一种智慧电厂监控方法、系统、设备及存储介质技术方案

本申请涉及电厂监控技术领域，公开了一种智慧电厂监控方法、系统、设备及存储介质，其方法包括获取锅炉特征参量的历史数据；判断锅炉特征参量的历史数据是否满足稳定工况要求；基于预设的给煤机进煤量，结合满足稳定工况要求的锅炉特征参量的历史数据，采用核心支持向量机构建锅炉燃烧模型；基于预设的多目标函数和锅炉燃烧模型，结合切比雪芙法,对锅炉运行可调参数进行寻优，获得锅炉运行参数的最优解；将最优解与锅炉特征参量的实时数据进行对比，计算优化偏置量；根据优化偏置量调整锅炉的运行工况。本申请具有根据锅炉的燃烧状态及时调整锅炉的运行工况，使电厂能够稳定运行的效果。果。果。

【技术实现步骤摘要】
一种智慧电厂监控方法、系统、设备及存储介质


[0001]本申请涉及电厂监控
，尤其是涉及一种智慧电厂监控方法、系统、设备及存储介质。

技术介绍

[0002]燃料是电厂的动力来源，燃料变化影响电厂锅炉及其辅助系统的运行稳定性和效率，电厂的锅炉燃烧监控对电厂的安全和经济运行具有重要作用。因此，电厂监控主要是对锅炉燃烧的监控。
[0003]现有的锅炉燃烧监控方法主要依靠工作人员的工程经验进行监控，分析耗时，无法根据锅炉的燃烧状态及时调整锅炉的运行工况。随着锅炉机组负荷的变化，锅炉运行效率的变化也非常大，若无法控制锅炉的运行工况，则不能保证机组保持在最佳的运行曲线上，电厂难以稳定运行。
[0004]针对上述中的相关技术，专利技术人发现现有的电厂监控方式存在有难以根据锅炉的燃烧状态及时调整锅炉的运行工况的问题。

技术实现思路

[0005]为了根据锅炉的燃烧状态及时调整锅炉的运行工况，本申请提供了一种智慧电厂监控方法、系统、设备及存储介质。
[0006]第一方面，本申请提供一种智慧电厂监控方法，具有根据锅炉的燃烧状态及时调整锅炉运行工况的特点。
[0007]本申请是通过以下技术方案得以实现的：
[0008]一种智慧电厂监控方法，包括以下步骤，
[0009]获取锅炉特征参量的历史数据；
[0010]判断所述锅炉特征参量的历史数据是否满足稳定工况要求；
[0011]基于预设的给煤机进煤量，结合满足稳定工况要求的所述锅炉特征参量的历史数据，采用核心支持向量机构建锅炉燃烧模型；
[0012]基于预设的多目标函数和所述锅炉燃烧模型，结合切比雪芙法,对锅炉运行可调参数进行寻优，获得锅炉运行参数的最优解；
[0013]将所述最优解与锅炉特征参量的实时数据进行对比，计算优化偏置量；
[0014]根据所述优化偏置量调整锅炉的运行工况。
[0015]本申请在一较佳示例中可以进一步配置为：所述判断所述锅炉特征参量的历史数据是否满足稳定工况要求的步骤包括，
[0016]获取任一种所述锅炉特征参量的历史数据，分别计算标准差和平均值；
[0017]判断所述标准差和所述平均值的比值是否小于预设阈值；
[0018]当所述标准差和所述平均值的比值小于预设阈值时，则对应的锅炉特征参量的历史数据满足稳定工况要求；
[0019]当所有的所述锅炉特征参量的历史数据对应的所述标准差和所述平均值的比值均小于预设阈值时，所述锅炉特征参量的历史数据满足稳定工况要求。
[0020]本申请在一较佳示例中可以进一步配置为：所述基于预设的给煤机进煤量，结合满足稳定工况要求的所述锅炉特征参量的历史数据，采用核心支持向量机构建锅炉燃烧模型的步骤包括，
[0021]采用预设的核函数处理所述给煤机进煤量和满足稳定工况要求的所述锅炉特征参量的历史数据，得到锅炉燃烧的线性拟合方程；
[0022]根据预设的敏感损失函数，构造包含敏感损失函数参数的锅炉燃烧模型；
[0023]将包含敏感损失函数参数的锅炉燃烧模型转换为对偶的矩阵形式；
[0024]为对偶的矩阵形式的包含敏感损失函数参数的锅炉燃烧模型的每一个由核函数诱导的特征映射函数增加一个实数项，同时约束球心的最后一维，将对偶的矩阵形式的包含敏感损失函数参数的锅炉燃烧模型简化为由所述给煤机进煤量和满足稳定工况要求的所述锅炉特征参量的历史数据形成的包含所有数据点的最小球的表达式，作为锅炉燃烧模型。
[0025]本申请在一较佳示例中可以进一步配置为：所述基于预设的多目标函数和所述锅炉燃烧模型，结合切比雪芙法,对锅炉运行可调参数进行寻优，获得锅炉运行参数的最优解的步骤包括，
[0026]根据所述锅炉特征参量的历史数据，设置所述锅炉燃烧模型的约束条件；
[0027]基于所述约束条件和所述多目标函数，将所述锅炉燃烧模型的多目标表达式分解为单目标表达式；
[0028]求解所述单目标表达式，并将求解结果乘以所述锅炉燃烧模型的多目标表达式所对应映射的权向量，获得锅炉运行参数的最优解。
[0029]本申请在一较佳示例中可以进一步配置为：还包括以下步骤，
[0030]采用网格参数寻优函数对所述核心支持向量机的的惩罚参数C和核函数系数g进行寻优，确定惩罚参数C和核函数系数g的值，所述网格参数寻优函数表达式如下：
[0031][best C,best g]＝SVMcgForRegress(output,input,C
min
，C
max
，g
min
'g
max
)；
[0032]式中，best C为核心支持向量机的最优惩罚参数；best g为核心支持向量机的最优核函数系数；output指样本的输出；input指样本的输入；C
min
指惩罚参数的下限；C
max
指惩罚参数的上限；g
min
指核函数系数的下限；g
max
指核函数系数的上限。
[0033]本申请在一较佳示例中可以进一步配置为：还包括以下步骤，
[0034]采用改进的花授粉算法对所述核心支持向量机的核函数系数g、惩罚系数C与不敏感损失函数ε进行寻优，包括，
[0035]初始化核函数系数g、惩罚系数C与不敏感损失函数ε的取值范围；
[0036]获取N个花朵种群作为当前解向量，且每个当前解向量对应一个三维的向量(C，g，ε)，并找到当前情况下的最优解与最小误差；
[0037]确定当前温度下各个当前解向量的误差值，具体公式如下：
[0038][0039]式中，TFit()用于确定当前温度下的各个当前解向量的误差值；Sol(i)为第i个当前解向量的值，best为全局中的最优值；
[0040]根据轮盘赌策略从所有的当前解向量中找到全局最优值的替代值，并记为best_plus；
[0041]当转换概率＞预设值时，使用以下公式更新当前解向量，并进行当前解向量的越界处理：
[0042][0043][0044]式中，λ＝1.5，M为常数，Γ(λ)是标准的伽马函数；S指莱维飞行的步长大小；X
it+1
指更新后的当前解向量；X
it
指当前解向量；
[0045]对更新的所述当前解向量的误差进行判断，若小于预设误差值，则对当前解向量进行保留，否则则保留当前解向量的未更新值；
[0046]判断更新的所述当前解向量所对应的最小误差是否小于全局最小误差，是则以当前解向量更新全局最优解，以新的当前解向量所对应的最小误差更新全局最小误差；
[0047]进行退温操作；
[0048]判断预设误差值是否满足所述锅炉燃烧模型的预测精度，是则输出此时最优的一组解(C，g，ε)与全局最小误差，否则则继续确定当前温度下各个Sol(i)的误差值，并重复后续步骤。
[00本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种智慧电厂监控方法，其特征在于，包括以下步骤，获取锅炉特征参量的历史数据；判断所述锅炉特征参量的历史数据是否满足稳定工况要求；基于预设的给煤机进煤量，结合满足稳定工况要求的所述锅炉特征参量的历史数据，采用核心支持向量机构建锅炉燃烧模型；基于预设的多目标函数和所述锅炉燃烧模型，结合切比雪芙法,对锅炉运行可调参数进行寻优，获得锅炉运行参数的最优解；将所述最优解与锅炉特征参量的实时数据进行对比，计算优化偏置量；根据所述优化偏置量调整锅炉的运行工况。2.根据权利要求1所述的智慧电厂监控方法，其特征在于，所述判断所述锅炉特征参量的历史数据是否满足稳定工况要求的步骤包括，获取任一种所述锅炉特征参量的历史数据，分别计算标准差和平均值；判断所述标准差和所述平均值的比值是否小于预设阈值；当所述标准差和所述平均值的比值小于预设阈值时，则对应的锅炉特征参量的历史数据满足稳定工况要求；当所有的所述锅炉特征参量的历史数据对应的所述标准差和所述平均值的比值均小于预设阈值时，所述锅炉特征参量的历史数据满足稳定工况要求。3.根据权利要求1所述的智慧电厂监控方法，其特征在于，所述基于预设的给煤机进煤量，结合满足稳定工况要求的所述锅炉特征参量的历史数据，采用核心支持向量机构建锅炉燃烧模型的步骤包括，采用预设的核函数处理所述给煤机进煤量和满足稳定工况要求的所述锅炉特征参量的历史数据，得到锅炉燃烧的线性拟合方程；根据预设的敏感损失函数，构造包含敏感损失函数参数的锅炉燃烧模型；将包含敏感损失函数参数的锅炉燃烧模型转换为对偶的矩阵形式；为对偶的矩阵形式的包含敏感损失函数参数的锅炉燃烧模型的每一个由核函数诱导的特征映射函数增加一个实数项，同时约束球心的最后一维，将对偶的矩阵形式的包含敏感损失函数参数的锅炉燃烧模型简化为由所述给煤机进煤量和满足稳定工况要求的所述锅炉特征参量的历史数据形成的包含所有数据点的最小球的表达式，作为锅炉燃烧模型。4.根据权利要求1所述的智慧电厂监控方法，其特征在于，所述基于预设的多目标函数和所述锅炉燃烧模型，结合切比雪芙法，对锅炉运行可调参数进行寻优，获得锅炉运行参数的最优解的步骤包括，根据所述锅炉特征参量的历史数据，设置所述锅炉燃烧模型的约束条件；基于所述约束条件和所述多目标函数，将所述锅炉燃烧模型的多目标表达式分解为单目标表达式；求解所述单目标表达式，并将求解结果乘以所述锅炉燃烧模型的多目标表达式所对应映射的权向量，获得锅炉运行参数的最优解。5.根据权利要求1
‑
4任意一项所述的智慧电厂监控方法，其特征在于，还包括以下步骤，采用网格参数寻优函数对所述核心支持向量机的的惩罚参数C和核函数系数g进行寻
优，确定惩罚参数C和核函数系数g的值，所述网格参数寻优函数表达式如下：[best C，best g]＝SVMcgForRegress(output，input，C
min
，C
max
，g
min
，g
max
)；式中，best C为核心支持向量机的最优惩罚参数；best g为核心支持向量机的最优核函数系数；output指样本的输出；input指样本的输入；C
min
指惩罚参数的下限；C
max
指惩罚参数的上限；g
min
指核函数系数的下限；g
max
指核函数系数的上限。6.根据权利要求1
‑
4任意一项所述的智慧电厂监控方法，其特征在于，还包括以下步骤，采用改进的花授粉算法对所述核心支持向量机的核函...

【专利技术属性】
技术研发人员：吴克锋，李大才，匡磊，韩功博，孙智斌，冯志金，凌朝年，付强，周泰，邓卫，
申请(专利权)人：广东大唐国际雷州发电有限责任公司，
类型：发明
国别省市：