1研究背景1.1项目概况内蒙古某电厂供热系统包含空冷机组抽汽、高背压供汽、湿冷机组抽汽等汽源，同时含有热泵、储热罐、热网加热器等供热设备。内蒙古某电厂供热系统结构如图1所示。供热系统结构复杂，很多关键参数对不同子系统的影响规律不同甚至相反，导致这些关键参数的取值无法根据简单的定性分析直接得出。5号机背压升高时，一方面导致5号机煤耗上升，不利于节能；另一方面能够提升前置加热器换热量以及热泵冷源温度水平，从而提升热泵出口水温，降低供热能耗，5号机背压的选择是两种相反方向影响的综合效果[1-2]。这种综合效果又受到机组功率、实时效率、供热负荷等外部条件的影响，无法凭直观经验或定性分析直接得出。这些参数是决定全厂供热系统性能的关键，供热系统的运行优化过程中主要优化这些关键参数[3-4]。10.3969/j.issn.1004-7948.2023.11.018.F001图1内蒙古某电厂供热系统1.2供热系统特点参考2021~2022年采暖季历史运行数据，分析基于大数据与AI技术的供热系统智能优化项目实施前，内蒙古某电厂的供热系统的基本情况。供热尖峰期和供热早末期的热负荷变化较大。2021~2022年供热季的热负荷变化如图2所示。供热尖峰期热负荷为1 600~1 800 GJ/h，供热早末期热负荷为800~1 000 GJ/h，尖峰期与供热早末期的供热量相差一倍多。10.3969/j.issn.1004-7948.2023.11.018.F002图22021~2022年供热季的热负荷变化供热期各机组每天的电功率变化很大。1~4号机组和5号机组的功率趋势及对比由图3~图5所示。在供热期，1~4号机的负荷变动范围为80~180 MW；5号机的负荷变动范围为290~580 MW，每天的电负荷变化幅度非常大。10.3969/j.issn.1004-7948.2023.11.018.F003图31~4号机组的功率趋势10.3969/j.issn.1004-7948.2023.11.018.F004图45号机组的功率趋势10.3969/j.issn.1004-7948.2023.11.018.F005图51~4号机组与5号机组的功率趋势对比供热智能优化项目实施前，供热系统关键参数变化剧烈。且这些关键参数（5号机组背压、5号机组抽汽、热泵出口温度等）变化无规律或被动跟随机组功率变化，供热系统运行时缺少明确的优化策略。5号机组背压变化情况如图6所示。根据2020年12月背压历史数据，5号机组运行背压长期处于较高水平且波动幅度较大，月平均背压值为22.23 kPa。10.3969/j.issn.1004-7948.2023.11.018.F006图65号机组背压变化情况1~4号机组与5号机之间的热负荷分配对全厂供热系统性能的影响巨大。一方面，1~4号机组抽汽参数低时，抽汽带来的功率损失也更低；另一方面，虽然5号机抽汽参数高，但其抽汽由驱动热泵利用部分乏汽后综合供热。因此，无法通过简单的定性分析判断哪种供热方式更节能。虽然1~4号机组均为200 MW湿冷机组，但各机组之间也存在热负荷优化分配问题，无法直接从定性分析中得出结论，必须开展较为精确的机组特性分析、建模等工作。由于内蒙古某电厂供热系统结构复杂、各类设备数量多且运行方式多样，无法通过简单的定性分析获得节能优化运行的方向，需要开展各机组和热泵等主要设备的精确建模与定量优化分析等工作。2大数据技术与供热单元建模2.1大数据技术大数据技术的根本是对大量信息的处理，包括数据采集、预处理、存储、可视化等阶段。企业通常将多种数据集中起来进行分析处理，数量级一般约为PB规模[5]。大数据特性通常从数据量、速度、类型、价值密度这4个方面进行概括，具有以下特征：数据量巨大；数据速度快；数据类型繁多；数据价值密度低[6]。大数据技术的应用对火电厂的生产管理有重大意义[7]。2.2机组数字孪生模型的大数据分析使用大数据方法对项目所建立的机组数字孪生模型开展准确性评估。选取2021年12月15日约700组数据，将模型的计算功率与机组的功率表中的实际功率对比，1号机组的功率趋势和相对误差如图7和图8所示。1号机组数字孪生模型的准确性可达99%，误差仅1%左右，计算功率与实际功率的变化趋势吻合度很高，利用数字孪生模型模拟实际工况的准确性与可信度均较高。10.3969/j.issn.1004-7948.2023.11.018.F007图71号机组的功率趋势10.3969/j.issn.1004-7948.2023.11.018.F008图81号机组的功率相对误差3供热系统智能优化软件主要功能3.1供热优化供热系统智能优化软件搭建了内蒙古某电厂供热大数据平台，汇集电厂供热系统的生产实时和历史数据、生产安全相关的管理数据和外部数据，建立海量数据的采集、汇聚、治理、存储、分析、访问和管理的大数据服务体系；提供开发平台和应用市场平台，支持算法、模型、应用的二次开发和集成，为开展供热生产的安全监测、智能分析以及后续开展深度应用提供数据平台支撑。供热系统智能优化软件提供在线供热负荷优化程序，利用大数据平台中的试验、测试数据、性能计算数据，形成最新的热泵、汽机、机组以及全厂的各种经济特性曲线，并根据当前的热负荷指令和发电计划，计算输出电厂各机组的供热负荷分配结果。供热系统智能优化软件提供了优化指导曲线，指导运行操作人员进行目标值的调整。供热优化指导曲线如图9所示。10.3969/j.issn.1004-7948.2023.11.018.F009图9供热优化指导曲线3.2运行考核供热系统智能优化平台根据定义的考核指标，按月统计各班值各项指标的完成情况，按照一定的记分规则进行打分，并进行排名计分。主要考核指标包括：1~4号机组抽汽流量、5号机组抽汽流量、5号机组背压等。实时绩效界面如图10所示。10.3969/j.issn.1004-7948.2023.11.018.F010图10实时绩效界面4供热系统优化策略及实施效果4.1多机组供热总体优化策略基于2021年12月~2022年4月的供热季历史数据，对1~4号机组供热抽汽煤耗特性、5号机组供热抽汽背压煤耗特性、热泵运行特性进行综合建模，结合大数据人工智能算法综合分析得出的优化运行指导策略。根据5号机组的负荷情况，优化运行方案主要分为5号机组中高负荷与低负荷两种。多机组供热优化节能策略如表1所示。10.3969/j.issn.1004-7948.2023.11.018.T001表1多机组供热优化节能策略项目5号机中高负荷（350MW以上）5号低负荷（350MW以下）热负荷分配减少空冷-热泵单元的供热负荷，增加湿冷-尖峰单元的供热负荷。增加空冷-热泵单元的供热负荷，减少湿冷-尖峰单元的供热负荷。热泵出口温度降低热泵出口温度增加热泵出口温度5号机背压大幅降低5号机组背压（通常为20~30 kPa），至10 kPa甚至更低。降低五号机背压至最优值（一般为16~18 kPa）附近5号机抽汽量背压降低后，调整（一般为降低）5号机组抽汽量，保证热泵出口温度。背压降低后，调整（一般为增加）5号机组抽汽，保证热泵出口温度。1~4号机抽汽量增加1~4号机抽汽量减少1~4号机抽汽量1~4号机抽汽分配优先增加1、3号机组抽气量优先减小2、4号机组抽气量5号机组处于中高负荷时（350 MW以上），需要减少空冷-热泵单元的供热负荷，增加湿冷-尖峰单元的供热负荷，即降低热泵出口温度。此时，对于空冷-热泵单元供热，优先降低5号机组背压至安全限值，其次降低5号机组供热抽气量。5号机组处于低负荷时（350 MW以下），需要增加空冷-热泵单元的供热负荷，减少湿冷-尖峰单元的供热负荷，即增加热泵出口温度。此时，对于空冷-热泵单元供热，优先增加5号机组的背压至模型计算背压最优值(17 kPa)附近，其次增加5号机组供热抽气量。4.2供热系统优化节能效果4.2.12021年供热季运行结果分析2021年供热机组完全未优化，选择供热尖峰期的800个数据点作为研究对象。若采取相应的供热系统智能优化策略，则节能效果明显。供热机组优化前后煤耗对比如图11所示。10.3969/j.issn.1004-7948.2023.11.018.F011图11供热机组优化前后煤耗对比2021年总节煤效果分析如图12所示。基于2021年平均中高背压运行情况，按照供热系统智能优化策略运行，在中高负荷下可以平均节省标准煤约1.1 t/h，在低负荷下可以平均节省标准煤约2.0 t/h，节能量较高。10.3969/j.issn.1004-7948.2023.11.018.F012图122021年总节煤效果分析4.2.22022年运行结果分析2022年，项目正在实施过程中，采暖季前已有初步优化结论提供给电厂，电厂采纳了其中的部分建议，因此，相比于2021年最新的供热系统运行过程中，节能量相对减少。2022年供热机组优化前后煤耗对比如图13所示。10.3969/j.issn.1004-7948.2023.11.018.F013图132022年供热机组优化前后煤耗对比基于大数据与数字孪生技术，对基于大数据与AI技术的供热系统智能优化项目的节能量展开评估。2022年总节煤效果分析结果如图14所示。基于2022年平均低背压运行情况，按照供热系统智能优化策略运行，在中高负荷可以平均节省标准煤约0.8 t/h，在低负荷可以平均节省标准煤约0.5 t/h，仍有一定的节能量。10.3969/j.issn.1004-7948.2023.11.018.F014图142022年总节煤效果分析结果5结语文中介绍供热系统大数据优化算法的理论依据和具体方法。按照供热系统智能优化策略运行，2021年供热季时，在中高负荷情况下可以节省标准煤约1.1 t/h，在低负荷情况下可以节省标准煤约2.0 t/h；2022年供热季部分时间采用了供热优化策略，仍可在中高负荷情况下节省标准煤约0.8 t/h，在低负荷情况下节省标准煤约0.5 t/h。实际运行表明，机组的运行品质得到极大改善，取得了良好的节能效果。