CN106575870B - 用于确定用于发电系统的参数设置的系统、方法和设备及有形计算机可读介质 - Google Patents
用于确定用于发电系统的参数设置的系统、方法和设备及有形计算机可读介质 Download PDFInfo
- Publication number
- CN106575870B CN106575870B CN201480080582.7A CN201480080582A CN106575870B CN 106575870 B CN106575870 B CN 106575870B CN 201480080582 A CN201480080582 A CN 201480080582A CN 106575870 B CN106575870 B CN 106575870B
- Authority
- CN
- China
- Prior art keywords
- electrical load
- parameter
- power
- segmentation
- related data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B15/00—Systems controlled by a computer
- G05B15/02—Systems controlled by a computer electric
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F01—MACHINES OR ENGINES IN GENERAL; ENGINE PLANTS IN GENERAL; STEAM ENGINES
- F01K—STEAM ENGINE PLANTS; STEAM ACCUMULATORS; ENGINE PLANTS NOT OTHERWISE PROVIDED FOR; ENGINES USING SPECIAL WORKING FLUIDS OR CYCLES
- F01K13/00—General layout or general methods of operation of complete plants
- F01K13/02—Controlling, e.g. stopping or starting
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F23—COMBUSTION APPARATUS; COMBUSTION PROCESSES
- F23N—REGULATING OR CONTROLLING COMBUSTION
- F23N5/00—Systems for controlling combustion
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Supply And Distribution Of Alternating Current (AREA)
Abstract
本公开涉及一种用于确定用于发电系统的参数设置的系统、方法和设备以及一种有形计算机可读介质。在本公开的实施例中,所述系统包括至少一个处理器;以及至少一个存储器,其存储计算机可执行指令。所述至少一个存储器和计算机可执行指令可被配置成利用所述至少一个处理器促使所述系统:基于典型电力负载值和发电系统的历史电力相关数据的数目而将所述历史电力相关数据划分成多个电力负载分段;识别用于所述多个电力负载分段中每一个的可行参数范围;以及基于所识别的可行参数范围以及系统能量效率与所述多个电力负载分段中每一个的相关参数之间的相关性来确定用于所述多个电力负载分段中每一个的最佳参数设置。本公开的实施例提供了一种用于确定最佳参数设置的高度自适应的解决方案而不是设备特定的解决方案,并且其可以将其应用于不同的发电系统(尤其是燃煤发电厂)以及不同操作条件。
Description
技术领域
本公开的实施例涉及发电技术领域,并且更具体地涉及用于发电系统、尤其是燃煤发电厂的参数设置的系统、方法和装置及其有形计算机可读介质。
背景技术
作为用于发电的最大能源其中之一,煤已在发电中被广泛使用。在燃煤发电系统中,由于发电厂经济和煤炭成本/排放与能量效率紧密相关这一事实,而能量效率日益得到关注。
然而,许多燃煤发电系统缺少有效的能量效率规划。在现有燃煤发电厂中,发电系统通常使用具有各种操作条件的各种设备类型。因此,传统机制的能量效率模型常常是某个设备类型所特定的,这意味着它们并非是适应性且全面的。此外,在某些发电系统中,设备制造商所提供的设备参数对于开发机制模型而言是不足的或者过时的。另外,机制能量效率模型通常是针对额定的操作条件而确立的,并且如果发电并未在额定操作条件下操作,则效率将受到显著影响,或者换言之,当发电系统在较低负载水平下操作时准确度将降低。
因此,在本领域中需要一种用于改善发电系统中、尤其是燃煤发电系统中的能量效率的解决方案。
发明内容
为此,根据本发明的第一方面,提供了一种用于确定用于发电系统的参数设置的系统。所述系统包括至少一个处理器;以及至少一个存储器,其存储计算机可执行指令,其中所述至少一个存储器和所述计算机可执行指令被配置成利用所述至少一个处理器促使所述系统:基于典型电力负载值和发电系统的历史电力相关数据的数目而将所述历史电力相关数据划分成多个电力负载分段;识别用于所述多个电力负载分段中每一个的可行参数范围;以及基于识别的所述可行参数范围以及系统能量效率与所述多个电力负载分段中每一个的相关参数之间的相关性来确定用于所述多个电力负载分段中每一个的最佳参数设置。
在本公开的实施例中,所述系统可以进一步被配置成通过将电力负载分段的分段边界移动预定数目来移动电力负载分段,并且针对每个已移动电力负载分段执行识别可行参数范围和确定最佳参数设置。
在本公开的另一实施例中,所述系统可以进一步被配置成借助于内插,基于针对所述多个电力负载分段中每一个确定的最佳参数设置,形成用于每个参数的最佳参数设置曲线。
在本公开的另一实施例中,将历史电力相关数据划分成多个电力负载分段可以包括基于典型电力负载值和历史电力相关数据来设定分段边界;以及从历史电力相关数据中分别识别所述多个电力负载分段的分段边界内的电力相关数据。
在本公开的另一实施例中,可以将每个可行参数范围确定为在对应于各电力负载分段的电力相关数据中的预定较低百分位等级的值与对应于各电力负载分段的电力相关数据中的预定较高百分位等级的值之间。
在本公开的另一实施例中,可以通过以下各项来找到相关参数与系统能量效率之间的相关性:针对所述多个电力负载分段中每一个建立系统能量效率与相关参数之间的线性回归模型;以及基于所述多个电力负载分段中每一个的电力相关数据来确定线性回归模型的回归系数,其中所述回归系数指示相关参数对系统能量效率的影响。
在本公开的另一实施例中,所述系统可以进一步被配置成对来自各种数据源的电力相关记录进行预处理,以获得被用于分段的历史电力相关数据。
根据本公开的第二方面,提供了一种用于确定用于发电系统的参数设置的方法。所述方法包括:基于典型电力负载值和发电系统的历史电力相关数据的数目而将历史电力相关数据划分成多个电力负载分段;识别用于所述多个电力负载分段中每一个的可行参数范围;以及基于识别的可行参数范围及系统能量效率与所述多个电力负载分段中每一个的相关参数之间的相关性来确定用于所述多个电力负载分段中每一个的最佳参数设置。
根据本公开的第三方面,提供了一种用于确定用于发电系统的参数设置的设备。所述设备包括:数据分段模块,其被配置成基于典型电力负载值和发电系统的历史电力相关数据的数目而将历史电力相关数据划分成多个电力负载分段;范围识别模块,其被配置成识别用于所述多个电力负载分段中每一个的可行参数范围;以及参数确定模块,其被配置成基于识别的可行参数范围及系统能量效率与所述多个电力负载分段中每一个的相关参数之间的相关性,来确定用于所述多个电力负载分段中每一个的最佳参数设置。
根据本公开的第四方面,提供了用于确定用于发电系统的参数设置的另一设备。所述设备包括用于基于典型电力负载值和发电系统的历史电力相关数据的数目而将历史电力相关数据划分成多个电力负载分段的装置;用于识别用于所述多个电力负载分段中每一个的可行参数范围的装置;以及用于基于所识别的可行参数范围及系统能量效率与所述多个电力负载分段中每一个的相关参数之间的相关性来确定用于所述多个电力负载分段中每一个的最佳参数设置的装置。
根据本公开的第五方面,提供了一种有形计算机可读介质,其具有可被处理器执行以确定用于发电系统的参数设置的多个指令。所述有形计算机可读介质可以包括被配置成执行根据本公开的第二方面的方法的步骤的指令。
利用本公开的实施例,可以根据历史电力相关数据来自动地确定最佳参数设置,并且因此其可以提供用于确定参数设置的自适应性性的解决方案而不是设备特定的解决方案,并且其可以应用于各种发电系统(尤其是燃煤发电厂)以及不同的负载条件。
附图说明
通过参考附图对在实施例中举例说明的实施例的详细说明,本公开的上述及其它特征将变得更加显而易见,其中遍及本公开附图,相同附图标记表示相同或类似部件,并且在所述附图中:
图1示意性地图示出根据本公开的实施例的确定用于发电系统的参数设置的方法的流程图;
图2A和2B示意性地图示出根据本公开的实施例的划分电力相关数据的示图;
图3示意性地图示出根据本公开的实施例的可行参数范围识别的示图;
图4示意性地图示出根据本公开的实施例的分段移动的示图;
图5A至图5C示意性地图示出根据本公开的实施例的形成最佳参数设置曲线的示图;
图6示意性地图示出根据本公开的实施例的用于确定发电系统中的参数设置的系统的框图;
图7示意性地图示出根据本公开的实施例的用于确定发电系统中的参数设置的设备的框图;
图8示意性地图示出根据本公开的另一实施例的用于确定发电系统中的参数设置的设备的框图;以及
图9示意性地图示出可编程为专用计算机系统的通用计算机系统,其可殴表示在本文中提及的任何计算设备。
具体实施方式
在下文中,将参考附图来描述本公开的实施例。在以下描述中,阐述了许多特定细节以便提供实施例的透彻理解。然而,对于本领域的技术人员显而易见的是本公开的实施方式可不具有这些细节,并且本公开不限于如在本文中介绍的特定实施例。相反地,可考虑以下特征和元素的任何的任意组合以实现和实施本公开,无论其是否涉及到不同的实施例。因此,以下方面、特征和实施例仅仅用于说明性目的,并且不应理解为对所附权利要求的元素或限制,除非在权利要求中另外明确地指明。另外,在某些情况下,并未详细地描述众所周知的方法和结构以免不必要地使本公开的实施例模糊难懂。
如前所述,现有机制的能量效率模型受到诸如设备类型、参数准确度、负载水平等各种因素的限制,并且因此其在许多实际情形中不能提供有效的能量效率。因此,在本公开中,提出了一种用于确定用于发电系统(尤其是燃煤发电厂)的参数设置的解决方案以改善发电厂系统的能量效率。
在下文中,将首先参考图1来描述如在本公开中提出的用于确定用于发电系统的参数设置的方法,图1示意性地图示出根据本公开的实施例的用于确定用于发电系统的参数设置的方法的流程图。
如图1中所示,在步骤S101处,基于典型电力负载值和发电系统的历史电力相关数据的数目将历史电力相关数据划分成多个电力负载分段。
历史电力相关数据可以是在线监视数据或来自发电厂记录或数据库的记录。在本公开的实施例中,历史电力相关数据可以包括例如在操作期间可调节的参数的记录、关于优化目标的记录,诸如在发电中使用的电力、耗煤量、耗热量、排放测量等。
这些电力相关数据可以从不同的数据源(例如不同监视系统的数据库)获得,并且同样地,这些电力相关数据可能具有不同的格式、不同的单位和不同的时间粒度。因此,在本公开中将优选地对这些电力相关记录进行预处理,以获得被用于分段的历史电力相关数据。例如,可以对这些电力相关数据执行格式转换和清理以获得具有统一格式的干净的电力相关数据。此外,如果这些电力相关数据是以不同的时间间隔记录的,则可以设定适当的记录间隔(例如,小时/换班/日),并且然后相应地对这些数据进行归一化和合并。可以通过检查数据质量以去除这些电力相关数据中的噪声点,从而滤除坏点或噪声记录。可以进一步将这些电力相关数据分类,以匹配目标外部条件的变化,例如季节的变化。
接下来,可以将获得的历史电力相关数据划分成多个子集或者多个电力负载分段。发电系统、尤其是燃煤发电系统通常具有复杂的非线性特性,因而难以找到适合于在各种操作条件下适合于所有设备类型的统计模型。因此,在本公开的实施例中,本发明人提出了将电力相关数据分离成多个电力负载分段;以这种方式,可以用从各段构建的多个简单模型对复杂过程进行建模。
可以例如基于典型电力负载值和历史电力相关数据的数目将发电系统的历史电力相关数据划分成多个电力负载分段。在本公开的实施例中,首先基于典型电力负载值和历史电力相关数据的数目来设定分段边界。可以基于各种方法来确定边界,例如借助于记录数据中的电力负载值的直方图,这将参考图2A和2B来详细阐述。
如图2A中所示,给出了电力负载值的直方图,且基于电力相关记录和典型电力负载值,确定了例如七个分段边界,即300MW、320MW、340MW、360MW、400MW、450MW和550MW。根据图2A,显而易见的是,这些分段边界是基于典型电力负载值和电力相关记录的概率密度而选择的。如所示的典型电力负载值为从300MW至550MW,仅少数记录超过该值。另外,还显而易见的是,电力负载范围内的概率密度越高,将会确定出越多的分段边界,使得每个电力负载分段将包括近似相同数目的电力相关数据。例如,针对在300MW至400MW之间的电力负载范围,确定了三个分段边界,即320MW、340MW、360MW,而针对400至550MW的电力负载范围,仅存在一个分段边界,即450MW。
在如图2A中所示的示例中,基于分段边界,可以如下获得六个电力负载分段。
段1:[300、320),
段2:[320、340),
段3:[340,360),
段4:[360、400),
段5:[400、450)以及
段6:[450、550]。
然后,可以识别各分段的分段边界内的电力相关数据。这可以通过简单地将电力负载值与每个分段的两个分段边界相比较来实现。图2B图示出各分段的分段边界内的电力相关数据的识别,其中,在六个电力负载分段、即段1至6中,分别地存在88、70、61、91、89和71个记录。从图2B可以看出,对其中存在足够数据记录的电力负载范围执行分段,并且可以忽略包含少量记录的电力负载范围,诸如从0MW至300MW和从550至750MW的那些范围,这是因为存在少量的数据记录并且发电系统通常不在此类电力负载下操作。以这种方式,可以获得每个分段中的电力相关数据,这意味着现在可以清楚地知道哪些电力负载分段包括哪些电力相关数据。
然而,应理解的是,确定分段边界和识别属于各个分段的电力相关数据的方法、边界点和分段边界的数目仅仅是出于举例说明的目的而给定的,并且用于执行分段的任何适当方法和任何数目的分段边界和边界点都可以是可能的,其取决于发电系统的特定情况。
接下来,在步骤S102处,识别用于所述多个电力负载分段中每一个的可行参数范围。在本公开的实施例中,可以将每个可行参数范围确定为在对应于各电力负载分段的电力相关数据中的预定较低百分位等级的值与对应于各电力负载分段的电力相关数据中的预定较高百分位等级的值之间。
首先,可以设定用于可行参数范围的较高和较低百分位等级。例如,可以将较高百分位设定为75%,并且可以将较低百分位设定为25%。应认识到的是75%和25%仅仅是出于举例说明的目的而给定的,并且还可以使用任何其它适当百分位。还可以认识到的是,较高和较低百分位等级可以由客户确定,并且另一方面,其也可以是固定参数。
然后,针对电力负载分段,将属于此电力负载分段的所有电力相关数据值按其量值(例如,按照升序)排序。然后,可以根据排序的电力数据来确定对应于设定的较高百分位和较低百分位的电力数据,即分别地75%和25%。可以将对应于两个找到的电力数据的值取作电力负载分段的上限和下限,其在图3中被示意性地图示出,其中矩形框指示可行参数范围,并且粗线指示参数值的中值。
以包含100个记录的电力负载分段作为示例,可以将分别将排序为第二十五(=100*25%)和排序第七十五(=100*75%)的电力相关数据的值视为电力负载分段的下限和上限;而针对包含例如88个记录的电力负载分段(段1),可以将分别地排序第二十二(=88*25%)和排序第七十五(=88*75%)的电力相关数据的值视为下限和上限。借助于参数范围识别,可以获得用于每个电力负载分段的可行参数范围。仅仅出于举例说明的目的,在表1中给出了从参数范围识别中识别的可行参数范围的示例。
表1用于不同电力负载水平的可行参数范围
然后,在步骤S103处,基于在步骤S102处识别的可行参数范围和系统能量效率与所述多个电力负载分段中每一个的相关参数之间的相关性来确定用于每个电力负载分段的最佳参数设置。
可以用各种手段来找到系统能量效率与所述多个电力负载分段中每一个的相关参数之间的相关性,而仅仅出于举例说明的目的,将详细地描述基于线性回归模型的方法。
例如,可以首先针对每个电力负载分段确立线性回归模型。特别地,可以选择诸如标准煤耗率、排放测量等优化目标作为优化目标,并将其指派为因变量y,并且可以将相关可调节参数指派为独立变量xi。借助于线性回归模型,可以获得如下的可调节参数xi与优化目标y之间的相关性:
y=β1x1+β2x2+…+βnxn,i=1,...,n, (1)
基于属于每个电力负载分段的电力相关记录的值,可以通过求解等式(1)来获得回归系数βi,该回归系数指示各参数对目标能量效率的影响。
例如,系数βi的较高绝对值指示参数xi与优化目标具有较高相关性,这意味着将参数xi调节相同的绝对值将较大地影响优化目标。另一方面,系数βi的较低绝对值指示参数xi与优化目标具有较低相关性,这意味着将参数xi调节相同的绝对值将较小地影响优化目标。替换地,在确立线性回归模型之前,可以将记录归一化为例如(xi-min(x))/(max(x)-min(x))。然后,在这种情况下,系数βi将会指示将参数xi调节相同百分比对优化目标影响的程度。
另外,系数βi的正值指示他们之间是正相关;并且系数βi的负值指示负相关。例如,如果要使优化目标最大化,则如果系数βi指示正相关,则参数的较高值将帮助改善优化目标;而如果系数βi指示负相关,则参数的较低值将有帮助。另一方面,如果要使优化目标最小化,则如果系数βi指示正相关,则参数的较低值将帮助改善优化目标;而如果系数βi指示负相关,则参数的较高值将有帮助。
仅仅出于举例说明的目的,在表2中给出了根据本公开的实施例的调节参数的示例性系数,以使消耗率最小化的目标。
表2可调节参数的回归系数
从表2可以看到,对于不同的电力负载分段而言,回归系数可以具有不同的值。基于这些回归系数,可以确定用于每个参数的最佳参数设置。
例如,可以假设优化目标是耗煤率,并且期望使耗煤率的值最小化。因此,如果系数βi是正值,则将对应于可行参数范围的下限的值作为最佳参数设置;而如果系数βi是负值,则将对应于可行参数范围的上限的值作为最佳参数设置。相对于具有非常小的绝对值的回归系数,其在实践中可以被忽略,因为其对优化目标几乎没有影响。因此,针对如表1和2中所示的情况,在表3中给出了最佳参数设置,其被示为粗体并加下划线。
表3用于每个电力负载分段的最佳参数设置
还可以用其它手段来获得系统能量效率与相关参数之间的相关。在另一实施例中,在不使用线性回归模型的情况下直接确定参数xi与优化y之间的相关性。仅仅出于举例说明的目的,下面将描述基于相关性计算的方法。同样地,可以选择诸如标准煤耗率、排放测量等优化目标作为优化目标并被指派为因变量y,并且可以将相关可调节参数指派为独立变量xi。作为确立线性回归模型的替代,直接地确定可调节参数xi与优化目标y之间的相关性。
ρxi,y=corr(xi,y) (1)
基于计算的相关性,可以获得最佳参数设置。在其中将标准耗煤率设定为因变量y并且将可调节参数设定为独立变量xi的示例中,相关性被计算并且在表4中列出了示例性的结果得到的相关性。
表4可调节参数的系数
由于优化目标是获得最低消耗率,则如果相关性具有大于阈值(0.1)的绝对值,则可以选择较低百分位作为目标参数值,并且反之亦然。在表5中,粗体并加下划线的值被选择为用于相应电力负载分段的最佳参数设置。
表5用于每个电力负载分段的最佳参数设置
从表3和5可以看到,作为在本示例中应用0.1的阈值的结果,用于每个电力负载分段的最终最佳参数设置是不同的。
为了实现更准确的参数设置,可以进一步移动每个电力负载电力分段并分别地重复步骤S102和S103。这样,可以获得更准确的参数设置。下面将参考图4对移动电力负载分段进行描述。
在本公开的实施例中,可以设定电力负载分段移动的数目,例如作为M。可以认识到的是,每个电力负载分段包含近似相同数目的记录,并且因此可以将用于每个分段的移动数目设定为相同的值M,因为针对宽的电力负载分段,较大数目的移动可能由于记录数目的限制而基本上不会改善参数设置的准确度。然而,应注意的是,也可以针对每个分段设定不同的移动数目。
基于M的值,可以确定每次分段移动之后的新的电力负载分段。例如,如果M被设定为4,则将涉及到四次移动。因此,针对段1至3,移动步幅可以是2;针对段4,移动步幅可以设定为4;针对段5,移动步幅可以设定为10,针对段6,可以省略移动,因为超过550MW,仅存在两个记录。图4示意性地图示出电力负载分段的移动和每次移动之后结果得到的电力负载分段。从图4可以清楚地看到每次通过移动各电力负载分段的分段边界来移动电力负载分段。
因此,从上文举例说明的六个初始段,可以获得每次分段移动之后的以下新段:
表4每次移动之后的新段
分段1 | 分段2 | 分段3 | 分段4 | 分段5 | 分段6 | |
初始 | [300,320) | [320,340) | [340,360) | [360,400) | [400,450) | [450,550) |
移动1 | [304,324) | [324,344) | [344,368) | [368,410) | [410,470) | |
移动2 | [308,328) | [328,348) | [348,376) | [376,420) | [420,490) | |
移动3 | [312,332) | [332,352) | [352,384) | [384,430) | [430,510) | |
移动4 | [316,336) | [336,356) | [356,392) | [392,440) | [440,530) |
可以进一步对通过移动而获得的这些新段执行步骤S102和S103,并且以这种方式,可以确定用于每个参数的多个参数设置,其在图5A中图示出。
在本公开的实施例中,可以借助于例如在图5B中图示出的内插或其它曲线拟合方法,基于用于所述多个电力负载分段中每一个的确定最佳参数设置,来进一步形成用于每个参数的最佳参数设置曲线。仅仅出于举例说明的目的,在图5C中图示出最终得到的最佳参数设置曲线。针对发电系统的可调节参数可以获得不同的参数设置曲线。利用这些曲线,可以确定用于不同操作条件的最佳参数设置。
因此,利用本公开的实施例,针对任何发电系统,尤其是各种燃煤发电系统,可以根据历史负载数据而自动地确定用于不同负载条件的最佳参数设置。本公开因此提供了用于确定参数设置的高度适应性的解决方案来代替设备特定解决方案。本质上,可以将在本公开中提出的解决方案应用于各种类型的发电厂以及不同的负载条件。
还提供了一种用于确定用于发电系统的参数设置的系统,并且在下文中将参考图6来描述此系统,图6示意性地图示出根据本公开的实施例的用于确定发电系统中的参数设置的系统的框图。
如图6中所示,系统600包括至少一个处理器610;以及存储计算机可执行指令630的至少一个存储器620。所述至少一个存储器620和计算机可执行指令630被配置成用所述至少一个处理器610促使所述系统600:基于典型电力负载值和发电系统的历史电力相关数据的数目而将历史电力相关数据划分成多个电力负载分段;识别用于所述多个电力负载分段中每一个的可行参数范围;以及基于识别的可行参数范围及系统能量效率与所述多个电力负载分段中每一个的相关参数之间的相关性,来确定用于所述多个电力负载分段中每一个的最佳参数设置。
在本公开的实施例中,所述系统可以进一步被配置成通过将电力负载分段的分段边界移动预定数目来移动电力负载分段,并且针对每个已移动电力负载分段执行识别可行参数范围和确定最佳参数设置。
在本公开的另一实施例中,所述系统可以进一步被配置成借助于内插基于针对所述多个电力负载分段中每一个确定的最佳参数设置而形成用于每个参数的最佳参数设置曲线。
在本公开的另一实施例中,将历史电力相关数据划分成多个电力负载分段可以包括基于典型电力负载值和历史电力相关数据的数目来设定分段边界;以及从历史电力相关数据中分别地识别所述多个电力负载分段的分段边界内的电力相关数据。
在本公开的另一实施例中,可以将每个可行参数范围确定为在对应于各电力负载分段的电力相关数据中的预定较低百分位等级的值与对应于各电力负载分段的电力相关数据中的预定较高百分位等级的值之间。
在本公开的另一实施例中,可以通过以下各项来找到相关参数与系统能量效率之间的相关性:针对所述多个电力负载分段中每一个建立系统能量效率与相关参数之间的线性回归模型;以及基于所述多个电力负载分段中每一个的电力相关数据来确定线性回归模型的回归系数,该回归系数指示相关参数对系统能量效率的影响。
在本公开的另一实施例中,所述系统可以进一步被配置成对来自各种数据源的电力相关记录进行预处理,以获得被用于分段的历史电力相关数据。
在图7中,图示出一种根据本公开的实施例的用于确定用于发电系统的参数设置的设备。该设备700包括:数据分段模块710、范围识别模块720以及参数确定模块730。数据分段模块710被配置成基于典型电力负载值和发电系统的历史电力相关数据的数目而将历史电力相关数据划分成多个电力负载分段。范围识别模块720被配置成识别用于所述多个电力负载分段中每一个的可行参数范围。参数确定模块730被配置成基于识别的可行参数范围和各参数与能量效率之间的相关性,来确定用于所述多个电力负载分段中每一个的最佳参数设置。
在本公开的实施例中,设备700还可以包括分段移动模块740,其可以被配置成通过将电力负载分段的分段边界移动预定数目来移动电力负载分段。在这种情况下,范围识别模块720和参数确定模块730可以进一步被配置成针对每个已移动电力负载分段执行识别可行参数范围和确定最佳参数设置。
在本公开的另一实施例中,设备700还可以包括曲线形成模块750,其可以被配置成借助于内插基于针对所述多个电力负载分段中每一个确定的最佳参数设置而形成用于每个参数的最佳参数设置曲线。
此外,设备700还可以包括数据预处理模块760,其可以被配置成对来自各种数据源的电力相关记录进行预处理,以获得被用于分段的历史电力相关数据。
在图8中,进一步图示出一种用于发电系统的参数设置的设备。设备800包括:用于基于典型电力负载值和发电系统的历史电力相关数据的数目而将历史电力相关数据划分成多个电力负载分段的装置810;用于识别用于所述多个电力负载分段中每一个的可行参数范围的装置820;以及用于基于已识别可行参数范围和各参数与能量效率之间的相关性来确定用于所述多个电力负载分段中每一个的最佳参数设置的装置830。
如图8中所示,设备800可以另外包括分段移动装置840,其可以被配置成通过将电力负载分段的分段边界移动预定数目来移动电力负载分段。在这种情况下,范围识别装置820和参数确定装置830可以进一步被配置成针对每个已移动电力负载分段执行识别可行参数范围和确定最佳参数设置。
此外,设备800还可以包括曲线形成装置850,其可以被配置成借助于内插基于针对所述多个电力负载分段中每一个确定的最佳参数设置而形成用于每个参数的最佳参数设置曲线。
另外,设备800还可以包括数据预处理装置860,其可以被配置成对来自各种数据源的电力相关记录进行预处理,以获得被用于分段的历史电力相关数据。
此外,提供了一种具有多个指令的有形计算机可读介质,所述多个指令可被处理器执行以管理电力网的负荷,该有形计算机可读介质可包括被配置成执行根据本公开的方法的任何实施例的方法步骤的指令。
应注意的是,包括在系统500、装置600、装置800中的各个模块或装置的操作基本上对应于如前所述的各个方法步骤。因此,关于系统600、装置700以及装置800中的各个模块或装置的详细操作,请参阅参考图1至5进行的本公开的方法的先前描述。
此外,虽然在上文中提出了特定实施例,但其仅仅是出于举例说明的目的给出的,从而使得本领域的技术人员能够完全地且彻底地理解本公开的思想,使得其可以实施本公开的解决方案。根据如在本文中提供的讲授内容,本领域的技术人员可以设想各种修改;所有这些修改应落在所附权利要求的范围内。例如,虽然解决方案被描述为适用于燃煤发电系统,但事实上,其可以在具有类似问题的任何其它发电系统中使用。此外,为了获得能量效率与相关参数之间的相关,描述了基于线性回归模块和相关技术的方法;然而,本公开不限于此,还可以使用适合于获得能量效率与相关参数之间的相关的任何其它适当方法。
在图9中进一步图示出通用计算机系统900,其可以表示在本文中提及的任何计算装置。例如,通用计算机900可以—部分地或整体地—表示控制中心、头端、综合网络运营和管理系统(NOMS)、故障、性能以及配置管理(FPCM)模块或在本文中提及的任何其它计算装置,诸如终端装置、仪表、遥测接口模块(TIU)、收集器和/或任何联网组件,诸如在本文中讨论的路由器、交换机或服务器。计算机系统900可以包括可以被执行以促使计算机系统900执行本文公开的方法或基于计算机功能中的任何一个或多个的一组指令902的有序列表。计算机系统900可以充当独立装置,或者可以例如使用网络115、125连接到其它计算机系统或外围装置。
在联网部署中,计算机系统900可以在服务器的容量中或者作为服务器—客户端用户网络环境中的客户端用户计算机或者作为端对端(或分布式)网络环境中的对端计算机系统操作。还可以将计算机系统900实现为各种装置或结合到其中,诸如个人计算机或移动计算装置,其能够执行指定将由该机器采取的动作的一组指令902,所述动作包括但不限于通过任何形式的浏览器来访问网络115、125。此外,所述的每个系统可以包括单独地或共同地执行一个或多个指令集以执行一个或多个计算机功能的子系统的任何集合。
计算机系统900可以包括处理器907,诸如中央处理模块(CPU)和/或图形处理模块(GPU)。处理器907可以包括一个或多个通用处理器、数字信号处理器、专用集成电路、现场可编程门阵列、数字电路、光学电路、模拟电路、其组合或用于解析和处理数据的其它现在已知或以后开发的装置。处理器907可以实现指令集902或其它软件程序,诸如用于实现逻辑功能的手动编程或计算机生成代码。所述的逻辑功能或任何系统元件除其它功能之外还可以而处理诸如模拟电、音频或视频信号或其组合之类的音频数据源和/或将其转换成用于视听目的或其它数字处理目的(诸如与计算机处理或联网通信的兼容性)的数字数据源。
计算机系统900可以包括在用于传送信息的总线920的存储器906。可以将可操作用于促使计算机系统执行本文所述的任何动作或操作的代码存储在存储器905中。存储器905可以是随机存取存储器、只读存储器、可编程存储器、硬盘驱动器或任何其它类型的易失性或非易失性存储器或存储装置。
计算机系统900还可以包括磁盘、固态驱动光驱模块915。磁盘驱动模块915可以包括其中可以嵌入一个或多个指令集902(例如软件)的非临时或有形计算机可读介质940。此外,指令902可执行如本文所述的操作中的一个或多个。指令902可以在被计算机系统900执行期间完全地或至少部分地常驻于存储器905内和/或处理器907内。可以将上述数据库或任何其它数据库存储在存储器905和/或磁盘模块915中。
存储器905和处理器907还可以包括如上文所讨论的计算机可读介质。“计算机可读介质”、“计算机可读存储介质”、“机器可读介质”、“传播信号介质”和/或“信号承载介质”可以包括包含、存储、传送、传播或输送软件以供指令可执行系统、装置或装置使用或与之结合使用的任何装置。机器可读介质可以选择性地是但不限于电子、磁性、光学、电磁、红外或半导体系统、设备、装置或传播介质。
另外,计算机系统900可以包括输入装置925,诸如键盘或鼠标,其被配置成用于用户与系统900的任何组件相交互,包括显示菜单的用户选择或菜单条目。其还可以包括显示器930,诸如液晶显示器(LCD)、阴极射线管(CRT)或适合于传送信息的任何其它显示器。显示器930可以充当用于用户看到处理器907运行的接口或者具体地充当与存储在存储器905中的软件或驱动模块915的接口。
计算机系统900可以包括通信接口936,其使得能够经由通信网络125进行通信。网络125可以包括有线网络、无线网络或其组合。通信接口936网络可以使得能够经由任何数目的通信标准进行通信,诸如以太网AVB、802.11、802.13、802.20、WiMax或其它通信标准。
因此,可以使用硬件、软件或硬件和软件的组合来实现系统。可以以集中式方式在至少一个计算机系统中或者在其中不同元件跨多个互连计算机系统散布的分布式方式实现该系统。适合于执行本文所述的方法的任何种类的计算机系统或其它装置都是适当的。硬件和软件的典型组合可以是具有计算机程序的通用计算机系统,该计算机程序在被加载和执行时控制计算机系统,使得其执行本文所述的方法。可以将此类编程计算机视为专用计算机。
如本文所述,任何模块或处理块被定义成包括可被处理器907执行的软件、硬件或其某种组合。软件模块可以包括存储在存储器905或其存储器装置中的可被处理器907或其它处理器执行的指令。硬件模块可以包括被处理器907可执行、指挥和/或控制以便执行的各种装置、部件、电路、门、电路板等。
还可以将系统嵌入计算机程序产品中,其包括使得能够实现本文所述操作且其在被加载在计算机系统中时能够执行这些操作的所有特征。本文中的计算机程序意指意图促使具有信息处理能力的系统直接地或在以下各项中的任一者或两者之后执行特定功能的一组指令的用任何语言、代码或注释的任何表达:a)到另一语言、代码或注释的转换;b)用不同材料形式的再现。
到目前为止,已通过特定优选实施例参考附图描述了本公开。然而,应理解的是本公开不限于所示和提供的特定实施例,而是可以在本公开的范围内进行各种修改。
此外,可以用硬件、软件或其组合来实现本公开的实施例。可以用专用逻辑来实现硬件组件;可以将软件部分存储在存储器中并由诸如微处理器或专用设计硬件之类的适当指令执行系统执行。本领域的技术人员可以认识到可以用包含在处理器中的计算机可执行指令和/或控制代码来实现上述方法和系统,例如在诸如磁盘、CD或DVD-ROM之类的承载介质或诸如只读存储器(固件)之类的可编程存储器或诸如光学或电信号载体之类的数据载体上提供的此类代码。可以用例如超大规模集成电路或门阵列之类的硬件电路、诸如逻辑芯片或晶体管之类的半导体或诸如现场可编程门阵列或可编程逻辑器件之类的可编程硬件器件来实现本实施例中的装置及其组件,或者用被各种处理器执行的软件实现,或者用上述硬件电路和软件的组合(例如,用固件)来实现。
虽然已描述了本公开的各种实施例,但对于本领域的技术人员而言将显而易见的是在本公开的范围内可以有许多实施例和实施方式。因此,本公开除了所附权利要求及其等价物之外并不受限制。
Claims (17)
1.一种用于确定用于发电系统的参数设置的系统,所述系统包括:
至少一个处理器;以及
至少一个存储器,其存储计算机可执行指令,
其中,所述至少一个存储器和所述计算机可执行指令被配置成利用所述至少一个处理器促使所述系统:
基于典型电力负载值和所述发电系统的历史电力相关数据的数目而将所述历史电力相关数据划分成多个电力负载分段;
识别用于所述多个电力负载分段中每一个的可行参数范围;以及
基于识别的所述可行参数范围以及系统能量效率与所述多个电力负载分段中每一个的相关参数之间的相关性,来确定用于所述多个电力负载分段中每一个的最佳参数设置。
2.根据权利要求1所述的系统,其中所述系统进一步被配置成通过将所述电力负载分段的分段边界移动预定数目来移动所述电力负载分段,以及
针对经过移动的所述电力负载分段中每一个执行所述识别可行参数范围和所述确定最佳参数设置。
3.根据权利要求1或2所述的系统,其中所述系统进一步被配置成
借助于内插,基于针对所述多个电力负载分段中每一个的所确定的最佳参数设置,而形成用于每个参数的最佳参数设置曲线。
4.根据权利要求1或2所述的系统,其中将所述历史电力相关数据划分成多个电力负载分段包括:
基于典型电力负载值和所述历史电力相关数据的数目来设置分段边界;以及
从所述历史电力相关数据中分别地识别所述多个电力负载分段的分段边界内的电力相关数据。
5.根据权利要求1或2所述的系统,其中将所述可行参数范围中每一个确定为在对应于相应电力负载分段的电力相关数据中的预定较低百分位等级的值与对应于相应电力负载分段的电力相关数据中的预定较高百分位等级的值之间。
6.根据权利要求1或2所述的系统,其中通过以下各项来找到在相关参数与系统能量效率之间的相关性:
针对所述多个电力负载分段中每一个建立所述系统能量效率与所述相关参数之间的线性回归模型;以及
基于所述多个电力负载分段中每一个的所述电力相关数据来确定所述线性回归模型的回归系数,其中所述回归系数指示相关参数对所述系统能量效率的影响。
7.根据权利要求1或2所述的系统,其中所述系统进一步被配置成:
对来自各种数据源的电力相关记录进行预处理,以获得被用于分段的所述历史电力相关数据。
8.一种用于确定用于发电系统的参数设置的方法,包括:
基于典型电力负载值和所述发电系统的历史电力相关数据的数目而将所述历史电力相关数据划分成多个电力负载分段;
识别用于所述多个电力负载分段中每一个的可行参数范围;以及
基于识别的所述可行参数范围以及系统能量效率与所述多个电力负载分段中每一个的相关参数之间的相关性,来确定用于所述多个电力负载分段中每一个的最佳参数设置。
9.根据权利要求8所述的方法,还包括:
通过将所述电力负载分段的分段边界移动预定数目来移动所述电力负载分段,以及
其中,针对经过移动的所述电力负载分段中每一个执行所述识别可行参数范围和所述确定最佳参数设置。
10.根据权利要求8或9所述的方法,还包括:
借助于内插,基于针对所述多个电力负载分段中每一个的所确定的最佳参数设置,而形成用于每个参数的最佳参数设置曲线。
11.根据权利要求8或9所述的方法,其中将历史电力相关数据划分成多个电力负载分段包括:
基于典型电力负载值和所述历史电力相关数据的数目来设定分段边界;以及
从所述历史电力相关数据中分别地识别所述多个电力负载分段的分段边界内的电力相关数据。
12.根据权利要求8或9所述的方法,其中将所述可行参数范围中的每一个确定为在对应于相应电力负载分段的电力相关数据中的预定较低百分位等级的值与对应于相应电力负载分段的电力相关数据中的预定较高百分位等级的值之间。
13.根据权利要求8或9所述的方法,其中通过以下各项来找到相关参数与能量效率之间的相关性:
建立所述能量效率与所述参数之间的线性回归模型;以及
基于所述多个电力负载分段中每一个的所述电力相关数据来确定所述线性回归模型的回归系数,其中,所述回归系数指示相关参数对所述系统能量效率的影响。
14.根据权利要求8或9所述的方法,还包括:
对来自各种数据源的电力相关记录进行预处理,以获得被用于分段的所述历史电力相关数据。
15.一种用于确定用于发电系统的参数设置的设备,包括:
数据分段模块,其被配置成基于典型电力负载值和所述发电系统的历史电力相关数据的数目而将所述历史电力相关数据划分成多个电力负载分段;
范围识别模块,其被配置成识别用于所述多个电力负载分段中每一个的可行参数范围;以及
参数确定模块,其被配置成基于识别的所述可行参数范围以及系统能量效率与所述多个电力负载分段中每一个的相关参数之间的相关性,来确定用于所述多个电力负载分段中每一个的最佳参数设置。
16.一种用于确定用于发电系统的参数设置的设备,包括:
用于基于典型电力负载值和所述发电系统的历史电力相关数据的数目而将所述历史电力相关数据划分成多个电力负载分段的装置;
用于识别用于所述多个电力负载分段中每一个的可行参数范围的装置;以及
用于基于识别的所述可行参数范围以及系统能量效率与所述多个电力负载分段中每一个的相关参数之间的相关性来确定用于所述多个电力负载分段中每一个的最佳参数设置的装置。
17.一种有形计算机可读介质,其具有可由处理器执行以确定用于发电系统的参数设置的多个指令,所述有形计算机可读介质包括被配置成执行根据权利要求8至14中的任一项所述的方法的步骤的指令。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2014/083572 WO2016015341A1 (en) | 2014-08-01 | 2014-08-01 | System, method and apparatuses for determining parameter settings for a power generation system and a tangible computer readable medium |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106575870A CN106575870A (zh) | 2017-04-19 |
CN106575870B true CN106575870B (zh) | 2019-06-14 |
Family
ID=55216693
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201480080582.7A Active CN106575870B (zh) | 2014-08-01 | 2014-08-01 | 用于确定用于发电系统的参数设置的系统、方法和设备及有形计算机可读介质 |
Country Status (4)
Country | Link |
---|---|
US (1) | US10338547B2 (zh) |
EP (1) | EP3195438B1 (zh) |
CN (1) | CN106575870B (zh) |
WO (1) | WO2016015341A1 (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110782365B (zh) * | 2019-09-26 | 2022-04-29 | 中国神华能源股份有限公司国华电力分公司 | 参数寻优间隔配置方法、装置及电子设备、存储介质 |
CN112952870A (zh) * | 2021-03-15 | 2021-06-11 | 天津博瑞智能电气有限公司 | 基于变电运维监控平台的电能分配方法及装置 |
CN113742890B (zh) * | 2021-07-29 | 2023-09-08 | 南方电网数字平台科技(广东)有限公司 | 防止误分配功率的方法、装置、设备和存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1693559A1 (fr) * | 2005-02-18 | 2006-08-23 | Peugeot Citroën Automobiles S.A. | Système de contrôle du fonctionnement d'un moteur Diesel équipé de moyens de recirculation de gaz d'échappement |
CN101771274A (zh) * | 2008-12-31 | 2010-07-07 | 深圳市科陆电子科技股份有限公司 | 一种提高火力发电机组运行效率的方法及系统 |
CN102694381A (zh) * | 2011-03-25 | 2012-09-26 | 珠海优特电力科技股份有限公司 | 多级电网自愈控制装置及控制方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5970426A (en) * | 1995-09-22 | 1999-10-19 | Rosemount Analytical Inc. | Emission monitoring system |
US6975975B2 (en) | 1999-09-21 | 2005-12-13 | Fasca Ted S | Emissions management and policy making system |
US7288921B2 (en) * | 2004-06-25 | 2007-10-30 | Emerson Process Management Power & Water Solutions, Inc. | Method and apparatus for providing economic analysis of power generation and distribution |
EP1693558A1 (de) * | 2005-02-16 | 2006-08-23 | ABB Technology AG | Verfahren zur Schadstoffemissionsvorhersage von Verbrennungsprozessen |
JP2008253076A (ja) * | 2007-03-30 | 2008-10-16 | Hitachi Ltd | 電力系統の状態推定方法 |
US20090125155A1 (en) | 2007-11-08 | 2009-05-14 | Thomas Hill | Method and System for Optimizing Industrial Furnaces (Boilers) through the Application of Recursive Partitioning (Decision Tree) and Similar Algorithms Applied to Historical Operational and Performance Data |
-
2014
- 2014-08-01 WO PCT/CN2014/083572 patent/WO2016015341A1/en active Application Filing
- 2014-08-01 EP EP14898611.0A patent/EP3195438B1/en active Active
- 2014-08-01 US US15/329,981 patent/US10338547B2/en active Active
- 2014-08-01 CN CN201480080582.7A patent/CN106575870B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1693559A1 (fr) * | 2005-02-18 | 2006-08-23 | Peugeot Citroën Automobiles S.A. | Système de contrôle du fonctionnement d'un moteur Diesel équipé de moyens de recirculation de gaz d'échappement |
CN101771274A (zh) * | 2008-12-31 | 2010-07-07 | 深圳市科陆电子科技股份有限公司 | 一种提高火力发电机组运行效率的方法及系统 |
CN102694381A (zh) * | 2011-03-25 | 2012-09-26 | 珠海优特电力科技股份有限公司 | 多级电网自愈控制装置及控制方法 |
Also Published As
Publication number | Publication date |
---|---|
EP3195438B1 (en) | 2019-09-25 |
US20170261952A1 (en) | 2017-09-14 |
CN106575870A (zh) | 2017-04-19 |
EP3195438A4 (en) | 2018-07-04 |
US10338547B2 (en) | 2019-07-02 |
EP3195438A1 (en) | 2017-07-26 |
WO2016015341A1 (en) | 2016-02-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hayek et al. | The carbon opportunity cost of animal-sourced food production on land | |
US9495645B2 (en) | Method and system of iteratively autotuning prediction parameters in a media content recommender | |
US20190392363A1 (en) | Predicting arrival time of components based on historical receipt data | |
US10387909B2 (en) | Simulation-based evaluation of a marketing channel attribution model | |
US9454732B1 (en) | Adaptive machine learning platform | |
CN107885796A (zh) | 信息推荐方法及装置、设备 | |
Lazarova-Molnar et al. | Collaborative data analytics for smart buildings: opportunities and models | |
US11068820B2 (en) | Avoiding peak energy demand times by managing consumer energy consumption | |
CN109740760A (zh) | 文本质检自动化训练方法、电子装置及计算机设备 | |
US10055527B2 (en) | Yield process for analog circuit design optimization | |
CN106575870B (zh) | 用于确定用于发电系统的参数设置的系统、方法和设备及有形计算机可读介质 | |
CN113032475A (zh) | 大气污染源排放清单的处理方法、装置、设备及存储介质 | |
CN109330503A (zh) | 清洁家电及其控制方法和系统 | |
CN116805198A (zh) | 基于强化学习与预测分析的电网规划动态的方法及系统 | |
Hollermann et al. | Flexible here-and-now decisions for two-stage multi-objective optimization: method and application to energy system design selection | |
CN108195031A (zh) | 空调控制方法和装置 | |
Costa et al. | Improving cities sustainability through the use of data mining in a context of big city data | |
US20140088945A1 (en) | System and method for an energy management system | |
Marzullo et al. | A high-fidelity building performance simulation test bed for the development and evaluation of advanced controls | |
CN114648156A (zh) | 一种基于卷积神经网络的时间序列负荷预测方法 | |
CN106997360A (zh) | 用户行为数据的处理方法和装置 | |
CN117273376A (zh) | 一种电量预测方法、系统、计算机设备和存储介质 | |
KR20220076753A (ko) | 디지털 트윈 기술을 이용한 스마트양식장 교육 시스템 및 방법 | |
CN116205382A (zh) | 用电量的预测方法、预测装置、电子装置和电子设备 | |
CN116706992A (zh) | 一种分布式光伏集群的自适应功率预测方法、装置和设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |