【精彩论文】火电机组中部分信号的时序预测研究

戳蓝字“中国电力”关注我们哦！

王嘉兴，王喆，王林，安朝榕

西安热工研究院有限公司

引文信息

王嘉兴, 王喆, 王林, 等. 火电机组中部分信号的时序预测研究[J]. 中国电力, 2020, 53(5): 164-171,178.

WANG Jiaxing, WANG Zhe, WANG Lin, et al. Time series forecasting of partial signals in thermal power units[J]. Electric Power, 2020, 53(5): 164-171,178.

研究背景

受设备性能所限，火力发电机组锅炉侧参数控制存在较大的延迟和惯性，且具有较强的非线性、时变特性不一致等问题，使机组很难做到快速响应负荷变化与维持机组主汽温度、主汽压力稳定之间的平衡。通过一种合适的方法对主汽压力的变化趋势进行实时预测，则能够提前缓解机炉能量的失衡，对维持机组主汽压力的稳定将起到很好的作用，同时能够缓解锅炉大延迟特性所带来不利影响；不仅如此，若能采用类似的方法对锅炉总煤量变化趋势进行超前预测，则可进一步克服制粉及燃烧传热过程中的系统延迟，提高机组运行的安全性和可靠性。

论文所解决的问题及意义

针对锅炉侧大延迟大惯性以及协调控制系统性能问题，本文提出一种基于ARMA模型的综合时序预测模型，主要优势有：

（1）针对热工控制系统进行时序预测模型建模流程优化，在保证预测精度的前提下提高运算效率；

（2）使用粒子滤波算法优化时序预测模型，大幅提升模型预测精度；

（3）采用实时建模预测的方案，实时更新预测模型，避免模型实配。

论文重点内容

本文所提出的综合法基于ARMA模型，首先对自协方差函数（autocovariance function, ACF）与偏自相关函数（partial autocorrelation function, PACF）的求取过程与模型的定阶过程进行优化，构建Yule-Walker方程解线性方程组以避免复杂的矩阵求逆的过程，采用改进的长自回归模型计算残差法求取模型参数，利用粒子滤波算法结合历史数据对模型参数滤波，最终实现时序信号的循环实时建模滤波与时序预测。在MATLAB中利用综合法对某电厂机组的主蒸汽压力，锅炉总煤量以及主蒸汽压力设定值数据进行预测仿真，并与不采用粒子滤波的ARMA模型的预测结果进行对比，证实综合法对预测精度的提高。

研究结论

本文所提出的综合法在提升传统ARMA模型运算效率，保证预测精度的前提下，引入了粒子滤波的概念，在对不同采样周期的三种信号进行时序预测时都获得了更好的预测效果与更高的预测精度。将智能协调控制系统中时序预测部分的功能由综合法实现，可以提升控制品质与机组运行安全性，更好的抑制超调。

主要作者介绍

第一作者：王嘉兴，男，硕士研究生，从事协调控制系统和时序预测技术研究。

E-mail: [e-mail]。

 往期回顾 

编辑：杨彪

审核：蒋东方

声明

根据国家版权局最新规定，纸媒、网站、微博、微信公众号转载、摘编《中国电力》编辑部的作品，转载时要包含本微信号名称、二维码等关键信息，在文首注明《中国电力》原创。个人请按本微信原文转发、分享。欢迎大家转载分享。

关于我们

     联系电话:   [phone]（编辑）                      010-66603801（发行）                      010-66603587（传真）        邮    箱:  [e-mail]        网    址：www.chinapower.org

     官方微信号：ELECTRIC-POWER

        主办单位：国网能源研究院有限公司

                              中国电机工程学会

                     全球能源互联网研究院有限公司