一种火电机组实发功率预测方法技术

本发明专利技术公开了基于遗传优化和T-S模糊建模的火电机组实发功率预测方法，该方法包括基于遗传优化实现模型输入量优化选择、基于模糊聚类方法T-S模糊模型前件参数的建立、基于最小二乘法T-S模糊模型后件参数的辨识。本发明专利技术实现了火电机组实发功率的预测，实现了遗传优化算法与T-S模糊建模的有机结合，算法先进、预测精度高，针对区外来电占比较大以及特高压直流输电发生闭锁故障等情况时，一方面为电网的调度运行分析以及调整提供参考，同时也能够在电网负荷波动幅度较大时预估电网频率提供依据，提高了电网调度效率、保障电网安全运行。

【技术实现步骤摘要】

本专利技术设及火电机组实发功率预测
，具体设及一种基于遗传优化和T-S 模糊建模的火电机组实发功率预测方法，属于热能动力工程和热工控制领域。
技术介绍
电网频率反映了电力系统内发电出力与负荷的平衡关系，二者的不平衡会导致电 网频率偏离额定值发生波动。因此电网频率是整个电力系统安全运行的重要参数，同时也 是评价电能质量的一个重要指标。为了保障电网的安全与供电电能的质量，我国对电网频 率波动进行了严格的规定。 现代电网在电网频率的调节上一般分为一次调频和二次调频。通过利用汽轮机调 速系统来缓和电网频率的改变程度的一次有差调频和机组采用AGC方式的二次无差调频能 够使电网频率的偏差稳定在较小的范围之内。但随着现代电网规模的扩大，分布式能源的 加入W及特高压直流和智能电网的建设，对现行电网控制提出了精细化、智能化的更高的 控制要求，因此通过对并网运行机组实发功率的预测可W实现有功调节能力和性能的实时 评估，对电网电能的调度具有重要意义。
技术实现思路
技术问题:本专利技术的目的在于提供一种基于遗传优化和T-S模糊建模的火电机组 实发功率预测方法，该方法利用火电机组可测数据，对数据进行分析处理，输入量筛选，建 立T-S模糊预测模型，为电网调度提供参考。 技术方案:本专利技术的一种基于遗传优化和T-S模糊建模的火电机组实发功率预测 方法，包括遗传优化实现模型输入量优化选择、基于模糊聚类方法T-S模糊模型前件参数的 建立、基于最小二乘法T-S模糊模型后件参数的辨识。 首先基于遗传优化实现模型输入量优化选择，由火电机组实发功率影响因素即预 测模型可能输入量的确定与遗传优化输入量筛选，确定火电机组实发功率影响因素即预测 模型可能输入，具体包括:机组实际功率、机组负荷指令、压力偏差、主蒸汽偏差、再热汽溫 偏差、闭锁增信号、闭锁减信号、机组最大允许负荷、机组最小允许负荷、负荷速率设定值、 锅炉主控指令、汽机主控指令、燃料主控指令、磨煤机运行台数、煤质校正系数、过热度偏 差、电网调度负荷指令、一次调频负荷指令18个预测模型的可能输入量。其次利用遗传算法 进行优化计算，将解空间映射到编码空间，每个编码对应问题的一个解，将编码长度设计为 18,染色体的每一位对应一个输入自变量，每一位的基因取值只能是1和0两种情况，如果染 色体某一位的值为1，表示该位对应输入自变量参与最终建模;反之，则表示0对应的输入自 变量不作为最终的建模自变量。选取测试集数据均方误差的倒数作为遗传算法的适应度函 数，从而通过迭代进化，最终筛选出最具代表性的输入自变量参与预测模型的建立。 其次是基于模糊聚类方法T-S模糊模型前件参数的建立，模糊聚类的实现步骤如 下： (1)给出初始划分聚类数C = 2，初始隶属度矩阵化，初始步数m= 1; (2)计算第i个模糊类的中屯、值Cl[OOW 式中，yik为隶属度矩阵U的第i行第k列，Xk为第k个模型输入量，N为采集的历史数 据总个数。定义第k个数据与第i个模糊类的距离dik为：[001引 dik=||xk-ci|| (3)m=m+l，计算新的隶属度矩阵Um+1 新的隶属度矩阵更新公式如下： 若 cUk>0 则 若d化=0 贝Ι|μ 化=1，μ化=0 J辛i[001引（4)给定目标e:如果I lirMfl I含ε，则Cl为聚类中屯、值点，否贝峭加模糊类数，返回（2)。 最后是基于最小二乘法T-S模糊模型后件参数的辨识，将火电厂控制系统中采集 的历史数据进行整理，构造模型输入数据矩阵Φ，模型输出数据向量Y，则T-S模糊模型后件 参数Θ可由W下表达式计算得出。 θ = (φφΤ)-?φγ， 其中，输入数据矩阵Φ的的构造方法为： 式中，y皆为对应第k个输入量与第一个聚类中屯、点的隶属度值，《为对应第k个输 入量与第η个聚类中屯、点的隶属度值，χ?表示第一个输入量的第k次历史数据采样值，4表 示第m个输入量的第k次历史数据采样值。 输出数据矩阵构造方法为： Y=T。 式中，y功第i次采集的输出数据。 有益效果:本专利技术方法可W预测出将来时刻的火电机组实发功率值，利用预测结 果可实时评估火电机组有功调节能力和性能，对运行人员对火电机组采取进一步控制措施 W及对电网电能的调度具有重要指导意义。预测算法本身实现了遗传优化和T-S模糊建模 的有机融合，实现了输入量的最优筛选，算法先进、预测精度高。【具体实施方式】 本专利技术的基于遗传优化和T-S模糊建模的火电机组实发功率预测方法具体实施步 骤如下： 利用全部的18个输入自变量建立T-S模糊建模的火电机组实发功率预测模型，具 体包括:机组实际功率、机组负荷指令、压力偏差、主蒸汽偏差、再热汽溫偏差、闭锁增信号、 闭锁减信号、机组最大允许负荷、机组最小允许负荷、负荷速率设定值、锅炉主控指令、汽机 主控指令、燃料主控指令、磨煤机运行台数、煤质校正系数、过热度偏差、电网调度负荷指 令、一次调频负荷指令，随机产生L个初始串结构数据，每个串结构数据为一个个体，L个个 体构成一个种群。遗传算法W运L个串结构作为初始点开始迭代，运里每个个体的串结构数 据只有1和0两种取值，1代表输入自变量用于建模，0表示输入自变量不用于建模。 基于模糊聚类方法T-S模糊模型前件参数的建立，模糊聚类的实现步骤如下： (1)给出初始划分聚类数c = 2，初始隶属度矩阵化，初始步数m= 1; (2)计算第i个模糊类的中屯、值Cl 式中，yik为隶属度矩阵U的第i行第k列，xk为第k个模型输入量，N为采集的历史数 据总个数。 定义第k个数据与第i个模糊类的距离dik为： dik= I I Xk-Ci[003引（3)m=m+l，计算新的隶属度矩阵Um+i 新的隶属度矩阵更新公式如下： 若 dik>0 贝IJ 若d化=0 贝Ι|μ 化=1，μ当前第1页1 2 本文档来自技高网...

【技术保护点】
一种火电机组实发功率预测方法，其特征在于：该预测方法为以下三步：遗传优化实现模型输入量优化选择、基于模糊聚类方法T‑S模糊模型前件参数的建立、基于最小二乘法T‑S模糊模型后件参数的辨识。

【技术特征摘要】

【专利技术属性】
技术研发人员：殳建军，高爱民，于国强，丁建良，张卫庆，
申请(专利权)人：江苏方天电力技术有限公司，江苏省电力公司，国家电网公司，
类型：发明
国别省市：江苏;32