CN114094570B - 燃气机组的发电气耗的预测方法及装置 - Google Patents
燃气机组的发电气耗的预测方法及装置 Download PDFInfo
- Publication number
- CN114094570B CN114094570B CN202111307328.4A CN202111307328A CN114094570B CN 114094570 B CN114094570 B CN 114094570B CN 202111307328 A CN202111307328 A CN 202111307328A CN 114094570 B CN114094570 B CN 114094570B
- Authority
- CN
- China
- Prior art keywords
- working condition
- power generation
- under
- predicted
- parameter 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.)
- Active
Links
- 238000010248 power generation Methods 0.000 title claims abstract description 151
- 238000000034 method Methods 0.000 title claims abstract description 45
- 230000005611 electricity Effects 0.000 claims abstract description 10
- 238000001514 detection method Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 4
- 239000007789 gas Substances 0.000 description 132
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 16
- 230000006870 function Effects 0.000 description 13
- 239000013598 vector Substances 0.000 description 10
- 238000012706 support-vector machine Methods 0.000 description 9
- 239000003345 natural gas Substances 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 4
- 230000009977 dual effect Effects 0.000 description 4
- 238000010438 heat treatment Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 239000000446 fuel Substances 0.000 description 3
- 238000004140 cleaning Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000010977 unit operation Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/004—Generation forecast, e.g. methods or systems for forecasting future energy generation
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J3/00—Circuit arrangements for ac mains or ac distribution networks
- H02J3/38—Arrangements for parallely feeding a single network by two or more generators, converters or transformers
- H02J3/46—Controlling of the sharing of output between the generators, converters, or transformers
- H02J3/466—Scheduling the operation of the generators, e.g. connecting or disconnecting generators to meet a given demand
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开一种燃气机组的发电气耗的预测方法及装置,所述方法包括:根据表征预测工况下的发电气耗的预测参数值,从燃气机组的历史工况中确定所述预测工况的第一相似工况;根据在所述第一相似工况下多个样本的发电气耗值,计算所述第一相似工况下的平均发电气耗值,其中,一个所述样本中包括燃气机组在一个时刻的历史运行数据;将所述平均发电气耗值确定为所述燃气机组在所述预测工况下的发电气耗。
Description
技术领域
本申请涉及燃气发电技术领域,尤其涉及一种燃气机组的发电气耗的预测方法及装置。
背景技术
燃气蒸汽联合循环发电机组是以天然气作为燃料的一种清洁高效的成套发电设备。我国的天然气供应长期处于比较紧张的状况,燃气机组的调度方式通常都按照“以气定电”进行调度。在此模式下,机组的可用天然气量和上网电量以及两者的价格都是透明的,因而燃气机组的发电气耗代表了燃料成本,能够直接反映机组的盈利水平。
影响发电气耗的机组运行因素有很多,通常是通过计算公式来计算气耗,不需要预测,但随着我国正在大力推进电力市场现货交易试点建设工作,现货交易要求电厂准确核算供电成本,而燃料成本又是供电成本中一项重要的组成部分,因此预测发电气耗在技术上有迫切需求。
发明内容
本申请公开一种燃气机组的发电气耗的预测方法及装置,以解决目前的发电气耗预测的精度不够准确的问题。
为了解决上述问题,本申请采用下述技术方案:
第一方面,本申请实施例公开一种燃气机组的发电气耗的预测方法,包括:根据表征预测工况下的发电气耗的预测参数值,从燃气机组的历史工况中确定所述预测工况的第一相似工况;根据在所述第一相似工况下多个样本的发电气耗值,计算所述第一相似工况下的平均发电气耗值,其中,一个所述样本中包括燃气机组在一个时刻的历史运行数据;将所述平均发电气耗值确定为所述燃气机组在所述预测工况下的发电气耗。
第二方面,本申请实施例公开一种燃气机组的发电气耗的预测装置,包括:第一确定模块,用于根据表征预测工况下的发电气耗的预测参数值,从燃气机组的历史工况中确定所述预测工况的第一相似工况;计算模块,用于根据在所述第一相似工况下多个样本的发电气耗值,计算所述第一相似工况下的平均发电气耗值,其中,一个所述样本中包括燃气机组在一个时刻的历史运行数据;第二确定模块,用于将所述平均发电气耗值确定为所述燃气机组在所述预测工况下的发电气耗。
第三方面,本申请实施例提供了一种电子设备,该电子设备包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令,所述程序或指令被所述处理器执行时实现如第一方面所述的方法的步骤。
第四方面,本申请实施例提供了一种可读存储介质,所述可读存储介质上存储程序或指令,所述程序或指令被处理器执行时实现如第一方面所述的方法的步骤。
第五方面,本申请实施例提供了一种芯片,所述芯片包括处理器和通信接口,所述通信接口和所述处理器耦合,所述处理器用于运行程序或指令,实现如第一方面所述的方法的步骤。
本申请采用的技术方案能够达到以下有益效果:
本申请实施例公开一种燃气机组的发电气耗的预测方法,根据表征预测工况下的发电气耗的预测参数值,从燃气机组的历史工况中确定预测工况的第一相似工况。在确定出预测工况的第一相似工况的情况下,可以根据在第一相似工况下多个样本的发电气耗值,计算第一相似工况下的平均发电气耗值。将平均发电气耗值确定为燃气机组在预测工况下的发电气耗。通过在历史工况中搜索预测工况的第一相似工况,使得可以根据预存在数据库中第一相似工况下多个样本的发电气耗值,计算出第一相似工况的平均发电气耗均值,即预测工况下的发电气耗均值,也就是说,通过这种方式,可以解决目前的发电气耗预测的精度不够准确的问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,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为本申请实施例公开的一种燃气机组的发电气耗的预测方法的流程示意图;
图2为本申请实施例公开的一种燃气机组的发电气耗的预测装置的结构示意图;
图3为本申请实施例公开的一种电子设备的结构示意图。
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。
本申请的说明书和权利要求书中的术语“第一”、“第二”等是用于区别类似的对象,而不用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施,且“第一”、“第二”等所区分的对象通常为一类,并不限定对象的个数,例如第一对象可以是一个,也可以是多个。此外,说明书以及权利要求中“和/或”表示所连接对象的至少其中之一,字符“/”,一般表示前后关联对象是一种“或”的关系。
以下结合附图,通过具体的实施例及其应用场景对本申请实施例提供的一种燃气机组的发电气耗的预测方法及装置进行详细地说明。
图1为本申请实施例提供的一种燃气机组的发电气耗的预测方法的流程示意图,该方法可以由电子设备执行,换言之,该方法可以由安装在电子设备的软件或硬件来执行。如图1所示,本申请实施例公开的一种燃气机组的发电气耗的预测方法可以包括以下步骤:
S110:根据表征预测工况下的发电气耗的预测参数值,从燃气机组的历史工况中确定所述预测工况的第一相似工况。
为了得到燃气机组在预测工况下的发电气耗,可以根据表征预测工况下的发电气耗的预测参数值,在燃气机组的历史工况中进行搜索,来确定预测工况的第一相似工况,表征预测工况下的发电气耗的预测参数值可以包括:预测发电负荷值、预测环境温度值和预测天然气热值,当然也可以是其它相关参数值,本申请实施例对此不作具体限制。
S120:根据在所述第一相似工况下多个样本的发电气耗值,计算所述第一相似工况下的平均发电气耗值。
其中,一个所述样本中包括燃气机组在一个时刻的历史运行数据。而燃气机组在任意时刻的历史运行数据可以通过燃气机组的自动控制系统进行采集,并存储在信息监测系统中,历史运行数据可以至少包括:发电负荷值、环境温度值和天然气热值。通过部署服务器以及在服务器上部署与信息监测系统中时序数据库的接口程序,使得服务器可以从时序数据库中读取数据。初次部署的情况下,可以进行数据清洗、删除异常值所在的样本,并计算通过清洗的样本的发电气耗值并保存在服务器的数据库中。
在燃气机组的历史运行数据中每一时刻的记录可以作为一个样本,在确定出预测工况的第一相似工况的情况下,可以根据第一相似工况下的多个样本的气耗值,计算出在第一相似工况下的平均发电气耗值,即预测工况的第一相似工况下有多个样本,通过多个样本的发电气耗值,可以计算出第一相似工况下的平均发电气耗值。
此外,可以定期从时序数据库中读入新的数据补充进服务器的数据库中,并执行上文所述的数据清洗和计算业务,通过这种方式,可以保证服务器的数据库中的数据的时效性。
S130:将所述平均发电气耗值确定为所述燃气机组在所述预测工况下的发电气耗。
通过将在相似工况下的平均发电气耗均值作为燃气机组在预测工况下的发电气耗,可以更加准确地对预测工况下的发电气耗进行预测。
需要说明的是,发电气耗,是燃气机组单位发电量的耗气量,燃气机组的发电气耗可以衡量燃气机组成本,通过确定燃气机组在预测工况下的发电气耗,可以对燃气机组成本进行报价。
本申请实施例公开一种燃气机组的发电气耗的预测方法,根据表征预测工况下的发电气耗的预测参数值,从燃气机组的历史工况中确定预测工况的第一相似工况。在确定出预测工况的第一相似工况的情况下,可以根据在第一相似工况下多个样本的发电气耗值,计算第一相似工况下的平均发电气耗值。将平均发电气耗值确定为燃气机组在预测工况下的发电气耗。通过在历史工况中搜索预测工况的第一相似工况,使得可以根据预存在数据库中第一相似工况下多个样本的发电气耗值,计算出第一相似工况的平均发电气耗均值,即预测工况下的发电气耗均值,也就是说,通过这种方式,可以解决目前的发电气耗预测的精度不够准确的问题。
一种可以实现的方式中,在所述根据表征预测工况下的发电气耗的预测参数值,从燃气机组的历史工况中确定所述预测工况的第一相似工况之前,该方法可以包括:
步骤1:检测所述历史工况下的样本中是否存在所述预测参数值。
通过检测历史工况下的样本中是否存在预测参数值,可以判断是否可以根据表征预测工况下的发电气耗的预测参数值,从燃气机组的历史工况中确定预测工况的第一相似工况。
步骤2:在检测结果为所述历史工况下的样本中存在所述预测参数值的情况下,将所述历史工况下的逻辑变量设置为第一逻辑变量,所述逻辑变量为增设在所述历史工况下的变量,所述逻辑变量用于表示所述历史工况下是否存在所述预测参数值。
在历史工况下的样本中存在预测参数值的情况下,即可以从燃气机组的历史工况中确定预测工况的第一相似工况的情况,此时历史工况下的多个样本不为空,可以给历史工况增加第一逻辑变量,第一逻辑变量可以为Ture,Ture可以表示历史工况下的多个样本不为空。
通过这种方式,使得在满足历史工况下的样本存在预测参数值的前提下,可以通过工况搜索,在搜索到预测工况的相似工况的情况下,将相似工况下的平均发电气耗值作为预测工况下的发电气耗。
一种可以实现的方式中,该方法还可以包括:
步骤1:在检测结果为所述历史工况下的样本中不存在所述预测参数值的情况下,将所述历史工况下的逻辑变量设置为第二逻辑变量。
在历史工况下的样本中不存在预测参数值的情况下,此时可以给历史工况增加第二逻辑变量,第二逻辑变量可以为False,False可以表示历史工况下的多个样本为空。
步骤2:确定与所述预测参数值的数值偏差不超过预设偏差的第一参数值。
在将历史工况下的逻辑变量设置为第二逻辑变量的情况下,可以确定出与预测参数值的数值偏差不超过预设偏差的第一参数值,预设偏差可以由用户自己设置,以发电负荷为例,预测参数值中发电负荷可以为160MW,而在历史工况下的样本中不存在160MW时,可以将与160MW的数值偏差不超过预设偏差为1的161MW或159MW作为第一参数值。
步骤3:根据所述第一参数值,从所述燃气机组的历史工况中确定所述预测工况的第二相似工况。
在确定出第一参数值的情况下,可以继续从燃气机组的历史工况中确定预测工况的第二相似工况。
步骤4:根据在所述第二相似工况下多个样本的发电气耗值,确定所述燃气机组在所述预测工况下的发电气耗。
通过这种方式,可以解决某些工况下的样本中不存在预测参数值导致搜索相似工况失败的问题。
一种具体的实施例中,在检测到某些历史工况下的样本中不存在预测参数值的情况下,即在逻辑变量为第二逻辑变量的情况下,可以通过支持向量机估计模型确定预测工况下的发电气耗值。
支持向量机的训练集 是欧几里德线性空间,有n个训练样本和p个预测变量(即预测参数值),对于发电气耗预测问题,p=3,响应变量y表示发电气耗。对任意样本i,发电气耗的计算值(作为实测值)用yi表示,每个预测变量的值依次用xi1,…,xip表示,全部预测变量构成p维列向量/>其中τ表示向量的转置。
为了能够处理非线性问题,要把预测变量向量由所在的线性空间/>投射到一个高维空间/>的向量/>每个/>映射为向量/>在高维空间y可用z线性表出:
式中,称作权值向量,是与/>同维的列向量;b是表示模型阈值的标量。<,>表示内积运算,/>
支持向量机通过定义核函数,不用知道具体的映射关系规避了在高维空间求向量内积/>的困难。核函数k(xi,xj)=Φ(xi)τΦ(xj),简记为kij。k(xi,xj)一般采用高斯核函数,高斯核函数能将数据映射到高维甚至无穷维,具有强大的非线性拟合能力。
σ表示支持向量机回归模型的一个超参数,||xi-xj||表示两个样本间的欧几里德空间距离。
支持向量机的目标函数是:
式中,第一项是p维列向量(权值),/>是L2正则化项,使得模型具有较好的泛化能力。第二项是损失函数项,表示一个带惩罚因子C的L1正则化项,使得结果是稀疏的。
支持向量机的损失函数的计算方法比较特别,定义一个正的常数ε>0,对于每一个点(xi,yi),yi对应的模型训练结果为任意样本i的损失函数是:
这个概念称为ε不敏感带,ε是一个超参数,当对样本进行归一化操作后,ε一般取作0.001。支持向量机不强求每个拟合点都落在ε不敏感带以内,只是对超出的给予惩罚。
引入两组非负的松弛变量和/>其中/>表示yi大于/> 表示yi小于/>规定当样本位于ε不敏感带边界上及内部时,松弛变量/>或/>等于零。
引入松弛变量后,损失函数Lui可改写为约束:
支持向量机的目标函数相应改写为:
其中,上式中的第二项损失函数项等价于一个L1正则化项。
将上述的的目标函数和引入松弛变量后的损失函数Lui的约束条件合起来可以作为支持向量机的优化模型,称为原问题。原问题属于有约束的凸二次规划问题,肯定存在唯一的全局最优解。
由于原问题直接求解困难,可以利用凸函数对偶理论转换为以下对偶问题和约束求解。
其中,k(xi,xj)表示核函数,用来替代推导过程中出现的Φ(xi)τΦ(xj)。
对偶问题和原问题具有同一个全局最优解。
对偶问题的解是每个训练样本的和/>且/>和/>必然有一个为零。解的稀疏性体现在大多数样本的/>和/>都等于0,只有少数样本/>和/>中有一个不为零,这些样本称为支持向量,即满足与预测参数值的数值偏差不超过预设偏差的第一参数值,从而可以根据第一参数值,从燃气机组的历史工况中确定预测工况的第二相似工况,并根据在所述第二相似工况下多个样本的发电气耗值,确定所述燃气机组在所述预测工况下的发电气耗。
一种可以实现的方式中,在从燃气机组的历史工况中确定所述预测工况的第一相似工况之前,该方法还可以包括:
将表征所述历史工况下的发电气耗的参数值按照预设颗粒度划分为多个微元。
具体的,在表征历史工况下的发电气耗的参数值包括发电负荷值、环境温度值和天然气热值的情况下,可以以发电负荷值、环境温度值、天然气热值作为划分工况的边界参数。三个边界参数构成三个互相正交的坐标系,在每个坐标上合理地确定最小单位,将运行工况按照预设颗粒度划分为大量的微元,每一微元内部的工况视作相似工况。可以计算每个微元内部所有样本的气耗均值保存在服务器的数据库中。本申请实施例中的预设颗粒度小于传统工况寻优模块的颗粒度,通过这种方式,可以保证同一微元内各样本的发电气耗值不会产生较大的方差,从而在后续的将该微元的平均发电气耗值确定预测工况的发电气耗时,可以提高预测工况下发电气耗的精度。需要说明的是,预设颗粒度为每个坐标的间隔大小,是影响搜索工况的关键因素。
在一种具体的应用场景中,在市场报价时,发电负荷只取一系列离散的典型负荷点,如160MW、165MW等等。在这些典型负荷点上下各取1MW作为一个负荷区间;对于不属于这些区间的负荷所在的样本,没有查询的必要,可以从服务器的数据库中移除。热值单位常用兆焦/标准立方米,每个燃气电厂所接受的天然气的热值基本上稳定,数值约在35~42左右,以0.1兆焦/标准立方米为热值的最小单位。环境温度用华氏温度表示,保证温度值始终为正,以1华氏度为最小单位。
此外,在将运行工况按照预设颗粒度划分为大量的微元的情况下,所述根据表征预测工况下的发电气耗的预测参数值,从燃气机组的历史工况中确定所述预测工况的第一相似工况,包括:
根据表征所述预测工况下的发电气耗的预测参数值,在多个所述微元中搜索所述预测工况对应的目标微元。将所述目标微元内的历史工况确定为所述第一相似工况。
通过这种方式,可以根据预测工况下的预测参数值,查找预测工况所属微元即目标微元,从而可以将目标微元内的历史工况确定为第一相似工况,从而可以根据目标微元内部所有样本的发电气耗值,确定目标微元的平均发电气耗值,并将其确认为预测工况下的发电气耗。
本申请实施例公开一种燃气机组的发电气耗的预测方法,通过将表征所述历史工况下的发电气耗的参数值按照预设颗粒度划分为多个微元。并对多个微元进行检测,在微元中存在表征预测工况下发电气耗的预测参数值的情况下,根据预测参数值,从多个微元中搜索预测工况的目标微元,通过目标微元内多个样本的发电气耗值,计算目标微元内的平均发电气耗值,并将其确定为预测工况下的发电气耗。通过这种方式,可以进一步地提高预测工况下的发电气耗的精度。
基于上文所述的一种燃气机组的发电气耗的预测方法,本申请实施例公开一种燃气机组的发电气耗的预测装置200,如图2所示,该装置可以包括:第一确定模块210、计算模块220和第二确定模块230。
第一确定模块210,用于根据表征预测工况下的发电气耗的预测参数值,从燃气机组的历史工况中确定所述预测工况的第一相似工况。
计算模块220,用于根据在所述第一相似工况下多个样本的发电气耗值,计算所述第一相似工况下的平均发电气耗值,其中,一个所述样本中包括燃气机组在一个时刻的历史运行数据。
第二确定模块230,用于将所述平均发电气耗值确定为所述燃气机组在所述预测工况下的发电气耗。
一种可以实现的方式中,该装置还可以包括:
检测模块,用于在所述第一确定模块之前,检测所述历史工况下的样本中是否存在所述预测参数值;在检测结果为所述历史工况下的样本中存在所述预测参数值的情况下,将所述历史工况下的逻辑变量设置为第一逻辑变量,所述逻辑变量为增设在所述历史工况下的变量,所述逻辑变量用于表示所述历史工况下是否存在所述预测参数值。
一种可以实现的方式中,该装置还可以包括:
设置模块,用于在检测结果为所述历史工况下的样本中不存在所述预测参数值的情况下,将所述历史工况下的逻辑变量设置为第二逻辑变量;确定与所述预测参数值的数值偏差不超过预设偏差的第一参数值;根据所述第一参数值,从所述燃气机组的历史工况中确定所述预测工况的第二相似工况;根据在所述第二相似工况下多个样本的发电气耗值,确定所述燃气机组在所述预测工况下的发电气耗。
一种可以实现的方式中,该装置还可以包括:
划分模块,用于在所述第一确定模块之前,将表征所述历史工况下的发电气耗的参数值按照预设颗粒度划分为多个微元。
一种可以实现的方式中,第一确定模块210根据表征预测工况下的发电气耗的预测参数值,从燃气机组的历史工况中确定所述预测工况的第一相似工况,包括:根据表征所述预测工况下的发电气耗的预测参数值,在多个所述微元中搜索所述预测工况对应的目标微元;将所述目标微元内的历史工况确定为所述第一相似工况。
通过本申请实施例公开的燃气机组的发电气耗的预测装置,可以对历史工况下表征发电气耗的参数值进行微元划分,对所有微元进行检测,在检测到微元中存在表征预测工况下发电气耗的预测参数值时,对该微元增加第一逻辑变量,之后从多个微元中确定预测工况的目标微元,目标微元内的工况可以作为第一相似工况,根据第一相似工况下多个样本的发电气耗值,可以计算出第一相似工况下的平均发电气耗值,即预测工况下的发电气耗。在检测到微元中不存在表征预测工况下发电气耗的预测参数值时,对该微元增加第二逻辑变量,之后根据预设偏差,确定出与预测参数值的数值偏差不超过预设偏差的第一参数值,之后根据第一参数值,继续从历史工况中搜索燃气机组的预测工况的第二相似工况,并根据第二相似工况下多个样本的发电气耗值,将第二相似工况下的平均发电气耗值作为预测工况下的发电气耗。通过这种方式,可以有效地提高预测工况下发电气耗的精度,提高发电气耗预测的效率。
本申请实施例提供的燃气机组的发电气耗的预测装置能够实现图1的方法实施例中实现的各个过程,为避免重复,这里不再赘述。
可选的,如图3所示,本申请实施例还提供一种电子设备300,包括处理器301,存储器302,存储在存储器302并可在处理器301上运行的程序或指令,该程序或指令被处理器301执行时实现上述燃气机组的发电气耗的预测方法的实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
本申请实施例还提供一种可读存储介质,可读存储介质上存储有程序或指令,该程序或指令被处理器执行时实现上述燃气机组的发电气耗的预测方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
其中,处理器为上述实施例中所述的电子设备中的处理器。可读存储介质,包括计算机可读存储介质,如计算机只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等。
本申请实施例提供了一种芯片,芯片包括处理器和通信接口,通信接口和处理器耦合,处理器用于运行程序或指令,实现上述燃气机组的发电气耗的预测方法的实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
应理解,本申请实施例提到的芯片还可以称为系统级芯片、系统芯片、芯片系统或片上系统芯片等。
本申请上文实施例中重点描述的是各个实施例之间的不同,各个实施例之间不同的优化特征只要不矛盾,均可以组合形成更优的实施例,考虑到行文简洁,在此则不再赘述。
以上所述仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理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权利要求范围之内。
Claims (6)
1.一种燃气机组的发电气耗的预测方法,其特征在于,包括:
检测历史工况下的样本中是否存在表征预测工况下的发电气耗的预测参数值;
在检测结果为所述历史工况下的样本中存在所述预测参数值的情况下,将所述历史工况下的逻辑变量设置为第一逻辑变量,所述逻辑变量为增设在所述历史工况下的变量,所述逻辑变量用于表示所述历史工况下是否存在所述预测参数值;
根据表征预测工况下的发电气耗的预测参数值,从燃气机组的历史工况中确定所述预测工况的第一相似工况;
根据在所述第一相似工况下多个样本的发电气耗值,计算所述第一相似工况下的平均发电气耗值,其中,一个所述样本中包括燃气机组在一个时刻的历史运行数据;
将所述平均发电气耗值确定为所述燃气机组在所述预测工况下的发电气耗,所述发电气耗是燃气机组单位发电量的耗气量;
所述方法还包括:
在检测结果为所述历史工况下的样本中不存在所述预测参数值的情况下,将所述历史工况下的逻辑变量设置为第二逻辑变量;
确定与所述预测参数值的数值偏差不超过预设偏差的第一参数值;
根据所述第一参数值,从所述燃气机组的历史工况中确定所述预测工况的第二相似工况;
根据在所述第二相似工况下多个样本的发电气耗值,确定所述燃气机组在所述预测工况下的发电气耗。
2.根据权利要求1所述的方法,其特征在于,在从燃气机组的历史工况中确定所述预测工况的第一相似工况之前,所述方法还包括:
将表征所述历史工况下的发电气耗的参数值按照预设颗粒度划分为多个微元。
3.根据权利要求2所述的方法,其特征在于,所述根据表征预测工况下的发电气耗的预测参数值,从燃气机组的历史工况中确定所述预测工况的第一相似工况,包括:
根据表征所述预测工况下的发电气耗的预测参数值,在多个所述微元中搜索所述预测工况对应的目标微元;
将所述目标微元内的历史工况确定为所述第一相似工况。
4.一种燃气机组的发电气耗的预测装置,其特征在于,包括:
第一确定模块,用于根据表征预测工况下的发电气耗的预测参数值,从燃气机组的历史工况中确定所述预测工况的第一相似工况;
计算模块,用于根据在所述第一相似工况下多个样本的发电气耗值,计算所述第一相似工况下的平均发电气耗值,其中,一个所述样本中包括燃气机组在一个时刻的历史运行数据;
第二确定模块,用于将所述平均发电气耗值确定为所述燃气机组在所述预测工况下的发电气耗,所述发电气耗是燃气机组单位发电量的耗气量;
检测模块,用于在所述第一确定模块之前,检测所述历史工况下的样本中是否存在所述预测参数值;在检测结果为所述历史工况下的样本中存在所述预测参数值的情况下,将所述历史工况下的逻辑变量设置为第一逻辑变量,所述逻辑变量为增设在所述历史工况下的变量,所述逻辑变量用于表示所述历史工况下是否存在所述预测参数值;
设置模块,用于在检测结果为所述历史工况下的样本中不存在所述预测参数值的情况下,将所述历史工况下的逻辑变量设置为第二逻辑变量;确定与所述预测参数值的数值偏差不超过预设偏差的第一参数值;根据所述第一参数值,从所述燃气机组的历史工况中确定所述预测工况的第二相似工况;根据在所述第二相似工况下多个样本的发电气耗值,确定所述燃气机组在所述预测工况下的发电气耗。
5.根据权利要求4所述的装置,其特征在于,所述装置还包括:
划分模块,用于在所述第一确定模块之前,将表征所述历史工况下的发电气耗的参数值按照预设颗粒度划分为多个微元。
6.根据权利要求5所述的装置,其特征在于,所述第一确定模块根据表征预测工况下的发电气耗的预测参数值,从燃气机组的历史工况中确定所述预测工况的第一相似工况,包括:
根据表征所述预测工况下的发电气耗的预测参数值,在多个所述微元中搜索所述预测工况对应的目标微元;将所述目标微元内的历史工况确定为所述第一相似工况。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111307328.4A CN114094570B (zh) | 2021-11-05 | 2021-11-05 | 燃气机组的发电气耗的预测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111307328.4A CN114094570B (zh) | 2021-11-05 | 2021-11-05 | 燃气机组的发电气耗的预测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114094570A CN114094570A (zh) | 2022-02-25 |
CN114094570B true CN114094570B (zh) | 2024-05-10 |
Family
ID=80299046
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111307328.4A Active CN114094570B (zh) | 2021-11-05 | 2021-11-05 | 燃气机组的发电气耗的预测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114094570B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105631545A (zh) * | 2015-12-25 | 2016-06-01 | 河海大学常州校区 | 基于相似日分析的光伏电站发电量预测方法及预测系统 |
EP3026510A1 (en) * | 2014-11-26 | 2016-06-01 | General Electric Company | Methods and systems for enhancing control of power plant generating units |
CN105678426A (zh) * | 2016-02-01 | 2016-06-15 | 江苏省电力公司电力科学研究院 | 一种基线预测中相似日最优天数组合的选取方法 |
CN109684700A (zh) * | 2018-12-17 | 2019-04-26 | 新奥数能科技有限公司 | 燃气锅炉的能效曲线拟合方法、装置、介质及电子设备 |
CN111639802A (zh) * | 2020-05-28 | 2020-09-08 | 中电投珠海横琴热电有限公司 | 一种燃机机组运行优化指导方法 |
CN112446169A (zh) * | 2020-11-05 | 2021-03-05 | 美的集团股份有限公司 | 热水器用水量的预测方法、热水器以及存储介质 |
CN113255238A (zh) * | 2021-07-07 | 2021-08-13 | 南昌伐典热电科技有限责任公司 | 一种基于混合神经网络的燃气利用率预测方法和系统 |
-
2021
- 2021-11-05 CN CN202111307328.4A patent/CN114094570B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3026510A1 (en) * | 2014-11-26 | 2016-06-01 | General Electric Company | Methods and systems for enhancing control of power plant generating units |
CN105631545A (zh) * | 2015-12-25 | 2016-06-01 | 河海大学常州校区 | 基于相似日分析的光伏电站发电量预测方法及预测系统 |
CN105678426A (zh) * | 2016-02-01 | 2016-06-15 | 江苏省电力公司电力科学研究院 | 一种基线预测中相似日最优天数组合的选取方法 |
CN109684700A (zh) * | 2018-12-17 | 2019-04-26 | 新奥数能科技有限公司 | 燃气锅炉的能效曲线拟合方法、装置、介质及电子设备 |
CN111639802A (zh) * | 2020-05-28 | 2020-09-08 | 中电投珠海横琴热电有限公司 | 一种燃机机组运行优化指导方法 |
CN112446169A (zh) * | 2020-11-05 | 2021-03-05 | 美的集团股份有限公司 | 热水器用水量的预测方法、热水器以及存储介质 |
CN113255238A (zh) * | 2021-07-07 | 2021-08-13 | 南昌伐典热电科技有限责任公司 | 一种基于混合神经网络的燃气利用率预测方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN114094570A (zh) | 2022-02-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210110262A1 (en) | Method and system for semi-supervised deep anomaly detection for large-scale industrial monitoring systems based on time-series data utilizing digital twin simulation data | |
Hong et al. | Probabilistic electric load forecasting: A tutorial review | |
Ketter et al. | Real-time tactical and strategic sales management for intelligent agents guided by economic regimes | |
WO1995025295A1 (en) | System for real time optimization and profit depiction | |
Marino et al. | A microgrid energy management system based on chance-constrained stochastic optimization and big data analytics | |
US10846715B2 (en) | Energy operation apparatus, method, and system | |
CN104137078A (zh) | 操作管理设备、操作管理方法和程序 | |
Yu et al. | Pricing information in smart grids: A quality-based data valuation paradigm | |
CN115315667A (zh) | 具有若干工厂的过程网络 | |
CN107730097B (zh) | 一种母线负荷预测方法、装置及计算设备 | |
Khalilnejad et al. | Automated pipeline framework for processing of large-scale building energy time series data | |
Evans et al. | Multivariate data analytics in PV manufacturing—Four case studies using manufacturing datasets | |
Dong et al. | Forecasting smart meter energy usage using distributed systems and machine learning | |
CN117319452B (zh) | 应用于硫酸钡制备下的安全巡检方法及系统 | |
CN114094570B (zh) | 燃气机组的发电气耗的预测方法及装置 | |
Fu et al. | Digital twin-driven vibration amplitude simulation for condition monitoring of axial blowers in blast furnace ironmaking | |
CN104040548A (zh) | 自动需求参数估计 | |
CN115375039A (zh) | 一种工业设备故障预测方法、装置、电子设备及存储介质 | |
CN107121616B (zh) | 一种用于对智能仪表进行故障定位的方法和装置 | |
Corizzo et al. | Big Data Analytics and Predictive Modeling Approaches for the Energy Sector | |
Reinpold et al. | Experimental Setup for the Evaluation of Optimization Strategies for Flexible Energy Resources | |
Hilliard et al. | A strategy-based ecological (?) display for time-series structural change diagnosis | |
Wang et al. | Short-term probability density function forecasting of industrial loads based on ConvLSTM-MDN | |
CN111143482A (zh) | 一种能源物联网的业务数据处理方法、装置及电子设备 | |
Piscitelli et al. | A holistic time series-based energy benchmarking framework for applications in large stocks of buildings |
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 |