CN109407506A - 一种基于数据挖掘的火电厂机组动态最优值的获取方法 - Google Patents
一种基于数据挖掘的火电厂机组动态最优值的获取方法 Download PDFInfo
- Publication number
- CN109407506A CN109407506A CN201811433655.2A CN201811433655A CN109407506A CN 109407506 A CN109407506 A CN 109407506A CN 201811433655 A CN201811433655 A CN 201811433655A CN 109407506 A CN109407506 A CN 109407506A
- Authority
- CN
- China
- Prior art keywords
- data
- value
- power plant
- plant units
- optimal value
- 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.)
- Pending
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
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/0205—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric not using a model or a simulator of the controlled system
- G05B13/024—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric not using a model or a simulator of the controlled system in which a parameter or coefficient is automatically adjusted to optimise the performance
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于数据挖掘的火电厂机组动态最优值的获取方法，其特征在于，包括以下步骤：S1，利用聚类分析法对火电厂机组条件参数划分区间形成对应条件参数的运行工况；S2，获取火电厂机组在上述运行工况下的历史数据，并对获得的历史数据进行非稳态数据的剔除，获得稳态数据，本发明的有益效果是：采用数据挖掘中的数据聚类分析方法，并结合已设计好的工况边界条件和火电厂常用的各类稳定指标、经济指标、环保指标等作为筛选因子，挖掘出不同运行工况下运行的最优值，即火电机组在当前运行条件下所能达到的最佳值，将机组运行优化成果有效应用到生产实际并标准化操作，实现了对生产一线的操作指导。
Description
技术领域
本发明是一种基于数据挖掘的火电厂机组动态最优值的获取方法。
背景技术
火力发电厂简称火电厂，是利用可燃物（例如煤）作为燃料生产电能的工厂。它的基本生产过程是：燃料在燃烧时加热水生成蒸汽，将燃料的化学能转变成热能，蒸汽压力推动汽轮机旋转，热能转换成机械能，然后汽轮机带动发电机旋转，将机械能转变成电能。
火电厂机组实际运行的边界条件总是在不断变化，国内火电机组运行中普遍存在煤质多变、负荷多变、气候多变和设备多变（以下简称“四变”）问题。如何有效解决“四变”条件下火电厂机组的优化和控制问题，降低火电厂机组能耗，满足国家节能减排政策的强制约束条件，是目前亟待解决的问题。
发明内容
本发明的目的在于提供一种基于数据挖掘的火电厂机组动态最优值的获取方法，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：
一种基于数据挖掘的火电厂机组动态最优值的获取方法，包括以下步骤：
S1，利用聚类分析法对火电厂机组条件参数划分区间形成对应条件参数的运行工况，条件参数包括火电厂机组的负荷、煤质、环境温度、设备技改和时间；
S2，获取火电厂机组在上述运行工况下的历史数据，并对获得的历史数据进行非稳态数据的剔除，获得稳态数据；
S3，对所获得的稳态数据进行降噪处理，以提升稳态数据的质量；
S4，对步骤S3所得的稳态数据依次进行超温超限和环保指标的数据清洗；
S5，对步骤S4所得的数据进行运行指标的值计算，利用值判断数据的稳定性，一般情况来说，值越大，稳定性越高，然后根据二八定律将得到前20%的数据进行倒序排序；
S6，对步骤S5所得的数据进行经济性指标的数据清洗，以供电煤耗作为经济性指标，根据每一组数据的供电煤耗进行排序，获取供电煤耗最小的一组，将供电煤耗最小的一组数据再按正序排序，取这组数据的中位数；
S7，根据中位数的时间节点从历史数据中找寻与该时间节点对应的目标值，该目标值即为该种运行工况下的最优值，运行人员应以缩小实际值与最优值之间的偏差为目标进行操作。
作为本发明进一步的方案：步骤S2中非稳态数据的剔除方法为：a、为运行工况设定开始时间和结束时间，开始时间和结束时间即形成一个时间段；b、根据时间段，取间隔值来循环遍历历史数据，得到分组数据；c、若（分组数据中最后一条数据的复合）-（分组数据中第一条数据的负荷的绝对值）小于等于波动负荷，那么该组数据就为稳态数据。
作为本发明再进一步的方案：步骤S4中的超温超限数据清洗方法为：根据超温超限的预警值上下限，通过超温超限所对应或绑定的SIS点从历史数据中获取数据去匹配给定的预警值上下限，符合条件的数据得以保留，不符合条件的数据进行剔除。
作为本发明再进一步的方案：步骤S4中的环保指标数据清洗方法为：根据平均净烟气S02含量、平均脱硝装置出口NOx含量、烟尘含量的预警值上下限，通过平均净烟气S02含量、平均脱硝装置出口NOx含量、烟尘含量对应或绑定的SIS点从历史数据中获取数据去匹配给定的预警值上下限，符合条件的数据得以保留，不符合条件的数据进行剔除。
作为本发明再进一步的方案：步骤S5中的运行指标包括主汽压力、氧量和再热气温、主汽温度。
作为本发明再进一步的方案：步骤S5中的值计算公式为：
，式中为不同运行工况下的运行指标的标杆值+0.5；
为不同运行工况下的运行指标的标杆值-0.5
x0.995为仅次于最大值的值；
x0.005为仅次于最小值的值；
x0.5为该组数据的中位数。
与现有技术相比，本发明的有益效果是：基于火电厂常年运行过程中积累的各项运行大数据，采用数据挖掘中的数据聚类分析方法，并结合已设计好的工况边界条件和火电厂常用的各类稳定指标、经济指标、环保指标等作为筛选因子，挖掘出不同运行工况下运行的最优值，即火电机组在当前运行条件下所能达到的最佳值，将机组运行优化成果有效应用到生产实际并标准化操作，实现了对生产一线的操作指导，以安全环保边界为红线对经济生产进行实时管控，实现获得最大经济效益。
附图说明
图1为一种基于数据挖掘的火电厂机组动态最优值的获取方法的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例1
请参阅图1，本发明实施例中，一种基于数据挖掘的火电厂机组动态最优值的获取方法，包括以下步骤：
S1，利用聚类分析法对火电厂机组条件参数划分区间形成对应条件参数的运行工况，条件参数包括火电厂机组的负荷、煤质、环境温度、设备技改和时间，即针对负荷可以形成负荷运行工况，针对煤质、环境温度、设备技改和时间可以同样生成对应的运行工况；
S2，获取火电厂机组在上述运行工况下的历史数据，并对获得的历史数据进行非稳态数据的剔除，获得稳态数据，
S3，对所获得的稳态数据进行降噪处理，以提升稳态数据的质量，由于所获得的稳态数据常常包含了孤立点空缺未知数据或有错误的数据，一些聚类算法对于这样的数据敏感，可能导致低质量的聚类结果，因此可以通过平滑噪声、填补遗漏、消除异常等处理手段解决数据的噪声、不完整和不一致问题，以改善数据质量；
S4，对步骤S3所得的稳态数据依次进行超温超限和环保指标的数据清洗，超温超限指的是火电行业或该电厂所规定的标准，在SIS历史数据库中取出超温超限的数据是否符合设定的区间之内，如不符合则剔除；环境指标是为评价环境质量而针对环境要素设定的衡量标准，是为防治环境污染，维护生态平衡，保护人体健康，国务院环境保护行政主管部门和省、自治区、直辖市人民政府依据国家有关法律规定，对环境保护工作中需要统一的各项技术规范和技术要求所做的规定；为了取到的历史最优值的准确性所以必须要进行超温超限和环保指标的数据清洗；
S5，对步骤S4所得的数据进行运行指标的值计算，运行指标包括主汽压力、氧量和再热气温、主汽温度，利用值判断数据的稳定性，一般情况来说，值越大，稳定性越高，然后根据二八定律将得到前20%的数据进行倒序排序；
以主汽压力这一运行指标为例，其值计算公式为：
，式中为不同运行工况下的主汽压力的标杆值+0.5；
为不同运行工况下的主汽压力的标杆值-0.5
x0.995为仅次于最大值的值；
x0.005为仅次于最小值的值；
x0.5为该组数据的中位数；
S6，对步骤S5所得的数据进行经济性指标的数据清洗，以供电煤耗作为经济性指标，根据每一组数据的供电煤耗进行排序，获取供电煤耗最小的一组，将供电煤耗最小的一组数据再按正序排序，取这组数据的中位数；
S7，根据中位数的时间节点从历史数据中找寻与该时间节点对应的目标值，该目标值即为该种运行工况下的最优值，运行人员应以缩小实际值与最优值之间的偏差为目标进行操作。
而且，由于随着时间的推移和火电厂机组的运行会逐渐的稳定，所以最优值也会发生微小的变化，因此可以用定时的方法在每天零点去标杆值库（即不同运行工况下的多个最优值的组合）找到每条数据的结束时间，如果当前时间比结束时间大一个月以上，就根据每条数据的运行工况到历史数据库中去查询大于结束时间这一个月时间的历史数据，得到的历史数据再根据以上流程清洗一遍，到稳定性判据时把已经经过清洗的并计算出Cpk值的所有数据放到(第一次或)之前的20%的数据表里进行排序，再取前20%的数据，继续进行经济性指标的判断等。
实施例2
本实施例是对稳态数据的获得方法做详细的说明，具体的，稳态数据的获得方法包括以下步骤：
a、为运行工况设定开始时间和结束时间，开始时间和结束时间即形成一个时间段；
b、根据时间段，取间隔值来循环遍历历史数据，得到分组数据，例如：取值间隔为1分钟，时间段为30分钟，那么每个分组数据内就有30条数据，这组稳态数据就可以继续进行下一步数据清洗过程；
c、若（分组数据中最后一条数据的复合）-（分组数据中第一条数据的负荷的绝对值）小于等于波动负荷，负荷上下变化即波动负荷，那么该组数据就为稳态数据，这组稳态数据就可以继续进行下一步数据清洗过程。
实施例3
本实施例是对超温超限和环保指标的数据清洗方法做详细的说明，具体的，超温超限和环保指标的数据清洗方法分别为：
根据超温超限的预警值上下限，通过超温超限所对应或绑定的SIS点从历史数据中获取数据去匹配给定的预警值上下限，符合条件的数据得以保留，不符合条件的数据进行剔除。
根据平均净烟气S02含量、平均脱硝装置出口NOx含量、烟尘含量的预警值上下限，通过平均净烟气S02含量、平均脱硝装置出口NOx含量、烟尘含量对应或绑定的SIS点从历史数据中获取数据去匹配给定的预警值上下限，符合条件的数据得以保留，不符合条件的数据进行剔除。SIS点是超温超限所有指标数据所绑定的SIS测点，实际上，其由SIS系统所得，SIS系统是由底层数据采集、实时/历史数据库，以及基于数据库之上的各种功能软件组成，具有性能优化、故障诊断、负荷分配等功能。本实施例所需的SIS点可直接从SIS系统中获取。
本技术方案中，基于火电厂常年运行过程中积累的各项运行大数据，采用数据挖掘中的数据聚类分析方法，并结合已设计好的工况边界条件和火电厂常用的各类稳定指标、经济指标、环保指标等作为筛选因子，挖掘出不同运行工况下运行的最优值，即火电机组在当前运行条件下所能达到的最佳值，将机组运行优化成果有效应用到生产实际并标准化操作，此为本申请的创新点，实现了对生产一线的操作指导，以安全环保边界为红线对经济生产进行实时管控，实现获得最大经济效益。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。
Claims (6)
1.一种基于数据挖掘的火电厂机组动态最优值的获取方法，其特征在于，包括以下步骤：
S1，利用聚类分析法对火电厂机组条件参数划分区间形成对应条件参数的运行工况，条件参数包括火电厂机组的负荷、煤质、环境温度、设备技改和时间；
S2，获取火电厂机组在上述运行工况下的历史数据，并对获得的历史数据进行非稳态数据的剔除，获得稳态数据；
S3，对所获得的稳态数据进行降噪处理，以提升稳态数据的质量；
S4，对步骤S3所得的稳态数据依次进行超温超限和环保指标的数据清洗；
S5，对步骤S4所得的数据进行运行指标的值计算，利用值判断数据的稳定性，然后根据二八定律将得到前20%的数据进行倒序排序；
S6，对步骤S5所得的数据进行经济性指标的数据清洗，以供电煤耗作为经济性指标，根据每一组数据的供电煤耗进行排序，获取供电煤耗最小的一组，将供电煤耗最小的一组数据再按正序排序，取这组数据的中位数；
S7，根据中位数的时间节点从历史数据中找寻与该时间节点对应的目标值，该目标值即为该种运行工况下的最优值，运行人员即可以缩小实际值与最优值之间的偏差为目标进行操作。
2.根据权利要求1所述的一种基于数据挖掘的火电厂机组动态最优值的获取方法，其特征在于，步骤S2中非稳态数据的剔除方法为：
为运行工况设定开始时间和结束时间，开始时间和结束时间即形成一个时间段；
根据时间段，取间隔值来循环遍历历史数据，得到分组数据；
c、若（分组数据中最后一条数据的复合）-（分组数据中第一条数据的负荷的绝对值）小于等于波动负荷，那么该组数据就为稳态数据。
3.根据权利要求1所述的一种基于数据挖掘的火电厂机组动态最优值的获取方法，其特征在于，步骤S4中的超温超限数据清洗方法为：根据超温超限的预警值上下限，通过超温超限所对应或绑定的SIS点从历史数据中获取数据去匹配给定的预警值上下限，符合条件的数据得以保留，不符合条件的数据进行剔除。
4.根据权利要求1所述的一种基于数据挖掘的火电厂机组动态最优值的获取方法，其特征在于，步骤S4中的环保指标数据清洗方法为：根据平均净烟气S02含量、平均脱硝装置出口NOx含量、烟尘含量的预警值上下限，通过平均净烟气S02含量、平均脱硝装置出口NOx含量、烟尘含量对应或绑定的SIS点从历史数据中获取数据去匹配给定的预警值上下限，符合条件的数据得以保留，不符合条件的数据进行剔除。
5.根据权利要求1所述的一种基于数据挖掘的火电厂机组动态最优值的获取方法，其特征在于，步骤S5中的运行指标包括主汽压力、氧量和再热气温、主汽温度。
6.根据权利要求5所述的一种基于数据挖掘的火电厂机组动态最优值的获取方法，其特征在于，步骤S5中的值计算公式为：
式中为不同运行工况下的运行指标的标杆值+0.5；
为不同运行工况下的运行指标的标杆值-0.5
x0.995为仅次于最大值的值；
x0.005为仅次于最小值的值；
x0.5为该组数据的中位数。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811433655.2A CN109407506A (zh) | 2018-11-28 | 2018-11-28 | 一种基于数据挖掘的火电厂机组动态最优值的获取方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811433655.2A CN109407506A (zh) | 2018-11-28 | 2018-11-28 | 一种基于数据挖掘的火电厂机组动态最优值的获取方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109407506A true CN109407506A (zh) | 2019-03-01 |
Family
ID=65456011
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811433655.2A Pending CN109407506A (zh) | 2018-11-28 | 2018-11-28 | 一种基于数据挖掘的火电厂机组动态最优值的获取方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109407506A (zh) |
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110556033A (zh) * | 2019-07-30 | 2019-12-10 | 华电青岛发电有限公司 | 基于火电厂典型和事故案例库的运行操作指导系统 |
| CN110794671A (zh) * | 2019-11-22 | 2020-02-14 | 广州供电局有限公司 | 家庭能源能量管理方法以及系统 |
| CN110866670A (zh) * | 2019-04-29 | 2020-03-06 | 红云红河烟草(集团)有限责任公司 | 一种卷烟生产制造过程料头料尾的识别方法及系统 |
| CN110989360A (zh) * | 2019-12-23 | 2020-04-10 | 武汉博晟信息科技有限公司 | 一种基于全量数据的火电机组稳态历史寻优方法 |
| CN112149714A (zh) * | 2020-08-28 | 2020-12-29 | 国电南京自动化股份有限公司 | 基于数据挖掘确定煤电机组能效特征指标基准值的方法 |
| CN112200447A (zh) * | 2020-10-03 | 2021-01-08 | 大同煤矿集团阳高热电有限公司 | 一种基于大数据的电厂前馈控制优化方法 |
| CN112557047A (zh) * | 2020-12-09 | 2021-03-26 | 中国船舶工业系统工程研究院 | 一种船用燃气轮机稳定运行工况识别方法及系统 |
| CN112650167A (zh) * | 2020-12-15 | 2021-04-13 | 江苏方天电力技术有限公司 | 一种基于数据挖掘的火电厂运行参数优化分析方法 |
| CN112734158A (zh) * | 2020-12-01 | 2021-04-30 | 北方联合电力有限责任公司乌拉特发电厂 | 发电机组的热电负荷分配方法、装置及电子设备 |
| CN113220753A (zh) * | 2021-05-10 | 2021-08-06 | 西安热工研究院有限公司 | 一种基于电厂历史数据自动生成运行参数目标曲线的方法 |
| CN113504767A (zh) * | 2021-07-08 | 2021-10-15 | 杭州骏踔科技有限公司 | 一种电厂料耗监测系统 |
| CN114625937A (zh) * | 2022-03-17 | 2022-06-14 | 西安西热锅炉环保工程有限公司 | 一种火电机组燃煤掺烧稳定工况的筛选方法 |
| CN114757437A (zh) * | 2022-04-29 | 2022-07-15 | 华润电力技术研究院有限公司 | 一种火电厂工况的确定方法及相关设备 |
| WO2023221446A1 (zh) * | 2022-10-11 | 2023-11-23 | 华电电力科学研究院有限公司 | 一种scr脱硝效能自动寻优调控方法和系统 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101187804A (zh) * | 2006-11-15 | 2008-05-28 | 北京华电天仁电力控制技术有限公司 | 基于数据挖掘的火电机组运行优化规则提取方法 |
| CN102566551A (zh) * | 2012-02-03 | 2012-07-11 | 北京华电天仁电力控制技术有限公司 | 一种基于数据挖掘的火电厂运行指标最优目标值的分析方法 |
| CN102636991A (zh) * | 2012-04-18 | 2012-08-15 | 国电科学技术研究院 | 一种基于模糊集关联规则的火电机组运行参数优化方法 |
| CN104750973A (zh) * | 2015-02-28 | 2015-07-01 | 河北省电力建设调整试验所 | 基于数据平滑度函数的火电机组负荷(准)稳态工况聚类算法 |
| CN105067252A (zh) * | 2015-08-23 | 2015-11-18 | 北京工业大学 | 一种基于改进的FastICA的冷水机组故障检测方法 |
| CN106019935A (zh) * | 2016-04-28 | 2016-10-12 | 天津市职业大学 | 基于约束模糊关联规则的多目标锅炉燃烧优化 |
| CN106094744A (zh) * | 2016-06-04 | 2016-11-09 | 上海大学 | 基于关联规则挖掘的火电厂主运行参数目标值的确定方法 |
| CN107747503A (zh) * | 2017-11-29 | 2018-03-02 | 东南大学 | 一种燃煤发电机组超低负荷运行的系统与运行方法 |
| CN108037748A (zh) * | 2017-12-18 | 2018-05-15 | 华润电力湖北有限公司 | 全工况的火电机组运行优化方法、装置、设备 |
| CN108052007A (zh) * | 2017-12-18 | 2018-05-18 | 华润电力湖北有限公司 | 火电机组运行优化方法、装置、设备及计算机存储介质 |
-
2018
- 2018-11-28 CN CN201811433655.2A patent/CN109407506A/zh active Pending
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101187804A (zh) * | 2006-11-15 | 2008-05-28 | 北京华电天仁电力控制技术有限公司 | 基于数据挖掘的火电机组运行优化规则提取方法 |
| CN102566551A (zh) * | 2012-02-03 | 2012-07-11 | 北京华电天仁电力控制技术有限公司 | 一种基于数据挖掘的火电厂运行指标最优目标值的分析方法 |
| CN102636991A (zh) * | 2012-04-18 | 2012-08-15 | 国电科学技术研究院 | 一种基于模糊集关联规则的火电机组运行参数优化方法 |
| CN104750973A (zh) * | 2015-02-28 | 2015-07-01 | 河北省电力建设调整试验所 | 基于数据平滑度函数的火电机组负荷(准)稳态工况聚类算法 |
| CN105067252A (zh) * | 2015-08-23 | 2015-11-18 | 北京工业大学 | 一种基于改进的FastICA的冷水机组故障检测方法 |
| CN106019935A (zh) * | 2016-04-28 | 2016-10-12 | 天津市职业大学 | 基于约束模糊关联规则的多目标锅炉燃烧优化 |
| CN106094744A (zh) * | 2016-06-04 | 2016-11-09 | 上海大学 | 基于关联规则挖掘的火电厂主运行参数目标值的确定方法 |
| CN107747503A (zh) * | 2017-11-29 | 2018-03-02 | 东南大学 | 一种燃煤发电机组超低负荷运行的系统与运行方法 |
| CN108037748A (zh) * | 2017-12-18 | 2018-05-15 | 华润电力湖北有限公司 | 全工况的火电机组运行优化方法、装置、设备 |
| CN108052007A (zh) * | 2017-12-18 | 2018-05-18 | 华润电力湖北有限公司 | 火电机组运行优化方法、装置、设备及计算机存储介质 |
Cited By (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110866670A (zh) * | 2019-04-29 | 2020-03-06 | 红云红河烟草(集团)有限责任公司 | 一种卷烟生产制造过程料头料尾的识别方法及系统 |
| CN110556033A (zh) * | 2019-07-30 | 2019-12-10 | 华电青岛发电有限公司 | 基于火电厂典型和事故案例库的运行操作指导系统 |
| CN110794671A (zh) * | 2019-11-22 | 2020-02-14 | 广州供电局有限公司 | 家庭能源能量管理方法以及系统 |
| CN110794671B (zh) * | 2019-11-22 | 2022-12-16 | 广东电网有限责任公司广州供电局 | 家庭能源能量管理方法以及系统 |
| CN110989360A (zh) * | 2019-12-23 | 2020-04-10 | 武汉博晟信息科技有限公司 | 一种基于全量数据的火电机组稳态历史寻优方法 |
| CN112149714A (zh) * | 2020-08-28 | 2020-12-29 | 国电南京自动化股份有限公司 | 基于数据挖掘确定煤电机组能效特征指标基准值的方法 |
| CN112200447A (zh) * | 2020-10-03 | 2021-01-08 | 大同煤矿集团阳高热电有限公司 | 一种基于大数据的电厂前馈控制优化方法 |
| CN112734158A (zh) * | 2020-12-01 | 2021-04-30 | 北方联合电力有限责任公司乌拉特发电厂 | 发电机组的热电负荷分配方法、装置及电子设备 |
| CN112734158B (zh) * | 2020-12-01 | 2023-12-29 | 北方联合电力有限责任公司乌拉特发电厂 | 发电机组的热电负荷分配方法、装置及电子设备 |
| CN112557047B (zh) * | 2020-12-09 | 2022-08-02 | 中国船舶工业系统工程研究院 | 一种船用燃气轮机稳定运行工况识别方法及系统 |
| CN112557047A (zh) * | 2020-12-09 | 2021-03-26 | 中国船舶工业系统工程研究院 | 一种船用燃气轮机稳定运行工况识别方法及系统 |
| CN112650167A (zh) * | 2020-12-15 | 2021-04-13 | 江苏方天电力技术有限公司 | 一种基于数据挖掘的火电厂运行参数优化分析方法 |
| CN113220753A (zh) * | 2021-05-10 | 2021-08-06 | 西安热工研究院有限公司 | 一种基于电厂历史数据自动生成运行参数目标曲线的方法 |
| CN113220753B (zh) * | 2021-05-10 | 2023-01-20 | 西安热工研究院有限公司 | 一种基于电厂历史数据自动生成运行参数目标曲线的方法 |
| CN113504767A (zh) * | 2021-07-08 | 2021-10-15 | 杭州骏踔科技有限公司 | 一种电厂料耗监测系统 |
| CN114625937A (zh) * | 2022-03-17 | 2022-06-14 | 西安西热锅炉环保工程有限公司 | 一种火电机组燃煤掺烧稳定工况的筛选方法 |
| CN114757437A (zh) * | 2022-04-29 | 2022-07-15 | 华润电力技术研究院有限公司 | 一种火电厂工况的确定方法及相关设备 |
| WO2023221446A1 (zh) * | 2022-10-11 | 2023-11-23 | 华电电力科学研究院有限公司 | 一种scr脱硝效能自动寻优调控方法和系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109407506A (zh) | 一种基于数据挖掘的火电厂机组动态最优值的获取方法 | |
| Seljom et al. | Short-term uncertainty in long-term energy system models—A case study of wind power in Denmark | |
| Dolan et al. | Life cycle greenhouse gas emissions of utility‐scale wind power: systematic review and harmonization | |
| EP1698956B1 (en) | Method for optimizing combined cycle/combined process facilities | |
| CN104779611B (zh) | 基于集中式和分布式双层优化策略的微电网经济调度方法 | |
| CN107239863B (zh) | 一种电网安全约束的鲁棒机组组合方法 | |
| Chatterjee et al. | A COPRAS-F base multi-criteria group decision making approach for site selection of wind farm | |
| CN104123596B (zh) | 一种考虑可再生能源的电源优化规划方法 | |
| Teichgraeber et al. | Optimal design and operations of a flexible oxyfuel natural gas plant | |
| Khanjarpanah et al. | A novel multi-period double frontier network DEA to sustainable location optimization of hybrid wind-photovoltaic power plant with real application | |
| CN114240086A (zh) | 碳排放监测方法、装置、存储介质及处理器 | |
| CN109685329A (zh) | 一种雾霾条件下火电厂调度的决策方法及系统 | |
| CN105633950B (zh) | 一种考虑风电注入不确定性的多目标随机模糊动态最优潮流求解方法 | |
| CN103199616B (zh) | 大区电网风电群运行数据监测分析系统 | |
| CN114239292A (zh) | 面向低碳经济运行的多能需求园区综合评价方法及系统 | |
| Alshammari et al. | A New Particle Swarm Optimization Based Strategy for the Economic Emission Dispatch Problem Including Wind Energy Sources | |
| Potfode et al. | Economic Load Dispatch of Renewable Energy Integrated System Using Jaya Algorithm | |
| Parreño | Analysis and forecasting of electricity demand in Davao del Sur, Philippines | |
| EP2644850B1 (en) | A system for analyzing operation of power plant units and a method for analyzing operation of power plant units | |
| Famoso et al. | A Dependability Neural Network Approach for Short-Term Production Estimation of a Wind Power Plant | |
| CN103094927A (zh) | 考虑风电出力不确定性与半绝对离差风险的机组组合方法及系统 | |
| Basso et al. | International Trade Relations of Products for Wind Energy Production: A Study from the Dynamic Social Network Analysis (DSNA) | |
| Ban et al. | Coordination of Maintenance and Multi-Technical Flexibility Retrofits for Coal-Fired Power Plants | |
| Li | Intelligent electrical engineering automation on account of particle swarm optimization (PSO) algorithm | |
| Pelsoci | Retrospective benefit-cost evaluation of US DOE wind energy R&D program: impact of selected energy technology investments |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190301 |
|
| RJ01 | Rejection of invention patent application after publication |