
| 2.5 热工过程数据实例 |
| 2.5.1 热工过程数据异常值检测 |
| 2.5.2 热工过程数据异常值校正与缺失值补全 |
| 2.6 本章小结 |
| 第3章 热工系统稳态检测方法研究 |
| 3.1 引言 |
| 3.1.1 稳态工况的定义 |
| 3.1.2 现有稳态检测方法回顾 |
| 3.2 基于信号分解和R统计检验法的稳态检测方法 |
| 3.2.1 R统计检验法 |
| 3.2.2 稳态检测方法描述 |
| 3.2.3 仿真数据验证 |
| 3.3 热工系统稳态工况检测实例 |
| 3.3.1 单变量稳态检测 |
| 3.3.2 多变量系统稳态检测 |
| 3.4 本章小结 |
| 第4章 基于样本稀疏化和特征变量选择的GPR建模 |
| 4.1 引言 |
| 4.2 基于样本稀疏化和特征变量选择的GPR建模方法 |
| 4.2.1 基于相关系数的多测点数据融合 |
| 4.2.2 基于数据相似性和信息熵的样本稀疏化方法 |
| 4.2.3 基于LARS的特征变量选择 |
| 4.2.4 Pc-lars-s-GPR模型结构 |
| 4.3 烟气含氧量的Pc-lars-s-GPR建模 |
| 4.3.1 建模数据准备 |
| 4.3.2 样本稀疏化与特征变量选择 |
| 4.3.3 建模结果分析 |
| 4.4 本章小结 |
| 第5章 考虑输入时延的组合核函数动态GPR建模 |
| 5.1 引言 |
| 5.2 动态模型描述 |
| 5.3 考虑输入时延的组合核函数动态模型构建 |
| 5.3.1 灰色关联度分析 |
| 5.3.2 组合核函数 |
| 5.3.3 GRA-CKDGPR模型结构 |
| 5.4 烟气含氧量的GRA-CKDGPR建模 |
| 5.4.1 建模数据准备 |
| 5.4.2 建模结果分析 |
| 5.5 本章小结 |
| 第6章 基于自适应模糊聚类的多模型动态GPR建模 |
| 6.1 引言 |
| 6.1.1 多模型策略 |
| 6.1.2 数据划分策略 |
| 6.1.3 模型合成策略 |
| 6.2 一种自适应多目标模糊聚类方法 |
| 6.2.1 算法基本原理 |
| 6.2.2 基于自适应NSGA-II的动态模糊聚类方法 |
| 6.2.3 算法流程及时间复杂度分析 |
| 6.2.4 聚类实例验证 |
| 6.3 基于多模型策略的动态GPR建模方法 |
| 6.3.1 GPR动态子模型构建 |
| 6.3.2 子模型合成策略 |
| 6.3.3 基于自适应模糊聚类的多模型动态GPR模型结构 |
| 6.4 烟气含氧量的多模型建模 |
| 6.4.1 建模数据准备 |
| 6.4.2 建模结果分析 |
| 6.5 本章小结 |
| 第7章 结论与展望 |
| 7.1 论文的主要工作和创新点 |
| 7.2 后续工作展望 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 攻读博士学位期间参加的科研工作 |
| 致谢 |
| 作者简介 |
（10）电力深化改革下TS电厂运行管理优化研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 研究内容及研究方法 |
| 第2章 相关理论基础 |
| 2.1 安全生产管理理论 |
| 2.2 精益化管理理论 |
| 2.3 现代安全管理理论 |
| 2.4 其他运行管理理论 |
| 第3章 TS电厂运行管理的环境分析 |
| 3.1 外部环境分析 |
| 3.2 内部环境分析 |
| 第4章 TS电厂运行管理的现状分析 |
| 4.1 TS电厂简介 |
| 4.2 TS电厂运行管理的内容 |
| 4.3 TS电厂运行管理存在的问题分析 |
| 第5章 TS电厂运行管理的优化策略 |
| 5.1 优化运行安全管理 |
| 5.2 优化运行检修管理 |
| 5.3 优化运行培训管理 |
| 5.4 优化运行节能管理 |
| 第6章 结束语 |
| 6.1 研究结论 |
| 6.2 局限性 |
| 致谢 |
| 参考文献 |
| 个人简介 |
四、火电厂运行经济性诊断的新方法（论文参考文献）
- [1]燃煤电厂氧量传感器测量可靠性评估和故障诊断研究[D]. 张宇珩. 浙江大学, 2021(09)
- [2]基于燃煤机组深度调峰安全性条件下负荷优化分配[D]. 慕昀翰. 华北电力大学(北京), 2021(01)
- [3]数字孪生建模方法及其在热力系统优化运行中的应用研究[D]. 高学伟. 华北电力大学(北京), 2021(01)
- [4]计及新能源的电力现货市场交易优化研究[D]. 王珂珂. 华北电力大学(北京), 2021(01)
- [5]基于数据驱动的火电厂能耗诊断方法与分析研究[D]. 杨云溪. 华北电力大学(北京), 2021(01)
- [6]基于Ebsilon的湿式冷却塔性能变化对热力系统影响研究[D]. 徐一丹. 山东大学, 2021(12)
- [7]基于火电厂热力设备特征的大数据应用技术研究[D]. 吕晓磊. 山东大学, 2021(09)
- [8]基于混合建模的核电二回路系统性能诊断[D]. 盛晨曦. 华北电力大学(北京), 2021(01)
- [9]基于高斯过程回归的热工系统数据驱动建模研究[D]. 贾昊. 华北电力大学(北京), 2020(06)
- [10]电力深化改革下TS电厂运行管理优化研究[D]. 岑国晓. 长江大学, 2020(02)