CN112381268B - 一种面向电力现货市场的短期燃煤成本预测方法及系统 - Google Patents
一种面向电力现货市场的短期燃煤成本预测方法及系统 Download PDFInfo
- Publication number
- CN112381268B CN112381268B CN202011183259.6A CN202011183259A CN112381268B CN 112381268 B CN112381268 B CN 112381268B CN 202011183259 A CN202011183259 A CN 202011183259A CN 112381268 B CN112381268 B CN 112381268B
- Authority
- CN
- China
- Prior art keywords
- coal
- power plant
- data
- load
- consumption
- 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
- 239000003245 coal Substances 0.000 title claims abstract description 350
- 238000000034 method Methods 0.000 title claims abstract description 50
- 230000005611 electricity Effects 0.000 claims abstract description 30
- 238000002156 mixing Methods 0.000 claims description 16
- 238000012549 training Methods 0.000 claims description 16
- 238000005065 mining Methods 0.000 claims description 15
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 12
- 238000010977 unit operation Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 5
- 238000009833 condensation Methods 0.000 claims description 5
- 230000005494 condensation Effects 0.000 claims description 5
- 238000012937 correction Methods 0.000 claims description 5
- 239000000446 fuel Substances 0.000 claims description 4
- 238000002485 combustion reaction Methods 0.000 claims description 3
- 238000010248 power generation Methods 0.000 abstract description 18
- 238000004519 manufacturing process Methods 0.000 abstract description 6
- 230000008093 supporting effect Effects 0.000 abstract description 5
- 230000006399 behavior Effects 0.000 description 7
- 230000008901 benefit Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000003062 neural network model Methods 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000009412 basement excavation Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000010219 correlation analysis Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000010304 firing Methods 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 238000012887 quadratic function Methods 0.000 description 2
- 230000004913 activation Effects 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0206—Price or cost determination based on market factors
-
- 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
-
- 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
-
- 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
- Y04S50/00—Market activities related to the operation of systems integrating technologies related to power network operation or related to communication or information technologies
- Y04S50/14—Marketing, i.e. market research and analysis, surveying, promotions, advertising, buyer profiling, customer management or rewards
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Physics & Mathematics (AREA)
- Finance (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- Accounting & Taxation (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Data Mining & Analysis (AREA)
- Operations Research (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例提供一种面向电力现货市场的短期燃煤成本预测方法及系统,方法包括:采集燃煤电厂的煤耗影响主要因素和次级因素的历史运行数据以及次日负荷计划数据,对次日燃煤电厂燃烧煤种的供电煤耗进行预测。根据次日负荷计划数据,获得次日燃煤电厂不同负荷段内的煤价预测结果,进而预测燃煤电厂次日各负荷段内的燃煤度电成本。本发明对电力现货市场的短期燃煤成本的预测结果精度较高,最终成本预测结果具有较好的指导性。对于发电企业电力现货市场的日前报价策略提供很好的数据支撑作用。并且,本发明根据电网下达的次日负荷计划,结合各负荷段内的燃煤度电成本预测数据,可获得次日电厂日度燃煤总成本数据,为电厂生产经营提供数据支撑。
Description
技术领域
本发明实施例涉及电力市场营销领域,尤其涉及一种面向电力现货市场的短期燃煤成本预测方法及系统。
背景技术
在电力市场营销领域,发电侧的报价行为直接影响机组的电量出清(即是否能进入电力市场发电)以及收益情况:报价过高有可能电量无法出清则收益降低;报价过低虽然争取到发电量但会严重损害企业效益。由此看来,面对电力现货市场,发电企业的报价行为有着至关重要的作用。
在电力市场营销领域,发电侧在现货市场规则下进行的日前报价行为,主要需要解决两大难题:实时成本的计算以及次日成本的预测。实时的度电成本计算以及日度、月度、年度的成本统计都是过去的历史数据,并非竞价策略中真实需要的成本数据,因此也未能直接指导竞价策略的生成。因此,需要对度电成本进行预测。由于企业为日前报价,需考虑次日的发电计划以及成本情况,由此短期成本预测则成为了发电企业无法回避的问题。
由于电力现货市场“来的突然”,国内目前对于发电侧的报价策略以及成本预测方面的技术相当罕见。虽然少数专利或技术中提及发电侧的成本预测方法,但对实际的电厂成本预测的操作指导性意义不大。如申请公布号CN110084716A的发明专利“基于灰色系统分析的火力发电机组成本预算方法”,采用灰色关联分析模型进行多变量、多因子的关联度分析,输出不同边际条件下,火力发电成本的预测结果,此种方法需要人为手动输入边界条件,成本预测无法做到实时化、自动化,对于现货市场日前报价而言指导意义较小。申请公布号CN 110310032 A的发明专利“一种针对电厂经营计划的自动编制方法、装置及存储介质”,通过电厂所在节点的中长期价格预测进行中长期成本预测,对发电企业的中长期交易起到一定的指导作用,但对于现货市场短期成本预测无推荐价值。
因此,目前亟需一种短期成本预测方法,为电力企业在现货市场中的日前报价提供指导依据。
发明内容
本发明实施例提供一种面向电力现货市场的短期燃煤成本预测方法及系统,用以预测燃煤电厂次日各负荷段内的燃煤度电成本,为电力企业在现货市场中的日前报价提供指导依据。
第一方面,本发明实施例提供一种面向电力现货市场的短期燃煤成本预测方法,包括:
S1:采集燃煤电厂的煤耗影响主要因素的历史运行数据、煤耗影响次级因素的历史运行数据以及次日负荷计划数据;
S2:根据步骤S1采集的数据,对次日燃煤电厂燃烧煤种的供电煤耗进行预测,获得次日燃煤电厂不同负荷段内的煤耗预测结果;
S3:根据所述次日负荷计划数据,获得次日燃煤电厂不同负荷段内的煤价预测结果;
S4:根据次日燃煤电厂各负荷段内的煤价预测结果以及煤耗预测结果,预测燃煤电厂次日各负荷段内的燃煤度电成本。
优选的,该方法还包括:
S5,根据所述次日负荷计划数据,结合预测得到的各负荷段内的燃煤度电成本数据,获得次日电厂日度燃煤总成本数据。
优选的,所述煤耗影响主要因素包括机组负荷、入炉煤热值以及供电标准煤耗数据;所述煤耗影响次级因素至少包括机组运行环境温度、凝结水温度、给水温度和加热器运行状态。
优选的,步骤S1中,采集燃煤电厂的煤耗影响主要因素的历史运行数据,以及煤耗影响次级因素的历史运行数据,具体包括:通过电厂SIS系统读取机组负荷和供电标准煤耗数据,通过电厂燃煤系统读取入炉煤热值;通过电厂SIS系统读取机组运行环境温度、凝结水温度、给水温度和加热器运行状态。
优选的,步骤S2具体包括:
基于煤耗影响主要因素的历史运行数据,通过预设的煤耗回归模型对机组负荷、入炉煤热值以及供电标准煤耗的历史数据进行回归拟合,获得第一煤耗曲线;
通过预设的在线训练模型对所述第一煤耗曲线进行在线训练和修正,获得第二煤耗曲线;
基于煤耗影响次级因素的历史运行数据,通过预设的增量挖掘模型,对煤耗影响次级因素进行增量挖掘运算,修正第二煤耗曲线的煤耗结果,结合日负荷计划数据,获得次日燃煤电厂不同负荷段内的煤耗预测结果。
优选的,步骤S3中,根据所述次日负荷计划数据,获得次日燃煤电厂不同负荷段内的煤价预测结果,具体包括:
根据所述次日负荷计划数据制定各磨煤机的配煤掺烧计划,根据各磨煤机的配煤掺烧计划获取次日各磨煤机的入炉煤质,关联入厂煤价,得到各磨煤机的入炉煤价;
通过次日燃煤电厂不同负荷段内的磨煤机组合形式,获得次日燃煤电厂不同负荷段内的煤价预测结果。
优选的,步骤S4中,所述根据次日燃煤电厂各负荷段内的煤价预测结果以及煤耗预测结果,预测燃煤电厂次日各负荷段内的燃煤度电成本,具体包括:
将所述各负荷段内的煤耗预测结果与对应的煤价预测结果相乘,获得燃煤电厂次日各负荷段内的燃料度电成本。
第二方面,本发明实施例提供一种面向电力现货市场的短期燃煤成本预测系统,包括:
数据采集模块,用于采集燃煤电厂的煤耗影响主要因素的历史运行数据、煤耗影响次级因素的历史运行数据以及次日负荷计划数据;
煤耗预测模块,用于根据数据采集模块采集的数据,对次日燃煤电厂燃烧煤种的供电煤耗进行预测,获得次日燃煤电厂不同负荷段内的煤耗预测结果;
煤价预测模块,用于根据所述次日负荷计划数据,获得次日燃煤电厂不同负荷段内的煤价预测结果;
短期成本预测模块,用于根据次日燃煤电厂各负荷段内的煤价预测结果以及煤耗预测结果,预测燃煤电厂次日各负荷段内的燃煤度电成本。
第三方面,本发明实施例提供一种电子设备,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,所述处理器执行所述程序时实现如上述第一方面所提供的面向电力现货市场的短期燃煤成本预测方法的步骤。
第四方面,本发明实施例提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述第一方面所提供的面向电力现货市场的短期燃煤成本预测方法的步骤。
本发明实施例提供的面向电力现货市场的短期燃煤成本预测方法及系统,与现有技术相比,具有以下有益效果:
(1)目前国内缺少针对电力现货市场而开发的燃煤电厂成本计算以及成本预测产品,并且对于实际的现货报价策略方面的指导性较低。本发明可有效解决当今电力企业日前报价以及日度报价的数据支持问题,并为企业的发电机组经济运行提供指导性意见。
(2)本发明的燃煤成本预测原理贴近机组的实际运行。根据影响机组煤耗的主要因素拟合煤耗与负荷、燃煤热值的关系,并通过在线训练模型不断迭代进行更新,再根据煤耗影响次级因素进一步增量挖掘,对煤耗的预测进行修正。并且根据次日负荷计划以及配煤掺烧计划获取次日各磨煤机的掺烧煤种与掺烧量,其预测结果精度较高,最终成本预测结果具有较好的指导性。
(3)针对发电企业电力现货市场的日前报价策略,本发明可提供很好的数据支撑作用。成本预测错误直接影响报价行为,进而影响机组电量的出清,最终对企业的利益产生巨大影响。根据燃煤成本的短期预测结果,可得到次日(运行日)的“真实成本”的精准预测值,对于企业的实际报价行为可起到良好的引导作用,为机组获取最大的利益提供保障。
(4)本发明能够根据电网下达的次日负荷计划,结合各负荷段内的燃煤度电成本预测数据,获得次日电厂日度燃煤总成本数据,为电厂生产经营提供数据支撑。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的面向电力现货市场的短期燃煤成本预测方法流程示意图;
图2为本发明实施例提供的面向电力现货市场的短期燃煤成本预测方法的另一流程图;
图3是本发明实施例提供的煤耗预测的增量挖掘模型算法示意图;
图4为本发明实施例提供的面向电力现货市场的短期燃煤成本预测系统的结构框图;
图5为本发明实施例提供的电子设备结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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作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。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
目前,国内缺少针对电力现货市场而开发的燃煤电厂成本计算以及成本预测产品,并且对于实际的现货报价策略方面的指导性较低。针对这一问题,本发明实施例提供一种面向电力现货市场的短期燃煤成本预测方法。参照图1,首先针对本发明实施例提供的面向电力现货市场的短期燃煤成本预测方法的步骤进行简要说明,其具体可包括如下步骤:
步骤S1:采集燃煤电厂的煤耗影响主要因素的历史运行数据、煤耗影响次级因素的历史运行数据以及次日负荷计划数据。
其中,煤耗影响主要因素包括机组负荷、入炉煤热值以及供电标准煤耗数据;所述煤耗影响次级因素至少包括机组运行环境温度、凝结水温度、给水温度和加热器运行状态。次日负荷计划是电网调度机构向电厂提供的第二天机组发电出力计划曲线。
本实施例中,通过电厂SIS系统读取机组负荷和供电标准煤耗数据,通过电厂燃煤系统读取入炉煤热值;通过电厂SIS系统读取机组运行环境温度、凝结水温度、给水温度和加热器运行状态。
步骤S2:根据步骤S1采集的数据,对次日燃煤电厂燃烧煤种的供电煤耗进行预测,获得次日燃煤电厂不同负荷段内的煤耗预测结果。
具体地,首先,基于步骤S1采集的煤耗影响主要因素的历史运行数据,通过预设的煤耗回归模型对机组负荷、入炉煤热值以及供电标准煤耗的历史数据进行回归拟合,获得第一煤耗曲线。
然后,通过预设的在线训练模型对所述第一煤耗曲线进行在线训练和修正,获得第二煤耗曲线。
最后基于煤耗影响次级因素的历史运行数据,通过预设的增量挖掘模型,对煤耗影响次级因素进行增量挖掘运算,修正第二煤耗曲线的煤耗结果,结合日负荷计划数据,获得次日燃煤电厂不同负荷段内的煤耗预测结果。
步骤S3:根据所述次日负荷计划数据,获得次日燃煤电厂不同负荷段内的煤价预测结果。
具体地,根据次日负荷计划数据制定各磨煤机的配煤掺烧计划,根据各磨煤机的配煤掺烧计划获取次日各磨煤机的入炉煤质,关联入厂煤价,得到各磨煤机的入炉煤价。
进一步地,通过次日燃煤电厂不同负荷段内的磨煤机组合形式,获得次日燃煤电厂不同负荷段内的煤价预测结果。
步骤S4:根据次日燃煤电厂各负荷段内的煤价预测结果以及煤耗预测结果,预测燃煤电厂次日各负荷段内的燃煤度电成本。
本实施例中,将所述各负荷段内的煤耗预测结果与对应的煤价预测结果相乘,获得燃煤电厂次日各负荷段内的燃料度电成本。为发电企业电力现货市场的日前报价策略提供指导。
本发明针对国内目前对于发电侧的报价策略以及成本预测方面的技术相当少见的现象,开发次日各时间段的度电成本预测,并考虑当前煤仓的煤层情况以及当前的煤场情况和在卸煤种,构建日度成本预测,可为发电企业的现货市场集中竞价提供良好的数据保障。
本发明实施例提供的面向电力现货市场的短期燃煤成本预测方法及系统,与现有技术相比,具有以下有益效果:
(1)目前国内缺少针对电力现货市场而开发的燃煤电厂成本计算以及成本预测产品,并且对于实际的现货报价策略方面的指导性较低。本发明可有效解决当今电力企业日前报价以及日度报价的数据支持问题,并为企业的发电机组经济运行提供指导性意见。
(2)本发明的燃煤成本预测原理贴近机组的实际运行。根据影响机组煤耗的主要因素拟合煤耗与负荷、燃煤热值的关系,并通过在线训练模型不断迭代进行更新,再根据煤耗影响次级因素进一步增量挖掘,对煤耗的预测进行修正。并且根据次日负荷计划以及配煤掺烧计划获取次日各磨煤机的掺烧煤种与掺烧量,其预测结果精度较高,最终成本预测结果具有较好的指导性。
(3)针对发电企业电力现货市场的日前报价策略,本发明可提供很好的数据支撑作用。成本预测错误直接影响报价行为,进而影响机组电量的出清,最终对企业的利益产生巨大影响。根据燃煤成本的短期预测结果,可得到次日(运行日)的“真实成本”的精准预测值,对于企业的实际报价行为可起到良好的引导作用,为机组获取最大的利益提供保障。
在一个实施例中,图2为本发明实施例提供的面向电力现货市场的短期燃煤成本预测方法的另一流程图,参照图2,该方法还包括:
步骤S5,根据所述次日负荷计划数据,结合预测得到的各负荷段内的燃煤度电成本数据,获得次日电厂日度燃煤总成本数据。
本发明实施例根据电网下达的次日负荷计划,结合各负荷段内的燃煤度电成本预测数据,可获得次日电厂日度燃煤总成本数据,为电厂生产经营提供数据支撑。
在一个实施例中,以某600MW燃煤电厂的燃煤成本预测为例,对本发明面向电力现货市场的短期燃煤成本预测方法进行举例说明:
首先,采集该燃煤电厂的煤耗影响主要因素的历史运行数据、煤耗影响次级因素的历史运行数据以及次日负荷计划数据。
燃煤电厂的煤耗c与负荷率L以及入炉热值Q之间均存在二次函数关系式:
c=a1×L2+a2×L+a3×Q2+a4×Q+a5×L×Q+a6。
将上述二次函数关系式作为煤耗回归模型,根据该燃煤电厂历史数据获得2018年1月至2018年12月全年不同工况下的机组负荷、入炉热值以及煤耗数据,对机组负荷、入炉煤热值以及供电标准煤耗的历史数据进行回归拟合,得出对应函数关系的表达式。表1为该燃煤电厂2018年12月某周次的实际运行中机组负荷、入炉热值与煤耗的数据表。
表1
通过回归拟合最终得到机组煤耗c与负荷率L(实际负荷与额定负荷的百分比)及热值Q之间的函数关系为:c=0.04217×L2-10.9983×L+1.7049×Q2-66.5093×Q+0.2873×L×Q+1173.35。获得第一煤耗曲线。
接着,通过预设的在线训练模型对上述第一煤耗曲线进行在线训练和修正,获得第二煤耗曲线如下:
c=0.04206×L2-10.9872×L+1.7121×Q2-67.6891×Q+0.2857×L×Q+1155.24
然后,基于煤耗影响次级因素的历史运行数据,通过预设的增量挖掘模型,对煤耗影响次级因素进行增量挖掘运算。具体的,本实施例采用黑箱模型,例如神经网络模型,挖掘煤耗影响次级因素对燃煤机组煤耗的影响。修正第二煤耗曲线的煤耗结果,提高第二煤耗曲线的精度。本实施例中,用于煤耗预测的增量挖掘模型算法示意图见图3所示。图3中,w1~w6表示煤耗各影响因素(输入)的权重(其值为权值),SUM表示各影响因素数据(输入)与其权重乘积的求和,f表示神经网络的激活函数(传递函数),是人工神经网络的神经元上运行的函数,负责将神经元的输入映射到输出端。
本实施例中,通过神经网络模型对特定负荷、入炉热值的机组运行状况进行煤耗预测的修正:根据各次级因素参数与设计参数的差异,归一化后通过神经网络模型,再对在线训练模型所获得的煤耗进行修正。
获得该600MW燃煤机组2019年10月29日各次级因素值以及设计值,如表2所示,通过历史统计与神经网络模型,得到此时的各项次级因素将会对机组的煤耗起到增幅作用,最终将会提高煤耗Δc=1.23g/kWh。
表2
本实施例中,假设该燃煤电厂#1机组在2019年10月30日某负荷段内的预期负荷为546MW,负荷率为546MW/600MW=91.0%,L=91.0,燃煤热值Q为18.46MJ/kg,则根据线训练模型得到该负荷与入炉热值下的煤耗预测(供电标准煤耗预测值)结果为:
c1=0.04206×91.02-10.9872×91.0+1.7121×18.462-67.6891×18.46+0.2857×91.0×18.46+1155.24=317.53g/kWh
再根据煤耗影响次级因素的增量挖掘模型,采用神经网络方法得到在表4实际运行工况下的煤耗预测值为:
c2=c1+Δc=317.53+1.23=318.78g/kWh
接着,根据次日负荷计划数据制定各磨煤机的配煤掺烧计划,根据各磨煤机的配煤掺烧计划获取次日各磨煤机的入炉煤质,关联入厂煤价,得到各磨煤机的入炉煤价。本实施例中,该电厂次日(2019年10月30日)各磨煤机的次日配煤方案如表3所示;各磨煤机各负荷段的磨煤机组合以及入炉煤价(标准煤价)如表4所示:
表3
表4
然后,在获得次日燃煤电厂各负荷段内的煤价预测结果以及煤耗预测结果后,将所述各负荷段内的煤耗预测结果与对应的煤价预测结果相乘,获得燃煤电厂次日各负荷段内的燃料度电成本。本实施例中,该燃煤电厂#1机组次日546MW运行时的煤耗预测值c2为308.78g/kWh,入炉煤价A2根据表6所示为476.83元/吨,则在546MW负荷运行时的燃煤成本预测值C为:
C=c2×A2=318.78×476.83/1000=152.00元/千kWh
进一步,输出次日燃煤电厂不同负荷段内的燃煤度电成本数据以及次日负荷计划、次日的配煤方案以及次日不同负荷段的磨煤机组合方案。
最后,根据所述次日负荷计划数据,结合预测获得的各负荷段内的燃煤度电成本数据,获得次日电厂日度燃煤总成本数据。
本发明实施例根据影响机组煤耗的主要因素拟合煤耗与负荷、燃煤热值的关系,并通过在线训练模型不断迭代进行更新,再根据煤耗影响次级因素进一步增量挖掘,对煤耗的预测进行修正。并且根据次日负荷计划以及配煤掺烧计划获取次日各磨煤机的掺烧煤种与掺烧量,其预测结果精度较高,最终成本预测结果具有较好的指导性。对于发电企业电力现货市场的日前报价策略提供很好的数据支撑作用。并且,本发明根据电网下达的次日负荷计划,结合各负荷段内的燃煤度电成本预测数据,可获得次日电厂日度燃煤总成本数据,为电厂生产经营提供数据支撑。
在一个实施例中,本发明实施例提供一种面向电力现货市场的短期燃煤成本预测系统,参照图4,该系统包括数据采集模块401、煤耗预测模块402、煤价预测模块403和短期成本预测模块404,其中:
数据采集模块401用于采集燃煤电厂的煤耗影响主要因素的历史运行数据、煤耗影响次级因素的历史运行数据以及次日负荷计划数据。煤耗预测模块402用于根据数据采集模块采集的数据,对次日燃煤电厂燃烧煤种的供电煤耗进行预测,获得次日燃煤电厂不同负荷段内的煤耗预测结果。煤价预测模块403用于根据所述次日负荷计划数据,获得次日燃煤电厂不同负荷段内的煤价预测结果。短期成本预测模块404用于根据次日燃煤电厂各负荷段内的煤价预测结果以及煤耗预测结果,预测燃煤电厂次日各负荷段内的燃煤度电成本。
具体的如何利用数据采集模块401、煤耗预测模块402、煤价预测模块403和短期成本预测模块404对电力现货市场的短期燃煤成本进行预测,可参见如图1所示的实施例,本发明实施例在此不再赘述。
本发明实施例提供的面向电力现货市场的短期燃煤成本预测系统,根据影响机组煤耗的主要因素拟合煤耗与负荷、燃煤热值的关系,并通过在线训练模型不断迭代进行更新,再根据煤耗影响次级因素进一步增量挖掘,对煤耗的预测进行修正。并且根据次日负荷计划以及配煤掺烧计划获取次日各磨煤机的掺烧煤种与掺烧量,其预测结果精度较高,最终成本预测结果具有较好的指导性。对于发电企业电力现货市场的日前报价策略提供很好的数据支撑作用。
在一个实施例中,该系统还包括:
燃煤总成本预测模块,用于根据所述次日负荷计划数据,结合预测获得的各负荷段内的燃煤度电成本数据,获得次日电厂日度燃煤总成本数据。
本发明实施例根据电网下达的次日负荷计划,结合各负荷段内的燃煤度电成本预测数据,可获得次日电厂日度燃煤总成本数据,为电厂生产经营提供数据支撑。
本发明的各实施方式可以任意进行组合,以实现不同的技术效果。
在一个实施例中,图5示例了一种电子设备的结构示意图,如图5所示,该服务器可以包括:处理器(processor)501、通信接口(Communications Interface)502、存储器(memory)503和总线504,其中,处理器501,通信接口502,存储器503通过通信总线504完成相互间的通信。处理器501可以调用存储在存储器503上并可在处理器501上运行的计算机程序,以执行如下方法,例如包括:S1:采集燃煤电厂的煤耗影响主要因素的历史运行数据、煤耗影响次级因素的历史运行数据以及次日负荷计划数据;S2:根据步骤S1采集的数据,对次日燃煤电厂燃烧煤种的供电煤耗进行预测,获得次日燃煤电厂不同负荷段内的煤耗预测结果;S3:根据所述次日负荷计划数据,获得次日燃煤电厂不同负荷段内的煤价预测结果;S4:根据次日燃煤电厂各负荷段内的煤价预测结果以及煤耗预测结果,预测燃煤电厂次日各负荷段内的燃煤度电成本。
在一个实施例中,本发明实施例提供一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令使所述计算机执行上述各方法实施例所提供的面向电力现货市场的短期燃煤成本预测方法,例如包括:S1:采集燃煤电厂的煤耗影响主要因素的历史运行数据、煤耗影响次级因素的历史运行数据以及次日负荷计划数据;S2:根据步骤S1采集的数据,对次日燃煤电厂燃烧煤种的供电煤耗进行预测,获得次日燃煤电厂不同负荷段内的煤耗预测结果;S3:根据所述次日负荷计划数据,获得次日燃煤电厂不同负荷段内的煤价预测结果;S4:根据次日燃煤电厂各负荷段内的煤价预测结果以及煤耗预测结果,预测燃煤电厂次日各负荷段内的燃煤度电成本。
本申请实施例中的术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。本申请的描述中,术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列部件或单元的系统、产品或设备没有限定于已列出的部件或单元,而是可选地还包括没有列出的部件或单元,或可选地还包括对于这些产品或设备固有的其它部件或单元。本申请的描述中,“多个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (7)
1.一种面向电力现货市场的短期燃煤成本预测方法,其特征在于,包括:
S1:采集燃煤电厂的煤耗影响主要因素的历史运行数据、煤耗影响次级因素的历史运行数据以及次日负荷计划数据;
S2:根据步骤S1采集的数据,对次日燃煤电厂燃烧煤种的供电煤耗进行预测,获得次日燃煤电厂不同负荷段内的煤耗预测结果;
S3:根据所述次日负荷计划数据,获得次日燃煤电厂不同负荷段内的煤价预测结果;
S4:根据次日燃煤电厂各负荷段内的煤价预测结果以及煤耗预测结果,预测燃煤电厂次日各负荷段内的燃煤度电成本;
所述煤耗影响主要因素包括机组负荷、入炉煤热值以及供电标准煤耗数据;所述煤耗影响次级因素至少包括机组运行环境温度、凝结水温度、给水温度和加热器运行状态;
步骤S2具体包括:
基于煤耗影响主要因素的历史运行数据,通过预设的煤耗回归模型对机组负荷、入炉煤热值以及供电标准煤耗的历史数据进行回归拟合,获得第一煤耗曲线;
通过预设的在线训练模型对所述第一煤耗曲线进行在线训练和修正,获得第二煤耗曲线;
基于煤耗影响次级因素的历史运行数据,通过预设的增量挖掘模型,对煤耗影响次级因素进行增量挖掘运算,修正第二煤耗曲线的煤耗结果,结合日负荷计划数据,获得次日燃煤电厂不同负荷段内的煤耗预测结果;
步骤S3中,根据所述次日负荷计划数据,获得次日燃煤电厂不同负荷段内的煤价预测结果,具体包括:
根据所述次日负荷计划数据制定各磨煤机的配煤掺烧计划,根据各磨煤机的配煤掺烧计划获取次日各磨煤机的入炉煤质,关联入厂煤价,得到各磨煤机的入炉煤价;
通过次日燃煤电厂不同负荷段内的磨煤机组合形式,获得次日燃煤电厂不同负荷段内的煤价预测结果。
2.根据权利要求1所述的面向电力现货市场的短期燃煤成本预测方法,其特征在于,还包括:
S5,根据所述次日负荷计划数据,结合预测得到的各负荷段内的燃煤度电成本数据,获得次日电厂日度燃煤总成本数据。
3.根据权利要求1所述的面向电力现货市场的短期燃煤成本预测方法,其特征在于,步骤S1中,采集燃煤电厂的煤耗影响主要因素的历史运行数据,以及煤耗影响次级因素的历史运行数据,具体包括:
通过电厂SIS系统读取机组负荷和供电标准煤耗数据,通过电厂燃煤系统读取入炉煤热值;
通过电厂SIS系统读取机组运行环境温度、凝结水温度、给水温度和加热器运行状态。
4.根据权利要求1所述的面向电力现货市场的短期燃煤成本预测方法,其特征在于,步骤S4中,所述根据次日燃煤电厂各负荷段内的煤价预测结果以及煤耗预测结果,预测燃煤电厂次日各负荷段内的燃煤度电成本,具体包括:
将所述各负荷段内的煤耗预测结果与对应的煤价预测结果相乘,获得燃煤电厂次日各负荷段内的燃料度电成本。
5.一种面向电力现货市场的短期燃煤成本预测系统,其特征在于,包括:
数据采集模块,用于采集燃煤电厂的煤耗影响主要因素的历史运行数据、煤耗影响次级因素的历史运行数据以及次日负荷计划数据;
煤耗预测模块,用于根据数据采集模块采集的数据,对次日燃煤电厂燃烧煤种的供电煤耗进行预测,获得次日燃煤电厂不同负荷段内的煤耗预测结果;
煤价预测模块,用于根据所述次日负荷计划数据,获得次日燃煤电厂不同负荷段内的煤价预测结果;
短期成本预测模块,用于根据次日燃煤电厂各负荷段内的煤价预测结果以及煤耗预测结果,预测燃煤电厂次日各负荷段内的燃煤度电成本;
所述煤耗影响主要因素包括机组负荷、入炉煤热值以及供电标准煤耗数据;所述煤耗影响次级因素至少包括机组运行环境温度、凝结水温度、给水温度和加热器运行状态;
所述煤耗预测模块具体是基于煤耗影响主要因素的历史运行数据,通过预设的煤耗回归模型对机组负荷、入炉煤热值以及供电标准煤耗的历史数据进行回归拟合,获得第一煤耗曲线;
通过预设的在线训练模型对所述第一煤耗曲线进行在线训练和修正,获得第二煤耗曲线;
基于煤耗影响次级因素的历史运行数据,通过预设的增量挖掘模型,对煤耗影响次级因素进行增量挖掘运算,修正第二煤耗曲线的煤耗结果,结合日负荷计划数据,获得次日燃煤电厂不同负荷段内的煤耗预测结果;
根据所述次日负荷计划数据,获得次日燃煤电厂不同负荷段内的煤价预测结果,具体包括:
根据所述次日负荷计划数据制定各磨煤机的配煤掺烧计划,根据各磨煤机的配煤掺烧计划获取次日各磨煤机的入炉煤质,关联入厂煤价,得到各磨煤机的入炉煤价;
通过次日燃煤电厂不同负荷段内的磨煤机组合形式,获得次日燃煤电厂不同负荷段内的煤价预测结果。
6.一种电子设备,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,其特征在于,所述处理器执行所述程序时实现如权利要求1至4任一项所述面向电力现货市场的短期燃煤成本预测方法的步骤。
7.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1至4任一项所述面向电力现货市场的短期燃煤成本预测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011183259.6A CN112381268B (zh) | 2020-10-29 | 2020-10-29 | 一种面向电力现货市场的短期燃煤成本预测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011183259.6A CN112381268B (zh) | 2020-10-29 | 2020-10-29 | 一种面向电力现货市场的短期燃煤成本预测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112381268A CN112381268A (zh) | 2021-02-19 |
CN112381268B true CN112381268B (zh) | 2024-05-03 |
Family
ID=74577407
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011183259.6A Active CN112381268B (zh) | 2020-10-29 | 2020-10-29 | 一种面向电力现货市场的短期燃煤成本预测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112381268B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113627727A (zh) * | 2021-07-08 | 2021-11-09 | 华能东莞燃机热电有限责任公司 | 一种热电联产机组电量筹划方法和系统 |
CN116307075B (zh) * | 2023-02-01 | 2024-04-05 | 华能国际电力股份有限公司上海石洞口第二电厂 | 一种基于智能算法的度电燃煤成本优化方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010224832A (ja) * | 2009-03-23 | 2010-10-07 | Tohoku Electric Power Co Inc | 電力市場価格予測方法 |
CN102930356A (zh) * | 2012-11-16 | 2013-02-13 | 广东电网公司电力调度控制中心 | 基于气象因素敏感度的短期负荷预测方法 |
CN109934493A (zh) * | 2019-03-14 | 2019-06-25 | 国网山东省电力公司电力科学研究院 | 一种快速确定火力发电机组煤耗特性曲线的方法 |
CN110428144A (zh) * | 2019-07-09 | 2019-11-08 | 华能汕头海门发电有限责任公司 | 适用于电厂的燃煤采购与发电指标预测处理系统及方法 |
CN110675039A (zh) * | 2019-09-09 | 2020-01-10 | 武汉华中思能科技有限公司 | 一种燃煤电厂实时燃煤成本输出方法及系统 |
CN110969296A (zh) * | 2019-11-25 | 2020-04-07 | 国网河北省电力有限公司经济技术研究院 | 电采暖负荷预测方法、装置和终端设备 |
-
2020
- 2020-10-29 CN CN202011183259.6A patent/CN112381268B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010224832A (ja) * | 2009-03-23 | 2010-10-07 | Tohoku Electric Power Co Inc | 電力市場価格予測方法 |
CN102930356A (zh) * | 2012-11-16 | 2013-02-13 | 广东电网公司电力调度控制中心 | 基于气象因素敏感度的短期负荷预测方法 |
CN109934493A (zh) * | 2019-03-14 | 2019-06-25 | 国网山东省电力公司电力科学研究院 | 一种快速确定火力发电机组煤耗特性曲线的方法 |
CN110428144A (zh) * | 2019-07-09 | 2019-11-08 | 华能汕头海门发电有限责任公司 | 适用于电厂的燃煤采购与发电指标预测处理系统及方法 |
CN110675039A (zh) * | 2019-09-09 | 2020-01-10 | 武汉华中思能科技有限公司 | 一种燃煤电厂实时燃煤成本输出方法及系统 |
CN110969296A (zh) * | 2019-11-25 | 2020-04-07 | 国网河北省电力有限公司经济技术研究院 | 电采暖负荷预测方法、装置和终端设备 |
Also Published As
Publication number | Publication date |
---|---|
CN112381268A (zh) | 2021-02-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hach et al. | Capacity payment impact on gas-fired generation investments under rising renewable feed-in—A real options analysis | |
Akbari et al. | Stochastic programming-based optimal bidding of compressed air energy storage with wind and thermal generation units in energy and reserve markets | |
Zhao et al. | Impacts of carbon tax and tradable permits on wind power investment in China | |
Green et al. | Do costs fall faster than revenues? Dynamics of renewables entry into electricity markets | |
CN115018230A (zh) | 考虑减排成本的综合能源系统低碳鲁棒经济优化运行方法 | |
Huang et al. | Assessment of the feed-in tariff mechanism for renewable energies in Taiwan | |
Veselov et al. | Comparative economic analysis of technological priorities for low-carbon transformation of electric power industry in Russia and the EU | |
CN112381268B (zh) | 一种面向电力现货市场的短期燃煤成本预测方法及系统 | |
Mills et al. | Changes in the economic value of wind energy and flexible resources at increasing penetration levels in the Rocky Mountain Power Area | |
Jiao et al. | Electricity price driven active distribution network planning considering uncertain wind power and electricity price | |
Jiang et al. | Reserve cost allocation mechanism in renewable portfolio standard-constrained spot market | |
Yang et al. | Insurance strategy for mitigating power system operational risk introduced by wind power forecasting uncertainty | |
Denholm et al. | Methods for analyzing the economic value of concentrating solar power with thermal energy storage | |
Zappa et al. | Can liberalised electricity markets support decarbonised portfolios in line with the Paris Agreement? A case study of Central Western Europe | |
Haar et al. | An option analysis of the European Union renewable energy support mechanisms | |
Shao et al. | An evaluation of the consumer-funded renewable obligation scheme in the UK for wind power generation | |
Graham et al. | Optimal technological choices in meeting Australian energy policy goals | |
Bardwell et al. | Emissions and prices are anticorrelated in Australia’s electricity grid, undermining the potential of energy storage to support decarbonisation | |
Abiodun et al. | The value of concentrating solar power in ancillary services markets | |
CN109919504A (zh) | 一种调峰辅助服务市场机制评估方法 | |
Azofra et al. | Economical–environmental impact of subsidised renewable energy sources for electricity (RES-E) in the Spanish system | |
CN112633675A (zh) | 一种能量调度方法、装置、设备及计算机可读存储介质 | |
de Simón-Martín et al. | The Levelized cost of energy Indicator | |
CN112510709B (zh) | 火电机组调峰成本及边际贡献计算系统与方法 | |
Dubash | The public benefits agenda in power sector reform |
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 |