[发明专利]基于大数据的带负荷动力中心热电联产机组煤耗预测系统

权利要求书

1.基于大数据的带负荷动力中心热电联产机组煤耗预测系统，其特征在于，包括如下步骤：

S1：开展机组性能试验，收集机组在不同负荷率下以及机组带负荷动力中心运行时，负荷动力中心带不同负荷时，发电煤耗和供电煤耗原始试验数据；

S2：收集机组在不同运行方式下，供热季与非供热季的不同热负荷下发电煤耗原始数据，获得数据存入数据库，为数据预处理提供数据基础；

S3:收集原始数据进行预处理操作，对试验数据拟合、扩展、清新处理，建立模型用数据库；

S4：建立数据预测模型，预估不同变量情况下，各机组的发电煤耗和供电煤耗值；

S5：统计分析预测结果，得出分析报告；

S6：结合影响机组运行的外部环境条件因素及内部因素，优化机组运行方式。

2.根据权利要求1中所述的基于大数据的带负荷动力中心热电联产机组煤耗预测系统，其特征在于：步骤S2中所述机组的不同运行方式包括：非供热季单机运行方式、非供热季双机运行方式、供热季双机运行方式，收集这三种运行方式下的不同电负荷与热负荷对应的发电煤耗，获得数据存入数据库，作为数据预处理提供数据基础。

3.根据权利要求2中所述的基于大数据的带负荷动力中心热电联产机组煤耗预测系统，其特征在于：步骤S4中建立预测模型包括以下步骤：

S41：选取机组试验数据集，使用智能数据建模软件DTEMPOWER,分别建立1号和2号机组带负荷动力中心运行方式下发电煤耗与供电煤耗预测模型；

S42：选取非供热季双机运行方式下，不同机组负荷和热负荷对应发电煤耗数据的训练集,使用智能数据建模软件DTEMPOWER,分别建立1号机组和2号机组非供热季机组带供热发电煤耗预测模型；

S43：选取供热季双机运行方式下，不同机组负荷和热负荷对应发电煤耗数据的训练集,使用智能数据建模软件DTEMPOWER,建立供热季双机运行方式机组带供热发电煤耗预测模型；

S44：输出S41、S42、S43模型训练结果，保持训练成果，选取训练集作为数据基础，分别输出非供热季1号机组、2号机组以及非供热季双机运行下和供热季双机运行方式下，发电量、供热量、负荷动力中心发电量3个变量下发电煤耗数据集，使用智能数据建模软件DTEMPOWER,分别建立非供热季1号机组带负荷动力中心带供热发电煤耗预测模型、非供热季2号机组带负荷动力中心带供热发电煤耗预测模型、非供热季双机运行带负荷动力中心带供热发电煤耗预测模型和供热季双机运行发电煤耗预测模型；

S45:输出S44不同工况模型训练集，与历史数据进行验证总结，定期选取训练集，优化预测模型。

4.根据权利要求3所述的基于大数据的带负荷动力中心热电联产机组煤耗预测系统，其特征在于：步骤S41、S42、S43、S44中，分别建立机组负荷率、不同负荷动力中心负荷、不同供热负荷3个变量下的，非供热季1号机组带负荷动力中心带供热发电煤耗预测模型、非供热季2号机组带负荷动力中心带供热发电煤耗预测模型、非供热季双机运行带负荷动力中心带供热发电煤耗预测模型和供热季双机运行发电煤耗预测模型，此时预测模型全部建立完成。

5.根据权利要求4所述的基于大数据的带负荷动力中心热电联产机组煤耗预测系统，其特征在于：步骤S45中，输出模型的训练结果，对传入训练集得出的训练成果进行成果验证和保存，保存的训练成果直接用于机组在实际工况发电煤耗预测，和指导优化运行方案编制。

6.根据权利要求5所述的基于大数据的带负荷动力中心热电联产机组煤耗预测系统，其特征在于：步骤S5中统计分析预测结果，得出分析报告，对机组运行方式及负荷分配做出指导建议。

7.根据权利要求6所述的基于大数据的带负荷动力中心热电联产机组煤耗预测系统，其特征在于，步骤S6中所述结合影响机组运行的外部环境条件因素及内部因素，外部环境条件因素包括区域内新能源发电量情况、季节性水电情况、以及工业用电变化等，内部因素包括机组检修计划安排、设备缺陷、燃料采购等；结合外部环境条件因素及内部因素，确定机组基本发电负荷和供热量，使用建立的模型预测不同工况发电煤耗结果，根据预测结果报告，制定优化机组运行方式、热电负荷分配、以及负荷动力中心运行方式及负荷分配等，得到最优经济运行方案。