一种基于RSA改进ELM的火电机组度电煤耗评估方法技术

本发明专利技术公开了一种基于RSA改进ELM的火电机组度电煤耗评估方法，将爬行动物搜索算法(Reptile search algorithm，RSA)用于改进极限学习机(Extreme Learning Machine，ELM)，实现ELM网络模型中对权值、阈值矩阵的自寻优，最后将寻优到的参数代入到ELM模型中结合火电机组度电煤耗相关的各项指标数据及历史度电煤耗数据实现对火电机组度电煤耗的评估。本发明专利技术提供的基于RSA改进的ELM算法不仅能够省去繁琐的人工参数寻优过程并且能够进一步地提高传统ELM火电机组度电煤耗评估模型的预测精度，降低评估误差。该评估方法为火电机组的度电煤耗评估提供了新的途径，为预火电机组的高效稳定运行提供重要参考。

【技术实现步骤摘要】

本专利技术属于火电机组度电煤耗评估，具体涉及一种基于rsa改进elm的火电机组度电煤耗评估方法。

技术介绍

1、随着国家新型能源结构的建设，以光伏、风电为代表的可再生能源，在电力系统中的发电量与装机容量占比呈现出持续且快速的攀升态势。由于可再生能源发电方式受温度、气候、季节等因素影响，具有较为明显的随机性、间歇性等特点。因此，为提高可再生能源在电网中的利用率并减少弃风弃光现象的出现，需以火电为兜底，实现电能的稳定供应以保障电力系统正常运行。

2、在国家新型能源结构建设的背景下，火电将从能源供给的主要角色逐渐转变为可再生能源的灵活补充角色。但出现极端天气或其他突发事件时，还仍需依靠火电弥补可再生能源供电出现的缺口。而较为频繁的负荷变化会导致火电机组的稳定运行难以得到保障，火电机组的高效运行以及节能减排面临严峻挑战。因此，为火电机组建立一个高效且准确的度电煤耗评估模型，是实现火电机组高效运行的有效方法之一。

3、极限学习机elm是前馈神经网络的一种，因其模型结构简单、训练高效、泛化性能较好的优点被广泛应用在评估、分类、识别、自然语言处理本文档来自技高网...

【技术保护点】

1.一种基于RSA改进ELM的火电机组度电煤耗评估方法，其特征在于，包括：

2.根据权利要求1所述的火电机组度电煤耗评估方法，其特征在于，步骤S1中对特征数据进行筛选选取，有效特征包括：

3.根据权利要求1所述的火电机组度电煤耗评估方法，其特征在于，步骤S1对数据预处理的步骤如下：

4.根据权利要求1所述的火电机组度电煤耗评估方法，其特征在于，步骤S2中RSA对ELM优化步骤如下：

5.根据权利要求1所述的火电机组度电煤耗评估方法，其特征在于，步骤S3中改进后的ELM评估模型搭建步骤如下：

6.根据权利要求1所述的火电机组度电煤...

【技术特征摘要】

1.一种基于rsa改进elm的火电机组度电煤耗评估方法，其特征在于，包括：

2.根据权利要求1所述的火电机组度电煤耗评估方法，其特征在于，步骤s1中对特征数据进行筛选选取，有效特征包括：

3.根据权利要求1所述的火电机组度电煤耗评估方法，其特征在于，步骤s1对数据预处理的步骤如下：

4.根据权利要求1所述的火电机组度电...

【专利技术属性】
技术研发人员：杨铖，刘路登，方林波，田宏强，王波，毛荀，贾伟，郑晓亮，王欢，来文豪，杨晓亮，娄家川，
申请(专利权)人：国网安徽省电力有限公司，
类型：发明
国别省市：