[发明专利]适用于在线负荷分配的机组供电煤耗预测方法

权利要求书

1.一种适用于在线负荷分配的机组供电煤耗预测方法，其特征在于，包括：

S1：从数据库中获取煤耗运行参数的历史数据，获取所述历史数据的时间间隔为1min，得到原始样本D，对所述原始样本D进行特征提取，得到原始特征；

S2：对所述原始样本D进行数据清洗，得到数据集CD；

S3：将所述数据集CD按照固定时间周期划分为不同的时间窗，计算每个所述时间窗内第一煤耗增量和第一负荷增量的统计特征，则所述统计特征即为第一特征；

S4：采用自相关函数ACF和偏自相关函数PACF分析所述数据集CD的当前值、残差值与其过去值之间的相关程度，得到拖尾阶数和截尾阶数，根据所述拖尾阶数和所述截尾阶数判断得到煤耗增量的阶数，负荷增量的阶数与煤耗增量的阶数相同，则得到与煤耗增量的阶数、负荷增量的阶数分别对应的前t个时刻的第二煤耗增量、第二负荷增量，则所述第二煤耗增量和所述第二负荷增量即为第二特征；其中，t等于所述判断得到煤耗增量的阶数；

S5：通过卡尔曼滤波对所述数据集CD的煤耗增量和负荷增量进行固定时间长度内的滤波，得到第三煤耗增量和第三负荷增量，则所述第三煤耗增量和所述第三负荷增量即为第三特征；

S6:将所述原始特征、所述第一特征、所述第二特征、第三特征输入到LGBM算法中，获得各个特征对预测煤耗增量的贡献度，按照贡献度从大到小选取前N个特征作为最终输入特征；N≤25，且N根据累计贡献度选取；

S7:将所述最终输入特征输入到CatBoost模型中进行训练，得到煤耗增量预测模型，所述煤耗增量预测模型的预测结果与上一时刻的煤耗加和即为煤耗的预测值。

2.如权利要求1所述的方法，其特征在于，所述步骤S3中，所述固定时间周期包括3min和5min，即将所述数据集按照3min和5min分别划分为不同的时间窗；

所述统计特征包括中位数、最大值、最小值、峰值、斜度、峰度、标准差、上四分位数和下四分位数。

3.如权利要求1所述的方法，其特征在于，所述步骤S6中，所述最终输入特征按照贡献度从大到小分别有：前一时刻供电煤耗、(t-1)时刻负荷增量、t时刻负荷增量、(t-2)时刻负荷增量、(t-3)时刻负荷增量、环境温度、前5时刻煤耗增量平均数、高压缸出口蒸汽温度、(t-1)时刻煤耗增量、厂用电率、(t-4)时刻负荷增量、卡尔曼滤波1、卡尔曼滤波2、再热蒸汽温度、低位发热量、前3时刻煤耗增量平均数、再热蒸汽流量、凝汽器真空、(t-5)时刻煤耗增量、前3时刻负荷增量的上四分位数、排烟温度、(t-2)时刻煤耗增量、(t-4)时刻煤耗增量、前3时刻负荷增量的下四分位数、前5时刻负荷增量的上四平均数。