能源管控大数据应用解决方案

能源管控大数据应用解决方案目录一、现状分析二、能管大数据技术应用三、具体应用功能一、现状分析

作为中国轨道交通运输装备制造领域的旗舰企业，深入贯彻“中国制造2025”推进精益智造的核心精神，非常重视能源管控体系在建设智能化车厂方面的支撑作用，历经四年分期持续构建能源管控基础设施、监控中心与平台系统，现已初具规模，形成可实现集成应用、协同提效的数据条件。近年来大数据技术综合运用实践日趋成熟，长客能源拟增量开发能管大数据功能模块，提升企业在用热、用电、供风、供水、退火炉、电焊机、天然气等能源工艺方面的利用效率。其中，包括工业锅炉、供热管网、热用户在内的热能消耗占据全厂能耗总量的80%，属于用能大户，本次方案主要针对热力用能网络进行节能降耗减排大数据技术应用设计，争取提高能耗在线分析、异常告警、运行优化、负荷预测、效率诊断、目标寻优等方面的性能。目录一、现状分析二、能管大数据技术应用三、具体应用功能二、能管大数据技术应用大数据技术基础概念二、能管大数据技术应用大数据技术正在逐渐从互联网应用向工业应用方向发展，其应用趋势主要包括：预测分析、相关性分析、优化分析和异常预警等。大数据技术基本原理二、能管大数据技术应用能管大数据应用总体架构将关于生产系统能源利用的海量过程数据、设备数据、成本数据、工艺数据、质量数据等，经过实时采集、数据清洗和滤波，并基于聚类、分类、关联分析、异常侦测、主成分等多种算法，建立各类分析模型，并封装成可重复调用的微服务组件，提供技术经济指标分析、生产运行优化、产效诊断、环保减排等微应用。二、能管大数据技术应用能源管控大数据应用功能清单序号功能名称实施内容具体方法效益预期1链条炉炉排燃烧运行优化变工况运行条件下，在线实时执行以下功能：燃烧效率的计算典型工况的识别与寻优影响因素偏差分析与展示优化操作指导有效性评价与效益核算选择一定变工况出力范围，采集锅炉热负荷、系统运行/试验数据，构建炉排燃烧优化大数据特征模型，以锅炉当前燃烧效率动态最优为目标，量化分析煤层厚度、煤粒粒径、炉排速度、炉床温度、炉膛出口温度、给煤速率、飞灰含碳量、炉渣含碳量等参数的偏差影响，并可视化展示、排序、报警、对应提示改进性操作措施。实际运行燃烧效率平均提高10%2过量空气系数在线诊断变工况运行条件下，在线实时执行以下功能：过量空气系数的实时计算锅炉热效率、净效率的计算锅炉出口最佳氧量的寻优影响因素的偏差比对与展示氧量沿程分布及重要设备区段漏风率计算的显示、报警选择一定变工况出力范围，采集锅炉热负荷、系统运行/试验数据，构建最佳过量空气系数大数据特征模型，以锅炉热效率/净效率动态最优为目标，量化分析送风量、风煤比、风箱炉膛差压、排烟温度、送风机电流、引风机电流以及烟气上下游沿程区段位置含氧量（如炉膛出口、烟道、空预器、电除尘）等参数的偏差影响，并可视化展示、排序、报警、对应提示改进性操作措施。自动生成最佳氧量运行基准曲线图。实际运行热效率平均提高8%二、能管大数据技术应用能源管控大数据应用功能清单序号功能名称实施内容具体方法效益预期3受热面清洁状态综合评估变工况运行条件下，在线实时执行以下功能：锅炉换热效率、受热面清洁系数的实时计算。换热效率变工况寻优。影响因素偏差分析与展示。锅炉吹灰操作指导。受热面外表面积灰结渣状态与速率预测。受热面内表面结垢状态与速率预测。选择一定变工况出力范围，采集锅炉烟气/汽水工质数据、换热管束状态数据、在线化学仪表数据、燃煤量、燃料成分等，构建受热面清洁系数大数据特征模型，实时计算锅炉换热效率、受热面清洁系数，以锅炉当前换热效率动态最优为目标，量化分析水汽品质、受热面金属壁温、汽水温度、工质温降、烟水温差等参数的偏差影响，并可视化展示、排序、报警、对应提示改进性操作措施。实际运行换热效率平均提高15%4大气污染物排放预测预调变工况运行条件下，在线实时执行以下功能：锅炉出口氮氧化物、二氧化硫排放浓度的实时预测。尽早法、推迟法、强风后吹法、混合法配风方式的判断。预测排放浓度与在线检测排放浓度的比对，以及操作项参数的偏差对比、关联参数的相关度排序、操作修正措施推荐。根据锅炉每天负荷计划预测环保成本经济性。选择一定变工况出力范围，采集历史数据库中的锅炉与烟气治理系统的运行数据、操作数据、质量数据、物料平衡数据和能源数据，应用深度学习神经网络算法，建立低氮燃烧、炉内脱硫操作参数与其锅炉出口氮氧化物、二氧化硫排放浓度的软测量模型，对锅炉出口大气污染物排放浓度进行实时计算，缩短污染物炉前脱除工艺的滞后时间。输出一二次风门开度、脱硫剂用量、脱硫剂颗粒粒径、脱硫剂纯度、脱硫效率等操作指导参数。确保达标排放，污染物脱除效率提高25%二、能管大数据技术应用能源管控大数据应用功能清单序号功能名称实施内容具体方法效益预期5锅炉动力站负荷预控调度站总热负荷的预测分台锅炉热负荷的安全经济分配总负荷加权台平均预测值与各台锅炉最大可达到出力的偏差分析。每台锅炉可达到出力与加权台平均热负荷的偏差分析，可视化展示限制出力因子的影响度排序。在总热负荷相同条件下，全站/分台锅炉单位综合煤耗预测值、实际值的比对分析。采集历史数据库中的气候环境、作业产量、设备产能、工艺能耗、供热标准、用热面积、耗热强度等数据，应用深度学习神经网络算法，建立锅炉热负荷软测量模型，预测输出锅炉站所总热负荷数值、分台锅炉热负荷数值。生成锅炉计划负荷延续时间图、煤耗微增率分布时间图，并列显最大负荷、平均负荷、最低负荷等数据。锅炉站所运行煤耗降低20%6热用户适用定额动态优化蒸汽采暖、温水采暖、涂装烘干、生活热水、产汽自用等用户动态预测母管、分汽缸、分支、用户的实时负荷定额。动态预测母管、分汽缸、分支、用户的累积耗热量定额。各项定额值与实际值的比较。各项完成偏差的报警及原因分析。采集季节气候、产品数量、产品合格率、热指标先进值、用热面积、等数据，应用深度学习神经网络算法，建立热用户用热定额软测量模型，预测输出热力管网干线、分支、用户端的用热负荷定额数值和时期累积耗热定额数值，对应比对不同单元的实际用热负荷、耗热量，可视化进行实绩偏差分析，并进行用热负荷、耗热总量与单位用热指标的动态排序、报警。降低需求侧用热损耗15%二、能管大数据技术应用能源管控大数据应用功能清单序号功能名称实施内容具体方法效益预期7热力系统汽水损耗监控优化热力系统汽水损耗可分为正常损耗和非正常损耗。开放式用热导致无法工质回收的情况属于正常损耗，如锅炉吹灰、锅炉排污、水龙头等；由于外漏引起的损耗属于非正常损耗。具体内容如下：汽水损失率计算凝结水回水率计算汽水损耗异常侦测、识别、报警采集给水流量、给水压力、补水流量、补水压力、补水箱水位、供汽流量、蒸汽压力、供水流量、供水压力、回水压力、回水流量等参数，进行数据清洗、滤波和标准化，对热力系统进行汽水损耗工况分析，进行多维变量异常侦测，识别异常点，生成汽水损耗点具体位置、是否正常、工质数量等报告、报警。汽水损失率控制在1%以下8热力系统用能平衡与效率优化热能利用不平衡率的计算系统整体、各环节热能利用率的计算热能利用率关联参数的相关度排序及可视化展示、提效操作措施指导采集热力系统汽水工质的流量、压力、温度等参数，进行数据清洗、滤波和标准化，对热力系统的热能利用率指标以及影响参数进行相关性分析计算，并根据相关系数的结果以及参数在能源设备的不同位置，可视化展示相关性分析结果，并报警。热能利用率整体提高3%目录一、现状分析二、能管大数据技术应用三、具体应用功能三、具体应用功能大数据应用需求分析限制能源利用总量、优化能源利用结构、控制能耗用量增速、提升能源利用效率是新时代高质量发展的重要方面，响应国家能源管理不断精细化、体系化、规范化、创新化的趋势要求，自发、分期、持续建设增强自身能源管控能力，在线监测、计量配备、集中监控、数据集成、实绩报表、组织管理等方面的软硬件基础业已扎实。经现场调研，目前能管中心还急需在能源平衡、预测、调度、报警、诊断等优化、分析、决策层面进行功能增强。比如：跨业务域关联分析操作条件对耗能数量的影响分析操作条件对用能效率的影响分析用能链上能耗影响因素相关性分析相关性分析时滞分析操作变量之间的时滞计算操作变量与用能步序、用能效率之间的时滞计算实时分析氮氧化物排放浓度的软测量二氧化硫排放浓度的软测量炉排床温的软测量软测量质量控制蒸汽品质的直接控制回水水质的评估处理操作优化生产用能模式的自动识别和计算模式识别参数寻优能耗强度的优化分析工艺效率的优化分析工序耗能的优化分析换热器优化换热器效率的实时评估换热器性能评估清洗周期优化优化清洗周期避免清洗不到位减少过度清洗异常预警操作参数异常分析和预警品质参数异常分析和预警单指标异常分析多指标异常分析生产用能模式分析关键指标组合异常分析和预警三、具体应用功能链条炉炉排燃烧运行优化1锅炉热负荷、系统运行/试验数据聚类分析生产工况划分生产工况辨识模型遗传算法寻优实时采集当前工况数据最优工艺参数实时推荐

采集锅炉热负荷、系统运行/试验数据，构建炉排燃烧优化大数据特征模型，以锅炉当前燃烧效率动态最优为目标，量化分析煤层厚度、煤粒粒径、炉排速度、炉床温度、炉膛出口温度、给煤速率、飞灰含碳量、炉渣含碳量等参数的偏差影响，并可视化展示、排序、报警、对应提示改进性操作措施。炉排燃烧优化模型三、具体应用功能过量空气系数在线诊断2

采集锅炉热负荷、系统运行/试验数据，构建最佳过量空气系数大数据特征模型，以锅炉热效率/净效率动态最优为目标，量化分析送风量、风煤比、风箱炉膛差压、排烟温度、送风机电流、引风机电流以及烟气上下游沿程区段位置含氧量（如炉膛出口、烟道、空预器、电除尘）等参数的偏差影响，并可视化展示、排序、报警、对应提示改进性操作措施。自动生成最佳氧量运行基准曲线图。研究方法实现过程分类模型的数据源建立分类模型形成操作样本库参数寻优聚类分析待优化目标强相关变量整理利用聚类结果，建立SVM分类模型，并对模型的分类效果进行评估。整理历史数据，首先经过预处理和标准化，然后用主成分降维，最后进行聚类分析，输出聚类结果。将与目标对应的强相关的操作参数导入操作样本库中，以此作为参数寻优的样本。操作样本库生成原始数据主成分降维聚类结果输出SVM分类器分类结果评估在操作样本库中，搜索不同目标参数的最优值，以及对应的强相关的操作变量的取值。进而可以实现基于优化目标的推荐操作参数。三、具体应用功能受热面清洁状态综合评估3

采集锅炉烟气/汽水工质数据、换热管束状态数据、在线化学仪表数据、燃煤量、燃料成分等，构建受热面清洁系数大数据特征模型，实时计算锅炉换热效率、受热面清洁系数，以锅炉当前换热效率动态最优为目标，量化分析水汽品质、受热面金属壁温、汽水温度、工质温降、烟水温差等参数的偏差影响，并可视化展示、排序、报警、对应提示改进性操作措施。边际条件工况1工况n工况2……….多元线性回归模型可调变量1可调变量2可调变量3可调变量n自定义目标变量1目标变量2目标变量3目标变量n自定义输入输出影响因子排序目标变量预测热负荷优化操作指导异常诊断操作仿真生产预警三、具体应用功能大气污染物排放预测预调4

采集历史数据库中的锅炉与烟气治理系统的运行数据、操作数据、质量数据、物料平衡数据和能源数据，应用深度学习神经网络算法，建立低氮燃烧、炉内脱硫操作参数与其锅炉出口氮氧化物、二氧化硫排放浓度的软测量模型，对锅炉出口大气污染物排放浓度进行实时计算，缩短污染物炉前脱除工艺的滞后时间。输出一二次风门开度、脱硫剂用量、脱硫剂颗粒粒径、脱硫剂纯度、脱硫效率等操作指导参数，实现对污染物排放浓度的超前预控调整。研究方法实现过程原始数据模型训练模型预测数据采集从原始数据中导出操作变量以及污染物排放浓度作为神经网络模型训练的输入和输出。不断用新增的输入和输出对模型进行再训练，以保证模型的预测精度。接入操作参数数据软测量采集相关操作参数到神经网络模型中进行计算；实现对污染物排放浓度的软测量，指导脱污操作。导入运行数据、操作数据、质量数据、物料平衡数据和能源数据。模型输入模型输出神经网络模型训练三、具体应用功能锅炉动力站负荷预控调度5

采集历史数据库中的气候环境、作业产量、设备产能、工艺能耗、供热标准、用热面积、耗热强度等数据，应用深度学习神经网络算法，建立锅炉热负荷软测量模型，预测输出锅炉站所总热负荷数值、分台锅炉热负荷数值。生成锅炉计划负荷延续时间图、煤耗微增率分布时间图，并列显最大负荷、平均负荷、最低负荷等数据，实现供给超前响应需求的预控调度。输入数据作业产量设置产能工艺能耗锅炉站所总热负荷数值分台锅炉热负荷数值输出数据气候环境作业产量设置产能工艺能耗未来数据气候环境深度学习神经网络训练训练预测数据输出实现锅炉动力站热负荷的预测输入三、具体应用功能热用户适用定额动态优化6

采集季节气候、产品数量、产品合格率、热指标先进值、用热面积、等数据，应用深度学习神经网络算法，建立热用户用热定额软测量模型，预测输出热力管网干线、分支、用户端的用热负荷定额数值和时期累积耗热定额数值，对应比对不同单元的实际用热负荷、耗热量，可视化进行实绩偏差分析，并进行用热负荷、耗热总量与单位用热指标的动态排序、报警。工况划分与识别三、具体应用功能热力系统汽水损耗监控优化7

采集给水流量、给水压力、补水流量、补水压力、补水箱水位、供汽流量、蒸汽压力、供水流量、供水压力、回水压力、回水流量等参数，进行数据清洗、滤波和标准化，对热力系统进行汽水损耗工况分析，进行多维变量异常侦测，识别异常点，生成汽水损耗点具体位置、是否正常、工质数量等报告