System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及火电联合热力系统,更具体的是涉及一种火电联合热力系统的智能调度方法。
技术介绍
1、火电联合热力系统是一种将火力发电与热能利用相结合的能源系统;通常,火电厂通过燃烧煤、天然气或其他燃料产生电力,同时会产生大量的废热。而传统的火电厂通常将废热直接排放到大气中,造成能源的浪费;为了更有效地利用这些废热资源,火电联合热力系统被提出和广泛应用;火电联合热力系统将火力发电和热能利用有机地结合在一起,通过各种技术手段将废热回收并利用于供暖、工业生产等领域,从而提高能源利用效率;
2、火电联合热力系统通常应用于城市供暖、工业用热、温室农业以及蓄热供电等方面,在现有的火电联合热力系统中,调度方法主要基于经验或简单的数据分析,缺乏对系统整体性能的优化;同时,由于供热需求具有可变性,传统的调度方法往往难以实现高效、稳定的运行;因此,有必要开发一种智能的调度方法,以实现对火电联合热力系统的优化控制;
3、因此,本专利技术提供一种电联合热力系统的智能调度方法用于解决上述问题。
技术实现思路
1、本专利技术提供了一种火电联合热力系统的智能调度方法,该方法基于优化算法和大数据分析技术,实现了对火电联合热力系统的精细化调度;通过实时监测系统的运行状态,并对历史数据进行深度挖掘,同时本专利技术能够预测未来的电力和热力需求,并制定出最优的调度方案;
2、本专利技术提供如下技术方案:
3、一种火电联合热力系统的智能调度方法,包括:
4、步骤一,
5、步骤二,建立电力-余热分析模型,通过历史系统运行数据对所述电力-余热分析模型进行训练,输出训练后的所述电力-余热分析模型;
6、步骤三,获取当前余热需求和电力需求,通过所述电力-余热分析模型分析并生成若干个理想发电方案和理想发热方案;
7、步骤四,按照预设的优化方案对各理想发电方案和理想发热方案进行优化,生成优选方案,并输出对应的各发电设备优选负荷、优选发电量和优选余热输出;
8、步骤五,基于输出的优选负荷、优选发电量和优选余热输出对火电联合热力系统中各设备进行调度。
9、优选的,在上述的一种火电联合热力系统的智能调度方法中,所述火电联合热力系统上设置实时反馈设备,获取系统运行数据包括:
10、通过所述实时反馈设备实时获取锅炉当前负荷和效率、发电机当前负荷和效率、当前发电量数据和当前余热输出数据;
11、所述实时反馈设备获取上述数据后分别在数据上插入对应的时间戳和基于数据类型的标识符;
12、建立历史数据库,所述历史数据库存储所述实时反馈设备获取的各个数据,并通过识别单元根据数据的时间戳和标识符进行分类,生成若干个数据集并进行存储;
13、每个所述数据集中包含同一时刻的锅炉负荷数据、锅炉效率数据、发电机负荷数据、发电机效率数据、发电量数据和余热输出数据。
14、优选的,在上述的一种火电联合热力系统的智能调度方法中,所述建立电力-余热分析模型,通过历史系统运行数据对所述电力-余热分析模型进行训练,获输出训练后的所述电力-余热分析模型包括:
15、所述电力-余热分析模型包括电力分析模型和余热分析模型;
16、所述电力分析模型为y1=(β1*l1*η1)*(β2*l2*η2)-δ1;
17、所述余热分析模型为y2=α0+(α1*l1)/(α2*η1*l2*η2)-δ2;
18、其中,y1为发电量数据,y2为余热输出数据;β1为锅炉-电力校正系数,β2为发电机-电力校正系数;α0为初始余热调节参数,α1为第一调整系数,α2为第二调整系数;δ1为电力输出误差参数,δ2为热力输出误差参数;l1为锅炉负荷数据,η1为锅炉效率数据,l2为发电机负荷数据,η2为发电机效率数据;
19、将所述历史数据库的各数据集中的数据分别代入所述电力-余热分析模型中,通过训练模型获得锅炉-电力校正系数β1、发电机-电力校正系数β2、初始余热调节参数α0、第一校正系数α1、第二调整系数α2、电力输出误差参数δ1和热力输出误差参数δ2,并输出训练好的所述电力-余热分析模型。
20、优选的,在上述的一种火电联合热力系统的智能调度方法中,所述获取当前余热需求和电力需求,通过所述电力-余热分析模型分析并生成若干个理想发电方案和理想发热方案包括:
21、通过所述实时反馈设备检测用电负载,获取当前电力需求数据;
22、通过所述实时反馈设备检测用热负载,获取当前余热需求数据;
23、将电力需求数据代入训练好的所述电力分析模型中,替代原模型中的发电量数据y1,通过计算获得若干个理想锅炉负荷数据la1和对应数量的理想发电机负荷数据la2;
24、将余热需求数据代入训练好的所述余热分析模型中,替代原模型中的余热输出数据y2,通过计算获得若干个理想锅炉负荷数据lb1和对应数量的理想发电机负荷数据lb2;
25、统计理想锅炉负荷数据la1、lb1和对应理想发电机负荷数据la2、lb2,生成若干个基于数据la1和数据la2的理想发电方案,生成若干个基于数据lb1和数据lb2的理想发热方案。
26、优选的,在上述的一种火电联合热力系统的智能调度方法中,所述按照预设的优化方案对各理想发电方案和理想发热方案进行优化,生成优选方案,并输出对应的各发电设备优选负荷、优选发电量和优选余热输出包括:
27、将理想发电方案中的若干个理想锅炉负荷数据la1和理想发电机负荷数据la2再次代入所述余热分析模型中,经计算生成若干个理想余热数据并输出;
28、将理想发热方案中的若干个理想锅炉负荷数据lb1和理想发电机负荷数据lb2再次代入所述电力分析模型中,经计算生成若干个理想发电量数据并输出;
29、将输出的若干个理想余热数据与余热需求数据进行对比,选择与余热需求数据最接近的预设数量的理想余热数据作为优选余热数据,并输出对应的理想锅炉负荷数据la1和理想发电机负荷数据la2作为优选方案一;
30、将输出的若干个理想发电量数据与电力需求数据进行对比,选择与电力需求数据最接近的预设数量的理想发电量数据作为优选余热数据,并输出对应的理想锅炉负荷数据lb1和理想发电机负荷数据lb2作为优选方案二;
31、统计优选方案一与优选方案二中理想锅炉负荷数据和理想发电机荷数据,选择相同或最接近的一组锅炉负荷数据和发电机负荷数据作为优选负荷输出,同时将其对应的发电量和余热数据作为优选发电量和优选余热输出。
32、优选的,在上述的一种火电联合热力系统的智能调度方法中,还包括:
33、当统计结果中优选方案一与优选方案二不存在相同的锅炉负荷数据和发电机负荷数据时,选择最相近的两组锅炉负荷数据和发电本文档来自技高网...
【技术保护点】
1.一种火电联合热力系统的智能调度方法,其特征在于,包括:
2.根据权利要求1所述的一种火电联合热力系统的智能调度方法,其特征在于,所述火电联合热力系统上设置实时反馈设备,获取系统运行数据包括:
3.根据权利要求2所述的一种火电联合热力系统的智能调度方法,其特征在于,所述建立电力-余热分析模型,通过历史系统运行数据对所述电力-余热分析模型进行训练,获输出训练后的所述电力-余热分析模型包括:
4.根据权利要求3所述的一种火电联合热力系统的智能调度方法,其特征在于,所述获取当前余热需求和电力需求,通过所述电力-余热分析模型分析并生成若干个理想发电方案和理想发热方案包括:
5.根据权利要求4所述的一种火电联合热力系统的智能调度方法,其特征在于,所述按照预设的优化方案对各理想发电方案和理想发热方案进行优化,生成优选方案,并输出对应的各发电设备优选负荷、优选发电量和优选余热输出包括:
6.根据权利要求5所述的一种火电联合热力系统的智能调度方法,其特征在于,还包括:
7.根据权利要求6所述的一种火电联合热力系统的智能调度
8.根据权利要求7所述的一种火电联合热力系统的智能调度方法,其特征在于,所述当统计结果中优选方案一与优选方案二不存在相同的锅炉负荷数据和发电机负荷数据时,选择最相近的两组锅炉负荷数据和发电机负荷数据还包括:
9.根据权利要求8所述的一种火电联合热力系统的智能调度方法,其特征在于,所述基于输出的优选负荷、优选发电量和优选余热输出对火电联合热力系统中各设备进行调度包括:
10.根据权利要求9所述的一种火电联合热力系统的智能调度方法,其特征在于,还包括:
...【技术特征摘要】
1.一种火电联合热力系统的智能调度方法,其特征在于,包括:
2.根据权利要求1所述的一种火电联合热力系统的智能调度方法,其特征在于,所述火电联合热力系统上设置实时反馈设备,获取系统运行数据包括:
3.根据权利要求2所述的一种火电联合热力系统的智能调度方法,其特征在于,所述建立电力-余热分析模型,通过历史系统运行数据对所述电力-余热分析模型进行训练,获输出训练后的所述电力-余热分析模型包括:
4.根据权利要求3所述的一种火电联合热力系统的智能调度方法,其特征在于,所述获取当前余热需求和电力需求,通过所述电力-余热分析模型分析并生成若干个理想发电方案和理想发热方案包括:
5.根据权利要求4所述的一种火电联合热力系统的智能调度方法,其特征在于,所述按照预设的优化方案对各理想发电方案和理想发热方案进行优化,...
【专利技术属性】
技术研发人员:张明辉,李卫国,宋博文,
申请(专利权)人:北方联合电力有限责任公司包头第一热电厂,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。