CN109685329A - 一种雾霾条件下火电厂调度的决策方法及系统 - Google Patents

Abstract

本发明涉及电气工程技术领域，公开了一种雾霾条件下火电厂调度的决策方法及系统，以实现对雾霾的有效分析，并给火电厂调度决策提供有力的科学依据，本发明的方法包括：采集待分析地区的火电厂的历史环境监测数据得到初始数据集，将初始数据集划分为训练数据集和验证数据集；根据训练数据集建立二叉树计算模型，并采用验证数据集验证二叉树计算模型是否有效；采集雾霾条件下待分析地区在未来时刻的环境监测预测数据，将环境监测预测数据输入二叉树计算模型，根据二叉树计算模型的输出结果判断是否应该停机。

Description

一种雾霾条件下火电厂调度的决策方法及系统

技术领域

本发明涉及电气工程技术领域，尤其涉及一种雾霾条件下火电厂调度的决策方法及系统。

背景技术

为了满足经济发展对电能的需要，多年来我国一直维持以火电为主的二次能源供应形式。火电发电通常需要依靠煤炭等化石能源，因此不可避免的对环境造成了一定程度上的影响。近年来，我国东部地区冬季雾霾事件频发，已经严重危害到人们的身体健康，严重影响了人们在冬季的正常生产生活。目前，不少研究人员针对雾霾的组成成分和主要污染源进行源解析，分析雾霾事件的发生和主要污染源的对应关系。但由于雾霾组成非常复杂，是气态、液态、固态多种相态污染物的组合，是无机污染物和有机污染物的集合，常规的源解析往往很难快速分析出雾霾过程的主要污染源。

因此，如何实现对雾霾的有效分析，并给火电厂调度决策提供有力的科学依据成为急需解决的问题。

发明内容

本发明目的在于提供一种雾霾条件下火电厂调度的决策方法及系统，以实现对雾霾的有效分析，并给火电厂调度决策提供有力的科学依据。

为实现上述目的，本发明提供了一种雾霾条件下火电厂调度的决策方法，包括以下步骤：

S1：采集待分析地区的火电厂的历史环境监测数据得到初始数据集，将所述初始数据集划分为训练数据集和验证数据集；

S2：根据所述训练数据集建立二叉树计算模型，并采用所述验证数据集验证所述二叉树计算模型是否有效，若无效则调整所述历史环境监测数据重新建立二叉树计算模型，直至所述二叉树计算模型有效；

S3：采集雾霾条件下待分析地区在未来时刻的环境监测预测数据，将所述环境监测预测数据输入所述二叉树计算模型，若所述二叉树计算模型的输出值属于第一阈值范围，则判断该待分析地区的火电厂需要停机；若所述二叉树计算模型的输出值属于第二阈值范围，则判断该待分析地区的火电厂不需要停机。

优选地，所述S2具体包括以下步骤：

S21：判断待分析地区的火电厂是否满足停机判断条件，并收集各火电厂对应环境监测数据的停机结果；

S22：假设x为输入变量，y为输出变量，且y是连续变量，则训练数据集D表示为：

D＝{(x₁，y₁)，(x₂，y₂)，……,(x_N，y_N)}；

S23：将一个输入变量视为一个区域，以x的特征j的取值s作为切分点将训练数据集中的每一个输入空间都划分为两个区域R₁、R₂，并决定每个区域上的输出值，构建二叉决策树为：

R₁(j,s)＝{x|x^(j)≤s},R₂(j,s)＝{x|x^(j)＞s}；

S24：根据所述二叉决策树建立第一二叉树公式为：

式中，c₁为R₁区间内的输出平均值，c₂为R₂区间内的输出平均值，其计算方法为：

式中，x∈R_m，m＝1，2，R_m为划分的第m个区域，c_m为第m个区域内的输出平均值；

以使所述第一二叉树公式中的平方误差最小为目的，依次遍历每个特征j的每个取值s，计算出当前每一个可能的切分点的误差，最后选择使误差最小的切分点将输入空间划分为两个区域，然后对该两个区域进行进一步划分并以此递归上述划分步骤，直到划分结束；

S25：综合二叉划分得到的所有区域，生成符合决策要求的优化后的二叉树计算模型为：

式中，I为权重系数，M为m的可取值范围。

优选地，所述S25中，所述决策要求为：二叉树计算模型中的每一个决策末端的输出值都属于所述第一阈值范围或所述第二阈值范围内。

优选地，所述第一阈值范围为0～0.3；所述第二阈值范围为0.7～1。

优选地，所述S3具体包括以下步骤：

将验证数据集输入所述二叉树计算模型，将所述二叉树计算模型的判断结果与实际关停机结果进行比对，若超过85％的判断结果与实际结果一致，则认为所述二叉树计算模型有效。

优选地，所述S3之后还包括步骤：将待分析地区火电厂的环境监测预测数据和实际结果归入该地区的历史数据，更新所述二叉树计算模型。优选地，所述历史环境监测数据包括氧化碳含量、氮氧化物含量、硫氧化物含量、氨气含量、乙烯含量、甲醛含量中的一种或者任意几种的组合。

优选地，S21中所述停机判断条件为：若一个火电厂里超过70％的机组关停则认为该火电产停机。

作为一个总的发明构思，本发明还提供一种雾霾条件下用于火电厂调度的决策系统，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序时实现上述方法的步骤。

本发明具有以下有益效果：

本发明提供一种雾霾条件下火电厂调度的决策方法及系统，通过对待分析地区的火电厂的历史环境监测数据进行计算分析，建立二叉树计算模型，将待分析地区在未来时刻的环境监测预测数据输入该二叉树计算模型，可以自动且快速的判断雾霾条件下火电厂是否需要停机。该决策方法从数学统计角度挖掘数据特征，并根据数据特征判断是否需要停机，避免了人工判断的错误，提高了判断的准确性，进一步提高了火电厂的发电效率，给火电厂调度决策提供有力的科学依据。

下面将参照附图，对本发明作进一步详细的说明。

附图说明

构成本申请的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是本发明优选实施例的雾霾条件下火电厂调度的决策方法流程图。

具体实施方式

以下结合附图对本发明的实施例进行详细说明，但是本发明可以由权利要求限定和覆盖的多种不同方式实施。

除非另有定义，下文中所使用的所有专业术语与本领域技术人员通常理解的含义相同。本发明专利申请说明书以及权利要求书中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而仅仅是为了便于对相应零部件进行区别。同样，“一个”或者“一”等类似词语不表示数量限制，而是表示存在至少一个。

实施例1

参见图1，本实施例提供一种雾霾条件下火电厂调度的决策方法，包括以下步骤：

S1：采集待分析地区的火电厂的历史环境监测数据得到初始数据集，将初始数据集划分为训练数据集和验证数据集；

S2：根据训练数据集建立二叉树计算模型，并采用验证数据集验证二叉树计算模型是否有效，若无效则调整历史环境监测数据重新建立二叉树计算模型，直至二叉树计算模型有效；

S3：采集雾霾条件下待分析地区在未来时刻的环境监测预测数据，将环境监测预测数据输入二叉树计算模型，若二叉树计算模型的输出值属于第一阈值范围，则判断该待分析地区的火电厂需要停机；若二叉树计算模型的输出值属于第二阈值范围，则判断该待分析地区的火电厂不需要停机。

上述的雾霾条件下火电厂调度的决策方法，从数学统计角度挖掘数据特征，并根据数据特征判断是否需要停机，避免了人工判断的错误，提高了判断的准确性，进一步提高了火电厂的发电效率，给火电厂调度决策提供有力的科学依据。对发电和输配电企业开展环境治理具有指导意义，对维护电网的安全稳定及防灾减灾有重要作用。

作为本实施例优选的实施方式，S2具体包括以下步骤：

S21：判断待分析地区的火电厂是否满足停机判断条件，并收集各火电厂对应环境监测数据的停机结果。具体地，若一个火电厂里超过70％的机组关停则认为该火电产停机。

S22：假设x为输入变量(即为环境监测数据)，y为输出变量(即为停机结果)，且y是连续变量，则训练数据集D表示为：

D＝{(x₁，y₁)，(x₂，y₂)，……，(x_N，y_N)}；

S23：将一个输入变量视为一个区域，以x的特征j的取值s作为切分点将训练数据集中的每一个输入空间都划分为两个区域R₁、R₂，并决定每个区域上的输出值，构建二叉决策树为：

R₁(j,s)＝{x|x^(j)≤s},R₂(j,s)＝{x|x^(j)＞s}；

S24：根据二叉决策树建立第一二叉树公式为：

式中，c₁为R₁区间内的输出平均值，c₂为R₂区间内的输出平均值，其计算方法为：

式中，x∈R_m，m＝1，2，R_m为划分的第m个区域，c_m为第m个区域内的输出平均值

以使上述第一二叉树公式中的平方误差最小为目的，依次遍历每个特征j的每个取值s，计算出当前每一个可能的切分点的误差，最后选择使误差最小的切分点将输入空间划分为两个区域，然后对该两个区域进行进一步划分并以此递归上述划分步骤，直到划分结束。需要说明的是，使第一二叉树公式中的平方误差达到最小可以使训练得到的计算结果更准确。切分点将输入空间划分为两个区域之后，进一步对划分得到的两个区域进行划分，由于每组环境监测数据之间存在一定的关联性，因此随着区域的递归划分，可以从环境监测数据中的某类环境数据导向环境监测数据中的另一类环境数据，进一步挖掘出环境监测数据的各类数据特征及彼此之间的关联，基于该数据特征和关联性进行结果分析，可以使分析结果更为准确。

S25：综合二叉划分得到的所有区域，生成符合决策要求的优化后的二叉树计算模型为：

式中，I为权重系数，M为m的可取值范围。

作为本实施例优选的实施方式，S25中，决策要求为：二叉树计算模型中的每一个决策末端的输出值都属于第一阈值范围或第二阈值范围内。本实施例中，第一阈值范围为0～0.3；所述第二阈值范围为0.7～1。其中，区间0～0.3之间表示不需要停机；区间0.7～1表示需要停机。

通过上述机器学习的方法，从数学统计角度挖掘环境监测数据的数据特征，并根据环境监测数据的数据特征判断是否需要停机，实现了判断过程的自动化，且避免了人工判断的人为因素带来的错误。

作为本实施例优选的实施方式，S3具体包括以下步骤：

将验证数据集输入二叉树计算模型，将二叉树计算模型的判断结果与实际关停机结果进行比对，若超过85％的判断结果与实际结果一致，则认为二叉树计算模型有效。

进一步地，S3之后还包括步骤：将待分析地区火电厂的环境监测预测数据和实际结果归入该地区的历史数据，更新二叉树计算模型。通过数据的不断扩充与公式的不断更新，可以持续完善公式，保证计算结果的正确性。

具体地，将京津地区作为待分析地区，选取京津地区及周边地区近10年来雾霾发生时期有资料记载的火电厂周边环境监测数据，要求每一个火电厂对应其每次雾霾过程中最严重一天的环境监测数据，累计收集数据215组。每组环境监测数据中包含的关键污染物监测数据为：一氧化碳(气体)含量、氮氧化物(气体)含量、硫氧化物(气体)含量、氨气(氨水) 含量、乙烯含量、甲醛含量、甲醇含量、臭氧含量、酚类含量、有机酸含量、PM2.5硫酸盐颗粒物含量、PM2.5硝酸盐颗粒物含量、PM2.5有机颗粒物含量、PM2.5元素碳颗粒物含量、PM10硫酸盐颗粒物含量、PM10硝酸盐颗粒物含量、PM10有机颗粒物含量、PM10元素碳颗粒物含量等。应当明确的是，本发明所指的环境监测数据并不限定为这几种，而应当是所有能体现或影响待分析地区雾霾的数据，此处给出的相关数据供示例说明。

将上述215组数据作为初始数据集，选择其中70％的数据作为训练数据集，将另外30％的数据作为训练数据集。并按照相应火电厂地市环保部门在每次雾霾发生后宣布的实际停机情况确认每一组数据对应的火电厂关停机情况。若火电厂的超过70％的机组停机，则认为该火电厂停机，得到停机数据为153组，未停机数据为62组。将215组数据按监测时间先后顺序进行排列，并为每一组数据加上表示火电厂停机的数据1，表示未停机的数据0。

将选取的训练数据集输入第一二叉树计算公式，经过计算和优化得到二叉树计算模型，并将选取的验证数据集输入二叉树计算模型，发现有3组数据通过二叉树计算模型的输出结果大于0.7，即该三组数据通过二叉树计算模型应该被判定为需要停机，而实际上该三组数据对应的火电厂并未停机，其余数据通过二叉树计算模型判定结果均与实际一致，则本实施例中二叉树计算模型的判定成功率为95.3％。该正确率高于设定的85％，因此，该二叉树计算模型有效，符合计算要求。

具体地，根据2017年某一次雾霾事件发生前，大气化学数值预测模式预测得到的华北某火电厂周边环境数据，进行火电厂是否需要关停机判断，得到的判断结果如下表所示：

表1火电厂环境监测数据和开停机判识结果(单位：微克/立方米)

经验证，该火电厂排放的主要废气确实影响附近地区雾霾程度，在当次事件中需要关停机。

实施例2

与上述方法实施例相对应地，本实施例提供一种雾霾条件下用于火电厂调度的决策系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时实现上述方法的步骤。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种雾霾条件下火电厂调度的决策方法，其特征在于，包括以下步骤：

S1：采集待分析地区的火电厂的历史环境监测数据得到初始数据集，将所述初始数据集划分为训练数据集和验证数据集；

S2：根据所述训练数据集建立二叉树计算模型，并采用所述验证数据集验证所述二叉树计算模型是否有效，若无效则调整所述历史环境监测数据重新建立二叉树计算模型，直至所述二叉树计算模型有效；

S3：采集雾霾条件下待分析地区在未来时刻的环境监测预测数据，将所述环境监测预测数据输入所述二叉树计算模型，若所述二叉树计算模型的输出值属于第一阈值范围，则判断该待分析地区的火电厂需要停机；若所述二叉树计算模型的输出值属于第二阈值范围，则判断该待分析地区的火电厂不需要停机。

2.根据权利要求1所述的雾霾条件下火电厂调度的决策方法，其特征在于，所述S2具体包括以下步骤：

S21：判断待分析地区的火电厂是否满足停机判断条件，并收集各火电厂对应环境监测数据的停机结果；

S22：假设x为输入变量，y为输出变量，且y是连续变量，则训练数据集D表示为：

D＝{(x₁,y₁),(x₂,y₂),......,(x_N,y_N)}；

S23：将一个输入变量视为一个区域，以x的特征j的取值s作为切分点将训练数据集中的每一个输入空间都划分为两个区域R₁、R₂，并决定每个区域上的输出值，构建二叉决策树为：

R₁(j,s)＝{x|x^(j)≤s},R₂(j,s)＝{x|x^(j)＞s}；

S24：根据所述二叉决策树建立第一二叉树公式为：

式中，c₁为R₁区间内的输出平均值，c₂为R₂区间内的输出平均值，其计算方法为：

式中，x∈R_m，m＝1，2，R_m为划分的第m个区域，c_m为第m个区域内的输出平均值；

以使所述第一二叉树公式中的平方误差最小为目的，依次遍历每个特征j的每个取值s，计算出当前每一个可能的切分点的误差，最后选择使误差最小的切分点将输入空间划分为两个区域，然后对该两个区域进行进一步划分并以此递归上述划分步骤，直到划分结束；

S25：综合二叉划分得到的所有区域，生成符合决策要求的优化后的二叉树计算模型为：

式中，I为权重系数，M为m的可取值范围。

3.根据权利要求2所述的雾霾条件下火电厂调度的决策方法，其特征在于，所述S25中，所述决策要求为：二叉树计算模型中的每一个决策末端的输出值都属于所述第一阈值范围或所述第二阈值范围内。

4.根据权利要求3所述的雾霾条件下火电厂调度的决策方法，其特征在于，所述第一阈值范围为0～0.3；所述第二阈值范围为0.7～1。

5.根据权利要求1所述的雾霾条件下火电厂调度的决策方法，其特征在于，所述S3具体包括以下步骤：

将验证数据集输入所述二叉树计算模型，将所述二叉树计算模型的判断结果与实际关停机结果进行比对，若超过85％的判断结果与实际结果一致，则认为所述二叉树计算模型有效。

6.根据权利要求1所述的雾霾条件下火电厂调度的决策方法，其特征在于，所述S3之后还包括步骤：将待分析地区火电厂的环境监测预测数据和实际结果归入该地区的历史数据，更新所述二叉树计算模型。

7.根据权利要求1所述的雾霾条件下火电厂调度的决策方法，其特征在于，所述历史环境监测数据包括氧化碳含量、氮氧化物含量、硫氧化物含量、氨气含量、乙烯含量、甲醛含量中的一种或者任意几种的组合。

8.根据权利要求2所述的雾霾条件下火电厂调度的决策方法，其特征在于，S21中所述停机判断条件为：若一个火电厂里超过70％的机组关停则认为该火电产停机。

9.一种雾霾条件下用于火电厂调度的决策系统，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现上述权利要求1-8任一所述的方法的步骤。