發(fā)電側(cè)燃料管理系統(tǒng)及燃煤優(yōu)化預(yù)測(cè)研究

趙玉柱，盧偉輝，王 寅，張中林

（1.中國(guó)南方電網(wǎng)有限責(zé)任公司調(diào)度控制中心，廣州 510623；2.南京華盾電力信息安全測(cè)評(píng)有限公司，南京 210013；3.南京工程學(xué)院 能源與動(dòng)力工程學(xué)院，南京 211167）

0 引言

2018 年火電企業(yè)發(fā)電量占總發(fā)電量的71%以上，依然是國(guó)內(nèi)電網(wǎng)主要發(fā)電來源，火電企業(yè)的安全穩(wěn)定運(yùn)行對(duì)于電網(wǎng)的安全至關(guān)重要，而燃料問題是火電企業(yè)面臨的根本問題。由于受到能源政策、供需形勢(shì)、資源分布、供應(yīng)價(jià)格、交通運(yùn)輸、市場(chǎng)博弈等多種復(fù)雜因素的影響，燃料供應(yīng)存在一定的隨機(jī)性和不確定性，造成電網(wǎng)和調(diào)度機(jī)構(gòu)難以充分了解和掌握火電企業(yè)的燃料運(yùn)行狀態(tài)，電網(wǎng)調(diào)度和火電企業(yè)產(chǎn)能之間匹配不夠，無法做到科學(xué)調(diào)度，一旦發(fā)生大面積燃料供應(yīng)問題，將嚴(yán)重威脅到電網(wǎng)的安全運(yùn)行。

為了應(yīng)對(duì)燃料問題，火電企業(yè)和火電發(fā)電集團(tuán)陸續(xù)建立了燃料的信息化管理系統(tǒng)[1-6]，通過信息化技術(shù)實(shí)現(xiàn)了對(duì)燃料的有效管理，對(duì)燃料從采購(gòu)到入爐進(jìn)行全面管控。但是目前所建立的大量燃料管理系統(tǒng)只是對(duì)傳統(tǒng)燃料管理的信息化，而且范圍局限在一個(gè)廠區(qū)或者某個(gè)區(qū)域之內(nèi)，主要問題是不能對(duì)火電企業(yè)的燃料供應(yīng)進(jìn)行智能化預(yù)測(cè)和管控，無法對(duì)燃料計(jì)劃和采購(gòu)提出指導(dǎo)意見。對(duì)于電網(wǎng)而言，在實(shí)現(xiàn)廠網(wǎng)分離后，火電企業(yè)的燃料計(jì)劃、采購(gòu)和庫(kù)存等信息處于盲區(qū)，這給電網(wǎng)的調(diào)度帶來困難，同時(shí)也威脅到電網(wǎng)的安全穩(wěn)定運(yùn)行。

為了解決電網(wǎng)與火電企業(yè)燃料管理脫節(jié)的問題，迫切需要建立統(tǒng)一區(qū)域燃料信息管理系統(tǒng)，同時(shí)利用大數(shù)據(jù)和云平臺(tái)建立發(fā)電燃料預(yù)測(cè)系統(tǒng)，利用該系統(tǒng)實(shí)現(xiàn)區(qū)域燃料統(tǒng)一管理和燃料需求預(yù)測(cè)，確保燃料安全，保證電網(wǎng)的安全穩(wěn)定運(yùn)行。

本文利用互聯(lián)網(wǎng)+技術(shù)構(gòu)建南方電網(wǎng)（以下簡(jiǎn)稱“南網(wǎng)”）燃料管理系統(tǒng)，在此基礎(chǔ)上構(gòu)建南網(wǎng)范圍內(nèi)的大數(shù)據(jù)平臺(tái)，不僅實(shí)現(xiàn)了南網(wǎng)范圍內(nèi)的燃料有效管理，還可以通過預(yù)測(cè)模型準(zhǔn)確預(yù)測(cè)燃料需求，確保南網(wǎng)范圍內(nèi)火電企業(yè)燃料安全。

1 燃料管理系統(tǒng)構(gòu)建

1.1 燃料管理系統(tǒng)結(jié)構(gòu)

所構(gòu)建的燃料管理系統(tǒng)主要基礎(chǔ)數(shù)據(jù)分散在各個(gè)燃煤和燃?xì)怆姀S，在信息安全要求較高的條件下，要求該燃料管理系統(tǒng)既要實(shí)現(xiàn)火電企業(yè)燃料數(shù)據(jù)的實(shí)時(shí)采集和傳輸，又要確保數(shù)據(jù)和信息的安全。

圖1 為燃料管理系統(tǒng)的網(wǎng)絡(luò)拓?fù)浜陀布贾媒Y(jié)構(gòu)，主要硬件包括兩臺(tái)數(shù)據(jù)服務(wù)器、數(shù)據(jù)采集終端、數(shù)據(jù)采集網(wǎng)絡(luò)和防火墻。

圖1 燃料管理系統(tǒng)網(wǎng)絡(luò)和硬件結(jié)構(gòu)

數(shù)據(jù)采集終端布置在各個(gè)火電企業(yè)，通過接口上傳火電企業(yè)燃料管理系統(tǒng)中的相關(guān)數(shù)據(jù)，布置在中調(diào)的終端負(fù)責(zé)區(qū)域的燃料數(shù)據(jù)收集和上傳。由于各個(gè)數(shù)據(jù)采集終端地理位置具有分散性，需建設(shè)統(tǒng)一的綜合數(shù)據(jù)網(wǎng)絡(luò)用于基礎(chǔ)數(shù)據(jù)傳輸。

服務(wù)器的建設(shè)采用分區(qū)和分層方式，在安全三區(qū)布置有主服務(wù)器，在DMZ（隔離區(qū)）布置DMZ服務(wù)器，各個(gè)服務(wù)區(qū)之間采用防火墻隔離，確保數(shù)據(jù)安全。數(shù)據(jù)采集終端所采集的數(shù)據(jù)通過綜合數(shù)據(jù)網(wǎng)絡(luò)上傳至主服務(wù)器，DMZ 服務(wù)器是主服務(wù)器安全備份，內(nèi)部客戶端可以與DMZ 服務(wù)器進(jìn)行數(shù)據(jù)交互，移動(dòng)終端等外圍智能終端通過互聯(lián)網(wǎng)和防火墻與DMZ 服務(wù)器交換數(shù)據(jù)。

1.2 數(shù)據(jù)接口

系統(tǒng)提供各類數(shù)據(jù)接口，實(shí)現(xiàn)與其他系統(tǒng)的數(shù)據(jù)互聯(lián)，數(shù)據(jù)接口主要特性如下：

（1）采用通用的標(biāo)準(zhǔn)數(shù)據(jù)接口方式。

（2）采用OSB（Oracle 數(shù)據(jù)服務(wù)總線）實(shí)現(xiàn)與DMIS（調(diào)度指揮管理信息系統(tǒng)）等業(yè)務(wù)系統(tǒng)的數(shù)據(jù)交互。

（3）充分考慮現(xiàn)行數(shù)據(jù)源發(fā)生改變的可能，具備靈活、可擴(kuò)展性強(qiáng)的數(shù)據(jù)接口實(shí)現(xiàn)方案。

（4）實(shí)現(xiàn)發(fā)電燃料基礎(chǔ)信息、燃煤電廠盈虧測(cè)算等應(yīng)用的OSB 服務(wù)封裝。

1.3 燃料數(shù)據(jù)直采

燃料數(shù)據(jù)的直采對(duì)于系統(tǒng)數(shù)據(jù)實(shí)時(shí)性非常重要，南方電網(wǎng)發(fā)電燃料管理信息系統(tǒng)實(shí)現(xiàn)了發(fā)電廠燃料數(shù)據(jù)的自動(dòng)采集功能。通過接口程序，將發(fā)電廠燃料數(shù)據(jù)從發(fā)電廠本地燃料數(shù)據(jù)庫(kù)中自動(dòng)采集上傳到部署在南網(wǎng)總調(diào)的發(fā)電燃料管理信息系統(tǒng)數(shù)據(jù)庫(kù)中。

采用Oracle 公司的OSB 方式進(jìn)行數(shù)據(jù)傳輸，OSB 提供WebService 和MQ 兩種技術(shù)標(biāo)準(zhǔn)的數(shù)據(jù)傳輸方式，系統(tǒng)在實(shí)現(xiàn)燃料數(shù)據(jù)直采時(shí)結(jié)合數(shù)據(jù)交互的具體要求可任意選擇其中的一種：對(duì)于實(shí)時(shí)性要求高但數(shù)據(jù)量不大的交互場(chǎng)景可以采用WebService 方式；對(duì)于實(shí)時(shí)性要求較低或數(shù)據(jù)量較大的交互場(chǎng)景可以采用MQ 方式。通過接口程序，采用WebService 或MQ 方式將發(fā)電廠本地?cái)?shù)據(jù)庫(kù)中的發(fā)電燃料數(shù)據(jù)通過綜合數(shù)據(jù)網(wǎng)自動(dòng)采集上傳到南方電網(wǎng)發(fā)電燃料管理信息系統(tǒng)數(shù)據(jù)庫(kù)中，實(shí)現(xiàn)數(shù)據(jù)的自動(dòng)采集和上傳。這兩種方式提高了燃料數(shù)據(jù)直采的靈活性和適應(yīng)性，能夠適應(yīng)不同場(chǎng)景數(shù)據(jù)采集的要求，確保了燃料基礎(chǔ)數(shù)據(jù)準(zhǔn)確和實(shí)時(shí)采集。

2 發(fā)電燃料綜合管理平臺(tái)

2.1 燃料綜合管理平臺(tái)

利用所采集到的火電企業(yè)燃料基礎(chǔ)數(shù)據(jù)，建立燃料綜合管理平臺(tái)。除了日常燃料數(shù)據(jù)分析與管理功能，在該管理平臺(tái)內(nèi)開發(fā)了燃煤電廠盈虧測(cè)算模塊，主要功能如下：

（1）基于K-means 聚類算法，建立火電企業(yè)燃料大數(shù)據(jù)模型。

（2）以標(biāo)桿發(fā)電廠（示例發(fā)電廠）數(shù)據(jù)為基礎(chǔ)，完成測(cè)算；隨著模型中變量的更改，可展示不同的計(jì)算結(jié)果。

（3）具備單一變量靈敏度測(cè)算功能。

（4）建立全網(wǎng)所有燃煤電廠各項(xiàng)成本及上網(wǎng)電價(jià)、煤價(jià)等數(shù)據(jù)庫(kù)。

（5）盈虧模塊測(cè)算的主要參數(shù)有發(fā)電廠利潤(rùn)、盈虧平衡點(diǎn)、單位發(fā)電邊際利潤(rùn)、對(duì)應(yīng)設(shè)計(jì)利用小時(shí)數(shù)盈虧平衡點(diǎn)標(biāo)煤價(jià)。

2.2 燃料管理大數(shù)據(jù)研究

K-means 算法流程如圖2 所示。

圖2 K-means 算法流程

K-means 算法是一種基于劃分的聚類算法，是數(shù)據(jù)挖掘中的一種經(jīng)典算法，其中n 表示輸入樣本數(shù)，K 表示有多少個(gè)類，即簇的大小，在給定的數(shù)據(jù)集中使得規(guī)定的誤差達(dá)到最小的K 個(gè)分類，其中所有類中的均值則由means 來表示。K-means 算法高效且簡(jiǎn)單，對(duì)大數(shù)據(jù)有較高的運(yùn)行效率，比較適用于大規(guī)模數(shù)據(jù)聚類[6-8]。

K-means 算法的基本思想是：

首先需要根據(jù)一定準(zhǔn)則或隨機(jī)指定K 的大小，即將數(shù)據(jù)集分成K 個(gè)簇；然后隨機(jī)初始化K個(gè)點(diǎn)作為K-means 算法樣本；計(jì)算各數(shù)據(jù)元素到已經(jīng)初始化的聚類中心的距離，根據(jù)計(jì)算得到的結(jié)果（也就是與簇心的距離）進(jìn)行對(duì)比，根據(jù)一定規(guī)則將該數(shù)據(jù)元素分配至最鄰近的簇中。采用物理上計(jì)算重心的方法調(diào)整每個(gè)聚類中心（將聚類中心移動(dòng)至中心位置），反復(fù)迭代執(zhí)行，比較兩次聚類中心移動(dòng)的位置，如果移動(dòng)位置小于某個(gè)值或者未移動(dòng)，表明算法收斂，當(dāng)所有聚類中心都收斂表示算法已經(jīng)結(jié)束。

傳統(tǒng)的K-means 算法自身存在主觀給定K值、隨機(jī)給定初始點(diǎn)的局限性，導(dǎo)致聚類結(jié)果不穩(wěn)定。文獻(xiàn)[10]提出了一種改進(jìn)的K-means 算法，通過加入密度系數(shù)的最大權(quán)值法分析電網(wǎng)用戶的用電行為，選取距離最遠(yuǎn)的密度樣本時(shí)采用評(píng)價(jià)函數(shù)權(quán)值計(jì)算法，考慮簇間距離和簇內(nèi)距離，并通過UCI 數(shù)據(jù)集驗(yàn)證算法的準(zhǔn)確率和穩(wěn)定性[10]。本文利用該改進(jìn)的K-means 算法分析南網(wǎng)電源側(cè)燃料特性。

定義新的評(píng)價(jià)函數(shù)ω 為：

式中：s（i）為簇間距離；Nε（xi）為樣本密度函數(shù)；a（i）為簇內(nèi)樣本的平均距離；xi為樣本數(shù)據(jù)。

Nε（xi）定義為：

式中：d（xi，xj）為任意兩個(gè)數(shù)據(jù)對(duì)象之間的歐氏距離；ε 為殘差；。

a（i）定義為：

式（1）中：Nε（xi）越大，表示樣本點(diǎn)i 周圍元素點(diǎn)越多，元素越集中；a（i）越小，1/a（i）越大，表示簇中元素越密集；s（i）越大，表示兩簇之間距離越遠(yuǎn)，其相異度就越大。因此，通過最大權(quán)值法可以求出最佳聚類中心，而密度參數(shù)的引入使得初始中心的選取更具客觀性。

利用改進(jìn)的K-means 算法對(duì)2018 年南網(wǎng)所有燃煤電廠的入爐燃料品質(zhì)進(jìn)行分析，將發(fā)電廠采購(gòu)的煤質(zhì)按照入爐情況進(jìn)行分類，主要指標(biāo)包括發(fā)熱量、硫分、灰分等指標(biāo)分為A，B，C，D，E 5 個(gè)等級(jí)，具體指標(biāo)如表1 所示。通過K-means算法大數(shù)據(jù)分析，得到初始聚類中心和最終聚類中心如表2 所示，南網(wǎng)2018 年發(fā)電廠采購(gòu)煤炭的品質(zhì)分布如圖3 所示。

表1 燃煤等級(jí)指標(biāo)

表2 K-means 聚類中心

圖3 2018 年南網(wǎng)火電企業(yè)電煤煤質(zhì)分布

由圖3 可以看出2018 年南網(wǎng)發(fā)電廠所采購(gòu)的煤炭比較優(yōu)質(zhì)，B 等級(jí)的煤炭采購(gòu)量占60%以上，其發(fā)熱量在24.13 MJ/kg 左右，含硫率普遍在1%以下，灰分含量低于15%。但同時(shí)也存在著采購(gòu)劣質(zhì)煤的情況，其硫分和灰分含量均較高。

3 發(fā)電燃料供應(yīng)預(yù)測(cè)

在已有的大數(shù)據(jù)基礎(chǔ)上，采用合適的模型建立南網(wǎng)燃料預(yù)測(cè)方法，對(duì)于確保南網(wǎng)的燃料安全非常重要。目前的主要預(yù)測(cè)方法包括定性預(yù)測(cè)、時(shí)間序列平滑預(yù)測(cè)、自適應(yīng)預(yù)測(cè)、自適應(yīng)預(yù)測(cè)和回歸預(yù)測(cè)等方法[11]。本文采用ARMA（自回歸滑動(dòng)平均）模型用于燃料預(yù)測(cè)，ARMA 模型[12-14]是目前最常用的擬合平穩(wěn)時(shí)間序列的模型，由自回歸模型和滑動(dòng)平均模型“混合”構(gòu)成。ARMA 模型在市場(chǎng)中常用于長(zhǎng)期追蹤資料的研究，如隨季節(jié)變動(dòng)特征的銷售量、價(jià)格、市場(chǎng)規(guī)模預(yù)測(cè)等[15]。

ARMA 模型族是平穩(wěn)序列的一種重要模型族，但對(duì)于有季節(jié)性等非平穩(wěn)序列，該模型就不再適用。ARIMA（差分整合移動(dòng)平均自回歸）模型通過差分將時(shí)序平穩(wěn)化，然后用ARMA 模型討論差分后的時(shí)序，一般非季節(jié)性的ARIMA（p，d，q）模型形式為：

乘積季節(jié)模型是隨機(jī)季節(jié)模型與ARMA 模型的結(jié)合式，其階數(shù)為（p，d，q）×（P，D，Q）S，形式為：

式（4），（5）中：εt為殘差；Xt為原始數(shù)據(jù)序列；B為優(yōu)化參數(shù)；S 為一個(gè)季節(jié)循環(huán)中的觀測(cè)個(gè)數(shù)；φ（B）▽dXt表示同一周期內(nèi)不同周期點(diǎn)的相關(guān)關(guān)系；表示不同周期的同一周期點(diǎn)上的相關(guān)關(guān)系。

式中：θi，φi，Ui，Vi均為系數(shù)。

建立南網(wǎng)燃料預(yù)測(cè)模型主要有以下步驟：

（1）平穩(wěn)化處理。將原始數(shù)據(jù)的不平穩(wěn)時(shí)間序列轉(zhuǎn)換為平穩(wěn)時(shí)間序列。

（2）模型識(shí)別與定階。根據(jù)自相關(guān)圖和偏自相關(guān)圖，建立預(yù)測(cè)模型，確定模型參數(shù)。

（3）模型參數(shù)估計(jì)。由自相關(guān)圖確定參數(shù)q和Q，由偏自相關(guān)圖確定p 和P，結(jié)合AIC（赤池信息準(zhǔn)則）和BIC（貝葉斯信息準(zhǔn)則），最終確定p，q，P，Q；根據(jù)數(shù)據(jù)的平穩(wěn)性確定參數(shù)d；根據(jù)數(shù)據(jù)的周期性確定參數(shù)D。

（4）模型適應(yīng)性檢驗(yàn)。進(jìn)行殘差獨(dú)立性檢驗(yàn)或異方差檢驗(yàn)，修改預(yù)測(cè)模型，直至殘差序列為白噪聲序列，提取所有有用信息。殘差檢驗(yàn)公式為：

將圖4 中的實(shí)際值進(jìn)行數(shù)據(jù)平穩(wěn)化處理，繪制南方電網(wǎng)發(fā)電燃料原始數(shù)據(jù)的時(shí)間序列圖、自相關(guān)圖和偏相關(guān)圖，通過一階差分和季節(jié)差分后消除了其中的二次趨勢(shì)，得到模型參數(shù)d=D=1。

圖4 2018—2019 年南網(wǎng)全網(wǎng)燃料量預(yù)測(cè)值和真實(shí)值對(duì)比

由自相關(guān)圖和偏相關(guān)圖，經(jīng)試算比較后當(dāng)ARIMA（0，1，1）（0，1，0）12時(shí)BIC 值最小，即此時(shí)p=0，P=0，q=1，Q=0。對(duì)模型進(jìn)行適應(yīng)性檢驗(yàn)，殘差為白噪聲，所有信息都被提取，模型適應(yīng)性檢查通過。

南網(wǎng)全網(wǎng)發(fā)電燃料預(yù)測(cè)最終模型為：

利用所建立的預(yù)測(cè)模型對(duì)南網(wǎng)燃料量進(jìn)行預(yù)測(cè)分析，如圖4 所示。該模型在考慮歷史數(shù)據(jù)和影響因素的前提下，更好地反映了發(fā)電燃料供應(yīng)的季節(jié)性。與實(shí)際值對(duì)比結(jié)果表明，預(yù)測(cè)值能準(zhǔn)確反映南網(wǎng)火電企業(yè)燃料量變化，該預(yù)測(cè)方法具有一定的準(zhǔn)確性和精度。

4 結(jié)語(yǔ)

廠網(wǎng)分離提高了能源企業(yè)的競(jìng)爭(zhēng)力，但是電網(wǎng)側(cè)與電源側(cè)的脫離也造成電網(wǎng)對(duì)電源側(cè)的信息（尤其是各個(gè)能源企業(yè)燃料儲(chǔ)備和燃料品質(zhì)情況）掌握不足，造成在電力調(diào)度過程中存在一定的盲目性，威脅到電力系統(tǒng)的安全穩(wěn)定運(yùn)行。因此，迫切需要利用互聯(lián)網(wǎng)+技術(shù)，構(gòu)建全網(wǎng)統(tǒng)一的燃料信息管理和預(yù)測(cè)優(yōu)化平臺(tái)，利用大數(shù)據(jù)對(duì)全網(wǎng)燃料特性和品質(zhì)進(jìn)行實(shí)時(shí)分析，并對(duì)燃料庫(kù)存進(jìn)行預(yù)測(cè)。

本文主要內(nèi)容總結(jié)如下：

（1）以O(shè)SB 方式構(gòu)建了全網(wǎng)統(tǒng)一的燃料信息管理平臺(tái)，實(shí)現(xiàn)了電源電網(wǎng)側(cè)燃料數(shù)據(jù)的實(shí)時(shí)共享。

（2）以信息化技術(shù)為基礎(chǔ)，利用K-means 算法和大數(shù)據(jù)對(duì)燃料品質(zhì)等特性進(jìn)行分析，進(jìn)一步掌握全網(wǎng)的燃料主要特征。

（3）利用ARMA 模型，建立全網(wǎng)燃料預(yù)測(cè)模型，通過與實(shí)際值比較，驗(yàn)證了模型的正確性。

本文通過建立全網(wǎng)燃料信息化平臺(tái)，實(shí)時(shí)了解全網(wǎng)燃料運(yùn)行狀態(tài)，通過大數(shù)據(jù)分析燃料品質(zhì)，利用預(yù)測(cè)模型預(yù)測(cè)燃料庫(kù)存，提高了燃料安全性，確保了電網(wǎng)安全穩(wěn)定運(yùn)行。