根据火力发电厂的数据，为了预测可变工况下热储能装置的最佳运行价值，提高燃煤电厂的燃煤效率。炭和燃煤电厂的分析和挖掘3个月以上煤炭预测密切相关的调制参数（主蒸汽温度，主蒸汽压力）随时间的关系使用HoltWinters时间序列方法。过计算，发现通过HoltWinters方法获得的主蒸气温度和主蒸气压的相对误差值分别为0.28％和2.13％。
验结果表明，HoltWinters时间序列法可以合理地预测燃煤电厂冷库机组在不同运行条件下的运行数据，且误差较小，允许燃煤电厂效率有所提高。演的意思。图分类号：TP391文献标识码：ADOI：10.7535 / hbgykj.2017yx02009接收日期：修订日期：主编：陈述信基金项目：国家基金会自然科学（）第一作者简介：朱隆霞（1992-），妻子，河北石家庄，硕士，主要从事数据分析。讯作者：惠万副教授。电厂在中国能源领域发挥着非常重要的作用，电力生产可以达到总发电量的80％。前，重点是节能减排，火电厂的煤耗仍然超过中国煤炭总量的50％。
煤发电厂依靠蒸汽 - 水系统，燃烧系统，电气系统和控制系统的组合作用来将燃料中包含的化学能作为电能传递。据节能原理，每个系统的能量变化将影响以下系统，并且由于负载要求，能源质量，经济性等，控制系统将这些波动会影响能源 - 燃烧系统[1]。前，中国通过改进燃煤方式[23]和升级锅炉提高了发电效率，冷库安装但主要集中在优化性能，过度煤，能量损失等，由电源电压和电网电压的不平衡引起。个问题没有被考虑太多。此，为了提高冷藏单元的运行效率，本文件确定了在当前存储单元的操作条件下可以实现的最佳参数，从而为操作人员提供存储单元在负载和特定外部条件下的最佳运行模式。控制参数。＃2朱龙霞，等：基于时间序列分析的热储能装置运行优化河北工业科技，第33卷确定运行优化目标值的当前研究方法冷藏单元可分为三种类型：1）制造商提供的标准值。2）以热能储存单元的经济性为目标函数，采用冷库机组可变运行工况的理论计算; 3）在冷藏单元的可变储存条件下，确定实时操作过程中的动态优化[46]。国采用前两种方法中的大部分，但随着冷藏机组的运行时间延长和冷藏机组运行状态的动态变化，这并未反映出优化冷藏单元的实际运行状态。多研究人员正在寻求优化制冷储存单元运行的目标值，根据现代优化计算方法，如关联规则算法[7]，算法神经网络[810]，遗传算法[11]，时间序列法[1213]，目标函数计算方法。[45]等建立相关模型以获得用于优化制冷存储单元的操作的最佳值。煤电厂的任务之一是为电网用户提供足够的热负荷以满足质量要求。
于各种原因，当使用火力发电厂提供的热负荷和电网用户的需求时，电网用户所需的热负荷会发生变化，使用最经济的相平衡，否则会造成损失。阻止网络用户正常运作。本文中，燃煤电厂数据的时间序列用于分析燃煤电厂制冷机组的实际运行数据，并提供对该机组的操作人员的控制。种干扰下的最佳运行参数。使得可以提高燃煤电厂的能量生产效率。键技术说明火电厂的运行设备密切相关，各设备运行条件的波动是相关的，这些动态波动的相关性在与设备状态有关的运行数据中清楚地表现出来。备[14]。厂数据具有许多特点，数量大，维数高，耦合强，并且在几个子系统的工作过程中随时间变化。文档使用套接字通信并从分布式控制系统（DCS）下载3个月的实时数据，并每2小时对其进行一次分析。验证控制面板数据的合法性后，消除冗余数据，空白数据和错误数据，根据控制系统的来源对它们进行分组，将数据添加到组中，最后以XML格式保存数据（可扩展，可扩展的标记语言）标记语言）。于XML数据对应于从工厂获得的所有类型的数据，因此dom4j用于分析与存储煤流速密切相关的XML和可控参数，包括主蒸汽压，主蒸汽，过热水和供水温度。取过量空气系数，再加热和过热降温水等数据，建立数据仓库[15]。间序列，也称为时间序列，历史复数或动态序列，是通过按时间顺序组织某些统计指标的值而形成的序列[12，冷库安装16]。于平稳时间序列分析，Holt的指数平滑的双参数线性指数平滑方法适用于季节变化趋势和时间序列的线性预测，而Winters线性和季节指数平滑是适当的。
间序列与季节性因素。测[13，17]。HoltWinters模型通过对历史数据的平均值进行加权来跟踪数据的变化，历史数据可分为季节性和季节性乘法添加剂。立和分析时间序列模型为了建立时间序列模型，有必要基于趋势分析来分析时间序列数据以建立时间序列模型。主要蒸汽温度和主蒸汽压为例，利用历史Matlab数据绘制趋势图，得到时间序列的数据剖面，如图1和图2所示。表显示，尽管数据随时间变化且变化程度高或低，但总体上存在“季节性”趋势和变化，因此可以使用季节和季节的时间。列模型预测它。于该数字没有显示出明显的上升或下降趋势，本文采用季节变化分析法中的移动平均比率法计算上述时间序列样本。S（xt）= 12xt-2 xt 12xt 22，3≤t≤n-2。过计算可以看出，该值在允许误差值的范围内保持不变，并且它们之间的关系是成比例的而不是在数值上增加或减少，这推断出上述时间序列的季节性影响。加了一倍。能的增长或下降，使HoltWinters乘法预测模型用于预测其监测指标。中：F代表预测值; mt表示时间间隔t的估计平均值; St代表该时期的适当“季节性”因素; rt表示在时间间隔t估计的趋势项，即，该值在当前数据上平均。
值的预期增加或减少。中：α，β，γ是HoltWinters时间序列分析模型的平滑常数，其中值在0和1之间变化，“季节性”变量因子为2.该等式连续校正平滑值St和趋势值rt使预测值更接近真实值。于价值计算和回归的HoltWinters预测分析模型对比度精度分析EViews（计量经济学视图）通常被称为计量经济学软件包。们是社会经济关系和经济活动的定量规律，并使用计量经济学方法和技术“观察”。广泛用于科学数据的分析和评估，财务分析，经济预测，销售预测和成本分析[18]。用HoltWinters乘法预测模型和回归分析模型进行预测，经过多次实验，在HoltWinters乘法模型中，蒸汽温度α，β，γ的主要加权系数分别为0.2，0.5和0.8，以及主蒸气压α的加权系数，当β和γ分别为0.9，0.1和0.05时，效果最佳：通过收集和组合3个月的工厂数据，主蒸汽温度回归模型为Y = 536544 666 667 0.061 030 303 030 3×X，蒸气压回归模型为Y = 16.060 666 666 7 0.025 757 575 757 6×X，其中Y是预期值，X是次数。种模型预测的实际值和预测值如表1所示。据表1，回归分析模型的主蒸汽温度，预测值和预测值曲线的实际值。
636％。过比较回归分析模型和本文预测方法，将平均相对误差作为建模性能评价的指标，结果表明预测方法明显优于回归分析模型的预测模型更适合中短期燃煤电厂。测冷藏单元的数据。论1）根据燃煤蓄热装置在一天不同条件下的实际运行数据之间的线性关系，可以看出主蒸汽的温度和主蒸汽的压力在实际操作中有一个上升趋势，以及HoltWinters算法。出预测是合理的。2）根据文献中提出的误差分析，已知HoltWinters算法比线性回归模型具有更高的准确度，用于预测冷藏单元的运行数据。
煤电站。3）燃煤电厂的数据显示3个月内有增长趋势，但实际上，燃煤电厂的数据处于不稳定状态。此，线性回归模型只能呈现燃煤电站数据的总体趋势，但预测具体数据。在显着误差，并且HoltWinters算法可以通过调整参数来减少预测数据错误。
本文转载自
冷库安装 https://www.iceage-china.com