【技术实现步骤摘要】
本专利技术涉及电厂，具体地涉及一种电厂燃料计划计算方法及一种电厂燃料计划计算系统。
技术介绍
1、编制燃料计划是一项较为复杂的工作，需要梳理燃料供需平衡关系，考虑内部供应、外部采购。一体化电厂众多，燃料计划编制规则复杂，数据量非常大。目前燃料计划编制均采用人工编制的方式，效率低下、重复性工作多，且容易出现计划偏差。
2、因此，如何智能地编制出各电厂燃料计划是目前亟需解决的问题。
技术实现思路
1、本专利技术实施方式的目的是提供一种电厂燃料计划计算方法及系统，以至少解决上述的不能智能地编制出各电厂燃料计划的问题。
2、为了实现上述目的，本专利技术第一方面提供一种电厂燃料计划计算方法，包括：
3、采集目标电厂dcs数据库信息，并基于自目标电厂dcs数据库信息获得的多种时间序列数据集，构建电厂燃煤库存量预测模型、电厂发电量预测模型和电厂日耗煤预测模型；
4、以目标电厂dcs数据库信息为入参，分别基于电厂燃煤库存量预测模型进行电厂燃煤库存量预测，基于电厂发电量预测模型进行发电量预测，基于电厂日耗煤预测模型进行日耗煤量预测；
5、基于实时电厂锚地待卸煤量、电厂燃煤库存量预测数据和日耗煤量预测数据，确定电厂燃料可用天数；
6、基于电厂燃料可用天数和发电量预测数据，确定燃料计划。
7、可选的，上述基于实时电厂锚地待卸煤量、电厂燃煤库存量预测数据和日耗煤量预测数据，确定电厂燃料可用天数，包括：
8、根据
9、可选的，上述多种时间序列数据集至少包括电厂发电量链路时间序列数据集、电厂供热量链路时间序列数据集、电厂厂内库存链路时间序列数据集、电厂在途量链路时间序列数据集、电厂库容能力链路时间序列数据集、电厂燃料计划链路时间序列数据集和煤炭价格时间序列数据集中的一种或多种；
10、该方法还包括：
11、采集历史日发电量数据，并对历史日发电量数据进行降维和去噪处理，得到电厂发电量链路时间序列数据集；
12、采集历史日供热量数据，并对历史日供热量数据进行特征提取和主成分分析，得到电厂供热量链路时间序列数据集；
13、采集历史厂内日库存量数据，利用特征选择方法对历史厂内日库存量数据进行降维和去噪处理，得到电厂厂内库存链路时间序列数据集；
14、采集历史日在途燃料数据，利用离散化方法对历史日在途燃料数据进行转换，得到电厂在途量链路时间序列数据集；
15、采集历史电厂库容范围数据，并对历史电厂库容范围数据进行降维和去噪处理，得到电厂库容能力链路时间序列数据集；
16、采集历史电厂燃料计划，对历史电厂燃料计划进行降维和去噪处理，得到电厂燃料计划链路时间序列数据集；
17、基于历史煤炭价格数据，建立煤炭价格时间序列数据集。
18、可选的，上述基于自目标电厂dcs数据库信息获得的多种时间序列数据集，构建电厂燃煤库存量预测模型、电厂发电量预测模型和电厂日耗煤预测模型，包括：
19、基于多种时间序列数据集和第一预设训练算法，对电厂燃煤库存量预测模型进行训练；其中，
20、第一预设训练算法为时间序列预测法、arima算法和/或lstm算法；
21、基于多种时间序列数据集和第二预设训练算法，对电厂发电量预测模型进行训练；
22、基于多种时间序列数据集和第二预设训练算法，对电厂日耗煤预测模型进行训练；其中，
23、第二预设训练算法为基于时间序列分析法和/或线性回归分析法。
24、可选的，上述基于多种时间序列数据集和第一预设训练算法，对电厂燃煤库存量预测模型进行训练，包括：
25、将多种时间序列数据集划分为测试集和训练集，通过训练集对构建的电厂燃煤库存量预测模型进行训练；
26、利用测试集对训练好的电厂燃煤库存量预测模型进行测试，得到测试结果；
27、基于预设评估指标，对测试结果进行评估，得到评估结果；
28、在评估结果未达到预设模型标准的情况下，对多种时间序列数据集进行特征工程处理，利用特征工程处理后的多种时间序列数据集重新对构建的电厂燃煤库存量预测模型进行训练。
29、可选的，上述目标电厂dcs数据库信息包括最优船运计划；
30、上述基于电厂燃煤库存量预测模型进行电厂燃煤库存量预测，包括：
31、将最优船运计划作为入参，利用电厂燃煤库存量预测模型进行电厂燃煤库存量预测。
32、可选的，上述最优船运计划的计算过程如下：
33、获取港口计划数据、港口资源数据、资源量需求数据和船舶信息，确定排船规则；
34、获取港口历史数据；其中，港口历史数据至少包括港口历史存量、港口进出港量、装运计划数据和在途船运数据；
35、对港口历史数据进行预处理后，得到港口时间序列数据集；
36、基于港口时间序列数据集对排船规则进行调整，确定最优船运计划。
37、可选的，上述目标电厂dcs数据库信息包括当月库存进度；
38、该方法还包括：
39、基于当前燃料计划，计算当月库存进度；
40、其中，若当月库存进度为负，则z＝(q/m*n)-e，若当月库存进度为正，则z＝e-(q/m*n)，z表示当月库存进度，q表示当前燃料计划，m表示当月天数，n表示当月当前已过天数，e表示库存较月初相差量。
41、可选的，上述库存较月初相差量的计算公式如下：
42、e＝(a1+b1+u1+v1+w1)-(a2+b2+u2+v2+w2)；
43、其中，a1表示当前电厂库存，b1表示当前电厂锚地待卸煤量，u1表示当前河运在途煤量，v1表示当前中转存煤量，w1表示当前海运在途煤量，a2表示月初电厂库存，b2表示月初电厂锚地待卸煤量，u2表示月初河运在途煤量，v2表示月初中转存煤量，w2表示月初海运在途煤量。
44、本专利技术第二方面提供一种电厂燃料计划计算系统，包括：
45、模型构建模块，用于采集目标电厂dcs数据库信息，并基于自目标电厂dcs数据库信息获得的多种时间序列数据集，构建电厂燃煤库存量预测模型、电厂发电量预测模型和电厂日耗煤预测模型；
46、模型预测模块，用于以目标电厂dcs数据库信息为入参，分别基于电厂燃煤库存量预测模型进行电厂燃煤库存量预测，基于电厂发电量预测模型进行发电量预测，基于电厂日耗煤预测模型进行日耗煤量预测；
47、天数确定模块，用于基于实时电厂锚地待卸煤量、电厂燃煤库存量预测数据和日耗煤量预测数据，确定电厂燃料可用天数；
48、燃料计划确定模块，用于基于电厂燃料可用天数和发本文档来自技高网...
【技术保护点】
1.一种电厂燃料计划计算方法，其特征在于，包括：
2.根据权利要求1所述的电厂燃料计划计算方法，其特征在于，所述基于实时电厂锚地待卸煤量、电厂燃煤库存量预测数据和日耗煤量预测数据，确定电厂燃料可用天数，包括：
3.根据权利要求1所述的电厂燃料计划计算方法，其特征在于，所述多种时间序列数据集至少包括电厂发电量链路时间序列数据集、电厂供热量链路时间序列数据集、电厂厂内库存链路时间序列数据集、电厂在途量链路时间序列数据集、电厂库容能力链路时间序列数据集、电厂燃料计划链路时间序列数据集和煤炭价格时间序列数据集中的一种或多种；
4.根据权利要求3所述的电厂燃料计划计算方法，其特征在于，所述基于自所述目标电厂DCS数据库信息获得的多种时间序列数据集，构建电厂燃煤库存量预测模型、电厂发电量预测模型和电厂日耗煤预测模型，包括：
5.根据权利要求4所述的电厂燃料计划计算方法，其特征在于，所述基于多种时间序列数据集和第一预设训练算法，对电厂燃煤库存量预测模型进行训练，包括：
6.根据权利要求1所述的电厂燃料计划计算方法，其特征在于，所述目标
7.根据权利要求6所述的电厂燃料计划计算方法，其特征在于，所述最优船运计划的计算过程如下：
8.根据权利要求1所述的电厂燃料计划计算方法，其特征在于，所述目标电厂DCS数据库信息包括当月库存进度；
9.根据权利要求8所述的电厂燃料计划计算方法，其特征在于，所述库存较月初相差量的计算公式如下：
10.一种电厂燃料计划计算系统，其特征在于，包括：
11.一种机器可读存储介质，该机器可读存储介质上存储有指令，其特征在于，该指令在被处理器执行时使得所述处理器被配置成执行权利要求1至9中任一项权利要求所述的电厂燃料计划计算方法。
12.一种电子设备，所述电子设备包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至9中任一项权利要求所述的电厂燃料计划计算方法。
...【技术特征摘要】
1.一种电厂燃料计划计算方法，其特征在于，包括：
2.根据权利要求1所述的电厂燃料计划计算方法，其特征在于，所述基于实时电厂锚地待卸煤量、电厂燃煤库存量预测数据和日耗煤量预测数据，确定电厂燃料可用天数，包括：
3.根据权利要求1所述的电厂燃料计划计算方法，其特征在于，所述多种时间序列数据集至少包括电厂发电量链路时间序列数据集、电厂供热量链路时间序列数据集、电厂厂内库存链路时间序列数据集、电厂在途量链路时间序列数据集、电厂库容能力链路时间序列数据集、电厂燃料计划链路时间序列数据集和煤炭价格时间序列数据集中的一种或多种；
4.根据权利要求3所述的电厂燃料计划计算方法，其特征在于，所述基于自所述目标电厂dcs数据库信息获得的多种时间序列数据集，构建电厂燃煤库存量预测模型、电厂发电量预测模型和电厂日耗煤预测模型，包括：
5.根据权利要求4所述的电厂燃料计划计算方法，其特征在于，所述基于多种时间序列数据集和第一预设训练算法，对电厂燃煤库存量预测模型进行训练，包括：
...【专利技术属性】
技术研发人员：苏璇，李永中，张文兵，
申请(专利权)人：国能数智科技开发北京有限公司，
类型：发明
国别省市：
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。