CN110782365A - 参数寻优间隔配置方法、装置及电子设备、存储介质 - Google Patents

参数寻优间隔配置方法、装置及电子设备、存储介质 Download PDF

Info

Publication number
CN110782365A
CN110782365A CN201910919332.2A CN201910919332A CN110782365A CN 110782365 A CN110782365 A CN 110782365A CN 201910919332 A CN201910919332 A CN 201910919332A CN 110782365 A CN110782365 A CN 110782365A
Authority
CN
China
Prior art keywords
interval
load
unit
parameter
unit load
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.)
Granted
Application number
CN201910919332.2A
Other languages
English (en)
Other versions
CN110782365B (zh
Inventor
张佑
陈寅彪
袁军
王德军
刘鲁京
王文彬
施庆
赵云山
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Electric Power Research Institute Co Ltd CEPRI
Shenhua Guohua Beijing Electric Power Research Institute Co Ltd
Guohua Power Branch of China Shenhua Energy Co Ltd
Sanhe Power Generation Co Ltd
Original Assignee
China Electric Power Research Institute Co Ltd CEPRI
Shenhua Guohua Beijing Electric Power Research Institute Co Ltd
Guohua Power Branch of China Shenhua Energy Co Ltd
Sanhe Power Generation Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China Electric Power Research Institute Co Ltd CEPRI, Shenhua Guohua Beijing Electric Power Research Institute Co Ltd, Guohua Power Branch of China Shenhua Energy Co Ltd, Sanhe Power Generation Co Ltd filed Critical China Electric Power Research Institute Co Ltd CEPRI
Priority to CN201910919332.2A priority Critical patent/CN110782365B/zh
Publication of CN110782365A publication Critical patent/CN110782365A/zh
Application granted granted Critical
Publication of CN110782365B publication Critical patent/CN110782365B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • 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
    • F01K13/003—Arrangements for measuring or testing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02E—REDUCTION OF GREENHOUSE GAS [GHG] EMISSIONS, RELATED TO ENERGY GENERATION, TRANSMISSION OR DISTRIBUTION
    • Y02E40/00—Technologies for an efficient electrical power generation, transmission or distribution
    • Y02E40/70—Smart grids as climate change mitigation technology in the energy generation sector
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
    • Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
    • Y04S10/00—Systems supporting electrical power generation, transmission or distribution
    • Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Public Health (AREA)
  • Tourism & Hospitality (AREA)
  • Primary Health Care (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • General Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • Water Supply & Treatment (AREA)
  • Strategic Management (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Debugging And Monitoring (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请公开了一种参数寻优间隔配置方法、装置及电子设备、存储介质，涉及电力技术领域。首先通过根据预设的聚类分析算法对机组负荷点进行聚类分析，以将机组负荷点划分为不同的负荷区间；最后根据每个负荷区间的机组负荷点的密集程度为每个负荷区间配置参数寻优间隔，由于负荷区间时根据机组负荷点的密集程度而划分，且寻优间隔是根据每个负荷区间的机组负荷点的密集程度而设定，因此，在通过上述方式得出的不同的参数配置间隔在对应的负荷区间内寻优最小煤耗量，在满足寻优精度的同时，节省了计算资源。

Description

参数寻优间隔配置方法、装置及电子设备、存储介质
技术领域
本申请涉及电力技术领域，尤其涉及一种参数寻优间隔配置方法、装置及电子设备、存储介质。
背景技术
火力发电厂利用发电机组(包括汽轮机、引风机、空气预热器等设备)将煤转化为电能。由于用户的用电需求变化是非常快的，尤其是大型电气设备启停时对电网的冲击比较大，为了及时满足用户的用电需求，电网要求发电机组具有较快的负荷响应速度。因而发电机组在不同的时刻处于不同的机组负荷下进行发电，而在发电机组在不同的机组负荷下运行时，发电机组的煤耗量也不同。
对于发电机组的机组负荷处于不同的负荷区间时，需要在负荷区间内寻优找到最优煤耗量对应的机组运行参数运行，以实现发电的经济性。因而，需要对机组运行一段时间后产生的机组负荷进行区间划分。现有技术中，区间划分方式通常采用等宽度法、百分比法进行划分，并且参数寻优间隔也完全相同。然而，这种区间划分方式及参数寻优间隔的配置方式不够灵活，例如，参数寻优间隔过大寻优出来的最优煤耗量存在误差、参数寻优间隔过小会造成计算资源的浪费。
发明内容
第一方面，本申请实施例提供了一种参数寻优间隔配置方法，所述方法包括：
获得火力发电机组历史上预设定时间内的不同时间段的机组负荷点；
根据预设的聚类分析算法对机组负荷点进行聚类分析，以将机组负荷点划分为不同的负荷区间；
根据每个负荷区间的机组负荷点的密集程度为每个负荷区间配置参数寻优间隔。
可选地，获得火力发电机组历史上预设定时间内的不同时间段的机组负荷点包括：
在预设的时间内每隔预设的时间段，周期性的采集火力发电机组的机组负荷点；
如果某一时间段的机组负荷点缺失时，分别将当前时间段前的机组负荷点的平均值确定为该时间段的机组负荷点。
可选地，在根据预设的聚类分析算法对机组负荷点进行聚类分析，以将机组负荷点划分为不同的负荷区间之前，方法还包括：
将异常运行工况下获得的机组负荷点进行滤除。
可选地，参数寻优间隔包括第一寻优间隔与第二寻优间隔，第二寻优间隔大于第一寻优间隔，根据每个负荷区间的机组负荷点的密集程度为每个负荷区间配置参数寻优间隔包括：
对所有负荷区间的机组负荷点的密集程度按照从高到低的顺序进行排序；
为排序大于等于N的负荷区间配置第一寻优间隔，为排序小于N的负荷区间配置第二寻优间隔，其中，N为大于等于1的整数。
第二方面，本申请实施例还提供了一种参数寻优间隔配置装置，所述装置包括：
参数获得单元，被配置成获得火力发电机组历史上预设定时间内的不同时间段的机组负荷点；
区间划分单元，被配置成根据预设的聚类分析算法对机组负荷点进行聚类分析，以将机组负荷点划分为不同的负荷区间；
参数配置单元，被配置成根据每个负荷区间的机组负荷点的密集程度为每个负荷区间配置参数寻优间隔。
可选地，参数获得单元包括：
参数采集模块，被配置成在预设的时间内每隔预设的时间段，周期性的采集火力发电机组的机组负荷点；
参数确定模块，被配置成如果某一时间段的机组负荷点缺失时，分别将当前时间段前的机组负荷点的平均值确定为该时间段的机组负荷点。
可选地，装置还包括：
参数滤除单元，被配置成将异常运行工况下获得的机组负荷点进行滤除。
可选地，参数寻优间隔包括第一寻优间隔与第二寻优间隔，第二寻优间隔大于第一寻优间隔，参数配置单元包括：
参数排序模块，被配置成对所有负荷区间的机组负荷点的密集程度按照从高到低的顺序进行排序；
参数配置模块，被配置成为排序大于等于N的负荷区间配置第一寻优间隔，为排序小于N的负荷区间配置第二寻优间隔，其中，N为大于等于1的整数。
第三方面，本申请实施例还提供了一种电子设备，包括：
存储器，其上存储有计算机程序；
处理器，用于执行存储器中的计算机程序，以实现本申请实施例第一方面提供的方法的步骤。
第四方面，本申请实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现本申请实施例第一方面提供的方法的步骤。
本申请实施例采用的上述至少一个技术方案能够达到以下有益效果：首先通过根据预设的聚类分析算法对机组负荷点进行聚类分析，以将机组负荷点划分为不同的负荷区间；最后根据每个负荷区间的机组负荷点的密集程度为每个负荷区间配置参数寻优间隔，由于负荷区间时根据机组负荷点的密集程度而划分，且寻优间隔是根据每个负荷区间的机组负荷点的密集程度而设定，因此，在通过上述方式得出的不同的参数配置间隔在对应的负荷区间内寻优最小煤耗量，在满足寻优精度的同时，节省了计算资源。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1为本申请实施例提供的电子设备分别与火力发电机组之间的交互示意图；
图2为本申请实施例提供的参数寻优间隔配置方法的一种实施例的流程图；
图3为本申请实施例提供的参数寻优间隔配置方法的一种实施例的流程图；
图4为本申请实施例提供的参数寻优间隔配置方法的一种实施例的流程图；
图5为本申请实施例提供的参数寻优间隔配置方法的一种实施例的流程图；
图6为本申请实施例提供的参数寻优间隔配置装置的功能模块框图；
图7为本申请实施例提供的参数寻优间隔配置装置的功能模块框图；
图8为本申请实施例提供的参数寻优间隔配置装置的功能模块框图；
图9为本申请实施例提供的参数寻优间隔配置装置的功能模块框图；
图10为本申请实施例提供的电子设备的电路连接框图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
以下结合附图，详细说明本申请各实施例提供的技术方案。
本申请实施例提供了一种参数寻优间隔配置方法，应用于电子设备102，其中，电子设备102可以为服务器，如图1所示，电子设备102与发电机组101通信连接，以进行数据交互。如图2所示，所述方法包括：
S21：获得火力发电机组历史上预设定时间内的不同时间段的机组负荷点。
在预设定的时间内的不同时间段的机组负荷点可以为：2017年1月1日每分钟的机组负荷点。其中，机组负荷点可以为占发电机组满负荷的比例，例如，2017年1月1日9:00的机组负荷点为80％，9：01的机组负荷点为81％，9：02的机组负荷点为79％等等。当然地，机组负荷点也可以为当前的机组负荷，在此不做限定。
S22：根据预设的聚类分析算法对机组负荷点进行聚类分析，以将机组负荷点划分为不同的负荷区间。
例如，机组负荷点分布于0％-100％之间，例如，划分的负荷区间可以包括：0-30％、30％-50％、50％-65％、65％-75％、75％-83％、83％-90％、90％-100％。
聚类分析算法的原理为：随机选取K个对象作为初始的聚类中心，然后计算每个对象与各个种子聚类中心之间的距离，把每个对象分配给距离它最近的聚类中心。聚类中心以及分配给它们的对象就代表一个聚类。每分配一个样本，聚类的聚类中心会根据聚类中现有的对象被重新计算，并不断重复直到满足某个终止条件。其中，终止条件可以是没有(或最小数目)对象被重新分配给不同的聚类，没有(或最小数目)聚类中心再发生变化，误差平方和局部最小。
本申请实施例中，聚类分析算法的具体过程可以为：将机组负荷点集合v＝{v1，v2…vn}作为聚类的对象进行聚类，(C1，C2…Ck)、(c1，c2…ck)是聚类后模糊簇的集合以及类新的集合，k个模糊簇可以用划分矩阵M＝[ωij]表示，ωij表示v对模糊簇c的隶属程度，模糊聚类算法描述如下：
Figure BDA0002217067210000061
约束条件如下：
Figure BDA0002217067210000062
具体计算流程如下：(1)设定模糊簇的个数k和参数P，2≤k≤n，p≥1，确定各模糊簇的类心；(2)计算每个数据点对每个模糊簇的隶属度wij；(3)根据上一步所得的隶属度矩阵划分矩阵M，并重新计算簇的类心；(4)反复迭代步骤(2)、步骤(3)，直到簇的类心收敛或变化足够小时停止。
S23：根据每个负荷区间的机组负荷点的密集程度为每个负荷区间配置参数寻优间隔。
例如，在负荷区间0％-30％、30％-50％的机组负荷点的密集程度较低，可以为负荷区间0％-30％、30％-50％配置较大的参数寻优间隔；再例如，75％-83％、83％-90％的机组负荷点的密集程度较高，可以为负荷区间75％-83％、83％-90％配置较小的参数寻优间隔。
本申请实施例提供的一种参数寻优间隔配置方法，首先通过根据预设的聚类分析算法对机组负荷点进行聚类分析，以将机组负荷点划分为不同的负荷区间；最后根据每个负荷区间的机组负荷点的密集程度为每个负荷区间配置参数寻优间隔，由于负荷区间时根据机组负荷点的密集程度而划分，且寻优间隔是根据每个负荷区间的机组负荷点的密集程度而设定，因此，在通过上述方式得出的不同的参数配置间隔在对应的负荷区间内寻优最小煤耗量，在满足寻优精度的同时，节省了计算资源。
如图3所示，S22包括：
S31：在预设的时间内每隔预设的时间段，周期性的采集火力发电机组的机组负荷点。
例如，每隔一分钟采集火力发电机组101的机组负荷点。
S32：如果某一时间段的机组负荷点缺失时，分别将当前时间段前的机组负荷点的平均值确定为该时间段的机组负荷点。
例如，9:01的机组负荷点为80％、9:02的机组负荷点为81％、9:03的机组负荷点为80％、9:04的机组负荷点为79％、9:05的机组负荷点为缺失，则计算前4分钟的平均值得到80％，作为9:05的机组负荷点。
可选地，在S12之前，如图4所示，所述方法还包括：
S41：将异常运行工况下获得的机组负荷点进行滤除。
其中，异常运行工况包括停机工况、开机至机组运行稳定时的运行工况、关机至机组停机时的运行工况等等，异常运行工况下获得的机组负荷点的参考价值低，可当做干扰数据滤除。
可选地，参数寻优间隔包括第一寻优间隔与第二寻优间隔，第二寻优间隔大于第一寻优间隔。例如，如图5所示，S23包括：
S51：对所有负荷区间的机组负荷点的密集程度按照从高到低的顺序进行排序。
例如，密集程度从高到低的排序为83％-90％、75％-83％、65％-75％、90％-100％、50％-65％、30％-50％、0-30％分别对应的密集程度。
S52：为排序大于等于N的负荷区间配置第一寻优间隔，为排序小于N的负荷区间配置第二寻优间隔，其中，N为大于等于1的整数。
例如，若N等于3，在负荷区间83％-90％、75％-83％、65％-75％的机组负荷点的密集程度较高，可以为负荷区间83％-90％、75％-83％、65％-75％配置较小的第一参数寻优间隔(如2％)；在负荷区间90％-100％、50％-65％、30％-50％、0-30％的机组负荷点的密集程度较低，可以为负荷区间90％-100％、50％-65％、30％-50％、0-30％配置较大的第二参数寻优间隔(如5％)。
本申请实施例还提供了一种参数寻优间隔配置装置600，应用于电子设备102，其中，电子设备102可以为服务器，如图1所示，电子设备102与发电机组101通信连接，以进行数据交互。需要说明的是，本申请实施例所提供的参数寻优间隔配置装置600，其基本原理及产生的技术效果和上述实施例相同，为简要描述，本申请实施例部分未提及之处，可参考上述的实施例中相应内容。如图6所示，所述装置600包括参数获得单元601、区间划分单元602以及参数配置单元603。
参数获得单元601，被配置成获得火力发电机组历史上预设定时间内的不同时间段的机组负荷点。
区间划分单元602，被配置成根据预设的聚类分析算法对机组负荷点进行聚类分析，以将机组负荷点划分为不同的负荷区间。
参数配置单元603，被配置成根据每个负荷区间的机组负荷点的密集程度为每个负荷区间配置参数寻优间隔。
本申请实施例提供的一种参数寻优间隔配置装置600在执行时可以实现如下功能：首先通过根据预设的聚类分析算法对机组负荷点进行聚类分析，以将机组负荷点划分为不同的负荷区间；最后根据每个负荷区间的机组负荷点的密集程度为每个负荷区间配置参数寻优间隔，由于负荷区间时根据机组负荷点的密集程度而划分，且寻优间隔是根据每个负荷区间的机组负荷点的密集程度而设定，因此，在通过上述方式得出的不同的参数配置间隔在对应的负荷区间内寻优最小煤耗量，在满足寻优精度的同时，节省了计算资源。
可选地，如图7所示，参数获得单元601包括：
参数采集模块701，被配置成在预设的时间内每隔预设的时间段，周期性的采集火力发电机组的机组负荷点；
参数确定模块702，被配置成如果某一时间段的机组负荷点缺失时，分别将当前时间段前的机组负荷点的平均值确定为该时间段的机组负荷点。
可选地，如图8所示，装置600还包括：
参数滤除单元801，被配置成将异常运行工况下获得的机组负荷点进行滤除。
可选地，参数寻优间隔包括第一寻优间隔与第二寻优间隔，第二寻优间隔大于第一寻优间隔，如图9所示，参数配置单元603包括：
参数排序模块901，被配置成对所有负荷区间的机组负荷点的密集程度按照从高到低的顺序进行排序。
参数配置模块902，被配置成为排序大于等于N的负荷区间配置第一寻优间隔，为排序小于N的负荷区间配置第二寻优间隔，其中，N为大于等于1的整数。
上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
图10是本申请的一个实施例电子设备的结构示意图。请参考图10，在硬件层面，该电子设备包括处理器，可选地还包括内部总线、网络接口、存储器。其中，存储器可能包含内存，例如高速随机存取存储器(Random-Access Memory，RAM)，也可能还包括非易失性存储器(non-volatile memory)，例如至少1个磁盘存储器等。当然，该电子设备还可能包括其他业务所需要的硬件。
处理器、网络接口和存储器可以通过内部总线相互连接，该内部总线可以是ISA(Industry StandardArchitecture，工业标准体系结构)总线、PCI(Peripheral ComponentInterconnect，外设部件互连标准)总线或EISA(Extended IndustryStandardArchitecture，扩展工业标准结构)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，图10中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。
存储器，用于存放程序。具体地，程序可以包括程序代码，程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器，并向处理器提供指令和数据。
处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，在逻辑层面上形成参数寻优间隔配置装置。处理器，执行存储器所存放的程序，并具体用于执行以下操作：
获得火力发电机组历史上预设定时间内的不同时间段的机组负荷点；
根据预设的聚类分析算法对机组负荷点进行聚类分析，以将机组负荷点划分为不同的负荷区间；
根据每个负荷区间的机组负荷点的密集程度为每个负荷区间配置参数寻优间隔。
上述如本申请图2-图5所示实施例揭示的参数寻优间隔配置装置执行的方法可以应用于处理器中，或者由处理器实现。处理器可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器，包括中央处理器(Central ProcessingUnit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(DigitalSignal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field－Programmable GateArray，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。
该电子设备还可执行图2-图5的方法，并实现参数寻优间隔配置装置在图2-图5所示实施例的功能，本申请实施例在此不再赘述。
当然，除了软件实现方式之外，本申请的电子设备并不排除其他实现方式，比如逻辑器件抑或软硬件结合的方式等等，也就是说以下处理流程的执行主体并不限定于各个逻辑单元，也可以是硬件或逻辑器件。
本申请实施例还提出了一种计算机可读存储介质，该计算机可读存储介质存储一个或多个程序，该一个或多个程序包括指令，该指令当被包括多个应用程序的便携式电子设备执行时，能够使该便携式电子设备执行图2-图5所示实施例的方法，并具体用于执行以下操作：
获得火力发电机组历史上预设定时间内的不同时间段的机组负荷点；
根据预设的聚类分析算法对所述机组负荷点进行聚类分析，以将所述机组负荷点划分为不同的负荷区间；
根据每个负荷区间的机组负荷点的密集程度为每个负荷区间配置参数寻优间隔。
总之，以上所述仅为本申请的较佳实施例而已，并非用于限定本申请的保护范围。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

Claims (10)

1.一种参数寻优间隔配置方法，其特征在于，包括：
获得火力发电机组历史上预设定时间内的不同时间段的机组负荷点；
根据预设的聚类分析算法对所述机组负荷点进行聚类分析，以将所述机组负荷点划分为不同的负荷区间；
根据每个负荷区间的机组负荷点的密集程度为每个负荷区间配置参数寻优间隔。
2.根据权利要求1所述的方法，其特征在于，所述获得火力发电机组历史上预设定时间内的不同时间段的机组负荷点包括：
在所述预设的时间内每隔预设的时间段，周期性的采集火力发电机组的机组负荷点；
如果某一时间段的机组负荷点缺失时，分别将当前时间段前的机组负荷点的平均值确定为该时间段的机组负荷点。
3.根据权利要求1所述的方法，其特征在于，在所述根据预设的聚类分析算法对所述机组负荷点进行聚类分析，以将所述机组负荷点划分为不同的负荷区间之前，所述方法还包括：
将异常运行工况下获得的机组负荷点进行滤除。
4.根据权利要求1所述的方法，其特征在于，所述参数寻优间隔包括第一寻优间隔与第二寻优间隔，所述第二寻优间隔大于所述第一寻优间隔，所述根据每个负荷区间的机组负荷点的密集程度为每个负荷区间配置参数寻优间隔包括：
对所有负荷区间的机组负荷点的密集程度按照从高到低的顺序进行排序；
为排序大于等于N的负荷区间配置第一寻优间隔，为排序小于N的负荷区间配置第二寻优间隔，其中，N为大于等于1的整数。
5.一种参数寻优间隔配置装置，其特征在于，包括：
参数获得单元，被配置成获得火力发电机组历史上预设定时间内的不同时间段的机组负荷点；
区间划分单元，被配置成根据预设的聚类分析算法对所述机组负荷点进行聚类分析，以将所述机组负荷点划分为不同的负荷区间；
参数配置单元，被配置成根据每个负荷区间的机组负荷点的密集程度为每个负荷区间配置参数寻优间隔。
6.根据权利要求5所述的装置，其特征在于，所述参数获得单元包括：
参数采集模块，被配置成在所述预设的时间内每隔预设的时间段，周期性的采集火力发电机组的机组负荷点；
参数确定模块，被配置成如果某一时间段的机组负荷点缺失时，分别将当前时间段前的机组负荷点的平均值确定为该时间段的机组负荷点。
7.根据权利要求5所述的装置，其特征在于，所述装置还包括：
参数滤除单元，被配置成将异常运行工况下获得的机组负荷点进行滤除。
8.根据权利要求5所述的装置，其特征在于，所述参数寻优间隔包括第一寻优间隔与第二寻优间隔，所述第二寻优间隔大于所述第一寻优间隔，所述参数配置单元包括：
参数排序模块，被配置成对所有负荷区间的机组负荷点的密集程度按照从高到低的顺序进行排序；
参数配置模块，被配置成为排序大于等于N的负荷区间配置第一寻优间隔，为排序小于N的负荷区间配置第二寻优间隔，其中，N为大于等于1的整数。
9.一种电子设备，其特征在于，包括：
存储器，其上存储有计算机程序；
处理器，用于执行所述存储器中的所述计算机程序，以实现权利要求1-4中任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1-4中任一项所述方法的步骤。
CN201910919332.2A 2019-09-26 2019-09-26 参数寻优间隔配置方法、装置及电子设备、存储介质 Active CN110782365B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910919332.2A CN110782365B (zh) 2019-09-26 2019-09-26 参数寻优间隔配置方法、装置及电子设备、存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910919332.2A CN110782365B (zh) 2019-09-26 2019-09-26 参数寻优间隔配置方法、装置及电子设备、存储介质

Publications (2)

Publication Number Publication Date
CN110782365A true CN110782365A (zh) 2020-02-11
CN110782365B CN110782365B (zh) 2022-04-29

Family

ID=69384310

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910919332.2A Active CN110782365B (zh) 2019-09-26 2019-09-26 参数寻优间隔配置方法、装置及电子设备、存储介质

Country Status (1)

Country Link
CN (1) CN110782365B (zh)

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090192953A1 (en) * 2008-01-24 2009-07-30 Hua-Guang Zhang Load Fuzzy Modeling Device And Method For Power System
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
CN103279658A (zh) * 2013-05-21 2013-09-04 广东电网公司电力科学研究院 火力发电机组工况寻优方法
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
CN105098843A (zh) * 2015-08-25 2015-11-25 南京南瑞继保电气有限公司 用于火电厂厂级自动发电控制系统的负荷优化分配方法和系统
US20160146118A1 (en) * 2013-12-31 2016-05-26 General Electric Company Methods and systems for enhancing control of power plant generating units
CN106941683A (zh) * 2016-01-04 2017-07-11 中国移动通信集团广东有限公司 一种lte频间互操作自优化的方法及装置
US20170261952A1 (en) * 2014-08-01 2017-09-14 Accenture Global Services Limited System, method and apparatuses for determining parameter settings for a power generation system and a tangible computer readable medium
CN108983861A (zh) * 2018-07-03 2018-12-11 华南理工大学 基于光伏多电平逆变器并网发生局部遮阴时的最优功率点跟踪方法
CN109343649A (zh) * 2018-10-22 2019-02-15 江苏大学 一种分区间自寻优mppt太阳能发电控制方法
CN109726865A (zh) * 2018-12-27 2019-05-07 国网江苏省电力有限公司电力科学研究院 基于emd-qrf的用户负荷概率密度预测方法、装置和存储介质
CN110219776A (zh) * 2019-06-12 2019-09-10 风脉能源（武汉）股份有限公司 一种风力发电机组动态额定功率区间的搜索方法

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090192953A1 (en) * 2008-01-24 2009-07-30 Hua-Guang Zhang Load Fuzzy Modeling Device And Method For Power System
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
CN103279658A (zh) * 2013-05-21 2013-09-04 广东电网公司电力科学研究院 火力发电机组工况寻优方法
US20160146118A1 (en) * 2013-12-31 2016-05-26 General Electric Company Methods and systems for enhancing control of power plant generating units
US20170261952A1 (en) * 2014-08-01 2017-09-14 Accenture Global Services Limited System, method and apparatuses for determining parameter settings for a power generation system and a tangible computer readable medium
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
CN105098843A (zh) * 2015-08-25 2015-11-25 南京南瑞继保电气有限公司 用于火电厂厂级自动发电控制系统的负荷优化分配方法和系统
CN106941683A (zh) * 2016-01-04 2017-07-11 中国移动通信集团广东有限公司 一种lte频间互操作自优化的方法及装置
CN108983861A (zh) * 2018-07-03 2018-12-11 华南理工大学 基于光伏多电平逆变器并网发生局部遮阴时的最优功率点跟踪方法
CN109343649A (zh) * 2018-10-22 2019-02-15 江苏大学 一种分区间自寻优mppt太阳能发电控制方法
CN109726865A (zh) * 2018-12-27 2019-05-07 国网江苏省电力有限公司电力科学研究院 基于emd-qrf的用户负荷概率密度预测方法、装置和存储介质
CN110219776A (zh) * 2019-06-12 2019-09-10 风脉能源（武汉）股份有限公司 一种风力发电机组动态额定功率区间的搜索方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
ABDELGHANIHARRAG 等: "Variable step size modified P&O MPPT algorithm using GA-based hybrid offline/online PID controller", 《RENEWABLE AND SUSTAINABLE ENERGY REVIEWS》 *
王治国 等: "基于改进型动态规划算法的厂级负荷优化分配", 《广东电力》 *

Also Published As

Publication number Publication date
CN110782365B (zh) 2022-04-29

Similar Documents

Publication Publication Date Title
US10999060B2 (en) Data processing method and apparatus
CN109857984B (zh) 一种锅炉负荷率-效能曲线的回归方法和装置
CN111786818B (zh) 一种区块链共识节点状态监控方法和装置
CN107450981A (zh) 一种区块链共识方法及设备
CN112506671B (zh) 区块链中的交易处理方法、装置及电子设备
EP3640813B1 (en) Cluster-based random walk method and apparatus
CN111639011A (zh) 一种数据监控方法、装置及设备
CN107391564A (zh) 数据转换方法、装置以及电子设备
CN109345081B (zh) 一种数据采集方法、装置及电子设备
CN111431977B (zh) 区块链系统中作恶节点的处理方法及系统
CN110782365B (zh) 参数寻优间隔配置方法、装置及电子设备、存储介质
CN109658094B (zh) 随机游走、基于集群的随机游走方法、装置以及设备
CN110033158A (zh) 一种用户信用行为评估方法、装置和电子设备
CN111769984B (zh) 区块链网络中添加节点的方法及区块链系统
CN113094899A (zh) 一种随机潮流计算方法、装置、电子设备及存储介质
CN109858119B (zh) 一种动态能效建模方法、装置、可读介质及电子设备
CN109615465B (zh) 业务订单的处理方法、装置和电子设备
CN112104716A (zh) 软件项目采集数据的方法、装置、可读存储介质及设备
CN111080447A (zh) 用于区块链系统中的中立节点的轮换方法及系统
CN110674190B (zh) 文件系统任务的统计方法、装置和服务器
CN118261461A (zh) 一种基于设备健康度关联性的设备保养方法及装置
CN115268800B (zh) 基于计算路由重定向的数据处理方法及数据存储系统
CN118626152B (zh) 一种指令流的生成方法、装置、电子设备及存储介质
CN114490616A (zh) 数据清洗方法、装置、电子设备及存储介质
CN110703598A (zh) 机组运行参数寻优方法、装置及电子设备、存储介质

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