CN109209751A - 一种实时动态修正的水轮机组效率曲面拟合方法 - Google Patents

Abstract

本发明公开了一种实时动态修正的水轮机组效率曲面拟合方法，该方法为：通过实时监测机组长期大量的运行数据，进行数据归类处理和基于时间影响的权重处理，制定达到实时动态修正的数量增量、定时周期、误差控制校正三个判定方法，满足条件时重新进行模型拟合计算(启动实时动态修正)，确保拟合机组“水头‑负荷‑效率”三维曲面的准确性，解决了现在拟合曲面中由于测量水头数据少带来的误差、随着机组的长期运行带来效率曲面会发生改变等问题。

Description

一种实时动态修正的水轮机组效率曲面拟合方法

技术领域

本发明属于压缩空气储能技术领域，具体涉及一种实时动态修正的水轮机组效率曲面拟合方法。

背景技术

电力负荷在一天内是不均匀的，中午和晚上出现两次尖峰负荷，深夜则为用电最少的低谷负荷，随着新能源发电规模越来越大，其发电反调节性的问题带来电网峰谷差问题越来越突出，迫切需要行之有效的技术方案来解决。

压缩空气储能系统被认为是最有发展前景的大规模电力储能技术之一，具有储能规模大、存储周期长、对环境污染小等优点。但目前压缩空气储能系统还是通过人工方式进行启停，急需一种自动控制系统及其控制方法，根据电网情况进行分别启停启动压缩机系统、膨胀机系统，进入用电耗能过程或发电释能能过程，达到电网消峰填谷目的。

发明内容

本发明解决的技术问题是：提供一种实时动态修正的水轮机组效率曲面拟合方法，以解决现有技术进行人工启停系统工作效率低下等技术问题。

本发明采取的技术方案为：一种实时动态修正的水轮机组效率曲面拟合方法，该方法为：通过在线数据采集装置，实时采集计算小水电水轮机效率需要的发电机负荷、机组流量、工作水位参数，具体拟合步骤如下：

第一步、数据的归类处理；对样本中数据进行整理归类，同时满足：

x_i-Δx≤x_l≤x_i+Δx

y_i-Δy≤y_l≤y_i+Δy

式中：x_l为测量水位值，单位m；

x_i为模型中水位值，单位m；

Δx为水位误差，设置为0.1m；

y_l为测量负荷值，单位m；

y_i为模型中负荷值，单位m；

Δy为负荷误差，设置为机组额定负荷的0.1％；

那么由出力为x_l，水头为y_l的效率数据构成一个时间序列：ξ(i＝1....n)；

第二步、数据基于时间影响的权重处理：

定义：

式中ξ_i表示出力为x_l、水头为y_l的水轮机组效率，，W_i为不同时间的效率数据的权重函数，定义为：

式中：t₀为当日时间，用日表示；

t_i为第i个效率样本对应的时间，用日表示；

m为设置系数，设置m＝4；

第三步、启动实施动态修正的三个条件

达到以下三个条件之一时启动实时动态修正，采用三维一般多项式最小二乘拟合方法重新对模型进行拟合计算；

1)样本数量增量校正条件

当累计样本增长一个数量时，如果：

N_r-N_p＞＝ΔN

式中：N_p为前次拟合计算时的累计样本数量，N_r为当前总累计样本数量，ΔN为设定的样本增量最小值，设置为500；

则识别为样本数量增量达到校正条件，程序自动重新进行拟合计算以校正前一个模型的误差，获得一个新的更高精度水头-负荷-效率之间的三维模型；

2)定时周期校正条件

当积累设定周期(设置为1个月)的新样本后，程序自动重新进行拟合计算以校正前一个模型的误差，获得一个新的水头-负荷-效率之间的三维模型；

3)误差控制校正条件

设定ξ_e为根据前次拟合获得的水头-负荷-效率之间三维模型的系数(a₁,a₂,........a₉)，根据模型拟合公式，带入实测工作水头x、机组出力y而计算获得的估计机组效率；设定ξ_r为实际测量得到的机组效率，如果：

|ξ_r-ξ_e|＞＝2E_e

E_e＝min(E_i,E_p)

式中：E_p为前次拟合计算时所有样本点与理想曲面之间的最大误差；E_i为可接受的估计机组效率与实测效率之间的允许误差，设为0.5％～1.0％；

则识别为前次模型误差较大，程序自动重新进行拟合计算以校正前一个模型的误差，获得一个新的更高精度水头-负荷-效率之间的三维模型。

本发明的有益效果：与现有技术相比，本发明采用电测传感器，对频率f信号、电压V信号的在线实时采集，采用时间模块获得准确的时间；对所有的传感器通道进行扫描，把扫描得到的电信号通过采集设备进行采集，将这些数据传送给运算模块，实现了数据的自动采集功能；并与设定的时间t、频率f、电压V数值范围进行比较，分别启动(停止)压缩机系统，进入(退出)用电耗能过程；启动(停止)膨胀机系统，进入(退出)发电释能能过程，提高了系统自动化程度，解决现有技术进行人工启停系统工作效率低下等技术问题，实现了压缩空气储能系统根据相应设置和电网参数变化情况，自动控制系统启停，起到电网消峰填谷的作用。

附图说明

图1为本发明流程图；

具体实施方式

下面结合附图及具体的实施例对本发明进行进一步介绍。

实施例1：如图1所示，一种实时动态修正的水轮机组效率曲面拟合方法，该方法为：通过在线数据采集装置，实时采集计算小水电水轮机效率需要的发电机负荷、机组流量、工作水位参数，具体拟合步骤如下：

第一步、数据的归类处理：

随着累计样本的增多，相同或者相接工况的样本数据也一定会越来越多，相应的，即使在相同工况(水头、负荷)条件下，实际测量的大量机组效率数据也有可能并不一样。究其原因，除了测量误差噪声之外，机组实际效率也发生了改变(如转轮汽蚀导致效率下降)，也是一个原因；

因此，在进行拟合计算时，需要对样本数据进行预处理，先获得一个既能滤除测量噪声，又能反映跟踪机组真实效率变化的样本数据，再利用这些预处理之后的数据进行拟合计算，具体如下：

对样本中数据进行整理归类，同时满足：

x_i-Δx≤x_l≤x_i+Δx

y_i-Δy≤y_l≤y_i+Δy

式中：x_l为测量水位值，单位m；

x_i为模型中水位值，单位m；

Δx为水位误差，设置为0.1m；

y_l为测量负荷值，单位m；

y_i为模型中负荷值，单位m；

Δy为负荷误差，设置为机组额定负荷的0.1％；

那么由出力为x_l，水头为y_l的效率数据构成一个时间序列：ξ(i＝1....n)；

第二步、数据基于时间影响的权重处理：

随着机组的长期运行带来运行状况会发生改变，采集到的数据中，时间越久远的可信度越低，因此需要对数据进行基于时间影响的权重处理，具体如下：

定义：

式中W_i为不同时间的效率数据的权重函数，定义为：

式中：t₀为当日时间，用日表示；

t_i为第i个效率样本对应的时间，用日表示；

m为设置系数，意义为控制历史上同工况效率数据对ξ_l的贡献，m越大，历史数据的贡献随时间衰减越少。对该权重的最大值为1.0，最小值为0.0,权重为0表示该数据不参与计算，对最终值无任何贡献。设置m＝4，意味着40天前的效率样本数据对ξ_l的贡献接近于0；

第三步、启动实施动态修正的三个条件

达到以下三个条件之一时启动实时动态修正(采用三维一般多项式最小二乘拟合方法重新对模型进行拟合计算)：

1)样本数量增量校正条件

当累计样本增长一个数量时，如果：

N_r-N_p＞＝ΔN

式中：N_p为前次拟合计算时的累计样本数量，N_r为当前总累计样本数量，ΔN为设定的样本增量最小值(设置为500)；

程序自动重新进行拟合计算以校正前一个模型的误差，获得一个新的更高精度水头-负荷-效率之间的三维模型；

2)定时周期校正条件

当积累一定周期(设置为1个月)的新样本后，程序自动重新进行拟合计算以校正前一个模型的误差，获得一个新的水头-负荷-效率之间的三维模型；

3)误差控制校正条件

设定ξ_e为根据前次拟合获得的水头-负荷-效率之间三维模型的系数(a₁,a₂,........a₉)，根据模型拟合公式，带入实测工作水头x、机组出力y而计算获得的估计机组效率；设定ξ_r为实际测量得到的机组效率，如果：

|ξ_r-ξ_e|＞＝2E_e

E_e＝min(E_i,E_p)

式中：E_p为前次拟合计算时所有样本点与理想曲面之间的最大误差；E_i为可接受的估计机组效率与实测效率之间的允许误差，一般可设为0.5％～1.0％；

则识别为前次模型误差较大，程序自动重新进行拟合计算以校正前一个模型的误差，获得一个新的更高精度水头-负荷-效率之间的三维模型；

以上所述，仅为本发明的具体实施方式实例，本发明的保护范围并不局限于此。熟悉该技术领域的技术人员在本发明揭露的技术范围内，可轻易找到变化或替换方式，这些都应涵盖在本发明的保护范围之内。为此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (1)

1.一种实时动态修正的水轮机组效率曲面拟合方法，其特征在于：该方法为：通过在线数据采集装置，实时采集计算小水电水轮机效率需要的发电机负荷、机组流量、工作水位参数，具体拟合步骤如下：

第一步、数据的归类处理；对样本中数据进行整理归类，同时满足：

x_i-Δx≤x_l≤x_i+Δx

y_i-Δy≤y_l≤y_i+Δy

式中：x_l为测量水位值，单位m；

x_i为模型中水位值，单位m；

Δx为水位误差，设置为0.1m；

y_l为测量负荷值，单位m；

y_i为模型中负荷值，单位m；

Δy为负荷误差，设置为机组额定负荷的0.1％；

那么由出力为x_l，水头为y_l的效率数据构成一个时间序列：ξ(i＝1....n)；

第二步、数据基于时间影响的权重处理：

定义：

式中ξ_i表示出力为x_l、水头为y_l的水轮机组效率，W_i为不同时间的效率数据的权重函数，定义为：

式中：t₀为当日时间，用日表示；

t_i为第i个效率样本对应的时间，用日表示；

m为设置系数，设置m＝4；

第三步、启动实施动态修正的三个条件

达到以下三个条件之一时启动实时动态修正，采用三维一般多项式最小二乘拟合方法重新对模型进行拟合计算；

1)样本数量增量校正条件

当累计样本增长一个数量时，如果：

N_r-N_p＞＝ΔN

式中：N_p为前次拟合计算时的累计样本数量，N_r为当前总累计样本数量，ΔN为设定的样本增量最小值；

则识别为样本数量增量达到校正条件，程序自动重新进行拟合计算以校正前一个模型的误差，获得一个新的更高精度水头-负荷-效率之间的三维模型；

2)定时周期校正条件

当积累设定周期的新样本后，程序自动重新进行拟合计算以校正前一个模型的误差，获得一个新的水头-负荷-效率之间的三维模型；

3)误差控制校正条件

设定ξ_e为根据前次拟合获得的水头-负荷-效率之间三维模型的系数(a₁,a₂,........a₉)，根据模型拟合公式，带入实测工作水头x、机组出力y而计算获得的估计机组效率；设定ξ_r为实际测量得到的机组效率，如果：

|ξ_r-ξ_e|＞＝2E_e

E_e＝min(E_i,E_p)

式中：E_p为前次拟合计算时所有样本点与理想曲面之间的最大误差；E_i为可接受的估计机组效率与实测效率之间的允许误差，设为0.5％～1.0％；

则识别为前次模型误差较大，程序自动重新进行拟合计算以校正前一个模型的误差，获得一个新的更高精度水头-负荷-效率之间的三维模型。