一、机组负荷优化分配
当前，国内绝大部分火电机组均采用直调方式，由远程控制终端(RTU)将电网的每台机组负荷指令直接发至各机组的分散控制系统(DCS)中进行自动负荷控制。如果采用非直调方式合理地分配全厂机组间的负荷，则可以有效地降低发电煤耗，从而给发电厂带来巨大的经济效益。对此，采用改进的等微增率原理很好地解决了煤耗特性曲线拟合及特性曲线间断点的近似处理问题;引入变负荷成本的概念圈提出了解决自动发电控制时频繁变负荷情况下的控制策略;利用变量变换和定向搜索二次规换的方法闭在实际应用中也取得了理想的效果;微粒群算法(PSO)实现最优负荷调度的方法阁从理论上进行了新的尝试;利用Hopfield神经网络直接将负荷上下限约束条件作为神经元激活函数构造了通用的网络拓扑结构，并给出该方法全局收敛的证明;针对机组发电费用为凸函数的特点，利用分片线性逼近技术建立了一种新的。0-1线性混合整数规划模型川，在求解速度和稳定性上有明显的优势;引入专家系统的思想结合传统的等微增率方法进行负荷优化分配等。由于对机组煤耗特性曲线的依赖和现场复杂的工况，上述研究目前大多仍停留在理论研究阶段。同时，这些研究均考虑了机组辅机的经济性运行，以致产生如某台机组只需用4台磨煤机，而由理论计算所得的最优负荷需要起动第5台磨煤机的情况，这样不仅造成机组运行时不必要的经济损失，而且还影响辅机的使用寿命，从而大大降低了负荷优化分配在实际应用中的效果。
本文以火电厂厂级监控信息系统(SIS)中的负荷优化分配模块为平台，提出一种基于辅机经济性运行的负荷优化分配专家系统，并建立基于带优先级临界负荷区间的负荷优化分配知识规则库。该系统模仿领域专家的实际运行习惯，充分考虑辅机的优化运行和现场复杂的工况，将电网的负荷指令进行再处理，通过对规则库的智能检索，选出适合当前工况的最优规则作为负荷优化分配决策。这样，不仅能够很好地解决辅机经济性运行和特殊工况下的全厂负荷最优分配问题，还可通过专家系统的自学习能力预测因煤种变化引起的临界负荷区间的变化趋势，从而实时修正规则库，使全厂负荷优化分配更为准确和实用。
二、负荷优化分配专家系统
专家系统(ES)是具有特定领域专门知识和经验的计算机智能程序系统川，一般采用人工智能中的知识表示和知识推理技术来模拟通常由该领域专家才能解决的复杂问题。不同的专家系统，其功能与结构不尽相同。一个以规则为基础，以问题求解为中心的专家系统结构见图1。
根据常规火电厂的应用需要，基于辅机经济性运行的负荷优化分配专家系统可简化为知识库、综合数据库、知识获取、推理机和人机交互界面5个部分(图2)。
对于负荷优化分配专家系统，知识库作为负荷优化分配的规则库，其主要包括基于磨煤机、给水泵等辅助设备经济性运行的负荷优化分配规则。负荷优化分配规则包括负荷频繁变化等不同工况下的各种约束、推理等经验性的负荷分配规则和系统通过自学习所获得的经修正后的负荷分配规则;综合数据库可利用各台机组的公共环形网络数据库存储系统所需要的负荷指令信息、生产过程中的实时数据、人工录入数据、应用服务器的输出数据及其它控制指令等数据。
负荷优化分配专家系统通过获取知识来完善和扩充知识库中的内容，从而成为具有自学习功能的开放式系统。
系统推理机使用产生式规则(IF THEN规则)，采用C语言进行程序设计。推理机针对当前的条件或已知信息，反复匹配知识库中的规则，给出最优负荷分配决策。
系统人机交互界面采用B/S(浏览器/服务器)构架来显示专家系统所需的各种信号及负荷实时分配的情况，并配有报警指示和人工干预操作站，以便在系统故障或特殊工况时及时手动干预。
三、辅机经济性运行负荷优化分配策略
某火电厂3x660MW机组为整套进口设备，各机组配置基本相同。锅炉为美国ABB-CE公司制造的亚临界压力、中间再热强制循环汽包炉，最低稳燃负荷为30 %MCR(实际为230MW) ，汽轮机为英国GEC-ALSTHOM公司制造的亚临界一次中间再热、单轴四缸四排汽、冲动凝汽式汽轮机。单台机组的6kV辅机参数见表1。
假设辅机出力与所带负荷成线性关系，在正常情况下单台机组4台磨煤机运行可带528MW负荷，5台磨煤机运行可带满负荷(660MW)。当机组负荷在528-550MW之间时，第5台磨煤机出力为额定出力的20%(非经济运行状况)。因此，需寻找出辅机各种运行组合中可能出现的非经济运行的临界负荷。
由表1可知，正常工况下凝结水泵出口流量不可调节，除磨煤机单台额定负荷为20%MCR(132MW) 外，其余主要辅机单台额定负荷均为50%MCR(330MW)。因此，这些辅机的运行组合方式一致，其中给水泵的容量最大。从而辅机的各种运行组合问题可简化为磨煤机和给水泵的运行组合问题。
由机组最低稳燃负荷30%MCR得到给水泵的临界负荷为50%MCR，磨煤机的临界负荷为40%MCR、60%MCR和80%MCR。取磨煤机额定出力的10%(13.2MW) ,80%MCR±13.2MW×n形成正、负各n段负荷区间(n取3) ，并分别标记优先级为A、B、C(图3) ，即得到磨煤机在80%MCR临界负荷处带优先级的临界负荷区间，其它辅机的临界负荷区间可依此类推。磨煤机的经济运行就是通过3台机组间负荷的调度，使机组处在优先级高的正临界和负荷区间的负荷最小。
负荷优化分配专家系统首先实时计算电网目标总负荷指令与机组当前总负荷的偏差值，并实时获取各机组负荷上、下限指令，然后在各机组负荷不超过上、下限的条件下按照如下策略进行机组间的负荷优化分配。
(l)增负荷时，将负荷优先分配给负荷处于正临界负荷区间的机组，同时避免此时处在负临界负荷区间内的机组负荷升至正临界负荷区间。减负荷时，将负荷优先分配给能够将处在正临界负荷区间的负荷降至负临界负荷区间及以下的机组，否则将负荷分配给其它机组。
(2)若无负荷处在正临界负荷区间的机组，则以分配后各机组负荷尽量不处在优先级较高的正临界负荷区间为原则。
(3)负荷处在正临界负荷区间优先级高的机组优先分配负荷;当优先级相同时，带负荷较多的机组优先分配负荷。由于正常工况下较少出现机组负荷低于50%MCR的工况，加之给水泵容量最大，因此给水泵临界负荷区间的负荷应最优先分配。
(4)按前述的负荷分配原则分配后将余下的负荷分配给在距其最近临界负荷最远的1台机组上。若分配后负荷超过该机组的临界负荷，则将该机组置为临界负荷，将剩余的负荷分配给其余机组中距其最近临界负荷最远的机组，依此类推，直至分配结束。
四、负荷优化分配专家系统功能及其特点
4.1 数据采集及处理
负荷优化分配专家系统推理机在匹配知识库中的规则时需要采集大量数据，主要包括：电网负荷指令以及各机组负荷信息(即机组发电出力);磨煤机、给水泵、送引风机等的出力、运行信号等;锅炉、汽轮机等是否运行正常，是否限负荷且限负荷值等;机组处于起动过程、正常运行状态、停机过程或事故工况状态。其中，电网负荷指令经远程终端单元(RTU)得到4-20mA的模拟量信号，负荷优化分配专家系统对其进行A/D转换，使其成为与系统匹配的开关量信号，其它数据直接从机组公共环网中获取。负荷优化分配专家系统获取数据后，依据知识库的匹配规则，剔除不可用的数据，生成负荷优化分配指令。
4.2负荷频繁变化控制
针对运行过程中出现的负荷频繁变化问题，负荷优化分配专家系统设定调节不灵敏区(找本系统设置为O-5MW)。当总负荷变化小于不灵敏区设定值时，系统仅监视并显示机组运行状态。在选择机组增、减负荷时，为避免机组在短时间内反向变负荷，系统记忆机组所完成的变负荷任务，保证其稳定运行一段时间后再进行负荷分配。
4.3特殊工况处理
为了保证机组运行的稳定性和安全性，在负荷优化分配专家系统中设计了相应措施：当机组负荷指令闭环增/闭环减时，则该机组负荷取当前值;机组磨煤机/给水泵故障时，则该机组分配的负荷上限取机组所能带负荷最大值;为避免负荷突变，机组在辅机起停过程中保持该机组负荷不变;通信堵塞或其它原因无法获取全厂总负荷时，由手动输入负荷分配值;软件意外故障时投入备用软件控制，若无效则报警，并手动输入负荷分配值;系统软件一旦非正常退出，则立刻报警，并直接按电网负荷指令分配;机组发生辅机故障减负荷(RB)或总燃料跳闸(MFT)时，在全厂可达到的最大出力前提下快速增加正常运行机组的负荷。
4.4自学习能力
辅机出力与其所带负荷仅是近似的线性关系，煤种、环境温度以及设备状态等因素的变化都将导致辅机负荷的变化，从而影响负荷优化分配专家系统对临界负荷值的准确判断。为了得到更为准确和可靠的负荷分配策略，系统在知识获取过程中实现了自学习功能，根据各参数的变化实时更新系统知识规则库。以磨煤机出力受煤种的影响为例，对于发热值低的煤种，相同出力下磨煤机所带负荷下降，其临界负荷也会随之降低。假定使用煤种A时，辅机出力与所带负荷成线性关系，则各台磨煤机在其临界负荷处为满出力。同等状态下，当使用发热值低于煤种A的煤种B时，则各台磨煤机为满出力时对应的临界负荷将随之降低。
在实际运行过程中，如果煤种A变为煤种B，系统从综合数据库中获取的实时负荷与磨煤机出力之间的比例关系将会有一定程度的降低(降低程度取决于煤种B的发热值)。系统根据负荷与磨煤机出力之间比例关系的变化便可推测煤种的优劣，进而预测临界负荷区间的变化趋势，并及时修正系统知识规则库，实现知识获取的自学习。
