燃气电厂性能指标综合评价模型

付忠广，刘炳含，王鹏凯，刘 璐



燃气电厂性能指标综合评价模型

付忠广1，刘炳含1，王鹏凯1，刘 璐2

（1. 华北电力大学电站设备状态监测与控制教育部重点实验室，北京 102206； 2.华北电力大学可再生能源学院，北京 102206）

为解决燃气电厂节能环保、经济运行及综合管理等问题，在分析燃气电厂运行与管理方式的基础上，综合考虑环保性、可靠性、设备管理、经济性和技术性5个方面，建立燃气电厂综合评价指标体系；利用向量夹角余弦法计算指标权重，并与主成分分析法相结合应用于燃气电厂综合评价；建立综合评价模型，计算燃气电厂不同级别指标权重和排名。以某企业6个不同级别燃气电厂为例进行验证分析，结果表明本文综合评价模型所得结果稳健合理，可为燃气电厂生产对标管理及电厂机组间竞赛提供指标及方法支持。

燃气电厂；指标体系；综合评价；向量夹角余弦法；主成分分析法

近年来，为实现能源结构优化及电网调峰需求，我国燃气电厂装机容量迅速增长[1-3]。燃气电厂具有建设周期短、可靠性高、环境污染小及能源转换效率高等特点，随着我国天然气设施布局日益完善，技术创新和装备自主化取得突破性进展，体制机制改革取得阶段性成果[4-5]，天然气发展将迎来新的发展态势。

燃气电厂作为天然气消费的主要部分，不仅能够提高能源利用率，还有利于能源结构调整[6]。但由于我国依煤而生的资源结构，虽然燃气电厂污染物排放较少，但发电的高成本使燃气电厂的效益整体较低；同时，随着环境保护政策逐年收紧，国家对燃气电厂污染物排放提出了严格要求。

目前，燃气电厂的综合指标评价体系及评估方法的研究较少。而针对火电机组的经济性、安全性及可靠性的评价体系及方法的研究已较多：文献[7]针对火电机组的多指标综合性能评价问题，提出了采用优劣解距离法、熵值法及层次分析法确定评价指标的组合权重，并构建了机组可靠性、经济性及环保性的综合评价模型；文献[8]将最大熵与投影寻踪方法相结合，得到指标最佳投影方向与投影函数，对火电机组进行节能减排评价；文献[9]利用主成分分析法约简火电机组评价指标体系，然后通过多层次灰色关联分析法建立综合评价指标模型，从经济性、技术性、可靠性对火电机组进行综合评价。同时，很多学者也在风电机组运行状态[10]、水电项目综合评价[11]做了相关研究。

机组综合评价分析研究发展迅速，分析效果显著，但还存在一些缺陷：1）指标体系建立不全面，当前电厂机组综合评价指标多以经济性、环保性及可靠性为主体指标，而未涉及安全性、设备管理等方面的指标体系，设备管理指标是机组经济安全运行的保障，是电力企业实现行业竞争、增强核心竞争力必不可少的指标；2）综合评价分析思路多注重一级指标权重对评价结果的影响分析，对二级小指标权重对评价结果的影响分析考虑不足；3）对燃气电厂的综合评估，尤其是不分等级、不分类型的综合评价比较少。

本文建立基于向量夹角余弦法与主成分分析法相结合的燃气电厂综合评价模型。首先，从不同方向不同角度建立完善、全面的燃气电厂综合评价指标体系。其次，采用向量夹角余弦法计算指标权重，将其与主成分分析法相结合，以不同级别燃气电厂指标数据为依据，确定各级指标权重，客观分析不同指标对燃气电厂影响，实现对不同级别燃气电厂的不同角度横向综合评价。

1 燃气电厂综合评价主要理论基础

1.1 向量夹角余弦法

综合评价[12-15]是使用系统、规范的方法对电厂或机组从不同角度不同方面进行优劣评判。指标权重是指某一指标相对于被评价对象的重要程度，其确定方法主要包括以模糊综合评价、层次分析法为主的主观赋权法以及以熵权法、灰色关联法等为主的客观赋权法[16]。主观赋权法更多地依赖人为因素确定指标权重，带有主观意愿性，在指标较少时评价结果较为可靠合理，但当指标较多或者指标区分度较小时，主观赋权法将很难做到公平准确。而客观赋权法主要根据指标数据之间的相互关系，在保留原始数据属性的情况下确定指标权重，评价结果更加稳健合理。

向量夹角余弦法在水文预报[17]、工程项目评标[18]、混沌预测[19]等方面得到广泛的应用。向量夹角余弦法利用两向量夹角余弦值衡量向量间的变异程度，夹角越小，余弦值越大，相关性越高。由此可以根据指标分布情况构造最优指标序列和最劣指标序列，客观确定指标权重。

1.2 主成分分析法

主成分分析法[20-22]是多指标综合评价的一种重要统计方法，通过少数几个主成分来表达多个变量间的内部结构，其降维思想可将高维数据转化为低维数据处理分析，使数据处理问题简单、直接，故主成分分析法在众多领域的评价分析中得到广泛应用。在综合评价中，可通过计算方差大小来确定主成分变化方向，由此得到主成分的权重，所得权重即作为对应主成分的方差贡献率。主成分所反映的信息越多，其对应的权重越大。

2 燃气电厂综合评价指标体系

图1为燃气电厂综合评价指标体系。

图1 燃气电厂综合评价指标体系

燃气电厂指标众多，各个指标之间相互制约，为突出综合评价的全面性及有效性，本文选取指标涉及经济技术性、可靠性、环保性及维护管理等不同方面。其中包括5类二级指标环保性指标Ⅰ、可靠性指标Ⅱ、设备管理指标Ⅲ、主要经济技术指 标Ⅳ、主要运行小指标Ⅴ，这5类二级指标又分为21个三级指标。

随着我国燃气电厂的不断建设、装机容量的不断扩充，环保措施的不断完善，人们环保意识不断增强，大气污染、噪声污染等环境污染问题成为燃气电厂必须解决的问题[23-24]。环保指标Ⅰ作为评价燃气电厂环保标准的体系指标，分为4个三级指标。

燃气电厂可靠性指标反映电厂运营现状及综合能力，与电厂效益紧密结合在一起，高标准的可靠性是电厂在市场竞争中获胜的主要因素。可靠性指标Ⅱ主要包括电厂运行状态及发电设备状态的一些指标，分为5个三级指标。

完善的设备管理指标体系可为燃气电厂实行设备管理的科学化、标准化提供依据，促进提高设备管理现代化水平和设备管理效益，是完成发电任务的保障。设备管理指标Ⅲ主要包括检修及管理过程中的一些小指标，分为3个三级指标。

我国的能源资源以煤炭资源为主，燃气资源匮乏。降低生产运营成本，挖潜增效，是燃气电厂增收发展的重要保障。主要经济技术指标Ⅳ包括生产环节指标和运营环节指标，分为5个三级指标。

主要运行小指标是电厂生产运行节能降耗、安全生产的保障，指标大小直接关系电厂运行优化状况和经济效益。主要运行小指标Ⅴ包括生产过程中的一些运行指标，分为4个三级指标。

3 燃气电厂综合评价模型的建立

本文利用向量夹角余弦法计算三级指标权重值，利用线性赋权法构造二级指标值矩阵，然后通过主成分分析法对指标矩阵计算特征向量提取主成分，实现对燃气电厂的综合评价，得到综合评价排名。

3.1 基于向量夹角余弦法的二级指标评价模型

对个机组的二级指标采用向量夹角余弦法建立评价模型，分别得到个机组的二级指标排名，每个二级指标包含个三级指标，二级指标计算步骤如下。

1）每个二级指标(=1,2,…,)包含个样本机组，个三级属性指标构成三级指标矩阵

2）为消除评价指标之间的量纲差异，对指标数据采用均值化处理。指标数据均值化是指利用原始指标数据去除各原始指标数据的平均值得到新序列矩阵，均值化处理得到的新序列矩阵为

3）指标均值化处理后，所有指标为正类属性，其指标值越大机组性能越优。选取各序列的最大值为最优参考序列，选取各序列的最小值为最劣序列。得到最优序列和最劣序列分别为：

4）根据确定的最优、最劣序列，确定最优偏差值矩阵A、最劣偏差值矩阵A，即：

5）根据均值化数据及最优、最劣偏差值，确定最优、最劣偏差率矩阵分别为：

权重越大，表示在个属性指标中属性指标对二级指标的影响程度越大，对机组评价贡献度越大。

7）计算二级指标评价值

8）计算二级指标矩阵

3.2 基于主成分分析法的一级指标综合评价模型

1）计算二级指标矩阵的相关系数矩阵

5）计算个机组样本的主成分

6）计算一级指标评价值

对F进行排序，即可得到机组综合评价排名。

4 燃气电厂综合评价应用实例

4.1 评价对象

本文选取某集团6个燃气电厂作为评价对象，电厂编号为1—6，其中1号电厂为纯凝基荷F级，2号电厂为供热基荷F级，3号电厂为纯凝基荷E级，4号电厂为纯凝调峰E级，5号电厂为供热基荷F级，6号电厂为纯凝调峰F级。所有建模指标数据均为各电厂上报集团的电厂运营管理相关指标数据，且审查数据无误。

4.2 电厂样本数据选取

选取的6个评价对象指标数据见表1—表5。

表1 安全环保指标

Tab.1 The indicators of environmental protection

表2 可靠性指标

Tab.2 The indicators of reliability

表3 设备管理指标

Tab.3 The indicators of equipment management

表4 主要经济技术指标

Tab.4 The main economic and technical indicators

表5 主要运行小指标

Tab.5 The main small operation indicators

4.3 基于向量夹角余弦法二级指标评价结果

根据本文3.1章节内容得到各二级指标中的三级指标的权重值及各电厂样本的二级指标评价值及排名，结果见表6—表7。

表6 三级指标权重值

Tab.6 Weight values of the third level indicators

表7 二级指标评价值及排名

Tab.7 Evaluation results and rankings of the secondary level indicators

1）安全环保指标中，所有指标均为负类属性指标，指标值越小电厂越优。由表6可知，设备噪声最大值指标2权重值最大，故其对评价结果的影响最大。4号电厂虽然设备噪声最大值不是最优，但其他指标较好，且烟气NO排放质量浓度和厂界噪声（夜间）表现最优，故其环保指标最优。而 3号电厂的烟气NO排放质量浓度、设备噪声最大值、厂界噪声（日间）指标均最差，厂界噪声（夜间）也较差，故其环保指标排名最差。电厂环保指标优劣排名为4、1、5、2、6、3。

2）可靠性指标中，机组跳闸次数、非计划停运小时数为负类属性指标，指标值越小电厂越优。由表6可知，发电利用小时数权重最大，其对评价结果影响较大。1号电厂虽然发电利用小时数最好，但机组等效可用系数、机组跳闸次数、非计划停运小时数并不佳，导致1号电厂可靠性排名最差。从表7可知各电厂可靠性指标优劣排名为4、3、5、2、6、1。

3）设备管理指标中，3个指标均为正类属性指标。由表3可知，2号电厂设备管理指标最优，故其设备管理指标排名第一。1号电厂表现次之，排名第二。3号电厂由于关键设备完好率指标最差，且该指标权重值最大，使其在设备管理指标评价的排名最后。4号电厂设备消缺率指标最差，6号电厂的计划检修实施率最差。通过表7可知，2个电厂二级指标评价值相差甚微。

4）主要经济技术指标中，发电量、负荷率为正类属性指标，其他指标为负类属性指标。由表4可知，1号—3号电厂发电量数值均较好，1号电厂最好。负荷率指标1号、2号电厂最优，且与其他电厂相差较大。1号、2号电厂其他指标表现均良好，故1号电厂主要经济技术指标排名第一，2号电厂次之。6号电厂在发电量、负荷率、发电气耗率指标的表现均最差，因此在主要经济技术指标排名最后。

5）主要运行小指标评价中，汽水品质合格率、油气品质合格率为正类属性指标，其他为负类属性指标。通过表5可知，5号电厂指标值在主要运行小指标的表现优于其他电厂，故其排名第一。由于各电厂的汽水品质合格率及油气品质合格率相差不大，故主要依靠补水率、发电耗淡水率进行判断。3号电厂发电耗淡水率小于6号电厂，但其他指标均较差，使6号电厂在主要运行小指标评价排名第二。1号、2号电厂补水率、发电耗淡水率均较差，尤其发电耗淡水率指标值较大，使其主要运行小指标评价排名靠后。

4.4 基于主成分分析法的一级指标评价结果

根据基于主成分分析法的一级指标评价模型，对二级指标提取主成分并进行一级指标评价分析，同时，采用模糊综合评价法和信息熵法对6个电厂指标数据进行综合评价，评价结果见表8。

表8 综合评价结果

Tab.8 The comprehensive evaluation results

将本文综合评价结果与企业实际竞赛结果进行对比，结果一致，说明本文方法合理有效。

由表8可知，信息熵法与本文方法的评价 结果相同，模糊综合评价法的结果与其他稍有 差异。本文方法不仅可以计算综合评价排名，还可以计算二级指标排名，可为电厂机组单项指标评比提供依据。

由综合评价结果可知。

1）1号、2号电厂虽然在可靠性和主要运行小指标方面表现不佳，但由于其在主要经济技术指标表现突出，使其综合评价靠前，说明经济性指标在综合评价中起主导作用。由于选取指标数据为非供暖期，2号电厂虽然为供热电厂，但其综合排名位于1号电厂之后。

2）E级电厂（3号、4号电厂）虽然在设备管理和主要经济技术指标不及F级电厂，但环保指标、可靠性指标和主要运行小指标方面却并不落后于F级电厂，甚至超过F级电厂。因此，在电厂实际竞赛及对标管理时应从不同角度对电厂进行综合评估。

3）4号、6号电厂为调峰电厂，发电量较少，使其在主要经济技术指标不及基荷电厂，其他方面也有待提高，尤其是设备管理指标。6号电厂虽然为F级调峰电厂，但环保指标和可靠性指标却不及4号E级调峰电厂。故6号电厂在综合运营管理方面有待加强。

5 结 论

1）从环保性、可靠性、设备管理、主要经济技术和主要运行小指标5个方面不同角度建立燃气电厂综合评价指标体系，为燃气电厂综合评价提供基础。

2）采用向量夹角余弦法和主成分分析法，构建燃气电厂综合评价模型，依靠指标数据之间的关系，通过向量余弦法客观赋权，对某企业6个不同级别燃气电厂进行综合评价，评价结果与实际电厂竞赛结果一致，其中F级综合性高于E级，基荷电厂优于调峰电厂，说明本文方法合理有效，可为企业电厂间对标管理及竞赛提供支持。

3）综合评价结果表明，E级电厂虽然在经济性指标落后于F级电厂，但在环保性、可靠性等指标评价中并不落后于F级，甚至会优于F级电厂。因此，在综合评价中，还应从不同角度做出评价，以确保综合评价的公平合理。

［1］ 蒋洪德, 任静, 李雪英, 等. 重型燃气轮机现状与发展趋势[J]. 中国电机工程学报, 2014, 34(29): 5096-5102. JIANG Hongde, REN Jing, LI Xueying, et al. Status and development trend of the heavy duty gas turbine[J]. Proceedings of the CSEE, 2014, 34(29): 5096-5102.

［2］ 周凌安, 申建建, 李继红, 等. 日启停燃气机组调峰运行方法[J]. 中国电机工程学报, 2017, 37(20): 5913-5921. ZHOU Ling’an, SHEN Jianjian, LI Jihong, et al. Peak regulation method for daily start-stop gas-fired units[J]. Proceedings of the CSEE, 2017, 37(20): 5913-5921.

［3］ 许丹, 丁强, 黄国栋, 等. 考虑电网调峰的热电联产热负荷动态调度模型[J]. 电力系统保护与控制, 2017, 45(11): 59-64. XU Dan, DING Qiang, HUANG Guodong, et al. Cogeneration unit dynamic scheduling model considering peak-load regulation ability[J]. Power System Protection and Control, 2017, 45(11): 59-64.

［4］ 国家能源局. 能源发展“十三五”规划[R]. 北京: 国家能源局, 2017: 22. National Energy Administration. The “13th Five-Year” energy development planning[R]. Beijing: National Energy Administration, 2017: 22.

［5］ 胡殿刚, 潘正婕, 徐昊亮, 等. 大规模可再生能源并网条件下天然气机组调峰空间估算[J]. 电力系统保护与控制, 2017, 45(3): 87-93. HU Diangang, PAN Zhengjie, XU Haoliang, et al. Peaking capacity estimation of natural gas unit under the condition of large-scale renewable energy connecting with power grid[J]. Power System Protection and Control, 2017, 45(3): 87-93.

［6］ 赵龙生, 钟史明, 王肖袆. H级重型燃气轮机的最新发展概况[J]. 燃气轮机技术, 2017, 30(3): 27-31. ZHAO Longsheng, ZHONG Shiming, WANG Xiaoyi. Development of the latest H class heavy-duty gas turbine[J]. Gas Turbine Technology, 2017, 30(3): 27-31.

［7］ 杨勇平, 吴殿法, 王宁玲. 基于组合权重-优劣解距离法的火电机组性能综合评价[J]. 热力发电, 2016, 45(2): 10-15. YANG Yongping, WU Dianfa, WANG Ningling. Comprehensive evaluation for large scale coal-fired power units based on combined weight and TOPSIS method[J]. Thermal Power Generation, 2016, 45(2): 10-15.

［8］ 付忠广, 齐敏芳. 基于最大熵投影寻踪耦合的燃煤机组节能减排评价方法研究[J]. 中国电机工程学报, 2014, 34(26): 4476-4482. FU Zhongguang, QI Minfang. Study on the evaluation method of energy-saving and emission reduction of coal-fired units based on projection pursuit method coupled with maximum entropy[J]. Proceedings of the CSEE, 2014, 34(26): 4476-4482.

［9］ 罗毅, 周创立, 刘向杰. 多层次灰色关联分析法在火电机组运行评价中的应用[J]. 中国电机工程学报, 2012, 32(17): 97-103. LUO Yi, ZHOU Chuangli, LIU Xiangjie. Application of the multi-level grey relational analysis method in operation assessment of thermal power units[J]. Proceedings of the CSEE, 2012, 32(17): 97-103.

［10］肖运启, 王昆朋, 贺贯举, 等. 基于趋势预测的大型风电机组运行状态模糊综合评价[J]. 中国电机工程学报, 2014, 34(13): 2132-2139. XIAO Yunqi, WANG Kunpeng, HE Guanju, et al. Fuzzy comprehensive evaluation for operating condition of large-scale wind turbines based on trend predication[J]. Proceedings of the CSEE, 2014, 34(13): 2132-2139.

［11］ 徐静, 郭万侦. 多指标综合评价法在水电移民生产生活水平评价中的应用研究[J]. 水利发电学报, 2013, 32(6): 294-301. XU Jing, GUO Wanzhen. Application of multi-index comprehensive evaluation method to resettled immigrants production and living standards[J]. Journal of Hydroelectric Engineering, 2013, 32(6): 294-301.

［12］ 国家发展改革委. 电力发展“十三五”规划[R]. 北京: 国家能源局, 2016: 58. National Development and Reform Commission. The “13th Five-Year” electric power development planning [R]. Beijing: National Energy Administration, 2016: 58.

［13］ 彭张林, 张强, 杨善林. 综合评价理论与方法研究综述[J]. 中国管理科学, 2015, 23(增刊1): 245-255. PENG Zhanglin, ZHANG Qiang, YANG Shanlin. Overview of comprehensive evaluation theory and methodology[J]. Chinese Journal of Management Science, 2015, 23(Suppl.1): 245-255.

［14］ 杨家莉, 徐永海. 基于组合赋权与TOPSIS模型的节点电压暂降严重程度综合评估方法[J]. 电力系统保护与控制, 2017, 45(18): 88-95. YANG Jiali, XU Yonghai. Comprehensive evaluation method of node voltage sag severity based on TOPSIS model and combination weights[J]. Power System Protection and Control, 2017, 45(18): 88-95.

［15］ 周名煜, 谢宁, 王承民. 基于灵敏度和灰色关联度的配电网运行方式变权重评估方法[J]. 电力系统保护与控制, 2017, 45(13): 130-137. ZHOU Mingyu, XIE Ning, WANG Chengmin. Variable weight evaluation method of distribution network operation mode based on sensitivity and grey correlation[J]. Power System Protection and Control, 2017, 45(13): 130-137.

［16］ 王淼, 常乃超, 刘金波, 等. 状态评估多指标综合评价方法[J]. 电力系统自动化, 2015, 39(1): 94-98. WANG Miao, CHANG Naichao, LIU Jinbo, et al. A multi-index comprehensive evaluation method of state estimation[J]. Automation of Electric Power Systems, 2015, 39(1): 94-98.

［17］ 申海, 解建仓, 李建勋, 等. 基于向量夹角余弦的水文组合预报方法[J]. 系统工程理论与实践, 2012, 32(7): 1591-1597. SHEN Hai, XIE Jiancang, LI Jianxun, et al. Hydrological combined forecasting method based-on vector angular cosine[J]. Systems Engineering-Theory & Practice, 2012, 32(7): 1591-1597.

［18］ 赵金先, 王苗苗, 李堃, 等. 基于C-OWA算子与向量夹角余弦的绿色施工项目评标模型[J]. 土木工程与管理学报, 2017, 34(5): 39-45. ZHAO Jinxian, WANG Miaomiao, LI Kun, et al. Bidding evaluation model of green construction project based on C-OWA operator and vector angle cosine[J]. Journal of Civil Engineering and Management, 2017, 34(5): 39-45.

［19］ 孙佳龙, 郭金运, 郭淑艳. 利用夹角余弦和聚类分析的电离层TEC混沌预测[J]. 武汉大学学报(信息科学版), 2014, 39(4): 441-444. SUN Jialong, GUO Jinyun, GUO Shuyan. Chaotic properties and prediction of ionospheric total electron content based on cosine and cluster analysis[J]. Geomatics and Information Science of Wuhan University, 2014, 39(4): 441-444.

［20］ 齐敏芳, 付忠广, 景源, 等. 基于信息熵与主成分分析的火电机组综合评价方法[J]. 中国电机工程学报, 2013, 33(2): 58-64. QI Minfang, FU Zhongguang, JING Yuan, et al. A comprehensive evaluation method of power plant units based on information entropy and principal component analysis[J]. Proceedings of the CSEE, 2013, 33(2): 58-64.

［21］周松林, 茆美琴, 苏建徽. 基于主成分分析与人工神经网络的风电功率预测[J]. 电网技术, 2011, 35(9): 128-132. ZHOU Songlin, MAO Meiqin, SU Jianhui. Prediction of wind power based on principal component analysis and artificial neural network[J]. Power System Technology, 2011, 35(9): 128-132.

［22］ 孙义豪, 李秋燕, 丁岩, 等. 基于主成分分析及系统聚类的县域电网综合评估方法[J]. 电力系统保护与控制, 2017, 45(8): 30-36. SUN Yihao, LI Qiuyan, DING Yan, et al. County power grid evaluation system based on principal component analysis and hierarchical cluster analysis[J]. Power System Protection and Control, 2017, 45(8): 30-36.

［23］ 邓勇. 燃气电厂噪声污染及控制[J]. 噪声与振动控制, 2016, 36(3): 94-99. DENG Yong. Noise pollution and control in gas power plants[J]. Noise and Vibration Control, 2016, 36(3): 94-99.

［24］ 刘志坦, 李玉刚, 王凯. 中国燃气电厂烟气排放现状及政策趋势[J]. 中国电力, 2018, 51(1): 147-153. LIU Zhitan, LI Yugang, WANG Kai. The environmental protection status quo of China’s gas power plants and the trending in policies[J]. Electric Power, 2018, 51(1): 147-153.

A comprehensive evaluation model for performance indexes of gas-fired power plants

FU Zhongguang1, LIU Binghan1, WANG Pengkai1, LIU Lu2

(1. Key Laboratory of Condition Monitoring and Control for Power Plant Equipment, North China Electric Power University, Ministry of Education, Beijing 102206, China; 2. Renewable Energy School, North China Electric Power University, Beijing 102206, China)

Aiming at solving the problems of energy-saving, environmental protection, economical operation and comprehensive management for gas-fired power plants, this paper builds up an evaluation index system based on comprehensive consideration of environmental protection, reliability, equipment management, production economy and production technology after analyzing the operation and management methods of gas-fired power plants. The vector angle cosine method is applied to calculate the index’s weight, and combining with the principal component analysis method, it is used to carry out comprehensive evaluation for gas-fired power plants. A comprehensive evaluation model is established so that the weights and rankings of the indexes at different levels are also calculated. Taking 6 gas-fired power plants of an enterprise as the examples for verification analysis, the result demonstrates that this method is valid and feasible, which can provide indexes and method support for gas-fired power plants’ production benchmarking management and power plant unit competitions.

gas-fired power plant, index system, comprehensive evaluation, vector angle cosine method, principal component analysis

Fundamental Research Funds for the Central Universities (2018MS034, 2016XS20)

付忠广(1963—)，男，博士，教授，主要研究方向为电站机组运行优化与复杂热力系统建模等，fzg@ncepu.edu.cn。

TM621

A

10.19666/j.rlfd.201806106

付忠广, 刘炳含, 王鹏凯, 等. 燃气电厂性能指标综合评价模型[J]. 热力发电, 2019, 48(3): 7-13. FU Zhongguang, LIU Binghan, WANG Pengkai, et al. A comprehensive evaluation model for performance indexes of gas-fired power plants[J]. Thermal Power Generation, 2019, 48(3): 7-13.

2018-06-19

中央高校基本科研业务费专项资金资助(2018MS034, 2016XS20)

刘炳含(1990—)，男，博士研究生，liubh1018@sina.com。

（责任编辑 杜亚勤）