CN116703115A - 一种热力发电厂的供电分配方法、装置及电子设备 - Google Patents
一种热力发电厂的供电分配方法、装置及电子设备 Download PDFInfo
- Publication number
- CN116703115A CN116703115A CN202310772305.3A CN202310772305A CN116703115A CN 116703115 A CN116703115 A CN 116703115A CN 202310772305 A CN202310772305 A CN 202310772305A CN 116703115 A CN116703115 A CN 116703115A
- Authority
- CN
- China
- Prior art keywords
- power generation
- data
- power supply
- related data
- time
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000010248 power generation Methods 0.000 claims abstract description 290
- 230000008859 change Effects 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 4
- 230000006870 function Effects 0.000 description 10
- 238000004891 communication Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 5
- 230000008878 coupling Effects 0.000 description 4
- 238000010168 coupling process Methods 0.000 description 4
- 238000005859 coupling reaction Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000005611 electricity Effects 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 239000003245 coal Substances 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种热力发电厂的供电分配方法、装置及电子设备，该方法包括在历史数据库中获取热力发电系统的主要发电关联数据和次要发电关联数据，并计算时间偏差量；获取实时发电关联数据，确定实时发电关联数据对应的预估发电关联数据；基于预估发电关联数据计算预估发电量，并根据目标供电区域对应的供电需求量数据设置预估发电量的供电分配比例。本申请实现了在供电短缺时期实时动态调整各个区域间的供电分配结构，保证能够向重要的目标供电区域供给足够电量的同时，其余地区也能够得到一定程度的电量供给，不至于完全无电可用，使得供电短缺时期不同区域的供电情况更加合理平衡。
Description
技术领域
本申请涉及热力发电技术领域，具体而言，涉及一种热力发电厂的供电分配方法、装置及电子设备。
背景技术
热力发电厂的发电原理为，以煤等物质作为燃料，在锅炉中进行燃烧，依靠燃烧产生的热量对锅炉里的水进行加热而产生蒸汽，然后将来自锅炉的具有一定温度、压力的蒸汽经主汽阀和调节汽阀进入汽轮机内，依次流过一系列环形安装的喷嘴栅和动叶栅而膨胀做功，将其热能转换成推动汽轮机转子旋转的机械能，通过联轴器驱动发电机发电。膨胀做功后的蒸汽由汽轮机排汽部分排出，排汽至凝汽器凝结成水，再送至加热器、经给水送往锅炉加热成蒸汽，如此循环。
在实际情况中，上述发电过程的各参数是会产生动态变化的。以蒸汽为例，蒸汽经过凝汽器冷却回流入锅炉后，会影响锅炉内水的温度，进而影响蒸汽的产生效率。因此，热力发电厂实时产生的电量也是波动的。在供电短缺时期，为避免电量的波动导致某些不可断电的重要区域的供电不足，目前会采用人工主动拉闸来停止向某些不重要区域供电的方式，以保证重要区域供电的稳定与充足，这样的供电分配方式不够合理，会使得供电短缺时期不同区域的供电严重不平衡，部分地区电量充足，而部分地区完全无电可用。
发明内容
为了解决上述问题，本申请实施例提供了一种热力发电厂的供电分配方法、装置及电子设备。
第一方面，本申请实施例提供了一种热力发电厂的供电分配方法，所述方法包括：
在历史数据库中获取热力发电系统的主要发电关联数据和次要发电关联数据，并计算所述主要发电关联数据和次要发电关联数据之间的时间偏差量；
获取实时发电关联数据，基于所述时间偏差量确定所述实时发电关联数据对应的预估发电关联数据；
基于所述预估发电关联数据计算预估发电量，并根据目标供电区域对应的供电需求量数据设置所述预估发电量的供电分配比例，所述预估发电量为经过所述时间偏差量后对应时刻的发电量预估值。
优选的，所述在历史数据库中获取热力发电系统的主要发电关联数据和次要发电关联数据，包括：
在历史数据库中获取上一预设数据统计周期内热力发电系统的主要发电关联数据和次要发电关联数据。
优选的，所述获取实时发电关联数据，基于所述时间偏差量确定所述实时发电关联数据对应的预估发电关联数据，包括：
获取实时发电关联数据，在上一所述预设数据统计周期的历史数据中，基于所述时间偏差量查询所述实时发电关联数据对应的预估发电关联数据。
优选的，所述计算所述主要发电关联数据和次要发电关联数据之间的时间偏差量，包括：
基于所述主要发电关联数据与次要发电关联数据，确定所述主要发电关联数据对应的最小信息熵数据；
根据所述最小信息熵数据确定时间偏差量。
优选的，所述次要发电关联数据包含至少两种不同类型的数据；
所述基于所述主要发电关联数据与次要发电关联数据，确定所述主要发电关联数据对应的最小信息熵数据，包括：
分别基于各组发电关联数据组，确定所述主要发电关联数据对应的最小信息熵数据，每组所述发电关联数据组中仅包含一种所述主要发电关联数据和一种所述次要发电关联数据；
确定各组中所述主要发电关联数据对应的最小信息熵数据；
所述根据所述最小信息熵数据确定时间偏差量，包括：
从各所述最小信息熵数据中，确定熵值最小的目标最小信息熵数据，根据所述目标最小信息熵数据确定时间偏差量。
优选的，所述根据目标供电区域对应的供电需求量数据设置所述预估发电量的供电分配比例，包括：
计算目标供电区域对应的供电需求量数据与预设误差弥补电量之和，得到所述目标供电区域的期望供电量；
根据所述期望供电量与预估发电量的比值设置供电分配比例。
优选的，所述方法还包括：
获取热力发电厂对应的实时气象数据，根据所述实时气象数据相对上一预设数据统计周期内的历史气象数据的数据变化差值，确定误差调整数据；
根据所述误差调整数据调整所述供电分配比例。
第二方面，本申请实施例提供了一种热力发电厂的供电分配装置，所述装置包括：
获取模块，用于在历史数据库中获取热力发电系统的主要发电关联数据和次要发电关联数据，并计算所述主要发电关联数据和次要发电关联数据之间的时间偏差量；
确定模块，用于获取实时发电关联数据，基于所述时间偏差量确定所述实时发电关联数据对应的预估发电关联数据；
计算模块，用于基于所述预估发电关联数据计算预估发电量，并根据目标供电区域对应的供电需求量数据设置所述预估发电量的供电分配比例，所述预估发电量为经过所述时间偏差量后对应时刻的发电量预估值。
第三方面，本申请实施例提供了一种电子设备，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计算机程序时实现如第一方面或第一方面的任意一种可能的实现方式提供的方法的步骤。
第四方面，本申请实施例提供了一种计算机可读存储介质，其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第一方面或第一方面的任意一种可能的实现方式提供的方法。
本发明的有益效果为：根据主要发电关联数据与次要发电关联数据之间的时间偏差量，确定出热力发电系统中发电关联数据发生变化对发电量产生影响的时间延迟，进而对后续的发电量进行预估，并根据预估的发电量对后续该时刻的供电分配比例进行调整，以此在供电短缺时期实时动态调整各个区域间的供电分配结构，保证能够向重要的目标供电区域供给足够电量的同时，其余地区也能够得到一定程度的电量供给，不至于完全无电可用，使得供电短缺时期不同区域的供电情况更加合理平衡。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例中所需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申请的一些实施例，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为本申请实施例提供的一种热力发电厂的供电分配方法的流程示意图；
图2为本申请实施例提供的一种热力发电厂的供电分配装置的结构示意图；
图3为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述。
在下述介绍中，术语“第一”、“第二”仅为用于描述的目的，而不能理解为指示或暗示相对重要性。下述介绍提供了本申请的多个实施例，不同实施例之间可以替换或者合并组合，因此本申请也可认为包含所记载的相同和/或不同实施例的所有可能组合。因而，如果一个实施例包含特征A、B、C，另一个实施例包含特征B、D，那么本申请也应视为包括含有A、B、C、D的一个或多个所有其他可能的组合的实施例，尽管该实施例可能并未在以下内容中有明确的文字记载。
下面的描述提供了示例，并且不对权利要求书中阐述的范围、适用性或示例进行限制。可以在不脱离本申请内容的范围的情况下，对描述的元素的功能和布置做出改变。各个示例可以适当省略、替代或添加各种过程或组件。例如所描述的方法可以以所描述的顺序不同的顺序来执行，并且可以添加、省略或组合各种步骤。此外，可以将关于一些示例描述的特征组合到其他示例中。
参见图1，图1是本申请实施例提供的一种热力发电厂的供电分配方法的流程示意图。在本申请实施例中，所述方法包括：
S101、在历史数据库中获取热力发电系统的主要发电关联数据和次要发电关联数据，并计算所述主要发电关联数据和次要发电关联数据之间的时间偏差量。
本申请的执行主体可以是云端服务器。由于热力发电厂产生的电量一般是通过输送至变电站后，由变电站进行电量分配，故本申请的云端服务器可以是热力发电厂自身控制系统对应的云端服务器，也可以是变电站系统对应的云端服务器。
所述发电关联数据在本申请实施例中可以理解为与热力发电系统的发电环节具有关联性的参数数据，例如蒸汽压力、汽轮机转子转速、锅炉温度等。
所述主要发电关联数据在本申请实施例中可以理解为负责直接进行发电的设备环节所对应的发电关联数据，例如汽轮机转子转速。
所述次要发电关联数据在本申请实施例中可以理解为不直接进行发电的设备环节所对应的发电关联数据，例如蒸汽压力、锅炉温度等。
在本申请的一个实施例中，云端服务器在历史数据库中能够获取热力发电厂的热力发电系统在历史发电过程中所采集到的主要发电关联数据和次要发电关联数据。当次要发电关联数据发生变化时，会在一段时间后关联影响主要发电关联数据，使主要发电关联数据发生变化。例如，当锅炉温度升高后，会影响锅炉在单位时间内的蒸汽产生量，进而影响蒸汽压力，进而提高汽轮机转子的转速。因此，根据历史数据中的主要发电关联数据和次要发电关联数据，便可以通过数据曲线的波峰波谷的位移量等方式来确定数据之间的时间偏差量。
在一种可实施方式中，所述在历史数据库中获取热力发电系统的主要发电关联数据和次要发电关联数据，包括：
在历史数据库中获取上一预设数据统计周期内热力发电系统的主要发电关联数据和次要发电关联数据。
在本申请的一个实施例中，考虑到设备的损耗、昼夜温差变化、气候温度变化等因素会对发电过程产生影响，导致不同时间段的各数据之间的时间偏差量可能会发生变化。为尽可能保证从历史数据中得出的时间偏差量的准确，云端服务器将以预设数据统计周期（例如四小时）来划分历史数据，进行时间偏差量的计算时，将以上一预设数据统计周期内的历史数据作为计算判断依据。由于使用的历史数据的时间段相近，所得到的时间偏差量的准确性将较高。
在一种可实施方式中，所述计算所述主要发电关联数据和次要发电关联数据之间的时间偏差量，包括：
基于所述主要发电关联数据与次要发电关联数据，确定所述主要发电关联数据对应的最小信息熵数据；
根据所述最小信息熵数据确定时间偏差量。
在本申请的一个实施例中，信息熵是指在预设时间段内，所有同一时刻的主要发电关联数据与次要发电关联数据的差值的和。从获得数据中可以得知主要发电关联数据随时间的变化情况和次要发电关联数据随时间的变化情况，通过主要发电关联数据与次要发电关联数据波峰波谷出现的时间间隔，即可知道从主要发电关联数据对应位置改变系统内变量，到影响次要发电关联数据对应位置所需时间。具体而言，可以通过在时间轴上前后调整主要发电关联数据的位置，确定主要发电关联数据和次要发电关联数据在各个时间点的差值的和的最小值（也就是最小信息熵数据），即可确定此时的时间调整量为时间偏差量。通过上述方式得到的时间偏差量，意味着次要发电关联数据的变化影响传递至主要发电关联数据对应位置处所需的最少传递时长。
示例性的，对于时间偏差量的确定，可以以时间为横轴，发电关联数据大小为纵轴构建直角坐标系。由于发电关联数据在时间上是连续的，通过保持主要发电关联数据的曲线不动，平移次要发电关联数据的曲线，最终便可以得到一个信息熵最小的横轴平移量，此时的信息熵即为最小信息熵，对应的横轴平移量为时间偏差量。
实际情况中，通过机器学习算法，便可以从获取到的主要发电关联数据与次要发电关联数据中确定出主要发电关联数据所对应的最小信息熵数据。机器学习算法具体可以根据实际情况进行选择，例如粒子群寻优算法、蜂群寻优算法或蚁群寻优算法等。
在一种可实施方式中，所述次要发电关联数据包含至少两种不同类型的数据；
所述基于所述主要发电关联数据与次要发电关联数据，确定所述主要发电关联数据对应的最小信息熵数据，包括：
分别基于各组发电关联数据组，确定所述主要发电关联数据对应的最小信息熵数据，每组所述发电关联数据组中仅包含一种所述主要发电关联数据和一种所述次要发电关联数据；
确定各组中所述主要发电关联数据对应的最小信息熵数据；
所述根据所述最小信息熵数据确定时间偏差量，包括：
从各所述最小信息熵数据中，确定熵值最小的目标最小信息熵数据，根据所述目标最小信息熵数据确定时间偏差量。
在本申请的一种实施例中，主要发电关联数据只有一种，而次要发电关联数据的数量不限，至少包含两种。云端服务器会分别确定出每一组发电关联数据组的最小信息熵数据，并将其中熵值最小的一个作为目标最小信息熵数据。时间偏差量最终将根据该目标最小信息熵数据确定得到。
S102、获取实时发电关联数据，基于所述时间偏差量确定所述实时发电关联数据对应的预估发电关联数据。
在本申请的一个实施例中，前述过程通过历史数据库中的数据确定出时间偏差量后，云端服务器将获取当前时刻的实时发电关联数据，并以时间偏差量结合之前的历史数据来对经过时间偏差量后的对应时刻的发电关联数据进行预估。此时得到的预估发电关联数据，即被看作是在此刻的实时发电关联数据的实时数值影响下各发电关联数据最终会变化得到的预估数值。其中，实时发电关联数据和预估发电关联数据，都可以包含主要发电关联数据和次要发电关联数据中的至少一种。但在实际情况中，实时发电关联数据中一般只需要关注次要发电关联数据，预估发电关联数据中一般只需要关注主要发电关联数据。
在一种可实施方式中，步骤S102包括：
获取实时发电关联数据，在上一所述预设数据统计周期的历史数据中，基于所述时间偏差量查询所述实时发电关联数据对应的预估发电关联数据。
在本申请的一个实施例中，为提高预估发电关联数据的准确性，同样将会选用相邻的上一个预设数据统计周期内的相应历史数据来进行预估。具体而言，得到了实时发电关联数据后，在历史数据中找到和实时发电关联数据数值相同的次要发电关联数据。以该次要发电关联数据对应的时刻再经过时间偏差量，所得到的时刻对应的主要发电关联数据，即为预估发电关联数据。
需要说明的是，虽然上述方式所得到的预估发电关联数据与该时刻真正的实机发电关联数据之间必然存在误差，但是本申请的目的并非是为了预估出一个准确的数据，且也不需要得到一个准确的数据。本申请是通过分配传输至各个区域的电量的比例来实现电量供给分配，而非是向固定的区域传输固定数值的电量，因此只需要根据预估发电关联数据判断出对应的发电关联数据在后续时刻的大概变化情况（即变大或变小），并以此适应性的调整电量分配比例，保证重要区域能够有足够使用的电量即可。这样的方式无需使用神经网络模型来进行大量的模拟仿真计算，对服务器的运载负担较小，且分配调节效率更高。此外，同样由于无需预估出非常准确的数值，通过最小信息熵数据所确定的时间偏差量，即能够表明数值从时间偏差量对应的时刻开始就已经可能发生变化了，故在该时刻处便进行分配比例的调整。
S103、基于所述预估发电关联数据计算预估发电量，并根据目标供电区域对应的供电需求量数据设置所述预估发电量的供电分配比例，所述预估发电量为经过所述时间偏差量后对应时刻的发电量预估值。
所述目标供电区域在本申请实施例中可以理解为即使在电量短缺时期也需要保证供电充足的区域。
在本申请的一个实施例中，主要发电关联数据是诸如汽轮机转子转速数据，由于该数据直接与发电量相关，在汽轮机的型号、功率等参数已知下，便可以根据汽轮机转子转速直接确定出对应的发电量。故根据预估发电关联数据中对应的主要发电关联数据，便能够计算得到预估发电量。每一个目标供电区域对应有一个供电需求量数据，根据预估发电量与供电需求量数据，即可确定出各个区域的供电分配比例。
以AB两个供电区域进行举例，假设A是重要区域，B是非重要区域，现有的直接拉闸断电的方式，是完全断掉B区域的供电，将全部的电量提供至A区域，即AB两个区域的供电分配比例是100：0，供电分配不合理，会导致B区域完全无电可用。而在实际情况中，对于A区域而言，由于供电过于充足，会导致部分电量被浪费，对于B区域而言，有一些电压稳定性需求较低的用电设备，即使只提供少量的供电，也可以保证这些用电设备在较低的功率下运行，使B区域在电量短缺时期能够进行一些基本的运转，而非完全停滞。故本申请将根据预估发电量确定出供电分配比例（例如80：20），保证A区域能够稳定运转的同时，也向B区域提供一定的电量，使得B区域同样能够进行基本的运转。
在一种可实施方式中，所述根据目标供电区域对应的供电需求量数据设置所述预估发电量的供电分配比例，包括：
计算目标供电区域对应的供电需求量数据与预设误差弥补电量之和，得到所述目标供电区域的期望供电量；
根据所述期望供电量与预估发电量的比值设置供电分配比例。
在本申请的一个实施例中，考虑到预估发电关联数据无法绝对的精准，实际情况下的发电量会出现误差，还考虑到为了保证目标供电区域供电的充足与稳定，应该在其需求电量的基础上额外供给一部分电量作为保险，故设置有预设误差弥补电量。预设误差弥补电量与供电需求量数据之和才是云端服务器认为的期望供电量，供电分配比例将根据期望供电量与预估发电量之比进行设置。
在一种可实施方式中，所述方法还包括：
获取热力发电厂对应的实时气象数据，根据所述实时气象数据相对上一预设数据统计周期内的历史气象数据的数据变化差值，确定误差调整数据；
根据所述误差调整数据调整所述供电分配比例。
在本申请的一个实施例中，预估发电关联数据是根据上一统计周期内的历史数据所预估得到的，虽然热力发电厂的发电设备本身对应的数据在一个统计周期内不容易发生变化，但在一个统计周期的时长内，天气气候可能会发生较大的变化，进而影响环境温度与锅炉燃煤所通入的空气的温度，故依据上一统计周期的历史数据得到的预估发电关联数据在气候发生较大变化时，可能存在较大的误差。因此，本申请还会获取热力发电厂对应的实时气象数据，以此计算出相对上一预设数据统计周期内气象数据的数据变化差值，并以此确定出误差调整数据，进而根据误差调整数据调整优化该时刻对应的供电分配比例。其中，可以预先设置不同的数值变化差值范围，不同的范围对应有一个误差调整数据，实际情况中只需确定得到的数值变化差值所对应的范围，即可得到误差调整数据。
气象数据的量化可以通过数值天气预报（Numerical Weather Prediction，NWP）来实现，其会根据大气实机情况，在一定的初值和边值条件下，作数值计算，求解描写天气演变过程的流体力学和热力学的方程组，以此预测未来一定时段的大气运动状态和天气现象。
下面将结合附图2，对本申请实施例提供的热力发电厂的供电分配装置进行详细介绍。需要说明的是，附图2所示的热力发电厂的供电分配装置，用于执行本申请图1所示实施例的方法，为了便于说明，仅示出了与本申请实施例相关的部分，具体技术细节未揭示的，请参照本申请图1所示的实施例。
请参见图2，图2是本申请实施例提供的一种热力发电厂的供电分配装置的结构示意图。如图2所示，所述装置包括：
获取模块201，用于在历史数据库中获取热力发电系统的主要发电关联数据和次要发电关联数据，并计算所述主要发电关联数据和次要发电关联数据之间的时间偏差量；
确定模块202，用于获取实时发电关联数据，基于所述时间偏差量确定所述实时发电关联数据对应的预估发电关联数据；
计算模块203，用于基于所述预估发电关联数据计算预估发电量，并根据目标供电区域对应的供电需求量数据设置所述预估发电量的供电分配比例，所述预估发电量为经过所述时间偏差量后对应时刻的发电量预估值。
在一种可实施方式中，获取模块201包括：
第一获取单元，用于在历史数据库中获取上一预设数据统计周期内热力发电系统的主要发电关联数据和次要发电关联数据。
在一种可实施方式中，确定模块202包括：
第二获取单元，用于获取实时发电关联数据，在上一所述预设数据统计周期的历史数据中，基于所述时间偏差量查询所述实时发电关联数据对应的预估发电关联数据。
在一种可实施方式中，获取模块201还包括：
第一确定单元，用于基于所述主要发电关联数据与次要发电关联数据，确定所述主要发电关联数据对应的最小信息熵数据；
第二确定单元，用于根据所述最小信息熵数据确定时间偏差量。
在一种可实施方式中，所述次要发电关联数据包含至少两种不同类型的数据；
第一确定单元，包括：
第一确定元件，用于分别基于各组发电关联数据组，确定所述主要发电关联数据对应的最小信息熵数据，每组所述发电关联数据组中仅包含一种所述主要发电关联数据和一种所述次要发电关联数据；
第二确定元件，用于确定各组中所述主要发电关联数据对应的最小信息熵数据；
第二确定单元，包括：
第三确定元件，用于从各所述最小信息熵数据中，确定熵值最小的目标最小信息熵数据，根据所述目标最小信息熵数据确定时间偏差量。
在一种可实施方式中，计算模块203包括：
计算单元，用于计算目标供电区域对应的供电需求量数据与预设误差弥补电量之和，得到所述目标供电区域的期望供电量；
设置单元，用于根据所述期望供电量与预估发电量的比值设置供电分配比例。
在一种可实施方式中，所述装置还包括：
第一调整模块，用于获取热力发电厂对应的实时气象数据，根据所述实时气象数据相对上一预设数据统计周期内的历史气象数据的数据变化差值，确定误差调整数据；
第二调整模块，用于根据所述误差调整数据调整所述供电分配比例。
本领域的技术人员可以清楚地了解到本申请实施例的技术方案可借助软件和/或硬件来实现。本说明书中的“单元”和“模块”是指能够独立完成或与其他部件配合完成特定功能的软件和/或硬件，其中硬件例如可以是现场可编程门阵列（Field－ProgrammableGate Array，FPGA）、集成电路（Integrated Circuit，IC）等。
本申请实施例的各处理单元和/或模块，可通过实现本申请实施例所述的功能的模拟电路而实现，也可以通过执行本申请实施例所述的功能的软件而实现。
参见图3，其示出了本申请实施例所涉及的一种电子设备的结构示意图，该电子设备可以用于实施图1所示实施例中的方法。如图3所示，电子设备300可以包括：至少一个中央处理器301，至少一个网络接口304，用户接口303，存储器305，至少一个通信总线302。
其中，通信总线302用于实现这些组件之间的连接通信。
其中，用户接口303可以包括显示屏（Display）、摄像头（Camera），可选用户接口303还可以包括标准的有线接口、无线接口。
其中，网络接口304可选的可以包括标准的有线接口、无线接口（如WI-FI接口）。
其中，中央处理器301可以包括一个或者多个处理核心。中央处理器301利用各种接口和线路连接整个电子设备300内的各个部分，通过运行或执行存储在存储器305内的指令、程序、代码集或指令集，以及调用存储在存储器305内的数据，执行终端300的各种功能和处理数据。可选的，中央处理器301可以采用数字信号处理（Digital SignalProcessing，DSP）、现场可编程门阵列（Field-Programmable Gate Array，FPGA）、可编程逻辑阵列（Programmable Logic Array，PLA）中的至少一种硬件形式来实现。中央处理器301可集成中央中央处理器（Central Processing Unit，CPU）、图像中央处理器（GraphicsProcessing Unit，GPU）和调制解调器等中的一种或几种的组合。其中，CPU主要处理操作系统、用户界面和应用程序等；GPU用于负责显示屏所需要显示的内容的渲染和绘制；调制解调器用于处理无线通信。可以理解的是，上述调制解调器也可以不集成到中央处理器301中，单独通过一块芯片进行实现。
其中，存储器305可以包括随机存储器（Random Access Memory，RAM），也可以包括只读存储器（Read-OnlyMemory）。可选的，该存储器305包括非瞬时性计算机可读介质（non-transitory computer-readable storage medium）。存储器305可用于存储指令、程序、代码、代码集或指令集。存储器305可包括存储程序区和存储数据区，其中，存储程序区可存储用于实现操作系统的指令、用于至少一个功能的指令（比如触控功能、声音播放功能、图像播放功能等）、用于实现上述各个方法实施例的指令等；存储数据区可存储上面各个方法实施例中涉及到的数据等。存储器305可选的还可以是至少一个位于远离前述中央处理器301的存储装置。如图3所示，作为一种计算机存储介质的存储器305中可以包括操作系统、网络通信模块、用户接口模块以及程序指令。
在图3所示的电子设备300中，用户接口303主要用于为用户提供输入的接口，获取用户输入的数据；而中央处理器301可以用于调用存储器305中存储的热力发电厂的供电分配应用程序，并具体执行以下操作：
在历史数据库中获取热力发电系统的主要发电关联数据和次要发电关联数据，并计算所述主要发电关联数据和次要发电关联数据之间的时间偏差量；
获取实时发电关联数据，基于所述时间偏差量确定所述实时发电关联数据对应的预估发电关联数据；
基于所述预估发电关联数据计算预估发电量，并根据目标供电区域对应的供电需求量数据设置所述预估发电量的供电分配比例，所述预估发电量为经过所述时间偏差量后对应时刻的发电量预估值。
本申请还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述方法的步骤。其中，计算机可读存储介质可以包括但不限于任何类型的盘，包括软盘、光盘、DVD、CD-ROM、微型驱动器以及磁光盘、ROM、RAM、EPROM、EEPROM、DRAM、VRAM、闪速存储器设备、磁卡或光卡、纳米系统（包括分子存储器IC），或适合于存储指令和/或数据的任何类型的媒介或设备。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本申请所必须的。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置，可通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些服务接口，装置或单元的间接耦合或通信连接，可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储器中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或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一个存储器中，包括若干指令用以使得一台计算机设备（可为个人计算机、服务器或者网络设备等）执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储器包括：U盘、只读存储器（Read-Only Memory， ROM）、随机存取存储器（Random Access Memory，RAM）、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通进程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储器中，存储器可以包括：闪存盘、只读存储器（Read-Only Memory， ROM）、随机存取器（Random AccessMemory，RAM）、磁盘或光盘等。
以上所述者，仅为本公开的示例性实施例，不能以此限定本公开的范围。即但凡依本公开教导所作的等效变化与修饰，皆仍属本公开涵盖的范围内。本领域技术人员在考虑说明书及实践这里的公开后，将容易想到本公开的其实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未记载的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的范围和精神由权利要求限定。
Claims (10)
1.一种热力发电厂的供电分配方法，其特征在于，所述方法包括：
在历史数据库中获取热力发电系统的主要发电关联数据和次要发电关联数据，并计算所述主要发电关联数据和次要发电关联数据之间的时间偏差量；
获取实时发电关联数据，基于所述时间偏差量确定所述实时发电关联数据对应的预估发电关联数据；
基于所述预估发电关联数据计算预估发电量，并根据目标供电区域对应的供电需求量数据设置所述预估发电量的供电分配比例，所述预估发电量为经过所述时间偏差量后对应时刻的发电量预估值。
2.根据权利要求1所述的方法，其特征在于，所述在历史数据库中获取热力发电系统的主要发电关联数据和次要发电关联数据，包括：
在历史数据库中获取上一预设数据统计周期内热力发电系统的主要发电关联数据和次要发电关联数据。
3.根据权利要求2所述的方法，其特征在于，所述获取实时发电关联数据，基于所述时间偏差量确定所述实时发电关联数据对应的预估发电关联数据，包括：
获取实时发电关联数据，在上一所述预设数据统计周期的历史数据中，基于所述时间偏差量查询所述实时发电关联数据对应的预估发电关联数据。
4.根据权利要求1所述的方法，其特征在于，所述计算所述主要发电关联数据和次要发电关联数据之间的时间偏差量，包括：
基于所述主要发电关联数据与次要发电关联数据，确定所述主要发电关联数据对应的最小信息熵数据；
根据所述最小信息熵数据确定时间偏差量。
5.根据权利要求4所述的方法，其特征在于，所述次要发电关联数据包含至少两种不同类型的数据；
所述基于所述主要发电关联数据与次要发电关联数据，确定所述主要发电关联数据对应的最小信息熵数据，包括：
分别基于各组发电关联数据组，确定所述主要发电关联数据对应的最小信息熵数据，每组所述发电关联数据组中仅包含一种所述主要发电关联数据和一种所述次要发电关联数据；
确定各组中所述主要发电关联数据对应的最小信息熵数据；
所述根据所述最小信息熵数据确定时间偏差量，包括：
从各所述最小信息熵数据中，确定熵值最小的目标最小信息熵数据，根据所述目标最小信息熵数据确定时间偏差量。
6.根据权利要求1所述的方法，其特征在于，所述根据目标供电区域对应的供电需求量数据设置所述预估发电量的供电分配比例，包括：
计算目标供电区域对应的供电需求量数据与预设误差弥补电量之和，得到所述目标供电区域的期望供电量；
根据所述期望供电量与预估发电量的比值设置供电分配比例。
7.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取热力发电厂对应的实时气象数据，根据所述实时气象数据相对上一预设数据统计周期内的历史气象数据的数据变化差值，确定误差调整数据；
根据所述误差调整数据调整所述供电分配比例。
8.一种热力发电厂的供电分配装置，其特征在于，所述装置包括：
获取模块，用于在历史数据库中获取热力发电系统的主要发电关联数据和次要发电关联数据，并计算所述主要发电关联数据和次要发电关联数据之间的时间偏差量；
确定模块，用于获取实时发电关联数据，基于所述时间偏差量确定所述实时发电关联数据对应的预估发电关联数据；
计算模块，用于基于所述预估发电关联数据计算预估发电量，并根据目标供电区域对应的供电需求量数据设置所述预估发电量的供电分配比例，所述预估发电量为经过所述时间偏差量后对应时刻的发电量预估值。
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如权利要求1-7任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-7任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310772305.3A CN116703115B (zh) | 2023-06-28 | 2023-06-28 | 一种热力发电厂的供电分配方法、装置及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310772305.3A CN116703115B (zh) | 2023-06-28 | 2023-06-28 | 一种热力发电厂的供电分配方法、装置及电子设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116703115A true CN116703115A (zh) | 2023-09-05 |
| CN116703115B CN116703115B (zh) | 2024-01-02 |
Family
ID=87837317
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310772305.3A Active CN116703115B (zh) | 2023-06-28 | 2023-06-28 | 一种热力发电厂的供电分配方法、装置及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116703115B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108153222A (zh) * | 2017-11-24 | 2018-06-12 | 北京算云联科科技有限公司 | 一种能源控制方法及装置 |
| CN110580549A (zh) * | 2019-09-02 | 2019-12-17 | 山东大学 | 一种考虑天气的区域短期能源功率预测方法及系统 |
| CN112580889A (zh) * | 2020-12-25 | 2021-03-30 | 北京嘀嘀无限科技发展有限公司 | 服务资源预估方法、装置、电子设备及存储介质 |
| CN113992758A (zh) * | 2021-12-27 | 2022-01-28 | 杭州金线连科技有限公司 | 一种系统数据资源的动态调度方法、装置及电子设备 |
| CN115759365A (zh) * | 2022-11-02 | 2023-03-07 | 亚信科技（中国）有限公司 | 光伏发电功率的预测方法及相关设备 |
| WO2023045797A1 (zh) * | 2021-09-24 | 2023-03-30 | 华为技术有限公司 | 基站的供电管理方法和供电管理装置 |
| CN116187518A (zh) * | 2022-12-14 | 2023-05-30 | 中国铁塔股份有限公司青海省分公司 | 一种光伏基站能耗预估方法和装置 |
-
2023
- 2023-06-28 CN CN202310772305.3A patent/CN116703115B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108153222A (zh) * | 2017-11-24 | 2018-06-12 | 北京算云联科科技有限公司 | 一种能源控制方法及装置 |
| CN110580549A (zh) * | 2019-09-02 | 2019-12-17 | 山东大学 | 一种考虑天气的区域短期能源功率预测方法及系统 |
| CN112580889A (zh) * | 2020-12-25 | 2021-03-30 | 北京嘀嘀无限科技发展有限公司 | 服务资源预估方法、装置、电子设备及存储介质 |
| WO2023045797A1 (zh) * | 2021-09-24 | 2023-03-30 | 华为技术有限公司 | 基站的供电管理方法和供电管理装置 |
| CN113992758A (zh) * | 2021-12-27 | 2022-01-28 | 杭州金线连科技有限公司 | 一种系统数据资源的动态调度方法、装置及电子设备 |
| CN115759365A (zh) * | 2022-11-02 | 2023-03-07 | 亚信科技（中国）有限公司 | 光伏发电功率的预测方法及相关设备 |
| CN116187518A (zh) * | 2022-12-14 | 2023-05-30 | 中国铁塔股份有限公司青海省分公司 | 一种光伏基站能耗预估方法和装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116703115B (zh) | 2024-01-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Wang et al. | Cooperative planning of renewable generations for interconnected microgrids | |
| JP2020527012A (ja) | 発電システム及びエネルギー生成システム | |
| Khodayar et al. | Enhancing the dispatchability of variable wind generation by coordination with pumped-storage hydro units in stochastic power systems | |
| US20130038060A1 (en) | Method for controlling a wind power park and a wind power park controlled by such method | |
| Yan et al. | A new tool to estimate maximum wind power penetration level: In perspective of frequency response adequacy | |
| CN107689638B (zh) | 一种基于相轨迹分析的含风电电力系统暂态协调控制方法 | |
| JP2014143835A (ja) | 電力系統の制御システム | |
| WO2019093009A1 (ja) | 電力計画装置、電力需給制御システム、および、電力計画方法 | |
| CN112070301A (zh) | 一种用户用电量调整方法、系统及设备 | |
| CN104037761A (zh) | 一种agc功率多目标随机优化分配方法 | |
| CN115864460A (zh) | 一种电力调峰方法、装置、设备及存储介质 | |
| Rasmussen et al. | Primary frequency support from local control of large-scale heat pumps | |
| CN116703115B (zh) | 一种热力发电厂的供电分配方法、装置及电子设备 | |
| JP6356502B2 (ja) | 機器運転設定装置及び機器運転設定値決定プログラム | |
| CN116321999B (zh) | 一种云计算数据中心的空调智能调控方法、系统和介质 | |
| US11365719B2 (en) | Power production forecasting for a wind turbine | |
| CN115313527A (zh) | 考虑湍流风速波动的风电场有功功率分配方法 | |
| CN115965495A (zh) | 区域实时电价评估方法、装置及计算机可读介质 | |
| Ourani et al. | A Stochastic Dual Dynamic Programming model for medium-term hydrothermal scheduling in Greece | |
| JP2022188498A (ja) | アグリゲータシステム | |
| CN109799708B (zh) | 一种基于最大内嵌正方体的虚拟电厂灵活性聚合方法 | |
| CN116859739B (zh) | 一种适用于电热联供型虚拟电厂的强化学习控制方法及控制系统 | |
| CN113812052A (zh) | 用于动态预测、聚合、和验证的装置和方法 | |
| JP2016127622A (ja) | 電力需要予測システム | |
| CN114444915B (zh) | 市场环境下的电力系统新能源消纳成本计算方法及装置 |
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 |