[发明专利]适用于在线负荷分配的机组供电煤耗预测方法

说明书

本发明公开了一种适用于在线负荷分配的机组供电煤耗预测方法，涉及燃煤机组发电优化控制技术领域，解决了现有煤耗预测仅考虑负荷而忽略其他参数对煤耗的影响，导致煤耗预测不够精确的技术问题，其技术方案要点是本申请所述的适用于在线负荷分配的机组供电煤耗预测方法是基于算法的在线预测方法，无需复杂的硬件设备，成本较低。其次，本申请考虑到了机组运行过程中煤耗相关的其他因素对煤耗值的影响，可以为在线负荷调度提供更符合机组特性的机组供电煤耗值。

技术领域

本公开涉及燃煤机组发电优化控制技术领域，尤其涉及一种适用于在线负荷分配的机组供电煤耗预测方法。

背景技术

厂级负荷优化调度是指将发电厂全厂视为单个调度对象，电网下发负荷指令，电厂响应指令并根据实际情况分配负荷，共同完成全厂有功功率的闭环控制方式。厂级负荷优化调度能根据各个机组的煤耗、排放、运行工况、负荷调节速率等机组性能指标参数，自动合理地进行全场机组的负荷分配，是节能发电调度和节能减排形势下的一种科学调度方式。它在发电侧进一步挖掘“节能”潜力，真正响应与落实国家节能减排政策，在保证电网安全的前提下，实现全厂各机组的节能调度。

在火电厂厂级负荷优化调度中，机组的供电煤耗作为负荷分配的评价指标，对提高电厂的经济收益和节约能源有着重要的意义。同时，供电煤耗作为衡量机组运行经济性的重要指标，也是发电变动成本的重要构成要素，把握机组运行供电煤耗对于发电企业竞价上网的报价决策具有重要意义。煤耗特性能否精确表示分配过程中机组煤耗的变化影响着厂级负荷优化分配结果的正确性，机组的煤耗特性越精确，负荷优化分配的结果越接近电厂的实际情况。

目前，电厂负荷分配中机组的煤耗特性一般采用多项式的形式，这种模型仅考虑机组煤耗与负荷的对应关系。然而在机组运行过程中，煤耗不仅受负荷因素的影响，主汽压力、环境温度等也会影响机组的煤耗。常用的多项式形式的模型无法考虑其他因素的影响；此外，多项式形式通常是采用稳态运行数据或者机组设计参数计算得到，它不能代表运行过程中机组煤耗变化的动态特性。

发明内容

本公开提供了一种适用于在线负荷分配的机组供电煤耗预测方法，其技术目的是根据煤耗相关数据的时序特性，考虑运行中除负荷外其他参数对煤耗的影响，以提高煤耗预测的精确率。

本公开的上述技术目的是通过以下技术方案得以实现的：

一种适用于在线负荷分配的机组供电煤耗预测方法，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；