发明内容
有鉴于此,本发明的目的在于提供一种调频数据实时监测与分析方法、系统、装置及计算机可读存储介质,能够更好辅助用户分析调频辅助服务指标。其具体方案如下:
一种调频数据实时监测与分析方法,包括:
获取所需的调频数据;
根据预设的调频辅助服务指标对所述调频数据进行计算,得到调频指标;
根据运行工况对所述调频指标进行聚类分析,得到聚类结果;
按照预设的数据分析方法,对所述聚类结果进行分析,得到各分类下的指标数据和运行工况标识数据;
对各分类下的指标数据和运行工况标识数据进行可视化处理,得到多维数据展示图。
可选的,还包括:
利用所述调频指标生成调频指标报表,以便展示。
可选的,所述根据运行工况对所述调频指标进行聚类分析,得到聚类结果的过程,包括:
利用K-Means聚类算法根据运行工况对所述调频指标进行聚类分析,得到所述聚类结果。
可选的,所述按照预设的数据分析方法,对所述聚类结果进行分析,得到各分类下的指标数据和运行工况标识数据的过程,包括:
获取聚类结果中具备工况标识的主蒸汽压、负荷和供热流量三种工况下各自的工况点数以及主要调频指标,所述主要调频指标包括调频速率、精度和综合调频指标;
对各类工况的主要调频指标取均值,得到各分类下的指标数据和运行工况标识数据。
可选的,所述获取所需的调频数据的过程,包括:
获取所需的原始调频数据;
对所述原始调频数据进行数据清洗,得到所述调频数据。
本发明还公开了一种调频数据实时监测与分析系统,包括:
调频数据获取模块,用于获取所需的调频数据;
调频指标计算模块,用于根据预设的调频辅助服务指标对所述调频数据进行计算,得到调频指标;
聚类分析模块,用于根据运行工况对所述调频指标进行聚类分析,得到聚类结果;
指标分析模块,用于按照预设的数据分析方法,对所述聚类结果进行分析,得到各分类下的指标数据和运行工况标识数据;
可视化模块,用于对各分类下的指标数据和运行工况标识数据进行可视化处理,得到多维数据展示图。
可选的,所述聚类分析模块,具体用于利用K-Means聚类算法根据运行工况对所述调频指标进行聚类分析,得到所述聚类结果。
可选的,所述指标分析模块,包括:
指标获取单元,用于获取聚类结果中具备工况标识的主蒸汽压、负荷和供热流量三种工况下各自的工况点数以及主要调频指标,所述主要调频指标包括调频速率、精度和综合调频指标;
指标分析单元,用于对各类工况的主要调频指标取均值,得到各分类下的指标数据和运行工况标识数据。
本发明还公开了一种调频数据实时监测与分析装置,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序以实现如前述的调频数据实时监测与分析方法。
本发明还公开了一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如前述的调频数据实时监测与分析方法。
本发明中,调频数据实时监测与分析方法,包括:获取所需的调频数据;根据预设的调频辅助服务指标对所述调频数据进行计算,得到调频指标;根据运行工况对所述调频指标进行聚类分析,得到聚类结果;按照预设的数据分析方法,对所述聚类结果进行分析,得到各分类下的指标数据和运行工况标识数据;对各分类下的指标数据和运行工况标识数据进行可视化处理,得到多维数据展示图。
本发明可实时获取各项调频数据,并实时计算各项指标,以利于及时分析及发现问题,提高时效性,利用聚类算法这一大数据分析技术对影响调频关键参数范围进行分析,辅助电厂及时的跟踪和发现调频指标问题并及时改善,从而达到提高电力市场竞争力,提高经济收益的目的,并利用多维数据分析及展示,可帮助电厂分析调频辅助服务薄弱工况环节。计算指标颗粒度更细致,可用户分析各工况下调频指标的根本性问题,以利于进一步改善,从而提高调频指标,提高电力市场竞争力,带来更大的经济收益。
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。
本发明实施例公开了一种调频数据实时监测与分析方法,参见图1所示,该方法包括:
S11:获取所需的调频数据。
具体的,利用火电机组管理平台的接口函数,可以实时获取火电机组中与调频所需相关的调频数据,调频数据可以包括机组额定容量、机组实际出力、机组额定出力以及主蒸汽压、负荷和供热流量等各工况指标等调频相关数据。
S12:根据预设的调频辅助服务指标对调频数据进行计算,得到调频指标。
具体的,在火电机组参与调频的过程中,调频市场是根据调频辅助服务策略调节指令即预设的调频辅助服务指标(主要根据调频市场性能统计出力该机组综合调频指令,以及电厂报价,最终形成一天参与调频机的中标清单),AGC(AutomaticGenerationControl、自动发电控制)根据调频中标清单,若中标,则机组自动进入与中标对应的工作模式。中标情况下每日AGC调节指令数约为1500次左右。
具体的,设每日调频次数为n次,单次AGC调节过程如图2所示,则各项指标计算过程如下:
第k次调节过程调节速率vk:机组下发指令时刻为开始时刻,此时出力为开始出力,指令结束是按照机组实际出力是否达到目标死区为判据,例如,目标死区为1.3MW,当机组接收AGC指令,开始响应,当机组达到主站指令-1.3MW时,认为机组跟踪到主站执行,本次指令响应结束,此时刻即时为结束时刻,此时出力即为结束出力,根据开始,结束时刻及开始出力和结束出力,计算机组调节速率。
式中,vk为第k次调节过程的调节速率,单位为额定容量百分比/分钟,L为第k次调节过程负荷实际调节量(L值为开始时刻与结束时刻机组实时有功的差值),PN为机组额定出力,Δt为调节时间,为连续两次指令之间的时间间隔,也即一次指令的开始时刻与结束时刻的时间差值。
具体的,单次调节过程的调节速率实时计算过程中,主站实时监测当前时间和开始时刻之差,若大于120秒,本次指令结束,计算本次指令调节速率,若监测到两次指令时间小于3秒,则第二个指令不统计不计算。
第k次调节过程调节精度Ack:如图2所示,纵轴为有功功率,横轴为时间(单位:秒),每次AGC下发指令的时刻对应横轴上一个刻度。设第i时刻机组的实际出力为Ri,AGC指令为ci,机组额定出力为PN。
首先:计算调节时间段Δt内机组应调节的功率ΔRi:
式中:ΔRi为Δt时间段内机组应调节的功率,PN为机组额定出力,Ve为标准调节速率1.5%,单位为额定功率百分比/分钟。
其次:在AGC调解精度计算公式中引入调节速率因子p,将AGC机组的调节速率分为奖励区间、标准区间、可容忍区间、惩罚区间四个档次,实现调节精度计算与速率挂钩。
然后,根据AGC调节精度计算公式,计算调节精度。
其中,AGC调节精度计算公式为:
式中:Ack为第k次调节的AGC精度,单位为额定容量的百分比,Ci为AGC指令值,Ri,Ri+1分别为第i时刻和第i+1时刻机组的实际出力。
具体的,第k次调节过程调频性能指标KP k表达式:
式中,Kp k是第k次AGC指令的调频性能指标,Ae为标准调节精度0.5%,单位为额定容量的百分比。
具体的,每日正向调频里程表达式:
每日负向调频里程表达式:
每日有效调频里程表达式:D=D
+-K
dD
-。
式中,D为有效调频里程,D+为正向调频里程,D-为反向调频里程,Kd反调里程惩罚因子。
具体的,调频性能指标Kp表达式:
式中,Kp为综合调频性能指标,KP k为第k次AGC指令的调频性能指标,Dk为第k次AGC指令的正向调频里程,当Dk>00时,统计Kp,n为每日参与调频的次数。
具体的,上述计算出各个调频指标后,可以利用调频指标生成调频指标报表,以便展示,如表1所示。
表1
S13:根据运行工况对调频指标进行聚类分析,得到聚类结果。
具体的,基于每一次调频过程,计算得出大量的指标数据。在每次调频过程中,都对应有所在调节过程中的特有的运行工况。聚类过程中对主要运行工况进行标识,例如,将运行负荷、主蒸汽压力、供热流量作为主要运行工况,并对对这三项进行标识,得到运行工况标识,利用聚类算法,对所有调频过程的对应工况,进行聚类,可以得到各种聚类工况即聚类结果,以便于后续结合调频辅助Kp指标进行分析。
在与调频辅助服务相关的各运行工况中,其运行工况主要与火电运行机组的主蒸汽压力、负荷和供热流量参数相关联,运行工况分类种类可以通过先验知识和用户业务需求提前设定。
S14:按照预设的数据分析方法,对聚类结果进行分析,得到各分类下的指标数据和运行工况标识数据。
具体的,根据每次调节过程,均可计算该次调节过程的调频辅助服务指标,并对其主要运行工况标识例如,主蒸汽压力、负荷和供热流量进行标识,在聚类过程中,针对其标识出的运行工况,应用大数据分析技术进行工况聚类,聚类工况种类K可以预先依靠专家经验设定。
具体的,提取在每个运行工况下的结果,进行分析。其中,工况点数表示该类下的运行时间,调频速率、精度和综合调频指标可以作为分析的重点,对各分类下各条3项主要调频辅助服务指标进行特征化一一取均值,得到各分类下的指标数据和运行工况标识数据,例如表1所示。
表1
S15:对各分类下的指标数据和运行工况标识数据进行可视化处理,得到多维数据展示图。
具体的,基于大数据组件和各项指标数据,对实时数据和各项指标数据进行分析和展示,主要通过web的方式为用户提供展示,参见图3所示。对各分类下的指标数据和运行工况标识数据进行可视化处理,进行多维数据分析展示;其中,图3中,X轴为负荷,气泡图Y轴为调频辅助服务指标,面积图Y轴表示该运行工况下供热量的大小,气泡图的大小表示该运行工况区域时间的长短。
可见,本发明实施例可实时获取各项调频数据,并实时计算各项指标,以利于及时分析及发现问题,提高时效性,利用聚类算法这一大数据分析技术对影响调频关键参数范围进行分析,辅助电厂及时的跟踪和发现调频指标问题并及时改善,从而达到提高电力市场竞争力,提高经济收益的目的,并利用多维数据分析及展示,可帮助电厂分析调频辅助服务薄弱工况环节。计算指标颗粒度更细致,可用户分析各工况下调频指标的根本性问题,以利于进一步改善,从而提高调频指标,提高电力市场竞争力,带来更大的经济收益。
本发明实施例公开了一种具体的调频数据实时监测与分析方法,相对于上一实施例,本实施例对技术方案作了进一步的说明和优化。参见图4所示,具体的:
S21:获取所需的原始调频数据。
具体的,利用火电机组管理平台的接口函数,可以实时获取火电机组中与调频所需相关的原始调频数据,原始调频数据可以包括机组额定容量、机组实际出力、机组额定出力以及主蒸汽压、负荷和供热流量等各工况指标等调频相关数据。
S22:对原始调频数据进行数据清洗,得到调频数据。
具体的,利用数据清洗技术,对原始调频数据进行清洗和治理,清洗后的调频数据有助于提高后续分析的精准度。
S23:根据预设的调频辅助服务指标对调频数据进行计算,得到调频指标;
S24:利用K-Means聚类算法根据运行工况对调频指标进行聚类分析,得到聚类结果。
具体的,K-means是基于欧式距离的聚类算法,其认为两个目标的距离越近,相似度越大。K-Means是机器学习中常见的无监督聚类算法,它的K表示分类的个数,Means表示均值。我们可以理解为,K-Means是通过均值对数据点聚类的算法。首先,我们先设定分类的个数K值,每个分类的初始质心对相似的数据点进行划分,然后,在通过划分后的均值进行迭代优化,获得最优的聚类结果。K-means的算法流程如图5所示。
具体的,在与调频辅助服务相关的各运行工况中,其运行工况主要与火电运行机组的主蒸汽压力、负荷和供热流量参数相关联,运行工况分类种类K值可以通过先验知识和用户业务需求提前设定。
S25:获取聚类结果中具备工况标识的主蒸汽压、负荷和供热流量三种工况下各自的工况点数以及主要调频指标,主要调频指标包括调频速率、精度和综合调频指标;
S26:对各类工况的主要调频指标取均值,得到各分类下的指标数据和运行工况标识数据。
S27:对各分类下的指标数据和运行工况标识数据进行可视化处理,得到多维数据展示图。
相应的,本发明实施例还公开了一种调频数据实时监测与分析系统,参见图6所示,该系统包括:
调频数据获取模块11,用于获取所需的调频数据;
调频指标计算模块12,用于根据预设的调频辅助服务指标对调频数据进行计算,得到调频指标;
聚类分析模块13,用于根据运行工况对调频指标进行聚类分析,得到聚类结果;
指标分析模块14,用于按照预设的数据分析方法,对聚类结果进行分析,得到各分类下的指标数据和运行工况标识数据;
可视化模块15,用于对各分类下的指标数据和运行工况标识数据进行可视化处理,得到多维数据展示图。
可见,本发明实施例可实时获取各项调频数据,并实时计算各项指标,以利于及时分析及发现问题,提高时效性,利用聚类算法这一大数据分析技术对影响调频关键参数范围进行分析,辅助电厂及时的跟踪和发现调频指标问题并及时改善,从而达到提高电力市场竞争力,提高经济收益的目的,并利用多维数据分析及展示,可帮助电厂分析调频辅助服务薄弱工况环节。计算指标颗粒度更细致,可用户分析各工况下调频指标的根本性问题,以利于进一步改善,从而提高调频指标,提高电力市场竞争力,带来更大的经济收益。
具体的,还可以包括报表展示模块,用于利用调频指标生成调频指标报表,以便展示。
具体的,上述聚类分析模块13,具体用于利用K-Means聚类算法根据运行工况对调频指标进行聚类分析,得到聚类结果。
具体的,上述指标分析模块14,包括指标获取单元和指标分析单元;其中,
指标获取单元,用于获取聚类结果中具备工况标识的主蒸汽压、负荷和供热流量三种工况下各自的工况点数以及主要调频指标,主要调频指标包括调频速率、精度和综合调频指标;
指标分析单元,用于对各类工况的主要调频指标取均值,得到各分类下的指标数据和运行工况标识数据。
具体的,调频数据获取模块11包括:调频数据获取单元和调频数据清洗单元;其中,
调频数据获取单元,用于获取所需的原始调频数据;
调频数据清洗单元,用于对原始调频数据进行数据清洗,得到调频数据。
此外,本发明实施例还公开了一种调频数据实时监测与分析装置,包括:
存储器,用于存储计算机程序;
处理器,用于执行计算机程序以实现如前述的调频数据实时监测与分析方法。
另外,本发明实施例还公开了一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时实现如前述的调频数据实时监测与分析方法。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,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、物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、物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、物品或者设备中还存在另外的相同要素。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
以上对本发明所提供的技术内容进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。