火电机组负荷裕度实时预测方法技术

本发明专利技术公开了一种火电机组负荷裕度实时预测方法，包括以下步骤：搜集电厂12个月内火电机组的各个影响因素的设计值与火电机组不同负荷下的运行值；利用BP神经网络法训练出各影响因素的设计值与实际运行值的差值对火电机组负荷设计值与负荷实际运行值的差值的联合权系数；得到电厂1个月内各影响因素的设计值与实际运行最大值的差值；结合上述步骤并通过BP神经网络得到火电机组负荷调节实时速率值；计算得出火电机组最大可调负荷值，如果计算出的最大可调负荷值大于火电机组实际设计最大负荷，即取设计最大负荷值为最大可调负荷。本发明专利技术既可以使电厂能够了解自身的实时发电能力，又可以使电网根据各火电机组实时情况及时调整网内各火电机组出力。

【技术实现步骤摘要】
【专利摘要】本专利技术公开了一种，包括以下步骤：搜集电厂12个月内火电机组的各个影响因素的设计值与火电机组不同负荷下的运行值；利用BP神经网络法训练出各影响因素的设计值与实际运行值的差值对火电机组负荷设计值与负荷实际运行值的差值的联合权系数；得到电厂1个月内各影响因素的设计值与实际运行最大值的差值；结合上述步骤并通过BP神经网络得到火电机组负荷调节实时速率值；计算得出火电机组最大可调负荷值，如果计算出的最大可调负荷值大于火电机组实际设计最大负荷，即取设计最大负荷值为最大可调负荷。本专利技术既可以使电厂能够了解自身的实时发电能力，又可以使电网根据各火电机组实时情况及时调整网内各火电机组出力。【专利说明】【
】本专利技术属于火力发电
，具体涉及一种。【
技术介绍
】目前，火电机组实时负荷调节指令一般由电网调度人员指定，并没有考虑实际的机组运行状况，经常会出现电厂因为技术原因无法响应及满足电网要求，致使火电机组实际情况下可调最大负荷达不到设定值，导致部分机组由于实际运行状况无法满足电网要求，这样就会影响火电机组调节指令及实时精度。【
技术实现思路
】本专利技术的目的在于克服上述现有技术的缺陷，提供了一种，采用该方法可以使电网调节指令与火电机组实际运行状况相结合。 为实现上述目的，本专利技术采用如下技术方案:，包括以下步骤:I)搜集电厂12个月内火电机组的各个影响因素的设计值与火电机组不同负荷下的实际运行值，其中，火电机组的影响因素包括给煤机出力、低温再热器壁温、高温再热器壁温、低温过热器壁温、中温过热器壁温、高温过热器壁温、汽水分离器温度、主蒸汽压力、给水流量、胀差、轴振、瓦振、磨煤机电流、一次风机电流、送风机电流和引风机电流，火电机组不同负荷下的实际运行值根据火电机组基础数据进行计算得出；2)结合火电机组不同负荷下的实际运行值，并利用BP神经网络法训练出火电机组的各个影响因素的设计值与实际运行值的差值Xi与火电机组负荷设计值与负荷实际运行值的差值4的关系，得到各影响因素的设计值与实际运行值的差值Xi对火电机组负荷设计值与负荷实际运行值的差值4的联合权系数( T )；其中，i=l, 2，…，16, Xp x2、…、X16分别表示给煤机出力、低温再热器壁温、高温再热器壁温、低温过热器壁温、中温过热器壁温、高温过热器壁温、汽水分离器温度、主蒸汽压力、给水流量、胀差、轴振、瓦振、磨煤机电流、一次风机电流、送风机电流和引风机电流的设计值与实际运行值的差值；j=l，2，…，Cl1, d2、…分别表示火电机组负荷设计值与负荷实际运行值的差值，T为BP神经网络的学习次数；3)通过比较电厂近I个月内各个影响因素的设计值与实际运行最大值，得到各影响因素的设计值与实际运行最大值的差值X' i，其计算公式为:X=X--X;- ’(I)式中，i=l，2，…，16，X' 1、x’2、…、X' 16分别表示为影响因素给煤机出力、低温再热器壁温、高温再热器壁温、低温过热器壁温、中温过热器壁温、高温过热器壁温、汽水分离器温度、主蒸汽压力、给水流量、胀差、轴振、瓦振、磨煤机电流、一次风机电流、送风机电流和引风机电流的设计值和实际运行最大值的差值，、…、Xfrj"依次为上述各个影响因素的设计值，xrx、x2max、…、Ar依次为上述各个影响因素的实际运行最大值；4)根据步骤2)和3)得到的结果，通过BP神经网络得到火电机组修正后的负荷调节实时速率值y'_，其计算公式为:【权利要求】1.，其特征在于，包括以下步骤: 1)搜集电厂12个月内火电机组的各个影响因素的设计值与火电机组不同负荷下的实际运行值，其中，火电机组的影响因素包括给煤机出力、低温再热器壁温、高温再热器壁温、低温过热器壁温、中温过热器壁温、高温过热器壁温、汽水分离器温度、主蒸汽压力、给水流量、胀差、轴振、瓦振、磨煤机电流、一次风机电流、送风机电流和引风机电流，火电机组不同负荷下的实际运行值根据火电机组基础数据进行计算得出； 2)结合火电机组不同负荷下的实际运行值，并利用BP神经网络法训练出火电机组的各个影响因素的设计值与实际运行值的差值Xi与火电机组负荷设计值与负荷实际运行值的差值4的关系，得到各影响因素的设计值与实际运行值的差值Xi对火电机组负荷设计值与负荷实际运行值的差值dj的联合权系数Wij ( T )； 其中，i=l, 2，…，16, Xp x2、…、X16分别表示给煤机出力、低温再热器壁温、高温再热器壁温、低温过热器壁温、中温过热器壁温、高温过热器壁温、汽水分离器温度、主蒸汽压力、给水流量、胀差、轴振、瓦振、磨煤机电流、一次风机电流、送风机电流和引风机电流的设计值与实际运行值的差值；j=l，2,…，屯、d2、…分别表示火电机组负荷设计值与负荷实际运行值的差值，T为BP神经网络的学习次数； 3)通过比较电厂近I个月内各个影响因素的设计值与实际运行最大值，得到各影响因素的设计值与实际运行最大值的差值X' i，其计算公式为:X=-X^ ,(I) 式中，i=l，2，…，16，x' 1、x’2、…、X' 16分别表示为影响因素给煤机出力、低温再热器壁温、高温再热器壁温、低温过热器壁温、中温过热器壁温、高温过热器壁温、汽水分离器温度、主蒸汽压力、给水流量、胀差、轴振、瓦振、磨煤机电流、一次风机电流、送风机电流和引风机电流的设计值和实 际运行最大值的差值，.<-"、X，1、…、X=-依次为上述各个影响因素的设计值，W、<r、…、依次为上述各个影响因素的实际运行最大值； 4)根据步骤2)和3)得到的结果，通过BP神经网络得到火电机组修正后的负荷调节实时速率值y'_，其计算公式为: 1-；- designf ry\ \ + e 1 式中:j=i，2，…，QjSBP神经网路采用的临界值，0 ji=l，2，…，16，x' i分别为上述各影响因素的设计值与实际运行最大值的差值，ydesisl为火电机组设计负荷速率； 5)依据步骤4)得出的火电机组修正后的负荷调节实时速率值y’p在规定火电机组升负荷时间t内，计算得出火电机组最大可调负荷值为y，其计算公式为: I二I，jXt(3) 如果计算出的最大可调负荷值y大于火电机组实际设计最大负荷，即取实际设计最大负荷值为火电机组最大可调负荷，如果计算出的最大可调负荷值y不大于火电机组实际设计最大负荷，即取最大可调负荷值I为火电机组最大可调负荷。2.根据权利要求1所述的，其特征在于，步骤2)中，BP神经网络法的学习算法包括以下步骤:a)设置各影响因素的设计值与实际运行值的差值对火电机组负荷设计值与负荷实际运行值的差值的初始联合权系数为W和初始临界值为e，其取值均为； b)将各影响因素的设计值与实际运行值的差值Xi加到BP神经网络上，利用下面的公式计算出BP神经网络训练出的火电机组负荷调节实时速率值y」，计算公式如下: j^-ydesign( 4 ) I + e ' 式中:i=l，2，《"，16，x1、x2、…、X16分别表示为影响因素给煤机出力、低温再热器壁温、高温再热器壁温、低温过热器壁温、中温过热器壁温、高温过热器壁温、汽水分离器温度、主蒸汽压力、给水流量、胀差、轴振、瓦振、磨煤机电流、一次风机电流、本文档来自技高网...

【技术保护点】
火电机组负荷裕度实时预测方法，其特征在于，包括以下步骤：1）搜集电厂12个月内火电机组的各个影响因素的设计值与火电机组不同负荷下的实际运行值，其中，火电机组的影响因素包括给煤机出力、低温再热器壁温、高温再热器壁温、低温过热器壁温、中温过热器壁温、高温过热器壁温、汽水分离器温度、主蒸汽压力、给水流量、胀差、轴振、瓦振、磨煤机电流、一次风机电流、送风机电流和引风机电流，火电机组不同负荷下的实际运行值根据火电机组基础数据进行计算得出；2）结合火电机组不同负荷下的实际运行值，并利用BP神经网络法训练出火电机组的各个影响因素的设计值与实际运行值的差值xi与火电机组负荷设计值与负荷实际运行值的差值dj的关系，得到各影响因素的设计值与实际运行值的差值xi对火电机组负荷设计值与负荷实际运行值的差值dj的联合权系数wij(τ)；其中，i=1,2,…，16，x1、x2、…、x16分别表示给煤机出力、低温再热器壁温、高温再热器壁温、低温过热器壁温、中温过热器壁温、高温过热器壁温、汽水分离器温度、主蒸汽压力、给水流量、胀差、轴振、瓦振、磨煤机电流、一次风机电流、送风机电流和引风机电流的设计值与实际运行值的差值；j=1,2,…，d1、d2、…分别表示火电机组负荷设计值与负荷实际运行值的差值，τ为BP神经网络的学习次数；3）通过比较电厂近1个月内各个影响因素的设计值与实际运行最大值，得到各影响因素的设计值与实际运行最大值的差值x′i，其计算公式为： x i ′ = x i design - x i max , - - - ( 1 ) 式中，i=1,2,…，16，x′1、x'2、…、x′16分别表示为影响因素给煤机出力、低温再热器壁温、高温再热器壁温、低温过热器壁温、中温过热器壁温、高温过 热器壁温、汽水分离器温度、主蒸汽压力、给水流量、胀差、轴振、瓦振、磨煤机电流、一次风机电流、送风机电流和引风机电流的设计值和实际运行最大值的差值，依次为上述各个影响因素的设计值，依次为上述各个影响因素的实际运行最大值；4）根据步骤2）和3）得到的结果，通过BP神经网络得到火电机组修正后的负荷调节实时速率值y'j，其计算公式为： y j ′ = 1 1 + e - ( Σ i w ij x i ′ - θ j ) y design - - - ( 2 ) 式中：j=1，2，…，θj为BP神经网路采用的临界值，θji=1,2,…，16，x′i分别为上述各影响因素的设计值与实际运行最大值的差值，ydesign为火电机组设计负荷速率；5）依据步骤4）得出的火电机组修正后的负荷调节实时速率值y'j，在规定火电机组升负荷时间t内，计算得出火电机组最大可调负荷值为y，其计算公式为：y=y'j×t          （3）如果计算出的最大可调负荷值y大于火电机组实际设计最大负荷，即取实际设计最大负荷值为火电机组最大可调负荷，如果计算出的最大可调负荷值y不大于火电机组实际设计最大负荷，即取最大可调负荷值y为火电机组最大可调负荷。FDA0000428342030000021.jpg,FDA0000428342030000022.jpg,FDA0000428342030000023.jpg...

【技术特征摘要】

【专利技术属性】
技术研发人员：宋兴光，范奇，赖菲，王智微，刘超飞，陈钢，
申请(专利权)人：中国南方电网有限责任公司， 西安热工研究院有限公司， 南方电网综合能源有限公司，
类型：发明
国别省市：广东;44