一种基于RF-DTW的智能电厂燃煤发电机组短期负荷预测方法技术

本发明专利技术涉及一种基于RF

【技术实现步骤摘要】
一种基于RF
‑
DTW的智能电厂燃煤发电机组短期负荷预测方法


[0001]本专利技术属于燃煤发电过程控制领域，尤其涉及一种融合RF和DTW的智能电厂燃煤发电机组短期负荷预测方法。

技术介绍

[0002]当今正处于智能化时代，各行各业都在积极争取向智能化转型升级，具有资金密集型和技术密集型双重特征的燃煤发电企业也开始由传统电厂向智能电厂迈进。智能电厂的核心在发电过程控制的智能化。其中：随着机组负荷的改变，汽机侧的循环水泵和锅炉侧的磨煤机、脱硫浆液循环泵等重要辅机的启停优化具有可观的经济效益，因而成为智能电厂建设的重点内容之一。这些辅机的连续稳定运行对整个机组的安全生产至关重要，而且它们的电机属于高压电机，不容许频繁启停。这就离不开对机组负荷的短期(根据电厂实际，此处短期指24小时以内)精准预测。
[0003]目前对燃煤发电机组短期负荷预测的研究应用主要分以下两个方面：
[0004]1)通过机组的实时图像和运行参数软测量机组负荷。比如：采用SVM方法并通过辨识锅炉炉膛火焰辐射图像以软测量机组负荷；通过主蒸汽压力、主本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于RF
‑
DTW的智能电厂燃煤发电机组短期负荷预测方法，其特征在于，包括以下步骤：步骤1、获取当前时间作为预测时刻T
now
；步骤2、从机组的数据库中获取历史数据，历史数据的形式为：上式中，历史数据矩阵F
a1
中各列分别表示机组负荷、降水、气压、风速、气温、湿度数据；历史数据矩阵F
a1
中各行分别表示不同时间的机组负荷、降水、气压、风速、气温、湿度数据；历史数据矩阵F
a1
为历史数据组成的矩阵；步骤3、对历史数据进行预处理；步骤4、根据预测时刻T
now
计算预测时刻前一周的平均负荷F
week
‑
mean
：F
week
‑
mean
＝[u
j1
,u
j2
,...u
jn
]上式中，u
j1
,u
j2
,...u
jn
指前一周每半小时的平均负荷，其中j是计算的首字母，n为计算的平均负荷次数；步骤5、使用随机森林算法计算气象数据和机组负荷之间的权重因子VIM
m
；首先计算Gini指数：上式中，K表示有K个类别，p
mk
表示节点m中类别k所占的比例；CI
m
指节点m的基尼数；气象数据包括：气温、气压、风温、湿度和降水数据；然后计算机组负荷在节点中的权重：VIM
m
＝GI
m
‑
GI
l
‑
GI
r
上式中，GI
l
和GI
r
分别表示分枝后两个新节点后，两个新节点的Gini指数；步骤6、对历史负荷数据F
a1
进行数据归一化处理，得到归一化数据矩阵F
a
‑
norm
；上式中，F
a
‑
norm
为历史数据的归一化数值，F
a
‑
max
为最大值，F
a
‑
min
为最小值；上式将历史数据矩阵F
a1
映射到[0,1]区间；其中历史数据包括负荷、降水、气压、风速、气温、湿度数据；步骤7、根据当前的预测时刻T
now
获取相似时刻数据，取相似时刻数据所在日的前一年同期、前一年同期前后设定时间段的数据和预测时刻所在日前设定天数的数据；步骤8、加入权重因子VIM
m
，根据DTW原理计算多元数据之间的相似矩阵B，将之转换为相似度输出相似度最大的曲线；其中dist为欧式距离；步骤9、使用周平均负荷对应时刻的值跟最相似曲线的乘积作为预测负荷，将预测负荷追加到历史数据库中，预测负荷参与每一次的预测数据合并；步骤10、判断循环迭代次数是否达到48次，若循环迭代次数未达到48次则执行步骤7至
步骤9，直至循环迭代次数达到48次；若循环迭代次数达到48次，则执行步骤11；步骤11、将预测负荷合并，读入前一日的预测误差，根据前一日的预测误差进行修正，并将修正后的24小时预测负荷进行卡尔曼滤波平滑处理；其中修正的具体方式为前一日的预测误差与对应预测时刻的预测值之和；步骤12、输出预测负荷和实际负荷的误差：F
error(i)
＝F
pra
‑
F
forecast
上式中，F
pra
为预测负荷；步骤13、将预测负荷F
pra
写入数据库，用于软件绘图展示。2.根据权利要求1所述基于RF
‑
DTW的智能电厂燃煤发电机组短期负荷预测方法，其特征在于：步骤2中数据库为PI数据库；步骤2选取的历史数据包括时间、降水、气压、风速、气温和湿度数据。3.根据权利要求1所述基于RF
‑
DTW的智能电厂燃煤发电机组短期负荷预测方法，其特征在于：步骤3中的数据预处理包括缺失值填充，缺失值填充具体为将历史数据中负荷值小于0MW的值替换为0MW。4.根据权利要求1所述基于RF
‑
DTW的智能电厂燃煤发电机组短期负荷预测方法，其特征在于：步骤5中的气象数据包括气温、气压、风温、湿度和降水数据。5.根据权利要求1所述基于R...

【专利技术属性】
技术研发人员：杨勤，孙永平，袁伟中，王豆，傅骏伟，郑必君，安佰京，刘胜成，姜志峰，屠海彪，王策，
申请(专利权)人：浙江浙能技术研究院有限公司，
类型：发明
国别省市：