[发明专利]基于反馈神经网络的供热机组调峰下限评估方法及系统

说明书

本发明公开了一种基于反馈神经网络的供热机组调峰下限评估方法及系统，首先基于统计学的数据分析方法，根据历史工况数据中在较低工况下的数据运行情况，评估供热机组在纯凝工况下的调峰下限。然后根据低压缸排汽流量计算供热工况下的调峰下限值，将基于低压缸排汽流量的变工况计算得到的计算调峰下限值，与预处理后的数据并成数据集，利用数据集训练反馈神经网络模型，可以通过训练好的反馈神经网络模型对供热机组的调峰下限进行实时评估，评估结果的准确性高、误差小，并且供热机组的历史工况数据直接通过现有的供热机组系统即可获得，整个评估过程不会影响正常的供热和供电，工作量和耗费的时间都相对较少。

技术领域

本发明涉及电厂供热机组运行调控领域，具体的涉及一种基于反馈神经网络的供热机组调峰下限评估方法及系统。

背景技术

供热机组由汽轮机中间级抽出一部分蒸汽供给用户，在发电的同时还供热的汽轮机，其既要满足电网对发电机组的电负荷要求，又要满足热用户的供热需求。随着电负荷的降低，汽轮机的进汽参数也降低，参数持续的降低可能无法满足热用户的要求，此时就有一个恰好满足热用户要求的临界电负荷值，即调峰下限，就是说在某个供热工况下，电负荷不能低于该值，否则就会威胁机组运行安全。不同供热工况下，供热机组的调峰下限是不同的。评估供热机组的在不同供热工况下的调峰下限，可优化供热机组参与电网的调峰能力，保证全网的安全运行。

优化供热机组参与电网的调峰能力，必须明确各类供热机组的实际调峰可行区间，确定调峰能力的下限。目前，传统的分析方法有：热力试验的方法和工况图分析的方法。热力试验就是通过调整汽轮机的抽汽量和进汽量，得到各个不同情况下的电功率，从而得到机组的电功率上下限。工况图分析的方法则是通过对汽轮机厂家提供的工况图分析，得到理论上的电功率下限。

大多数电厂的设备厂家没有提供供热工况图，或者经过供热改造后热力性能已经改变，工况图计算的误差较大。热力试验的方法得到的结果虽然较工况图分析法更真实可靠，但是由于需要不断改变汽轮机的抽汽量和进汽量，所以工作量大，耗费时间长，并且会影响正常的供热和供电。

发明内容

本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出一种基于反馈神经网络的供热机组调峰下限评估方法及系统，能够分利用供热机组的历史工况数据，通过反馈神经网络对供热机组的调峰下限进行评估，能够解决传统方法误差大、工作量大，耗费时间长的问题。

根据本发明实施例的一种基于反馈神经网络的供热机组调峰下限评估方法，包括以下步骤：

S1、筛选供热机组在纯凝工况下的的历史工况数据，统计负荷出现的频数，并拟合其不同的概率密度函数，然后根据供热机组在低负荷工况下的概率密度分布得到纯凝工况下的调峰下限；

S2、获取供热机组在供热工况下负荷低于N％的历史工况数据；

S3、对步骤S2中的历史工况数据进行预处理，包括数据清理、数据集成、数据变换和数据归约；

S4、根据当前电厂机组结构计算低压缸排汽流量，然后根据低压缸排汽流量进行变工况计算得到供热工况下的调峰下限，将供热工况下的调峰下限与预处理后的数据合并成数据集；

S5、选取低负荷下机组安全评价的特征参数作为输入数据，建立反馈神经网络模型，并用数据集训练反馈神经网络，得到调峰下限的评估模型；

S6、将实时数据输入调峰下限的评估模型，得到当前的供热机组调峰下限值。

根据本发明实施例的一种基于反馈神经网络的供热机组调峰下限评估系统，包括：存储器，用于存储计算机程序；

处理器，用于当执行所述计算机程序时，实现如上所述的基于反馈神经网络的供热机组调峰下限评估方法。