[发明专利]基于热力模型和机器学习的电厂碳排放核算方法及系统

权利要求书

1.一种基于热力模型和机器学习的电厂碳排放核算方法，其特征在于，包括：

获取电厂的历史运行数据，根据所述历史运行数据，计算抽汽蒸汽的抽气流量；

根据所述抽气流量，建立汽轮机特性模型，并计算汽轮机热耗量；

根据梯度提升树方法或最小二乘支持向量机方法，建立锅炉特性模型，计算锅炉效率；

根据所述历史运行数据，建立单位热值含碳量拟合模型，计算单位热值含碳量；

根据所述汽轮机热耗量、所述锅炉效率和所述单位热值含碳量，建立碳排放实时计算模型，计算燃煤碳排放量。

2.如权利要求1所述的基于热力模型和机器学习的电厂碳排放核算方法，其特征在于，所述汽轮机特性模型为：

汽轮机热耗量=a₁*r₁+a₂*r₂+……+a_n*r_n+b₁*W₁+c₁*P₁+D

其中，a₁…a_n为所述抽汽蒸汽的最小二乘回归系数，r₁...r_n为所述抽气流量，b₁为汽轮机发电功率的回归系数，w₁为汽轮机的发电功率，c₁为凝汽压力的回归系数，P₁为凝气压力，D为拟合常数项。

3.如权利要求1所述的基于热力模型和机器学习的电厂碳排放核算方法，其特征在于，所述单位热值含碳量拟合模型为：

低位发热量= k₀+k₁*元素碳含量+k₂*元素碳含量²+……+ k_n*元素碳含量ⁿ

单位热值含碳量=元素碳含量/低位发热量

其中，k₀为拟合常数项，k₁…k_n为拟合系数。

4.如权利要求1所述的基于热力模型和机器学习的电厂碳排放核算方法，其特征在于，碳排放实时计算模型为：

Q_燃烧=Q_汽机/(f*η_管)

燃煤碳排放=Q燃烧*单位热值含碳量*44/12*碳氧化率

其中，η_管为蒸汽管道的传输效率，Q_燃烧为锅炉化石燃料燃烧的实时热值，Q_汽机为汽轮机热耗量，f为锅炉效率。

5.如权利要求4所述的基于热力模型和机器学习的电厂碳排放核算方法，其特征在于，还包括：

脱硫碳排放=脱硫入口烟气流量*（入口二氧化硫浓度-出口二氧化硫浓度）*44/64

外购电力碳排放=外购电力量*区域平均供电碳排放因子。

6.一种基于热力模型和机器学习的电厂碳排放核算系统，其特征在于，包括：

获取抽气流量模块，用于获取电厂的历史运行数据，根据所述历史运行数据，计算抽汽蒸汽的抽气流量；

计算汽轮机热耗量模块，用于根据所述抽气流量，建立汽轮机特性模型，并计算汽轮机热耗量；

计算锅炉效率模块，用于根据梯度提升树方法或最小二乘支持向量机方法，建立锅炉特性模型，计算锅炉效率；

计算含碳量模块，用于根据所述历史运行数据，建立单位热值含碳量拟合模型，计算单位热值含碳量；

计算燃煤碳排放量模块，用于根据所述汽轮机热耗量、所述锅炉效率和所述单位热值含碳量，建立碳排放实时计算模型，计算燃煤碳排放量。