基于人工神经网络的多模式供热机组负荷分配优化方法技术

本发明专利技术公开了一种基于人工神经网络的多模式供热机组负荷分配优化方法，它包括如下步骤：步骤S1、建立数据库，存储机组运行数据以及接入的气象数据；步骤S2、搭建BP人工神经网络模型，调用数据库中数据作为BP人工神经网络模型的输入数据，对机组未来24h的供热负荷和供电负荷进行预测。本发明专利技术提供一种基于人工神经网络的多模式供热机组负荷分配优化方法，它基于气象信息以及电厂历史负荷，对未来负荷进行预测；根据预测负荷对电厂进行预先调节和预先计划方案制定；根据MEGC指令以及预测负荷对电厂机组进行合理负荷分配；根据预测负荷指导电厂进行决策制定，是否参与第二天调峰竞价以及竞价电价确定。竞价电价确定。竞价电价确定。

【技术实现步骤摘要】
基于人工神经网络的多模式供热机组负荷分配优化方法


[0001]本专利技术涉及一种基于人工神经网络的多模式供热机组负荷分配优化方法，属于火电供热机组热电负荷预测领域。

技术介绍

[0002]目前，随着城市采暖需求的逐年稳步增加，供热能力不足的问题日益凸显，影响民生保障。为此，各发电企业一方面通过设备和技术改造增加供热能力，满足更多供暖负荷需求，一方面通过灵活性改造参与电力市场辅助服务，积极响应国家陆续推出的电力系统调峰补偿政策。针对不同时期不同供电负荷和供暖负荷的需求，如何量化指导机组在多种负荷需求、多种供热模式下的协同优化运行，以挖掘现有机组深度调峰能力和供热能力，有效提高电力系统安全稳定运行水平、供热可靠性和机组运行经济性，助力更多清洁能源的消纳和发展。
[0003]在多能源协同控制系统(MEGC，Multiple Energy Generation Control)下，电厂侧可以根据自身机组情况来进行优化调整，提高机组运行经济性。但是由于存在多种供热模式、热电的强耦合特性，另外考虑到机组性能的差异以及深度调峰的需求，电厂难以根据运行本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工神经网络的多模式供热机组负荷分配优化方法，其特征在于，它包括如下步骤：步骤S1、建立数据库，存储机组运行数据以及接入的气象数据；步骤S2、搭建BP人工神经网络模型，调用数据库中数据作为BP人工神经网络模型的输入数据，对机组未来24h的供热负荷和供电负荷进行预测；步骤S3、根据机组当前工况以及预测的未来24h的供热负荷和供电负荷，结合机组运行能力、调节能力、机组整体负荷率以及供热、供电单位成本，进行机组初次负荷分配；步骤S4、通过结合机组初次负荷分配以及在此基础上得到的供电、供热单位成本和机组整体负荷率建立优化目标函数，得到不同调峰报价下的机组总体收益，并确定第二天是否参与调峰竞价以及报价；步骤S5、根据MEGC指令，结合步骤S3中的机组初次负荷分配以及步骤S4中的报价信息进行二次分配，二次分配以MEGC指令中指定的电厂供热和供电总负荷为约束值，以降低供热和供电单位成本、降低整体负荷率、确保前日调峰竞价报价收益、增加电厂整体收益为目标。2.根据权利要求1所述的一种基于人工神经网络的多模式供热机组负荷分配优化方法，其特征在于，所述步骤S2中，搭建BP人工神经网络模型，调用数据库中数据作为BP人工神经网络模型的输入数据，对机组未来24h的供热负荷和供电负荷进行预测，包括如下步骤：通过设计中间层的层数m和每层的神经网络节点数据n，构建适用于多输入多输出的BP人工神经网络模型，所述BP人工神经网络模型的输出数据包括机组未来的热负荷和电负荷，机组运行人员根据输出的电负荷和热负荷做出第二天的调峰报价。3.根据权利要求1所述的一种基于人工神经网络的多模式供热机组负荷分配优化方法，其特征在于：所述气象数据包括环境温度、气压、湿度和风速；所述供热机组运行数据包括发电负荷和供热负荷。4.根据权利要求1所述的一种基于人工神经网络的多模式供热机组负荷分配优化方法，其特征在于：所述机组整体负荷率的上下限由国家电网给出的调峰补贴的档次决定。5.根据权利要求1所述的一种基于人工神经网络的多模式供热机组负荷分配优化方法，其特征在于，所述步骤S4中，不同调峰报价下的机组总体收益，满足如下公式：法，其特征在于，所述步骤S4中，不同调峰报价下的机组总体收益...

【专利技术属性】
技术研发人员：付怀仁，张立业，钟崴，张敏，王岩，周兴野，魏瑞东，
申请(专利权)人：浙江大学，
类型：发明
国别省市：