CN116360352B - 一种发电厂用智能控制方法及系统 - Google Patents
一种发电厂用智能控制方法及系统 Download PDFInfo
- Publication number
- CN116360352B CN116360352B CN202211552876.8A CN202211552876A CN116360352B CN 116360352 B CN116360352 B CN 116360352B CN 202211552876 A CN202211552876 A CN 202211552876A CN 116360352 B CN116360352 B CN 116360352B
- Authority
- CN
- China
- Prior art keywords
- matrix
- distance
- elements
- power plant
- attribute
- 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
- 238000000034 method Methods 0.000 title claims abstract description 32
- 239000011159 matrix material Substances 0.000 claims abstract description 198
- 239000000284 extract Substances 0.000 claims abstract description 7
- 238000011217 control strategy Methods 0.000 claims description 36
- 239000013598 vector Substances 0.000 claims description 26
- 230000000717 retained effect Effects 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000013479 data entry Methods 0.000 claims description 6
- 238000000354 decomposition reaction Methods 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 6
- 230000001502 supplementing effect Effects 0.000 claims description 3
- 230000017105 transposition Effects 0.000 claims 1
- 238000012423 maintenance Methods 0.000 description 8
- 238000011161 development Methods 0.000 description 3
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 2
- 238000009412 basement excavation Methods 0.000 description 2
- 239000003245 coal Substances 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000003546 flue gas Substances 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000011017 operating method Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM]
- G05B19/41875—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS] or computer integrated manufacturing [CIM] characterised by quality surveillance of production
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32368—Quality control
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Manufacturing & Machinery (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及发电厂技术领域,公开了一种发电厂用智能控制方法及系统,其中一种发电厂用智能控制系统,包括:第一矩阵生成单元,其基于第一对象和第二对象的第一距离生成第一矩阵;第一矩阵更新单元,其用于对第一矩阵进行更新;第一集合生成单元,其基于更新后的第一矩阵中的元素与第一对象的第三距离生成第一集合;第二集合生成单元,其用于生成第二集合;第三矩阵生成单元,其基于第一集合和第二集合建立第三矩阵,然后压缩第三矩阵生成第四矩阵;第三集合生成单元,其用于生成第三集合;策略管理单元,其基于第三集合的一个以上的第二对象提取对应的控制策略用于执行。
Description
技术领域
本发明涉及发电厂管理领域,更具体地说,它涉及一种发电厂用智能控制方法。
背景技术
火力发电是现代社会电力发展的主力军,在提出建设和谐社会、发展循环经济的大背景下,我们在提高火电技术的方向上要着重考虑电力对环境的影响,对不可再生能源的影响。虽然在中国已有部分核电机组,但火电仍占领电力的大部分市场。近几年电力发展滞后经济发展,全国上了许多火电厂,但火电技术必须不断提高发展,才能适应和谐社会的要求。
现代化火电厂是一个庞大而又复杂的生产电能与热能的工厂,它由下列5个系统组成:①燃料系统。②燃烧系统。③汽水系统。④电气系统。⑤控制系统。近代火电厂由大量各种各样的机械装置和电工设备所构成。为了生产电能和热能,这些装置和设备必须协调动作,达到安全经济生产的目的。这项工作就是火电厂的运行。为了保证炉、机、电等主要设备及各系统的辅助设备的安全经济运行,就要严格执行一系列运行规程和规章制度。通过大数据的挖掘来实现发电厂智能化的运维和控制是现代化火电厂重要的特点,现有技术中的火电厂控制系统对于数据挖掘的应用多集中于故障检测和异常分析,大部分的管理策略仍然需要依靠管理人员根据系统数据进行人工制定,采用人工制定的缺陷是对管理人员的水平依赖度较高。
发明内容
本发明提供一种发电厂用智能控制方法,解决相关技术中管理策略仍然需要依靠管理人员根据系统数据进行人工制定的技术问题。
根据本发明的一个方面,提供了一种发电厂用智能控制方法,包括:
步骤101,提取发电厂数据,基于当前的发电厂数据生成第一对象,基于历史的发电厂数据生成第二对象;第一对象和第二对象来源于同一个发电厂的数据,拥有相同的属性;
步骤102,筛选第一对象和第二对象的属性,随机保留若干个属性,并将保留的属性作为第一属性;
步骤103,通过第一属性计算第一对象和第二对象的第一距离,并计算第二对象中与第一对象的第一距离小于设定的第一阈值的数量;
生成第一矩阵,第一矩阵的元素的数量的计算公式如下:
其中s为第二对象中与第一对象的第一距离小于设定的第一阈值的数量;
步骤104,从提取的第二对象中随机选择S个第二对象作为第一矩阵的元素;
步骤105,选择一个非第一矩阵元素的第二对象,计算第二对象与第一矩阵的元素的第一距离,然后选择第一距离最小的元素作为中心元素,然后更新中心元素及其邻近元素;
步骤106,更新中心元素与邻近元素,更新第一矩阵的元素的公式如下:
其中表示更新之后的第一矩阵的元素的第x项属性的值,/>表示更新之前的第一矩阵的元素的第x项属性的值,/>表示步骤S105中选择的第二对象的第x项属性的值,t表示第一矩阵的元素更新的次数;
步骤107,迭代执行步骤105和步骤106直至t达到设定的次数阈值之后获得第二矩阵;
步骤108,计算第二矩阵的元素和第一对象的第三距离,然后选择与第一对象的第三距离最小的第二矩阵的元素作为第一元素;
步骤109,提取第二对象生成第一集合,第一集合中的第二对象与第一元素的第三距离小于与第二矩阵的其他元素的第三距离;
步骤110,对第一元素进行扩展,使其属性的数量与第一对象的全属性的数量一致,然后计算第一元素和第二对象的全属性距离,选择全属性距离小于设定的第一全属性距离阈值的第二对象生成第二集合;
步骤111,基于第一集合和第二集合构建第三矩阵,第三矩阵的一个的b个元素分别表征第一对象或第二对象的全属性;第三矩阵的行数等于第一对象和第二对象的总数量;
步骤112,对第三矩阵的元素进行更新,更新的公式如下:
其中,cv为更新之前的第三矩阵的元素,kf为更新的第三矩阵的元素所述的列的元素的均值;
步骤113,对第三矩阵进行奇异值分解,A=U∑VT,其中A为第三矩阵,U和V分别为左奇异矩阵和右奇异矩阵,∑为第三矩阵的协方差矩阵,通过对协方差矩阵的特征值通过设定的第一特征阈值进行筛选,只保留大于第一特征阈值的特征值对应的协方差矩阵的特征向量,对应的对左奇异矩阵进行压缩,然后计算第四矩阵;
步骤114,计算第四矩阵中表示第一对象的向量的与表示第二对象的向量的第四距离;
步骤115,提取第二对象生成第三集合,提取的第二对象对应的第四矩阵的向量与第四矩阵中表示第一对象的向量的第四距离大于设定的第四距离阈值;
从第三集合中选择前M个第二对象,然后提取该第二对象对应的控制策略推荐给管理人员,由管理人员选择控制策略进行执行;
或者,选择第三集合中排名第一的第二对象对应的控制策略进行执行。
进一步地,预先的已经将历史上的发电厂数据以及控制策略进行存储,一条数据应当是与一个控制策略对应的。
进一步地,通过以下公式计算第二对象与第一对象的第一距离:
其中xi表示第一对象在步骤S102中保留的第i项属性,yi表示第二对象在步骤S102中保留的第i项属性,n为步骤S102中保留的第一对象的属性的总项数。
进一步地,中心元素的邻近元素是指与中心元素的第二距离小于设定的第二距离阈值的元素,第二距离的计算公式如下:
D3=[(行1-行2)2+(列1-列2)2]1/2
其中,行1和行2分别为两个元素的所在矩阵的行数,列1和列2分别为两个元素的所在矩阵的列数。
进一步地,次数阈值设置为(S/C2)2,其中S为第一矩阵的元素的数量,C为第二距离阈值。
进一步地,第三距离的计算公式如下:
其中xi表示第一对象或第二对象在步骤S102中保留的第i项属性,zi表示第二矩阵的元素的第i项属性,n为步骤S102中保留的第一对象的属性的总项数。
进一步地,扩展第一元素的方法包括:
逐个补充第一元素缺少的属性,并计算第一元素缺少的属性值,计算公式如下:
其中q表示参与第一元素的更新的第二元素的总数量,表示第l个参与第一元素的更新的第二元素的第i项属性。
进一步地,第四距离的计算公式如下:
其中X表示第四矩阵中表示第一对象的向量,Y表示第四矩阵中表示第二对象的向量,表示第四矩阵的协方差矩阵的逆矩阵。
进一步地,步骤S111中的全属性是指第一对象或第二对象的全部的属性,并非步骤102中保留的属性。
根据本发明的一个方面,提供了一种发电厂用智能控制系统,用于执行上述的一种发电厂用智能控制方法,包括:
电厂数据库,其用于存储发电厂数据条目以及与发电厂数据条目匹配的控制策略;
对象生成单元,其基于发电厂数据生成第一对象和第二对象;
第一矩阵生成单元,其基于第一对象和第二对象的第一距离生成第一矩阵;
第一矩阵更新单元,其用于对第一矩阵进行更新;
第一集合生成单元,其基于更新后的第一矩阵中的元素与第一对象的第三距离生成第一集合;
第二集合生成单元,其基于更新后的第一矩阵中的元素与第一对象的第三距离提取第一元素,然后对第一元素进行扩展,基于第一元素和第二对象的全属性距离筛选第二对象生成第二集合;
第三矩阵生成单元,其基于第一集合和第二集合建立第三矩阵,然后对第三矩阵进行更新和奇异值分解,压缩第三矩阵生成第四矩阵;
第三集合生成单元,其计算第四矩阵的向量的第四距离,然后基于第四距离生成第三集合;
策略管理单元,其基于第三集合的一个以上的第二对象提取对应的控制策略用于执行。
本发明的有益效果在于:
本发明对于发电厂的多源高维的数据来源进行特定的处理和挖掘,自动的匹配控制策略,能够降低发电厂管理人员的工作量,降低对于管理人员的依赖度。
附图说明
图1是本发明的一种发电厂用智能控制方法的流程图一;
图2是本发明的一种发电厂用智能控制方法的流程图二;
图3是本发明的一种发电厂用智能控制方法的流程图三;
图4是本发明的一种发电厂用智能控制方法的流程图四;
图5是本发明的一种发电厂用智能控制系统的模块示意图。
图中:电厂数据库101,对象生成单元102,第一矩阵生成单元103,第一矩阵更新单元104,第一集合生成单元105,第二集合生成单元106,第三矩阵生成单元107,第三集合生成单元108,策略管理单元109。
具体实施方式
现在将参考示例实施方式讨论本文描述的主题。应该理解,讨论这些实施方式只是为了使得本领域技术人员能够更好地理解从而实现本文描述的主题,可以在不脱离本说明书内容的保护范围的情况下,对所讨论的元素的功能和排列进行改变。各个示例可以根据需要,省略、替代或者添加各种过程或组件。另外,相对一些示例所描述的特征在其他例子中也可以进行组合。
实施例一
如图1-图4所示,一种发电厂用智能控制方法,包括:
步骤101,提取发电厂数据,基于当前的发电厂数据生成第一对象,基于历史的发电厂数据生成第二对象;第一对象和第二对象来源于同一个发电厂的数据,拥有相同的属性;
在本发明的一个实施例中,第一对象和第二对象的属性包括阀门压力数据、锅炉温度数据、蒸汽温度数据、烟气温度数据、供煤量数据、发电量数据等,上述的数据仅是列举类型,并非只作为一个属性,例如A、B、C、D、E、F、G等多个阀门压力分别作为一个属性,A、B、C、D、E、F、G等多个蒸汽出口温度分别作为一个属性;A、B、C、D、E、F、G等多个锅炉温度测量点温度分别作为一个属性。也即可能包含多个属性表征阀门压力,每个属性表征一个阀门的压力。
预先的已经将历史上的发电厂数据以及控制策略进行存储,一条数据应当是与一个控制策略对应的,当然的控制策略可以是包含多个步骤的连续操作。
在本发明的一个实施例中,对发电厂数据进行预处理,在生成的第一对象和第二对象中删除与控制策略完全无关的数据。
在这一步骤可以对第一对象和第二对象的属性进行归一化处理,使其属性的值域归一到[0,1];
步骤102,筛选第一对象和第二对象的属性,随机保留若干个属性,并将保留的属性作为第一属性;
步骤103,通过第一属性计算第一对象和第二对象的第一距离,并计算第二对象中与第一对象的第一距离小于设定的第一阈值的数量;
对于随机保留的属性均为数值的属性,可以通过以下公式计算第二对象与第一对象的第一距离:
其中xi表示第一对象在步骤S102中保留的第i项属性,yi表示第二对象在步骤S102中保留的第i项属性,n为步骤S102中保留的第一对象的属性的总项数;
生成第一矩阵,第一矩阵的元素的数量的计算公式如下:
其中s为第二对象中与第一对象的第一距离小于设定的第一阈值的数量;
在本发明的一个实施例中,第一矩阵的行列数可以通过对S进行最佳分解获得的乘数作为第一矩阵的行数和列数。
步骤104,从提取的第二对象中随机选择S个第二对象作为第一矩阵的元素;
步骤105,选择一个非第一矩阵元素的第二对象,计算第二对象与第一矩阵的元素的第一距离,然后选择第一距离最小的元素作为中心元素,然后更新中心元素及其邻近元素;
中心元素的邻近元素是指与中心元素的第二距离小于设定的第二距离阈值的元素,第二距离的计算公式如下:
D3=[(行1-行2)2+(列1-列2)2]1/2
其中,行1和行2分别为两个元素的所在矩阵的行数,列1和列2分别为两个元素的所在矩阵的列数;
步骤106,更新中心元素与邻近元素,更新第一矩阵的元素的公式如下:
其中表示更新之后的第一矩阵的元素的第x项属性的值,/>表示更新之前的第一矩阵的元素的第x项属性的值,/>表示步骤S105中选择的第二对象的第x项属性的值,t表示第一矩阵的元素更新的次数;
步骤107,迭代执行步骤105和步骤106直至t达到设定的次数阈值之后获得第二矩阵;
在本发明的一个实施例中,次数阈值设置为(S/C2)2,其中S为第一矩阵的元素的数量,C为第二距离阈值;
步骤108,计算第二矩阵的元素和第一对象的第三距离,然后选择与第一对象的第三距离最小的第二矩阵的元素作为第一元素;
步骤109,提取第二对象生成第一集合,第一集合中的第二对象与第一元素的第三距离小于与第二矩阵的其他元素的第三距离;
在本发明的一个实施例中,第三距离的计算公式如下:
其中xi表示第一对象或第二对象在步骤S102中保留的第i项属性,zi表示第二矩阵的元素的第i项属性,n为步骤S102中保留的第一对象的属性的总项数;
步骤110,对第一元素进行扩展,使其属性的数量与第一对象的全属性的数量一致,然后计算第一元素和第二对象的全属性距离,选择全属性距离小于设定的第一全属性距离阈值的第二对象生成第二集合;
扩展第一元素的方法包括:
逐个补充第一元素缺少的属性,并计算第一元素缺少的属性值,计算公式如下:
其中q表示参与第一元素的更新的第二元素的总数量,表示第l个参与第一元素的更新的第二元素的第i项属性;
步骤111,基于第一集合和第二集合构建第三矩阵,第三矩阵的一个的b个元素分别表征第一对象或第二对象(第一集合和第二集合中的)的全属性;第三矩阵的行数等于第一对象和第二对象的总数量;
这里的全属性是指第一对象或第二对象的全部的属性,并非步骤102中保留的属性;
步骤112,对第三矩阵的元素进行更新,更新的公式如下:
其中,cv为更新之前的第三矩阵的元素,kf为更新的第三矩阵的元素所述的列的元素的均值;
步骤113,对第三矩阵进行奇异值分解,A=U∑VT,其中A为第三矩阵,U和V分别为左奇异矩阵和右奇异矩阵,∑为第三矩阵的协方差矩阵,通过对协方差矩阵的特征值通过设定的第一特征阈值进行筛选,只保留大于第一特征阈值的特征值对应的协方差矩阵的特征向量,对应的对左奇异矩阵进行压缩,然后计算第四矩阵;
步骤114,计算第四矩阵中表示第一对象的向量的与表示第二对象的向量的第四距离,第四距离的计算公式如下:
其中X表示第四矩阵中表示第一对象的向量,Y表示第四矩阵中表示第二对象的向量,表示第四矩阵的协方差矩阵的逆矩阵;
步骤115,提取第二对象生成第三集合,提取的第二对象对应的第四矩阵的向量与第四矩阵中表示第一对象的向量的第四距离大于设定的第四距离阈值;
如图3所示,从第三集合中选择前M个第二对象(按照第四距离由小至大的顺序),然后提取该第二对象对应的控制策略推荐给管理人员,由管理人员选择控制策略进行执行;
或者,如图4所示,选择第三集合中排名第一的第二对象对应的控制策略进行执行;
在本发明的一个实施例中,控制策略是发电厂运维控制策略,其包含运维的区域、运维人员配置、运维所需工具、运维所需设备、运维时间等参数和条件,能够合理的对发电厂运维进行支配。
此时时间、阀门压力数据、锅炉温度数据、蒸汽温度数据、烟气温度数据、供煤量数据、发电量数据等数据均是影响发电厂运维控制策略的,应该被考虑为第一对象和第二对象的属性。
当然,在本发明的其他实施例中,控制策略也可以只包括可以自动执行的步骤,例如蒸汽系统的控制策略,通过控制电控的阀门即可自动化执行。
本发明对于发电厂的多源高维的数据来源进行特定的处理,在考虑全属性之前针对数据特性缩小匹配的范围,针对于缩小匹配的步骤来综合性的进行降维以及考虑全局和属性关联的控制策略的匹配,能够降低发电厂管理人员的工作量。
如图5所示,本发明提供一种发电厂用智能控制系统,包括:
电厂数据库101,其用于存储发电厂数据条目以及与发电厂数据条目匹配的控制策略;
对象生成单元102,其基于发电厂数据生成第一对象和第二对象;第一对象和第二对象来源于同一个发电厂的数据,拥有相同的属性;
第一矩阵生成单元103,其基于第一对象和第二对象的第一距离生成第一矩阵;
通过第一属性计算第一对象和第二对象的第一距离,并计算第二对象中与第一对象的第一距离小于设定的第一阈值的数量;
生成第一矩阵,第一矩阵的元素的数量的计算公式如下:
其中s为第二对象中与第一对象的第一距离小于设定的第一阈值的数量;
第一矩阵的行列数可以通过对S进行最佳分解获得的乘数作为第一矩阵的行数和列数。
步骤104,从提取的第二对象中随机选择S个第二对象作为第一矩阵的元素
第一矩阵更新单元104,其用于对第一矩阵进行更新,更新第一矩阵的元素的公式如下:
其中表示更新之后的第一矩阵的元素的第x项属性的值,/>表示更新之前的第一矩阵的元素的第x项属性的值,/>表示选择的用于更新第一矩阵的元素的第二对象的第x项属性的值,t表示第一矩阵的元素更新的次数;
第一集合生成单元105,其基于更新后的第一矩阵中的元素与第一对象的第三距离生成第一集合;
第二集合生成单元106,其基于更新后的第一矩阵中的元素与第一对象的第三距离提取第一元素,然后对第一元素进行扩展,使其属性的数量与第一对象的全属性的数量一致,然后计算第一元素和第二对象的全属性距离,选择全属性距离小于设定的第一全属性距离阈值的第二对象生成第二集合;
第三矩阵生成单元107,其基于第一集合和第二集合建立第三矩阵,然后对第三矩阵进行奇异值分解,A=U∑VT,其中A为第三矩阵,U和V分别为左奇异矩阵和右奇异矩阵,Σ为第三矩阵的协方差矩阵,通过对协方差矩阵的特征值通过设定的第一特征阈值进行筛选,只保留大于第一特征阈值的特征值对应的协方差矩阵的特征向量,对应的对左奇异矩阵进行压缩,然后计算第四矩阵;
第三集合生成单元108,其计算第四矩阵的向量的第四距离,然后基于第四距离生成第三集合;第四距离的计算公式如下:
其中X表示第四矩阵中表示第一对象的向量,Y表示第四矩阵中表示第二对象的向量,表示第四矩阵的协方差矩阵的逆矩阵。
策略管理单元109,其基于第三集合的一个以上的第二对象提取对应的控制策略用于执行;
从第三集合中选择前M个第二对象,然后提取该第二对象对应的控制策略推荐给管理人员,由管理人员选择控制策略进行执行;
或者,选择第三集合中排名第一的第二对象对应的控制策略进行执行。
在本发明的一个实施例中,一种发电厂用智能控制系统还包括控制策略预选单元,其基于管理人员发出的指令选择需要匹配的控制策略的类型;
在这里类型是以控制策略的执行作用的对象或控制策略的执行作用进行区分的类型,可以确定的是,不同类型的控制策略之间是不能够进行匹配和替换的。
在本发明的一个实施例中,一种发电厂用智能控制系统还包括第二对象预选单元,其基于需要匹配的控制策略的类型来筛选相同类型的控制策略,然后根据控制策略匹配对应的第二对象。
第二对象预选单元筛选的第二对象可以是对象生成单元102所生成的第二对象;
在本发明的一个实施例中,一种发电厂用智能控制系统还包括控制策略分类单元,其用于对控制策略进行分类,确定其类型并存储于电厂数据库101内。
上面对本实施例的实施例进行了描述,但是本实施例并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本实施例的启示下,还可做出很多形式,均属于本实施例的保护之内。
Claims (10)
1.一种发电厂用智能控制方法,其特征在于,包括:
步骤101,提取发电厂数据,基于当前的发电厂数据生成第一对象,基于历史的发电厂数据生成第二对象;第一对象和第二对象来源于同一个发电厂的数据,拥有相同的属性;
步骤102,筛选第一对象和第二对象的属性,随机保留若干个属性,并将保留的属性作为第一属性;
步骤103,通过第一属性计算第一对象和第二对象的第一距离,并计算第二对象中与第一对象的第一距离小于设定的第一阈值的数量;
生成第一矩阵,第一矩阵的元素的数量的计算公式如下:
其中s为第二对象中与第一对象的第一距离小于设定的第一阈值的数量;
步骤104,从提取的第二对象中随机选择S个第二对象作为第一矩阵的元素;
步骤105,选择一个非第一矩阵元素的第二对象,计算第二对象与第一矩阵的元素的第一距离,然后选择第一距离最小的元素作为中心元素,然后更新中心元素及其邻近元素;
步骤106,更新中心元素与邻近元素,更新第一矩阵的元素的公式如下:
其中表示更新之后的第一矩阵的元素的第x项属性的值,/>表示更新之前的第一矩阵的元素的第x项属性的值,/>表示步骤S105中选择的第二对象的第x项属性的值,t表示第一矩阵的元素更新的次数;
步骤107,迭代执行步骤105和步骤106直至t达到设定的次数阈值之后获得的第一矩阵作为第二矩阵;
步骤108,计算第二矩阵的元素和第一对象的第三距离,然后选择与第一对象的第三距离最小的第二矩阵的元素作为第一元素;
步骤109,提取第二对象生成第一集合,第一集合中的第二对象与第一元素的第三距离小于与第二矩阵的其他元素的第三距离;
步骤110,对第一元素进行扩展,使其属性的数量与第一对象的全属性的数量一致,然后计算第一元素和第二对象的全属性距离,选择全属性距离小于设定的第一全属性距离阈值的第二对象生成第二集合;
步骤111,基于第一集合和第二集合构建第三矩阵,第三矩阵的b个元素分别表征第一对象或第二对象的全属性;第三矩阵的行数等于第一对象和第二对象的总数量;
步骤112,对第三矩阵的元素进行更新,更新的公式如下:
其中,cv为更新之前的第三矩阵的元素,cv+1为更新之后的第三矩阵的元素,kf为更新的第三矩阵的元素所属的列的元素的均值;
步骤113,对第三矩阵进行奇异值分解,A=U∑VT,其中A为第三矩阵,U和V分别为左奇异矩阵和右奇异矩阵,∑为协方差矩阵,T表示矩阵的转置,通过对协方差矩阵的特征值通过设定的第一特征阈值进行筛选,只保留大于第一特征阈值的特征值对应的协方差矩阵的特征向量,对应的对左奇异矩阵进行压缩,然后计算第四矩阵;
步骤114,计算第四矩阵中表示第一对象的向量的与表示第二对象的向量的第四距离;
步骤115,提取第二对象生成第三集合,提取的第二对象对应的第四矩阵的向量与第四矩阵中表示第一对象的向量的第四距离大于设定的第四距离阈值;
从第三集合中选择前M个第二对象,然后提取该第二对象对应的控制策略推荐给管理人员,由管理人员选择控制策略进行执行;
或者,选择第三集合中排名第一的第二对象对应的控制策略进行执行。
2.根据权利要求1所述的一种发电厂用智能控制方法,其特征在于,预先的已经将历史上的发电厂数据以及控制策略进行存储,一条数据应当是与一个控制策略对应的。
3.根据权利要求1所述的一种发电厂用智能控制方法,其特征在于,通过以下公式计算第二对象与第一对象的第一距离:
其中xi表示第一对象在步骤S102中保留的第i项属性,yi表示第二对象在步骤S102中保留的第i项属性,n为步骤S102中保留的第一对象的属性的总项数。
4.根据权利要求1所述的一种发电厂用智能控制方法,其特征在于,中心元素的邻近元素是指与中心元素的第二距离小于设定的第二距离阈值的元素,第二距离的计算公式如下:
D3=[(行1-行2)2+(列1-列2)2]1/2
其中,行1和行2分别为两个元素的所在矩阵的行数,列1和列2分别为两个元素的所在矩阵的列数。
5.根据权利要求1所述的一种发电厂用智能控制方法,其特征在于,次数阈值设置为(S/C2)2,其中S为第一矩阵的元素的数量,c为第二距离阈值。
6.根据权利要求1所述的一种发电厂用智能控制方法,其特征在于,第三距离的计算公式如下:
其中xi表示第一对象或第二对象在步骤S102中保留的第i项属性,zi表示第二矩阵的元素的第i项属性,n为步骤S102中保留的第一对象的属性的总项数。
7.根据权利要求1所述的一种发电厂用智能控制方法,其特征在于,扩展第一元素的方法包括:
逐个补充第一元素缺少的属性,并计算第一元素缺少的属性值,计算公式如下:
其中q表示参与第一元素的更新的第二元素的总数量,表示第l个参与第一元素的更新的第二元素的第i项属性。
8.根据权利要求1所述的一种发电厂用智能控制方法,其特征在于,第四距离的计算公式如下:
其中X表示第四矩阵中表示第一对象的向量,Y表示第四矩阵中表示第二对象的向量,表示第四矩阵的协方差矩阵的逆矩阵,T表示矩阵的转置。
9.根据权利要求1所述的一种发电厂用智能控制方法,其特征在于,步骤S111中的全属性是指第一对象或第二对象的全部的属性,并非步骤102中保留的属性。
10.一种发电厂用智能控制系统,其特征在于,其用于执行如权利要求1-9任一所述的一种发电厂用智能控制方法,一种发电厂用智能控制系统包括:
电厂数据库,其用于存储发电厂数据条目以及与发电厂数据条目匹配的控制策略;
对象生成单元,其基于发电厂数据生成第一对象和第二对象;
第一矩阵生成单元,其基于第一对象和第二对象的第一距离生成第一矩阵;
第一矩阵更新单元,其用于对第一矩阵进行更新;
第一集合生成单元,其基于更新后的第一矩阵中的元素与第一对象的第三距离生成第一集合;
第二集合生成单元,其基于更新后的第一矩阵中的元素与第一对象的第三距离提取第一元素,然后对第一元素进行扩展,基于第一元素和第二对象的全属性距离筛选第二对象生成第二集合;
第三矩阵生成单元,其基于第一集合和第二集合建立第三矩阵,然后对第三矩阵进行更新和奇异值分解,压缩第三矩阵生成第四矩阵;
第三集合生成单元,其计算第四矩阵的向量的第四距离,然后基于第四距离生成第三集合;
策略管理单元,其基于第三集合的一个以上的第二对象提取对应的控制策略用于执行。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211552876.8A CN116360352B (zh) | 2022-12-02 | 2022-12-02 | 一种发电厂用智能控制方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211552876.8A CN116360352B (zh) | 2022-12-02 | 2022-12-02 | 一种发电厂用智能控制方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116360352A CN116360352A (zh) | 2023-06-30 |
CN116360352B true CN116360352B (zh) | 2024-04-02 |
Family
ID=86939465
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211552876.8A Active CN116360352B (zh) | 2022-12-02 | 2022-12-02 | 一种发电厂用智能控制方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116360352B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105515010A (zh) * | 2015-12-30 | 2016-04-20 | 中国南方电网有限责任公司 | 一种基于合作对策的二级电压协调控制方法及系统 |
CN105939028A (zh) * | 2015-03-03 | 2016-09-14 | 通用电气公司 | 用于增强发电厂发电单元的控制的方法和系统 |
CN107749627A (zh) * | 2017-11-13 | 2018-03-02 | 天津大学 | 基于改进匹配追踪的智能配电网潮流雅可比矩阵估计方法 |
CN107807860A (zh) * | 2017-10-12 | 2018-03-16 | 国网湖南节能服务有限公司 | 一种基于矩阵分解的电力故障分析方法及系统 |
CN110287407A (zh) * | 2019-05-22 | 2019-09-27 | 宁波优策信息技术有限公司 | 一种基于属性特征矩阵的产业政策智能处理方法 |
CN110854853A (zh) * | 2019-12-02 | 2020-02-28 | 山东大学 | 一种发电机组开机方案生成方法及系统 |
CN111191687A (zh) * | 2019-12-14 | 2020-05-22 | 贵州电网有限责任公司 | 基于改进K-means算法的电力通信数据聚类方法 |
CN112446038A (zh) * | 2020-11-09 | 2021-03-05 | 桂林电子科技大学 | 一种基于矩阵分解的访问策略智能化生成方法 |
CN113853601A (zh) * | 2019-05-21 | 2021-12-28 | Arm有限公司 | 用于矩阵运算的装置和方法 |
CN114491401A (zh) * | 2022-01-20 | 2022-05-13 | 北京科技大学 | 一种自适应稀疏矩阵向量乘策略选择及优化方法 |
CN115390448A (zh) * | 2022-08-17 | 2022-11-25 | 浙江大学 | 一种针对燃煤发电厂控制策略的可视化分析方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150184549A1 (en) * | 2013-12-31 | 2015-07-02 | General Electric Company | Methods and systems for enhancing control of power plant generating units |
-
2022
- 2022-12-02 CN CN202211552876.8A patent/CN116360352B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105939028A (zh) * | 2015-03-03 | 2016-09-14 | 通用电气公司 | 用于增强发电厂发电单元的控制的方法和系统 |
CN105515010A (zh) * | 2015-12-30 | 2016-04-20 | 中国南方电网有限责任公司 | 一种基于合作对策的二级电压协调控制方法及系统 |
CN107807860A (zh) * | 2017-10-12 | 2018-03-16 | 国网湖南节能服务有限公司 | 一种基于矩阵分解的电力故障分析方法及系统 |
CN107749627A (zh) * | 2017-11-13 | 2018-03-02 | 天津大学 | 基于改进匹配追踪的智能配电网潮流雅可比矩阵估计方法 |
CN113853601A (zh) * | 2019-05-21 | 2021-12-28 | Arm有限公司 | 用于矩阵运算的装置和方法 |
CN110287407A (zh) * | 2019-05-22 | 2019-09-27 | 宁波优策信息技术有限公司 | 一种基于属性特征矩阵的产业政策智能处理方法 |
CN110854853A (zh) * | 2019-12-02 | 2020-02-28 | 山东大学 | 一种发电机组开机方案生成方法及系统 |
CN111191687A (zh) * | 2019-12-14 | 2020-05-22 | 贵州电网有限责任公司 | 基于改进K-means算法的电力通信数据聚类方法 |
CN112446038A (zh) * | 2020-11-09 | 2021-03-05 | 桂林电子科技大学 | 一种基于矩阵分解的访问策略智能化生成方法 |
CN114491401A (zh) * | 2022-01-20 | 2022-05-13 | 北京科技大学 | 一种自适应稀疏矩阵向量乘策略选择及优化方法 |
CN115390448A (zh) * | 2022-08-17 | 2022-11-25 | 浙江大学 | 一种针对燃煤发电厂控制策略的可视化分析方法及系统 |
Non-Patent Citations (2)
Title |
---|
历史数据驱动下基于粗糙集的AVC系统关键参数挖掘方法;陈光宇;黄越辉;张仰飞;郝思鹏;张友泉;吕干云;;电力自动化设备;20200630;40(06);全文 * |
基于数据驱动与模式挖掘的循环流化床锅炉运行优化研究;贾继宁;吕勇哉;;热力发电;20200531;49(05);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116360352A (zh) | 2023-06-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Valero et al. | Application of the exergetic cost theory to the CGAM problem | |
CN103635910A (zh) | 用于发电厂的操作参数的自动识别 | |
CN102890495B (zh) | 成套设备的诊断方法以及装置 | |
CN109583655B (zh) | 一种发输电多阶段联合扩展规划方法及系统 | |
US20230229124A1 (en) | Operation control system and a control method for a gas-steam combined cycle generator unit | |
CN113837464A (zh) | 一种基于CNN-LSTM-Attention的热电联产锅炉负荷预测方法 | |
CN112377985B (zh) | 基于反馈神经网络的供热机组调峰下限评估方法及系统 | |
CN116360352B (zh) | 一种发电厂用智能控制方法及系统 | |
CN114970766A (zh) | 一种基于线性拟合的电站机组运行参数基准值获取方法 | |
CN114880927A (zh) | 一种智慧电厂监控方法、系统、设备及存储介质 | |
Guha et al. | A maiden application of modified grey wolf algorithm optimized cascade tilt-integral-derivative controller in load frequency control | |
CN113536508A (zh) | 一种制造网络节点分类方法及系统 | |
Alketbi et al. | Predicting the power of a combined cycle power plant using machine learning methods | |
Zheng et al. | A data-driven method for operation pattern analysis of the integrated energy microgrid | |
Liu et al. | Optimal Power Flow with Disjoint Prohibited Zones: New Formulation and Solutions | |
Li et al. | Sizing of a stand-alone microgrid considering electric power, cooling/heating and hydrogen | |
Zhang et al. | A decision-making method based on Bayesian optimization algorithm for small modular reactor | |
CN115526433A (zh) | 一种基于集成混合模型的电厂再热烟气挡板操作预测方法 | |
Pappala et al. | Management of distributed generation units under stochastic load demands using particle swarm optimization | |
CN112348696B (zh) | 基于bp神经网络的供热机组调峰上限评估方法及系统 | |
Gao et al. | A review of different methodologies for solving the problem of wind power's fluctuation | |
Wang et al. | Multi-objective optimization of distributed energy systems under uncertainty | |
Kumar | Redundancy optimisation of a coal fired power plant using simulated annealing technique | |
Sun et al. | Continuous attribute reduction method based on an automatic clustering algorithm and decision entropy | |
Alli et al. | Development of a semi-definite programming weighted sum based approach for solving stochastic multi-objective economic dispatch problems incorporating CHP units |
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 |