【Ziel】 Verbesserung der Reaktionsgeschwindigkeit und Wirtschaftlichkeit in der instationären Phase beim Starten mit Lastanstieg und Stoppen mit Lastabsenkung von kohlebefeuerten Einheiten unter Bedingungen der tiefen Lastregelung. 【Methode】 Basierend auf mehrmonatigen Start-Stopp-Betriebsdaten einer 660-MW-Anlage im DCS-System wurde zunächst mit einem gleitenden Fenster und stationären Kriterien instationäre Segmente im Start-Stopp-Prozess identifiziert, anschließend mit dem maximalen Informationskoeffizienten stark leistungsrelevante Merkmale ausgewählt und ein Prozessfortschrittsmerkmal eingeführt, das den Fortschritt der Start-Stopp-Phasen beschreibt. Zur Berücksichtigung von Monatsunterschieden wurden Datensätze in jedem Start-Stopp-Segment zeitlich geschichtet und separat LightGBM- und Transformer-Proxy-Modelle zur Leistungsvorhersage aufgebaut, deren Hyperparameter mittels Bayesscher Optimierung abgestimmt wurden. Schließlich wurden die trainierten Vorhersagemodelle in NSGA-Ⅱ eingebettet, um bei Einhaltung der Sicherheitsbeschränkungen die Lastwechselrate zu erhöhen und den Brennstoffverbrauch zu senken, und ausführbare Sollwerttrajektorien auszugeben. 【Ergebnisse】 Das Vorhersagemodell für instationäre Segmente zeigt auch bei Monatswechseln gute Generalisierungsleistung; nach NSGA-II-Optimierung wurde die durchschnittliche Dauer der instationären Start-Stopp-Segmente um ca. 5,34 % verkürzt und der kumulative Brennstoffverbrauch um ca. 3,53 % reduziert. 【Fazit】 Die vorgeschlagene auf datengesteuerter Proxy-Modellierung und Mehrzieloptimierung basierende Start-Stopp-Optimierungsmethode ermöglicht unter Einhaltung der Sicherheitsbeschränkungen sowohl die Verkürzung der Start-Stopp-Zeit als auch die Senkung des Brennstoffverbrauchs und liefert technische Unterstützung für die flexible Lastregelung und Online-Betriebsentscheidungen kohlebefeuerter Einheiten.

kohlebefeuerte Einheit; tiefe Lastregelung; schneller Start und Stopp; datengetrieben; hybrider Optimierungsalgorithmus