CN114398779A - 火电机组煤耗特性曲线确定方法及装置 - Google Patents
火电机组煤耗特性曲线确定方法及装置 Download PDFInfo
- Publication number
- CN114398779A CN114398779A CN202210017411.6A CN202210017411A CN114398779A CN 114398779 A CN114398779 A CN 114398779A CN 202210017411 A CN202210017411 A CN 202210017411A CN 114398779 A CN114398779 A CN 114398779A
- Authority
- CN
- China
- Prior art keywords
- data
- industrial control
- generating unit
- coal consumption
- power generating
- 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.)
- Pending
Links
- 239000003245 coal Substances 0.000 title claims abstract description 99
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000012216 screening Methods 0.000 claims abstract description 25
- 238000004364 calculation method Methods 0.000 claims description 36
- 238000004590 computer program Methods 0.000 claims description 14
- 238000003860 storage Methods 0.000 claims description 11
- 238000009826 distribution Methods 0.000 abstract description 9
- 238000005457 optimization Methods 0.000 abstract description 6
- 230000008901 benefit Effects 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 13
- 230000006870 function Effects 0.000 description 11
- 238000012360 testing method Methods 0.000 description 9
- 238000012545 processing Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 238000001816 cooling Methods 0.000 description 5
- 238000010438 heat treatment Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 239000000872 buffer Substances 0.000 description 4
- 238000013075 data extraction Methods 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000011056 performance test Methods 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/06—Power analysis or power optimisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/08—Thermal analysis or thermal optimisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种火电机组煤耗特性曲线确定方法及装置，方法包括：根据预设的数据读取时间段及数据读取周期，获取火电机组历史数据；火电机组历史数据包括供电功率；利用预设的稳定性阈值，对火电机组历史数据进行稳定性筛选，得到稳定工控数据；对比获取的实时运行数据与稳定工控数据，得到稳定工控数据对应的绝对值偏差率，根据绝对值偏差率，从稳定工控数据中选取匹配数据；根据匹配数据确定供电煤耗，对供电煤耗及供电功率进行数据拟合，得到火电机组煤耗特性曲线。本发明得到的煤耗特性曲线能够最大程度的接近机组当前运行工况的实际煤耗特性，更加准确的反应各机组当前的真实煤耗水平，更有效地指导负荷优化分配，获取更好的经济效益。
Description
技术领域
本发明涉及火电机组技术领域，尤指一种火电机组煤耗特性曲线确定方法及装置。
背景技术
随着新能源发电比例的不断提高，火电机组装机占比越来越低。为了配合新能源消纳，火电机组承担了重要的调峰作用，导致其有效利用小时数降低以及发电成本日趋高涨。如何将机组的运行方式及时调整到最佳经济状态是现在各个发电厂密切关心的问题。经济负荷分配(economic dispatch,ED)是电力系统运行中的重要问题，其目标是电力系统内合理分配各发电机有功功率，使得在满足负荷和运行约束的条件下发电成本最小。ED对于提高系统运行的经济性和可靠性都具有重要的意义。
火电机组的煤耗特性曲线是进行火电机组ED的依据，因此如何准确的获取机组煤耗特性曲线就成为了首要问题。目前通常的做法是通过开展机组的性能试验，采取反平衡计算得到试验条件下的煤耗特性曲线。该煤耗特性曲线在当时的试验条件下能够准确的反应机组的煤耗水平，但实际运行条件与试验条件差别较大，而且通过性能试验的方法获得煤耗特性曲线需要进行大量的试验工作，其工作量和成本都会大大增加，长期来看缺乏可操作性。
同时由于机组性能老化、运行条件的变化、机组改造检修以及气候环境变化等因素都会导致机组的煤耗水平随时发生着变化，这样一来采用离线预设试验工况的机组煤耗特性曲线就不能真实的反映各机组的性能差异，进而无法准确可靠的指导ED过程。
发明内容
针对现有技术中存在的问题，本发明实施例的主要目的在于提供一种火电机组煤耗特性曲线确定方法及装置，实现煤耗特性曲线能够最大程度的接近机组当前运行工况的实际煤耗特性。
为了实现上述目的，本发明实施例提供一种火电机组煤耗特性曲线确定方法，所述方法包括：
根据预设的数据读取时间段及预设的数据读取周期，获取火电机组历史数据；其中，所述火电机组历史数据包括供电功率；
利用预设的稳定性阈值，对火电机组历史数据进行稳定性筛选，得到稳定工控数据；
获取实时运行数据，对比所述实时运行数据与所述稳定工控数据，得到所述稳定工控数据对应的绝对值偏差率，并根据所述绝对值偏差率，从所述稳定工控数据中选取匹配数据；
根据所述匹配数据确定供电煤耗，并对所述供电煤耗及所述供电功率进行数据拟合，得到火电机组煤耗特性曲线。
可选的，在本发明一实施例中，所述利用预设的稳定性阈值，对火电机组历史数据进行稳定性筛选，得到稳定工控数据包括：
从所述火电机组历史数据中选取预设时间段内的数据，对预设时间段内的数据进行稳定性计算；
若计算结果不大于所述稳定性阈值，则对预设时间段进行更新，利用更新后的预设时间段重新进行选取数据及稳定性计算，直至计算结果大于所述稳定性阈值，停止选取数据，并将计算结果不大于所述稳定性阈值的数据作为所述稳定工控数据。
可选的，在本发明一实施例中，所述对比所述实时运行数据与所述稳定工控数据，得到所述稳定工控数据对应的绝对值偏差率包括：
根据所述实时运行数据与所述稳定工控数据，得到所述实时运行数据与所述稳定工控数据之间的差值；
根据所述差值的绝对值与所述实时运行数据，得到所述稳定工控数据对应的绝对值偏差率。
可选的，在本发明一实施例中，所述根据所述绝对值偏差率，从所述稳定工控数据中选取匹配数据包括：
根据所述绝对值偏差率及预设的匹配阈值，从所述稳定工控数据中选取绝对值偏差率不大于所述匹配阈值的数据作为匹配数据。
本发明实施例还提供一种火电机组煤耗特性曲线确定装置，所述装置包括：
数据获取模块，用于根据预设的数据读取时间段及预设的数据读取周期，获取火电机组历史数据；其中，所述火电机组历史数据包括供电功率；
稳定数据模块，用于利用预设的稳定性阈值，对火电机组历史数据进行稳定性筛选，得到稳定工控数据；
匹配数据模块，用于获取实时运行数据，对比所述实时运行数据与所述稳定工控数据，得到所述稳定工控数据对应的绝对值偏差率，并根据所述绝对值偏差率，从所述稳定工控数据中选取匹配数据；
数据拟合模块，用于根据所述匹配数据确定供电煤耗，并对所述供电煤耗及所述供电功率进行数据拟合，得到火电机组煤耗特性曲线。
可选的，在本发明一实施例中，所述稳定数据模块包括：
稳定性单元，用于从所述火电机组历史数据中选取预设时间段内的数据，对预设时间段内的数据进行稳定性计算；
稳定数据单元，用于若计算结果不大于所述稳定性阈值，则对预设时间段进行更新，利用更新后的预设时间段重新进行选取数据及稳定性计算，直至计算结果大于所述稳定性阈值，停止选取数据，并将计算结果不大于所述稳定性阈值的数据作为所述稳定工控数据。
可选的，在本发明一实施例中，所述匹配数据模块包括：
差值计算单元，用于根据所述实时运行数据与所述稳定工控数据，得到所述实时运行数据与所述稳定工控数据之间的差值；
偏差率单元，用于根据所述差值的绝对值与所述实时运行数据，得到所述稳定工控数据对应的绝对值偏差率。
可选的，在本发明一实施例中，所述匹配数据模块还用于根据所述绝对值偏差率及预设的匹配阈值，从所述稳定工控数据中选取绝对值偏差率不大于所述匹配阈值的数据作为匹配数据。
本发明还提供一种电子设备，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上述方法。
本发明还提供一种计算机可读存储介质，所述计算机可读存储介质存储有执行上述方法的计算机程序。
本发明通过对历史数据进行提取及筛选得到稳定工况数据，再通过与实时运行数据进行匹配，利用匹配数据进行煤耗特性曲线的多项式拟合，由此得到的煤耗特性曲线能够最大程度的接近机组当前运行工况的实际煤耗特性，更加准确的反应各机组当前的真实煤耗水平，更有效地指导负荷优化分配，获取更好的经济效益，并且解决了用离线试验数据一次性拟合曲线来指导负荷分配带来的匹配度差，节能效果不明显的问题。
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，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅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为本发明实施例一种火电机组煤耗特性曲线确定方法的流程图；
图2为本发明实施例中得到稳定工控数据的流程图；
图3为本发明实施例中得到绝对值偏差率的流程图；
图4为本发明一具体实施例中确定煤耗特性曲线的流程图；
图5为本发明实施例一种火电机组煤耗特性曲线确定装置的结构示意图；
图6为本发明实施例中稳定数据模块的结构示意图；
图7为本发明实施例中匹配数据模块的结构示意图；
图8为本发明一实施例所提供的电子设备的结构示意图。
具体实施方式
本发明实施例提供一种火电机组煤耗特性曲线确定方法及装置.
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。
如图1所示为本发明实施例一种火电机组煤耗特性曲线确定方法的流程图，本发明实施例提供的火电机组煤耗特性曲线确定方法的执行主体包括但不限于计算机。图中所示方法包括：
步骤S1，根据预设的数据读取时间段及预设的数据读取周期，获取火电机组历史数据；其中，所述火电机组历史数据包括供电功率；
步骤S2，利用预设的稳定性阈值，对火电机组历史数据进行稳定性筛选，得到稳定工控数据；
步骤S3，获取实时运行数据，对比所述实时运行数据与所述稳定工控数据，得到所述稳定工控数据对应的绝对值偏差率，并根据所述绝对值偏差率，从所述稳定工控数据中选取匹配数据；
步骤S4，根据所述匹配数据确定供电煤耗，并对所述供电煤耗及所述供电功率进行数据拟合，得到火电机组煤耗特性曲线。
其中，历史数据提取包括从厂级监控信息系统(SIS)或其他信息系统中读取历史数据形成初始数据群组。所读取的火电机组历史数据包括：发电机有功功率、供电功率、机组给煤量、燃煤低位发热量、机组真空、主蒸汽温度、主蒸汽压力、环境温度等。
进一步的，数据读取时间段及预设的数据读取周期可以预先设置，具体的，历史数据读取时间段设置为从当前时刻向前推移15天(该时间可根据当地气候特点进行调整)的历史数据，历史数据读取周期为30s。
进一步的，利用预设的稳定性阈值，对火电机组历史数据进行稳定性筛选。数据稳定性筛选包括通过对发电机有功功率、主汽温度、主汽压力、机组背压的稳定性进行判断，得出稳定时间大于15分钟的稳定工况数据群组。
具体的，稳定性判断过程为：对发电机有功功率、主汽温度、主汽压力、机组背压等数据，以15天前0点为起始时间，按照时间顺序截取15分钟的数据，对其稳定性进行判别。如果该段数据稳定性满足要求，此时设置15天前0点为第1段稳定数据开始时间ST1，此继续延长数据段，直到本段数据末15分钟不满足稳定性要求为止，此时设置本段数据最后时间点减15分钟为第段稳定数据结束时间ET1；如果该段数据稳定性不满足要求，则设置15天前0点加15分钟为起始时间，按照时间顺序截取15分钟的数据，再对其稳定性进行判断。如此循环直到将所有初始数据群组筛选完为止，由此得到的稳定工控数据，也称为稳定工控数据群组。其中，数据稳定性用百分数衡量法进行判断，如公式(1)所示。
100×(Vmax-Vmin)/Vavg≤μ (1)
其中，Vmax为区间(即ST1到ET1内读取的数据区间)内最大值，Vmin为区间内最小值，Vavg为区间内平均值，μ为稳定性判据阈值，即预设的稳定性阈值。
进一步的，与实时运行数据匹配是指通过对比实时运行数据与筛选获得的稳定工况数据群组特征值，找到匹配度最高的稳定数据群组作为匹配数据群组，即稳定工况数据群组中发电机有功功率、机组真空、环境温度、主要辅机启停状态最接近的数据群组。
其中，实时数据包括发电机有功功率、供电功率、机组真空、环境温度、主要辅机启停状态等。主要辅机包括给水泵、循环水泵、空冷风机、磨煤机等。匹配度是根据实时运行数据与稳定工况数据群组逐一进行比对，按照绝对值偏差率由小到大进行排序，其中绝对值偏差率最小的即为匹配度最高的，由此得到的匹配数据，也称为匹配数据群组。绝对值偏差率计算如公式(2)所示。
其中，Mi为第i个稳定数据群组的匹配度，Vrtd为当前实时值，Vi his-avg为第i个稳定历史群组平均值。
进一步的，煤耗特性曲线拟合包括对匹配数据群组的数据进行供电煤耗计算，然后对供电煤耗和供电功率采用最小二乘法进行数据拟合，拟合出负荷-煤耗的二次多项式曲线。供电煤耗计算公式如公式(3)所示。
其中，cb为标煤耗，g/kWh，C为给煤量，kg/s，Q为低位发热量，kJ/kg，P为供电功率，kW。给煤量、低位发热量、供电功率都是从原始数据中筛选出来的，即可从匹配数据群组中获取。
进一步的，煤耗特性曲线多项式如公式(4)所示。
y＝a·x2+b·x+c (4)
其中，y为机组供电煤耗，g/kWh，x为机组供电功率，kW，a、b、c为多项式系数。煤耗特性曲线主要用来构建负荷优化分配的目标函数，即最小，其中i表示第i台机组，这是煤耗特性曲线的一个重要应用。
本发明选择直接从最接近当前时刻的历史数据中筛选样本数据进行煤耗曲线拟合，相对于传统采用试验数据拟合的方法，能更加准确的反应各机组当前的真实煤耗水平，能够更有效地指导负荷优化分配，获取更好的经济效益。本发明提出的方法通用性强，适用于各种类型的火电机组，包括湿冷机组、直接空冷机组、间接空冷机组等火电机组。
作为本发明的一个实施例，如图2所示，利用预设的稳定性阈值，对火电机组历史数据进行稳定性筛选，得到稳定工控数据包括：
步骤S21，从所述火电机组历史数据中选取预设时间段内的数据，对预设时间段内的数据进行稳定性计算；
步骤S22，若计算结果不大于所述稳定性阈值，则对预设时间段进行更新，利用更新后的预设时间段重新进行选取数据及稳定性计算，直至计算结果大于所述稳定性阈值，停止选取数据，并将计算结果不大于所述稳定性阈值的数据作为所述稳定工控数据。
其中，历史数据提取包括从厂级监控信息系统(SIS)或其他信息系统中读取历史数据形成初始数据群组。所读取的火电机组历史数据包括：发电机有功功率、供电功率、机组给煤量、燃煤低位发热量、机组真空、主蒸汽温度、主蒸汽压力、环境温度等。
进一步的，数据读取时间段及预设的数据读取周期可以预先设置，具体的，历史数据读取时间段设置为从当前时刻向前推移15天(该时间可根据当地气候特点进行调整)的历史数据，历史数据读取周期为30s。
进一步的，利用预设的稳定性阈值，对火电机组历史数据进行稳定性筛选。数据稳定性筛选包括通过对发电机有功功率、主汽温度、主汽压力、机组背压的稳定性进行判断，得出稳定时间大于15分钟的稳定工况数据群组。
具体的，稳定性判断过程为：对发电机有功功率、主汽温度、主汽压力、机组背压等数据，以15天前0点为起始时间，按照时间顺序截取15分钟的数据，对其稳定性进行判别。如果该段数据稳定性满足要求，此时设置15天前0点为第1段稳定数据开始时间ST1，此继续延长数据段，直到本段数据末15分钟不满足稳定性要求为止，此时设置本段数据最后时间点减15分钟为第段稳定数据结束时间ET1；如果该段数据稳定性不满足要求，则设置15天前0点加15分钟为起始时间，按照时间顺序截取15分钟的数据，再对其稳定性进行判断。如此循环直到将所有初始数据群组筛选完为止，由此得到的稳定工控数据，也称为稳定工控数据群组。数据稳定性用百分数衡量法进行判断，如公式(1)所示。
作为本发明的一个实施例，如图3所示，对比所述实时运行数据与所述稳定工控数据，得到所述稳定工控数据对应的绝对值偏差率包括：
步骤S31，根据所述实时运行数据与所述稳定工控数据，得到所述实时运行数据与所述稳定工控数据之间的差值；
步骤S32，根据所述差值的绝对值与所述实时运行数据，得到所述稳定工控数据对应的绝对值偏差率。
其中，与实时运行数据匹配是指通过对比实时运行数据与筛选获得的稳定工况数据群组特征值，找到匹配度最高的稳定数据群组作为匹配数据群组，即稳定工况数据群组中发电机有功功率、供电功率、机组真空、环境温度、主要辅机启停状态最接近的数据群组。
进一步的，实时数据包括发电机有功功率、供电功率、机组真空、环境温度、主要辅机启停状态等。主要辅机包括给水泵、循环水泵、空冷风机、磨煤机等。匹配度是根据实时运行数据与稳定工况数据群组逐一进行比对，按照绝对值偏差率由小到大进行排序，其中绝对值偏差率最小的即为匹配度最高的。绝对值偏差率计算如公式(2)所示。
作为本发明的一个实施例，根据所述绝对值偏差率，从所述稳定工控数据中选取匹配数据包括：根据所述绝对值偏差率及预设的匹配阈值，从所述稳定工控数据中选取绝对值偏差率不大于所述匹配阈值的数据作为匹配数据。
其中，匹配度是根据实时运行数据与稳定工况数据群组逐一进行比对，按照绝对值偏差率由小到大进行排序，其中绝对值偏差率最小的即为匹配度最高的。由此将绝对值偏差率与预设的匹配阈值进行比较，从稳定工控数据中选取绝对值偏差率不大于匹配阈值的数据作为匹配数据。
作为本发明一具体实施例，本发明通过对历史数据进行挖掘分析、数据筛选获得稳定历史数据群组，再通过与实时数据匹配度筛选得出与机组当前运行状态匹配度最佳的匹配数据群组，然后根据匹配数据群组进行煤耗特性曲线的多项式拟合。如图4所示的确定煤耗特性曲线的流程具体包括：历史数据提取、数据稳定性筛选、匹配数据筛选、煤耗特性曲线拟合。
其中，历史数据提取包括从厂级监控信息系统(SIS)或集散控制系统(DCS)及其他信息系统中读取历史数据形成初始数据群组。
进一步的，数据稳定性筛选包括通过对发电机有功功率、主汽温度、压力数据、机组背压的稳定性进行判断，得出稳定性大于15分钟的稳定工况数据群组。
进一步的，与实时运行数据匹配是指通过对比实时数据与筛选获得的稳定工况数据群组特征值，找到匹配度最高的稳定工况数据群组作为匹配数据群组。
进一步的，煤耗特性曲线拟合包括，对匹配数据群组的数据进行供电煤耗计算，然后对供电煤耗和供电功率采用最小二乘法进行数据拟合，拟合出功率-煤耗的二次多项式曲线。
具体的，历史数据提取包括提取15天内的历史数据，至少包括发电机有功功率、供电功率、机组给煤量、燃煤低位发热量、机组真空、主蒸汽温度、主蒸汽压力、环境温度等。发电机有功功率为机组发电机有功功率。机组给煤量指机组各台磨煤机的给煤量之和。供电功率至机组对外供电功率。机组真空指汽轮机低压缸排汽压力。主蒸汽温度指汽轮机主汽门前蒸汽压力。主蒸汽温度指汽轮机主汽门前蒸汽温度。环境温度指通过安装在该厂区的环境温度测点所测得的环境温度。
本发明通过对历史数据进行提取及筛选得到稳定工况数据，再通过与实时运行数据进行匹配，利用匹配数据进行煤耗特性曲线的多项式拟合，由此得到的煤耗特性曲线能够最大程度的接近机组当前运行工况的实际煤耗特性，更加准确的反应各机组当前的真实煤耗水平，更有效地指导负荷优化分配，获取更好的经济效益，并且解决了用离线试验数据一次性拟合曲线来指导负荷分配带来的匹配度差，节能效果不明显的问题。
如图5所示为本发明实施例一种火电机组煤耗特性曲线确定装置的结构示意图，图中所示装置包括：
数据获取模块10，用于根据预设的数据读取时间段及预设的数据读取周期，获取火电机组历史数据；其中，所述火电机组历史数据包括供电功率；
稳定数据模块20，用于利用预设的稳定性阈值，对火电机组历史数据进行稳定性筛选，得到稳定工控数据；
匹配数据模块30，用于获取实时运行数据，对比所述实时运行数据与所述稳定工控数据，得到所述稳定工控数据对应的绝对值偏差率，并根据所述绝对值偏差率，从所述稳定工控数据中选取匹配数据；
数据拟合模块40，用于根据所述匹配数据确定供电煤耗，并对所述供电煤耗及所述供电功率进行数据拟合，得到火电机组煤耗特性曲线。
作为本发明的一个实施例，如图6所示，所述稳定数据模块20包括：
稳定性单元21，用于从所述火电机组历史数据中选取预设时间段内的数据，对预设时间段内的数据进行稳定性计算；
稳定数据单元22，用于若计算结果不大于所述稳定性阈值，则对预设时间段进行更新，利用更新后的预设时间段重新进行选取数据及稳定性计算，直至计算结果大于所述稳定性阈值，停止选取数据，并将计算结果不大于所述稳定性阈值的数据作为所述稳定工控数据。
作为本发明的一个实施例，如图7所示，所述匹配数据模块30包括：
差值计算单元31，用于根据所述实时运行数据与所述稳定工控数据，得到所述实时运行数据与所述稳定工控数据之间的差值；
偏差率单元32，用于根据所述差值的绝对值与所述实时运行数据，得到所述稳定工控数据对应的绝对值偏差率。
作为本发明的一个实施例，所述匹配数据模块还用于根据所述绝对值偏差率及预设的匹配阈值，从所述稳定工控数据中选取绝对值偏差率不大于所述匹配阈值的数据作为匹配数据。
基于与上述一种火电机组煤耗特性曲线确定方法相同的申请构思，本发明还提供了上述一种火电机组煤耗特性曲线确定装置。由于该一种火电机组煤耗特性曲线确定装置解决问题的原理与一种火电机组煤耗特性曲线确定方法相似，因此该一种火电机组煤耗特性曲线确定装置的实施可以参见一种火电机组煤耗特性曲线确定方法的实施，重复之处不再赘述。
本发明通过对历史数据进行提取及筛选得到稳定工况数据，再通过与实时运行数据进行匹配，利用匹配数据进行煤耗特性曲线的多项式拟合，由此得到的煤耗特性曲线能够最大程度的接近机组当前运行工况的实际煤耗特性，更加准确的反应各机组当前的真实煤耗水平，更有效地指导负荷优化分配，获取更好的经济效益，并且解决了用离线试验数据一次性拟合曲线来指导负荷分配带来的匹配度差，节能效果不明显的问题。
本发明还提供一种电子设备，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上述方法。
本发明还提供一种计算机可读存储介质，所述计算机可读存储介质存储有执行上述方法的计算机程序。
如图8所示，该电子设备600还可以包括：通信模块110、输入单元120、音频处理单元130、显示器160、电源170。值得注意的是，电子设备600也并不是必须要包括图8中所示的所有部件；此外，电子设备600还可以包括图8中没有示出的部件，可以参考现有技术。
如图8所示，中央处理器100有时也称为控制器或操作控件，可以包括微处理器或其他处理器装置和/或逻辑装置，该中央处理器100接收输入并控制电子设备600的各个部件的操作。
其中，存储器140，例如可以是缓存器、闪存、硬驱、可移动介质、易失性存储器、非易失性存储器或其它合适装置中的一种或更多种。可储存上述与失败有关的信息，此外还可存储执行有关信息的程序。并且中央处理器100可执行该存储器140存储的该程序，以实现信息存储或处理等。
输入单元120向中央处理器100提供输入。该输入单元120例如为按键或触摸输入装置。电源170用于向电子设备600提供电力。显示器160用于进行图像和文字等显示对象的显示。该显示器例如可为LCD显示器，但并不限于此。
该存储器140可以是固态存储器，例如，只读存储器(ROM)、随机存取存储器(RAM)、SIM卡等。还可以是这样的存储器，其即使在断电时也保存信息，可被选择性地擦除且设有更多数据，该存储器的示例有时被称为EPROM等。存储器140还可以是某种其它类型的装置。存储器140包括缓冲存储器141(有时被称为缓冲器)。存储器140可以包括应用/功能存储部142，该应用/功能存储部142用于存储应用程序和功能程序或用于通过中央处理器100执行电子设备600的操作的流程。
存储器140还可以包括数据存储部143，该数据存储部143用于存储数据，例如联系人、数字数据、图片、声音和/或任何其他由电子设备使用的数据。存储器140的驱动程序存储部144可以包括电子设备的用于通信功能和/或用于执行电子设备的其他功能(如消息传送应用、通讯录应用等)的各种驱动程序。
通信模块110即为经由天线111发送和接收信号的发送机/接收机110。通信模块(发送机/接收机)110耦合到中央处理器100，以提供输入信号和接收输出信号，这可以和常规移动通信终端的情况相同。
基于不同的通信技术，在同一电子设备中，可以设置有多个通信模块110，如蜂窝网络模块、蓝牙模块和/或无线局域网模块等。通信模块(发送机/接收机)110还经由音频处理器130耦合到扬声器131和麦克风132，以经由扬声器131提供音频输出，并接收来自麦克风132的音频输入，从而实现通常的电信功能。音频处理器130可以包括任何合适的缓冲器、解码器、放大器等。另外，音频处理器130还耦合到中央处理器100，从而使得可以通过麦克风132能够在本机上录音，且使得可以通过扬声器131来播放本机上存储的声音。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
本发明中应用了具体实施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。
Claims (10)
1.一种火电机组煤耗特性曲线确定方法，其特征在于，所述方法包括：
根据预设的数据读取时间段及预设的数据读取周期，获取火电机组历史数据；其中，所述火电机组历史数据包括供电功率；
利用预设的稳定性阈值，对火电机组历史数据进行稳定性筛选，得到稳定工控数据；
获取实时运行数据，对比所述实时运行数据与所述稳定工控数据，得到所述稳定工控数据对应的绝对值偏差率，并根据所述绝对值偏差率，从所述稳定工控数据中选取匹配数据；
根据所述匹配数据确定供电煤耗，并对所述供电煤耗及所述供电功率进行数据拟合，得到火电机组煤耗特性曲线。
2.根据权利要求1所述的方法，其特征在于，所述利用预设的稳定性阈值，对火电机组历史数据进行稳定性筛选，得到稳定工控数据包括：
从所述火电机组历史数据中选取预设时间段内的数据，对预设时间段内的数据进行稳定性计算；
若计算结果不大于所述稳定性阈值，则对预设时间段进行更新，利用更新后的预设时间段重新进行选取数据及稳定性计算，直至计算结果大于所述稳定性阈值，停止选取数据，并将计算结果不大于所述稳定性阈值的数据作为所述稳定工控数据。
3.根据权利要求1所述的方法，其特征在于，所述对比所述实时运行数据与所述稳定工控数据，得到所述稳定工控数据对应的绝对值偏差率包括：
根据所述实时运行数据与所述稳定工控数据，得到所述实时运行数据与所述稳定工控数据之间的差值；
根据所述差值的绝对值与所述实时运行数据，得到所述稳定工控数据对应的绝对值偏差率。
4.根据权利要求1所述的方法，其特征在于，所述根据所述绝对值偏差率，从所述稳定工控数据中选取匹配数据包括：
根据所述绝对值偏差率及预设的匹配阈值，从所述稳定工控数据中选取绝对值偏差率不大于所述匹配阈值的数据作为匹配数据。
5.一种火电机组煤耗特性曲线确定装置，其特征在于，所述装置包括：
数据获取模块，用于根据预设的数据读取时间段及预设的数据读取周期，获取火电机组历史数据；其中，所述火电机组历史数据包括供电功率；
稳定数据模块，用于利用预设的稳定性阈值，对火电机组历史数据进行稳定性筛选，得到稳定工控数据；
匹配数据模块，用于获取实时运行数据，对比所述实时运行数据与所述稳定工控数据，得到所述稳定工控数据对应的绝对值偏差率，并根据所述绝对值偏差率，从所述稳定工控数据中选取匹配数据；
数据拟合模块，用于根据所述匹配数据确定供电煤耗，并对所述供电煤耗及所述供电功率进行数据拟合，得到火电机组煤耗特性曲线。
6.根据权利要求5所述的装置，其特征在于，所述稳定数据模块包括：
稳定性单元，用于从所述火电机组历史数据中选取预设时间段内的数据，对预设时间段内的数据进行稳定性计算；
稳定数据单元，用于若计算结果不大于所述稳定性阈值，则对预设时间段进行更新，利用更新后的预设时间段重新进行选取数据及稳定性计算，直至计算结果大于所述稳定性阈值，停止选取数据，并将计算结果不大于所述稳定性阈值的数据作为所述稳定工控数据。
7.根据权利要求5所述的装置，其特征在于，所述匹配数据模块包括：
差值计算单元，用于根据所述实时运行数据与所述稳定工控数据，得到所述实时运行数据与所述稳定工控数据之间的差值；
偏差率单元，用于根据所述差值的绝对值与所述实时运行数据，得到所述稳定工控数据对应的绝对值偏差率。
8.根据权利要求5所述的装置，其特征在于，所述匹配数据模块还用于根据所述绝对值偏差率及预设的匹配阈值，从所述稳定工控数据中选取绝对值偏差率不大于所述匹配阈值的数据作为匹配数据。
9.一种电子设备，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计算机程序时实现权利要求1至4任一项所述方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有执行权利要求1至4任一项所述方法的计算机程序。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210017411.6A CN114398779A (zh) | 2022-01-07 | 2022-01-07 | 火电机组煤耗特性曲线确定方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210017411.6A CN114398779A (zh) | 2022-01-07 | 2022-01-07 | 火电机组煤耗特性曲线确定方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114398779A true CN114398779A (zh) | 2022-04-26 |
Family
ID=81229421
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210017411.6A Pending CN114398779A (zh) | 2022-01-07 | 2022-01-07 | 火电机组煤耗特性曲线确定方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114398779A (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20040044613A1 (en) * | 2002-05-15 | 2004-03-04 | Kabushiki Kaisha Toshiba | Price evaluation system and method for derivative security, and risk management system and method for power exchange |
| CN104123593A (zh) * | 2014-07-16 | 2014-10-29 | 上海交通大学 | 基于煤耗特性曲线在线滚动更新的多模式负荷调度方法 |
| CN105184395A (zh) * | 2015-08-26 | 2015-12-23 | 华北电力科学研究院有限责任公司 | 含余热利用系统的火电机组的初参数确定方法 |
| CN108052007A (zh) * | 2017-12-18 | 2018-05-18 | 华润电力湖北有限公司 | 火电机组运行优化方法、装置、设备及计算机存储介质 |
| CN111540412A (zh) * | 2020-04-24 | 2020-08-14 | 大唐环境产业集团股份有限公司 | 一种基于最小二乘法的scr反应器入口烟气软测量方法 |
| CN112510704A (zh) * | 2020-11-26 | 2021-03-16 | 贵州电网有限责任公司 | 一种在线煤耗曲线实时生成方法及系统 |
| CN112508365A (zh) * | 2020-11-26 | 2021-03-16 | 贵州电网有限责任公司 | 一种在线煤耗曲线滚动修正方法及系统 |
| CN112510703A (zh) * | 2020-11-26 | 2021-03-16 | 贵州电网有限责任公司 | 一种考虑煤耗曲线修正的多能源接入电网优化调度方法 |
| CN113359435A (zh) * | 2021-05-12 | 2021-09-07 | 东南大学 | 用于火电机组动态工况数据的修正方法 |
-
2022
- 2022-01-07 CN CN202210017411.6A patent/CN114398779A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20040044613A1 (en) * | 2002-05-15 | 2004-03-04 | Kabushiki Kaisha Toshiba | Price evaluation system and method for derivative security, and risk management system and method for power exchange |
| CN104123593A (zh) * | 2014-07-16 | 2014-10-29 | 上海交通大学 | 基于煤耗特性曲线在线滚动更新的多模式负荷调度方法 |
| CN105184395A (zh) * | 2015-08-26 | 2015-12-23 | 华北电力科学研究院有限责任公司 | 含余热利用系统的火电机组的初参数确定方法 |
| CN108052007A (zh) * | 2017-12-18 | 2018-05-18 | 华润电力湖北有限公司 | 火电机组运行优化方法、装置、设备及计算机存储介质 |
| CN111540412A (zh) * | 2020-04-24 | 2020-08-14 | 大唐环境产业集团股份有限公司 | 一种基于最小二乘法的scr反应器入口烟气软测量方法 |
| CN112510704A (zh) * | 2020-11-26 | 2021-03-16 | 贵州电网有限责任公司 | 一种在线煤耗曲线实时生成方法及系统 |
| CN112508365A (zh) * | 2020-11-26 | 2021-03-16 | 贵州电网有限责任公司 | 一种在线煤耗曲线滚动修正方法及系统 |
| CN112510703A (zh) * | 2020-11-26 | 2021-03-16 | 贵州电网有限责任公司 | 一种考虑煤耗曲线修正的多能源接入电网优化调度方法 |
| CN113359435A (zh) * | 2021-05-12 | 2021-09-07 | 东南大学 | 用于火电机组动态工况数据的修正方法 |
Non-Patent Citations (2)
| Title |
|---|
| 董竹林;牛玉广;董恩伏;周桂平;罗桓桓;张国斌;: "适应火电机组灵活运行的滑压曲线优化方法", 动力工程学报, no. 03, 15 March 2020 (2020-03-15) * |
| 闫姝;曾德良;刘吉臻;王玮;谢谢;: "基于简化热平衡方程的再热蒸汽流量实时软测量", 中国电机工程学报, no. 05, 15 February 2011 (2011-02-15) * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112577161B (zh) | 空调能耗模型训练方法与空调系统控制方法 | |
| CN110578986B (zh) | 空调的控制方法、装置、空调及计算机可读存储介质 | |
| CN109860670B (zh) | 电动汽车燃料电池氢气压力控制方法及电子设备 | |
| US9991709B2 (en) | Adding and shedding loads using load levels to determine timing | |
| CN104534626A (zh) | 一种空调的自动控制方法、装置及系统 | |
| CN112066567B (zh) | 燃气热水器的恒温控制方法、系统、电子设备及存储介质 | |
| WO2021179644A1 (zh) | 基于出水温度修正的机组启停控制方法、系统及装置 | |
| CN110906506A (zh) | 空调器的冷媒量检测方法、装置、存储介质及电子设备 | |
| CN110825208A (zh) | 数字货币矿机参数的调整方法、装置、设备及存储介质 | |
| CN113656432A (zh) | 数据对比方法及装置 | |
| CN112149060B (zh) | 一种汽轮机低压末级温度场预测方法及装置 | |
| CN111352401A (zh) | 一种用于集散控制系统的控制方法、装置、设备及介质 | |
| CN115145761A (zh) | 一种芯片频率控制方法、装置、区块链服务器和存储介质 | |
| CN114398779A (zh) | 火电机组煤耗特性曲线确定方法及装置 | |
| CN112576326B (zh) | 一种火电机组滑压优化运行控制方法、装置及设备 | |
| CN104747295A (zh) | 燃气轮机功率控制方法及装置 | |
| CN113324239B (zh) | 燃气蒸汽联合循环机组汽温控制方法及装置 | |
| CN108917090B (zh) | 一种空调机组性能测试方法 | |
| CN115793835A (zh) | 一种调节负载线的方法、装置、设备及存储介质 | |
| JP2009506260A (ja) | 発電設備の運転柔軟性を高めるための方法と装置 | |
| CN116447720A (zh) | 用于控制空调的方法、装置、电子设备及存储介质 | |
| KR20230076743A (ko) | 디지털 트윈 기반 에너지 관리 방법 및 장치 | |
| CN115395534A (zh) | 光伏逆变器频率下垂控制方法及装置 | |
| CN116127716B (zh) | 汽轮机阀门流量特性辨识方法及装置 | |
| CN114326868B (zh) | 芯片温度反馈方法、装置、存储介质及芯片温度控制方法 |
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 |