资源描述：
第 ３ ０卷第 １ ２期 计算机应用与软件Ｖ ｏ ｌ ３ ０Ｎ ｏ ． １ ２ ２ ０ １ ３年 １ ２月 Ｃ ｏ ｍ ｐ ｕ ｔ ｅ ｒ Ａ ｐ ｐ ｌ ｉ ｃ ａ ｔ ｉ ｏ ｎ ｓ ａ ｎ ｄＳ ｏ ｆ ｔ ｗ ａ ｒ ｅＤ ｅ ｃ ． ２ ０ １ ３ 基于 Ｍａ ｒ ｋ ｏ ｖ 链的燃煤锅炉煤耗量预测方法研究 闫 向 军 （ 胜利油田热电联供中心 山东 东营 ２ ５ ７ ０ ８ ７ ） 收稿日期 ２ ０ １ ２－ １ ０－ ２ ５ 。闫向军， 高工， 主研领域 热动， 信息技术 应用。 摘 要 传统燃煤锅炉煤耗统计方法具有统计偏差大、 数据不稳定等问题， 为有效提高煤耗统计的准确性， 给燃煤供给的科学配 置提供可靠依据， 提出一种基于加权 Ｍ ａ ｒ ｋ ｏ ｖ 链的煤耗量预测分析方法。通过选取日均回水温度、 供回水温差、 日均气温和最低气温 等指标为状态参数值， 基于 Ｍ ａ ｒ ｋ ｏ ｖ 链建模思想， 以日煤耗量为数据样本， 建立了基于加权 Ｍ ａ ｒ ｋ ｏ ｖ 链的燃煤锅炉的煤耗量预测分析 模型。实验结果表明， 该模型能够充分利用已有的数据信息， 实现良好的预测效果， 并真实反映实际的煤耗情况， 给燃煤的最佳供给 与科学控制提供可靠依据， 具有工程应用价值。 关键词 马尔科夫链 燃煤锅炉 煤耗量 建模 预测 中图分类号 Ｔ Ｐ ３ １ １ 文献标识码 Ａ Ｄ Ｏ Ｉ １ ０ ． ３ ９ ６ ９ ／ ｊ ． ｉ ｓ ｓ ｎ ． １ ０ ０ ０ ３ ８ ６ ｘ ． ２ ０ １ ３ ． １ ２ ． ０ ７ １ Ｒ Ｅ Ｓ Ｅ Ａ Ｒ Ｃ ＨＯ ＮＭＡ Ｒ Ｋ Ｏ ＶＣ Ｈ Ａ Ｉ ＮＢ Ａ Ｓ Ｅ ＤＣ Ｏ Ａ Ｌ Ｆ Ｉ Ｒ Ｅ Ｄ Ｂ Ｏ Ｉ Ｌ Ｅ ＲＣ Ｏ Ｎ Ｓ Ｕ ＭＰ Ｔ Ｉ Ｏ ＮＰ Ｒ Ｅ Ｄ Ｉ Ｃ Ｔ Ｉ Ｏ ＮＭＥ Ｔ Ｈ Ｏ Ｄ Ｙ ａ ｎＸ ｉ ａ ｎ ｇ ｊ ｕ ｎ （ Ｃ ｅ ｎ ｔ ｅ ｒ ｏ ｆ Ｃ ｏ ｇ ｅ ｎ ｅ ｒ ａ ｔ ｉ ｏ ｎ ，Ｓ ｈ ｅ ｎ ｇ ｌ ｉ Ｏ ｉ ｌ Ｆ ｉ ｅ ｌ ｄ ，Ｄ ｏ ｎ ｇ ｙ ｉ ｎ ｇ２ ５ ７ ０ ８ ７ ，Ｓ ｈ ａ ｎ ｄ ｏ ｎ ｇ ，Ｃ ｈ ｉ ｎ ａ ） Ａ ｂ ｓ ｔ ｒ ａ ｃ ｔ Ｔ ｈ ｅ ｒ ｅａ ｒ ｅｓ ｕ ｃ ｈｐ ｒ ｏ ｂ ｌ ｅ ｍ ｓａ ｓｇ ｒ ｅ ａ ｔ ｄ ｅ ｖ ｉ ａ ｔ ｉ ｏ ｎｉ ｎｓ ｔ ａ ｔ ｉ ｓ ｔ ｉ ｃ ｓａ ｎ ｄｉ ｎ ｓ ｔ ａ ｂ ｉ ｌ ｉ ｔ ｙｏ ｆ ｄ ａ ｔ ａｅ ｔ ｃ ．ｗ ｉ ｔ ｈｔ ｈ ｅｔ ｒ ａ ｄ ｉ ｔ ｉ ｏ ｎ ａ ｌ ｃ ｏ ａ ｌ ｆ ｉ ｒ ｅ ｄｂ ｏ ｉ ｌ ｅ ｒｃ ｏ ａ ｌ ｃ ｏ ｎ ｓ ｕ ｍ ｐ ｔ ｉ ｏ ｎｓ ｔ ａ ｔ ｉ ｓ ｔ ｉ ｃ ａ ｌ ｍ ｅ ｔ ｈ ｏ ｄ ．Ｉ ｎｏ ｒ ｄ ｅ ｒ ｔ ｏｉ ｍ ｐ ｒ ｏ ｖ ｅｔ ｈ ｅａ ｃ ｃ ｕ ｒ ａ ｃ ｙｏ ｆ ｃ ｏ ａ ｌ ｃ ｏ ｎ ｓ ｕ ｍ ｐ ｔ ｉ ｏ ｎｓ ｔ ａ ｔ ｉ ｓ ｔ ｉ ｃ ｓａ ｎ ｄｐ ｒ ｏ ｖ ｉ ｄ ｅａｒ ｅ ｌ ｉ ａ ｂ ｌ ｅｂ ａ ｓ ｉ ｓｆ ｏ ｒ ｔ ｈ ｅｓ ｃ ｉ ｅ ｎ ｔ ｉ ｆ ｉ ｃ ａ ｌ ｌ ｏ ｃ ａ ｔ ｉ ｏ ｎｏ ｆ ｃ ｏ ａ ｌ ｆ ｉ ｒ ｅ ｓ ｕ ｐ ｐ ｌ ｉ ｃ ａ ｔ ｉ ｏ ｎ ， ｔ ｈ ｅ ｐ ａ ｐ ｅ ｒ ｐ ｒ ｏ ｐ ｏ ｓ ｅ ｓ ａ ｗ ｅ ｉ ｇ ｈ ｔ ｅ ｄ Ｍ ａ ｒ ｋ ｏ ｖ ｃ ｈ ａ ｉ ｎ ｂ ａ ｓ ｅ ｄ ｃ ｏ ａ ｌ ｃ ｏ ｎ ｓ ｕ ｍ ｐ ｔ ｉ ｏ ｎ ｐ ｒ ｅ ｄ ｉ ｃ ｔ ｉ ｏ ｎ ａ ｎ ａ ｌ ｙ ｓ ｉ ｓ ｍ ｅ ｔ ｈ ｏ ｄ ． Ｂ ｙ ｓ ｅ ｌ ｅ ｃ ｔ ｉ ｎ ｇ ｄ ａ ｉ ｌ ｙ ａ ｖ ｅ ｒ ａ ｇ ｅｒ ｅ ｔ ｕ ｒ ｎｗ ａ ｔ ｅ ｒｔ ｅ ｍ ｐ ｅ ｒ ａ ｔ ｕ ｒ ｅ ，ｔ ｅ ｍ ｐ ｅ ｒ ａ ｔ ｕ ｒ ｅｄ ｉ ｆ ｆ ｅ ｒ ｅ ｎ ｃ ｅｂ ｅ ｔ ｗ ｅ ｅ ｎｓ ｕ ｐ ｐ ｌ ｙｗ ａ ｔ ｅ ｒａ ｎ ｄｒ ｅ ｔ ｕ ｒ ｎｗ ａ ｔ ｅ ｒ ，ｄ ａ ｉ ｌ ｙａ ｖ ｅ ｒ ａ ｇ ｅｔ ｅ ｍ ｐ ｅ ｒ ａ ｔ ｕ ｒ ｅ ，ｌ ｏ ｗ ｅ ｓ ｔ ｔ ｅ ｍ ｐ ｅ ｒ ａ ｔ ｕ ｒ ｅ ａ ｎ ｄｏ ｔ ｈ ｅ ｒｉ ｎ ｄ ｉ ｃ ｅ ｓａ ｓｓ ｔ ａ ｔ ｕ ｓｐ ａ ｒ ａ ｍ ｅ ｔ ｅ ｒｖ ａ ｌ ｕ ｅ ｓ ，ｂ ａ ｓ ｅ ｄｏ ｎＭ ａ ｒ ｋ ｏ ｖｃ ｈ ａ ｉ ｎｍ ｏ ｄ ｅ ｌ ｉ ｎ ｇｔ ｈ ｏ ｕ ｇ ｈ ｔ ，ｔ ａ ｋ ｉ ｎ ｇｄ ａ ｉ ｌ ｙｃ ｏ ａ ｌ ｃ ｏ ｎ ｓ ｕ ｍ ｐ ｔ ｉ ｏ ｎａ ｓｄ ａ ｔ ａ ｓ ａ ｍ ｐ ｌ ｅ ，ｉ ｔ ｅ ｓ ｔ ａ ｂ ｌ ｉ ｓ ｈ ｅ ｓ ａ ｗ ｅ ｉ ｇ ｈ ｔ ｅ ｄＭ ａ ｒ ｋ ｏ ｖ ｃ ｈ ａ ｉ ｎｂ ａ ｓ ｅ ｄｃ ｏ ａ ｌ ｆ ｉ ｒ ｅ ｄｂ ｏ ｉ ｌ ｅ ｒ ’ ｓ ｃ ｏ ａ ｌ ｃ ｏ ｎ ｓ ｕ ｍ ｐ ｔ ｉ ｏ ｎｐ ｒ ｅ ｄ ｉ ｃ ｔ ｉ ｏ ｎａ ｎ ａ ｌ ｙ ｓ ｉ ｓ ｍ ｏ ｄ ｅ ｌ ．Ｅ ｘ ｐ ｅ ｒ ｉ ｍ ｅ ｎ ｔ ｒ ｅ ｓ ｕ ｌ ｔ ｓ ｓ ｈ ｏ ｗ ｔ ｈ ａ ｔ ｔ ｈ ｅ ｍ ｏ ｄ ｅ ｌ ｃ ａ ｎｆ ｕ ｌ ｌ ｙｔ ａ ｋ ｅａ ｄ ｖ ａ ｎ ｔ ａ ｇ ｅｏ ｆ ｅ ｘ ｉ ｓ ｔ ｉ ｎ ｇｄ ａ ｔ ａｉ ｎ ｆ ｏ ｒ ｍ ａ ｔ ｉ ｏ ｎ ，ａ ｃ ｈ ｉ ｅ ｖ ｅｇ ｏ ｏ ｄｐ ｒ ｅ ｄ ｉ ｃ ｔ ｉ ｏ ｎｅ ｆ ｆ ｅ ｃ ｔ ｓａ ｎ ｄｔ ｒ ｕ ｌ ｙｒ ｅ ｆ ｌ ｅ ｃ ｔ ａ ｃ ｔ ｕ ａ ｌ ｃ ｏ ａ ｌ ｃ ｏ ｎ ｓ ｕ ｍ ｐ ｔ ｉ ｏ ｎ ｓ ｉ ｔ ｕ ａ ｔ ｉ ｏ ｎ ，ｓ ｏ ｔ ｈ ａ ｔ ｉ ｔ ｐ ｒ ｏ ｖ ｉ ｄ ｅ ｓ ｒ ｅ ｌ ｉ ａ ｂ ｌ ｅ ｂ ａ ｓ ｉ ｓ ｆ ｏ ｒ ｃ ｏ ａ ｌ ｆ ｉ ｒ ｅ ＇ｓ ｏ ｐ ｔ ｉ ｍ ａ ｌ ｓ ｕ ｐ ｐ ｌ ｉ ｃ ａ ｔ ｉ ｏ ｎａ ｎ ｄｓ ｃ ｉ ｅ ｎ ｔ ｉ ｆ ｉ ｃ ｃ ｏ ｎ ｔ ｒ ｏ ｌ ．Ｔ ｈ ｕ ｓ ｉ ｔ ｉ ｓ ｏ ｆ ｅ ｎ ｇ ｉ ｎ ｅ ｅ ｒ ｉ ｎ ｇ ａ ｐ ｐ ｌ ｉ ｃ ａ ｔ ｉ ｏ ｎｖ ａ ｌ ｕ ｅ ． Ｋ ｅ ｙ ｗ ｏ ｒ ｄ ｓ Ｍ ａ ｒ ｋ ｏ ｖｃ ｈ ａ ｉ ｎ Ｃ ｏ ａ ｌ ｆ ｉ ｒ ｅ ｄｂ ｏ ｉ ｌ ｅ ｒ Ｃ ｏ ａ ｌ ｃ ｏ ｎ ｓ ｕ ｍ ｐ ｔ ｉ ｏ ｎ Ｍ ｏ ｄ ｅ ｌ ｉ ｎ ｇ Ｐ ｒ ｅ ｄ ｉ ｃ ｔ ｉ ｏ ｎ ０ 引 言 燃煤锅炉每年都要消耗掉大量的煤炭资源， 是供暖企业能源 消耗的主要源头。在当今世界性节能减排的大环境下， 多燃烧掉 的煤炭不仅意味着能源的浪费， 也意味着碳排放污染的增 加［ １ ， ２ ］。在如何确保供暖任务的前提下， 最大限度地节约能源、 降 低能耗， 已成为供热企业面临的首要任务。目前， 供热企业的煤 耗统计主要采用计量法、 盘存法、 经验法、 回归分析法等方法［ ３ ］， 虽然操作简单， 便于计量和现场调配， 但计量数据的稳定性差， 数 据偏差较大， 使企业很难对燃煤锅炉的煤耗做出准确统计， 难以 实现燃煤供给的科学配置， 不利于企业节能降耗措施的实施。 Ｍ ａ ｒ ｋ ｏ ｖ 链［ ４ ］常用于排队理论和统计学中的数学建模， 是分 析某一阶段内由一个状态变化到另一个状态可能性概率的有效 手段， 已在诸多领域得到广泛应用［ ５ － ８ ］。由于燃煤锅炉的煤耗 量是一系列相依的随机变量， 且在一个供暖期具有一定的稳定 性， 符合 Ｍ ａ ｒ ｋ ｏ ｖ 链数学建模的要求， 因此， 通过以规范化的日煤 耗量各阶自相关系数为权， 设计合理的指标参数， 建立基于加权 Ｍ ａ ｒ ｋ ｏ ｖ 链的燃煤锅炉煤耗的预测模型， 以实现对燃煤锅炉煤耗 量的实时预测， 能够有效克服传统煤耗统计的缺点， 大大提高煤 耗统计的准确性， 从而为燃煤供给的科学配置提供依据， 有利于 企业节能降耗措施的实施。 １ Ｍａ ｒ ｋ ｏ ｖ 链煤耗量预测模型的建立 １ ． １ Ｍａ ｒ ｋ ｏ ｖ 链含义 设随机过程 ζ （ ｔ ） 取可列值 ｒ １， ｒ２， ， ｒｎ， ， 则把 ζ （ ｔ ）＝ ｒｎ称 为系统在时刻 ｔ 处于状态 Ｅ ｎ（ ｎ＝ １ ， ２ ， ） 。若系统在时刻 ｔ 处 于 Ｅ ｎ状态， 在时刻 τ （ τ ＞ｔ ） 系统所处状态与时刻 ｔ 以前所处状 态无关， 则称 ζ （ ｔ ） 为时间连续、 状态离散的马氏过程； 而把发生 在 ｔ ＝ ｔ ｎ（ ｎ ＝ １ ， ２ ， ） 的马氏过程称为 Ｍ ａ ｒ ｋ ｏ ｖ 链。可见， Ｍ ａ ｒ ｋ ｏ ｖ 链是状态离散、 时间离散的 Ｍ ａ ｒ ｋ ｏ ｖ 过程。 如果对于任意整数 ｎ ＞ ０ ， 任意实数０ ≤ｔ ０＜ ｔ１＜ ＜ ｔｎ＜ ｔ 和 ２ ７ ０ 计算机应用与软件２ ０ １ ３年 任意 ｉ ０， ｉ１， ， ｉｎ∈Ｅ ， 且状态空间 Ｅ为非负整数集， 则有 Ｐ ［ Ｘ （ ｔ ）＝ｊＸ （ ｔ ０）＝ｉ０， Ｘ （ ｔ１）＝ｉ１， ， Ｘ （ ｔｎ）＝ｔｎ］ ＝Ｐ ［ Ｘ （ ｔ ）＝ｊＸ （ ｔ ｎ）＝ｉｎ］ （ １ ） 则将随机过程｛ Ｘ （ ｔ ） ， ｔ ≥０ ｝ 称为连续时间 Ｍ ａ ｒ ｋ ｏ ｖ 链。当 Ｍ ａ ｒ ｋ ｏ ｖ 链的转移概率 Ｐ ［ Ｘ （ ｔ ＋ｓ ）＝ｊＸ （ ｓ ）＝ ｉ ］ 不依赖于 ｓ 时， 该链及 其转移概率均称为齐次的。对于齐次连续时间 Ｍ ａ ｒ ｋ ｏ ｖ 链， 如果 ｐ ｉ ｊ（ ｔ ） 在 ｔ ＝ ０连续， 则对任意 ｉ ， ｊ ∈Ｅ有 ｌ ｉ ｍ ｔ→０ ＋ｐ ｉ ｊ（ ｔ ）＝ １ ｉ ＝ ｊ ０ ｉ ≠ { ｊ （ ２ ） 可见， 马尔可夫链描述了一种状态序列， 其每个状态值取决 于前面的有限个状态， 且随机过程在“ 现在” 已知状态下， 其“ 将 来” 的状态与“ 过去” 的状态无关。 １ ． ２ Ｍａ ｒ ｋ ｏ ｖ 链预测模型的建立 （ １ ）以有序聚类的方法建立样本空间分级标准， 计算样本 的均值 ｘ 、 样本均方差 ｓ ， 即 ｘ１ ｎ∑ ｎ ｉ ＝ １ｘ （ ｉ ） （ ３ ） ｓ＝ １ ｎ－１ ∑ ｎ ｉ ＝ １（ ｘ ｉ－ｘ ） 槡 ２ （ ４ ） （ ２ ）根据 ｘ ， ｓ 通过参数设置， 确定相应数值的对应状态。 （ ３ ）计算各阶自相关系数。 ｒ ｋ＝∑ ｎ － ｋ ｉ ＝ １（ ｘ ｉ－ｘ ） （ ｘｉ ＋ ｋ－ｘ ）∑ ｎ ｉ ＝ １（ ｘ ｉ－ｘ ） ２ （ ５ ） （ ４ ）对各阶自相关系数进行规范化， 即 ｗ ｋ＝ ｒ ｋ∑ ｍ ｉ ＝ １ ｒ ｋ （ ６ ） 作为各种滞时的马尔可夫链权重（ ｍ为预测时需要计算到的最 大阶数） 。 （ ５ ）对（ ２ ） 的计算结果进行统计， 得到不同滞时的马尔可 夫链转移概率矩阵。 （ ６ ）以前面若干数据为初始状态， 根据其转移概率矩阵， 计 算下一时刻的状态概率。 （ ７ ）对同一状态的各概率进行加权， 计算概率值， 即 Ｐ ｉ＝∑ ｍ ｋ ＝ １Ｗ ｋＰ （ ｋ ） ｉ ｉ ∈ Ｅ（ ７ ） （ ８ ）对该马尔可夫链的特征（ 遍历性、 平稳分布） 进行分析。 ２ 煤耗量预测模型实验 在建立 Ｍ ａ ｒ ｋ ｏ ｖ 链煤耗量预测模型时， 首先根据 Ｍ ａ ｒ ｋ ｏ ｖ 链 建模思想， 以日煤耗量为样本， 进行状态分级， 根据状态分级建 立对应阶数矩阵， 建立日煤耗量状态预测表， 并进行验证； 其次， 根据煤耗量影响因素， 建立日均回水温度指标、 供回水温差指 标、 日均气温指标和最低气温指标等状态参数值； 最后， 结合日 煤耗量， 建立燃煤锅炉的煤耗量预测模型。 ２ ． １ 实验数据及仿真 以胜利油田锦华锅炉房为例， 对其燃煤锅炉的日煤耗量进 行预测分析。胜利油田锦华锅炉房现有 ４台 ２ ９Ｍ Ｗ燃煤锅炉、 ５台１ ４Ｍ Ｗ燃煤锅炉， 供暖面积２ ４ １万平米， 供暖期平均日耗煤 ５ ３ ５吨。由于锦华区域供暖面积逐年递增， 为便于计算， 采用 吨／ 万平米作为日煤耗量统计单位。以锦华锅炉房 ２ ０ １ ０年、 ２ ０ １ １年供暖日煤耗量为数据样本， 如表 １所示。 表 １ 锦华锅炉房日耗煤量序列及其状态表 时间（ 序号）１２３４５６１ ２ ０ １ ２ １ １ ２ ２ 用煤量 （ 吨／ 万平米） ３ ． ２ ３ ． ３ ３ ． ８ ３ ． ４ ３ ． ４ ３ ． ５ ０ ． ６ ０ ． ４ ０ ． ６ 状态值 Ｅ １２２１２２１６６６ 根据需要， 首先将煤量需求划分为 ６个状态级别， 如表 ２所 示； 然后计算出滞时（ 步长） 为 １ 、 ２ 、 ３ 、 ４ 、 ５ 、 ６的 Ｍ ａ ｒ ｋ ｏ ｖ 链概率转 移矩阵 ｐ （ １ ） 、 ｐ （ ２ ） 、ｐ （ ３ ） 、 ｐ （ ４ ） 、 ｐ （ ５ ） 、 ｐ （ ６ ） ， 建立日耗煤量的 １－ ６阶概率转移矩阵。 表 ２ 煤炭用量指标状态值（ Ｅ １ ） 分区间（ 吨／ 万平米）状态值 Ｅ １状态名称 Ｘ ≥３ ． ４ ８１高需求 ３ ． ０ ６ ≤Ｘ＜ ３ ． ４ ８２较高需求 ２ ． ６ ６ ≤Ｘ＜ ３ ． ０ ６３一般需求 ２ ． ２ ５ ≤Ｘ＜ ２ ． ６ ６４较低需求 １ ． ８ ３ ≤Ｘ＜ ２ ． ２ ５５低需求 Ｘ＜ １ ． ８ ３６最低需求 依据 ２ ０ １ １ ． ０ ２ ． ０ １－ ２ ０ １ １ ． ０ ２ ． ０ ６的用煤量数据及其对应的 状态转移概率矩阵， 对 ２ ０ １ １ ． ０ ２ ． ０ ７的用煤量指标状态进行预 测， 如表 ３所示。 表 ３ ２ ０ １ １ ． ０ ２ ． ０ ７煤耗用量指标状态预测表 序 号 初始 日期 状 态 滞 时 状态 权重 １２３４５６ 概率 来源 １ ０ ２ ０ ６ ３ １ ０ ． ２ ０ ８ ４ ３ ３ ／ ３ ５５ ／ ３ ５ ２ １ ／ ３ ５ ６ ／ ３ ５００ｐ （ １ ） ２ ０ ２ ０ ５ ３ ２ ０ ． １ ９ ２ ６ ５ １ ／ ３ ３７ ／ ３ ３ ２ ０ ／ ３ ３ ４ ／ ３ ３１ ／ ３ ３０ｐ （ ２ ） ３ ０ ２ ０ ４ ３ ３ ０ ． １ ７ ３ １ ２ ３ ／ ３ ５７ ／ ３ ５ １ ８ ／ ３ ５ ４ ／ ３ ５２ ／ ３ ５１ ／ ３ ５ｐ （ ３ ） ４ ０ ２ ０ ３ ３ ４ ０ ． １ ６ １ ８ ２ ３ ／ ３ ５４ ／ ３ ５ ２ ０ ／ ３ ５ ５ ／ ３ ５１ ／ ３ ５２ ／ ３ ５ｐ （ ４ ） ５ ０ ２ ０ ２ ３ ５ ０ ． １ ４ ０ ８ ５ ２ ／ ３ ４５ ／ ３ ４ １ ７ ／ ３ ４ ５ ／ ３ ４２ ／ ３ ４３ ／ ３ ４ｐ （ ５ ） ６ ０ ２ ０ １ ３ ６ ０ ． １ ２ ３ １ １ １ ／ ３ ３６ ／ ３ ３ １ ４ ／ ３ ３ ６ ／ ３ ３２ ／ ３ ３４ ／ ３ ３ｐ （ ６ ） Ｐｉ（ 加权和）０ ． ０ ６ ４ ４０ ． １ ６ ６ ９０ ． ４ ９ ６ ３０ ． ２ ９ １ ００ ． ０ ３ ６ １０ ． ０ ３ ７ ８ 由表３ 可知， ｍ ａ ｘ ｛ Ｐ ｉ， ｉ ∈Ｅ ｝＝ ０ ． ４ ９ ６ ３ ， 此时 ｉ ＝ ３ ， 即 ２ ０ １ １ ． ０ ２ ． ０ ７ 日煤耗量预测状态为 ３ （ 一般需求） ， 煤炭用量要求为 ２ ． ６ ６ ≤ 煤炭用量 ＜ ３ ． ０ ６ ， 而 ２ ０ １ １ ． ０ ２ ． ０ ７的实际煤耗量为 ２ ． ７ ３吨／ 万平 米。同理， 对２ ０ １ １ ． ０ ２ ． ２ ０ － ２ ０ １ １ ． ０ ２ ． ２ ６ 的用煤量及其相应的状态 转移概率矩阵对２ ０ １ １ ． ０ ２ ． ２ ７ 的用煤量状态进行预测； 结果表明， ２ ０ １ １ ． ０ ２ ． ２ ７ 日煤耗量预测状态为６ （ 最低需求） ， 煤炭用量要求为 煤炭用量 ＜ １ ． ８ ３ ， 而 ２ ０ １ １ ． ０ ２ ． ２ ７实际的煤耗量为 ０ ． ８ ４吨／ 万平 米。两次预测结果都非常准确。 上述计算中， 由步长 １到 ６的转移概率矩阵可知， 对任意的 非周期 ｉ ， ｊ ∈Ｅ ， ｉ ｊ ， （ ｉ ≠ｊ ） ， 此链是遍历的， 因此， 存在唯一的平 稳分布［ ９ ］。 同理， 建立日均回水温度、 供回水温差、 日均气温、 最低气温 四个指标的状态参数值， 状态空间分别为 Ｅ ２ 、 Ｅ ３ 、 Ｅ ４ 、 Ｅ ５ ， 如表 ４ － 表 ７所示。 表 ４ 日均回水温度指标（ Ｅ ２ ） 分区间（ ℃）状态值 Ｅ ２状态名称 Ｘ ≥５ ９ ． ３ ６ ９１较高回水温度 ５ ５ ． ５ １ ９ ≤Ｘ＜ ５ ９ ． ３ ６ ９２一般回水温度 Ｘ＜ ５ ５ ． ５ １ ９３较低回水温度 书书书 第 １ ２期 闫向军 基于 Ｍ ａ ｒ ｋ ｏ ｖ 链的燃煤锅炉煤耗量预测方法研究２ ７ １ 表 ５ 供回水温差指标（ Ｅ ３ ） 分区间（ ℃）状态值 Ｅ ３状态名称 Ｘ ≥４ ７ ． ４ ２１较大温差 ４ １ ． ０ ４ ≤Ｘ＜ ４ ７ ． ４ ２２一般温差 Ｘ＜ ４ １ ． ０ ４３较小温差 表 ６ 日均气温指标（ Ｅ ４ ） 分区间（ ℃）状态值 Ｅ ４状态名称 Ｘ ≥２１高气温 － ２ ≤Ｘ＜ ２２一般气温 Ｘ＜－ ２３低气温 表 ７ 最低气温指标（ Ｅ ５ ） 分区间（ ℃）状态值 Ｅ ５状态名称 Ｘ ≥ － ２ ． ０ ５ ３１一般低气温 － ３ ． ９ ４ ≤Ｘ＜－ ２ ． ０ ５ ３２较低气温 Ｘ＜－ ３ ． ９ ４３低气温 针对 Ｅ １ 、 Ｅ ２ 、 Ｅ ３ 、 Ｅ ４ 、 Ｅ ５这五个表征煤耗使用量的参数， 依 据锦华锅炉房供暖运行参考曲线， 如图 １所示， 建立锦华锅炉房 煤耗预测模型。该模型针对日均气温、 最低气温、 供回水温度及 温差四个参数， 依据运行曲线的要求以及历史煤耗量状态表， 对 后期煤耗量进行预测， 以优化煤炭量投放， 同时测算同一状态下 的最佳投放量， 以指导今后的直接投放操作。 图 １ 锦华锅炉房供暖运行参考曲线 ２ ． ２ 实验结果分析 针对 Ｅ １ 、 Ｅ ２ 、 Ｅ ３ 、 Ｅ ４ 、 Ｅ ５和锦华锅炉房供暖运行参考曲线， 进行如下相关分析 （ １ ）当日均气温指标状态 Ｅ ４＝ １ ， 即日均气温满足（ 日均气 温≥２ ℃） 时， 煤炭用量指标状态 Ｅ １ ≥３的比例占到 ９ ０ ％， 其中 Ｅ １＝ ６的比例达到 ４ ２ ％， 即在此温度状态下煤炭用量主要控制 在一般需求以下， 个别可设置在最低需求状态。Ｅ ４＝ １时， 日均 回水温度指标状态 Ｅ ２＝ ３的比例占到 ７ １ ％， 即保持较低回水温 度， 此时回水温度满足（ 回水温度 ＜ ５ ５ ． ５ ℃） ， 参考供暖运行曲 线， 一级网回水温度基准值为回水温度 ＜ ５ ６ ℃； Ｅ ４＝ １时， 供回 水温差指标状态 Ｅ ３＝ ３比例占到 ８ ０ ％， 即保持较小温差， 供回 水温差满足（ 供回水温差 ＜ ４ １ ． ０ ４ ℃） ； Ｅ ４＝ １时， 最低气温指标 状态Ｅ ５ ＝ １ 的比例占到９ ７ ％， 即最低气温多数情况下大于 － ２ ℃。 （ ２ ）当日均气温指标状态 Ｅ ４＝ ２ ， 即日均气温满足（－ ２ ℃ ≤日均气温 ＜ ２ ℃） 时， 煤炭用量指标状态 Ｅ １＝ ３ 、 ４的比例占到 ７ ０ ％， 即此温度状态下煤炭用量主要控制在一般需求和较低需 求状态， 保持在 ２ ． ２ ５吨／ 万平≤用煤量≤３ ． ０ ６吨／ 万） ； Ｅ ４＝ ２ 时， 日均回水温度指标状态 Ｅ ２＝ ２的比例占到５ ０ ％， Ｅ ２＝ ３的比 例占到近 ４ ０ ％， 即保持一般回水温度或者较低回水温度， 回水 温度满足回水温度 ＜ ５ ９ ． ４ ℃， 参考供暖运行曲线， 一级网回水温 度基准值为 ５ ６ ． １ ℃≤回水温度≤５ ９ ． ４ ℃； Ｅ ４＝ ２时， 供回水温差 指标状态 Ｅ ３＝ ３的比例占到 ７ ５ ％， Ｅ ３＝ ２的比例占到 ２ ５ ％， 即 保持一般温差或者较小温差， 供回水温差满足供回水温差 Ｘ ≤ ４ ７ ． ４ ℃； Ｅ ４＝ ２时， 最低气温指标状态 Ｅ ５＝ ３的比例占到 ６ ５ ％， 且主要集中在 １月、 ２月份。 （ ３ ）当日均气温指标状态 Ｅ ４＝ ３ ， 即日均气温满足日均气 温≤ － ２ ℃时， 样本统计显示日均温度为 － ３ ． ８ ４ ℃， 其中最低日 均温度为 － ９ ． ５ ℃、 最高日均温度为 － ２ ℃， 煤炭用量指标状态 Ｅ １＝ ２ 、 Ｅ １＝ ３的比例分别占到 ４ ２ ％和 ３ ６ ％， 即在此温度状态下 煤炭用量主要控制在较高需求和一般需求状态， 煤耗量保持在 ２ ． ６ ５吨／ 万平≤用煤量≤３ ． ４ ８吨／ 万平； Ｅ ４＝ ３时， 日均回水温 度指标状态 Ｅ ２＝ ２的比例占到 ５ ０ ％， 主要保持一般回水温度， 回水温度满足 ５ ５ ． ６ ℃ ＜ 回水温度 ＜ ５ ９ ． ４ ℃， Ｅ ２＝ １ 、 Ｅ ２＝ ３的比 例占到 ２ ８ ％和 ２ ２ ％， 参考供暖运行曲线， 当日均温度低于等于 － ３ ． ８ ℃时， 一级网回水温度基准值为 ６ ０ ． ２ ℃≤回水温度 ＜ ６ ５ ． ２ ℃； Ｅ ４＝ ３时， 供回水温差指标状态 Ｅ ３＝ ３的比例占 ３ ８ ％， Ｅ ３ ＝ ２的比例占 ３ ５ ％， Ｅ ３＝ １的比例占 ２ ７ ％， 供回水温差主要满足 ４ １ ． ０ ℃≤Ｘ＜ ４ ７ ． ４ ℃， 天气寒冷时， 供回水温差会大幅提高， 即提 高锅炉负荷。Ｅ ４＝ ３时， 最低气温指标状态 Ｅ ５＝ ３的比例占到 １ ０ ０ ％， 且该状态占到供暖期天数的 ４ ０ ％左右。 因此， 针对建立的胜利油田锦华锅炉房煤量预测模型， 可根 据 Ｅ ２ 、 Ｅ ３ 、 Ｅ ４ 、 Ｅ ５值的比例， 合理安排煤量投放。 ３ 模型应用的效益分析 将建立的预测模型在锦华锅炉房进行试运行， 样本数据选 取锦华锅炉房 ２ ０ １ １ ２ ０ １ ２年度统计数据。供暖期期间， 锦华区 域供暖面积由 １ ９ １万平米增加到近 ２ ４ １万平米， 其耗煤量也将 有所增加， 但依据其折算后的日耗煤量执行， 在保证供暖质量的 同时， 将耗煤量达到最小化。根据模型算法， 得到耗煤量的最大 预测值、 最低预测值、 实际投放值， 如图 ２所示。 图 ２ 锦华锅炉房 ２ ０ １ ０ ２ ０ １ １采暖期预测值分布 将 ２ ０ １ ０年 － ２ ０ １ １年与 ２ ０ １ １年 － ２ ０ １ ２年两个采暖期的每 万平煤炭耗量进行对比， 如图 ３所示。从运行情况看， 对未来 １ 天至 １ ５天的煤耗预测都非常合理， 同时在保证供暖质量同时， 选取最低煤炭使用量， 并根据运行效果， 进行微调。 图 ３ 锦华锅炉房近年万平米煤耗量实际对比 （ 下转第 ２ ７ ５页） 第 １ ２期 章旋等 核电站模拟机操纵员站人机界面组态软件开发２ ７ ５ 了完整的仿真， 使用该软件实现了所有操纵员站人机界面功能， 仿真画面与实际画面完全一致， 动态特性、 交互特性完全一致。 同时支持模拟机所需要的全部功能。图 ４演示了某一画面的仿 真。此外， 该软件支持多任务运行、 支持单机多屏显示等， 在一 些性能方面已经优于目前国内核电站主控室使用的国内外数字 化仪控系统人机界面组态软件。Ｈ Ｍ Ｉ 软件提供了趋势图功能， 利用绘图功能进行曲线绘制和状态监测， 并与设计数据进行比 较， 结果见图 ５所示， 具有比较好的吻合度和一致性， 最大误差 小于 １ ％。 图 ５给出了堆芯高度与相对功率的曲线图。 图 ４ 操纵员站人机界面仿真画面示意图 图 ５ 堆芯相对功率曲线图 ５ 结 语 与一般工业系统不同， 核电站从安全性、 可靠性以及人因工 程等方面对操纵员站提出了更高的要求， 这些要求很大程度上 是通过操纵员站人机界面软件来实现的， 具体体现在软件的功 能和性能上。此外模拟机中的操纵员站作为模拟机的一部分， 要与其他部分配合来实现模拟机的整体功能， 因而对人机界面 软件提出了特殊要求。为了解决传统仿真方式的不足， 基于上 述要求， 设计开发了面向不同类型的核电站仪控系统的模拟机 操纵员站人机界面软件， 并将其成功应用于 Ｃ Ｐ Ｒ １ ０ ０ ０核电站主 控室操纵员人机界面的仿真中。应用表明可以为核电站模拟机 的自主化和国产化提供平台保障。 参 考 文 献 ［１］章旋， 茆荣， 曹建亭． 核电站全范围模拟机关键技术探讨［ Ｊ ］ ． 热力 发电， ２ ０ １ １ ， ４ ０ （ １ ） １ ６ １ ８ ． ［２］余斌， 李仁发． 基于 Ｒ Ｓ Ｖ ｉ ｅ ｗ３ ２组态技术的仿真可视化实现研究 ［ Ｊ ］ ． 计算机仿真， ２ ０ ０ ５ ， ２ ２ （ ６ ） ２ １ ０ ２ １ ３ ． ［３］李中志， 汪学刚． 基于 Ｃ Ｏ Ｍ技术的雷达数据处理软件系统设计 ［ Ｊ ］ ． 计算机应用与软件， ２ ０ １ ０ ， ２ ７ （ ５ ） ２ ７ ２ ９ ． ［４］徐洪珍， 周书民， 桂颖． 基于组件技术的手机管理软件的设计与实 现［ Ｊ ］ ． 计算机应用与软件， ２ ０ ０ ９ ， ２ ６ （ ９ ） ８ ０ ８ ２ ． ［５］韩璞， 翟永杰， 王立志， 等． 基于虚拟 Ｄ Ｃ Ｓ的激励式仿真系统设计 与分析［ Ｊ ］ ． 华北电力大学学报， ２ ０ ０ ５ ， ３ ２ （ ２ ） ３ ７ ４ ０ ． ［６］王常力， 罗安． 分布式控制系统（ Ｄ Ｃ Ｓ ） 设计与应用实例［ Ｍ］ ． 北京 电子工业出版社， ２ ０ １ ０ ． ［７］夏季， 贾小铁， 刘一峰． 集散控制系统中图形组态算法的实现［ Ｊ ］ ． 计算机应用与软件， ２ ０ ０ ２ （ １ ０ ） １ ２ １ ３ ． ［８］璞继龙． 中国改进型压水堆核电技术 Ｃ Ｐ Ｒ １ ０ ０ ０的形成［ Ｊ ］ ． 中国工 程科学， ２ ０ ０ ８ ， １ ０ （ ３ ） ５ ４ ５ ７ ． （ 上接第 ２ ７ １页） 通过对锦华锅炉房煤耗预测模型的实际应用表明， 经折算 到同等条件下， 耗煤量由过去日均 ２ ． ８ ２吨／ 万平米， 降到 ２ ． ６ １ 吨／ 万平米， 降低约 ７ ． ４ ％， ２ ０ １ １－ ２ ０ １ ２年度供暖期可累计节约 煤炭 ５ ７ ６ ７吨； 同时， 从排放的角度看， 依据工业锅炉大气污染物 排放标准计算， 该供暖期锦华锅炉房可相应减少二氧化碳排放 量 １ ． １ ５ ３万吨、 二氧化硫排放量 ３ ３ ． ２吨。可见， 采用煤炭消耗 预测模型后， 得出的计算值因关联了多项运行参数， 全面反映了 实际消耗， 并且通过适当调整， 将煤炭使用量达到最优化， 所以 大大提升了煤炭管理水平和生产运行效率。 ４ 结 语 （ １ ）基于加权马尔可夫链的多参数燃煤锅炉煤耗预测模型 能够真实反映实际煤耗情况， 具有工程应用价值。 （ ２ ）模型预测结果是煤耗量的某个状态值， 而不是具体数 值， 比较适合非点值的状态预测， 预测范围大， 可靠性高， 能够为 最佳投放量的选取提供依据， 便于实际操作。 （ ３ ）Ｍ ａ ｒ ｋ ｏ ｖ 链煤耗量预测模型充分利用了数据信息， 能够 客观反映实际统计规律， 具有良好的预测效果。 （ ４ ）基于 Ｍ ａ ｒ ｋ ｏ ｖ 链煤耗量预测模型， 通过合理设定锅炉运 行参数值， 能够有效预测下一时段的煤耗情况， 为企业的煤耗管 理及控制提供可靠依据。 参考文献 ［１］Ｓ ａ ｉ ｄ ｕ ｒ Ｒ ， Ａ ｂ ｄ ｅ ｌ ａ ｚ ｉ ｚ ＥＡ ， Ｄ ｅ ｍ ｉ ｒ ｂ ａ ｓ Ａ ， ｅ ｔ ａ ｌ ． Ａｒ ｅ ｖ ｉ ｅ ｗｏ ｎｂ ｉ ｏ ｍ ａ ｓ ｓ ａ ｓ ａ ｆ ｕ ｅ ｌ ｆ ｏ ｒｂ ｏ ｉ ｌ ｅ ｒ ｓ ［ Ｊ ］ ．Ｒ ｅ ｎ ｅ ｗ ａ ｂ ｌ ｅａ ｎ ｄＳ ｕ ｓ ｔ ａ ｉ ｎ ａ ｂ ｌ ｅＥ ｎ ｅ ｒ ｇ ｙＲ ｅ ｖ ｉ ｅ ｗ ｓ ， ２ ０ １ １ ， １ ５ （ ５ ） ２ ２ ６ ２ ２ ２ ８ ９ ． ［２］Ｌ ｉ ｕＬ ａ ｎ ｂ ｉ ｎ ， Ｆ ｕＬ ｉ ｎ ， Ｊ ｉ ａ ｎ ｇＹ ｉ ． Ａ ｐ ｐ ｌ ｉ ｃ ａ ｔ ｉ ｏ ｎｏ ｆ ａ ｎｅ ｘ ｈ ａ ｕ ｓ ｔ ｈ ｅ ａ ｔ ｒ ｅ ｃ ｏ ｖ ｅ ｒ ｙ ｓ ｙ ｓ ｔ ｅ ｍｆ ｏ ｒ ｄ ｏ ｍ ｅ ｓ ｔ ｉ ｃｈ ｏ ｔ ｗ ａ ｔ ｅ ｒ ［ Ｊ ］ ． Ｅ ｎ ｅ ｒ ｇ ｙ ， ２ ０ １ ０ ， ３ ５ （ ３ ） １ ４ ７ ６ １ ４ ８ １ ． ［３］刘建华， 纪律， 贺林博． 基于偏最小二乘回归分析的供电煤耗研究 ［ Ｊ ］ ． 电力科学与工程， ２ ０ １ １ ， ２ ７ （ ４ ） ３ ０ ３ ３ ． ［４］夏乐天， 朱永忠． 工程随机过程［ Ｍ］ ． 南京 河海大学出版社， ２ ０ ０ ０ ５ ９ ８ １ ． ［５］骆振福， 陈尚龙， 赵跃民， 等． 基于马尔可夫理论的气固分选流化床 密度的预测［ Ｊ ］ ． 煤炭学报， ２ ０ １ １ ， ３ ６ （ １ ） １ ０ ５ １ ０ ９ ． ［６］刘殿海， 杨勇平， 杨昆， 等． 基于马尔科夫链的能源结构与污染物排 放预测模型及其应用［ Ｊ ］ ．中国电力， ２ ０ ０ ６ ， ３ ９ （ ３ ） ８ １ ３ ． ［７］岳遥， 李天宏． 基于模糊集理论的马尔可夫模型在水质定量预测中 的应用［ Ｊ ］ ．应用基础与工程科学学报， ２ ０ １ １ ， １ ９ （ ２ ） ２ ３ １ ２ ４ ２ ． ［８］Ｌ ｅ ｔ ｔ ｅ ｎ ｍ ａ ｉ ｅ ｒ ＤＰ ． Ｄ ｅ ｔ ｅ ｃ ｔ ｉ ｏ ｎｏ ｆ ｔ ｒ ｅ ｎ ｄ ｓ ｉ ｎｗ ａ ｔ ｅ ｒ ｑ ｕ ａ ｌ ｉ ｔ ｙ ｄ ａ ｔ ａ ｆ ｒ ｏ ｍｒ ｅ ｃ ｏ ｒ ｄ ｓ ｗ ｉ ｔ ｈｄ ｅ ｐ ｅ ｎ ｄ ｅ ｎ ｔ ｏ ｂ ｓ ｅ ｒ ｖ ａ ｔ ｉ ｏ ｎ ｓ ［ Ｊ ］ ． Ｗａ ｔ ｅ ｒ Ｒ ｅ ｓ ｏ ｕ ｒ ｓ ｅ ｓＲ ｅ ｓ ｅ ａ ｒ ｃ ｈ ， １ ９ ７ ６ ， １ ２ （ ５ ） １ ０ ３ ７ １ ０ ４ ６ ． ［９］夏乐天， 彭志行， 沈永梅． 加权马尔可夫链在农作物年景预测中的 应用［ Ｊ ］ ． 数学的实践与认识， ２ ０ ０ ５ ， ３ ５ （ １ ２ ） ３ ０ ３ ５ ． ［ １ ０ ］刘耀林， 刘艳芳， 张玉梅． 基于灰色 马尔柯夫链预测模型的耕地需 求量预测研究［ Ｊ ］ ． 武汉大学学报， ２ ０ ０ ４ ， ２ ９ （ ７ ） ５ ７ ５ ５ ７ ９ ， ５ ９ ６ ．
展开阅读全文
