高压加热器水位的运行优化方法、系统、设备及介质技术方案

本申请公开了一种高压加热器水位的运行优化方法、系统、设备及介质，其中，该高压加热器水位的运行优化方法包括：获取火电机组的历史运行数据；基于历史运行数据，通过支撑向量回归算法对火电机组的高加水位和机组热耗之间的关系进行训练，获得机组热耗预测模型；采用最优化算法，结合机组热耗预测模型，获得影响机组热耗的最优高加水位建议值；该方法利用火电机组历史运行数据，建立高加水位、高加端差、主要热力参数与机组热耗的历史数据样本集，通过支撑向量回归机建立机组热耗预测模型，结合最优化算法对火电机组高加水位变量进行优化，最终获得了最优高加水位建议值，提高火电机组的运行效率和经济效益。火电机组的运行效率和经济效益。火电机组的运行效率和经济效益。

【技术实现步骤摘要】
高压加热器水位的运行优化方法、系统、设备及介质


[0001]本申请涉及火力发电和机器学习
，尤其涉及一种高压加热器水位的运行优化方法、系统、设备及介质。

技术介绍

[0002]火电机组热力系统是一个复杂的、非线性的物理系统，高压加热器通常采用管壳式换热器，由于换热面积限制，高加端差始终存在。而影响高加端差的因素除了加热器型号、尺寸等几何因素外，还与高加运行工况密切相关。
[0003]传统的火电机组高压加热器的水位运行值往往通过人工经验给定，在允许的范围内一般不过多关注。而高加水位对加热器热力性能的影响往往很重要，高加水位过高或者过低都会影响到加热器的换热效率，对整机组的热力系统性能形成重要影响。
[0004]目前的火电机组高压加热器水位运行参数的监盘，往往通过运行人员的经验进行调节，没有统一的衡量标准进行量化性能分析，从而导致火电机组高压加热器运行经济性水平不一致。
[0005]因此，上述技术问题亟待解决。

技术实现思路

[0006]本申请实施例提供一种高压加热器水位的运行优化方法、系统、设备及介质，以解决或部分解决火电机组高压加热器水位运行参数的监盘，往往通过运行人员的经验进行调节，没有统一的衡量标准进行量化性能分析，从而导致火电机组高压加热器运行经济性水平不一致的问题。
[0007]一种高压加热器水位的运行优化方法，包括：
[0008]获取火电机组的历史运行数据；
[0009]基于历史运行数据，通过支撑向量回归算法对火电机组的高加水位和机组热耗之间的关系进行训练，获得机组热耗预测模型；
[0010]采用最优化算法，结合机组热耗预测模型，获得影响机组热耗的最优高加水位建议值，用于对高压加热器水位进行优化。
[0011]本申请在一较佳示例中可以进一步配置为：采用最优化算法，结合机组热耗预测模型，获得影响机组热耗的最优高加水位建议值，包括：
[0012]采用L
‑
BFGS算法，结合机组热耗预测模型，确定最优步长和目标函数。
[0013]本申请在一较佳示例中可以进一步配置为：确定目标函数，包括：
[0014]通过权重算法对物理条件进行复杂约束处理，用于构造目标函数。
[0015]本申请在一较佳示例中可以进一步配置为：采用L
‑
BFGS算法，结合机组热耗预测模型，确定最优步长和目标函数，包括：
[0016]确定导数矩阵，基于导数矩阵，获得导数信息；
[0017]利用导数信息构造海森阵；
[0018]基于导数矩阵和海森阵对高加水位进行局部寻优，用于获得最优步长。
[0019]本申请在一较佳示例中可以进一步配置为：获取火电机组的历史运行数据，包括：
[0020]获取历史运行数据的选取模式；
[0021]基于选取模式，对历史运行数据进行提取，将提取后的历史运行数据构成历史数据样本集。
[0022]本申请在一较佳示例中可以进一步配置为：通过支撑向量回归算法对火电机组的高加水位和机组热耗之间的关系进行训练和学习，获得机组热耗预测模型，包括：
[0023]采用KMeans算法对历史运行数据进行变工况分析，用于获得工况模式状态；
[0024]对每个工况模式状态进行子模型学习，用于获得机组热耗预测模型。
[0025]本申请在一较佳示例中可以进一步配置为：在获得影响机组热耗的最优高加水位建议值之后，包括：
[0026]推送最优高加水位建议值至展示页面，以使用户端基于最优高加水位建议值对火电机组的运行参数进行调整。
[0027]本申请目的二是提供一种高压加热器水位的运行优化系统。
[0028]本申请的上述申请目的二是通过以下技术方案得以实现的：
[0029]一种高压加热器水位的运行优化系统，包括：
[0030]获取历史运行数据模块，用于获取火电机组的历史运行数据；
[0031]获得机组热耗预测模型模块，用于基于历史运行数据，通过支撑向量回归算法对火电机组的高加水位和机组热耗之间的关系进行训练，获得机组热耗预测模型；
[0032]获得最优高加水位建议值模块，用于采用最优化算法，结合机组热耗预测模型，获得影响机组热耗的最优高加水位建议值，用于对高压加热器水位进行优化。
[0033]本申请目的三是提供一种电子设备。
[0034]本申请的上述申请目的三是通过以下技术方案得以实现的：
[0035]一种电子设备，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述高压加热器水位的运行优化方法。
[0036]一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行时实现上述高压加热器水位的运行优化方法。
[0037]综上，本申请包括以下有益技术效果：
[0038]上述高压加热器水位的运行优化方法，利用火电机组历史运行数据，建立高加水位、高加端差、主要热力参数与机组热耗的历史数据样本集，通过具备高度非线性拟合能力的支撑向量回归算法，对火电机组高加水位和机组热耗的隐式非线性关系进行训练和学习，建立机组热耗预测模型，从而实现高加水位和机组热耗间的正向预测，并结合最优化算法对火电机组高加水位变量进行优化，最终获得了最优高加水位建议值，提高火电机组的运行效率和经济效益。
附图说明
[0039]为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获
得其他的附图。
[0040]图1绘示本申请一实施例中高压加热器水位的运行优化方法的流程图；
[0041]图2绘示了本申请一实施例中高压加热器水位运行优化方法的算法流程图；
[0042]图3绘示本申请第一实施例中高压加热器水位的运行优化方法的整体流程图；
[0043]图4绘示本申请一实施例中高压加热器水位的运行优化系统的第一示意图；
[0044]图5绘示本申请一实施例中高压加热器水位的运行优化系统的第二示意图；
[0045]图6绘示本申请一实施例中电子设备的示意图。
具体实施方式
[0046]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0047]下面结合说明书附图对本申请实施例作进一步详细描述。
[0048]本申请实施例提供一种高压加热器水位的运行优化方法，方法的主要流程描述如下：
[0049]参照图1，S10、获取火电机组的历史运行数据。
[0050]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种高压加热器水位的运行优化方法，其特征在于，包括：获取火电机组的历史运行数据；基于所述历史运行数据，通过支撑向量回归算法对所述火电机组的高加水位和机组热耗之间的关系进行训练，获得机组热耗预测模型；采用最优化算法，结合所述机组热耗预测模型，获得影响机组热耗的最优高加水位建议值，用于对所述高压加热器水位进行优化。2.根据权利要求1所述的一种高压加热器水位的运行优化方法，其特征在于，所述采用最优化算法，结合所述机组热耗预测模型，获得影响机组热耗的最优高加水位建议值，包括：采用L
‑
BFGS算法，结合所述机组热耗预测模型，确定最优步长和目标函数。3.根据权利要求2所述的一种高压加热器水位的运行优化方法，其特征在于，所述确定目标函数，包括：通过权重算法对物理条件进行复杂约束处理，用于构造目标函数。4.根据权利要求2所述的一种高压加热器水位的运行优化方法，其特征在于，所述采用L
‑
BFGS算法，结合所述机组热耗预测模型，确定最优步长和目标函数，包括：确定导数矩阵，基于所述导数矩阵，获得导数信息；利用所述导数信息构造海森阵；基于所述导数矩阵和所述海森阵对所述高加水位进行局部寻优，用于获得最优步长。5.根据权利要求1所述的一种高压加热器水位的运行优化方法，其特征在于，所述获取火电机组的历史运行数据，包括：获取所述历史运行数据的选取模式；基于所述选取模式，对所述历史运行数据进行提取，将提取后的所述历史运行数据构成历史数据样本集。6.根据权利要求1所述的一种高压加热...

【专利技术属性】
技术研发人员：郑冉阳，李世友，纪虎军，徐洋，王亚，
申请(专利权)人：深能智慧能源科技有限公司，
类型：发明
国别省市：