一种基于大数据分析的火电厂运行成本优化方法及系统技术方案

本发明专利技术的实施例公开了一种基于大数据分析的火电厂运行成本优化方法及系统

【技术实现步骤摘要】
一种基于大数据分析的火电厂运行成本优化方法及系统


[0001]本专利技术涉及火电厂运行成本分析
，特别涉及一种基于大数据分析的火电厂运行成本优化方法及系统
。

技术介绍

[0002]面对电力体制改革和不断变化的能源行业新形势，发电企业必须积极培育和增强市场竞争力，以充分把握市场机遇并迎接挑战，从而进一步提升发电行业的竞争力
。
这已经成为电力企业发展的共同课题
。
[0003]在电力市场中，发电企业的主要成本通常是与发电煤炭相关的
。
目前，火电企业通常采用将成本折算为标准煤单价的方法来计算发电成本
。
然而，由于煤种的不同和负荷的变化对煤耗有较大影响，当前的煤炭成本计算方法缺乏对这些关键因素的考虑，导致火电企业的煤炭成本计算相对粗糙，未能真实反映实际的发电成本，容易导致在多种煤种情况下未能选择最优的煤种，从而造成不必要的资源浪费
。
[0004]传统的火电厂运行成本优化方法基于静态模型，通常在固定的条件下进行计算，无法充分适应快速变化的市场需求
、
燃料价格
、
环境法规等因素，难以应对电力市场的实时波动和复杂性
。
只关注单一目标，例如最小化燃料成本或最大化电力产量，忽略了多个目标之间的权衡和相互关系，可能导致不够综合的决策，无法满足多重目标的需求，如成本
、
环保
、
可靠性等
。
在计算煤炭成本时缺乏对不同煤种和负荷变化的充分考虑，导致了煤耗估计的不准确性，无法充分优化不同条件下的煤炭使用
。
现有的火电厂运行成本优化方法在适应快速变化的电力市场
、
多目标优化
、
数据质量和可持续性等方面存在一些明显的缺点
。
因此，需要引入更先进的技术和方法，以提高火电厂运行成本优化的效率和效果，更好地满足未来能源行业的需求和挑战
。

技术实现思路

[0005]有鉴于此，本专利技术实施例的目的在于提供一种基于大数据分析的火电厂运行成本优化方法及系统，能够提高火电厂的运营效率
、
降低成本
、
提高竞争力，并且能够更好地满足电力市场的需求和挑战，将数据科学和先进技术应用于火电厂的管理和决策，为电力行业的未来发展提供了有力支持
。
[0006]第一方面，本专利技术实施例提供了一种基于大数据分析的火电厂运行成本优化方法，其中，包括：
[0007]步骤
100
，从火电厂的历史运行数据库中，获取火电厂运行各环节的成本数据；
[0008]步骤
200
，对所述成本数据进行预处理，得到合理数据集合；
[0009]步骤
300
，以影响火电厂运行成本的决策变量作为输入，火电厂运行总成本作为输出，建立火电厂运行成本的多目标约束优化模型；
[0010]步骤
400
，基于多目标约束优化模型得到的火电厂运行总成本，对火电厂的相关配置进行优化，同时对火电厂运行成本的分析过程进行可视化展现
。
[0011]结合第一方面，本专利技术实施例提供了第一方面的第一种可能的实施方式，其中，步骤
100
中，所述从火电厂的历史运行数据库中，获取火电厂运行各环节的成本数据，包括：
[0012]步骤
101
，对火电厂的运行各环节中的数据进行采集和整理；
[0013]步骤
102
，对各类数据项和数据结构进行分析和辨识，存储得到火电厂的历史运行数据库；
[0014]步骤
103
，获取火电厂运行各环节的成本数据，所述成本数据包括燃料成本
、
用电成本和机组设备运维成本
。
[0015]结合第一方面，本专利技术实施例提供了第一方面的第二种可能的实施方式，其中，步骤
200
中，所述对所述成本数据进行预处理，得到合理数据集合，包括：
[0016]步骤
201
，对所述成本数据进行去除噪声
、
填充缺失值
、
去除重复记录
、
数据类型一致性转换中的至少一项处理；
[0017]步骤
202
，建立基于数理统计的成本数据诊断模型，分析所述成本数据的历史同类数据，对所述成本数据进行合理性检验；
[0018]步骤
203
，建立所述成本数据的数据修正模型，选取设定的置信度，对不合理的所述成本数据进行修正
。
[0019]结合第一方面，本专利技术实施例提供了第一方面的第三种可能的实施方式，其中，步骤
300
中，所述以影响火电厂运行成本的决策变量作为输入，火电厂运行总成本作为输出，建立火电厂运行成本的多目标约束优化模型，包括：
[0020]步骤
301
，确定影响火电厂运行成本的决策变量，包括燃料使用量
(Fuel Usage)x1、
机组电力产量
(Electricity Production)x2、
设备维护级别
(Maintenance Level)x3、
发电机负荷
(Generator Output)
和运营策略
(Operating Strategy)
；
[0021]步骤
302
，定义燃料成本最小化目标函数
Minimizef1(x)
＝
Fuel Cost
＝
g1(x1,x2,x3)
，
[0022]用电成本最小化目标函数
Minimizef2(x)
＝
Electricity Cost
＝
g2(x1,x2,x3)
，
[0023]设备运维成本最小化目标函数
Minimizef3(x)
＝
Equipment Maintenance Cost
＝
g3(x1,x2,x3)
；
[0024]步骤
303
，定义约束条件，包括燃料供应约束
h1(x1,x2,x3)、
电力需求约束
h2(x1,x2,x3)、
设备可维护性约束
h3(x1,x2,x3)
和技术限制约束
h4(x1,x2,x3)
中的至少一种，为不同的约束条件赋予不同的决策变量的取值范围；
[0025]步骤
304
，为所述燃料成本最小化目标函数设置权重
w1、
为所述用电成本最小化目标函数设置权重
w2，为所述设备运维成本最小化目标函数设置权重
w3，其中
w1+w2+w3＝1；
[0026]步本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于大数据分析的火电厂运行成本优化方法，其特征在于，包括：步骤
100
，从火电厂的历史运行数据库中，获取火电厂运行各环节的成本数据；步骤
200
，对所述成本数据进行预处理，得到合理数据集合；步骤
300
，以影响火电厂运行成本的决策变量作为输入，火电厂运行总成本作为输出，建立火电厂运行成本的多目标约束优化模型；步骤
400
，基于多目标约束优化模型得到的火电厂运行总成本，对火电厂的相关配置进行优化，同时对火电厂运行成本的分析过程进行可视化展现
。2.
根据权利要求1所述的基于大数据分析的火电厂运行成本优化方法，其特征在于，步骤
100
中，所述从火电厂的历史运行数据库中，获取火电厂运行各环节的成本数据，包括：步骤
101
，对火电厂的运行各环节中的数据进行采集和整理；步骤
102
，对各类数据项和数据结构进行分析和辨识，存储得到火电厂的历史运行数据库；步骤
103
，获取火电厂运行各环节的成本数据，所述成本数据包括燃料成本
、
用电成本和机组设备运维成本
。3.
根据权利要求2所述的基于大数据分析的火电厂运行成本优化方法，其特征在于，步骤
200
中，所述对所述成本数据进行预处理，得到合理数据集合，包括：步骤
201
，对所述成本数据进行去除噪声
、
填充缺失值
、
去除重复记录
、
数据类型一致性转换中的至少一项处理；步骤
202
，建立基于数理统计的成本数据诊断模型，分析所述成本数据的历史同类数据，对所述成本数据进行合理性检验；步骤
203
，建立所述成本数据的数据修正模型，选取设定的置信度，对不合理的所述成本数据进行修正
。4.
根据权利要求3所述的基于大数据分析的火电厂运行成本优化方法，其特征在于，步骤
300
中，所述以影响火电厂运行成本的决策变量作为输入，火电厂运行总成本作为输出，建立火电厂运行成本的多目标约束优化模型，包括：步骤
301
，确定影响火电厂运行成本的决策变量，包括燃料使用量
x1、
机组电力产量
x2、
设备维护级别
x3、
发电机负荷和运营策略；步骤
302
，定义燃料成本最小化目标函数
Minimize f1(x)
＝
Fuel Cost
＝
g1(x1,x2,x3)
，用电成本最小化目标函数
Minimize f2·
(x)
＝
Electricity Cost
＝
g2(x1,x2,x3)
，设备运维成本最小化目标函数
Minimize f3(x)
＝
Equipment Maintenance Cost
＝
g3(x1,x2,x3)
；步骤
303
，定义约束条件，包括燃料供应约束
h1(x1,x2,x3)、
电力需求约束
h2(x1,x2,x3)、
设备可维护性...

【专利技术属性】
技术研发人员：贺旭杰，燕晓龙，武小朋，杜伟，张希峰，李凤军，张振兵，
申请(专利权)人：国能智深控制技术有限公司，
类型：发明
国别省市：