基于大数据的带负荷动力中心热电联产机组煤耗预测系统技术方案

本发明专利技术公开了一种基于大数据的带负荷动力中心热电联产机组煤耗预测系统，所述预测系统包括以下步骤：S1：开展机组性能试验，收集机组在不同负荷率下以及机组带负荷动力中心运行时，负荷动力中心带不同负荷时，发电煤耗和供电煤耗原始试验数据；S2：收集机组在不同运行方式下，供热季与非供热季的不同热负荷下发电煤耗原始数据；S3：收集试验数据进行预处理操作，作为建立模型用数据集；S4：建立数据预测模型，预估不同变量情况下，各机组的发电煤耗和供电煤耗值；S5：统计分析预测结果，得出分析报告；S6：根据外部环境条件，优化机组运行方式。本发明专利技术可对不同复杂工况煤耗科学预测，精细化管理，制定优化运行方案，提高机组经济运行水平。行水平。行水平。

【技术实现步骤摘要】
基于大数据的带负荷动力中心热电联产机组煤耗预测系统


[0001]本专利技术属于节能降耗
，具体涉及一种基于大数据的带负荷动力中心热电联产机组煤耗预测系统。

技术介绍

[0002]随着经济社会的不断发展,人们的环保意识不断提高,在低碳经济背景下,电力行业节能减排工作迫在眉睫。且当前煤炭价格持续高位运行，火电机组的经营举步维艰的情况下，节能降耗工作更显得迫不及待。由于热电机组运行环境与运行工况复杂多变，只凭借过去的运行检验指导经济调整已经不能达到精细化管理要求。
[0003]本专利技术提供基于大数据的带负荷动力中心热电联产机组煤耗预测系统以解决现有技术上存在的不足，是非常有必要的。

技术实现思路

[0004]本专利技术的目的在于，针对热电机组运行环境与运行工况复杂多变，解决负荷动力中心的热电联产机组在不同工况下实现经济运行问题，提供了一种基于大数据的带负荷动力中心热电联产机组煤耗预测系统。
[0005]专利技术构思：鉴于我公司有两台机组、各配置有一台负荷动力中心，供热市场全部采用蒸汽供热的特殊性，相比较常规热电联产机组更为复杂，影响机组能耗变化的变量更多，分析过程更为复杂，为了理清不同工况机组实际能耗情况，更好的做到科学、及时预测、预控，精细化管理，为公司经营提供核心支撑，实现现有试验数据信息整合，建立发电煤耗预测模型系统，提高机组经济运行水平。
[0006]为此本专利技术的技术方案为，基于大数据的带负荷动力中心热电联产机组煤耗预测系统，其特征在于，包括如下步骤：S1：开展机组性能试验，收集机组在不同负荷率下以及机组带负荷动力中心运行时，负荷动力中心带不同负荷时，发电煤耗和供电煤耗原始试验数据；S2：收集机组在不同运行方式下，供热季与非供热季的不同热负荷下发电煤耗原始数据，获得数据存入数据库，为数据预处理提供数据基础；S3:收集原始数据进行预处理操作，对试验数据拟合、扩展、清新处理，建立模型用数据库；S4：建立数据预测模型，预估不同变量情况下，各机组的发电煤耗和供电煤耗值；S5：统计分析预测结果，得出分析报告；S6：结合影响机组运行的外部环境条件因素及内部因素，优化机组运行方式。
[0007]进一步地，步骤S2中所述机组的不同运行方式包括：非供热季单机运行方式、非供热季双机运行方式、供热季双机运行方式，收集这三种运行方式下的不同电负荷与热负荷对应的发电煤耗，获得数据存入数据库，作为数据预处理提供数据基础。
[0008]进一步地，步骤S4中建立预测模型包括以下步骤：
S41：选取机组试验数据集，使用智能数据建模软件DTEMPOWER,分别建立1号和2号机组带负荷动力中心运行方式下发电煤耗与供电煤耗预测模型；S42：选取非供热季双机运行方式下，不同机组负荷和热负荷对应发电煤耗数据的训练集,使用智能数据建模软件DTEMPOWER,分别建立1号机组和2号机组非供热季机组带供热发电煤耗预测模型；S43：选取供热季双机运行方式下，不同机组负荷和热负荷对应发电煤耗数据的训练集,使用智能数据建模软件DTEMPOWER,建立供热季双机运行方式机组带供热发电煤耗预测模型；S44：输出S41、S42、S43模型训练结果，保持训练成果，选取训练集作为数据基础，分别输出非供热季1号机组、2号机组以及非供热季双机运行下和供热季双机运行方式下，发电量、供热量、负荷动力中心发电量3个变量下发电煤耗数据集，使用智能数据建模软件DTEMPOWER,分别建立非供热季1号机组带负荷动力中心带供热发电煤耗预测模型、非供热季2号机组带负荷动力中心带供热发电煤耗预测模型、非供热季双机运行带负荷动力中心带供热发电煤耗预测模型和供热季双机运行发电煤耗预测模型；S45:输出S44不同工况模型训练集，与历史数据进行验证总结，定期选取训练集，优化预测模型。
[0009]进一步地，步骤S41、S42、S43、S44中，分别建立机组负荷率、不同负荷动力中心负荷、不同供热负荷3个变量下的，非供热季1号机组带负荷动力中心带供热发电煤耗预测模型、非供热季2号机组带负荷动力中心带供热发电煤耗预测模型、非供热季双机运行带负荷动力中心带供热发电煤耗预测模型和供热季双机运行发电煤耗预测模型，此时预测模型全部建立完成。
[0010]进一步地，步骤S45中，输出模型的训练结果，对传入训练集得出的训练成果进行成果验证和保存，保存的训练成果直接用于机组在实际工况发电煤耗预测，和指导优化运行方案编制。
[0011]进一步地，步骤S5中统计分析预测结果，得出分析报告，对机组运行方式及负荷分配做出指导建议。
[0012]进一步地，步骤S6中所述结合影响机组运行的外部环境条件因素及内部因素，外部环境条件因素包括区域内新能源发电量情况、季节性水电情况、以及工业用电变化等，内部因素包括机组检修计划安排、设备缺陷、燃料采购等；结合外部环境条件因素及内部因素，确定机组基本发电负荷和供热量，使用建立的模型预测不同工况发电煤耗结果，根据预测结果报告，制定优化机组运行方式、热电负荷分配、以及负荷动力中心运行方式及负荷分配等，得到最优经济运行方案。
[0013]有益效果:本专利技术的基于大数据的带负荷动力中心热电联产机组煤耗预测系统，提高了机组发电预测能力，为公司指标预测和经营预测提供核心支撑，准确预测，提前介入，提前管控。根据数据预测结果，和外部因素，制定最经济运行方案。此外，本专利技术数据源于性能试验，与历史实际数据验证，数据可靠，通过模型搭建，使用简单，有效解决带负荷动力中心热电联产机组各复杂工况煤耗预测难题。
附图说明
[0014]图1 是本专利技术的流程图。
[0015]图2 是本专利技术的不同运行工况机组平均负荷、平均供热量、负荷动力中心平均负荷3个变量与发电煤耗的关系图，其中：图2a（1）是本专利技术的非供热季1号机组带负荷动力中心带供热发电煤耗预测模型输出的机组负荷、供热与发电煤耗关系的3D图；图2a（2）是本专利技术的非供热季非供热季1号机组带负荷动力中心带供热发电煤耗预测模型输出机组负荷、负荷动力中心负荷与发电煤耗关系的3D图；图2a（3）是本专利技术的非供热季1号机组带负荷动力中心带供热发电煤耗预测模型输出机组供热、负荷动力中心负荷与发电煤耗关系的3D图；图2b（1）是本专利技术的非供热季2号机组带负荷动力中心带供热发电煤耗预测模型输出的机组负荷、供热与发电煤耗关系的3D图；图2b（2）是本专利技术的非供热季非供热季2号机组带负荷动力中心带供热发电煤耗预测模型输出机组负荷、负荷动力中心负荷与发电煤耗关系的3D图；图2b（3）是本专利技术的非供热季2号机组带负荷动力中心带供热发电煤耗预测模型输出机组供热、负荷动力中心负荷与发电煤耗关系的3D图；图2c（1）是本专利技术的非供热季双机运行带负荷动力中心带供热发电煤耗预测模型输出的机组负荷、供热与发电煤耗关系的3D图；图2c（2）是本专利技术的非供热季双机运行带负荷动力中心带供热发电煤耗预测模型输出的机组负荷、负荷动力中心负荷与发电煤耗关系的3D图；图2c（3）是本本专利技术的非供热季双机运行带负荷动力中心带供热发电煤耗预测模型输本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于大数据的带负荷动力中心热电联产机组煤耗预测系统，其特征在于，包括如下步骤：S1：开展机组性能试验，收集机组在不同负荷率下以及机组带负荷动力中心运行时，负荷动力中心带不同负荷时，发电煤耗和供电煤耗原始试验数据；S2：收集机组在不同运行方式下，供热季与非供热季的不同热负荷下发电煤耗原始数据，获得数据存入数据库，为数据预处理提供数据基础；S3:收集原始数据进行预处理操作，对试验数据拟合、扩展、清新处理，建立模型用数据库；S4：建立数据预测模型，预估不同变量情况下，各机组的发电煤耗和供电煤耗值；S5：统计分析预测结果，得出分析报告；S6：结合影响机组运行的外部环境条件因素及内部因素，优化机组运行方式。2.根据权利要求1中所述的基于大数据的带负荷动力中心热电联产机组煤耗预测系统，其特征在于：步骤S2中所述机组的不同运行方式包括：非供热季单机运行方式、非供热季双机运行方式、供热季双机运行方式，收集这三种运行方式下的不同电负荷与热负荷对应的发电煤耗，获得数据存入数据库，作为数据预处理提供数据基础。3.根据权利要求2中所述的基于大数据的带负荷动力中心热电联产机组煤耗预测系统，其特征在于：步骤S4中建立预测模型包括以下步骤：S41：选取机组试验数据集，使用智能数据建模软件DTEMPOWER,分别建立1号和2号机组带负荷动力中心运行方式下发电煤耗与供电煤耗预测模型；S42：选取非供热季双机运行方式下，不同机组负荷和热负荷对应发电煤耗数据的训练集,使用智能数据建模软件DTEMPOWER,分别建立1号机组和2号机组非供热季机组带供热发电煤耗预测模型；S43：选取供热季双机运行方式下，不同机组负荷和热负荷对应发电煤耗数据的训练集,使用智能数据建模软件DTEMPOWER,建立供热季双机运行方式机组带供热发电煤耗预测模型；S44：输出S41、S42、S43模型训练结果，保持训练成果，选取训练集作为数据基础，分别输出非供热季1号机组、2号机组以及非供热季双机运行下和供热季双机运行方式下，发电量、供热量、负荷动力...

【专利技术属性】
技术研发人员：王飞，白世雄，冯培峰，解世涛，曹建锋，
申请(专利权)人：京能十堰热电有限公司，
类型：发明
国别省市：