基于數據挖掘的電廠燃煤采購決策方法與系統實現

桑士杰，董 澤

(華北電力大學 控制與計算機工程學院，河北 保定 071003)

0 引言

近年來，電煤供應緊張，煤價不斷上漲，部分電廠甚至出現過缺煤停機的現象。市場煤源多、價格各異，且質量參差不齊，往往偏離鍋爐的設計煤種，對火電機組運行的安全性與經濟性帶來很大影響。因此，對于采購什么樣的煤種才最符合火電廠的利益，是一個值得探討的問題，需要明確煤質特性變化對發電廠的經濟性影響。

目前，針對煤質變化對電廠運行工況和發電成本影響的研究主要是通過變煤種熱力試驗的方法來實現。這種方法需要投入較大的人力、物力和財力，消耗相當長的時間，考慮到現場的實際情況，要將各種煤種在不同負荷下都做試驗不太現實，而且在試驗工況下得到的結果與機組實際運行狀態下的結果存在一定的偏差。本文引入數據挖掘技術對電廠近3年的煤質在線歷史數據和機組運行數據進行深層次的挖掘，在分析煤質與機組關聯性的基礎上量化各項指標，提出了評價煤質對電廠經濟性影響的計算模型，并在此基礎上開發了一套燃煤采購優化指導系統。

1 煤質變化對電廠經濟性影響分析與計算建模

煤質是電廠鍋爐設計的基礎，對機組燃燒的經濟性和鍋爐效率產生很大的影響，還會影響熱交換器等設備的磨損腐蝕、輸煤磨煤等輔機的耗電以及除塵效率和煙氣排放等諸多過程。

1.1 煤質變化對電廠經濟性影響分析

(1)燃煤發熱量的影響。發熱量是煤質工業分析的重要指標，發熱量偏離設計煤種時，將直接影響到鍋爐的穩定燃燒和鍋爐的效率。另外在發同等電量的情況下，使用劣質煤的總量將會增加，對于遠離煤礦的發電企業來說，將增大燃煤的倒運費用，故障率增加，從而影響機組的經濟性，增大運行成本[1～2]。

(2)燃煤含硫、氮量的影響。硫和氮將直接影響到SO2和NOx的排放，若SO2和NOx的排放超標，相應的排污繳費也將劇增;煙氣含硫量增大，將導致鍋爐受熱面的腐蝕加劇，特別是空預器的使用壽命將大大減少，從而增加設備的維修成本。

(3)燃煤含灰量的影響。煤中的灰分越高，可燃成分越低，不僅增加運輸負擔，而且還會對發電過程的其他環節產生負面影響。同時用于加熱灰分的熱量消耗亦隨之增加，從而導致燃燒穩定性和燃燒溫度下降，物理熱損失增大。

(4)燃煤水分的影響。水分含量增大，降低了煤的熱能利用率，增加了熱損失，鍋爐效率下降;同時增加了運輸的壓力，還會對電廠的卸煤、磨煤、輸煤等過程造成困難。

通過以上分析可知，煤質變化對電廠經濟性影響評價是一個復雜的過程，不僅要考慮燃煤采購成本本身的成本差異，還要綜合考慮煤質變化引起的其他成本的變動，包括輔機耗電成本、污染排放成本、脫硫運行成本、煤場裝載倒運成本等環節，為了工程分析的方便，把煤質變化引起的發電成本整理為圖1所示的環節。

圖1 煤質變化引起的成本組成Fig.1 Cost components caused by coal changed

1.2 煤質經濟性計算模型的建立

煤質變化將影響燃煤采購成本以及其他運行成本，本文將這幾項成本之和看作一個整體稱為綜合成本，用Czh表示，作為燃煤經濟性綜合評價指標。綜合成本越低的煤種對于電廠來說就越經濟，其數學模型為

式中:Czh為綜合成本，萬元;Crm為燃煤采購成本，萬元;Cfj為輔機耗電成本，萬元;Czd為裝卸倒運成本，萬元;Ctl為脫硫附加成本，萬元;Cwx為設備維護成本，萬元;Cpw為污染排放費用，萬元。

(1)燃煤采購成本，本文定義為在一定計劃發電量的情況下，為滿足發電需要而采購的某種燃煤費用，因煤質不同導致煤價與所需煤量發生變化，因而燃煤采購成本也會不同。燃煤采購成本可按下式計算:

式中:Bf為計劃電量下所需的原煤量，t;Pmj為原煤單價，元/t;Wf為計劃電量，萬kW·h;Qnet，ar為燃煤的低位發熱量，kJ/kg;bf為在一定工況下，燃用該煤種時機組的發電標準煤耗，g/(kW·h)。

發電煤耗是考核發電企業能源利用效率的主要指標，能夠反映火電廠生產技術完善程度和經濟效果。本文通過回歸分析的方法對不同負荷下的發電煤耗進行了預測。

(2)輔機耗電成本，此處指與煤質相關較大的輔機在計劃發電量下的耗電成本，包括輸煤、磨煤、送風、除塵以及除灰等輔機設備，計算公式為

式中:Di為某輔機的單耗，kW·h/t;Pdj為上網電價，元/(kW·h)，一定工況下的輔機單耗亦通過數據挖掘方法進行預測計算。

(3)裝載倒運成本，與煤量成正比，公式為

式中:Pzd為裝載倒運單價，元/t。

(4)脫硫附加成本，該電廠采用石灰石-石膏濕法煙氣脫硫技術，此項成本主要指比重較大的脫硫設備耗電費用和脫硫劑費用，計算公式為

式中:Chd為脫硫系統耗電成本，萬元;Ej為脫硫系統耗電量，kW·h;Ctlj為脫硫劑費用，萬元;Mtlj為脫硫劑使用量，t;Ptlj為脫硫劑單價，元/t;Cxpj為消泡劑費用;萬元，Mxpj消泡劑使用量，t;Pxpj為消泡劑單價，元/t。

(5)設備維護成本，主要指由于煤質變化導致的受熱面磨損、腐蝕以及爆管等造成的維修成本。實際情況中由于設備維修的滯后性以及復雜性，量化分析比較困難，本文通過對近3年的防磨防爆記錄以及相關的財務數據進行統計分析來發掘維修成本與煤質的關系。

(6)污染排放成本，主要指二氧化硫(SO2)、氮氧化物 (NOx)、煙塵、粉塵以及灰渣的排放成本，排污繳費根據國家或當地環保部門制定的收費制度執行，其中不同電廠對灰渣的處理方法不同。該電廠灰渣外銷用于生產水泥等建材，解決了堆灰成本，但創收極小，在此不做考慮，其他項成本現階段采用物料平衡算法核定排放量，征收排污費用。

2 數量型關聯規則挖掘算法及其在電廠燃煤分析中的應用

通過對計算模型的分析可知，整個計算方法的關鍵與難點在于如何合理確定不同煤質在相應工況下的發電煤耗、輔機耗電量等參數。本文引入數量型關聯規則用于電廠燃煤經濟性參數的量化處理，利用模糊方法解決了數據離散化過程中邊界過硬與部分數據高偏度的弱點，建立預測模型。有關數值型模糊關聯規則在最優值確定方面的研究應用可參見文獻[3～7]。

設 I={i1，i2，…，im}為所有項目的集合，事務T是一個項目子集，D為事務數據庫，關聯規則一般表示為如下形式的邏輯蘊涵式:X?Y，其中X?I，Y?I且X∩Y=Φ，關聯規則一般用支持度(support)和置信度 (confidence)來度量。

若D中S%的事務同時包含X和Y，則稱X?Y的支持度為S，計算公式為

若D中C%包含X的事務也包含Y的事務，則稱規則X?Y成立的置信度為C，計算公式為

關聯規則挖掘的目標在于找到同時滿足最小支持度和最小置信度的強規則，但是這兩個指標并不能避免產生負相關或者無興趣的規則，為此引入修正后的興趣度，以提高挖掘質量，這里簡稱為Aff(X，Y)，計算公式為

若Aff(X，Y)的取值在 (0，1]之間則表示X對Y起促進作用，實用價值大;取值為0，表示X與Y之間沒有關聯性，Y的發生不受X的影響;取值在[-1，0)之間表示X對Y起抑制作用。

為更好地說明數據挖掘在確定煤質經濟參數上的應用，對該電廠75%負荷下穩定運行工況時的歷史數據進行分析。以挖掘煤質含硫量與脫硫系統耗電量之間的關系為例，經數據篩選后共68 256組數據，取數間隔為5 min。將煤質含硫量作為前項，脫硫系統耗電量作為后項，為統一量綱，將各字段歸一化到[0，1]，并進行模糊化處理，給定最小支持度為20%，最小置信度為65%，通過挖掘并反模糊化得到的強關聯規則形式如下:

＜ S，0.5，0.6 ＞ = ＞ ＜ Es，218，218.9 ＞

該規則表示:在75%負荷下，當燃煤含硫量在0.5% ～0.6%區間時，脫硫系統耗電量在218～218.9 kW·h內，取強關聯規則的中心值作為基準值，即當含硫量為0.55時，脫硫系統耗電量為218.45 kW·h。將不同硫分下的挖掘結果作為基準值做回歸分析，所得結果如圖2所示，可以得到煤質含硫量與脫硫系統耗電量的關系，同理其他經濟性參數的確定可參照此方法進行處理。

圖2 脫硫系統耗電量與燃煤含硫量關系圖Fig.2 Relationship between power consumption of desulfurization system and sulfur content of coals

3 系統軟件開發與實例分析

3.1 系統軟件開發

在前面煤質變化對機組經濟性影響的理論分析與數學建模的基礎上，本文開發了燃煤采購優化指導系統，將理論結果轉化為實際應用。系統整體采用了B/S與C/S相結合的體系結構，開發環境基于.NET平臺，開發工具為Visual C++6.0與Visual Studio 2008，后臺數據庫采用了SQL Server 2000。

根據數學模型，煤質經濟性的計算程序流程設計如圖3所示。

圖3 煤質發電成本計算流程框圖Fig.3 Flow diagram of coal power cost calculation

從整體來說，系統可分為3個獨立模塊:(1)輸入模塊。由網頁輸入，具有界面友好，操作方便的特點，需要輸入的參數包括:煤質參數，包括工業分析、元素分析與煤價等;機組參數，包括裝機容量、計劃發電量等;其他經濟性參數，包括上網電價、SO2排放單價等。該模塊具有數據存儲功能，輸入過的數據存儲在數據庫中，下次輸入時可直接調用，避免重復輸入，同時可對數據庫中的數據進行刪除與修改的操作。(2)計算模塊。根據數據挖掘的結果與數學模型對煤質的發電成本進行預測計算，為保證運行的速度，該模塊由VC++實現，在后臺運行，當有需要分析的煤質輸入時，自動進行分析計算，并將結果保存到數據庫中。(3)輸出模塊。采用B/S模式，對分析結果進行展示輸出，主要包括輔機耗電成本、污染排放成本、匯總成本等參數以及結果的分析比較。

系統能夠實現主要功能為:對不同煤種的經濟性進行預測計算，通過對比分析，使電廠對煤質的發電成本有一個直觀的認識，從而在煤質多變的情況下為確定適合本廠的最經濟煤種提供決策依據，指導燃煤采購，降低發電成本。

3.2 應用實例

本文以某電廠SG-1080/17.6-M866亞臨界鍋爐機組為例，進行煤質經濟性分析。煤質資料表1中的4種燃煤為該廠供應量較大的典型煤種。在計算期內發電量、負荷一定的情況下，對電廠近3年的歷史數據進行數據挖掘，通過關聯規則算法確定了煤質特性與各項成本參數的關系，并進行了預測計算，通過數學模型確定了性價比最高的最優煤種。

表1 煤質資料表Tab.1 Coal quality data table

在計劃發電量為762 120萬kW·h(年度計劃電量)，負荷為電廠長期運行的平均負荷240 MW的工況下，得到的計算結果如表2和表3所示。由表2可見，在燃燒不同煤質的條件下，相關輔機的單耗變化不大，機組的發電煤耗相應發生變化，煤質較好時對應的發電煤耗較低，折算到相同計劃發電量下的總耗煤量較少，煤種1比煤種4要多耗91.7萬t煤，意味著要多購買、多運輸、多輸煤、多磨煤91.7萬t煤，其他相關輔機的電耗也將增加。

表2 不同煤質下相關經濟性參數表Tab.2 Economic parameters under different coals

表3 燃煤成本匯總表Tab.3 Summary table of coal-fired cost

通過對表3進行分析，可以得出:(1)脫硫系統附加成本和污染排放成本與燃煤的含硫量成正相關性，含硫量和含氮量越高，這兩項對應的成本支出也急劇增加。(2)設備維修成本隨著燃煤的含灰量和含硫量的增加而劇增，煤質越差，對應的維修成本支出越多。(3)燃煤熱值越低，耗煤量越多，相關的輔機耗電成本和倒運成本也就大幅增加。(4)燃煤采購成本占總成本的80%以上，為最大的成本支出，但燃煤采購成本越低并不意味著越經濟，還應考慮發電過程中的成本支出。

根據表3中的數據，得到煤質與總成本的關系，如圖4所示，可以看出在4種煤中，煤種2的總成本最低，為推薦的經濟煤種。由此得出結論:燃用劣質煤與優質煤并不一定是最經濟的煤種，在燃煤采購時不僅要考慮煤炭價格造成的成本差異，還應綜合考慮煤質變化對電廠運行成本的影響。

圖4 不同煤種的綜合成本Fig.4 Comprehensive cost of different coals

4 結論

(1)針對火電廠面臨的煤質多變與成本壓力的實際問題，本文找到了一種綜合評價電廠燃煤經濟性的計算模型，作為火電廠最優經濟煤種采購的決策依據，不僅考慮了煤質變化對煤價波動的影響，而且綜合分析了煤質變化引起的其他發電成本變化。據此開發的燃煤采購指導軟件運行結果與該廠的經驗值相符，對于降低火力發電成本，保證電廠的合理利潤具有實際意義。

(2)本文計算模型的核心為煤質與機組各發電成本的關系，通過數據挖掘技術對近3年的煤質在線數據與機組運行數據進行分析，能夠提取出海量數據中隱含的規律，對關鍵參數進行了預測計算，與變煤種熱力試驗等方法相比，節省了時間、物力和人力，不僅方便快捷而且因為基于機組實際運行數據，更能反映機組的實際狀況。