【技术实现步骤摘要】
基于机器学习的水电厂发电负荷预测系统及方法
[0001]本专利技术涉及数据处理
，具体为基于机器学习的水电厂发电负荷预测系统及方法。
技术介绍
[0002]水电厂又称作为水力发电厂，它是将水的动能和位能转换成电能的工厂，是在河流高处，利用水的压力使得水轮机旋转，进而将动能和势能转换为机械能，后水轮机带动发电机组旋，转，将机械能转换成电能；因此，水电厂产生电能的过程中，水电机组尤为重要；一旦水电机组发生故障，可能会导致电能的生产率下降，无法使得计划电能供应给输电线路。
[0003]水电机组的具体结构有水轮机、发电机和相关水力发电辅助设备组成的整体，其中为了切实保证水电机组设备能够稳定运行还需要配备调速器等等，水电机组中的重要设备之一就是发电机，发电机在工作过程中会产生相应的振动，一旦发生变化，即不能够保证水电厂能够顺利发电；因此，需要实时检测发电机是否产生故障，如若产生故障，如何合理分配电量完成计划电量供应是极为重要的问题。
技术实现思路
[0004]本专利技术的目的在于提供基于机器学习的水电厂发...
【技术保护点】
【技术特征摘要】
1.基于机器学习的水电厂发电负荷预测系统，其特征在于：所述发电负荷预测系统包括水轮机组故障分析模块、发电负荷预测模块、最优电量分配模块和监测模块；所述水轮机组故障分析模块用于根据水轮机组的振动频率范围，分析引起水轮机组发生故障的风险因素，根据水轮机组因不同风险因素故障得到需要维修的时间长度；所述发电负荷预测模块用于对本季度水轮机组的发电量进行预测，将所述预测第一发电量与计划发电量相比较，根据比较结果，对第一发电量进行优化处理；所述最优电量分配模块用于根据优化后的总发电成本，将总发电成本与预设成本相比较，选择最优的水轮机组数量进行分配电量；所述监测模块用于实时监测水轮机组的振动频率，根据振动频率的变化值进行预警；所述水轮机组故障分析模块、发电负荷预测模块与监测模块相连接；所述发电负荷预测模块与最优电量分配模块相连接。2.根据权利要求1所述的基于机器学习的水电厂发电负荷预测系统，其特征在于：所述水轮机组故障分析模块包括振动频率范围检测单元、水轮机组维修时间分析单元和水轮机风险评估单元；所述振动频率范围检测单元用于核实水轮机组的振动频率，根据水轮机组的频率变化分析水轮机组的故障概率；所述故障树分类单元用于对水轮机组按照不同故障类比进行分类；所述水轮机风险评估单元用于获取引起水轮机组故障的风险因素，对故障树的风险因素进行评分；所述水轮机组维修时间分析单元用于获取水轮机组故障原因，根据故障原因得到水轮机组的维修时间长度；所述水轮机风险评估单元的输出端与振动频率范围检测单元、故障树分类单元、水轮机组维修时间分析单元的输入端相连接。3.根据权利要求1所述的基于机器学习的水电厂发电负荷预测系统，其特征在于：所述发电负荷预测模块包括影响因素获取单元、预测分析单元和结果比较单元；所述影响因素获取单元用于获取影响水轮机组正常发电的因素，并将影响因素输送至预测分析单元；所述预测分析单元用于根据水轮机组所受影响因素，预测本季度水电厂的第一发电量，并将所预测结果输送至结果比较单元；所述结果比较单元用于将第一发电量与计划发电量相比较，根据比较结果，得到剩余电量，将剩余电量进行第一次优化分配，从而能够合理调度其他水轮机组完成工作；所述结果比较单元的输出端与影响因素获取单元、预测分析单元的输入端相连接。4.根据权利要求1所述的基于机器学习的水电厂发电负荷预测系统，其特征在于：所述最优电量分配模块包括总发电成本分析单元和最优水轮机组数量确定单元；所述总发电成本分析单元用于计算剩余电量进行第一次优化分配后的总发电成本，从而能够合理控制成本；所述最优水轮机组数量确定单元用于根据优化后的总发电成本进而调度水轮机组的数量，完成电量的分配任务；所述最优水轮机组数量确定单元的输出端与总发电成本分析单元的输入端相连接。
5.根据权利要求1所述的基于机器学习的水电厂发电负荷预测系统，其特征在于：所述监测模块包括频率范围对比单元和预警提示单元；所述频率范围对比单元用于获取水轮机组的振动频率范围，并按照频率范围进行分组，得到水轮机组不同的故障类别；所述预警提示单元用于根据不同的故障类别进行不同程度的预警提示。6.基于机器学习的水电厂发电负荷预测方法，其特征在于：所述发电负荷预测方法执行如下步骤：Z01：根据水轮机组的振动频率，建立水轮机组故障的故障树，得到引起水轮机组发生故障的风险因素，并对故障树的风险因素进行评分；获取水轮机组的...
【专利技术属性】
技术研发人员：殷召生，
申请(专利权)人：南京佰思智能科技有限公司，
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。