电厂热工DCS系统数据智能驱动系统设计

孟德刚

内蒙古能源发电金山热电有限公司 内蒙古呼和浩特市010010

摘要：电厂热工系统因素复杂多变，导致其数据中存在大量相关性和非线性数据，以及大量离群样本点，这给其智能驱动系统的构建带来了困难。基于此，本文详细分析了电厂热工DCS系统数据智能驱动系统设计。

关键词：电厂；热工系统；数据驱动

热工DCS系统是电厂自动控制系统的重要部分，能实现对不同热工过程参数的控制。通过控制结果，为热工系统控制提供了依据，以确保所有热工过程处于最佳状态，实现电厂的安全经济运行，最大限度地提高节能减排的有效性。然而，由于各热工过程具有显著非线性、时变性、不确定性特征，以及大量电厂运行数据，也存在离群样本及高维变量，变量间相关性显著。目前，控制过程中人为因素较多，难以构建智能控制模型。

一、我国电厂热工控制的现状

当前，我国电厂热工控制由自动化的调节系统分析，具体表现在：①DCS系统程序自行编制，DCS系统程序虽然是经专门编制自动化控制系统程序的人员所编制，然而于系统的调试及编程期间，相关工作者的技术能力并未达到精细化的水平要求，从而导致在系统整体运作上存在部分缺陷。②机组控制软件发展较成熟，因此设计的参数较合理，机组和仪表在运行上的可靠性较高。从软件功能与质量等方面考虑，在选用DCS控制系统的机组、仪表等软件设备时，大部分是选用国外的进口产品。

二、DCS系统简介

1、概述。DCS作为重要的控制系统，最突出特点是集散性，相比较其他控制来说，有较大差异性，属于一种新的控制系统。主要涉及到的系统有两种，即计算机控制系统、显示系统，应用DCS控制系统，基于微型计算机的局域网，无论是时效性还是安全性都能得到保障，能实时监控。

2、构成。①数据采集。在DCS系统中数据采集的工作，主要是开展在线监测及相关的工作处理，完成后通过画面形式传递出来。②模拟量控制。在DCS中模拟量控制系统的作用，主要控制汽轮发电机组的汽机及锅炉，实际在开展工作时，可分为两种类型，即炉侧、机侧模拟量。③顺序控制。顺序控制系统主要涉及到的内容有厂房监控，对参数进行监管，并且还具有联锁保护能力。④开关量控制。在DCS控制中，针对现场设备的开关，设备状态的显示控制叫做开关量控制。

三、电厂热工DCS系统数据智能驱动系统设计

1、DCS硬件系统的设计

①I/O点数量的统计。根据火电厂生产工艺特点，结合各信号点统计和整个火电厂控制要求，选择了其硬件(机柜、卡件、操作台等)。在硬件选择和设计中，要确保设备的硬件结构能满足设计要求，并为今后火电厂预留空间。I/O点表为整个DCS系统设计奠定了基础。根据I/O类型及现场设备数量要求，确定所有设备子系统所需I/O数量与类型。按规定方法连接现场信号及所有控制系统，为软件设计做准备。工程有3900个输入输出信号点，包括1020个模拟量输入点、100个模拟量输出点、1857个开关量输入点和1004个开关量输出点。

模拟量输入模块包括一个信号调节与处理器子系统，可同时处理来自16个热电偶/RTD的输入。开关量输入模块包括一个信号调节、处理器子系统，可同时处理32个数字输入。开关输出模块包括一个信号调节及处理器子系统，可为16个继电器提供输出。

②DCS系统硬件配置的统计。在DCS系统硬件配置中，通常DCS系统电压为24V，根据被控制的目标，其驱动电压为220V。因此，DCS驱动信号需从继电器箱中输出，24V的控制功率来自DPU的DPU。根据现场I/O点数、控制器和卡件数量决定，在系统接地设计中，所有I/O机箱都使用电缆接地。

③DCS系统IP地址的设计。系统采用ARM7信号处理设备和STM32107芯片对传输优化。STM32芯片经嵌入方式和传统控制器相连，实现了经济的联网。系统采用16位SRAM存储方式，数据总线为D0-D15，地址总线为A1-A18。

2、DCS软件系统的设计。基于热工运行数据构建电厂热工系统步骤为：①确定驱动模型输入变量，验证数据可靠性，以及预处理；②驱动数据建模，通过人工智能偏最小二乘法与最小二乘支持向量机方法，建立PLS-LSSVM电厂热工系统驱动模型。

①确定输入变量。在建立驱动模型前，需根据电厂设备机组运行影响因素来确定模型输入变量，热工系统中有许多热力设备，每种设备相互关联，热工系统本身作为一个复杂非线性系统，具有显著非线性特性。另外，热工过程中所有变量间存在明显耦合关系，如机组负荷、燃料量、过剩空气系数、煤质等变量。

②数据预处理。上述内容在庞大复杂热工系统的温度控制中得到了充分体现，各变量间具有高度相关性及耦合关系，若使用人工智能技术基于具有相关性与耦合关系的数据进行建模，会导致模型输入变量过拟合。并且热工系统中各种热工参数的频率存在差异，包括高低频信号，且存在一定离群点，离群点会对数据分析造成严重干扰。因此，使用阈值筛选法预处理数据，去除离群点后使用Z-score对热工系统运行相关数据进行标准化处理，使其符合标准正态分布，不会影响数据分布特性。

3、系统的实现。在确定初始输入变量后，由于电厂热工环境复杂，输入变量间存在高度相关性与耦合关系，增加了构建驱动模型的难度。本文使用偏最小二乘法(PLS)来处理模型初始输入变量间相关性及耦合关系，降低DCS数据维数，并去除离群点。该方法通过投影变换完成，将高维空间中具有线性相关性变量转向低维空间。

四、实例分析

为测试系统性能及有效性，选择某电厂两台600MW超临界燃煤间接空冷发电机组作为研究对象，选择机组历史运行数据作为测试数据，这些数据由机组在350～600MW负荷下产生，并且是稳态工况，选择此范围数据能更好地确保数据覆盖范围。数据采样时间为2min，共获得300组数据，在对数据清理处理后，保留最后150组数据作为训练集，完成模型构建；此外，从历史数据库中随机选择100组稳态数据样本作为模型验证的测试集。

从测试结果可看出，两种指标值都随着成分数量增加而增加，当成分数量达到7个时，其拟合度都达到0.8以上，表明系统能提取智能驱动中X、Y的大部分信息，并最大限度描述X、Y信息，这对模型构建具有良好可行性，也验证了主成分最优数量为7的合理性。

为测试系统降维效果，使用均衡度作为衡量标准，统计不同抽取数量下系统的降维效果，结果越高降维效果越好。随着潜在成分数量的逐渐增加，三种不同提取量的均衡度都在85%以上，即使在抽取数量较大情况下，系统仍能有效实现数据降维。

为进一步测试系统性能，需确定系统投影方法，并获得不同数据组数量下三种投影方法下系统平均准确率。三种投影方式是正交、非正交、规范化投影，在相同成分数量下，正交投影后平均准确率结果最好，而非正交投影最低，所以为确保系统的最佳数据处理效果，采用正交投影法处理初始输入变量间相关性及耦合关系，从而获得更高数据精度。

为测试其应用效果，以热工系统的温度为衡量标准，分析系统控制、预期结果。本文系统控制的热工系统温度值与预期温度结果高度一致，并且当样本数量为70、100时，预测结果只有很小误差，但该误差对控制效果影响小。结果表明，本文系统具有良好适用性，能准确完成热工系统热驱动控制，为整个热工系统控制提供了准确依据。

参考文献：

[1]姜文.火电厂智能化远程管理云平台系统设计[J].中国测试，2020，46(02):106-112.

[2]文波.智能控制在火电厂热工自动化中的应用研究[J].新型工业化，2022(02):228-229.