一种基于区域气象的火电负荷预测系统技术方案

本发明专利技术公开了一种基于区域气象的火电负荷预测系统，其技术方案要点是，包括以下步骤：S1、积累大数据：收集火电站的火电负荷率、新能源风电站风场风速数据；S2、进行数据建模：研究区域内风速变化与火电负荷率变化数据，进行线性关系分析，形成初步模型；S3、开展机组深调摸底试验。本基于区域气象的火电负荷预测系统提高了机组调峰能力；减少新能源弃风弃光，提高火电补偿受益；应用新开发的软件，能够做到新能源及火电负荷预测，增加火电机组运行方式、新能源负荷率的预判。加强火电和风电等新能源联动，建立互动机制，适应电网新形势下火电及新能源的发电，实现效益最大化。实现效益最大化。实现效益最大化。

【技术实现步骤摘要】
一种基于区域气象的火电负荷预测系统


[0001]本专利技术涉及发电管理
，特别涉及一种基于区域气象的火电负荷预测系统。

技术介绍

[0002]随着国家能源结构调整的深入，新能源机组迅速发展，而用电需求增长又呈放缓趋势，火电机组参与深度调峰频次明显增多，且调峰能力亟待进一步提升。
[0003]通过研究同区域新能源发电与传统火电负荷率的关系，可以发现，在阳光天气或风力较大的天气情况下，新能源发电机组会加大并网电量，加大发电功率。由于一定区域内的电量需求总量是稳定在一个区间的，在新能源机组陆续并网发电升负荷的情况下，火电机组作为燃煤机组从经济角度或新能源利用角度上被迫进行深度调峰，降负荷，避免弃风弃光的情况发生。在此过程中从经验总结上看，火电厂周边风力发电量与火电机组降负荷存在一定关系，这个关系需要长期跟踪并收集大量数据才能通过数学建模，发现并找出这些隐藏的关系。
[0004]通过大量数据收集，如果能够预测到新能源发电与传统火电负荷率这间的关联关系，那么通过天气预报得知未来几天的风力风度，火电厂就可以做到提前预知未来几天可以遇到的深度调峰负荷趋势，能够提前做好各项准备。传统电力调度为实时调度，根据电网公司指令实时调度，是不方便提前预知调度负荷趋势的。通过预测结果，再结合火电机组运行情况，能够更加高效的安排机组主要系统运行方式、配煤掺烧、制粉系统定检、缺陷治理等工作，提高运行方式合理性和经济性。
[0005]为了解决基于此背景下的问题，需要开发基于区域气象的火电负荷预测系统。
专利技术内容
[0006]针对
技术介绍
中提到的问题，本专利技术的目的是提供一种基于区域气象的火电负荷预测系统，以解决
技术介绍
中提到的问题。
[0007]本专利技术的上述技术目的是通过以下技术方案得以实现的：
[0008]一种基于区域气象的火电负荷预测系统，包括以下步骤：
[0009]S1、积累大数据：收集火电站的火电负荷率、新能源风电站风场风速数据；
[0010]S2、进行数据建模：研究区域内风速变化与火电负荷率变化数据，进行线性关系分析，形成初步模型；
[0011]S3、开展机组深调摸底试验。
[0012]较佳的，所述S2进行数据建模时基于线性回归算法和梯度下降法来拟合风电和火电的线性关系，具体为：
[0013]步骤一、风火协同参数线性拟合：
[0014]将风电峰值与火电峰值协同，转换为风力大小与火电峰值的参数拟合算法达到风火协同；
[0015]其中风火协同的前置公式如下：
[0016](1)f(x)＝kx；
[0017](2)
[0018]公式(1)表示的是风电峰值和风力的比例关系，其中f(x)表示风电峰值，x表示风力大小，k表示风力和风电峰值的对应关系；公式(2)表示火电峰值与风力的对应关系，x表示历史上风力，h(x)为火电峰值；
[0019]根据历史数据去拟合电力和风力的参数，拟合出来的参数做为线性函数的模型算法，后续每次得到风力的预测值根据公式(1)获取到风电的峰值，根据公式(2)获取到火电的峰值；
[0020]步骤二、梯度下降模型修正参数：
[0021]根据拟合的值和正式调峰值进行对比估算，梯度下降模型算法如下，为公式(3)：
[0022](3)
[0023]每次按照预测的风力投入模型以后，根据拟合参数算数预测火电峰值，并根据预测调峰峰值以后修正峰值放到梯度下降模型里去修正已经拟合的参数；当拟合的参数算出的火电峰值和风电峰值与真实调峰的峰值差值在一个约定的范围内则说明拟合参数已经达到较为精准的参数值；在没有新的约束条件加入的情况下，当前的模型可以稳定运行即可；梯度下降模型算法如下：其中θ为拟合参数，表示每次预测值和真实值之间的距离关系，即拟合函数的预测值和真实调峰值之间的距离值。
[0024]较佳的，所述S2中采用以下步骤进行调峰：
[0025]一、输入历史数据，拟合调峰预测算法参数；
[0026]二、根据拟合参数和预测风力值预测火电峰值调峰数据；
[0027]三、判断预测的值和真实调峰值之间的差值是否在误差范围内；
[0028]四、如果在误差范围内则当前结果有效，不需要继续拟合数据；
[0029]五、若不在范围内则继续则根据真实值继续拟合新的参数。
[0030]较佳的，所述S1积累大数据时，获取的数据还包括风向、气温、云量、云底高度、地面气压、相对湿度、降水量以及降水类型。
[0031]综上所述，本专利技术主要具有以下有益效果：
[0032]本基于区域气象的火电负荷预测系统提高了机组调峰能力；减少新能源弃风弃光，提高火电补偿受益；应用新开发的软件，能够做到新能源及火电负荷预测，增加火电机组运行方式、新能源负荷率的预判。加强火电和风电等新能源联动，建立互动机制，适应电网新形势下火电及新能源的发电，实现效益最大化。通过预测结果，再结合火电机组运行情况，能够更加高效的安排机组主要系统运行方式、配煤掺烧、制粉系统定检、缺陷治理等工作，提高运行方式合理性和经济性。
附图说明
[0033]图1是本专利技术的系统框图之一；
[0034]图2是本专利技术的系统框图之二；
[0035]图3是本专利技术中控制系统中控制单元的电路图。
具体实施方式
[0036]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0037]实施例1
[0038]参考图1至图3，一种基于区域气象的火电负荷预测系统，包括以下步骤：
[0039]S1、积累大数据：收集火电站的火电负荷率、新能源风电站风场风速数据；
[0040]S2、进行数据建模：研究区域内风速变化与火电负荷率变化数据，进行线性关系分析，形成初步模型；
[0041]S3、开展机组深调摸底试验。
[0042]其中，S2进行数据建模时基于线性回归算法和梯度下降法来拟合风电和火电的线性关系，具体为：
[0043]步骤一、风火协同参数线性拟合：
[0044]将风电峰值与火电峰值协同，转换为风力大小与火电峰值的参数拟合算法达到风火协同；
[0045]其中风火协同的前置公式如下：
[0046](1)f(x)＝kx；
[0047](2)
[0048]公式(1)表示的是风电峰值和风力的比例关系，其中f(x)表示风电峰值，x表示风力大小，k表示风力和风电峰值的对应关系；公式(2)表示火电峰值与风力的对应关系，x表示历史上风力，h(x)为火电峰值；
[0049]根据历史数据去拟合电力和风力的参数，拟合出来的参数做为线性函数的模型算法，后续每次得到风力的预测值根据公式(1)获取到风电的峰值，根本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于区域气象的火电负荷预测系统，其特征在于：包括以下步骤：S1、积累大数据：收集火电站的火电负荷率、新能源风电站风场风速数据；S2、进行数据建模：研究区域内风速变化与火电负荷率变化数据，进行线性关系分析，形成初步模型；S3、开展机组深调摸底试验。2.根据权利要求1所述的一种基于区域气象的火电负荷预测系统，其特征在于：所述S2进行数据建模时基于线性回归算法和梯度下降法来拟合风电和火电的线性关系，具体为：步骤一、风火协同参数线性拟合：将风电峰值与火电峰值协同，转换为风力大小与火电峰值的参数拟合算法达到风火协同；其中风火协同的前置公式如下：(1)f(x)＝kx；(2)公式(1)表示的是风电峰值和风力的比例关系，其中f(x)表示风电峰值，x表示风力大小，k表示风力和风电峰值的对应关系；公式(2)表示火电峰值与风力的对应关系，x表示历史上风力，h(x)为火电峰值；根据历史数据去拟合电力和风力的参数，拟合出来的参数做为线性函数的模型算法，后续每次得到风力的预测值根据公式(1)获取到风电的峰值，根据公式(2)获取到火电的峰值；步骤二、梯度下降模型修正参数：根据拟合的值和正式调峰值进行对比估算，梯度下降模型算法...

【专利技术属性】
技术研发人员：杨荣，王文庆，胡显亭，左帅，王建设，夏晨阳，郑斌，
申请(专利权)人：国家电投集团协鑫滨海发电有限公司，
类型：发明
国别省市：