CN115912409B - 一种多元协同的火电机组负荷运行快速调整方法 - Google Patents
一种多元协同的火电机组负荷运行快速调整方法 Download PDFInfo
- Publication number
- CN115912409B CN115912409B CN202310063666.0A CN202310063666A CN115912409B CN 115912409 B CN115912409 B CN 115912409B CN 202310063666 A CN202310063666 A CN 202310063666A CN 115912409 B CN115912409 B CN 115912409B
- Authority
- CN
- China
- Prior art keywords
- thermal power
- frequency modulation
- modulation control
- power generating
- generating unit
- 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
Landscapes
- Feedback Control In General (AREA)
Abstract
本发明涉及火电机组负荷调整的技术领域,揭露了一种多元协同的火电机组负荷运行快速调整方法,所述方法包括:构建火电机组调频控制资源映射模型并进行参数优化;获取火电机组当前运行状态以及目标运行负荷,并输入到多元协同火电机组负荷运行模型中得到不同火电机组的调频控制参数;将不同火电机组的调频控制参数输入到最优火电机组调频控制资源映射模型中,得到不同火电机组的耗煤量,并根据模型输出结果快速调整不同火电机组的耗煤量,进而调整火电机组运行负荷。本发明在保证火电机组稳定的前提下,得到使得运行成本最小的不同火电机组调频控制参数,进而快速调整不同火电机组的耗煤量,进而实现火电机组运行负荷调整。
Description
技术领域
本发明涉及火电机组负荷调整的技术领域,尤其涉及一种多元协同的火电机组负荷运行快速调整方法。
背景技术
随着新能源装机比重越来越高,电网的安全性、稳定性必然会受到影响。为了电网稳定,电力系统的调峰调频就显得异常重要。由于风电与光伏机组是不稳定性的电源无法参与调峰调频,火电机组是电网调峰调频的主要方式。“CN114156910A”公开了一种基于信号同源的AGC负荷解耦控制方法,包括:一次同源调频模块,采集电网频率信号源处的信号,用于提供一次调频功能,汽轮机机组调整自身负荷;所述一次同源调频模块,采用基于电网功率变化动态调整的控制策略,控制逻辑内置于装置内部,实现信号采集和控制的无缝连接,直接输出控制指令,对DCS系统输出调频的功率信号;所述一次同源调频模块,采用基于电网功率变化动态调整的控制策略,从PMU或发电机硬接线采集频率信号,有针对性对电网不同频差采用不同的动作幅值,经过装置运算后送出调频信号同时到DCS和DEH系统,直接接管DCS内一次调频功能,确保正确动作,并过滤掉不必要的杂波;AGC模块,连接有AGC信号自动整定模块,所述AGC模块用于提供二次调频功能,电网控制汽轮机负荷,所述AGC信号自动整定模块用于对信号进行存储、分析和校正。“CN115241936A”公开了一种网源协同的火电机组负荷调频系统,包括:采集部,用于获取机组在设定周期内的实时运行数据和机组主汽压力变工况;分析部,用于基于所述机组的实时运行数据,以获取所述机组的实际运行状态;调整部,基于所述机组的所述实际运行状态,计算所述机组的所述实际运行状态与网内实时整体有功功率的比率,基于所述比率,调整所述机组的实时运行。该技术方案提供了一种基于网内实时整体有功功率来调控火电机组负荷的技术,所述网内实时整体有功功率表示为电网频率质量、电压质量以及波形质量的一个或者多个,其中所述网内实时整体有功功率至少包括电网频率,若电网中的总发电功率大于总负荷吸收功率,则电网频率上升;反之则电网频率下降。
现有的火电机组调频方法主要通过设置调频控制反馈系统实施调频控制,但是没有优化分配火电机组负荷并确定最优资源消耗量,难以保证协同调整的最优性,造成资源浪费。
发明内容
有鉴于此,本发明提供一种多元协同的火电机组负荷运行快速调整方法,目的在于:1)构建火电机组调频控制参数与耗煤量的映射关系,进而构建火电机组调频控制资源映射模型,实现不同火电机组的调频控制参数与耗煤量的映射,并利用基于随机矩二次梯度的优化算法对火电机组调频控制资源映射模型进行优化求解,通过结合梯度步长实现二次梯度下降,进而快速求解得到模型优化参数,得到可用模型;所构建火电机组调频控制资源映射模型通过接收火电机组的调频控制参数,得到可以实现对应调频控制的所需耗煤量,根据模型输出结果快速调整不同火电机组的耗煤量,进而调整火电机组频率以及对应的火电机组运行负荷,使得调整后火电机组运行负荷达到火电机组目标负荷,实现火电机组运行负荷快速调整;2)以调频控制后火电机组运行负荷达到目标负荷以及调频变化率低于阈值为约束,采用差分量子粒子的方式确定不同火电机组的调频控制参数,并选取调频控制后运行成本最小的调频控制参数方案作为不同火电机组的调频控制参数,在保证火电机组稳定的前提下,实现运行成本最少,并在调频控制参数求解过程中,采用随机差分法的方式对部分量子粒子进行迭代更新,丰富了调频控制参数的范围,避免算法陷入局部最优解,提高算法搜索精度。
实现上述目的,本发明提供的一种多元协同的火电机组负荷运行快速调整方法,包括以下步骤:
S1:构建多元协同火电机组负荷运行模型,所构建模型以火电机组当前运行状态以及火电机组目标运行负荷为输入,以调频控制参数为输出;
S2:构建火电机组调频控制资源映射模型,所构建模型以火电机组的编号以及调频控制参数为输入,火电机组的耗煤量为输出;
S3:对火电机组调频控制资源映射模型进行参数优化,得到最优火电机组调频控制资源映射模型,其中基于随机矩二次梯度的优化算法为模型参数优化方法;
S4:获取火电机组当前运行状态以及目标运行负荷,并输入到多元协同火电机组负荷运行模型中,得到不同火电机组的调频控制参数;
S5:将不同火电机组的调频控制参数输入到最优火电机组调频控制资源映射模型中,得到不同火电机组的耗煤量,并根据模型输出结果快速调整不同火电机组的耗煤量,进而调整火电机组运行负荷。
作为本发明的进一步改进方法:
可选地,所述S1步骤中构建多元协同火电机组负荷运行模型,包括:
构建多元协同火电机组负荷运行模型,所构建模型以火电机组当前运行状态以及火电机组目标运行负荷为输入,以调频控制参数为输出,其中火电机组当前运行状态为当前所有火电机组的总运行功率以及不同火电机组的运行功率和频率,火电机组目标运行负荷为对不同火电机组进行频率调整后的总运行功率,调频控制参数为调整后的火电机组频率。
可选地,所述S2步骤中构建火电机组调频控制资源映射模型,包括:
构建火电机组调频控制资源映射模型,其中所构建模型以火电机组的编号以及调频控制参数为输入,以火电机组的耗煤量为输出;
火电机组调频控制资源映射模型的结构包括输入层、映射层以及输出层,其中输入层用于接收火电机组的编号以及调频控制参数,映射层用于根据火电机组编号选取对应的映射策略,并基于所选取的映射策略将调频控制参数映射为特征图的形式,输出层用于接收映射后的特征图,并将特征图转换为对应的耗煤量。
可选地,所述S3步骤中对火电机组调频控制资源映射模型进行参数优化,包括:
对火电机组调频控制资源映射模型进行参数优化的流程为:
S31:采集不同火电机组的调频控制资源映射数据,其中火电机组i的调频控制资源映射数据为:
{(fi,m,gi,m)|m∈[1,M]}
其中:
(fi,m,gi,m)表示火电机组i的第m组调频控制资源映射数据,fi,m表示火电机组i的第m组调频控制参数,gi,m表示第m组调频控制参数对应的耗煤量;
i表示火电机组编号,i∈[1,n],n表示火电机组总数;
S32:构建不同火电机组的调频控制资源映射关系函数,其中火电机组i的调频控制资源映射关系函数Li(θi)为:
其中:
θi表示火电机组i的调频控制资源映射参数,θi包括映射层的权重矩阵参数wi,输出层的权重矩阵参数Wi以及偏置量参数bi,ReLU(·)表示激活函数;
T表示转置;
表示将fi,m输入到基于θi的火电机组调频控制资源映射模型中,模型输出的耗煤量;
S33:随机生成不同火电机组的初始化调频控制资源映射参数,并对不同火电机组的调频控制资源映射参数进行迭代优化,其中火电机组i的初始化调频控制资源映射参数为θi(0),对火电机组i的调频控制资源映射参数进行迭代优化的流程为后续迭代步骤;
S34:设置参数优化的当前迭代次数为t,t的初始值为1,最大迭代次数为Max;
S35:更新迭代得到θi(1):
θi(1)=θi(0)-H0d1
其中:
表示梯度,H0表示单位矩阵;
dt表示第t次迭代的迭代步长;
σt,βt表示第t次迭代的迭代步长参数;
||·||表示L1范数;
令t=t+1;
S36:计算得到第t次迭代的参数Ht-1:
at-2=θi(t-1)-θi(t-2)
bt-2=dt-1-dt-2
S37:基于参数Ht-1求解得到第t次迭代的调频控制资源映射参数θi(t):
θi(t)=θi(t-1)-Ht-1dt
若t≥Max,则输出调频控制资源映射参数θi(t)为优化求解得到的参数,并基于参数θi(t)构建火电机组i在火电机组调频控制资源映射模型中的映射层以及输出层,进而根据不同火电机组的参数求解结果,构建得到n个火电机组在火电机组调频控制资源映射模型中的映射层以及输出层,得到最优火电机组调频控制资源映射模型;
否则令t=t+1,返回步骤S36。
可选地,所述S4步骤中获取火电机组当前运行状态以及目标运行负荷,包括:
获取火电机组当前运行状态以及目标负荷,其中所获取的数据信息data为:
data=[(p1,f1),(p2,f2),...,(pi,fi),...,(pn,fn),P,P′]
其中:
pi表示火电机组i的当前运行功率,fi表示火电机组i的当前频率,i表示火电机组编号,i∈[1,n],n表示火电机组总数;
P表示当前所有火电机组的总运行功率,
P′表示火电机组目标运行负荷。
可选地,所述S4步骤中将所获取数据信息输入到多元协同火电机组负荷运行模型中,得到不同火电机组的调频控制参数,包括:
将所获取数据信息输入到多元协同火电机组负荷运行模型中,得到不同火电机组的调频控制参数{fi ′|i∈[1,n]},其中fi ′表示火电机组i的调频控制参数,调频控制参数为调整后的火电机组频率;
基于最优多元协同火电机组负荷运行模型的调频控制参数计算流程为:
S41:生成S个量子粒子,并初始化每个量子粒子的位置坐标,每个量子粒子的位置坐标为n个火电机组的运行状态以及调频控制参数,其中第s个量子粒子的初始化位置坐标为:
s0=[s0(1),s0(2),...,s0(i),...,s0(n)]
其中:
s0表示第s个量子粒子的初始化位置坐标,s∈[1,S];
s0(i)表示位置坐标s0中第i个维度的坐标,对应火电机组i的运行状态以及调频控制参数/>表示火电机组i的运行状态为关闭,/>表示火电机组i的运行状态为开启,当/>将/>设置为0;
S42:设置调频控制参数计算的当前迭代次数k,k的初始值为0,最大值为K,则第s个量子粒子在第k次迭代得到的位置坐标为sk;
S43:构建量子粒子适应度函数以及约束条件,其中量子粒子适应度函数的输出为量子粒子的位置坐标,输出为位置坐标所对应的适应度函数,其中所构建的量子粒子适应度函数F(xk)为:
其中:
xk表示输入量子粒子适应度函数的第k次迭代后量子粒子的位置坐标;
xk(j)表示位置坐标xk中第j个维度的坐标,对应火电机组j的运行状态以及调频控制参数/>
cost(xk(j))表示火电机组j的调频控制后运行成本,cost(xk(j))=pj ′+(pj ′)2,其中pj ′表示对火电机组j进行调频控制后,火电机组j的运行功率;
Gk(·)表示对第k次迭代后量子粒子信息的归一化函数,Gk[cost(xk(j))]表示第k次迭代后量子粒子位置坐标第j个维度的归一化成本,max(costk,j)表示第k次迭代后若干量子粒子的第j个维度对应火电机组的最大运行成本,min(costk,j)表示第k次迭代后若干量子粒子的第j个维度对应火电机组的最小运行成本,G[|fj-x2(j)|]表示量子粒子位置坐标的第j个维度的归一化调频变化率;
所构建量子粒子适应度函数的约束条件为:
其中:
表示任意量子粒子在任意第j个维度的调频变化率,ε表示预设置的稳定调频阈值;
P′火电机组目标运行负荷;
在本发明实施例中,火电机组运行功率与火电机组频率为多项式函数关系,其中火电机组i的运行功率与频率的函数关系为:
其中:
pi表示火电机组i的运行功率,fi表示火电机组i的频率,hi表示火电机组i的额定频率,Li表示额定频率下火电机组i的运行功率;
(c0,c1,...,cv)表示多项式函数系数;
通过获取多组频率与运行功率的数据,利用最小二乘法对多项式函数关系进行拟合,得到不同火电机组的多项式函数系数,进而基于火电机组的调频控制参数得到火电机组的运行成本;
S44:将第k次迭代的S个量子粒子的位置坐标输入到量子粒子适应度函数,得到不同量子粒子的适应度函数值,并将不符合约束条件的量子粒子的适应度函数值设置为Fmax,其中Fmax为预设置的最大适应度函数值;
S45:差分更新每个量子粒子的位置坐标,其中第s个量子粒子位置坐标的差分更新公式为:
Us=rkUbest(s)+(1-rk)Ubest
其中:
F(sk)表示将sk输入到量子粒子适应度函数的适应度函数值,表示预设置的适应度阈值,sk+1表示第k+1次更新迭代后,第s个量子粒子的位置坐标;
λ表示0.5-1之间的随机数,k表示当前迭代次数,K表示最大迭代次数;
Ubest(s)表示从量子粒子初始化到第k次迭代,第s个量子粒子的最小适应度函数值所对应的位置坐标,其中第s个量子粒子的最小适应度函数值即为第s个量子粒子的最优适应度函数值,Ubest表示从量子粒子初始化到第k次迭代,所有量子粒子的最小适应度函数值所对应的位置坐标;
Xrand1,Xrand2,Xrand3表示第k次更新迭代后任意量子粒子的位置坐标,α表示差分系数,将其设置为0.1;
比较迭代更新后量子粒子位置坐标的适应度函数值以及最优适应度函数值,将每个量子粒子的最小适应度函数值作为其最优适应度函数值,并更新从量子粒子初始化到第k次迭代,所有量子粒子的最小适应度函数值所对应的位置坐标;
S46:若k≥K,则比较S个量子粒子的最优适应度函数值,选取最小的适应度函数值所对应的量子粒子位置坐标作为求解得到的不同火电机组调频控制参数;
否则令k=k+1,返回步骤S44。
可选地,所述S5步骤中将不同火电机组的调频控制参数输入到最优火电机组调频控制资源映射模型中,得到不同火电机组的耗煤量,包括:
将多元协同火电机组负荷运行模型中输出的不同火电机组调频控制参数输入到最优火电机组调频控制资源映射模型中,最优火电机组调频控制资源映射模型根据火电机组的编号,将火电机组调频控制参数输入到对应编号的映射层以及输出层中,得到不同火电机组的耗煤量。
可选地,所述S5步骤中根据模型输出结果快速调整不同火电机组的耗煤量,进而调整火电机组运行负荷,包括:
根据最优火电机组调频控制资源映射模型输出的不同火电机组的耗煤量,快速调整不同火电机组的当前耗煤量,进而调整不同火电机组的频率以及火电机组运行负荷,使得当前火电机组运行负荷快速达到火电机组目标运行负荷。
为了解决上述问题,本发明提供一种电子设备,所述电子设备包括:
存储器,存储至少一个指令;
通信接口,实现电子设备通信;及
处理器,执行所述存储器中存储的指令以实现上述所述的多元协同的火电机组负荷运行快速调整方法。
为了解决上述问题,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中存储有至少一个指令,所述至少一个指令被电子设备中的处理器执行以实现上述所述的多元协同的火电机组负荷运行快速调整方法。
相对于现有技术,本发明提出一种多元协同的火电机组负荷运行快速调整方法,该技术具有以下优势:
首先,本方案提出一种火电机组调频控制资源映射模型,其中所构建模型以火电机组的编号以及调频控制参数为输入,以火电机组的耗煤量为输出;火电机组调频控制资源映射模型的结构包括输入层、映射层以及输出层,其中输入层用于接收火电机组的编号以及调频控制参数,映射层用于根据火电机组编号选取对应的映射策略,并基于所选取的映射策略将调频控制参数映射为特征图的形式,输出层用于接收映射后的特征图,并将特征图转换为对应的耗煤量。对火电机组调频控制资源映射模型进行参数优化的流程为:采集不同火电机组的调频控制资源映射数据,其中火电机组i的调频控制资源映射数据为:
{(fi,m,gi,m)|m∈[1,M]}
其中:(fi,m,gi,m)表示火电机组i的第m组调频控制资源映射数据,fi,m表示火电机组i的第m组调频控制参数,gi,m表示第m组调频控制参数对应的耗煤量;i表示火电机组编号,i∈[1,n],n表示火电机组总数;构建不同火电机组的调频控制资源映射关系函数,其中火电机组i的调频控制资源映射关系函数Li(θi)为:
其中:θi表示火电机组i的调频控制资源映射参数,θi包括映射层的权重矩阵参数wi,输出层的权重矩阵参数Wi以及偏置量参数bi,ReLU(·)表示激活函数;T表示转置;表示将fi,m输入到基于θi的火电机组调频控制资源映射模型中,模型输出的耗煤量;随机生成不同火电机组的初始化调频控制资源映射参数,并对不同火电机组的调频控制资源映射参数进行迭代优化,其中火电机组i的初始化调频控制资源映射参数为θi(0),对火电机组i的调频控制资源映射参数进行迭代优化的流程为后续迭代步骤;设置参数优化的当前迭代次数为t,t的初始值为1,最大迭代次数为Max;更新迭代得到θi(1):
θi(1)=θi(0)-H0d1
其中:表示梯度,H0表示单位矩阵;dt表示第t次迭代的迭代步长;σt,βt表示第t次迭代的迭代步长参数;||·||表示L1范数;令t=t+1;计算得到第t次迭代的参数Ht-1:
bt-2=dt-1-dt-2
基于参数Ht-1求解得到第t次迭代的调频控制资源映射参数θi(t):
θi(t)=θi(t-1)-Ht-1dt
若t≥Max,则输出调频控制资源映射参数θi(t)为优化求解得到的参数,并基于参数θi(t)构建火电机组i在火电机组调频控制资源映射模型中的映射层以及输出层,进而根据不同火电机组的参数求解结果,构建得到n个火电机组在火电机组调频控制资源映射模型中的映射层以及输出层,得到最优火电机组调频控制资源映射模型;否则令t=t+1,返回迭代步骤。本方案通过构建火电机组调频控制参数与耗煤量的映射关系,进而构建火电机组调频控制资源映射模型,实现不同火电机组的调频控制参数与耗煤量的映射,并利用基于随机矩二次梯度的优化算法对火电机组调频控制资源映射模型进行优化求解,通过结合梯度步长实现二次梯度下降,进而快速求解得到模型优化参数,得到可用模型;所构建火电机组调频控制资源映射模型通过接收火电机组的调频控制参数,得到可以实现对应调频控制的所需耗煤量,根据模型输出结果快速调整不同火电机组的耗煤量,进而调整火电机组频率以及对应的火电机组运行负荷,使得调整后火电机组运行负荷达到火电机组目标负荷,实现火电机组运行负荷快速调整。
同时,本方案提出一种火电机组调频控制参数快速求解方法,通过获取火电机组当前运行状态以及目标负荷,其中所获取的数据信息data为:
data=[(p1,f1),(p2,f2),...,(pi,fi),...,(pn,fn),P,P′]
其中:pi表示火电机组i的当前运行功率,fi表示火电机组i的当前频率,i表示火电机组编号,i∈[1,n],n表示火电机组总数;P表示当前所有火电机组的总运行功率,P′表示火电机组目标运行负荷。将所获取数据信息输入到多元协同火电机组负荷运行模型中,得到不同火电机组的调频控制参数{fi ′|i∈[1,n]},其中fi ′表示火电机组i的调频控制参数,调频控制参数为调整后的火电机组频率;将多元协同火电机组负荷运行模型中输出的不同火电机组调频控制参数输入到最优火电机组调频控制资源映射模型中,最优火电机组调频控制资源映射模型根据火电机组的编号,将火电机组调频控制参数输入到对应编号的映射层以及输出层中,得到不同火电机组的耗煤量。根据最优火电机组调频控制资源映射模型输出的不同火电机组的耗煤量,快速调整不同火电机组的当前耗煤量,进而调整不同火电机组的频率以及火电机组运行负荷,使得当前火电机组运行负荷快速达到火电机组目标运行负荷。本方案以调频控制后火电机组运行负荷达到目标负荷以及调频变化率低于阈值为约束,采用差分量子粒子的方式确定不同火电机组的调频控制参数,并选取调频控制后运行成本最小的调频控制参数方案作为不同火电机组的调频控制参数,在保证火电机组稳定的前提下,实现运行成本最少,并在调频控制参数求解过程中,采用随机差分法的方式对部分量子粒子进行迭代更新,丰富了调频控制参数的范围,避免算法陷入局部最优解,提高算法搜索精度。
附图说明
图1为本发明一实施例提供的一种多元协同的火电机组负荷运行快速调整方法的流程示意图;
图2为本发明一实施例提供的实现多元协同的火电机组负荷运行快速调整方法的电子设备的结构示意图。
图中:1电子设备,10处理器,11存储器,12程序,13通信接口。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本申请实施例提供一种多元协同的火电机组负荷运行快速调整方法。所述多元协同的火电机组负荷运行快速调整方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之,所述多元协同的火电机组负荷运行快速调整方法可以由安装在终端设备或服务端设备的软件或硬件来执行,所述软件可以是区块链平台。所述服务端包括但不限于:单台服务器、服务器集群、云端服务器或云端服务器集群等。
实施例1:
S1:构建多元协同火电机组负荷运行模型,所构建模型以火电机组当前运行状态以及火电机组目标运行负荷为输入,以调频控制参数为输出。
所述S1步骤中构建多元协同火电机组负荷运行模型,包括:
构建多元协同火电机组负荷运行模型,所构建模型以火电机组当前运行状态以及火电机组目标运行负荷为输入,以调频控制参数为输出,其中火电机组当前运行状态为当前所有火电机组的总运行功率以及不同火电机组的运行功率和频率,火电机组目标运行负荷为对不同火电机组进行频率调整后的总运行功率,调频控制参数为调整后的火电机组频率。
S2:构建火电机组调频控制资源映射模型,所构建模型以火电机组的编号以及调频控制参数为输入,火电机组的耗煤量为输出。
所述S2步骤中构建火电机组调频控制资源映射模型,包括:
构建火电机组调频控制资源映射模型,其中所构建模型以火电机组的编号以及调频控制参数为输入,以火电机组的耗煤量为输出;
火电机组调频控制资源映射模型的结构包括输入层、映射层以及输出层,其中输入层用于接收火电机组的编号以及调频控制参数,映射层用于根据火电机组编号选取对应的映射策略,并基于所选取的映射策略将调频控制参数映射为特征图的形式,输出层用于接收映射后的特征图,并将特征图转换为对应的耗煤量。
S3:对火电机组调频控制资源映射模型进行参数优化,得到最优火电机组调频控制资源映射模型,其中基于随机矩二次梯度的优化算法为模型参数优化方法。
所述S3步骤中对火电机组调频控制资源映射模型进行参数优化,包括:
对火电机组调频控制资源映射模型进行参数优化的流程为:
S31:采集不同火电机组的调频控制资源映射数据,其中火电机组i的调频控制资源映射数据为:
{(fi,m,gi,m)|m∈[1,M]}
其中:
(fi,m,gi,m)表示火电机组i的第m组调频控制资源映射数据,fi,m表示火电机组i的第m组调频控制参数,gi,m表示第m组调频控制参数对应的耗煤量;
i表示火电机组编号,i∈[1,n],n表示火电机组总数;
S32:构建不同火电机组的调频控制资源映射关系函数,其中火电机组i的调频控制资源映射关系函数Li(θi)为:
其中:
θi表示火电机组i的调频控制资源映射参数,θi包括映射层的权重矩阵参数wi,输出层的权重矩阵参数Wi以及偏置量参数bi,ReLU(·)表示激活函数;
T表示转置;
表示将fi,m输入到基于θi的火电机组调频控制资源映射模型中,模型输出的耗煤量;
S33:随机生成不同火电机组的初始化调频控制资源映射参数,并对不同火电机组的调频控制资源映射参数进行迭代优化,其中火电机组i的初始化调频控制资源映射参数为θi(0),对火电机组i的调频控制资源映射参数进行迭代优化的流程为后续迭代步骤;
S34:设置参数优化的当前迭代次数为t,t的初始值为1,最大迭代次数为Max;
S35:更新迭代得到θi(1):
θi(1)=θi(0)-H0d1
其中:
表示梯度,H0表示单位矩阵;
dt表示第t次迭代的迭代步长;
σt,βt表示第t次迭代的迭代步长参数;
||·||表示L1范数;
令t=t+1;
S36:计算得到第t次迭代的参数Ht-1:
bt-2=dt-1-dt-2
S37:基于参数Ht-1求解得到第t次迭代的调频控制资源映射参数θi(t):
θi(t)=θi(t-1)-Ht-1dt
若t≥Max,则输出调频控制资源映射参数θi(t)为优化求解得到的参数,并基于参数θi(t)构建火电机组i在火电机组调频控制资源映射模型中的映射层以及输出层,进而根据不同火电机组的参数求解结果,构建得到n个火电机组在火电机组调频控制资源映射模型中的映射层以及输出层,得到最优火电机组调频控制资源映射模型;
否则令t=t+1,返回步骤S36。
S4:获取火电机组当前运行状态以及目标运行负荷,并输入到多元协同火电机组负荷运行模型中,得到不同火电机组的调频控制参数。
所述S4步骤中获取火电机组当前运行状态以及目标运行负荷,包括:
获取火电机组当前运行状态以及目标负荷,其中所获取的数据信息data为:
data=[(p1,f1),(p2,f2),...,(pi,fi),...,(pn,fn),P,P′]
其中:
pi表示火电机组i的当前运行功率,fi表示火电机组i的当前频率,i表示火电机组编号,i∈[1,n],n表示火电机组总数;
P表示当前所有火电机组的总运行功率,
P′表示火电机组目标运行负荷。
所述S4步骤中将所获取数据信息输入到多元协同火电机组负荷运行模型中,得到不同火电机组的调频控制参数,包括:
将所获取数据信息输入到多元协同火电机组负荷运行模型中,得到不同火电机组的调频控制参数{fi ′|i∈[1,n]},其中fi ′表示火电机组i的调频控制参数,调频控制参数为调整后的火电机组频率;
基于最优多元协同火电机组负荷运行模型的调频控制参数计算流程为:
S41:生成S个量子粒子,并初始化每个量子粒子的位置坐标,每个量子粒子的位置坐标为n个火电机组的运行状态以及调频控制参数,其中第s个量子粒子的初始化位置坐标为:
s0=[s0(1),s0(2),...,s0(i),...,s0(n)]
其中:
s0表示第s个量子粒子的初始化位置坐标,s∈[1,S];
s0(i)表示位置坐标s0中第i个维度的坐标,对应火电机组i的运行状态以及调频控制参数/>表示火电机组i的运行状态为关闭,/>表示火电机组i的运行状态为开启,当/>将/>设置为0;
S42:设置调频控制参数计算的当前迭代次数k,k的初始值为0,最大值为K,则第s个量子粒子在第k次迭代得到的位置坐标为sk;
S43:构建量子粒子适应度函数以及约束条件,其中量子粒子适应度函数的输出为量子粒子的位置坐标,输出为位置坐标所对应的适应度函数,其中所构建的量子粒子适应度函数F(xk)为:
/>
其中:
xk表示输入量子粒子适应度函数的第k次迭代后量子粒子的位置坐标;
xk(j)表示位置坐标xk中第j个维度的坐标,对应火电机组j的运行状态以及调频控制参数/>
cost(xk(j))表示火电机组j的调频控制后运行成本,cost(xk(j))=pj ′+(pj ′)2,其中pj ′表示对火电机组j进行调频控制后,火电机组j的运行功率;
Gk(·)表示对第k次迭代后量子粒子信息的归一化函数,Gk[cost(xk(j))]表示第k次迭代后量子粒子位置坐标第j个维度的归一化成本,max(costk,j)表示第k次迭代后若干量子粒子的第j个维度对应火电机组的最大运行成本,min(costk,j)表示第k次迭代后若干量子粒子的第j个维度对应火电机组的最小运行成本,G[|fj-x2(j)|]表示量子粒子位置坐标的第j个维度的归一化调频变化率;
所构建量子粒子适应度函数的约束条件为:
其中:
表示任意量子粒子在任意第j个维度的调频变化率,ε表示预设置的稳定调频阈值;
P′火电机组目标运行负荷;
在本发明实施例中,火电机组运行功率与火电机组频率为多项式函数关系,其中火电机组i的运行功率与频率的函数关系为:
其中:
pi表示火电机组i的运行功率,fi表示火电机组i的频率,hi表示火电机组i的额定频率,Li表示额定频率下火电机组i的运行功率;
(c0,c1,...,cv)表示多项式函数系数;
通过获取多组频率与运行功率的数据,利用最小二乘法对多项式函数关系进行拟合,得到不同火电机组的多项式函数系数,进而基于火电机组的调频控制参数得到火电机组的运行成本;
S44:将第k次迭代的S个量子粒子的位置坐标输入到量子粒子适应度函数,得到不同量子粒子的适应度函数值,并将不符合约束条件的量子粒子的适应度函数值设置为Fmax,其中Fmax为预设置的最大适应度函数值;
S45:差分更新每个量子粒子的位置坐标,其中第s个量子粒子位置坐标的差分更新公式为:
Us=rkUbest(s)+(1-rk)Ubest
其中:
F(sk)表示将sk输入到量子粒子适应度函数的适应度函数值,表示预设置的适应度阈值,sk+1表示第k+1次更新迭代后,第s个量子粒子的位置坐标;
λ表示0.5-1之间的随机数,k表示当前迭代次数,K表示最大迭代次数;
Ubest(s)表示从量子粒子初始化到第k次迭代,第s个量子粒子的最小适应度函数值所对应的位置坐标,其中第s个量子粒子的最小适应度函数值即为第s个量子粒子的最优适应度函数值,Ubest表示从量子粒子初始化到第k次迭代,所有量子粒子的最小适应度函数值所对应的位置坐标;
Xrand1,Xrand2,Xrand3表示第k次更新迭代后任意量子粒子的位置坐标,α表示差分系数,将其设置为0.1;
比较迭代更新后量子粒子位置坐标的适应度函数值以及最优适应度函数值,将每个量子粒子的最小适应度函数值作为其最优适应度函数值,并更新从量子粒子初始化到第k次迭代,所有量子粒子的最小适应度函数值所对应的位置坐标;
S46:若k≥K,则比较S个量子粒子的最优适应度函数值,选取最小的适应度函数值所对应的量子粒子位置坐标作为求解得到的不同火电机组调频控制参数;
否则令k=k+1,返回步骤S44。
S5:将不同火电机组的调频控制参数输入到最优火电机组调频控制资源映射模型中,得到不同火电机组的耗煤量,并根据模型输出结果快速调整不同火电机组的耗煤量,进而调整火电机组运行负荷。
所述S5步骤中将不同火电机组的调频控制参数输入到最优火电机组调频控制资源映射模型中,得到不同火电机组的耗煤量,包括:
将多元协同火电机组负荷运行模型中输出的不同火电机组调频控制参数输入到最优火电机组调频控制资源映射模型中,最优火电机组调频控制资源映射模型根据火电机组的编号,将火电机组调频控制参数输入到对应编号的映射层以及输出层中,得到不同火电机组的耗煤量。
所述S5步骤中根据模型输出结果快速调整不同火电机组的耗煤量,进而调整火电机组运行负荷,包括:
根据最优火电机组调频控制资源映射模型输出的不同火电机组的耗煤量,快速调整不同火电机组的当前耗煤量,进而调整不同火电机组的频率以及火电机组运行负荷,使得当前火电机组运行负荷快速达到火电机组目标运行负荷。
实施例2:
如图2所示,是本发明一实施例提供的实现多元协同的火电机组负荷运行快速调整方法的电子设备的结构示意图。
所述电子设备1可以包括处理器10、存储器11、通信接口13和总线,还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序,如程序12。
其中,所述存储器11至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器(例如:SD或DX存储器等)、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备1的内部存储单元,例如该电子设备1的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备1的外部存储设备,例如电子设备1上配备的插接式移动硬盘、智能存储卡(Smart Media Card,SMC)、安全数字(SecureDigital,SD)卡、闪存卡(Flash Card)等。进一步地,所述存储器11还可以既包括电子设备1的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备1的应用软件及各类数据,例如程序12的代码等,还可以用于暂时地存储已经输出或者将要输出的数据。
所述处理器10在一些实施例中可以由集成电路组成,例如可以由单个封装的集成电路所组成,也可以是由多个相同功能或不同功能封装的集成电路所组成,包括一个或者多个中央处理器(Central Processing unit,CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备的控制核心(Control Unit),利用各种接口和线路连接整个电子设备的各个部件,通过运行或执行存储在所述存储器11内的程序或者模块(用于实现火电机组负荷运行快速调整的程序12等),以及调用存储在所述存储器11内的数据,以执行电子设备1的各种功能和处理数据。
所述通信接口13可以包括有线接口和/或无线接口(如WI-FI接口、蓝牙接口等),通常用于在该电子设备1与其他电子设备之间建立通信连接,并实现电子设备内部组件之间的连接通信。
所述总线可以是外设部件互连标准(peripheral component interconnect,简称PCI)总线或扩展工业标准结构(extended industry standard architecture,简称EISA)总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。
图2仅示出了具有部件的电子设备,本领域技术人员可以理解的是,图2示出的结构并不构成对所述电子设备1的限定,可以包括比图示更少或者更多的部件,或者组合某些部件,或者不同的部件布置。
例如,尽管未示出,所述电子设备1还可以包括给各个部件供电的电源(比如电池),优选地,电源可以通过电源管理装置与所述至少一个处理器10逻辑相连,从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、Wi-Fi模块等,在此不再赘述。
可选地,该电子设备1还可以包括用户接口,用户接口可以是显示器(Display)、输入单元(比如键盘(Keyboard)),可选地,用户接口还可以是标准的有线接口、无线接口。可选地,在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。其中,显示器也可以适当的称为显示屏或显示单元,用于显示在电子设备1中处理的信息以及用于显示可视化的用户界面。
应该了解,所述实施例仅为说明之用,在专利申请范围上并不受此结构的限制。
所述电子设备1中的所述存储器11存储的程序12是多个指令的组合,在所述处理器10中运行时,可以实现:
构建多元协同火电机组负荷运行模型;
构建火电机组调频控制资源映射模型;
对火电机组调频控制资源映射模型进行参数优化,得到最优火电机组调频控制资源映射模型;
获取火电机组当前运行状态以及目标运行负荷,并输入到多元协同火电机组负荷运行模型中,得到不同火电机组的调频控制参数;
将不同火电机组的调频控制参数输入到最优火电机组调频控制资源映射模型中,得到不同火电机组的耗煤量,并根据模型输出结果快速调整不同火电机组的耗煤量,进而调整火电机组运行负荷。
具体地,所述处理器10对上述指令的具体实现方法可参考图1至图2对应实施例中相关步骤的描述,在此不赘述。
需要说明的是,上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。并且本文中的术语“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、装置、物品或者方法不仅包括那些要素,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、装置、物品或者方法所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
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上述实施例方法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,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的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,该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (8)
1.一种多元协同的火电机组负荷运行快速调整方法,其特征在于,所述方法包括:
S1:构建多元协同火电机组负荷运行模型,所构建模型以火电机组当前运行状态以及火电机组目标运行负荷为输入,以调频控制参数为输出;
S2:构建火电机组调频控制资源映射模型,所构建模型以火电机组的编号以及调频控制参数为输入,火电机组的耗煤量为输出;
S3:对火电机组调频控制资源映射模型进行参数优化,得到最优火电机组调频控制资源映射模型;
对火电机组调频控制资源映射模型进行参数优化的流程为:
S31:随机生成不同火电机组的初始化调频控制资源映射参数,并对不同火电机组的调频控制资源映射参数进行迭代优化,其中火电机组i的初始化调频控制资源映射参数为,对火电机组i的调频控制资源映射参数进行迭代优化的流程为后续迭代步骤;
S32:设置参数优化的当前迭代次数为t,t的初始值为1,最大迭代次数为Max;
S33:更新迭代得到:
其中:
表示梯度,/>表示单位矩阵;
表示第t次迭代的迭代步长;
表示第t次迭代的迭代步长参数;
表示L1范数;
令t=t+1;
S34:计算得到第t次迭代的参数:
S35:基于参数求解得到第t次迭代的调频控制资源映射参数/>:
若,则输出调频控制资源映射参数/>为优化求解得到的参数,并基于参数构建火电机组i在火电机组调频控制资源映射模型中的映射层以及输出层,进而根据不同火电机组的参数求解结果,构建得到n个火电机组在火电机组调频控制资源映射模型中的映射层以及输出层,得到最优火电机组调频控制资源映射模型;
否则令,返回步骤S34;
确定火电机组调频控制资源映射模型中调频控制资源映射关系函数,包括:
采集不同火电机组的调频控制资源映射数据,其中火电机组i的调频控制资源映射数据为:
其中:
表示火电机组i的第m组调频控制资源映射数据,/>表示火电机组i的第m组调频控制参数,/>表示第m组调频控制参数对应的耗煤量;
i表示火电机组编号,,n表示火电机组总数;
构建不同火电机组的调频控制资源映射关系函数,其中火电机组i的调频控制资源映射关系函数为:
其中:
表示火电机组i的调频控制资源映射参数,/>包括映射层的权重矩阵参数/>,输出层的权重矩阵参数/>以及偏置量参数/>,/>表示激活函数;
T表示转置;
表示将/>输入到基于/>的火电机组调频控制资源映射模型中,模型输出的耗煤量;
S4:获取火电机组当前运行状态以及目标运行负荷,并输入到多元协同火电机组负荷运行模型中,得到不同火电机组的调频控制参数;
S5:将不同火电机组的调频控制参数输入到最优火电机组调频控制资源映射模型中,得到不同火电机组的耗煤量,并根据模型输出结果快速调整不同火电机组的耗煤量,进而调整火电机组运行负荷。
2.如权利要求1所述的一种多元协同的火电机组负荷运行快速调整方法,其特征在于,所述S1步骤中构建多元协同火电机组负荷运行模型,包括:
构建多元协同火电机组负荷运行模型,所构建模型以火电机组当前运行状态以及火电机组目标运行负荷为输入,以调频控制参数为输出,其中火电机组当前运行状态为当前所有火电机组的总运行功率以及不同火电机组的运行功率和频率,火电机组目标运行负荷为对不同火电机组进行频率调整后的总运行功率,调频控制参数为调整后的火电机组频率。
3.如权利要求1所述的一种多元协同的火电机组负荷运行快速调整方法,其特征在于,所述S2步骤中构建火电机组调频控制资源映射模型,包括:
构建火电机组调频控制资源映射模型,其中所构建模型以火电机组的编号以及调频控制参数为输入,以火电机组的耗煤量为输出;
火电机组调频控制资源映射模型的结构包括输入层、映射层以及输出层,其中输入层用于接收火电机组的编号以及调频控制参数,映射层用于根据火电机组编号选取对应的映射策略,并基于所选取的映射策略将调频控制参数映射为特征图的形式,输出层用于接收映射后的特征图,并将特征图转换为对应的耗煤量。
4.如权利要求1所述的一种多元协同的火电机组负荷运行快速调整方法,其特征在于,所述S4步骤中获取火电机组当前运行状态以及目标运行负荷,包括:
获取火电机组当前运行状态以及目标负荷,其中所获取的数据信息data为:
其中:
表示火电机组i的当前运行功率,/>表示火电机组i的当前频率,i表示火电机组编号,,n表示火电机组总数;
表示当前所有火电机组的总运行功率,/>;
表示火电机组目标运行负荷。
5.如权利要求4所述的一种多元协同的火电机组负荷运行快速调整方法,其特征在于,所述S4步骤中将所获取数据信息输入到多元协同火电机组负荷运行模型中,得到不同火电机组的调频控制参数,包括:
将所获取数据信息输入到多元协同火电机组负荷运行模型中,得到不同火电机组的调频控制参数,其中/>表示火电机组i的调频控制参数,调频控制参数为调整后的火电机组频率;
基于最优多元协同火电机组负荷运行模型的调频控制参数计算流程为:
S41:生成S个量子粒子,并初始化每个量子粒子的位置坐标,每个量子粒子的位置坐标为n个火电机组的运行状态以及调频控制参数,其中第s个量子粒子的初始化位置坐标为:
其中:
表示第s个量子粒子的初始化位置坐标,/>;
表示位置坐标/>中第i个维度的坐标,对应火电机组i的运行状态/>以及调频控制参数/>,/>,/>表示火电机组i的运行状态为关闭,/>表示火电机组i的运行状态为开启,当/>,将/>设置为0;
S42:设置调频控制参数计算的当前迭代次数k,k的初始值为0,最大值为K,则第s个量子粒子在第k次迭代得到的位置坐标为;
S43:构建量子粒子适应度函数以及约束条件,其中量子粒子适应度函数的输出为量子粒子的位置坐标,输出为位置坐标所对应的适应度函数,其中所构建的量子粒子适应度函数为:
其中:
表示输入量子粒子适应度函数的第k次迭代后量子粒子的位置坐标;
表示位置坐标/>中第j个维度的坐标,对应火电机组j的运行状态/>以及调频控制参数/>;
表示火电机组j的调频控制后运行成本,/>,其中/>表示对火电机组j进行调频控制后,火电机组j的运行功率;
表示对第k次迭代后量子粒子信息的归一化函数,/>表示第k次迭代后量子粒子位置坐标第j个维度的归一化成本,/>,表示第k次迭代后若干量子粒子的第j个维度对应火电机组的最大运行成本,表示第k次迭代后若干量子粒子的第j个维度对应火电机组的最小运行成本,表示量子粒子位置坐标的第j个维度的归一化调频变化率;
所构建量子粒子适应度函数的约束条件为:
其中:
表示任意量子粒子在任意第j个维度的调频变化率,/>表示预设置的稳定调频阈值;
火电机组目标运行负荷;
S44:将第k次迭代的S个量子粒子的位置坐标输入到量子粒子适应度函数,得到不同量子粒子的适应度函数值,并将不符合约束条件的量子粒子的适应度函数值设置为,其中/>为预设置的最大适应度函数值;
S45:差分更新每个量子粒子的位置坐标,其中第s个量子粒子位置坐标的差分更新公式为:
其中:
表示将/>输入到量子粒子适应度函数的适应度函数值,/>表示预设置的适应度阈值,/>表示第k+1次更新迭代后,第s个量子粒子的位置坐标;
表示0.5-1之间的随机数,/>,k表示当前迭代次数,K表示最大迭代次数;
表示从量子粒子初始化到第k次迭代,第s个量子粒子的最小适应度函数值所对应的位置坐标,其中第s个量子粒子的最小适应度函数值即为第s个量子粒子的最优适应度函数值,/>表示从量子粒子初始化到第k次迭代,所有量子粒子的最小适应度函数值所对应的位置坐标;
表示第k次更新迭代后任意量子粒子的位置坐标,/>表示差分系数,将其设置为0.1;
比较迭代更新后量子粒子位置坐标的适应度函数值以及最优适应度函数值,将每个量子粒子的最小适应度函数值作为其最优适应度函数值,并更新从量子粒子初始化到第k次迭代,所有量子粒子的最小适应度函数值所对应的位置坐标;
S46:若,则比较S个量子粒子的最优适应度函数值,选取最小的适应度函数值所对应的量子粒子位置坐标作为求解得到的不同火电机组调频控制参数;
否则令,返回步骤S44。
6.如权利要求5所述的一种多元协同的火电机组负荷运行快速调整方法,其特征在于,所述S5步骤中将不同火电机组的调频控制参数输入到最优火电机组调频控制资源映射模型中,包括:
将多元协同火电机组负荷运行模型中输出的不同火电机组调频控制参数输入到最优火电机组调频控制资源映射模型中。
7.如权利要求6所述的一种多元协同的火电机组负荷运行快速调整方法,其特征在于,所述S5步骤中最优火电机组调频控制资源映射模型输出不同火电机组的耗煤量,包括:
最优火电机组调频控制资源映射模型根据火电机组的编号,将火电机组调频控制参数输入到对应编号的映射层以及输出层中,得到不同火电机组的耗煤量。
8.如权利要求7所述的一种多元协同的火电机组负荷运行快速调整方法,其特征在于,所述S5步骤中根据模型输出结果快速调整不同火电机组的耗煤量,进而调整火电机组运行负荷,包括:
根据最优火电机组调频控制资源映射模型输出的不同火电机组的耗煤量,快速调整不同火电机组的当前耗煤量,进而调整不同火电机组的频率以及火电机组运行负荷,使得当前火电机组运行负荷快速达到火电机组目标运行负荷。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310063666.0A CN115912409B (zh) | 2023-01-13 | 2023-01-13 | 一种多元协同的火电机组负荷运行快速调整方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310063666.0A CN115912409B (zh) | 2023-01-13 | 2023-01-13 | 一种多元协同的火电机组负荷运行快速调整方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115912409A CN115912409A (zh) | 2023-04-04 |
CN115912409B true CN115912409B (zh) | 2023-07-21 |
Family
ID=86479094
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310063666.0A Active CN115912409B (zh) | 2023-01-13 | 2023-01-13 | 一种多元协同的火电机组负荷运行快速调整方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115912409B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104850908A (zh) * | 2015-05-22 | 2015-08-19 | 上海电力学院 | 基于混沌粒子群的火电机组负荷优化分配方法 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7240862B2 (ja) * | 2018-11-29 | 2023-03-16 | 株式会社日立製作所 | 周波数制御装置および周波数制御方法 |
CN111628503B (zh) * | 2020-06-20 | 2021-11-30 | 东北电力大学 | 考虑广义储能与火电联合调峰的优化调度方法 |
CN112044243A (zh) * | 2020-08-05 | 2020-12-08 | 华能国际电力股份有限公司上安电厂 | 火电机组脱硫装置排放指标自动控制系统及方法 |
CN112162484B (zh) * | 2020-09-24 | 2023-03-14 | 华北电力大学(保定) | 一种适用于深调峰运行的火电机组柔性协调控制方法 |
CN112365101A (zh) * | 2020-12-09 | 2021-02-12 | 国网山东省电力公司电力科学研究院 | 基于遗传算法的火电机组调峰组合总煤耗优化方法及系统 |
CN113394817B (zh) * | 2021-06-28 | 2023-03-28 | 国网甘肃省电力公司电力科学研究院 | 一种风光水火储系统的多能容量优化配置方法 |
CN114156910A (zh) * | 2021-10-18 | 2022-03-08 | 华电国际电力股份有限公司莱城发电厂 | 一种基于信号同源的agc负荷解耦控制方法和自动寻优装置 |
CN114583764A (zh) * | 2022-03-07 | 2022-06-03 | 青岛洪锦智慧能源技术有限公司 | 一种火电机组agc性能指标优化方法及其装置 |
CN114583719B (zh) * | 2022-03-21 | 2024-04-19 | 国电内蒙古东胜热电有限公司 | 一种火电厂agc一次调频控制逻辑优化分析系统 |
CN114899844B (zh) * | 2022-06-13 | 2023-06-20 | 华能国际电力股份有限公司德州电厂 | 一种小扰动火电机组一次调频控制系统 |
CN115241936B (zh) * | 2022-08-12 | 2024-01-12 | 国家能源泰安热电有限公司 | 一种网源协同的火电机组负荷调频系统 |
-
2023
- 2023-01-13 CN CN202310063666.0A patent/CN115912409B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104850908A (zh) * | 2015-05-22 | 2015-08-19 | 上海电力学院 | 基于混沌粒子群的火电机组负荷优化分配方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115912409A (zh) | 2023-04-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107301472A (zh) | 基于场景分析法和电压调节策略的分布式光伏规划方法 | |
US20150244173A1 (en) | Method of managing electric power, power management device and program | |
CN111596718A (zh) | 光伏发电控制方法、装置、计算机设备和存储介质 | |
CN112510723A (zh) | 储能集群调控方法、装置、计算机设备和存储介质 | |
CN115912409B (zh) | 一种多元协同的火电机组负荷运行快速调整方法 | |
CN115619005A (zh) | 一种智能用电网络资源优化配置方法及系统 | |
CN116184828A (zh) | 自适应汽轮机高调阀特性曲线在线实时优化方法与系统 | |
CN116993205A (zh) | 一种面向城市综合能源系统日内运行的调节能力评估方法 | |
US20180198277A1 (en) | Methods And Systems For A Renewable Electricity System | |
CN108155673A (zh) | 考虑发电侧组合发电不确定性的电力系统优化调度方法 | |
US20180197252A1 (en) | Methods And Systems For A Renewable Electricity System | |
CN114204598A (zh) | 一种考虑柔性负荷参与调控的孤岛微网稳定性控制方法 | |
CN109388858A (zh) | 基于头脑风暴优化算法的非线性传感器校正方法 | |
CN115587326B (zh) | 一种噪声环境风电场数据修正方法 | |
CN107591806A (zh) | 一种考虑主动配电网有功调节能力的主网日前调度方法 | |
CN114204595B (zh) | 一种需求侧灵活性资源参与电网自动发电控制方法及系统 | |
CN116577843A (zh) | 一种分布式声雷达风功率预测方法 | |
JP6736496B2 (ja) | 設備設計支援方法、設備設計支援装置、およびプログラム | |
CN113569936B (zh) | 绿电系统的供电控制方法、装置及计算机存储介质 | |
CN114759579A (zh) | 一种基于数据驱动的电网有功优化控制系统、方法和介质 | |
CN113159540A (zh) | 一种考虑负荷价值的需求侧资源梯级调用方法及装置 | |
KR20220157842A (ko) | 태양광 발전 출력 평활화 방법 및 장치 | |
CN116995672B (zh) | 一种多源信息融合的鲁棒配电方法 | |
CN116451886B (zh) | 一种高标准农田水平衡计算方法 | |
CN118199182A (zh) | 基于分布式能源适应性的虚拟电厂分层控制方法及系统 |
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 |