【技术实现步骤摘要】
本专利技术涉及火电厂管理，尤其是涉及一种火电厂深度调峰状态监测方法及系统。
技术介绍
1、火力发电机组是以煤炭、油类或可燃气体等为燃料，加热锅炉内的水，使之增温，再用有一定压力的蒸气推动气轮方式发电的机组。火力发电机组的水汽系统是由锅炉、汽轮机、凝汽器、高低压加热器、凝结水泵和给水泵等组成，它包括汽水循环、化学水处理和冷却系统等。水在锅炉中被加热成蒸汽，经过加热器进一步加热后变成过热的蒸汽，再通过主蒸汽管道进入汽轮机。由于蒸汽不断膨胀，高速流动的蒸汽推动汽轮机的叶片转动从而带动发电机。
2、由上述可知，火力发电机的在运作的时候，需要配合的系统相对复杂，所以对负载的变换也存在着多种不可控的因素，所以亟需一种不仅能够避免调峰过程中出现问题，且能够更加高效的实现发电机组调峰的监测方法及系统。
技术实现思路
1、本专利技术的目的是提供一种能够更加高效且稳定的发电机组调峰监测方法及系统。
2、在本申请的一些实施例中，公开了一种火电厂深度调峰状态监测方法，包括：
3、采集调峰状态下若干所属同一时间节点的机组运行参数集，所述机组运行参数集包括若干机组部件运行状态参数；
4、将机组运行参数集作为训练数据，进行神经网络训练，得到调峰-机组状态预测模型；
5、根据调峰-机组状态预测模型对调峰状态下的实时机组部件运行状态参数的分析，确定出不同机组部件的预测运行状态；
6、将不同机组部件的预测运行状态与预设的标准运行状态进行比对，生成
7、采集不同的调峰节点的调峰程度以及第一状态比对结果，基于第一状态比对结果对调峰程度进行调峰评价，并将调峰评价大于预设合格值的调峰程度构建调峰策略，并基于调峰策略对机组进行调峰。
8、在本申请的一些实施例中，机组运行参数集包括：受热面壁温特征、炉膛负压、火检信息、scr入口烟温、空预器压差、汽机轴振和轴向位移。
9、在本申请的一些实施例中，将机组运行参数集作为训练数据，进行神经网络训练的方法包括：
10、分别针对每次深度调峰建立时间参考线，并基于第一时间间隔在时间参考线上标记第一采集时间节点；
11、分别对应时间参考线的每一第一采集时间节点，对调峰状态下的机组部件运行状态参数进行采集，生成机组运行参数集；
12、针对同一时间参考线上映射的机组运行参数集进行变化梯度分析，并将存在变化梯度大于预设值的机组运行参数集进行标记；
13、将同一时间参考线上相邻且有标记的机组运行参数集的时间差异量进行记录，其中，将机组运行参数集与前一机组运行参数集之间的时间差异量记为前时间差异量，将机组运行参数集与后一机组运行参数集之间的时间差异量记为后时间差异量；
14、基于预设的预测周期长度，确定在同一时间参考线上截选的机组运行参数集；
15、将截选的若干机组运行参数集和各自标记的前时间差异量和后时间差异量认定为一组训练数据；
16、对若干时间参考线对应的多组训练数据进行神经网络训练，得到调峰-机组状态预测模型。
17、在本申请的一些实施例中，将不同机组部件的预测运行状态与预设的标准运行状态进行比对的方法包括：
18、获取当下预设时间段内的机组部件运行状态参数，并以所属的时间节点各自归类，生成若干当下的机组运行参数集；
19、依照时间节点的前后次序，对当下的机组运行参数集进行排序；
20、对当下的机组运行参数集进行变化梯度分析，并将存在变化梯度大于预设值的机组运行参数集进行标记，并计算标记后的机组运行参数集之间的时间差异量；
21、利用调峰-机组状态预测模型，对当下预设时间段内标记的若干机组运行参数集以及各自关联的时间差异量进行分析，确定出不同机组部件在未来不同时间节点的预测运行参数；
22、将未来不同时间节点的机组部件的预测运行参数与预设的标准运行参数区间进行比对，若预测运行参数大于标准运行参数区间的上临界值或预测运行参数小于标准运行参数区间的下临界值，则对机组部件进行部件报警。
23、在本申请的一些实施例中，生成第一状态比对结果的方法包括：
24、将不同机组部件的预测运行参数与预设的标准运行参数区间进行比对，计算出距离标准运行参数区间临界值的第一临界差异量和第二临界差异量；
25、根据运行状态稳定性因素和成本性因素的考量，将每一机组部件的标准运行参数区间划分出若干标准运行参数子区间，并针对每一标准运行参数子区间配置运行状态评价；
26、根据机组部件对应的第一临界差异量和第二临界差异量，确定机组部件的预测运行参数所属的标准运行参数子区间，并基于预测运行参数所属的标准运行参数子区间，确定机组部件的运行状态评价；
27、将不同的机组部件的运行状态评价认定为第一状态比对结果。
28、在本申请的一些实施例中，计算机组部件的运行状态评价的表达式为：
29、；
30、其中，为第n个机组部件的运行状态评价对应值，为第一临界差异量，为第二临界差异量，为第i个标准运行参数子区间的数值范围，为第i个标准运行参数子区间对应的运行状态评价对应值。
31、在本申请的一些实施例中，基于第一状态比对结果对调峰程度进行调峰评价的方法包括：
32、计算不同机组部件的运行状态评价；
33、基于机组部件对整个发电机组的重要性，对机组部件配置重要性权重系数；
34、基于机组部件的易损伤的发生概率，对机组部件配置稳定性权重系数；
35、结合所有机组部件的运行状态评价、重要性权重系数和稳定性权重系数，确定调峰评价.
36、在本申请的一些实施例中，计算调峰评价的表达式为：
37、；
38、其中，y为调峰评价对应值，为第一调峰评价转换系数，为重要性权重系数，为稳定性权重系数，为第n个机组部件的运行状态评价对应值，b为第一调峰评价调整常数。
39、在本申请的一些实施例中，基于调峰评价对机组进进行调峰的方法包括：
40、针对调峰评价设定有若干预设调峰评价区间，每一预设调峰评价区间对应有对应的预设负载降低梯度；
41、获取未来不同时间节点的调峰评价，并基于不同时间节点的调峰评价所属的预设调峰评价区间，确定发电机组在对应时间节点应用的负载降低梯度，构建调峰策略。
42、在本申请的一些实施例中，还公开有一种火电厂深度调峰状态监测系统，包括：
43、运行状态采集模块，用于采集调峰状态下若干所属同一时间节点的机组运行参数集，所述机组运行参数集包括若干机组部件运行状态参数；
44、运行状态预测模块，用于根据调峰-机组状态预测模型对调峰状态下的实时机组部件运行状态参数的分析，确定出不同机组部件的预测运行状态；...
【技术保护点】
1.一种火电厂深度调峰状态监测方法，其特征在于，包括：
2.根据权利要求1所述的一种火电厂深度调峰状态监测方法，其特征在于，机组运行参数集包括：受热面壁温特征、炉膛负压、火检信息、SCR入口烟温、空预器压差、汽机轴振和轴向位移。
3.根据权利要求1所述的一种火电厂深度调峰状态监测方法，其特征在于，将机组运行参数集作为训练数据，进行神经网络训练的方法包括：
4.根据权利要求1所述的一种火电厂深度调峰状态监测方法，其特征在于，将不同机组部件的预测运行状态与预设的标准运行状态进行比对的方法包括：
5.根据权利要求4所述的一种火电厂深度调峰状态监测方法，其特征在于，生成第一状态比对结果的方法包括：
6.根据权利要求5所述的一种火电厂深度调峰状态监测方法，其特征在于，计算机组部件的运行状态评价的表达式为：
7.根据权利要求1所述的一种火电厂深度调峰状态监测方法，其特征在于，基于第一状态比对结果对调峰程度进行调峰评价的方法包括：
8.根据权利要求7所述的一种火电厂深度调峰状态监测方法，其特征在于，
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。